CN117455577A - 目标产品的推荐方法、装置、设备和介质 - Google Patents

Abstract

本发明公开了一种目标产品的推荐方法、装置、设备和介质。其特征包括：获取目标产品的对象数据和待推送对象的第一对象基础信息；其中，所述对象数据包括对象基础信息和产品使用信息；对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类；在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类；根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品。能够针对目标产品的各个对象进行匹配，提高目标产品的推荐效果，并且降低推荐算法的计算成本，提高推荐的效率。

Description

目标产品的推荐方法、装置、设备和介质

技术领域

本发明涉及产品推荐领域，尤其涉及一种目标产品的推荐方法、装置、设备和介质。

背景技术

在当前的产品市场中，产品的使用对象是产品市场的重要资源，只有明白产品的目标对象，了解市场的真正需求，在巩固现有产品使用对象的同时，能够发掘潜在的产品使用对象，针对产品的使用对象进行个性化服务，精准化推荐，能够有效的吸引产品使用对象。现有技术中，通常是通过对潜在的产品对象进行分析，设置相应的对象标签，进而在市场中根据对象标签对潜在的产品使用对象进行分析识别，根据对象标签选择推荐的产品使用对象。但是对象标签需要高精准度的数据作为支持，而高精度的数据通常需要复杂的计算，需要耗费大量的计算资源和时间成本。

发明内容

本发明提供了一种目标产品的推荐方法、装置、设备和介质，以实现对目标产品进行快速推荐，提高推荐的效率，降低目标产品的推荐难度和推荐成本。

根据本发明的一方面，提供了一种目标产品的推荐方法，包括：

获取目标产品的对象数据和待推送对象的第一对象基础信息；其中，所述对象数据包括对象基础信息和产品使用信息；

对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类；

在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类；

根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品。

根据本发明的另一方面，提供了一种目标产品的推荐装置、包括：

数据获取模块，用于获取目标产品的对象数据和待推送对象的第一对象基础信息；其中，所述对象数据包括对象基础信息和产品使用信息；

聚类模块，用于对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类；

聚类优化模块，用于在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类；

对象分类模块，用于根据所述对象基础信息和所述目标对象聚类对所述待推送对象进行推送对象识别，确定目标推荐对象。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的目标产品的推荐方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的目标产品的推荐方法。

本发明实施例的技术方案通过获取目标产品的对象数据和待推送对象的第一对象基础信息，通过目标产品的产品使用数据与对象基础信息作为计算依据，能够提高推荐的效率，减少数据计算量；对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类，通过数据聚类能够直接对现有产品对象进行分类，能够通过分类作为推荐依据，提高推荐的准确率；在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类，在聚类中，将干扰数据去除，能够进一步使数据聚类的精准度提高，有助于提高推荐的精准度；根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品，通过对象基础信息作为推荐计算，确定推荐对象。解决了现有技术产品推荐成本过高且效率低的技术问题，能够针对目标产品的各个对象进行匹配，提高目标产品的推荐效果，并且降低推荐算法的计算成本，提高推荐的效率。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供了一种目标产品的推荐方法的流程图；

图2是本发明实施例二提供的另一种目标产品的推荐方法的流程图；

图3为本发明实施例公开的另一种目标产品的推荐方法的流程图；

图4是本发明实施例三提供的一种目标产品的推荐装置的结构示意图；

图5是实现本发明实施例的目标产品的推荐方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

实施例一

图1是本发明实施例一提供了一种目标产品的推荐方法的流程图，本实施例可适用于对目标产品进行精准推荐的过程，该方法可以由目标产品的推荐装置来执行，该目标产品的推荐装置可以采用硬件和/或软件的形式实现，该目标产品的推荐装置可配置于电子设备中。如图1所示，该方法包括：

