CN117436973A - 产品推荐方法、装置、设备、存储介质和计算机程序产品 - Google Patents

产品推荐方法、装置、设备、存储介质和计算机程序产品 Download PDF

Info

Publication number
CN117436973A
CN117436973A CN202311251493.1A CN202311251493A CN117436973A CN 117436973 A CN117436973 A CN 117436973A CN 202311251493 A CN202311251493 A CN 202311251493A CN 117436973 A CN117436973 A CN 117436973A
Authority
CN
China
Prior art keywords
product
target
information
user
target user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311251493.1A
Other languages
English (en)
Inventor
吴佳遥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bank of China Ltd
Original Assignee
Bank of China Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202311251493.1A priority Critical patent/CN117436973A/zh
Publication of CN117436973A publication Critical patent/CN117436973A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/338—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及一种产品推荐方法、装置、设备、存储介质和计算机程序产品。该方法包括：接收目标用户的用户端发送的当前咨询需求；通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品；对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，并将产品推荐信息输出至目标用户的用户端。采用本方法能够提高产品推荐效果。

Description

产品推荐方法、装置、设备、存储介质和计算机程序产品
技术领域
本申请涉及人工智能技术领域，特别是涉及一种产品推荐方法、装置、设备、存储介质和计算机程序产品。
背景技术
随着计算机网络的发展，在各个行业，都普遍出现了线上维护老客户的方式。例如，金融机构通过为老客户配置专属理财经理，当老客户存在理财需求或理财咨询时，理财经理可以及时为其服务，向其推荐适合的理财产品。
但是，由于理财经理人数有限，目前，金融机构只会为满足要求的老客户配置理财经理，对于不满足要求的老客户，无法通过线上咨询的方式来完成理财产品的购买。并且，理财经理(真实的人)在向用户推荐产品时，由于不会对所有产品都进行了解，所以存在推荐效果不好的情况，因此，亟需提供能够提高产品推荐效果的方法。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高产品推荐效果的产品推荐方法、装置、设备、存储介质和计算机程序产品。
第一方面，本申请提供了一种产品推荐方法。该方法包括：
接收目标用户的用户端发送的当前咨询需求；
通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品；
对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，并将产品推荐信息输出至目标用户的用户端。
在其中一个实施例中，通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品，包括：
通过神经网络，根据当前咨询需求和目标用户的归属地，从候选产品中确定初筛选产品，并根据目标用户的用户画像，从初筛选产品中确定目标产品。
在其中一个实施例中，通过神经网络，根据当前咨询需求和目标用户的归属地，从候选产品中确定初筛选产品，包括：
通过神经网络，确定当前咨询需求对应的咨询意图，并根据咨询意图和目标用户的归属地，从候选产品中确定初筛选产品。
在其中一个实施例中，将产品推荐信息输出至目标用户的用户端之后，还包括：
获取用户端发送的反馈信息；反馈信息为目标用户对产品推荐信息不满意时生成的；
