基于用户匹配的产品推荐方法、装置、计算机设备制造方法及图纸

本发明专利技术公开了基于用户匹配的产品推荐方法、装置、计算机设备。方法包括：根据聚类规则对客户信息表中所包含的客户进行聚类得到客户群信息，根据客户群信息及全连接隐层构建客户匹配模型，根据训练参数对客户匹配模型进行训练，根据训练后的客户匹配模型获取与待推荐客户对应的目标客户群，根据目标产品筛选规则及目标客户群对客户信息表中的产品信息进行筛选得到目标产品并进行推送。本发明专利技术基于预测模型技术，可在用户未购买本公司产品的情况下，基于用户匹配的方式获取与该用户相匹配的用户群，并进一步获取与该用户群对应的目标产品推荐至该客户，具有更加广泛的适用性，在实际应用过程中取得了良好的技术效果。

Product recommendation method, device and computer equipment based on user matching

The invention discloses a product recommendation method, device and computer equipment based on user matching. The methods include: clustering the customers contained in the customer information table according to the clustering rules to get the customer group information, constructing the customer matching model according to the customer group information and the full connection hidden layer, training the customer matching model according to the training parameters, obtaining the target customer group corresponding to the customers to be recommended according to the trained customer matching model, screening the rules according to the target products and The target customer group selects and pushes the product information in the customer information table. Based on the prediction model technology, the invention can obtain the user group matched with the user based on the user matching method when the user does not purchase the company's products, and further obtain the target product corresponding to the user group and recommend it to the customer, which has more extensive applicability and good technical effect in the actual application process.

【技术实现步骤摘要】
基于用户匹配的产品推荐方法、装置、计算机设备
本专利技术涉及计算机
，尤其涉及一种基于用户匹配的产品推荐方法、装置、计算机设备及存储介质。
技术介绍
企业为对自身产品进行推广，会将产品的具体信息推送至用户，目前使用较为广泛的技术为：通过评分预测模型及客户已评分产品的评分数据计算得到该客户未评分产品的预测评分，并通过预测评分从未评分产品中选择部分产品推送至用户。然而现有技术中的产品推荐方法仅能在用户购买了部分产品的情况下向用户推荐对应的目标产品，当用户并未购买本公司产品的情况下则无法向其推荐目标产品，因此现有的产品推荐方法在实际使用过程中存在局限性，无法满足企业的实际需求。因而，现有的技术方法在对用户进行产品推荐时存在使用受局限的问题。
技术实现思路
本专利技术实施例提供了一种基于用户匹配的产品推荐方法、装置、计算机设备及存储介质，旨在解决现有技术方法中在对用户进行产品推荐时存在使用受局限的问题。第一方面，本专利技术实施例提供了一种基于用户匹配的产品推荐方法，其包括：若接收到管理员所输入的客户信息表，根据预置聚类规则对所述客户信息表中所包含的客户进行聚类以得到客户群信息，其中，所述客户信息表中还包括每一客户购买的产品信息；根据所述客户群信息及预置全连接隐层构建包含输入节点及输出节点的客户匹配模型；根据预置训练参数对所构建的客户匹配模型进行训练以得到训练后的客户匹配模型；若接收到待推荐客户通过用户终端所输入的待推荐客户信息，将所述待推荐客户信息输入训练后的客户匹配模型，并获取所述客户匹配模型中与该待推荐客户之间匹配度最高的客户群作为目标客户群；根据预置目标产品筛选规则及所述目标客户群对所述客户信息表中的产品信息进行筛选以得到目标产品并推送至所述用户终端。第二方面，本专利技术实施例提供了一种基于用户匹配的产品推荐装置，其包括：聚类单元，用于若接收到管理员所输入的客户信息表，根据预置聚类规则对所述客户信息表中所包含的客户进行聚类以得到客户群信息，其中，所述客户信息表中还包括每一客户购买的产品信息；客户匹配模型构建单元，用于根据所述客户群信息及预置全连接隐层构建包含输入节点及输出节点的客户匹配模型；客户匹配模型训练单元，用于根据预置训练参数对所构建的客户匹配模型进行训练以得到训练后的客户匹配模型；目标客户群匹配单元，用于若接收到待推荐客户通过用户终端所输入的待推荐客户信息，将所述待推荐客户信息输入训练后的客户匹配模型，并获取所述客户匹配模型中与该待推荐客户之间匹配度最高的客户群作为目标客户群；产品信息筛选单元，用于根据预置目标产品筛选规则及所述目标客户群对所述客户信息表中的产品信息进行筛选以得到目标产品并推送至所述用户终端。第三方面，本专利技术实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，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基于用户匹配的产品推荐方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于用户匹配的产品推荐方法。本专利技术实施例提供了一种基于用户匹配的产品推荐方法、装置、计算机设备及存储介质。根据聚类规则对客户信息表中所包含的客户进行聚类得到客户群信息，根据客户群信息及全连接隐层构建客户匹配模型，根据训练参数对客户匹配模型进行训练，根据训练后的客户匹配模型获取与待推荐客户对应的目标客户群，根据目标产品筛选规则及目标客户群对客户信息表中的产品信息进行筛选得到目标产品并进行推送。通过上述方法，可在用户未购买本公司产品的情况下，基于用户匹配的方式获取与该用户相匹配的用户群，并进一步获取与该用户群对应的目标产品推荐至该客户，具有更加广泛的适用性，在实际应用过程中取得了良好的技术效果。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例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。图1为本专利技术实施例提供的基于用户匹配的产品推荐方法的流程示意图；图2为本专利技术实施例提供的基于用户匹配的产品推荐方法的应用场景示意图；图3为本专利技术实施例提供的基于用户匹配的产品推荐方法的子流程示意图；图4为本专利技术实施例提供的基于用户匹配的产品推荐方法的另一子流程示意图；图5为本专利技术实施例提供的基于用户匹配的产品推荐方法的另一子流程示意图；图6为本专利技术实施例提供的基于用户匹配的产品推荐方法的另一子流程示意图；图7为本专利技术实施例提供的基于用户匹配的产品推荐方法的另一流程示意图；图8为本专利技术实施例提供的基于用户匹配的产品推荐装置的示意性框图；图9为本专利技术实施例提供的计算机设备的示意性框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。请参阅图1，图1是本专利技术实施例提供的基于用户匹配的产品推荐方法的流程示意图；图2为本专利技术实施例提供的基于用户匹配的产品推荐方法的应用场景示意图。该基于用户匹配的产品推荐方法应用于管理服务器10中，该方法通过安装于管理服务器10中的应用软件进行执行，用户终端20通过与管理服务器10建立网络连接以实现数据信息的传输。管理服务器10即是用于执行基于用户匹配的产品推荐方法以将目标产品推送至待推荐客户的企业终端，用户终端20即是用于向管理服务器10发送数据信息的终端设备，例如台式电脑、笔记本电脑、平板电脑或手机等。图2中仅仅示意出管理服务器10与一台用户终端20进行信息传输，在实际应用中，该管理服务器10也可与多台用户终端20进行信息传输。如图1所示，该方法包括步骤S110～S150。S110、若接收到管理员所输入的客户信息表，根据预置聚类规则对所述客户信息表中所包含本文档来自技高网...