S110、获取目标产品的对象数据和待推送对象的第一对象基础信息。

其中，所述对象数据包括第二对象基础信息和产品使用信息。第二对象基础信息可以是正在使用目标产品的对象的基础信息，第一对象基础信息可以用于表示未使用目标产品的对象的基本信息。示例性的，对象基础信息可以是对象的行业类型。

可选的，产品使用信息可以是正在使用目标产品的使用信息。示例性的，产品使用信息可以是产品的使用频率。

具体的，针对目标产品进行市场推荐时，获取目标产品现有使用用户的对象数据，并针对待推送对象获取第一对象基础信息。

S120、对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类。

其中，历史对象聚类可以是正在使用目标产品的产品使用对象的聚类。历史对象聚类可以用于体现正在使用目标产品的产品使用对象的相似情况。

可选的，在进行数据聚类时，可以将目标产品的正在使用产品对象分为多个聚类，每个聚类中的产品使用对象相互相似。示例性的，可以将历史对象聚类分为三个数据聚类，高强度使用产品的产品使用对象、中强度使用产品的产品使用对象和低强度使用产品的产品使用对象。

具体的，针对正在使用目标产品的产品使用对象，根据产品使用对象的对象数据进行数据聚类，确定目标产品的至少一个历史对象聚类。

S130、在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类。

其中，目标对象聚类可以是通过产品使用对象的共有数据构成的数据聚类。

具体的，针对每个历史对象聚类，剔除历史对象聚类中目标产品的使用信息，进而保留所有对象共有的数据，从而重新计算历史对象聚类的质心点，确定每个历史对象数据对应的目标对象聚类。

S140、根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品。

其中，目标推荐对象可以是能够极大概率接受目标产品的未使用目标产品的对象。

具体的，在获取目标对象聚类后，通过待推送对象的第一对象基础信息和目标对象聚类进行聚类对比，在待推送对象中选择目标推荐对象，并向目标推荐对象推荐目标产品。

可选的，在本发明另一可选实施例中，在在根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象之后，还包括：

获取目标产品的新增对象对应的对象数量；在所述对象数量满足预设的增长阈值的情况下，基于所述新增对象的对象数据更新所述历史对象聚类。

其中，新增对象可以是目标产品在推送一定时间后，新添加的目标产品使用对象；对象数量可以是新增对象的数量。

其中，增长阈值可以是预先设置用于判断更新历史对象聚类的参数。

可选的，在对目标推荐对象推送之后，在设定时间范围内，获取新增对象的对象数量，判断新增对象的对象数量和预设的增长阈值的关系，在对象数量满足预设的增长阈值的情况下，则将新增对象的对象数据分配到多个历史对象聚类中，进而重新计算历史对象的质心，进而更新历史对象聚类。

本发明实施例的技术方案通过获取目标产品的对象数据和待推送对象的第一对象基础信息，通过目标产品的产品使用数据与对象基础信息作为计算依据，能够提高推荐的效率，减少数据计算量；对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类，通过数据聚类能够直接对现有产品对象进行分类，能够通过分类作为推荐依据，提高推荐的准确率；在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类，在聚类中，将干扰数据去除，能够进一步使数据聚类的精准度提高，有助于提高推荐的精准度；根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品，通过对象基础信息作为推荐计算，确定推荐对象。解决了现有技术产品推荐成本过高且效率低的技术问题，能够针对目标产品的各个对象进行匹配，提高目标产品的推荐效果，并且降低推荐算法的计算成本，提高推荐的效率。

