确定产品推荐算法的方法及装置制造方法及图纸

本发明专利技术公开了一种确定产品推荐算法的方法及装置，该方法包括：构建待推荐产品的多个推荐算法模型；获取待推荐产品采用每个推荐算法模型的产品数据；根据各个推荐算法模型对应的产品数据，对各个推荐算法模型进行量化评估；根据各个推荐算法模型的量化评估结果，对待推荐产品的各个推荐算法模型进行排序；根据排序结果，向待推荐产品的推荐系统推送各个推荐算法模型。本发明专利技术能够实现量化评估产品的推荐算法，进而采用最优的推荐算法对产品进行推荐，进一步提高了产品推荐的推荐效果。

Method and device for determining product recommendation algorithm

The invention discloses a method and a device for determining a product recommendation algorithm, which includes: constructing a plurality of recommendation algorithm models of the products to be recommended; obtaining product data of each recommendation algorithm model adopted by the products to be recommended; quantifying and evaluating each recommendation algorithm model according to the product data corresponding to each recommendation algorithm model; quantifying and evaluating each recommendation algorithm model according to each recommendation algorithm model According to the evaluation results, each recommendation algorithm model of the recommended product is sorted; according to the sorting results, each recommendation algorithm model is pushed to the recommendation system of the product to be recommended. The invention can realize the recommendation algorithm of the quantitative evaluation product, and then recommend the product with the optimal recommendation algorithm, further improving the recommendation effect of the product recommendation.

【技术实现步骤摘要】
确定产品推荐算法的方法及装置
本专利技术涉及软件互联网领域，尤其涉及一种确定产品推荐算法的方法及装置。
技术介绍
本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。随着计算机软件技术的发展，互联网技术的普及，网络上的信息数据越来越多，因而，如何从海量信息数据中提取用户感兴趣的数据并推荐给用户，是很多企业十分关注的问题。而产品的精准推荐，会直接影响到企业产品的成交量。以银行客户端为例，目前已有大量手工或智能推荐算法用于产品推荐，通过手工推荐或机器学习智能推荐的方式，使得银行客户端界面上的广告牌展示客户可能需要的理财产品信息，能够取得更好的销售业绩和客户转化率。然后，现有技术中没有一种量化的评估分析方法来跟踪产品采用这些推荐算法进行推荐后的推荐效果，导致产品提供者无法了解其采用的推荐算法是否合适，从而影响产品推荐效果，降低企业收益。
技术实现思路
本专利技术实施例提供一种确定产品推荐算法的方法，用以解决现有技术依靠人为经验选择某种产品推荐算法对产品进行推荐，由于缺乏量化依据导致产品推荐效果有待进一步提高的技术问题，该方法包括：构建待推荐产品的多个推荐算法模型；获取待推荐产品采用每个推荐算法模型的产品数据；根据各个推荐算法模型对应的产品数据，对各个推荐算法模型进行量化评估；根据各个推荐算法模型的量化评估结果，对待推荐产品的各个推荐算法模型进行排序；根据排序结果，向待推荐产品的推荐系统推送各个推荐算法模型。本专利技术实施例还提供一种确定产品推荐算法的装置，用以解决现有技术依靠人为经验选择某种产品推荐算法对产品进行推荐，由于缺乏量化依据导致产品推荐效果有待进一步提高的技术问题，该装置包括：算法构建模块，用于构建待推荐产品的多个推荐算法模型；数据采集模块，用于获取待推荐产品采用每个推荐算法模型的产品数据；算法评估模块，用于根据各个推荐算法模型对应的产品数据，对各个推荐算法模型进行量化评估；算法排序模块，用于根据各个推荐算法模型的量化评估结果，对待推荐产品的各个推荐算法模型进行排序；算法推送模块，用于根据排序结果，向待推荐产品的推荐系统推送各个推荐算法模型。本专利技术实施例还提供一种计算机设备，用以解决现有技术依靠人为经验选择某种产品推荐算法对产品进行推荐，由于缺乏量化依据导致产品推荐效果有待进一步提高的技术问题，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述确定产品推荐算法的方法。本专利技术实施例还提供一种计算机可读存储介质，用以解决现有技术依靠人为经验选择某种产品推荐算法对产品进行推荐，由于缺乏量化依据导致产品推荐效果有待进一步提高的技术问题，该计算机可读存储介质存储有执行上述确定产品推荐算法的方法的计算机程序。本专利技术实施例中，为待推荐产品构建多个推荐算法模型，采集待推荐产品采用每个推荐算法模型的产品数据，并根据采集到的产品数据，对各个推荐算法模型进行量化评估，进而根据各个推荐算法模型的量化评估结果，对待推荐产品的各个推荐算法模型进行排序，最后根据排序结果向待推荐产品的推荐系统推送各个推荐算法模型。通过本专利技术实施例，能够实现量化评估产品的推荐算法，进而采用最优的推荐算法对产品进行推荐，进一步提高了产品推荐的推荐效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本专利技术实施例中提供的一种确定产品推荐算法的方法流程图；图2为本专利技术实施例中提供的一种确定产品不同时间段推荐算法的方法流程图；图3为本专利技术实施例中提供的一种确定产品不同地域推荐算法的方法流程图；图4为本专利技术实施例中提供的一种基于ELK架构的分布式数据采集处理系统示意图；图5为本专利技术实施例中提供的一种确定产品推荐算法的装置示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。本专利技术实施例中提供了一种确定产品推荐算法的方法，图1为本专利技术实施例中提供的一种确定产品推荐算法的方法流程图，如图1所示，该方法可以包括如下步骤：S101，构建待推荐产品的多个推荐算法模型。需要说明的是，本专利技术实施例中待推荐产品可以是任意一种待推荐的产品(例如，音乐、视频、新闻、电影、地图、图书等)，作为一种优选的实施例，本专利技术实施例中以银行客户端上推荐的理财产品为例来进行说明。由于采用不同的推荐算法，产品的推荐效果不同，因而，本专利技术实施例采用不同的推荐算法，为待推荐产品构建多个推荐算法模型，以便通过对多个推荐算法模型进行分析，选取推荐效果较好的推荐算法模型来对待推荐产品进行推荐。可选地，本专利技术实施例从时间段、地域、推荐算法三个维度，构建不同时间段、不同地域的多个推荐模型，以实现不同时间段、不同地域、不同推荐算法的最优推荐。S102，获取待推荐产品采用每个推荐算法模型的产品数据。需要说明的是，对于不同的产品，可以选择不同的产品数据，只要这些产品数据能够反映产品的推荐效果即可。当待推荐产品为银行客户端上的理财产品的情况下，产品数据包括但不限于如下一种或多种：访问量PV、访问数UV、点击量、客单价、转化率、销售额等。S103，根据各个推荐算法模型对应的产品数据，对各个推荐算法模型进行量化评估。具体地，在获取到待推荐产品采用各个推荐算法模型后的产品数据后，可以根据这些产品数据，确定对各个推荐算法模型进行量化评估的评估指标。则作为一种可选的实施方式，上述S103可以具体包括如下步骤：根据产品数据，配置一个或多个评估指标；获取每个评估指标的指标值；根据各个评估指标的权重和指标值，计算各个推荐算法模型的评估指数。仍以理财产品为例，下面是理财产品推荐算法的几个评估指标统计方法：①访问数UV：指银行客户端在一天内(00:00～24:00)的访问数量，相同的客户端只会被计算一次；②客单价：指一个统计周期内，每一位顾客平均购买产品本文档来自技高网...

