本技术涉及大数据,特别是涉及一种产品推荐方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术:
1、随着人类社会的发展,出现了产品推荐技术。在现有的产品推荐技术中,通常采用基于内容和协同过滤的推荐技术;然而,这种技术只能以静态的方式对用户和产品之间的交互进行建模,无法捕获用户和产品之间的动态交互信息。因此,传统的产品推荐技术的推荐准确性较低。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够提升产品推荐准确性的产品推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面,本技术提供了一种产品推荐方法。所述方法包括:
3、获取待推荐用户与待推荐产品之间的基础交互概率信息;
4、根据所述待推荐用户、所述待推荐用户的关联产品、所述待推荐产品,以及所述待推荐产品的关联用户,确认所述待推荐用户与所述待推荐产品之间的增量交互概率信息;所述待推荐用户的关联产品为所述待推荐用户的历史交互产品中,除所述待推荐产品之外的产品;所述待推荐产品的关联用户为所述待推荐产品的历史交互用户中,除所述待推荐用户之外的用户;
5、对所述基础交互概率信息与所述增量交互概率信息进行融合处理,得到所述待推荐用户与所述待推荐产品之间的目标交互概率信息;
6、根据所述目标交互概率信息,更新所述待推荐用户的用户特征信息;
7、根据所述待推荐用户的更新后的用户特征信息,从所述待推荐产品中筛选出与所述待推荐用户匹配的目标产品,将所述目标产品推荐给所述待推荐用户。
8、在其中一个实施例中,所述根据所述待推荐用户、所述待推荐用户的关联产品、所述待推荐产品,以及所述待推荐产品的关联用户,确认所述待推荐用户与所述待推荐产品之间的增量交互概率信息,包括:
9、确认所述待推荐用户与所述待推荐用户的关联产品之间的第一增量交互概率信息、确认所述待推荐产品与所述待推荐产品的关联用户之间的第二增量交互概率信息,以及确认所述关联用户与所述关联产品之间的第三增量交互概率信息;所述第一增量交互概率信息根据所述待推荐用户与所述关联产品确认得到;所述第二增量交互概率信息根据所述推荐产品与所述关联用户确认得到;所述第三增量交互概率根据所述关联用户与所述关联产品确认得到;
10、对所述第一增量交互概率信息、所述第二增量交互概率信息以及所述第三增量交互概率信息进行融合处理,得到所述待推荐用户与所述待推荐产品之间的增量交互概率信息。
11、在其中一个实施例中,所述确认所述待推荐用户与所述待推荐用户的关联产品之间的第一增量交互概率信息、确认所述待推荐产品与所述待推荐产品的关联用户之间的第二增量交互概率信息,包括:
12、针对各个所述待推荐产品,根据所述待推荐用户的用户特征信息,与所述待推荐用户的关联产品的关联产品特征信息,确认所述待推荐用户与所述待推荐用户的关联产品之间的第一增量交互概率信息;
13、针对各个所述待推荐产品,根据所述待推荐产品的产品特征信息,与所述待推荐产品的关联用户的关联用户特征信息,确认所述待推荐产品与所述待推荐产品的关联用户之间的第二增量交互概率信息。
14、在其中一个实施例中,在根据所述待推荐用户的用户特征信息,与所述待推荐用户的关联产品的关联产品特征信息,确认所述待推荐用户与所述待推荐用户的关联产品之间的第一增量交互概率信息之前,还包括:
15、将所述待推荐用户的历史交互产品中,除所述待推荐产品之外的产品,确认为所述待推荐用户的关联产品;
16、根据所述待推荐用户与所述关联产品之间的第一交互时间序列,确认与所述关联产品对应的第一时间权重;
17、根据所述第一时间权重,对所述关联产品的产品特征信息进行融合处理,得到所述关联产品的关联产品特征信息;
18、所述根据所述待推荐用户的用户特征信息,与所述待推荐用户的关联产品的关联产品特征信息,确认所述待推荐用户与所述待推荐用户的关联产品之间的第一增量交互概率信息,包括:
19、根据所述待推荐用户的用户特征信息,与所述待推荐用户的关联产品的关联产品特征信息,确认所述待推荐用户与所述关联产品之间的相似性信息,作为所述待推荐用户与所述待推荐用户的关联产品之间的第一增量交互概率信息。
20、在其中一个实施例中,在根据所述待推荐产品的产品特征信息,与所述待推荐产品的关联用户的关联用户特征信息,确认所述待推荐产品与所述待推荐产品的关联用户之间的第二增量交互概率信息之前,还包括:
21、将所述待推荐产品的历史交互用户中,除所述待推荐用户之外的用户,确认为所述待推荐产品的关联用户;
22、根据所述关联用户与所述待推荐产品之间的第二交互时间序列,确认与所述关联用户对应的第二时间权重;
23、根据所述第二时间权重,对所述关联用户的用户特征信息进行融合处理,得到所述关联用户的关联用户特征信息;
24、所述根据所述待推荐产品的产品特征信息,与所述待推荐产品的关联用户的关联用户特征信息,确认所述待推荐产品与所述待推荐产品的关联用户之间的第二增量交互概率信息,包括:
25、根据所述待推荐产品的产品特征信息,与所述待推荐产品的关联用户的关联用户特征信息,确认所述待推荐产品与所述关联用户之间的相似性信息,作为所述待推荐产品与所述待推荐产品的关联用户之间的第二增量交互概率信息。
26、在其中一个实施例中,所述根据所述目标交互概率信息,更新所述待推荐用户的用户特征信息,包括:
27、对所述目标交互概率信息进行归一化处理,得到归一化处理后的目标交互概率信息;
28、根据参考交互概率信息,对所述归一化处理后的目标交互概率信息进行更新,得到更新后的目标交互概率信息;所述参考交互概率信息为所述待推荐用户,与所述待推荐用户未交互过的产品之间的交互概率信息;目标交互概率信息为所述待推荐用户,与所述待推荐用户交互过的产品之间的交互概率信息;
29、根据所述更新后的目标交互概率信息,对所述待推荐用户的用户特征信息进行更新。
30、在其中一个实施例中,所述根据所述待推荐用户的更新后的用户特征信息,从所述待推荐产品中筛选出与所述待推荐用户匹配的目标产品,包括:
31、根据所述待推荐用户的更新后的用户特征信息,与所述待推荐产品的产品特征信息,确认所述待推荐用户对所述待推荐产品的交互指标信息;
32、将对应的交互指标信息满足预设交互指标条件的待推荐产品,确认为与所述待推荐用户匹配的目标产品。
33、第二方面,本技术还提供了一种产品推荐装置。所述装置包括:
34、基础信息确认模块,用于获取待推荐用户与待推荐产品之间的基础交互概率信息;
35、增量信息确认模块,用于根据所述待推荐用户、所述待推荐用户的关联产品、所述待推荐产品,以及所述待推荐产品的关联用户,确认所述待推荐用户与所述待推荐产品之间的增量交互概率信息;所述待推荐用户的关联产品为所述待推荐用户的历史交互产品中,除所述待推荐产品之外的产品;所述待推荐产品的关联用户为所述待推荐产品的历史交互用户中,除所述待推荐用户之外的用户;
36、信息融合处理模块,用于对所述基础交互概率信息与所述增量交互概率信息进行融合处理,得到所述待推荐用户与所述待推荐产品之间的目标交互概率信息;
37、特征信息更新模块,用于根据所述目标交互概率信息,更新所述待推荐用户的用户特征信息;
38、目标产品推荐模块,用于根据所述待推荐用户的更新后的用户特征信息,从所述待推荐产品中筛选出与所述待推荐用户匹配的目标产品,将所述目标产品推荐给所述待推荐用户。
39、第三方面,本技术还提供了一种计算机设备。所述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,所述处理器执行所述计算机程序时实现以下步骤:
40、获取待推荐用户与待推荐产品之间的基础交互概率信息;
41、根据所述待推荐用户、所述待推荐用户的关联产品、所述待推荐产品,以及所述待推荐产品的关联用户,确认所述待推荐用户与所述待推荐产品之间的增量交互概率信息;所述待推荐用户的关联产品为所述待推荐用户的历史交互产品中,除所述待推荐产品之外的产品;所述待推荐产品的关联用户为所述待推荐产品的历史交互用户中,除所述待推荐用户之外的用户;