实施例二

图2是本发明实施例二提供的另一种目标产品的推荐方法的流程图，本实施例与上述实施例之间的关系为确定目标对象聚类的具体方法。如图2所示，该目标产品的推荐方法包括：

S210、获取目标产品的对象数据和待推送对象的第一对象基础信息。

S220、通过预设的向量编码方法对所述第二对象基础信息和产品使用信息进行数据编码，确定第二对象基础向量和产品使用向量。

其中，预设的向量编码方法可以是预先设置用于对对象基础信息和产品使用信息进行向量化的方法。示例性的，预设的向量编码方法可以包括词袋模型和词频-逆文档频率。

其中，第二对象基础向量可以是基于第二对象基础数据编码得到向量；产品使用向量可以是基于产品使用数据得到向量。

可选的，基于第二对象基础向量和产品使用向量生成对象数据对应的历史对象向量，历史对象向量可以用于体现对象数据的数据特征。

具体的，在获取到对象数据后，基于预设的向量编码方法对对象数据的第二对象基础信息和产品使用信息进行数据编码，将第二对象基础信息和产品使用信息进行向量化，确定第二对象基础向量和产品使用向量，并基于第二对象基础向量和产品使用向量确定对象数据的历史对象向量。

S230、根据所述第二对象基础向量和产品使用向量进行数据聚类，确定所述目标产品的至少一个历史对象聚类。

具体的，将第二对象基础向量和产品使用向量作为数据聚类的基础，通过第二对象基础向量和产品使用向量进行数据聚类，确定目标产品的至少一个历史对象聚类。其中，数据聚类的聚类算法可以是Kmeans聚类算法。

可选的，在本发明另一可选实施例中，所述根据所述第二对象基础向量和产品使用向量进行数据聚类，确定所述目标产品的至少一个历史对象聚类，包括：

根据所述第二对象基础向量和产品使用向量确定历史对象向量；在所述历史对象向量中预设至少一个历史对象向量作为聚类质心，依次对每一个历史对象向量和所述聚类质心进行聚类计算，确定所述目标产品的至少一个历史对象聚类。

其中，聚类质心可以是预先设置用于在聚类中的预设均值的点，聚类质心能够用于表示一个聚类的共有特征。需要说明的是，在本发明实施例中，聚类质心可以是多个预先指定在各个聚类中，以预先指定的聚类质心进行聚类计算。

具体的，基于第二对象基础向量和产品使用向量生成历史对象向量，在多个历史对象向量中，可以预先设置多个历史对象向量作为计算的聚类质心，作为聚类的参考点，进而对其他的历史对象向量和聚类质心分别进行聚类计算，确定每个历史对象向量和聚类质心的特征相似程度，进而实现数据聚类，得到至少一个历史对象聚类。其中，历史对象聚类的数量和聚类质心的数量相等。

S240、在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类。

可选的，在本发明另一可选实施例中，所述在所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类，包括：

依次去除对每个历史对象聚类中每个历史对象向量对应的产品使用向量，确定每个所述历史对象聚类对应的对象基础聚类；逐个计算每个所述对象基础聚类对应的目标质心，基于所述目标质心和所述第二对象基础向量进行聚类更新，确定所述目标对象聚类。

其中，对象基础聚类中的向量分布与历史对象聚类中的向量分布相同。

具体的，针对每个历史对象聚类中的历史对象向量，去除历史对象向量中的产品使用向量，将去除产品使用向量的历史对象聚类作为对象基础聚类，针对对象基础聚类中的向量，重新计算对象基础聚类中的目标质心，根据目标质心对对象基础聚类中的第二对象基础向量进行重新聚类计算，得到目标对象聚类。

S250、根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品。

可选的，在本发明另一可选实施例中，所述根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，包括：

通过预设的向量编码方法对所述第一对象基础信息进行数据向量化，确定第一对象基础向量；分别对每一个所述第一对象基础向量和每个所述目标对象聚类进行相似度计算，确定每个所述待推送对象对应的至少一个目标相似度；基于所述待推送对象对应的所述目标相似度进行推送对象识别，确定目标推荐对象。