根据目标用户的反馈信息，确定产品推荐信息的更新策略；其中，更新策略包括：对目标产品的种类进行更新，和/或对目标产品的产品信息的自然语言处理方式进行更新；
根据产品推荐信息的更新策略，对产品推荐信息进行更新，并将更新后的产品推荐信息输出至目标用户的用户端。
在其中一个实施例中，该方法还包括：
基于目标用户的反馈信息，和/或目标用户基于产品推荐信息，对目标产品的操作信息，更新目标用户的用户画像。
在其中一个实施例中，产品信息包括产品基本信息和产品投资预测信息；对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，包括：
对目标产品的产品基本信息进行自然语言处理，得到产品介绍信息；
对目标产品的产品投资预测信息进行自然语言处理，得到产品投资建议；
根据产品介绍信息和产品投资建议，生成当前咨询需求的产品推荐信息。
第二方面，本申请还提供了一种产品推荐装置。该装置包括：
需求接收模块，用于接收目标用户的用户端发送的当前咨询需求；
目标产品确定模块，用于通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品；
推荐信息确定模块，用于对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，并将产品推荐信息输出至目标用户的用户端。
第三方面，本申请还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现以下步骤：
接收目标用户的用户端发送的当前咨询需求；
通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品；
对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，并将产品推荐信息输出至目标用户的用户端。
第四方面，本申请还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：
接收目标用户的用户端发送的当前咨询需求；
通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品；
对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，并将产品推荐信息输出至目标用户的用户端。
第五方面，本申请还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
接收目标用户的用户端发送的当前咨询需求；
通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品；
对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，并将产品推荐信息输出至目标用户的用户端。
上述产品推荐方法、装置、设备、存储介质和计算机程序产品，在接收到目标用户的用户端发送的当前咨询需求后，根据当前咨询需求、目标用户的归属地和用户画像，从各候选产品中确定出目标产品，可以保证确定出的目标产品是与目标用户当前咨询需求、归属地和用户画像都匹配的产品(即目标产品是目标用户感兴趣的产品)，并且，由于确定目标产品的过程是通过神经网络进行的，可以避免人工确定目标产品的局限性。进一步地，对目标产品的产品信息进行自然语言处理，向目标用户的用户端输出通俗易懂的信息(即产品推荐信息)，使得目标用户能够清楚地了解目标产品的产品信息。因此，在目标产品是目标用户感兴趣的产品的基础上，向目标用户完整且清晰地介绍该产品，可以在一定程度上提高目标用户交易的可能性，即，提高产品推荐效果。
附图说明
图1为本实施例提供的一种产品推荐方法的应用环境图；
图2为本实施例提供的第一种产品推荐方法的流程示意图；
图3为本实施例提供的一种产品推荐信息更新的流程示意图；
图4为本实施例提供的第二种产品推荐方法的流程示意图；
图5为本实施例提供的第一种产品推荐装置的结构框图；
图6为本实施例提供的第二种产品推荐装置的结构框图；
图7为本实施例提供的第三种产品推荐装置的结构框图；
图8为本实施例提供的第四种产品推荐装置的结构框图；
图9为本实施例提供的一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的产品推荐方法，可以应用于如图1所示的应用环境中。在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图1所示。该计算机设备的数据库用于存储进行产品推荐的相关数据。例如，若执行本实施例提供的产品推荐该当的程序为聊天机器人程序(Chat Generative Pre-trainedTransformer，ChatGPT)，则计算机设备中可以存储有聊天机器人程序的数据库。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种产品推荐方法。