【技术保护点】
1.一种确定产品推荐算法的方法，其特征在于，包括：/n构建待推荐产品的多个推荐算法模型；/n获取所述待推荐产品采用每个推荐算法模型的产品数据；/n根据各个推荐算法模型对应的产品数据，对各个推荐算法模型进行量化评估；/n根据各个推荐算法模型的量化评估结果，对所述待推荐产品的各个推荐算法模型进行排序；/n根据排序结果，向所述待推荐产品的推荐系统推送各个推荐算法模型。/n

【技术特征摘要】
1.一种确定产品推荐算法的方法，其特征在于，包括：
构建待推荐产品的多个推荐算法模型；
获取所述待推荐产品采用每个推荐算法模型的产品数据；
根据各个推荐算法模型对应的产品数据，对各个推荐算法模型进行量化评估；
根据各个推荐算法模型的量化评估结果，对所述待推荐产品的各个推荐算法模型进行排序；
根据排序结果，向所述待推荐产品的推荐系统推送各个推荐算法模型。


2.如权利要求1所述的方法，其特征在于，
获取所述待推荐产品采用每个推荐算法模型的产品数据，包括：获取所述待推荐产品在不同时间段内采用每个推荐算法模型的产品数据；
根据各个推荐算法模型对应的产品数据，对各个推荐算法模型进行量化评估，包括：根据不同时间段内各个推荐算法模型对应的产品数据，对不同时间段内各个推荐算法模型进行量化评估；
根据各个推荐算法模型的量化评估结果，对所述待推荐产品的各个推荐算法模型进行排序，包括：根据不同时间段内各个推荐算法模型的量化评估结果，对所述待推荐产品在不同时间段内采用的各个推荐算法模型进行排序；
根据排序结果，向所述待推荐产品的推荐系统推送各个推荐算法模型，包括：根据所述待推荐产品在不同时间段内采用的各个推荐算法模型的排序结果，在不同时间段内向所述待推荐产品的推荐系统推送相应的推荐算法模型。


3.如权利要求2所述的方法，其特征在于，在根据所述待推荐产品在不同时间段内采用的各个推荐算法模型的排序结果，在不同时间段内向所述待推荐产品的推荐系统推送相应的推荐算法模型之后，所述方法还包括：
根据所述待推荐产品在不同时间段内采用的推荐算法模型，生成所述待推荐产品的第一推荐算法表；
根据所述第一推荐算法表，在不同时间段内向所述待推荐产品的推荐系统推送相应的推荐算法模型。


4.如权利要求1所述的方法，其特征在于，获取所述待推荐产品采用每个推荐算法模型的产品数据，包括：获取所述待推荐产品在不同地域内采用每个推荐算法模型的产品数据；
根据各个推荐算法模型对应的产品数据，对各个推荐算法模型进行量化评估，包括：根据不同地域内各个推荐算法模型对应的产品数据，对不同地域内各个推荐算法模型进行量化评估；
根据各个推荐算法模型的量化评估结果，对所述待推荐产品的各个推荐算法模型进行排序，包括：根据不同地域内各个推荐算法模型的量化评估结果，对所述待推荐产品在不同地域内采用的各个推荐算法模型进行排序；
根据排序结果，向所述待推荐产品的推荐系统推送各个推荐算法模型，包括：根据所述待推荐产品在不同地域内采用的各个推荐算法模型的排序结果，向所述待推荐产品在不同地域内的推荐系统推送相应的推荐...

【专利技术属性】
技术研发人员：金业，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京;11