CN118172130A - 产品推荐方法、装置、设备、介质 - Google Patents

Abstract

本公开提供产品推荐方法、装置、设备、介质，可用于大数据、金融科技领域。根据表征用户‑产品访问关系的访问矩阵中目标用户的访问数据，筛选访问矩阵得到第一访问矩阵，根据第一访问矩阵得到目标用户的第一相似度组；根据表征用户‑交易关系的交易用户矩阵中目标用户的交易用户数据，筛选交易用户矩阵得到第二关联用户组；筛选访问矩阵中目标用户的访问数据与第二关联用户组的访问数据，得到第二访问矩阵；根据第二关联用户组的交易用户数据和第二访问矩阵，计算目标用户与第二关联用户组的第二相似度组；基于第一相似度组、第二相似度组、第一访问矩阵和第二访问矩阵，计算目标用户对产品的访问概率，以根据访问概率对目标用户推荐产品。

Description

产品推荐方法、装置、设备、介质

技术领域

本公开涉及大数据、金融科技领域，具体地涉及机器学习领域和推荐算法领域，更具体地涉及一种产品推荐方法、装置、设备、介质和程序产品。

背景技术

随着科技的快速发展，用户可以通过多种渠道对资金进行管理，例如通过储蓄、银行投资理财产品、文化投资等理财工具对资金进行管理。近年来，越来越多的用户通过客户端购买银行投资理财产品，但大多数用户对投资理财知识的储备不足，无法选择合适的基金、理财等投资理财产品。

为了帮助用户选择合适的投资理财产品，开发人员通过将推荐算法内置于客户端，向用户进行产品推荐。但是，现有推荐算法智能化程度低，无法把握用户痛点，进行投资理财产品推荐的精准度低。