在一个实施例中，如图2所示，提供了一种产品推荐方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S201，接收目标用户的用户端发送的当前咨询需求。
其中，目标用户可以是存在咨询需求的用户，示例性地，目标用户可以是在某金融机构线上平台注册过的，当前存在咨询需求的用户。目标用户的用户端可以是登录有目标用户账号的终端，示例性地，可以是目标用户的手机端，也可以是目标用户的电脑端。当前咨询需求可以是目标用户通过用户端提交的，表征目标用户的当前需求的内容。例如，当前咨询需求可以是“最近有什么赠礼活动吗”、“有什么推荐的理财产品吗”。
具体的，本实施例中，当目标用户在用户端提交当前咨询需求时，服务器可以接收到目标用户的用户端发送的当前咨询需求。示例性地，以金融机构线上平台处理用户咨询需求的程序为ChatGPT为例，目标用户可以是在其用户端上安装的金融机构线上平台内，通过ChatGPT输入当前咨询需求，之后，ChatGPT后台服务器可以接收到该当前咨询需求。
S202，通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品。
其中，目标用户的归属地可以是目标用户的用户端当前显示的位置；用户画像可以是预先构建好的，用于表征目标用户的咨询偏好的信息；示例性地，目标用户的用户画像可以是基于目标用户的基本信息、浏览记录、选购偏好、风险承受能力和行为数据等信息生成的。候选产品可以是所有可用的产品，例如，以金融机构为例，候选产品可以是该金融机构在线的所有理财产品。目标产品可以是与目标用户的当前咨询需求和目标用户匹配的产品。目标产品的个数可以是一个，也可以是多个。
可选的，本实施例中，可以将当前咨询需求、目标用户的归属地和用户画像输入至预先构建好的目标产品确定模型中，目标产品确定模型对接收到的信息进行处理，输出与目标用户匹配的目标产品。
另一种可选实现方式还可以是，通过神经网络，根据当前咨询需求和目标用户的归属地，从候选产品中确定初筛选产品，并根据目标用户的用户画像，从初筛选产品中确定目标产品。其中，初筛选产品可以是在候选产品中筛选出的，符合目标用户的当前咨询需求，且在目标用户的归属地在线的产品。
可选的，确定初筛选产品的过程可以是通过神经网络，确定当前咨询需求对应的咨询意图，并根据咨询意图和目标用户的归属地，从候选产品中确定初筛选产品。其中，咨询意图可以是当前咨询需求中的关键信息，示例性地，可以是关键字。例如，若当前咨询需求为：“有什么推荐的理财产品吗”，可知，目标用户的需求是理财产品，即，咨询意图可以是理财产品。本实施例中，可以将当前咨询需求输入至关键字确定模型中，模型对接收到的当前咨询需求进行提取，确定其中的关键字信息，作为目标用户的咨询意图。之后，在候选产品中筛选出与目标用户的咨询意图相匹配的产品，再以目标用户的归属地为筛选条件，从这些产品中再筛选出与目标用户的归属地相匹配的产品，将筛选出的产品作为初筛选产品。
确定初筛选产品的过程还可以是，将目标用户的当前咨询需求和归属地输入至预先确定好的初筛选产品确定模型中，模型对接收到的数据进行处理，输出初筛选产品。
进一步地，基于目标用户的用户画像，从初筛选产品中确定出目标产品。示例性地，目标用户的用户画像中可以记录有目标用户的历史交易记录，本实施例可以是将初筛选产品中落在历史交易记录中的产品作为目标产品。
上述实施例中，先根据目标用户的当前咨询需求和归属地，从候选产品中确定初筛选产品，再以目标用户的用户画像为依据，从初筛选产品中确定目标产品，使得确定目标产品的过程更加严谨，从而保证确定出的目标产品更加合理，为提高产品推荐效果提供基础。
S203，对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，并将产品推荐信息输出至目标用户的用户端。
其中，产品信息可以是目标产品的官方介绍内容。自然语言处理可以是将产品信息转换成通俗语句的过程，对目标产品的产品信息进行自然语言处理，可以得到通俗易懂产品介绍语句，即产品推荐信息。
具体的，本实施例中，可以是将目标产品的产品信息输入至自然语言处理模型中，模型对接收到的产品信息进行处理，输出产品推荐信息。示例性地，以金融机构线上平台处理用户咨询需求的程序为ChatGPT为例，在确定目标产品后，ChatGPT会获取该目标产品的产品信息，并对产品信息进行自然语言处理，得到产品推荐信息。之后，将产品推荐信息输出至目标用户的用户端。