其中，第一对象基础向量可以是第一对象基础信息进行数据编码得到数据向量。

其中，目标相似度可以是第一对象基础向量与每个目标对象聚类的向量相似程度；目标相似度可以用于识别第一对象基础向量对应的目标对象聚类。

具体的，通过预设的向量编码方法对第一对象基础信息进行数据编码，得到第一对象基础信息对应的第一对象基础向量，进而针对每一个第一对象基础向量和每个目标对象聚类的目标质心进行距离计算，得到每个所述待推送对象对应的至少一个目标相似度，根据目标相似度进行推送对象识别，确定目标推荐对象。其中，距离计算的方法可以是欧几里距离计算。示例性的，将d作为目标相似度,通过用(x1,x2,...,xn)代表一个第一对象基础向量,(y1,y2,...,yn)代表目标对象聚类的目标质心，欧几里距离计算公式如下所示：

可选的，在本发明另一可选实施例中，所述基于所述待推送对象对应的所述目标相似度进行推送对象识别，确定目标推荐对象，包括：

将所述待推送对象映射到的最大的所述目标相似度对应的目标对象聚类；获取每个所述目标对象聚类对应的交互评价指标；将所述交互评价指标中评价最高的所述目标对象聚类确定为可推送聚类，并将所述可推送聚类中的所述待推送对象确定为所述目标推荐对象。

其中，交互评价指标可以是在历史对象聚类中设置用于评价历史对象聚类可推荐程度的参数指标。通过交互评价指标能够用于确认目标对象聚类的可推荐程度。

具体的，根据每个待推送对象与每个目标对象聚类的目标相似度，选择目标相似度最大的目标对象聚类进行对象映射，将待推送对象映射至相应的目标对象聚类，在映射完成后，获取每个目标对象聚类的交互评价指标，进而选择交互评价指标中评价最高的目标对象聚类作为可推送聚类，将可推送聚类中的所述待推送对象确定为目标推荐对象。

本发明实施例的技术方案通过获取目标产品的对象数据和待推送对象的第一对象基础信息，通过目标产品的产品使用数据与对象基础信息作为计算依据，能够提高推荐的效率，减少数据计算量；对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类，通过数据聚类能够直接对现有产品对象进行分类，能够通过分类作为推荐依据，提高推荐的准确率；在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类，在聚类中，将干扰数据去除，能够进一步使数据聚类的精准度提高，有助于提高推荐的精准度；根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品，通过对象基础信息作为推荐计算，确定推荐对象。解决了现有技术产品推荐成本过高且效率低的技术问题，能够针对目标产品的各个对象进行匹配，提高目标产品的推荐效果，并且降低推荐算法的计算成本，提高推荐的效率。

可选的。图3为本发明实施例公开的另一种目标产品的推荐方法的流程图。如图3所示：

针对目标产品获取对象的数据。对获取到的数据进行分析，目标产品包括正在使用目标产品对象的对象数据和未使用目标产品的第一对象基础信息；对象数据包括第二对象基础信息和产品使用信息。

对正在使用目标产品的对象进行聚类，得到至少一个历史对象聚类。通过Kmeans聚类算法对正在使用目标产品的对象进行聚类，得到至少一个历史对象聚类。进一步的，在目标产品存在新的对象时，重新计算每个历史对象聚类，迭代更新每个历史对象聚类的质心。示例性的，在通过Kmeans聚类算法进行聚类时，预先将设置三个对象群体，设置3个聚类质心，3个聚类质心分别为：高强度对象、中等强度对象和低强度对象。

对历史对象聚类进行聚类更新。对每个历史对象聚类进行信息剔除，剔除产品使用信息，只保留第二对象基础信息，重新计算每个历史对象聚类的质心点，得到目标对象聚类。

相似度匹配。通过预设的向量编码方法对所述第一对象基础信息进行数据向量化，确定第一对象基础向量。将第一对象基础向量和目标对象聚类进行相似度匹配，将d作为目标相似度,通过用(x1,x2,...,xn)代表一个第一对象基础向量,(y1,y2,...,yn)代表目标对象聚类的目标质心，欧几里距离计算公式如下所示：