发明内容

鉴于上述问题，本公开提供了产品推荐方法、装置、设备、介质和程序产品。

根据本公开的第一个方面，提供了一种产品推荐方法，包括：

根据表征用户-产品访问关系的访问矩阵中目标用户的访问数据，对访问矩阵进行筛选，得到第一访问矩阵；

基于第一访问矩阵，计算目标用户与第一关联用户组的第一相似度，得到第一相似度组，其中，第一关联用户组是基于访问矩阵得到；

根据表征用户-交易关系的交易用户矩阵中目标用户的交易用户数据，对交易用户矩阵进行筛选，得到第二关联用户组；

筛选访问矩阵中目标用户的访问数据与第二关联用户组的访问数据，得到第二访问矩阵；

根据第二关联用户组的交易用户数据以及第二访问矩阵，计算目标用户与第二关联用户组的第二相似度，得到第二相似度组；

基于第一相似度组、第二相似度组、第一访问矩阵和第二访问矩阵，计算目标用户对产品的访问概率，以根据访问概率对目标用户推荐产品。

根据本公开的实施例，其中，根据表征用户-产品访问关系的访问矩阵中目标用户的访问数据，对访问矩阵进行筛选，得到第一访问矩阵，包括：

从访问矩阵中筛选第一预定时间内目标用户的已访问产品数据，得到目标用户的已访问产品数据；

从访问矩阵中筛选已访问产品数据对应的多个用户的访问数据，得到第一访问矩阵。

根据本公开的实施例，其中，基于第一访问矩阵，计算目标用户与第一关联用户组的第一相似度，得到第一相似度组，其中，第一关联用户组是基于访问矩阵得到，包括：

计算访问矩阵中每个用户的均值访问量，得到第一均值矩阵；

基于第一均值矩阵，筛选第一访问矩阵中用户的均值访问量大于预设阈值对应的多个用户，得到第一关联用户组；

分别计算目标用户与第一关联用户组中每个用户的第一相似度，得到第一相似度组。

根据本公开的实施例，其中，根据表征用户-交易关系的交易用户矩阵中目标用户的交易用户数据，对交易用户矩阵进行筛选，得到第二关联用户组，包括：

从交易用户矩阵中筛选第二预定时间内目标用户的交易用户数据，得到第二关联用户组。

根据本公开的实施例，其中，根据第二关联用户组的交易用户数据以及第二访问矩阵，计算目标用户与第二关联用户组的第二相似度，得到第二相似度组，包括：

根据第二关联用户组的交易用户数据，筛选第二关联用户组中每个用户的交易用户数据，得到第二关联用户组中每个用户的第二关联用户组；

分别计算目标用户与第二关联用户组中每个用户的第二相似度，得到第二相似度组。

根据本公开的实施例，其中，基于第一相似度组、第二相似度组、第一访问矩阵和第二访问矩阵，计算目标用户对产品的访问概率，以根据访问概率对目标用户推荐产品，包括：

基于第一相似度组以及第一访问矩阵中的访问数据，分别计算目标用户对多个产品的第一访问概率，得到目标用户的第一访问概率矩阵；

基于第二相似度组以及第二访问矩阵中的访问数据，分别计算目标用户对多个产品的第二访问概率，得到目标用户的第二访问概率矩阵；

基于第一访问概率矩阵和第二访问概率矩阵，计算访问概率矩阵；

根据访问概率矩阵，对目标用户推荐产品。

根据本公开的实施例，其中，基于第一访问概率矩阵和第二访问概率矩阵，计算访问概率矩阵，包括：

分别对第一访问概率矩阵和第二访问概率矩阵进行标准化，得到标准化后的第一访问概率矩阵和标准化后的第二访问概率矩阵；

计算标准化后的第一访问概率矩阵和标准化后的第二访问概率矩阵的几何平均，得到访问概率矩阵。

本公开的第二方面提供了一种产品推荐装置，包括：

第一筛选模块，用于根据表征用户-产品访问关系的访问矩阵中目标用户的访问数据，对访问矩阵进行筛选，得到第一访问矩阵；

第一计算模块，用于基于第一访问矩阵，计算目标用户与第一关联用户组的相似度，得到第一相似度组；

第二筛选模块，用于根据表征用户-交易关系的交易用户矩阵中目标用户的交易用户数据，对交易用户矩阵进行筛选，得到第二关联用户组；

第三筛选模块，用于筛选访问矩阵中目标用户的访问数据与第二关联用户组的访问数据，得到第二访问矩阵；

第二计算模块，用于根据第二关联用户组的交易用户数据以及第二访问矩阵，计算目标用户与第二关联用户组的相似度，得到第二相似度组；

产品推荐模块，用于基于第一相似度组、第二相似度组、第一访问矩阵和第二访问矩阵，计算目标用户对产品的访问概率，根据访问概率对目标用户推荐产品。

本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述产品推荐方法。

本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述产品推荐方法。

本公开的第五方面还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上述产品推荐方法。

根据本公开的实施例，由于通过筛选访问矩阵中目标用户的访问数据，得到第一访问矩阵，根据第一访问矩阵中的访问数据计算目标用户与第一相关联用户组的第一相似度组，无需从访问矩阵中获取多个访问数据，提升了计算第一相似度组的效率。通过表征用户-产品访问关系的访问矩阵得到的第一相似度组、表征用户-产品访问关系的访问矩阵和表征用户-交易关系的交易用户矩阵得到的第二相似度组、第一访问矩阵和与第二关联用户组相关的访问数据组成的第二访问矩阵，计算目标用户对未访问产品的访问概率，从多个方面的数据联合计算访问概率，可以在一定程度上解决单一方面数据较少造成访问概率计算不精准的问题，进而提升根据访问概率对目标用户进行产品推荐的精准性。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的产品推荐方法、装置、设备、介质和程序产品的应用场景图；

图2示意性示出了根据本公开实施例的产品推荐方法的流程图；

图3示意性示出了根据本公开实施例的基于第一访问矩阵，计算目标用户与第一关联用户组的第一相似度，得到第一相似度组的流程图；

图4示意性示出了根据本公开实施例的根据第二关联用户组的交易用户数据以及第二访问矩阵，计算目标用户与第二关联用户组的第二相似度，得到第二相似度组的流程图；

图5示意性示出了根据本公开实施例的对目标用户推荐产品的流程图；

图6示意性示出了根据本公开实施例的产品推荐装置的结构框图；以及

图7示意性示出了根据本公开实施例的适于实现产品推荐方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

在本发明的技术方案中，所涉及的用户信息(包括但不限于用户个人信息、用户图像信息、用户设备信息，例如位置信息等)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，并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理，均遵守相关国家和地区的相关法律法规和标准，采取了必要保密措施，不违背公序良俗，并提供有相应的操作入口，供用户选择授权或者拒绝。

本公开的实施例提供了一种产品推荐方法，根据表征用户-产品访问关系的访问矩阵中目标用户的访问数据，对访问矩阵进行筛选，得到第一访问矩阵；基于第一访问矩阵，计算目标用户与第一关联用户组的第一相似度，得到第一相似度组，其中，第一关联用户组是基于访问矩阵得到；根据表征用户-交易关系的交易用户矩阵中目标用户的交易用户数据，对交易用户矩阵进行筛选，得到第二关联用户组；筛选访问矩阵中目标用户的访问数据与第二关联用户组的访问数据，得到第二访问矩阵；根据第二关联用户组的交易用户数据以及第二访问矩阵，计算目标用户与第二关联用户组的第二相似度，得到第二相似度组；基于第一相似度组、第二相似度组、第一访问矩阵和第二访问矩阵，计算目标用户对产品的访问概率，以根据访问概率对目标用户推荐产品。

图1示意性示出了根据本公开实施例的产品推荐的应用场景图。

如图1所示，根据该实施例的应用场景100可以包括终端设备101、102、103、网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的产品推荐方法一般可以由服务器105执行。相应地，本公开实施例所提供的产品推荐装置一般可以设置于服务器105中。本公开实施例所提供的产品推荐方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的产品推荐装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将基于图1描述的场景，通过图2～图5对公开实施例的产品推荐方法进行详细描述。

