本申请涉及人工智能,尤其涉及一种产品推荐方法、产品推荐装置、电子设备及存储介质。
背景技术:
1、目前的产品推荐方法常常倾向于将当前的热门产品推荐给用户,这一推荐方式往往无法满足用户的实际需求,影响产品推荐的准确性,因此,如何提高产品推荐的准确性,成为了亟待解决的技术问题。
技术实现思路
1、本申请实施例的主要目的在于提出一种产品推荐方法、产品推荐装置、电子设备及存储介质,旨在提高产品推荐的准确性。
2、为实现上述目的,本申请实施例的第一方面提出了一种产品推荐方法,所述方法包括:
3、获取目标用户数据,所述目标用户数据包括目标用户的用户基本数据和用户行为数据;
4、对所述目标用户数据进行特征提取,得到目标用户特征;
5、基于预设的产品推荐模型、所述目标用户特征进行产品召回,得到初始推荐列表;
6、将所述初始推荐列表推送至所述目标用户,并获取所述目标用户根据所述初始推荐列表反馈的意图数据;
7、对所述意图数据进行实体特征提取,得到目标意图特征;
8、基于所述目标意图特征对所述初始推荐列表的待推荐产品进行产品重排,得到目标推荐列表;
9、将所述目标推荐列表推送至所述目标用户。
10、在一些实施例,所述对所述目标用户数据进行特征提取,得到目标用户特征,包括:
11、对所述用户基本数据进行特征提取,得到用户基本特征;
12、对所述用户行为数据进行特征提取,得到用户行为特征;
13、对所述用户行为特征和所述用户基本特征进行特征融合,得到所述目标用户特征。
14、在一些实施例,所述基于预设的产品推荐模型、所述目标用户特征进行产品召回,得到初始推荐列表,包括:
15、将所述目标用户特征输入至所述产品推荐模型,所述产品推荐模型包括输入层、编码层以及预测层;
16、基于所述输入层对所述目标用户特征进行嵌入处理,得到用户特征嵌入向量;
17、基于所述编码层对所述用户特征嵌入向量进行编码处理,得到用户特征编码向量;
18、基于所述预测层、预先获取的产品特征、所述用户特征编码向量进行产品召回,得到所述初始推荐列表,所述产品特征为所述待推荐产品的基本特征。
19、在一些实施例,所述基于所述预测层、预先获取的产品特征、所述用户特征编码向量进行产品召回,得到所述初始推荐列表,包括:
20、基于所述预测层对所述产品特征、所述用户特征编码向量进行产品推荐分值计算,得到每一待推荐产品的推荐分值;
21、基于所述推荐分值和预设的推荐阈值,对所述待推荐产品进行筛选处理,得到候选产品;
22、根据所述推荐分值对所述候选产品进行排序处理,得到所述初始推荐列表。
23、在一些实施例,所述对所述意图数据进行实体特征提取,得到目标意图特征,包括:
24、遍历预设的意图数据库,对所述意图数据和所述意图数据库中的参考意图特征进行相关性计算,得到意图相关度;
25、基于所述意图相关度对所述参考意图特征进行筛选,得到所述目标意图特征。
26、在一些实施例,所述基于所述目标意图特征对所述初始推荐列表的待推荐产品进行产品重排,得到目标推荐列表,包括:
27、根据所述目标意图特征,计算所述初始推荐列表中每一待推荐产品的预测意向数据;
28、基于所述预测意向数据对所述初始推荐列表的待推荐产品进行产品重排,得到目标推荐列表。
29、在一些实施例,所述根据所述目标意图特征,计算所述初始推荐列表中每一待推荐产品的预测意向数据,包括:
30、基于预设函数和所述目标意图特征,计算所述初始推荐列表中每一待推荐产品的意图概率向量;
31、根据所述意图概率向量,得到所述预测意向数据。
32、为实现上述目的,本申请实施例的第二方面提出了一种产品推荐装置,所述装置包括:
33、数据获取模块,用于获取目标用户数据,所述目标用户数据包括目标用户的用户基本数据和用户行为数据;
34、特征提取模块,用于对所述目标用户数据进行特征提取,得到目标用户特征;
35、产品召回模块,用于基于预设的产品推荐模型、所述目标用户特征进行产品召回,得到初始推荐列表;
36、初步推荐模块,用于将所述初始推荐列表推送至所述目标用户,并获取所述目标用户根据所述初始推荐列表反馈的意图数据;
37、实体特征提取模块,用于对所述意图数据进行实体特征提取,得到目标意图特征;
38、重排模块,用于基于所述目标意图特征对所述初始推荐列表的待推荐产品进行产品重排,得到目标推荐列表;
39、目标推荐模块,用于将所述目标推荐列表推送至所述目标用户。
40、为实现上述目的,本申请实施例的第三方面提出了一种电子设备,所述电子设备包括存储器、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上述第一方面所述的方法。
41、为实现上述目的,本申请实施例的第四方面提出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程序,所述计算机程序被处理器执行时实现上述第一方面所述的方法。
42、本申请提出的产品推荐方法、产品推荐装置、电子设备及存储介质,其通过获取目标用户数据,目标用户数据包括目标用户的用户基本数据和用户行为数据;对目标用户数据进行特征提取,得到目标用户特征,这一方式能够较为方便地得到包含重要用户信息的目标用户特征,使得能够将目标用户特征用于后续的推荐过程。基于预设的产品推荐模型、目标用户特征进行产品召回,得到初始推荐列表,能够较为方便地基于目标用户特征来对待推荐产品进行筛选和排序,得到符合目标用户的用户特征的初始推荐列表。将初始推荐列表推送至目标用户,并获取目标用户根据初始推荐列表反馈的意图数据;对意图数据进行实体特征提取,得到目标意图特征,能够较为方便地识别出目标用户的当前意图,使得能够基于目标用户当前意图进行产品推荐。进一步地,基于目标意图特征对初始推荐列表的待推荐产品进行产品重排,得到目标推荐列表,能够较为方便地基于目标用户的目标意图特征对待推荐产品进行筛选和排序,得到符合目标用户的实际意图的目标推荐列表。最后,将目标推荐列表推送至目标用户,这一方式能够根据目标用户的用户特征和意图特征对待推荐产品进行筛选和排序,得到符合用户特征以及用户当前意图的目标推荐列表,能够较好地实现产品个性化推荐,提高了产品推荐的准确性。
1.一种产品推荐方法,其特征在于,所述方法包括:
2.根据权利要求1所述的产品推荐方法,其特征在于,所述对所述目标用户数据进行特征提取,得到目标用户特征,包括:
3.根据权利要求1所述的产品推荐方法,其特征在于,所述基于预设的产品推荐模型、所述目标用户特征进行产品召回,得到初始推荐列表,包括:
4.根据权利要求3所述的产品推荐方法,其特征在于,所述基于所述预测层、预先获取的产品特征、所述用户特征编码向量进行产品召回,得到所述初始推荐列表,包括:
5.根据权利要求1所述的产品推荐方法,其特征在于,所述对所述意图数据进行实体特征提取,得到目标意图特征,包括:
6.根据权利要求1所述的产品推荐方法,其特征在于,所述基于所述目标意图特征对所述初始推荐列表的待推荐产品进行产品重排,得到目标推荐列表,包括:
7.根据权利要求6所述的产品推荐方法,其特征在于,所述根据所述目标意图特征,计算所述初始推荐列表中每一待推荐产品的预测意向数据,包括:
8.一种产品推荐装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述电子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如权利要求1至7任一项所述的产品推荐方法。
10.一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7中任一项所述的产品推荐方法。