【技术保护点】
1.一种基于用户匹配的产品推荐方法，其特征在于，包括：/n若接收到管理员所输入的客户信息表，根据预置聚类规则对所述客户信息表中所包含的客户进行聚类以得到客户群信息，其中，所述客户信息表中还包括每一客户购买的产品信息；/n根据所述客户群信息及预置全连接隐层构建包含输入节点及输出节点的客户匹配模型；/n根据预置训练参数对所构建的客户匹配模型进行训练以得到训练后的客户匹配模型；/n若接收到待推荐客户通过用户终端所输入的待推荐客户信息，将所述待推荐客户信息输入训练后的客户匹配模型，并获取所述客户匹配模型中与该待推荐客户之间匹配度最高的客户群作为目标客户群；/n根据预置目标产品筛选规则及所述目标客户群对所述客户信息表中的产品信息进行筛选以得到目标产品并推送至所述用户终端。/n

【技术特征摘要】
1.一种基于用户匹配的产品推荐方法，其特征在于，包括：
若接收到管理员所输入的客户信息表，根据预置聚类规则对所述客户信息表中所包含的客户进行聚类以得到客户群信息，其中，所述客户信息表中还包括每一客户购买的产品信息；
根据所述客户群信息及预置全连接隐层构建包含输入节点及输出节点的客户匹配模型；
根据预置训练参数对所构建的客户匹配模型进行训练以得到训练后的客户匹配模型；
若接收到待推荐客户通过用户终端所输入的待推荐客户信息，将所述待推荐客户信息输入训练后的客户匹配模型，并获取所述客户匹配模型中与该待推荐客户之间匹配度最高的客户群作为目标客户群；
根据预置目标产品筛选规则及所述目标客户群对所述客户信息表中的产品信息进行筛选以得到目标产品并推送至所述用户终端。


2.根据权利要求1所述的基于用户匹配的产品推荐方法，其特征在于，所述根据预置聚类规则对所述客户信息表中所包含的客户进行聚类以得到客户群信息，包括：
根据所述聚类规则中的特征变量转换规则将所述客户信息表中所包含的客户信息转换为特征变量；
根据所述聚类规则中的聚类算法及所述特征变量对客户进行聚类以得到包含多个客户群的客户群信息。


3.根据权利要求1所述的基于用户匹配的产品推荐方法，其特征在于，所述根据所述客户群信息及预置全连接隐层构建包含输入节点及输出节点的客户匹配模型，包括：
根据客户群信息中客户特征变量的维度构建客户匹配模型的输入节点；
根据客户群信息中客户群的数量构建客户匹配模型的输出节点；
根据预置全连接隐层中的特征单元及所构建的输入节点，以输入节点值作为输入值、特征单元值作为输出值构建输入节点至特征单元的第一公式组；
根据预置全连接隐层中的特征单元及所构建的输出节点，以特征单元值作为输入值、输出节点值作为输出值构建特征单元至输出节点的第二公式组。


4.根据权利要求1所述的基于用户匹配的产品推荐方法，其特征在于，所述训练参数中包括参数调整系数、多个客户的特征变量及每一客户与对应目标客户群的匹配度，所述根据预置训练参数对所构建的客户匹配模型进行训练以得到训练后的客户匹配模型，包括：
获取预置训练参数中一个客户的特征变量，根据第一公式组中相应公式及输入节点值计算得到全连接隐层中所有特征单元的特征单元值；
根据第二公式组中相应公式及特征单元值计算得到相应输出节点的输出节点值；
获取当前客户与对应目标客户群的匹配度及与该目标客户群对应的目标输出节点值，根据均方误差函数对目标客户群的匹配度及目标输出节点值进行计算以得到当前客户的均方误差值；
根据预置均方误差阈值对均方误差值是否小于均方误差阈值进行判断，根据判断结果及所述参数调整系数对客户匹配模型中公式的参数进行调整更新。


5.根据权利要求1所述的基于用户匹配的产品推...

【专利技术属性】
技术研发人员：刘嘉，吴欢，
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