图2示意性示出了根据本公开实施例的产品推荐方法的流程图。

如图2所示，该产品推荐方法200包括操作S210～操作S260。

在操作S210，根据表征用户-产品访问关系的访问矩阵中目标用户的访问数据，对访问矩阵进行筛选，得到第一访问矩阵。

在操作S220，基于第一访问矩阵，计算目标用户与第一关联用户组的第一相似度，得到第一相似度组，其中，第一关联用户组是基于访问矩阵得到。

在操作S230，根据表征用户-交易关系的交易用户矩阵中目标用户的交易用户数据，对交易用户矩阵进行筛选，得到第二关联用户组。

在操作S240，筛选访问矩阵中目标用户的访问数据与第二关联用户组的访问数据，得到第二访问矩阵。

在操作S250，根据第二关联用户组的交易用户数据以及第二访问矩阵，计算目标用户与第二关联用户组的第二相似度，得到第二相似度组。

在操作S260，基于第一相似度组、第二相似度组、第一访问矩阵和第二访问矩阵，计算目标用户对产品的访问概率，以根据访问概率对目标用户推荐产品。

根据本公开的实施例，产品的类型包括但不限于理财产品、存款产品和基金产品。可以通过包括但不限于手机软件等应用，向用户展示产品。

根据本公开的实施例，目标用户可以是任意一个用户。

根据本公开的实施例，访问数据为用户对产品的访问记录，例如，用户通过手机软件浏览产品详情的记录、购买产品的记录、收藏产品的记录或向其他用户推荐产品的记录等。需要说明的是，这些访问记录均为经用户授权或者经过各方充分授权的信息和数据。

根据本公开的实施例，访问矩阵不同行中的访问数据对应于不同用户，在同一行中的访问数据表征同一个用户在预定时间内对不同产品的访问情况。预定时间内某一用户访问某一产品的访问情况可以由0或1表示，0表示无访问，1表示存在访问。例如，访问情况根据访问次数来确定，在一年以内，用户1访问产品1的次数为0，那么访问矩阵第一行第一列的数据为0，用户1访问产品2的次数大于等于1，那么访问矩阵第一行第二列的数据为1。

根据本公开的实施例，访问矩阵可以存储于表格中，还可以存储于数据库中，当访问矩阵存储于表格中时，可以使用表格中的筛选工具筛选访问矩阵中目标用户的所有访问数据，并筛选所有访问数据中取值为1的多个访问数据，并将多个访问数据按照访问矩阵中不同产品的排列顺序进行组合，得到第一访问矩阵。当访问矩阵存储于数据库时，通过使用数据库对应的数据库查询语句，对访问矩阵进行筛选并组合，得到第一访问矩阵。

根据本公开的实施例，通过计算访问矩阵中所有产品的均值访问量，并筛选访问量大于均值访问量的预定阈值如20％的多个用户，将多个用户按照一定的排列顺序组成第一关联用户组。例如，排列顺序可以是访问矩阵中不同用户的排列顺序，还可以根据不同用户的姓氏字母顺序排列得到排列顺序。

根据本公开的实施例，第一相似度用于表示目标用户与第一关联用户组中任意一个用户对产品偏好的相似度。通过对第一访问矩阵中目标用户的访问数据、访问矩阵中第一关联用户组中任意一个用户的访问数据进行计算，得到目标用户与第一关联用户组中任意一个用户的第一相似度。

根据本公开的实施例，第一相似度组可以按照第一关联用户组中不同用户的排列顺序对多个第一相似度进行排序得到。

根据本公开的实施例，交易用户数据是指与用户有交易记录的用户数据。例如，与某一用户有多次交易记录的另一用户。需要说明的是，这些交易记录均为经用户授权或者经过各方充分授权的信息和数据。

根据本公开的实施例，交易用户矩阵不同行中的交易用户数据对应于不同用户，在同一行中的交易用户数据表征同一个用户在预定时间内与不同用户的交易情况，预定时间内某一用户与其他用户的交易情况可以由0或1表示，0表示没有交易，1表示存在过交易。例如，交易情况根据交易次数来确定，在一年以内，用户1与用户2的交易次数为0，那么交易用户矩阵第一行第二列的数据为0，用户1与用户2的交易次数大于等于1，那么交易用户矩阵第一行第二列的数据为1。

根据本公开的实施例，交易用户矩阵可以存储于表格中，还可以存储于数据库中，当交易用户矩阵存储于表格中时，可以使用表格中的筛选工具筛选目标用户在预定时间内交易次数为1所对应的多个用户，将多个用户按照一定的排列顺序组成第二关联用户组。例如，排列顺序可以为多个用户的姓氏字母的排列顺序。当交易用户矩阵存储于数据库中时，通过使用数据库对应的数据库查询语句，对交易用户矩阵进行筛选。

根据本公开的实施例，可以使用表格中的筛选工具筛选访问矩阵中目标用户的访问数据以及第二关联用户组的访问数据，并筛选第二关联用户组中每个用户的第二关联用户组的访问数据，并按照一定的排列顺序将上述多个访问数据组成第二访问矩阵。例如，排列顺序可以是目标用户、目标用户的第二关联用户组以及目标用户的第二关联用户组中每个用户的第二关联用户组的排列顺序。

根据本公开的实施例，第二相似度用于表示目标用户以及与目标用户有交易记录的用户对产品偏好的相似度。通过第二关联用户组的交易用户数据，对交易用户矩阵进行筛选，得到第二关联用户组中每个用户的第二关联用户组。通过计算第二访问矩阵中目标用户的访问数据与第二关联用户组中某一用户的访问数据的交集和并集、目标用户的第二关联用户组与第二关联用户组中该用户的第二关联用户组的交集和并集，得到目标用户与第二关联用户组中该用户的第二相似度。