为了使目标用户可以基于产品推荐信息了解目标产品，在一个实施例中，产品信息可以包括产品基本信息和产品投资预测信息。其中，产品基本信息可以是对行业趋势、市场环境以及目标产品的规模等方面进行分析，得到的关于目标产品的专业介绍。产品投资预测信息为根据目标产品近期的净值变化、投资组合构成，以及行业前景等因素进行评估确定的该目标产品的趋势和投资价值。相应的，本步骤的方法可以是对目标产品的产品基本信息进行自然语言处理，得到产品介绍信息；对目标产品的产品投资预测信息进行自然语言处理，得到产品投资建议；根据产品介绍信息和产品投资建议，生成当前咨询需求的产品推荐信息。
其中，产品介绍信息是对目标产品的基本信息进行介绍的信息。产品投资建议是对产品投资预测信息进行处理后得到的，对于该产品的投资价值进行介绍的信息。具体的，本实施例中，可以将产品基本信息和产品投资预测信息分别输入至对应的自然语言处理模型中，模型输出产品介绍信息和产品投资建议。需要说明的是，对产品基本信息进行自然语言处理的方式，可以与对产品投资预测信息进行自然语言处理的方式有所不同(即产品基本信息和产品投资预测信息分别输入至对应的自然语言处理模型不同)。对于得到的产品介绍信息和产品投资建议，可以将其进行简单的合并，生成产品推荐信息。
上述产品推荐方法中，在接收到目标用户的用户端发送的当前咨询需求后，根据当前咨询需求、目标用户的归属地和用户画像，从各候选产品中确定出目标产品，可以保证确定出的目标产品是与目标用户当前咨询需求、归属地和用户画像都匹配的产品(即目标产品是目标用户感兴趣的产品)，并且，由于确定目标产品的过程是通过神经网络进行的，可以避免人工确定目标产品的局限性。进一步地，对目标产品的产品信息进行自然语言处理，向目标用户的用户端输出通俗易懂的信息(即产品推荐信息)，使得目标用户能够清楚地了解目标产品的产品信息。因此，在目标产品是目标用户感兴趣的产品的基础上，向目标用户完整且清晰地介绍该产品，可以在一定程度上提高目标用户交易的可能性，即，提高产品推荐效果。
进一步地，为了保证确定目标产品的准确性，也为了了解目标用户对目标产品的满意度，本实施例还基于目标用户的反馈信息，和/或目标用户基于产品推荐信息，对目标产品的操作信息，更新目标用户的用户画像。其中，目标用户的反馈信息为目标用户针对目标产品的反馈情况，示例性地，可以是对目标产品满意，也可以是对目标产品不满意，还可以是听不懂产品推荐信息等。对目标产品的操作信息可以是对目标产品的购买操作。
可选的，本实施例中，可以获取目标用户基于目标产品的反馈信息，更新目标用户的用户画像，示例性地，若目标用户反馈对该目标产品不感兴趣，则在目标用户的用户画像中不感兴趣项添加该目标产品。若目标用户反馈听不懂产品推荐信息，可以在目标用户的用户画像中标注目标用户为初级用户(如理财小白)。也可以获取目标用户对目标产品的操作信息，基于该操作信息，更新目标用户的用户画像。示例性地，若在向目标用户的用户端输出目标产品的产品推荐信息之后，目标用户搜索并浏览或购买了该目标产品，则确定目标用户对该目标产品感兴趣，可以在目标用户的用户画像中更新购买记录、浏览记录或偏好。还可以基于目标用户的反馈信息和对目标产品的操作信息，更新目标用户的用户画像，示例性地，若目标用户的反馈信息为对该目标产品不感兴趣，且将该目标产品标记为不感兴趣产品，则在目标用户的用户画像中添加该目标产品为不感兴趣产品。
进一步地，为了提高产品推荐效果，在将产品推荐信息输出至目标用户的用户端之后，若目标用户不满意该产品推荐信息，本实施例还可以再次为目标用户输出产品推荐信息。具体的，如图3所示，包括以下几个步骤：
S301，获取用户端发送的反馈信息。
其中，反馈信息为目标用户对产品推荐信息不满意时生成的。
具体的，在将产品推荐信息输出至目标用户的用户端后，目标用户可以基于产品推荐信息输出反馈信息，当目标用户在用户端输入反馈信息后，服务器可以获取用户端发送的反馈信息。
S302，根据目标用户的反馈信息，确定产品推荐信息的更新策略。
其中，更新策略包括：对目标产品的种类进行更新，和/或对目标产品的产品信息的自然语言处理方式进行更新。
具体的，在获取到用户端发送的反馈信息之后，可以根据目标用户的反馈信息，确定产品推荐信息的更新策略，以对产品推荐信息进行更新。需要说明的是，由于目标用户的反馈信息可以是对目标产品不感兴趣，也可以是听不懂产品推荐信息，因此，对应的产品推荐信息更新策略也有所不同。可选的，当目标用户的反馈信息是对目标产品不感兴趣时，更新策略可以是对目标产品的种类进行更新；当目标用户的反馈信息是听不懂产品推荐信息时，更新策略可以是对目标产品的产品信息的自然语言处理方式进行更新；当目标用户的反馈信息是既对目标产品不感兴趣，也听不懂产品推荐信息时，更新策略为对目标产品的种类进行更新，并对目标产品的产品信息的自然语言处理方式进行更新。