42、对所述基础交互概率信息与所述增量交互概率信息进行融合处理,得到所述待推荐用户与所述待推荐产品之间的目标交互概率信息;
43、根据所述目标交互概率信息,更新所述待推荐用户的用户特征信息;
44、根据所述待推荐用户的更新后的用户特征信息,从所述待推荐产品中筛选出与所述待推荐用户匹配的目标产品,将所述目标产品推荐给所述待推荐用户。
45、第四方面,本技术还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
46、获取待推荐用户与待推荐产品之间的基础交互概率信息;
47、根据所述待推荐用户、所述待推荐用户的关联产品、所述待推荐产品,以及所述待推荐产品的关联用户,确认所述待推荐用户与所述待推荐产品之间的增量交互概率信息;所述待推荐用户的关联产品为所述待推荐用户的历史交互产品中,除所述待推荐产品之外的产品;所述待推荐产品的关联用户为所述待推荐产品的历史交互用户中,除所述待推荐用户之外的用户;
48、对所述基础交互概率信息与所述增量交互概率信息进行融合处理,得到所述待推荐用户与所述待推荐产品之间的目标交互概率信息;
49、根据所述目标交互概率信息,更新所述待推荐用户的用户特征信息;
50、根据所述待推荐用户的更新后的用户特征信息,从所述待推荐产品中筛选出与所述待推荐用户匹配的目标产品,将所述目标产品推荐给所述待推荐用户。
51、第五方面,本技术还提供了一种计算机程序产品。所述计算机程序产品,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:
52、获取待推荐用户与待推荐产品之间的基础交互概率信息;
53、根据所述待推荐用户、所述待推荐用户的关联产品、所述待推荐产品,以及所述待推荐产品的关联用户,确认所述待推荐用户与所述待推荐产品之间的增量交互概率信息;所述待推荐用户的关联产品为所述待推荐用户的历史交互产品中,除所述待推荐产品之外的产品;所述待推荐产品的关联用户为所述待推荐产品的历史交互用户中,除所述待推荐用户之外的用户;
54、对所述基础交互概率信息与所述增量交互概率信息进行融合处理,得到所述待推荐用户与所述待推荐产品之间的目标交互概率信息;
55、根据所述目标交互概率信息,更新所述待推荐用户的用户特征信息;
56、根据所述待推荐用户的更新后的用户特征信息,从所述待推荐产品中筛选出与所述待推荐用户匹配的目标产品,将所述目标产品推荐给所述待推荐用户。
57、上述产品推荐方法、装置、计算机设备、存储介质和计算机程序产品,首先获取待推荐用户与待推荐产品之间的基础交互概率信息;接着根据待推荐用户、待推荐用户的关联产品、待推荐产品,以及待推荐产品的关联用户,确认待推荐用户与待推荐产品之间的增量交互概率信息;待推荐用户的关联产品为待推荐用户的历史交互产品中,除待推荐产品之外的产品;待推荐产品的关联用户为待推荐产品的历史交互用户中,除待推荐用户之外的用户;然后对基础交互概率信息与增量交互概率信息进行融合处理,得到待推荐用户与待推荐产品之间的目标交互概率信息;再然后根据目标交互概率信息,更新待推荐用户的用户特征信息;最后根据待推荐用户的更新后的用户特征信息,从待推荐产品中筛选出与待推荐用户匹配的目标产品,将目标产品推荐给待推荐用户。这样,通过综合考虑待推荐用户交互过的产品和与待推荐产品交互过的用户,对待推荐用户和待推荐产品的影响,得到待推荐用户和待推荐产品之间的目标交互概率信息,然后基于目标交互概率信息,对待推荐用户的用户特征信息进行更新,进而为待推荐用户筛选出匹配的目标产品,并将目标产品推荐给待推荐用户;基于以上对待推荐用户交互过的产品和与待推荐产品交互过用户的分析过程,丰富了用户侧的用户特征信息,有利于更加准确地捕获用户和产品之间的动态交互信息,因此可以为用户推荐更加合适的产品,提升了产品推荐的准确性。