根据本公开的实施例，第二相似度组可以按照第二关联用户组中不同用户的排列顺序对多个第二相似度进行排序组成。

根据本公开的实施例，通过表格中的筛选工具或者数据库中的查询语句，筛选第一访问矩阵中目标用户的访问数据为0对应的多个产品，针对多个产品中的任意一个产品，通过将第一相似度组中的第一相似度以及第一相似度对应的用户对该产品的访问数据进行分别相乘并相加，得到目标用户对该产品的第一访问概率，通过将第二相似度组中的第二相似度以及第二相似度对应的用户对该产品的访问数据进行分别相乘并相加，得到目标用户对该产品的第二访问概率，分别将第一访问概率和第二访问概率进行标准化，并计算标准化后的第一访问概率和标准化后的第二访问概率的几何平均，得到目标用户对该产品的访问概率，当访问概率大于预定阈值时，可以向目标用户推荐该产品。

根据本公开的实施例，由于通过筛选访问矩阵中目标用户的访问数据，得到第一访问矩阵，根据第一访问矩阵中的访问数据计算目标用户与第一相关联用户组的第一相似度组，无需从访问矩阵中获取多个访问数据，提升了计算第一相似度组的效率。通过表征用户-产品访问关系的访问矩阵得到的第一相似度组、表征用户-产品访问关系的访问矩阵和表征用户-交易关系的交易用户矩阵得到的第二相似度组、第一访问矩阵和与第二关联用户组相关的访问数据组成的第二访问矩阵，计算目标用户对产品的访问概率，从多个方面的数据联合计算访问概率，可以在一定程度上解决单一方面数据较少时造成访问概率计算不精准的问题，进而提升根据访问概率对目标用户进行产品推荐的精准性。

根据本公开的实施例，其中，根据表征用户-产品访问关系的访问矩阵中目标用户的访问数据，对访问矩阵进行筛选，得到第一访问矩阵，可以包括如下操作：从访问矩阵中筛选第一预定时间内目标用户的已访问产品数据，得到目标用户的已访问产品数据；从访问矩阵中筛选已访问产品数据对应的多个用户的访问数据，得到第一访问矩阵。

根据本公开的实施例，第一预定时间可以根据需求设定。

根据本公开的实施例，已访问产品可以是一种类型的多个产品，还可以是多种类型的多个产品，例如可以是理财产品1～理财产品5，还可以是理财产品1、基金产品1～基金产品5、存款产品1～存款产品5。已访问产品数据是目标用户的已访问产品的访问数据。已访问产品数据隐含了用户对产品的偏好，而偏好相似用户的已访问产品数据也存在交集。

根据本公开的实施例，通过表格中的筛选工具或者数据库中的查询语句筛选第一预定时间内目标用户的访问数据，得到第一目标访问矩阵，进一步筛选第一目标访问矩阵中访问数据为1对应的多个产品，得到目标用户的已访问产品数据，从访问矩阵中筛选已访问产品数据中多个产品的访问数据均为1所对应的多个用户的访问数据，并将访问矩阵中多个用户的访问数据组成第一访问矩阵。第一访问矩阵不同行中的访问数据对应于不同用户，在同一行中的访问数据表征同一个用户在预定时间内对不同产品的访问情况。第一访问矩阵中不同用户的排列顺序可以根据不同用户的姓氏首字母的排列顺序得到，第一访问矩阵中不同产品的排列顺序可以根据访问矩阵中不同产品的排列顺序得到。

根据本公开的实施例，例如，访问矩阵如下表所示：

表1

根据本公开的实施例，当目标用户为u_i时，对应的理财产品v₁和基金产品v_m的访问数据均为1，c_ij表示目标用户u_i对存款产品v_j的访问数据，c_1m表示目标用户u₁对存款产品v_m的访问数据，c_nj表示目标用户u_n对存款产品v_j的访问数据，其中，m小于n，那么第一访问矩阵可以如下表所示：

表2

图3示意性示出了根据本公开实施例的基于第一访问矩阵，计算目标用户与第一关联用户组的第一相似度，得到第一相似度组的流程图。

如图3所示，在该实施例中，基于第一访问矩阵，计算目标用户与第一关联用户组的第一相似度，得到第一相似度组300包括操作S321～操作S323。

在操作S321，计算访问矩阵中每个用户的均值访问量，得到第一均值矩阵。

在操作S322，基于第一均值矩阵，筛选第一访问矩阵中用户的均值访问量大于预设阈值对应的多个用户，得到第一关联用户组。

在操作S323，分别计算目标用户与第一关联用户组中每个用户的第一相似度，得到第一相似度组。

根据本公开的实施例，其中，第一相似度计算公式例如可以采用如下公式：

根据本公开的实施例，其中，c_i,x、c_k,x分别代表目标用户u_i和用户u_k对产品v_x的访问数据，S_ik表示目标用户u_i的访问数据和用户u_k的访问数据的并集。

