产品推荐方法、装置、计算机设备和存储介质制造方法及图纸

本申请揭示了一种产品推荐方法、装置、计算机设备和存储介质，其中方法包括获取客户的第一检索信息，在预设的第一语料字典中查找所述第一检索信息中每一个字对应的词向量，得到对应所述第一检索信息的第一词向量矩阵；将所述第一词向量矩阵输入到基于LSTM模型训练得到的第一推荐模型中学习，输出对应所述第一词向量矩阵的产品信息的第一表示层向量；到训练好的对应产品的产品表示层向量矩阵中查找与所述第一表示层向量相似度最高的第二表示层向量；将所述第二表示层向量对应的产品输出，并推荐给所述客户。本申请利用第一推荐模型计算客户的检索词对应的产品，以推荐给客户合适的产品，既可以有效给客户推荐产品，又不会将热门产品过度推荐。

【技术实现步骤摘要】
产品推荐方法、装置、计算机设备和存储介质
本申请涉及到计算机领域，特别是涉及到产品推荐方法、装置、计算机设备和存储介质。
技术介绍
保险、投资理财的时候，会有相关的系统进行统计与计算，以生成推荐信息给客户买哪些保险或理财产品等。现有的推荐系统或是基于内容推荐、或是基于用户推荐，但是当新的保险或理财等产品推出时，不能有效进行推荐，而有些热门产品会被过度推荐。
技术实现思路
本申请的主要目的为提供一种产品推荐方法、装置、计算机设备和存储介质，旨在有效地将产品推荐给客户。为了实现上述专利技术目的，本申请提出一种产品推荐方法，包括：获取客户的第一检索信息，在预设的第一语料字典中查找所述第一检索信息中每一个字对应的词向量，得到对应所述第一检索信息的第一词向量矩阵；将所述第一词向量矩阵输入到基于LSTM模型训练得到的第一推荐模型中学习，输出对应所述第一词向量矩阵的产品信息的第一表示层向量；到训练好的对应产品的产品表示层向量矩阵中查找与所述第一表示层向量相似度最高的第二表示层向量；将所述第二表示层向量对应的产品输出，并推荐给所述客户。进一步地，所述将所述第二表示层向量对应的产品输出，并推荐给所述客户的步骤之后，包括：记录所述客户购买的产品，以及所述第一检索信息；将所述客户购买的产品的第一产品信息进行向量化得第一产品向量矩阵；将所述第一检索信息对应的第一词向量矩阵和用户购买的产品的第一产品信息对应的第一产品向量矩阵关联地保存到指定的数据库中；当所述数据库中的数据量达到预设的阈值，利用数据库中的全部第一产品向量矩阵和第一词向量矩阵对所述第一推荐模型进行继续训练，得到新的第一推荐模型。进一步地，所述将所述第二表示层向量对应的产品输出，并推荐给所述客户的步骤之后，包括：将所述客户的信息与所述第一词向量矩阵关联地存储到客户数据库中，其中，客户的信息包括指定的联系方式；将新的产品信息向量化得到第二产品向量矩阵，并输入到基于LSTM模型训练得到的反向推荐模型中，以输出对应第二产品特征向量矩阵的第三表示层向量，该第三表示层向量是对应客户检索信息的向量；到所述客户数据库中查找与所述第三表示层向量相似度达到指定要求的第一词向量矩阵；将查找到的达到要求的第一词向量矩阵对应的客户的信息提取出来；根据提取出的用户的联系方式将所述新的产品推荐给客户。进一步地，所述获取客户的第一检索信息，在预设的第一语料字典中查找所述第一检索信息中每一个字对应的词向量，得到对应所述第一检索信息的第一词向量矩阵的步骤之前，包括：抓取指定网站上的全部产品的相关信息，形成各产品对应的产品信息；将各产品信息中重复出现的字提取出来，每一个重复的字只保留一个；将剩余的字输入到DSSM模型中计算，得出每一个字的词向量矩阵，以得到所述第一语料字典，所述剩余的字为所述产品信息中没有重复出现的字，以及每一个重复的字只保留一个后的字的集合。进一步地，所述将所述第二表示层向量对应的产品输出，并推荐给所述客户的步骤之后，包括：获取客户购买的产品，并判断该产品与推荐的产品是否相同；若不相同，则在购买不同产品的计数的基础上加一，得到第一计数；若相同，则在购买相同产品的计数的基础上加一，得到的第二计数；在指定时间长度的时间节点处，使用第一计数比上第二计数，若比值大于预设阈值，则停用所述第一推荐模型。进一步地，所述将所述第二表示层向量对应的产品输出，并推荐给所述客户的步骤，包括：将所述第二表示层向量对应的产品输出；根据输出的产品，查找所述输出的介绍信息、产品的售卖数据，以及购买所述输出的产品的客户分布；将所述输出的产品的介绍信息、售卖数据和客户分布形成推荐信息给所述客户。进一步地，所述将所述输出的产品的介绍信息、售卖数据和客户分布形成推荐信息给所述客户的步骤，包括：将所述售卖数据和所述客户分布制作成可视化附图；将所述可视化附图以及所述输出的产品的介绍信息封装到一篇文档中形成所述推荐信息给所述客户。本申请还提供一种产品推荐装置，包括：获取单元，用于获取客户的第一检索信息，在预设的第一语料字典中查找所述第一检索信息中每一个字对应的词向量，得到对应所述第一检索信息的第一词向量矩阵；深度学习单元，用于将所述第一词向量矩阵输入到基于LSTM模型训练得到的第一推荐模型中学习，输出对应所述第一词向量矩阵的产品信息的第一表示层向量；相似度计算单元，用于到训练好的对应产品的产品表示层向量矩阵中查找与所述第一表示层向量相似度最高的第二表示层向量；推荐单元，用于将所述第二表示层向量对应的产品输出，并推荐给所述客户。本申请还提供一种计算机设备，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上述任一项所述方法的步骤。本申请还提供一种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上述中任一项所述的方法的步骤。本申请的产品推荐方法、装置、计算机设备和存储介质，将历史数据中的客户检索信息和其购买的产品的产品信息向量化，然后输入到LSTM模型中进行训练，以得到第一推荐模型，然后利用第一推荐模型计算客户的检索词对应的产品，以推荐给客户合适的产品，既可以有效给客户推荐产品，又不会将热门产品过度推荐。附图说明图1为本专利技术一实施例的产品推荐方法的流程示意图；图2为本专利技术一实施例的产品推荐装置的结构示意框图；图3为本专利技术一实施例的产品推荐装置的结构示意框图；图4为本专利技术一实施例的产品推荐装置的结构示意框图；图5为本专利技术一实施例的产品推荐装置的结构示意框图；图6为本专利技术一实施例的产品推荐装置的结构示意框图；图7为本专利技术一实施例的推荐单元的结构示意框图；图8为本专利技术一实施例的推荐模块的结构示意框图；图9为本专利技术一实施例的计算机设备的结构示意框图。本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。参照图1，本申请提供一种产品推荐方法，包括步骤：S1、获取客户的第一检索信息，在预设的第一语料字典中查找所述第一检索信息中每一个字对应的词向量，得到对应所述第一检索信息的第一词向量矩阵；S2、将所述第一词向量矩阵输入到基于LSTM模型训练得到的第一推荐模型中学习，输出对应所述第一词向量矩阵的产品信息的第一表示层向量；S3、到训练好的对应产品的产品表示层向量矩阵中查找与所述第一表示层向量相似度最高的第二表示层向量；S4、将所述第二表示层向量对应的产品输出，并推荐给所述客户。如上述步骤S1所述，上述第一检索信息是指客户输入的检索信息，其包括客户根据自身购买欲望而提炼出的关键词，比如客户想要了解儿童保险，那么其输入的关键词一般包括儿童、意外、医疗等，将这些关键词提取出来之后，在上述第一语料字典中查找每一个字的词向量，然后将每一个字的词向量按照关键词的顺序排列，形成上述的第一词向量矩阵。上述的第一语料字典是售卖上述产品的公司等制作的词向量与文字一一映射的字典，其中包含的文字和词向量是其对应领域中常见的字。第一语料词典的制作过程包括：将待形成词向量的文字输入到DSSM(DeepStructured本文档来自技高网...