基于待推送对象对应的所述目标相似度进行推送对象识别，确定目标推荐对象。

本发明实施例能够针对目标产品的各个对象进行匹配，提高目标产品的推荐效果，并且降低推荐算法的计算成本，提高推荐的效率。

实施例三

图4是本发明实施例三提供的一种目标产品的推荐装置的结构示意图。如图4所示，该装置包括：数据获取模块410、聚类模块420、聚类优化模块430和对象分类模块440，其中,

数据获取模块410，用于获取目标产品的对象数据和待推送对象的第一对象基础信息；其中，所述对象数据包括第二对象基础信息和产品使用信息；

聚类模块420，用于对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类；

聚类优化模块430，用于在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类；

对象分类模块440，用于根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品。

本发明实施例的技术方案通过获取目标产品的对象数据和待推送对象的第一对象基础信息，通过目标产品的产品使用数据与对象基础信息作为计算依据，能够提高推荐的效率，减少数据计算量；对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类，通过数据聚类能够直接对现有产品对象进行分类，能够通过分类作为推荐依据，提高推荐的准确率；在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类，在聚类中，将干扰数据去除，能够进一步使数据聚类的精准度提高，有助于提高推荐的精准度；根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品，通过对象基础信息作为推荐计算，确定推荐对象。解决了现有技术产品推荐成本过高且效率低的技术问题，能够针对目标产品的各个对象进行匹配，提高目标产品的推荐效果，并且降低推荐算法的计算成本，提高推荐的效率。

可选的，所述聚类模块具体用于：

通过预设的向量编码方法对所述对象基础信息和产品使用信息进行数据编码，确定第二对象基础向量和产品使用向量；

根据所述第二对象基础向量和产品使用向量进行数据聚类，确定所述目标产品的至少一个历史对象聚类。

可选的，所述聚类模块具体还用于：

根据所述第二对象基础向量和产品使用向量确定历史对象向量；

在所述历史对象向量中预设至少一个历史对象向量作为聚类质心，依次对每一个历史对象向量和所述聚类质心进行聚类计算，确定所述目标产品的至少一个历史对象聚类。

可选的，所述聚类优化模块具体用于：

依次去除对每个历史对象聚类中每个历史对象向量对应的产品使用向量，确定每个所述历史对象聚类对应的对象基础聚类；

逐个计算每个所述对象基础聚类对应的目标质心，基于所述目标质心和所述第二对象基础向量进行聚类更新，确定所述目标对象聚类。

可选的，所述对象分类模块具体用于：

通过预设的向量编码方法对所述第一对象基础信息进行数据向量化，确定第一对象基础向量；

分别对每一个所述第一对象基础向量和每个所述目标对象聚类进行相似度计算，确定每个所述待推送对象对应的至少一个目标相似度；

基于所述待推送对象对应的所述目标相似度进行推送对象识别，确定目标推荐对象。

可选的，所述对象分类模块具体还用于：

将所述待推送对象映射到的最大的所述目标相似度对应的目标对象聚类；

获取每个所述目标对象聚类对应的交互评价指标；

将所述交互评价指标中评价最高的所述目标对象聚类确定为可推送聚类，并将所述可推送聚类中的所述待推送对象确定为所述目标推荐对象。

可选的，所述装置还包括新增对象检测模块和聚类更新模块；其中：

所述新增对象检测模块，用于获取目标产品的新增对象对应的对象数量；

所述聚类更新模块，用于在所述对象数量满足预设的增长阈值的情况下，基于所述新增对象的对象数据更新所述历史对象聚类。

本发明实施例所提供的目标产品的推荐装置可执行本发明任意实施例所提供的目标产品的推荐方法，具备执行方法相应的功能模块和有益效果。

实施例四

图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如目标产品的推荐方法。

在一些实施例中，目标产品的推荐方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的目标产品的推荐方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行目标产品的推荐方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与对象的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向对象显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，对象可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与对象的交互；例如，提供给对象的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自对象的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形对象界面或者网络浏览器的对象计算机，对象可以通过该图形对象界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括对象端和服务器。对象端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有对象端-服务器关系的计算机程序来产生对象端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