根据本公开的实施例，均值访问量可以是用户对所有产品的访问量的均值。

根据本公开的实施例，首先统计访问矩阵中每个用户对访问矩阵所有产品的访问量，得到每个用户的多个访问量，将每个用户的多个访问量相加并除以访问矩阵中产品的个数，得到每个用户的均值访问量，将每个用户的均值访问量按照访问矩阵中不同用户的排列顺序进行组合，得到第一均值矩阵。

根据本公开的实施例，预设阈值通过第一均值矩阵中所有均值访问量的平均值获取，例如可以设置为平均值的20％。

根据本公开的实施例，在第一均值矩阵中筛选均值访问量大于预设阈值对应的多个用户，多个用户按照一定的排列顺序组成第一关联用户组。

根据本公开的实施例，第一相似度为通过访问矩阵中不同用户之间的访问数据得到的相似度。

根据本公开的实施例，通过分别计算目标用户与第一访问矩阵中其他用户之间的第一相似度，并将得到的多个第一相似度按照第一访问矩阵中其他用户的原有顺序进行排序，得到第一相似度组。

根据本公开的实施例，其中，根据表征用户-交易关系的交易用户矩阵中目标用户的交易用户数据，对交易用户矩阵进行筛选，得到第二关联用户组，可以包括如下操作：

从交易用户矩阵中筛选第二预定时间内目标用户的交易用户数据，得到第二关联用户组。

根据本公开的实施例，可以从数据库中获取交易用户矩阵，并通过表格中的筛选工具或者数据库中的查询语句先筛选第二预定时间内的交易用户数据，然后筛选目标用户的交易用户数据，也可以直接设定筛选条件，筛选第二预定时间内目标用户的交易用户数据。

根据本公开的实施例，可以根据目标用户的交易用户数据中的交易时间对目标用户的多个交易用户进行排序，得到第二关联用户组。

例如，与目标用户在一个季度内有过交易记录的多个用户，按照交易记录中交易时间的顺序进行排序，得到第二关联用户组。

图4示意性示出了根据本公开实施例的根据第二关联用户组的交易用户数据以及第二访问矩阵，计算目标用户与第二关联用户组的第二相似度，得到第二相似度组的流程图。

如图4所示，在该实施例中，根据第二关联用户组的交易用户数据以及第二访问矩阵，计算目标用户与第二关联用户组的第二相似度，得到第二相似度组400包括操作S451～操作S452。

在操作S451，根据第二关联用户组的交易用户数据，筛选第二关联用户组中每个用户的交易用户数据，得到第二关联用户组中每个用户的第二关联用户组。

在操作S452，分别计算目标用户与第二关联用户组中每个用户的第二相似度，得到第二相似度组。

根据本公开的实施例，其中，第二相似度例如可以采用如下公式：

根据本公开的实施例，其中，ρ∈(0,1)是影响因子，F_f是用户u_f的第二关联用户组，S_f是用户u_f的访问数据，F_i是目标用户u_i的第二关联用户组，S_i是目标用户u_i的访问数据，RS_i,f为目标用户u_i与用户u_f的第二相似度。

根据本公开的实施例，可以从数据库中获取交易用户矩阵，并通过表格中的筛选工具或者数据库中的查询语句先筛选第二预定时间内的交易用户数据，然后筛选第二关联用户组中每个用户的交易用户数据，也可以直接设定筛选条件，筛选第二预定时间内第二关联用户组中每个用户的交易用户数据。

根据本公开的实施例，可以根据第二关联用户组中每个用户的交易用户数据，以及交易用户数据中的交易时间分别对每个用户的多个交易用户进行排序，得到第二关联用户组中每个用户的第二关联用户组。

根据本公开的实施例，通过对杰卡德(jaccard)相似度的计算方法进行扩展得到第二相似度的计算公式。

根据本公开的实施例，第二相似度计算公式中的影响因子ρ通常设置为0.6。通过计算目标用户的第二关联用户组与第二关联用户组中每个用户的第二关联用户组的第一交集和第一并集，并通过计算目标用户的访问数据的集合与第二关联用户组中每个用户的访问数据的集合的第二交集和第二并集，并将第一交集、第一并集、第二交集和第二并集用于第二相似度的计算公式，得到目标用户与第二关联用户组中每个用户的第二相似度。

根据本公开的实施例，将得到的多个第二相似度按照第二关联用户组中不同用户的排列顺序进行排序，得到第二相似度组。

图5示意性示出了根据本公开实施例的对目标用户推荐产品的流程图。

如图5所示，对目标用户推荐产品包括操作S561～操作S564。

在操作S561，基于第一相似度组以及第一访问矩阵中的访问数据，分别计算目标用户对多个产品的第一访问概率，得到目标用户的第一访问概率矩阵。

在操作S562，基于第二相似度组以及第二访问矩阵中的访问数据，分别计算目标用户对多个产品的第二访问概率，得到目标用户的第二访问概率矩阵。

在操作S563，基于第一访问概率矩阵和第二访问概率矩阵，计算访问概率矩阵。

在操作S564，根据访问概率矩阵，对目标用户推荐产品。

根据本公开的实施例，其中，第一访问概率矩阵中第一访问概率例如可以采用如下公式：

根据本公开的实施例，为目标用户u_i对未访问产品v_j的第一访问概率，c_k,j为用户u_k对未访问产品v_j的访问数据，sim_i,k为目标用户u_i与用户u_k的第一相似度。