S303，根据产品推荐信息的更新策略，对产品推荐信息进行更新，并将更新后的产品推荐信息输出至目标用户的用户端。
具体的，本实施例中，根据S302确定的更新策略，对产品推荐信息进行更新，确定更新后的产品推荐信息，并将更新后的产品推荐信息输出至目标用户的用户端。
可选的，当更新策略是对目标产品的种类进行更新时，可以是重新执行S202的操作，重新确定目标产品。当更新策略是对目标产品的产品信息的自然语言处理方式进行更新，则可以是更新自然语言处理方式，将自然语言处理方式调整为可以输出更加通俗语句的方式，重新执行S203的操作，重新确定产品推荐信息。当更新策略是对目标产品的种类进行更新，并对目标产品的产品信息的自然语言处理方式进行更新，则则可以是更新自然语言处理方式，将自然语言处理方式调整为可以输出更加通俗语句的方式，之后，重新执行S202的操作。
上述实施例中，获取到目标用户的反馈信息之后，会根据目标用户的反馈信息生成更新策略，重新输出产品推荐信息，从而保证目标用户对目标产品的感兴趣程度，在一定程度上提高目标用户交易的可能性，即，提高产品推荐效果。
为了便于本领域技术人员的理解，对上述产品推荐方法进行详细介绍，如图4所示，该方法可以包括：
S401，基于目标用户的反馈信息，和/或目标用户基于产品推荐信息，对目标产品的操作信息，更新目标用户的用户画像。
S402，接收目标用户的用户端发送的当前咨询需求。
S403，通过神经网络，确定当前咨询需求对应的咨询意图，并根据咨询意图和目标用户的归属地，从候选产品中确定初筛选产品。
S404，根据目标用户的用户画像，从初筛选产品中确定目标产品。
S405，对目标产品的产品基本信息进行自然语言处理，得到产品介绍信息。
S406，对目标产品的产品投资预测信息进行自然语言处理，得到产品投资建议。
S407，根据产品介绍信息和产品投资建议，生成当前咨询需求的产品推荐信息。
S408，将产品推荐信息输出至目标用户的用户端。
S409，获取用户端发送的反馈信息。
其中，反馈信息为目标用户对产品推荐信息不满意时生成的。
S410，根据目标用户的反馈信息，确定产品推荐信息的更新策略。
其中，更新策略包括：对目标产品的种类进行更新，和/或对目标产品的产品信息的自然语言处理方式进行更新。
S411，根据产品推荐信息的更新策略，对产品推荐信息进行更新，并将更新后的产品推荐信息输出至目标用户的用户端。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的产品推荐方法的产品推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个产品推荐装置实施例中的具体限定可以参见上文中对于产品推荐方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种产品推荐装置1，包括：需求接收模块10、目标产品确定模块11和推荐信息确定模块12，其中：
需求接收模块10，用于接收目标用户的用户端发送的当前咨询需求。
目标产品确定模块11，用于通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品。
推荐信息确定模块12，用于对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，并将产品推荐信息输出至目标用户的用户端。
在一个实施例中，目标产品确定模块11具体用于：通过神经网络，根据当前咨询需求和目标用户的归属地，从候选产品中确定初筛选产品，并根据目标用户的用户画像，从初筛选产品中确定目标产品。
在一个实施例中，目标产品确定模块11还用于通过神经网络，确定当前咨询需求对应的咨询意图，并根据咨询意图和目标用户的归属地，从候选产品中确定初筛选产品。
在一个实施例中，如图6所示，产品推荐装置1还包括推荐信息更新模块13，包括：反馈信息获取单元130、更新策略确定单元131和推荐信息更新单元132。其中：
反馈信息获取单元130，用于获取用户端发送的反馈信息。
反馈信息为目标用户对产品推荐信息不满意时生成的。
更新策略确定单元131，用于根据目标用户的反馈信息，确定产品推荐信息的更新策略。
其中，更新策略包括：对目标产品的种类进行更新，和/或对目标产品的产品信息的自然语言处理方式进行更新。
推荐信息更新单元132，用于根据产品推荐信息的更新策略，对产品推荐信息进行更新，并将更新后的产品推荐信息输出至目标用户的用户端。
在一个实施例中，如图7所示，产品推荐装置1还包括用户画像更新模块14，用于基于目标用户的反馈信息，和/或目标用户基于产品推荐信息，对目标产品的操作信息，更新目标用户的用户画像。