【技术保护点】
1.一种产品推荐方法，其特征在于，包括：获取客户的第一检索信息，在预设的第一语料字典中查找所述第一检索信息中每一个字对应的词向量，得到对应所述第一检索信息的第一词向量矩阵；将所述第一词向量矩阵输入到基于LSTM模型训练得到的第一推荐模型中学习，输出对应所述第一词向量矩阵的产品信息的第一表示层向量；到训练好的对应产品的产品表示层向量矩阵中查找与所述第一表示层向量相似度最高的第二表示层向量；将所述第二表示层向量对应的产品输出，并推荐给所述客户。

【技术特征摘要】
1.一种产品推荐方法，其特征在于，包括：获取客户的第一检索信息，在预设的第一语料字典中查找所述第一检索信息中每一个字对应的词向量，得到对应所述第一检索信息的第一词向量矩阵；将所述第一词向量矩阵输入到基于LSTM模型训练得到的第一推荐模型中学习，输出对应所述第一词向量矩阵的产品信息的第一表示层向量；到训练好的对应产品的产品表示层向量矩阵中查找与所述第一表示层向量相似度最高的第二表示层向量；将所述第二表示层向量对应的产品输出，并推荐给所述客户。2.根据权利要求1所述的产品推荐方法，其特征在于，所述将所述第二表示层向量对应的产品输出，并推荐给所述客户的步骤之后，包括：记录所述客户购买的产品，以及所述第一检索信息；将所述客户购买的产品的第一产品信息进行向量化得第一产品向量矩阵；将所述第一检索信息对应的第一词向量矩阵和用户购买的产品的第一产品信息对应的第一产品向量矩阵关联地保存到指定的数据库中；当所述数据库中的数据量达到预设的阈值，利用数据库中的全部第一产品向量矩阵和第一词向量矩阵对所述第一推荐模型进行继续训练，得到新的第一推荐模型。3.根据权利要求1所述的产品推荐方法，其特征在于，所述将所述第二表示层向量对应的产品输出，并推荐给所述客户的步骤之后，包括：将所述客户的信息与所述第一词向量矩阵关联地存储到客户数据库中，其中，客户的信息包括指定的联系方式；将新的产品信息向量化得到第二产品向量矩阵，并输入到基于LSTM模型训练得到的反向推荐模型中，以输出对应第二产品特征向量矩阵的第三表示层向量，该第三表示层向量是对应客户检索信息的向量；到所述客户数据库中查找与所述第三表示层向量相似度达到指定要求的第一词向量矩阵；将查找到的达到要求的第一词向量矩阵对应的客户的信息提取出来；根据提取出的用户的联系方式将所述新的产品推荐给客户。4.根据权利要求1所述的产品推荐方法，其特征在于，所述获取客户的第一检索信息，在预设的第一语料字典中查找所述第一检索信息中每一个字对应的词向量，得到对应所述第一检索信息的第一词向量矩阵的步骤之前，包括：抓取指定网站上的全部产品的相关信息，形成各产品对应的产品信息；将各产品信息中重复出现的字提取出来，每一个重复的字只保留一个；将剩余的字输入到DSSM模型中计算，得出每一...

【专利技术属性】
技术研发人员：金戈，徐亮，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44