根据本公开的实施例，第二访问概率矩阵中第二访问概率例如可以采用如下公式：

根据本公开的实施例，为目标用户u_i对未访问产品v_j的第二访问概率，c_f,j为用户u_f对未访问产品v_j的访问数据，RS_i,f为目标用户u_i与用户u_f的第二相似度。

根据本公开的实施例，通过计算第一相似度组中所有第一相似度之和，得到第一数据，根据第一访问矩阵中目标用户的访问数据，得到目标用户的某一产品，当访问数据的取值为0时，该产品为未访问产品。从第一访问矩阵中筛选第一相似度组中每个用户的某一未访问产品的访问数据，并将每个第一相似度与每个第一相似度对应用户的访问数据进行相乘，并将多个相乘后的数据进行相加，得到第二数据，将第二数据除以第一数据，得到目标用户对某一未访问产品的第一访问概率。

根据本公开的实施例，通过第一访问矩阵获取目标用户的多个未访问产品的排列顺序，根据多个未访问产品的排列顺序，对目标用户的多个未访问产品对应的第一访问概率进行排序，得到第一访问概率矩阵。

根据本公开的实施例，通过计算第二相似度组中所有第二相似度之和，得到第三数据，根据第一访问矩阵中目标用户的访问数据，得到目标用户的某一产品，访问数据的取值为0时，该产品为未访问产品。从访问矩阵中筛选第二相似度组中每个用户的某一未访问产品的访问数据，并将每个第二相似度与每个第二相似度对应用户的访问数据进行相乘，并将多个相乘后的数据进行相加，得到第四数据，将第四数据除以第三数据，得到目标用户对某一产品的第二访问概率。

根据本公开的实施例，通过第一访问矩阵获取目标用户的多个未访问产品的排列顺序，根据多个未访问产品的排列顺序，对目标用户的多个未访问产品对应的第二访问概率进行排序，得到第二访问概率矩阵。

根据本公开的实施例，通过目标用户对未访问产品的第一访问概率和第二访问概率进行几何运算，得到目标用户对未访问产品的访问概率。

根据本公开的实施例，可以基于第一访问概率矩阵中第一访问概率的排列顺序或第二访问概率矩阵中第二访问概率的排列顺序，对目标用户的多个未访问产品对应的访问概率进行排序，得到访问概率矩阵。

根据本公开的实施例，通过遍历访问概率矩阵中的访问概率，并判断访问概率是否大于预设阈值，当访问概率矩阵中某一位置对应的访问概率大于预设阈值时，向目标用户推荐该位置对应的未访问产品。

根据本公开的实施例，通过访问概率矩阵中的访问概率对未访问产品进行推荐，提升了产品推荐的准确性和适配度。

根据本公开的实施例，基于第一访问概率矩阵和第二访问概率矩阵，计算访问概率矩阵，可以包括如下操作：分别对第一访问概率矩阵和第二访问概率矩阵进行标准化，得到标准化后的第一访问概率矩阵和标准化后的第二访问概率矩阵；计算标准化后的第一访问概率矩阵和标准化后的第二访问概率矩阵的几何平均，得到访问概率矩阵。

根据本公开的实施例，访问概率矩阵中访问概率例如可以采用如下公式：

根据本公开的实施例，其中， 表示标准化后的第一访问概率，表示标准化后的第二访问概率，MK_i,j表示访问概率。

根据本公开的实施例，通过计算第一访问概率矩阵中的最大值，并将第一访问概率矩阵中的每个第一访问概率除以最大值，得到对应的标准化后的第一访问概率，并将每个标准化后的第一访问概率按照第一访问概率矩阵中不同第一访问概率的顺序组成标准化后的第一访问概率矩阵。

根据本公开的实施例，通过计算第二访问概率矩阵中的最大值，并将第二访问概率矩阵中的每个第二访问概率除以最大值，得到对应的标准化后的第二访问概率，并将每个标准化后的第二访问概率按照第二访问概率矩阵中不同第二访问概率的顺序组成标准化后的第二访问概率矩阵。

根据本公开的实施例，分别对标准化后的第一访问概率矩阵和标准化后的第二访问概率矩阵相同位置的元素求几何平均，得到多个访问概率，并按照第一访问概率矩阵中不同第一访问概率的顺序对多个访问概率进行排序，得到访问概率矩阵。

根据本公开的实施例，通过将分别将第一访问概率矩阵和第二访问概率矩阵进行标准化，将第一访问概率矩阵中的第一访问概率分布至预定范围，将第二访问概率矩阵中的第二访问概率分布至相同的预定范围，增加了后续进行几何平均计算的准确性。

基于上述产品推荐方法，本公开还提供了一种产品推荐装置。以下将结合图6对该装置进行详细描述。

图6示意性示出了根据本公开实施例的产品推荐装置的结构框图。

如图6所示，该实施例的产品推荐装置600包括第一筛选模块610、第一计算模块620、第二筛选模块630、第三筛选模块640、第二计算模块650和产品推荐模块660。

