本技术涉及大数据,特别是涉及一种产品推送方法、装置、计算机设备和存储介质。
背景技术:
1、随着智能手机的普及和移动支付的兴起,一些虚拟产品的应用逐渐被现代人所接受,例如很多人会使用理财产品来处理自己的积蓄。然而,目前的虚拟产品推荐系统存在一些问题,只是以单一地依靠虚拟资源的额度进行推送产品,比较单一,且所推送产品的准确性和适配性较低。
2、因此,亟需一种产品推送方法、装置、计算机设备和存储介质来解决上述依靠单一的额度维度推送产品导致的准确性和适配性较低的问题。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种能够解决上述依靠单一的额度维度推送产品导致的准确性和适配性较低的问题的产品推送方法、装置、计算机设备和存储介质。
2、第一方面,本技术提供了一种产品推送方法。所述方法包括:
3、获取用户的个人信息、产品交易信息和行为偏好信息;
4、根据所述用户个人信息、产品交易信息和用户行为信息,获得用户特征标签;
5、根据所述用户特征标签,采用用户画像算法,获得用户与产品之间的第一用户相似度,采用协同过滤算法,获得用户与产品之间的第二用户相似度;
6、根据所述第一用户相似度和第二用户相似度,按照预设的权重配比,获得用户综合相似度;
7、根据所述用户综合相似度,匹配目标产品,推送所述目标产品的消息至用户端。
8、在其中一个实施例中,所述根据所述用户个人信息、产品交易信息和用户行为信息,获得用户特征标签,包括:
9、根据所述用户个人信息、产品交易信息和用户行为信息,采用开源分词工具获得文本特征词组;
10、对所述文本特征词组中的每个文本特征词进行聚类,获得若干关键词及关键词相应的行为权重值;
11、选择行为权重值高于预设阈值的关键词作为用户特征标签。
12、在其中一个实施例中,根据所述用户特征标签,采用用户画像算法,获得用户与产品之间的第一用户相似度,包括:
13、根据所述用户特征标签,获取每个用户特征标签对应的用户数据;
14、分析每个用户特征标签对应的用户数据,获得每两位用户对应的用户特征标签的总数量以及每两位用户共有的用户特征标签的数量;
15、根据每两位用户对应的用户特征标签的总数量以及每两位用户共有的用户特征标签的数量,获得用户与产品之间的第一用户相似度。
16、在其中一个实施例中,所述根据所述用户特征标签,采用协同过滤算法,获得用户与产品之间的第二用户相似度,包括:
17、根据所述用户特征标签,采用协同过滤算法,获取用户对于产品的历史评分数据和若干产品之间的平均评分偏差;
18、根据用户对于产品的历史评分数据和若干产品之间的平均评分偏差,获得用户对未知产品的预测评分;
19、根据用户对未知产品的预测评分,利用余弦相似度算法,获得用户与产品之间的第二用户相似度。
20、在其中一个实施例中,所述对所述文本特征词组中的每个特征词进行聚类,获得若干关键词及关键词相应的行为权重值,包括:
21、对所述文本特征词组中的每个特征词进行聚类,获得若干关键词的名称、频次及行为时间函数;
22、根据关键词的名称、行为次数及行为时间函数,获取关键词相应的行为权重值。
23、在其中一个实施例中,所述根据所述用户综合相似度,匹配目标产品,推送所述目标产品的消息至用户端,包括:
24、对用户的多个相关产品按照所述用户综合相似度进行降序排列,将排名前若干位的产品作为目标产品,推送所述目标产品的消息至用户端。
25、第二方面,本技术还提供了一种产品推送装置。所述装置包括:
26、获取模块,用于获取用户的个人信息、产品交易信息和行为偏好信息;
27、处理模块,用于根据所述用户个人信息、产品交易信息和用户行为信息,获得用户特征标签;
28、处理模块,还用于根据所述用户特征标签,采用用户画像算法,获得用户与产品之间的第一用户相似度,采用协同过滤算法,获得用户与产品之间的第二用户相似度;
29、处理模块,还用于根据所述第一用户相似度和第二用户相似度,按照预设的权重配比,获得用户综合相似度;
30、推送模块,用于根据所述用户综合相似度,匹配目标产品,推送所述目标产品的消息至用户端。
31、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:
32、获取用户的个人信息、产品交易信息和行为偏好信息;
33、根据所述用户个人信息、产品交易信息和用户行为信息,获得用户特征标签;
34、根据所述用户特征标签,采用用户画像算法,获得用户与产品之间的第一用户相似度,采用协同过滤算法,获得用户与产品之间的第二用户相似度;
35、根据所述第一用户相似度和第二用户相似度,按照预设的权重配比,获得用户综合相似度;
36、根据所述用户综合相似度,匹配目标产品,推送所述目标产品的消息至用户端。
37、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:
38、获取用户的个人信息、产品交易信息和行为偏好信息;
39、根据所述用户个人信息、产品交易信息和用户行为信息,获得用户特征标签;
40、根据所述用户特征标签,采用用户画像算法,获得用户与产品之间的第一用户相似度,采用协同过滤算法,获得用户与产品之间的第二用户相似度;
41、根据所述第一用户相似度和第二用户相似度,按照预设的权重配比,获得用户综合相似度;
42、根据所述用户综合相似度,匹配目标产品,推送所述目标产品的消息至用户端。
43、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:
44、获取用户的个人信息、产品交易信息和行为偏好信息;
45、根据所述用户个人信息、产品交易信息和用户行为信息,获得用户特征标签;
46、根据所述用户特征标签,采用用户画像算法,获得用户与产品之间的第一用户相似度,采用协同过滤算法,获得用户与产品之间的第二用户相似度;
47、根据所述第一用户相似度和第二用户相似度,按照预设的权重配比,获得用户综合相似度;
48、根据所述用户综合相似度,匹配目标产品,推送所述目标产品的消息至用户端。
49、上述产品推送方法、装置、计算机设备和存储介质,通过收集用户的个人信息、产品交易信息和行为偏好信息,可以得到用户的特征标签。然后使用用户画像算法和协同过滤算法计算用户与产品之间的相似度。综合考虑第一用户相似度和第二用户相似度,并按照预设的权重配比得到用户的综合相似度。最后根据用户的综合相似度,匹配合适的目标产品并将相关信息推送给用户。可以解决现有虚拟产品推荐系统单一依靠额度维度推送产品的问题,提高推送产品的准确性和适配,同时提高了用户体验,增加用户对目标产品的兴趣和购买意愿。