实施例五

本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所提供的目标产品的推荐方法步骤，该方法包括：

获取目标产品的对象数据和待推送对象的第一对象基础信息；其中，所述对象数据包括第二对象基础信息和产品使用信息；

对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类；

在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类；

根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在对象计算机上执行、部分地在对象计算机上执行、作为一个独立的软件包执行、部分在对象计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到对象计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种目标产品的推荐方法，其特征在于，包括：

获取目标产品的对象数据和待推送对象的第一对象基础信息；其中，所述对象数据包括第二对象基础信息和产品使用信息；

对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类；

在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类；

根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品。

2.根据权利要求1所述的方法，其特征在于，所述对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类，包括；

通过预设的向量编码方法对所述第二对象基础信息和产品使用信息进行数据编码，确定第二对象基础向量和产品使用向量；

根据所述第二对象基础向量和产品使用向量进行数据聚类，确定所述目标产品的至少一个历史对象聚类。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第二对象基础向量和产品使用向量进行数据聚类，确定所述目标产品的至少一个历史对象聚类，包括：

根据所述第二对象基础向量和产品使用向量确定历史对象向量；

在所述历史对象向量中预设至少一个历史对象向量作为聚类质心，依次对每一个历史对象向量和所述聚类质心进行聚类计算，确定所述目标产品的至少一个历史对象聚类。

4.根据权利要求3所述的方法，其特征在于，所述在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类，包括：

依次去除对每个历史对象聚类中每个历史对象向量对应的产品使用向量，确定每个所述历史对象聚类对应的对象基础聚类；

逐个计算每个所述对象基础聚类对应的目标质心，基于所述目标质心和所述第二对象基础向量进行聚类更新，确定所述目标对象聚类。

5.根据权利要求4所述的方法，其特征在于，所述根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，包括：

通过预设的向量编码方法对所述第一对象基础信息进行数据向量化，确定第一对象基础向量；

分别对每一个所述第一对象基础向量和每个所述目标对象聚类进行相似度计算，确定每个所述待推送对象对应的至少一个目标相似度；

基于所述待推送对象对应的所述目标相似度进行推送对象识别，确定目标推荐对象。

6.根据权利要求5所述的方法，其特征在于，所述基于所述待推送对象对应的所述目标相似度进行推送对象识别，确定目标推荐对象，包括：

将所述待推送对象映射到的最大的所述目标相似度对应的目标对象聚类；

获取每个所述目标对象聚类对应的交互评价指标；

将所述交互评价指标中评价最高的所述目标对象聚类确定为可推送聚类，并将所述可推送聚类中的所述待推送对象确定为所述目标推荐对象。

7.根据权利要求1所述的方法，其特征在于，在根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象之后，还包括：

获取目标产品的新增对象对应的对象数量；

在所述对象数量满足预设的增长阈值的情况下，基于所述新增对象的对象数据更新所述历史对象聚类。

8.一种目标产品的推荐装置，其特征在于，包括：

数据获取模块，用于获取目标产品的对象数据和待推送对象的第一对象基础信息；其中，所述对象数据包括第二对象基础信息和产品使用信息；

聚类模块，用于对所述对象数据进行数据聚类，确定所述目标产品的至少一个历史对象聚类；

聚类优化模块，用于在每个所述历史对象聚类中去除所述产品使用信息，确定至少一个目标对象聚类；

对象分类模块，用于根据所述待推送对象的第一对象基础信息和所述目标对象聚类确定目标推荐对象，并向所述目标推荐对象推荐所述目标产品。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一所述的目标产品的推荐方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7任一所述的目标产品的推荐方法。