第一筛选模块610，用于根据表征用户-产品访问关系的访问矩阵中目标用户的访问数据，对访问矩阵进行筛选，得到第一访问矩阵。

第一计算模块620，用于基于第一访问矩阵，计算目标用户与第一关联用户组的相似度，得到第一相似度组。

第二筛选模块630，用于根据表征用户-交易关系的交易用户矩阵中目标用户的交易用户数据，对交易用户矩阵进行筛选，得到第二关联用户组。

第三筛选模块640，用于筛选访问矩阵中目标用户的访问数据与第二关联用户组的访问数据，得到第二访问矩阵。

第二计算模块650，用于根据第二关联用户组的交易用户数据以及第二访问矩阵，计算目标用户与第二关联用户组的相似度，得到第二相似度组。

产品推荐模块660，用于基于第一相似度组、第二相似度组、第一访问矩阵和第二访问矩阵，计算目标用户对产品的访问概率，以根据访问概率对目标用户推荐产品。

根据本公开的实施例，第一筛选模块610包括：第一筛选单元和第二筛选单元。

第一筛选单元，用于从访问矩阵中筛选第一预定时间内目标用户的已访问产品数据，得到目标用户的已访问产品数据；

第二筛选单元，用于从访问矩阵中筛选已访问产品数据对应的多个用户的访问数据，得到第一访问矩阵。

根据本公开的实施例，第一计算模块620包括：第一计算单元、第三筛选单元和第二计算单元。

第一计算单元，用于计算访问矩阵中每个用户的均值访问量，得到第一均值矩阵。

第三筛选单元，用于基于第一均值矩阵，筛选第一访问矩阵中用户的均值访问量大于预设阈值对应的多个用户，得到第一关联用户组。

第二计算单元，用于分别计算目标用户与第一关联用户组中每个用户的第一相似度，得到第一相似度组。

根据本公开的实施例，第二筛选模块630包括：第四筛选单元。

第四筛选单元，用于从交易用户矩阵中筛选第二预定时间内目标用户的交易用户数据，得到第二关联用户组。

根据本公开的实施例，第二计算模块650包括：第五筛选单元和第三计算单元。

第五筛选单元，用于根据第二关联用户组的交易用户数据，筛选第二关联用户组中每个用户的交易用户数据，得到第二关联用户组中每个用户的第二关联用户组。

第三计算单元，用于分别计算目标用户与第二关联用户组中每个用户的第二相似度，得到第二相似度组。

根据本公开的实施例，产品推荐模块660包括：第四计算单元、第五计算单元和第六计算单元。

第四计算单元，用于基于第一相似度组以及第一访问矩阵中的访问数据，分别计算目标用户对多个产品的第一访问概率，得到目标用户的第一访问概率矩阵。

第五计算单元，用于基于第二相似度组以及第二访问矩阵中的访问数据，分别计算目标用户对多个产品的第二访问概率，得到目标用户的第二访问概率矩阵。

第六计算单元，用于基于第一访问概率矩阵和第二访问概率矩阵，计算访问概率矩阵。

分别对第一访问概率矩阵和第二访问概率矩阵进行标准化，并计算标准化后的第一访问概率矩阵和标准化后的第二访问概率矩阵的几何平均，得到访问概率矩阵。

产品推荐单元，用于根据访问概率矩阵，对目标用户推荐产品。

根据本公开的实施例，第六计算单元包括：标准化子单元和第一计算子单元。

标准化子单元，用于分别对第一访问概率矩阵和第二访问概率矩阵进行标准化，得到标准化后的第一访问概率矩阵和标准化后的第二访问概率矩阵。

第一计算子单元，用于计算标准化后的第一访问概率矩阵和标准化后的第二访问概率矩阵的几何平均，得到访问概率矩阵。

根据本公开的实施例，第一筛选模块610、第一计算模块620、第二筛选模块630、第三筛选模块640、第二计算模块650和产品推荐模块660中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一筛选模块610、第一计算模块620、第二筛选模块630、第三筛选模块640、第二计算模块650和产品推荐模块660中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一筛选模块610、第一计算模块620、第二筛选模块630、第三筛选模块640、第二计算模块650和产品推荐模块660中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图7示意性示出了根据本公开实施例的适于实现产品推荐方法的电子设备的方框图。

如图7所示，根据本公开实施例的电子设备700包括处理器701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 703中，存储有电子设备700操作所需的各种程序和数据。处理器701、ROM702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备700还可以包括输入/输出(I/O)接口705，输入/输出(I/O)接口705也连接至总线704。电子设备700还可以包括连接至I/O接口705的以下部件中的一项或多项：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

本公开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可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、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。在本公开中，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。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的物品推荐方法。

在该计算机程序被处理器701执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分709被下载和安装，和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (11)

