基于用户行为的产品推荐方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及大数据分析领域，提供一种基于用户行为的产品推荐方法、装置、设备及存储介质，该方法包括：获取待推荐用户的历史行为数据，并确定根据所述历史行为数据确定所对应的历史产品集；根据所述历史行为数据的行为类型和行为发生时间计算所述历史产品集中各历史产品的真实兴趣评分，并根据所述真实兴趣评分在所述历史产品集中确定所述待推荐用户的真实兴趣产品；获取与所述真实兴趣产品具有关联关系的推荐产品的推荐产品信息，并基于预设推荐规则向所述待推荐用户对应的用户终端推送所述推荐产品信息。本发明专利技术可获取用户历史行为数据，从这些历史行为数据中分析用户的兴趣产品，并根据该兴趣产品进行关联产品推送，提升了产品推荐的效果。

【技术实现步骤摘要】
基于用户行为的产品推荐方法、装置、设备及存储介质
本专利技术涉及大数据分析领域，尤其涉及一种基于用户行为的产品推荐方法、装置、设备及存储介质。
技术介绍
随着网络技术的发展，网络成为用户获取产品的主要平台之一。如何有效的向网络用户推荐产品，是产品提供商重点关注的问题。传统的产品推荐方法，是通过在互联网网站上大量投放产品广告，或是在某些产品平台的首页推荐位置推荐相同的当前主推产品，即向不同的用户推荐相同的产品。然而这种“广撒网”式宣传行为，由于针对对象以及推荐的产品不明确，且不同的用户对同一产品的关注度不同，导致这种推荐方法的效果很不理想；同时，无用的产品推送还会耗费用户比较多的精力和时间，甚至于还会引起用户的反感，从而影响了产品的推广。
技术实现思路
本专利技术的主要目的在于提供一种基于用户行为的产品推荐方法、装置、设备及存储介质，旨在实现针对性的进行产品推荐，提升推荐效果。为实现上述目的，本专利技术提供一种基于用户行为的产品推荐方法，所述基于用户行为的产品推荐方法包括：获取待推荐用户的历史行为数据，并确定根据所述历史行为数据确定所对应的历史产品集，所述历史行为数据包括所述待推荐用户对历史产品的行为类型和行为发生时间；根据所述历史行为数据的行为类型和行为发生时间计算所述历史产品集中各历史产品的真实兴趣评分，并根据所述真实兴趣评分在所述历史产品集中确定所述待推荐用户的真实兴趣产品；获取与所述真实兴趣产品具有关联关系的推荐产品的推荐产品信息，并基于预设推荐规则向所述待推荐用户对应的用户终端推送所述推荐产品信息。此外，为实现上述目的，本专利技术还提供一种基于用户行为的产品推荐装置，所述基于用户行为的产品推荐装置包括：数据获取模块，用于获取待推荐用户的历史行为数据，并确定根据所述历史行为数据确定所对应的历史产品集，所述历史行为数据包括所述待推荐用户对历史产品的行为类型和行为发生时间；兴趣确定模块，用于根据所述历史行为数据的行为类型和行为发生时间计算所述历史产品集中各历史产品的真实兴趣评分，并根据所述真实兴趣评分在所述历史产品集中确定所述待推荐用户的真实兴趣产品；信息推送模块，用于获取与所述真实兴趣产品具有关联关系的推荐产品的推荐产品信息，并基于预设推荐规则向所述待推荐用户对应的用户终端推送所述推荐产品信息。此外，为实现上述目的，本专利技术还提供一种基于用户行为的产品推荐设备，所述基于用户行为的产品推荐包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的产品推荐程序，其中所述产品推荐程序被所述处理器执行时，实现如上述的基于用户行为的产品推荐方法的步骤。此外，为实现上述目的，本专利技术还提供一种存储介质，所述存储介质上存储有产品推荐程序，其中所述产品推荐程序被处理器执行时，实现如上述的基于用户行为的产品推荐方法的步骤。本专利技术基于用户的历史行为数据分析其真实兴趣，再根据真实兴趣产品获取与之关联的推荐产品并进行推送，使得产品推荐结果符合用户的实际需要，从而提升推荐效果；同时，在分析用户的真实兴趣时，基于用户行为类型和行为时间两个维度进行，从而可在一定程度上减少用户无意识行为浏览、广告、营销活动等因素引起的非真实兴趣行为数据(噪声)对用户兴趣分析造成的不利影响，还通过时间衰减的方式模拟了用户的兴趣衰减情况，进一步提高了兴趣分析的准确性。附图说明图1为本专利技术实施例方案中涉及的基于用户行为的产品推荐设备的硬件结构示意图；图2为本专利技术基于用户行为的产品推荐方法第一实施例的流程示意图；图3为本专利技术基于用户行为的产品推荐方法第二实施例的流程示意图；图4为本专利技术基于用户行为的产品推荐装置第一实施例的功能模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例涉及的基于用户行为的产品推荐方法主要应用于基于用户行为的产品推荐设备，该产品推荐设备可以是个人计算机(personalcomputer，PC)、服务器等具有数据处理功能的设备实现的。参照图1，图1为本专利技术实施例方案中涉及的基于用户行为的产品推荐设备的硬件结构示意图。本专利技术实施例中，该产品推荐设备可以包括处理器1001(例如中央处理器CentralProcessingUnit，CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity，WI-FI接口)；存储器1005可以是高速随机存取存储器(randomaccessmemory，RAM)，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本专利技术的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。继续参照图1，图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及产品推荐程序。在图1中，网络通信模块主要用于连接数据库，与数据库进行数据通信；而处理器1001可以调用存储器1005中存储的产品推荐程序，并执行本专利技术实施例提供的基于用户行为的产品推荐方法。本专利技术实施例提供了一种基于用户行为的产品推荐方法。参照图2，图2为本专利技术基于用户行为的产品推荐方法第一实施例的流程示意图。本实施例中，所述基于用户行为的产品推荐方法包括以下步骤：步骤S10，获取待推荐用户的历史行为数据，并确定根据所述历史行为数据确定所对应的历史产品集，所述历史行为数据包括所述待推荐用户对历史产品的行为类型和行为发生时间；随着网络技术的发展，网络成为用户获取产品的主要平台之一。如何有效的向网络用户推荐产品，是产品提供商重点关注的问题。传统的产品推荐方法，是通过在互联网网站上大量投放产品广告，或是在某些产品平台的首页推荐位置推荐相同的当前主推产品，即向不同的用户推荐相同的产品。然而这种“广撒网”式宣传行为，由于针对对象以及推荐的产品不明确，且不同的用户对同一产品的关注度不同，导致这种推荐方法的效果很不理想；同时，无用的产品推送还会耗费用户比较多的精力和时间，甚至于还会引起用户的反感，从而影响了产品的推广。对此，本实施例提出了一种基于用户行为的产品推荐方法，根据用户的历史行为数据分析用户的真实兴趣，再根据真实兴趣产品获取与之关联的推荐产品并进行推送，使得产品推荐结果符合用户的实际需要，从而提升推荐效果。本实施例的基于用户行为的产品推荐方法是由基于用户行为的产品推荐设备实现的，该设备以推荐服务器为例进行说明；而对于该产品，则可以是股票、基金、保险等金融产品，还可是其它数码产品、日用品等，本实施例中以金融产品为例进行说明。推荐服务器为了实现针对性的产品推荐，首先需要获取待推荐用户的历史行为数据，这些历史行为数据为待推荐用户在对一些产品的历史操作行为，其行为类型包括但不限于浏览、搜索、点击产品、收藏(关注)、本文档来自技高网...