在一个实施例中，产品信息包括产品基本信息和产品投资预测信息。如图8所示，推荐信息确定模块12包括第一确定单元120、第二确定单元121和推荐信息确定单元122。其中：
第一确定单元120，用于对目标产品的产品基本信息进行自然语言处理，得到产品介绍信息。
第二确定单元121，用于对目标产品的产品投资预测信息进行自然语言处理，得到产品投资建议。
推荐信息确定单元122，用于根据产品介绍信息和产品投资建议，生成当前咨询需求的产品推荐信息。
上述产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种产品推荐方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
接收目标用户的用户端发送的当前咨询需求；
通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品；
对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，并将产品推荐信息输出至目标用户的用户端。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
通过神经网络，根据当前咨询需求和目标用户的归属地，从候选产品中确定初筛选产品，并根据目标用户的用户画像，从初筛选产品中确定目标产品。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
通过神经网络，确定当前咨询需求对应的咨询意图，并根据咨询意图和目标用户的归属地，从候选产品中确定初筛选产品。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取用户端发送的反馈信息；反馈信息为目标用户对产品推荐信息不满意时生成的；
根据目标用户的反馈信息，确定产品推荐信息的更新策略；其中，更新策略包括：对目标产品的种类进行更新，和/或对目标产品的产品信息的自然语言处理方式进行更新；
根据产品推荐信息的更新策略，对产品推荐信息进行更新，并将更新后的产品推荐信息输出至目标用户的用户端。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
基于目标用户的反馈信息，和/或目标用户基于产品推荐信息，对目标产品的操作信息，更新目标用户的用户画像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对目标产品的产品基本信息进行自然语言处理，得到产品介绍信息；
对目标产品的产品投资预测信息进行自然语言处理，得到产品投资建议；
根据产品介绍信息和产品投资建议，生成当前咨询需求的产品推荐信息。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
接收目标用户的用户端发送的当前咨询需求；
通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品；
对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，并将产品推荐信息输出至目标用户的用户端。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
通过神经网络，根据当前咨询需求和目标用户的归属地，从候选产品中确定初筛选产品，并根据目标用户的用户画像，从初筛选产品中确定目标产品。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
通过神经网络，确定当前咨询需求对应的咨询意图，并根据咨询意图和目标用户的归属地，从候选产品中确定初筛选产品。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取用户端发送的反馈信息；反馈信息为目标用户对产品推荐信息不满意时生成的；
根据目标用户的反馈信息，确定产品推荐信息的更新策略；其中，更新策略包括：对目标产品的种类进行更新，和/或对目标产品的产品信息的自然语言处理方式进行更新；
根据产品推荐信息的更新策略，对产品推荐信息进行更新，并将更新后的产品推荐信息输出至目标用户的用户端。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
基于目标用户的反馈信息，和/或目标用户基于产品推荐信息，对目标产品的操作信息，更新目标用户的用户画像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对目标产品的产品基本信息进行自然语言处理，得到产品介绍信息；
对目标产品的产品投资预测信息进行自然语言处理，得到产品投资建议；