1.一种产品推荐方法，包括：

根据表征用户-产品访问关系的访问矩阵中目标用户的访问数据，对所述访问矩阵进行筛选，得到第一访问矩阵；

基于所述第一访问矩阵，计算所述目标用户与第一关联用户组的第一相似度，得到第一相似度组，其中，所述第一关联用户组是基于所述访问矩阵得到；

根据表征用户-交易关系的交易用户矩阵中所述目标用户的交易用户数据，对所述交易用户矩阵进行筛选，得到第二关联用户组；

筛选所述访问矩阵中所述目标用户的访问数据与所述第二关联用户组的访问数据，得到第二访问矩阵；

根据所述第二关联用户组的交易用户数据以及所述第二访问矩阵，计算所述目标用户与所述第二关联用户组的第二相似度，得到第二相似度组；

基于所述第一相似度组、所述第二相似度组、所述第一访问矩阵和所述第二访问矩阵，计算所述目标用户对所述产品的访问概率，以根据所述访问概率对所述目标用户推荐所述产品。

2.根据权利要求1所述的方法，其中，所述根据表征用户-产品访问关系的访问矩阵中目标用户的访问数据，对所述访问矩阵进行筛选，得到第一访问矩阵，包括：

从所述访问矩阵中筛选第一预定时间内所述目标用户的已访问产品数据，得到所述目标用户的已访问产品数据；

从所述访问矩阵中筛选所述已访问产品数据对应的多个用户的访问数据，得到第一访问矩阵。

3.根据权利要求1所述的方法，其中，所述基于所述第一访问矩阵，计算所述目标用户与第一关联用户组的第一相似度，得到第一相似度组，其中，所述第一关联用户组是基于所述第一访问矩阵得到，包括：

计算所述访问矩阵中每个用户的均值访问量，得到第一均值矩阵；

基于所述第一均值矩阵，筛选所述第一访问矩阵中用户的均值访问量大于预设阈值对应的多个用户，得到第一关联用户组；

分别计算所述目标用户与所述第一关联用户组中每个用户的第一相似度，得到第一相似度组。

4.根据权利要求1所述的方法，其中，所述根据表征用户-交易关系的交易用户矩阵中所述目标用户的交易用户数据，对所述交易用户矩阵进行筛选，得到第二关联用户组，包括：

从所述交易用户矩阵中筛选第二预定时间内所述目标用户的交易用户数据，得到第二关联用户组。

5.根据权利要求1所述的方法，其中，所述根据所述第二关联用户组的交易用户数据以及所述第二访问矩阵，计算所述目标用户与所述第二关联用户组的第二相似度，得到第二相似度组，包括：

根据所述第二关联用户组的交易用户数据，筛选所述第二关联用户组中每个用户的交易用户数据，得到所述第二关联用户组中每个用户的所述第二关联用户组；

分别计算所述目标用户与所述第二关联用户组中每个用户的第二相似度，得到第二相似度组。

6.根据权利要求1所述的方法，其中，所述产品的个数为多个；其中，所述基于所述第一相似度组、所述第二相似度组、所述第一访问矩阵和所述第二访问矩阵，计算所述目标用户对所述产品的访问概率，以根据所述访问概率对所述目标用户推荐所述产品，包括：

基于所述第一相似度组以及所述第一访问矩阵中的访问数据，分别计算所述目标用户对所述多个产品的第一访问概率，得到所述目标用户的第一访问概率矩阵；

基于所述第二相似度组以及所述第二访问矩阵中的访问数据，分别计算所述目标用户对所述多个产品的第二访问概率，得到所述目标用户的第二访问概率矩阵；

基于所述第一访问概率矩阵和所述第二访问概率矩阵，计算所述访问概率矩阵；

根据所述访问概率矩阵，对所述目标用户推荐产品。

7.根据权利要求6所述的方法，其中，所述基于所述第一访问概率矩阵和所述第二访问概率矩阵，计算所述访问概率矩阵，包括：

分别对所述第一访问概率矩阵和所述第二访问概率矩阵进行标准化，得到标准化后的第一访问概率矩阵和标准化后的第二访问概率矩阵；

计算所述标准化后的第一访问概率矩阵和所述标准化后的第二访问概率矩阵的几何平均，得到所述访问概率矩阵。

8.一种产品推荐装置，包括：

第一筛选模块，用于根据表征用户-产品访问关系的访问矩阵中目标用户的访问数据，对所述访问矩阵进行筛选，得到第一访问矩阵；

第一计算模块，用于基于所述第一访问矩阵，计算所述目标用户与所述第一关联用户组的相似度，得到第一相似度组；

第二筛选模块，用于根据表征用户-交易关系的交易用户矩阵中所述目标用户的交易用户数据，对所述交易用户矩阵进行筛选，得到第二关联用户组；

第三筛选模块，用于筛选所述访问矩阵中所述目标用户的访问数据与所述第二关联用户组的访问数据，得到第二访问矩阵；

第二计算模块，用于根据所述第二关联用户组的交易用户数据以及所述第二访问矩阵，计算所述目标用户与所述第二关联用户组的相似度，得到第二相似度组；

产品推荐模块，用于基于所述第一相似度组、所述第二相似度组、所述第一访问矩阵和所述第二访问矩阵，计算所述目标用户对所述产品的访问概率，根据所述访问概率对所述目标用户推荐所述产品。

9.一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个指令，

其中，当所述一个或多个指令被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行指令，所述指令被处理器执行时使处理器实现权利要求1至7中任一项所述的方法。

11.一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现权利要求1至7中任一项所述的方法。