【技术保护点】
1.一种基于用户行为的产品推荐方法，其特征在于，所述基于用户行为的产品推荐方法包括：获取待推荐用户的历史行为数据，并根据所述历史行为数据确定对应的历史产品集，所述历史行为数据包括所述待推荐用户对历史产品的行为类型和行为发生时间；根据所述历史行为数据的行为类型和行为发生时间计算所述历史产品集中各历史产品的真实兴趣评分，并根据所述真实兴趣评分在所述历史产品集中确定所述待推荐用户的真实兴趣产品；获取与所述真实兴趣产品具有关联关系的推荐产品的推荐产品信息，并基于预设推荐规则向所述待推荐用户对应的用户终端推送所述推荐产品信息。

【技术特征摘要】
1.一种基于用户行为的产品推荐方法，其特征在于，所述基于用户行为的产品推荐方法包括：获取待推荐用户的历史行为数据，并根据所述历史行为数据确定对应的历史产品集，所述历史行为数据包括所述待推荐用户对历史产品的行为类型和行为发生时间；根据所述历史行为数据的行为类型和行为发生时间计算所述历史产品集中各历史产品的真实兴趣评分，并根据所述真实兴趣评分在所述历史产品集中确定所述待推荐用户的真实兴趣产品；获取与所述真实兴趣产品具有关联关系的推荐产品的推荐产品信息，并基于预设推荐规则向所述待推荐用户对应的用户终端推送所述推荐产品信息。2.如权利要求1所述的基于用户行为的产品推荐方法，其特征在于，所述根据所述历史行为数据的行为类型和行为发生时间计算所述历史产品集中各历史产品的真实兴趣评分的步骤包括：根据所述历史行为数据所对应的历史产品对所述历史行为数据进行分类，得到各历史产品对应的产品类行为数据；分别统计所述产品类行为数据中各行为类型的行为次数，并确定各行为类型的最近行为时间；分别将所述各历史产品对应的各行为类型的行为次数和各行为类型的最近行为时间代入至预设兴趣分公式中，以计算所述各历史产品的真实兴趣分值。3.如权利要求2所述的基于用户行为的产品推荐方法，其特征在于，所述预设兴趣分公式为：其中，P为所述各历史产品的真实兴趣分值；n为所述产品类行为数据中包括的行为类型的种类，n≥1；Qi为所述产品类行为数据中第i种历史行为对应的预设分值加成，Qi≥0，i≥1；Ki为所述产品类行为数据中第i种历史行为的行为次数，Ki≥0；F(ti-t0)为时间衰减函数，ti为所述产品类行为数据中第i种历史行为的最近行为时间，t0为当前时间；F(ti-t0)与ti-t0负相关。4.如权利要求1所述的基于用户行为的产品推荐方法，其特征在于，所述真实兴趣产品的产品类型为基金，所述获取与所述真实兴趣产品具有关联关系的推荐产品的推荐产品信息步骤包括：确定所述真实兴趣产品的基金风险类型和所述真实兴趣产品持有的重仓股票，并确定所述重仓股票的行业类型；查询所述行业类型对应的可选股票，并根据所述可选股票在预设周期的股价变化确定所述可选股票的股票风险类型；根据所述股票风险类型和基金风险类型在所述可选股票中确定与所述真实兴趣产品关联的推荐股票，并将所述推荐股票确定为推荐产品；获取所述推荐产品的推荐产品信息。5.如权利要求1所述的基于用户行为的产品推荐方法，其特征在于，所述真实兴趣产品的...

【专利技术属性】
技术研发人员：石志娟，黄燕霞，
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