根据产品介绍信息和产品投资建议，生成当前咨询需求的产品推荐信息。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
接收目标用户的用户端发送的当前咨询需求；
通过神经网络，根据当前咨询需求，以及目标用户的归属地和用户画像，从候选产品中确定目标产品；
对目标产品的产品信息进行自然语言处理，得到当前咨询需求的产品推荐信息，并将产品推荐信息输出至目标用户的用户端。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
通过神经网络，根据当前咨询需求和目标用户的归属地，从候选产品中确定初筛选产品，并根据目标用户的用户画像，从初筛选产品中确定目标产品。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
通过神经网络，确定当前咨询需求对应的咨询意图，并根据咨询意图和目标用户的归属地，从候选产品中确定初筛选产品。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取用户端发送的反馈信息；反馈信息为目标用户对产品推荐信息不满意时生成的；
根据目标用户的反馈信息，确定产品推荐信息的更新策略；其中，更新策略包括：对目标产品的种类进行更新，和/或对目标产品的产品信息的自然语言处理方式进行更新；
根据产品推荐信息的更新策略，对产品推荐信息进行更新，并将更新后的产品推荐信息输出至目标用户的用户端。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
基于目标用户的反馈信息，和/或目标用户基于产品推荐信息，对目标产品的操作信息，更新目标用户的用户画像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对目标产品的产品基本信息进行自然语言处理，得到产品介绍信息；
对目标产品的产品投资预测信息进行自然语言处理，得到产品投资建议；
根据产品介绍信息和产品投资建议，生成当前咨询需求的产品推荐信息。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户基本信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种产品推荐方法，其特征在于，所述方法包括：
接收目标用户的用户端发送的当前咨询需求；
通过神经网络，根据所述当前咨询需求，以及所述目标用户的归属地和用户画像，从候选产品中确定目标产品；
对所述目标产品的产品信息进行自然语言处理，得到所述当前咨询需求的产品推荐信息，并将所述产品推荐信息输出至所述目标用户的用户端。
2.根据权利要求1所述的方法，其特征在于，所述通过神经网络，根据所述当前咨询需求，以及所述目标用户的归属地和用户画像，从候选产品中确定目标产品，包括：
通过神经网络，根据所述当前咨询需求和所述目标用户的归属地，从候选产品中确定初筛选产品，并根据所述目标用户的用户画像，从所述初筛选产品中确定目标产品。
3.根据权利要求2所述的方法，其特征在于，所述通过神经网络，根据所述当前咨询需求和所述目标用户的归属地，从候选产品中确定初筛选产品，包括：
通过神经网络，确定所述当前咨询需求对应的咨询意图，并根据所述咨询意图和所述目标用户的归属地，从候选产品中确定初筛选产品。
4.根据权利要求1所述的方法，其特征在于，所述将所述产品推荐信息输出至所述目标用户的用户端之后，还包括：
获取所述用户端发送的反馈信息；所述反馈信息为目标用户对所述产品推荐信息不满意时生成的；
根据所述目标用户的反馈信息，确定产品推荐信息的更新策略；其中，所述更新策略包括：对目标产品的种类进行更新，和/或对目标产品的产品信息的自然语言处理方式进行更新；
根据所述产品推荐信息的更新策略，对所述产品推荐信息进行更新，并将更新后的产品推荐信息输出至所述目标用户的用户端。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
基于所述目标用户的反馈信息，和/或所述目标用户基于所述产品推荐信息，对所述目标产品的操作信息，更新所述目标用户的用户画像。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述产品信息包括产品基本信息和产品投资预测信息；对所述目标产品的产品信息进行自然语言处理，得到所述当前咨询需求的产品推荐信息，包括：
对所述目标产品的产品基本信息进行自然语言处理，得到产品介绍信息；
对所述目标产品的产品投资预测信息进行自然语言处理，得到产品投资建议；
根据所述产品介绍信息和所述产品投资建议，生成所述当前咨询需求的产品推荐信息。
7.一种产品推荐装置，其特征在于，所述装置包括：
需求接收模块，用于接收目标用户的用户端发送的当前咨询需求；
目标产品确定模块，用于通过神经网络，根据所述当前咨询需求，以及所述目标用户的归属地和用户画像，从候选产品中确定目标产品；
推荐信息确定模块，用于对所述目标产品的产品信息进行自然语言处理，得到所述当前咨询需求的产品推荐信息，并将所述产品推荐信息输出至所述目标用户的用户端。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202311251493.1A 2023-09-26 2023-09-26 产品推荐方法、装置、设备、存储介质和计算机程序产品 Pending CN117436973A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311251493.1A CN117436973A (zh) 2023-09-26 2023-09-26 产品推荐方法、装置、设备、存储介质和计算机程序产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311251493.1A CN117436973A (zh) 2023-09-26 2023-09-26 产品推荐方法、装置、设备、存储介质和计算机程序产品

Publications (1)

Publication Number Publication Date
CN117436973A true CN117436973A (zh) 2024-01-23

Family

ID=89545285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311251493.1A Pending CN117436973A (zh) 2023-09-26 2023-09-26 产品推荐方法、装置、设备、存储介质和计算机程序产品

Country Status (1)

Country Link
CN (1) CN117436973A (zh)

Similar Documents

Publication Publication Date Title
KR102410777B1 (ko) 상품 추천 방식 개선 방법 및 장치
CN107786943A (zh) 一种用户分群方法及计算设备
WO2019095846A1 (zh) 共享产品的推荐方法、装置以及电子设备
CN111161009B (zh) 信息推送方法、装置、计算机设备和存储介质
CN116308644A (zh) 目标产品的推荐方法、装置、设备、存储介质和产品
CN117436973A (zh) 产品推荐方法、装置、设备、存储介质和计算机程序产品
CN115758271A (zh) 数据处理方法、装置、计算机设备和存储介质
CN114219184A (zh) 产品交易数据预测方法、装置、设备、介质和程序产品
CN111401395A (zh) 一种数据处理方法、终端设备及存储介质
KR102432552B1 (ko) 인공지능 기반 매수인에게 매물을 자동으로 추천하는 부동산 거래 플랫폼의 운영 방법
CN113379482B (zh) 一种物品推荐方法、计算设备以及存储介质
CN117454215A (zh) 回馈资源的配置方法、装置和计算机设备
CN116127183A (zh) 业务推荐方法、装置、计算机设备和存储介质
CN117436972A (zh) 资源对象推荐方法、装置、计算机设备和存储介质
CN116861071A (zh) 资讯推送方法、装置、计算机设备、存储介质和程序产品
CN116881556A (zh) 资源推荐方法、装置、计算机设备和存储介质
CN117575765A (zh) 产品推荐方法、装置、计算机设备和存储介质
CN117472249A (zh) 菜单展示方法、装置、计算机设备和存储介质
CN117689435A (zh) 物品推荐方法、装置、计算机设备及其存储介质
CN117150114A (zh) 信息推荐方法、装置、计算机设备、存储介质和程序产品
CN117745337A (zh) 产品生成方法、装置、计算机设备和存储介质
CN116127195A (zh) 套餐推荐方法、装置、计算机设备、存储介质和程序产品
CN116680467A (zh) 对象推荐方法、装置、计算机设备和存储介质
JP2023102690A (ja) 情報処理システム、情報処理方法、及びプログラム
CN113744004A (zh) 推送内容的确定方法、装置及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination