个性化推荐方法、装置、设备及可读存储介质制造方法及图纸

本申请公开了一种个性化推荐方法、装置、设备及可读存储介质，所述个性化推荐方法包括：获取待推荐设备对应的第一推荐数据和设备数据，并确定所述待推荐设备对应的账号关联设备，获取所述账号关联设备对应的第二推荐数据，并确定所述待推荐设备和所述账号关联设备之间的关联推荐模型，基于所述关联推荐模型，联合所述第一推荐数据、所述第二推荐数据和所述设备数据，生成与所述待推荐设备对应的目标用户相匹配的目标推荐数据，以对所述目标用户进行个性化推荐。本申请解决了个性化推荐准确性低的技术问题。

【技术实现步骤摘要】
个性化推荐方法、装置、设备及可读存储介质
本申请涉及人工智能领域，尤其涉及一种个性化推荐方法、装置、设备及可读存储介质。
技术介绍
随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。随着计算机软件和人工智能的不断发展，机器学习模型在个性化推荐中应用广泛，目前，通常基于用户账号，对用户进行个性化推荐，也即，在基于用户账号，统一收集用户信息，进而基于神经网络模型对统一收集的用户信息的评分，生成用户对应的推荐列表，并基于推荐列表在用户账号对应的设备上进行个性化推荐。但是，由于用户账号通常为多设备共享账号，例如，视频VIP账号通常由多个家庭成员的手机共享，或者视频VIP账号由手机端和PC端共享等，进而基于用户账号收集的用户信息通常为多设备信息，而在进行个性化推荐时，通常对正在使用用户设备的单设备用户进行推荐，进而导致基于多设备信息确定的推荐列表与单设备用户的匹配度不高，进而导致个性化推荐的准确性较低。
技术实现思路
本申请的主要目的在于提供一种个性化推荐方法、装置、设备及可读存储介质，旨在解决现有技术中个性化推荐准确性低的技术问题。为实现上述目的，本申请提供一种个性化推荐方法，所述个性化推荐方法应用于个性化推荐设备，所述个性化推荐方法包括：获取待推荐设备对应的第一推荐数据和设备数据，并确定所述待推荐设备对应的账号关联设备；>获取所述账号关联设备对应的第二推荐数据，并确定所述待推荐设备和所述账号关联设备之间的关联推荐模型；基于所述关联推荐模型，联合所述第一推荐数据、所述第二推荐数据和所述设备数据，生成与所述待推荐设备对应的目标用户相匹配的目标推荐数据，以对所述目标用户进行个性化推荐。可选地，所述第一推荐数据包括第一数据矩阵，所述第二推荐数据至少包括一个第二数据矩阵，所述设备数据包括设备向量，所述基于所述关联推荐模型，联合所述第一推荐数据和所述第二推荐数据，生成与所述待推荐设备对应的目标用户相匹配的目标推荐数据的步骤包括：将所述第一数据矩阵、各所述第二数据矩阵和所述设备向量进行拼接，获得联合推荐矩阵；将所述联合推荐矩阵输入针对于所述目标用户优化的所述关联推荐模型，对所述联合推荐矩阵对应的各待推荐物品进行评分，获得所述目标推荐数据。可选地，所述待推荐物品包括第一待推荐物品和第二待推荐物品，所述对所述联合推荐矩阵对应各待推荐物品进行评分，获得所述目标推荐数据的步骤包括：分别生成所述设备向量对应的用户特征表示、所述第一数据矩阵对应的各第一物品特征表示和所述第二数据矩阵对应的各第二物品特征表示；基于所述用户特征表示与各所述第一物品特征表示，计算各所述第一待推荐物品对应的第一评分；基于所述用户特征表示与各所述第二物品特征表示，计算各所述第二待推荐物品对应的第二评分；基于各所述第一评分和各所述第二评分，生成所述目标推荐数据。可选地，所述目标推荐数据包括目标物品推荐列表，所述基于各所述第一评分和各所述第二评分，生成所述目标推荐数据的步骤包括：对各所述第一评分和各所述第二评分进行排序，获得排序列表；基于所述评分排序列表，生成各所述第一待推荐物品和各所述第二待推荐物品共同对应的所述目标物品推荐列表。可选地，所述待推荐物品包括第一待推荐物品和第二待推荐物品，所述第一数据矩阵至少包括一个第一数据向量，所述第二数据矩阵至少包括一个第二数据向量，所述对所述联合推荐矩阵对应各待推荐物品进行评分，获得所述目标推荐数据的步骤包括：分别计算所述设备向量和各所述第一数据向量之间的第一相似度，获得各所述第一待推荐物品对应的第三评分；分别计算所述设备向量和各所述第二数据向量之间的第二相似度，获得各所述第二待推荐物品对应的第四评分；基于各所述第三评分和各所述第四评分，生成所述目标推荐数据。可选地，所述关联推荐模型包括所述待推荐设备对应的第一权重和所述账号关联设备对应的至少一个第二权重，所述基于所述关联推荐模型，联合所述第一推荐数据、所述第二推荐数据和所述设备数据，生成与所述待推荐设备对应的目标用户相匹配的目标推荐数据的步骤包括：基于所述第一权重，生成所述第一推荐数据对应的第一加权数据；基于各所述第二权重，生成所述第二推荐数据对应的第二加权数据；基于所述第一加权数据和所述第二加权数据，生成所述目标推荐数据。可选地，所述获取待推荐设备对应的第一推荐数据的步骤包括：获取所述待推荐设备对应的待推荐物品数据，并确定所述待推荐设备对应的评分模型；将所述待推荐物品数据输入所述评分模型，对所述待推荐物品数据对应的待推荐物品进行评分，获得所述第一推荐数据。本申请还提供一种个性化推荐装置，所述个性化推荐装置为虚拟装置，且所述个性化推荐装置应用于个性化推荐设备，所述个性化推荐装置包括：第一确定模块，用于获取待推荐设备对应的第一推荐数据和设备数据，并确定所述待推荐设备对应的账号关联设备；第二确定模块，用于获取所述账号关联设备对应的第二推荐数据，并确定所述待推荐设备和所述账号关联设备之间的关联推荐模型；生成模块，用于基于所述关联推荐模型，联合所述第一推荐数据、所述第二推荐数据和所述设备数据，生成与所述待推荐设备对应的目标用户相匹配的目标推荐数据，以对所述目标用户进行个性化推荐。可选地，所述生成模块包括：拼接子模块，用于将所述第一数据矩阵、各所述第二数据矩阵和所述设备向量进行拼接，获得联合推荐矩阵；第一评分子模块，用于将所述联合推荐矩阵输入针对于所述目标用户优化的所述关联推荐模型，对所述联合推荐矩阵对应的各待推荐物品进行评分，获得所述目标推荐数据。可选地，所述评分子模块包括：第一生成单元，用于分别生成所述设备向量对应的用户特征表示、所述第一数据矩阵对应的各第一物品特征表示和所述第二数据矩阵对应的各第二物品特征表示；第一计算单元，用于基于所述用户特征表示与各所述第一物品特征表示，计算各所述第一待推荐物品对应的第一评分；第二计算单元，用于基于所述用户特征表示与各所述第二物品特征表示，计算各所述第二待推荐物品对应的第二评分；第二生成单元，用于基于各所述第一评分和各所述第二评分，生成所述目标推荐数据。可选地，所述第二生成单元包括：排序子单元，用于对各所述第一评分和各所述第二评分进行排序，获得排序列表；生成子单元，用于基于所述评分排序列表，生成各所述第一待推荐物品和各所述第二待推荐物品共同对应的所述目标物品推荐列表。可选地，所述评分子模块还包括：第三计算单元，用于分别计算所述设备向量和各所述第一数据向量之间的第一相似度，获得各所述第一待推荐物品对应的第三评分；第四计算单元，用本文档来自技高网...

【技术保护点】
1.一种个性化推荐方法，其特征在于，所述个性化推荐方法包括：/n获取待推荐设备对应的第一推荐数据和设备数据，并确定所述待推荐设备对应的账号关联设备；/n获取所述账号关联设备对应的第二推荐数据，并确定所述待推荐设备和所述账号关联设备之间的关联推荐模型；/n基于所述关联推荐模型，联合所述第一推荐数据、所述第二推荐数据和所述设备数据，生成与所述待推荐设备对应的目标用户相匹配的目标推荐数据，以对所述目标用户进行个性化推荐。/n

【技术特征摘要】
1.一种个性化推荐方法，其特征在于，所述个性化推荐方法包括：
获取待推荐设备对应的第一推荐数据和设备数据，并确定所述待推荐设备对应的账号关联设备；
获取所述账号关联设备对应的第二推荐数据，并确定所述待推荐设备和所述账号关联设备之间的关联推荐模型；
基于所述关联推荐模型，联合所述第一推荐数据、所述第二推荐数据和所述设备数据，生成与所述待推荐设备对应的目标用户相匹配的目标推荐数据，以对所述目标用户进行个性化推荐。


2.如权利要求1所述个性化推荐方法，其特征在于，所述第一推荐数据包括第一数据矩阵，所述第二推荐数据至少包括一个第二数据矩阵，所述设备数据包括设备向量，
所述基于所述关联推荐模型，联合所述第一推荐数据和所述第二推荐数据，生成与所述待推荐设备对应的目标用户相匹配的目标推荐数据的步骤包括：
将所述第一数据矩阵、各所述第二数据矩阵和所述设备向量进行拼接，获得联合推荐矩阵；
将所述联合推荐矩阵输入针对于所述目标用户优化的所述关联推荐模型，对所述联合推荐矩阵对应的各待推荐物品进行评分，获得所述目标推荐数据。


3.如权利要求2所述个性化推荐方法，其特征在于，所述待推荐物品包括第一待推荐物品和第二待推荐物品，
所述对所述联合推荐矩阵对应各待推荐物品进行评分，获得所述目标推荐数据的步骤包括：
分别生成所述设备向量对应的用户特征表示、所述第一数据矩阵对应的各第一物品特征表示和所述第二数据矩阵对应的各第二物品特征表示；
基于所述用户特征表示与各所述第一物品特征表示，计算各所述第一待推荐物品对应的第一评分；
基于所述用户特征表示与各所述第二物品特征表示，计算各所述第二待推荐物品对应的第二评分；
基于各所述第一评分和各所述第二评分，生成所述目标推荐数据。


4.如权利要求3所述个性化推荐方法，其特征在于，所述目标推荐数据包括目标物品推荐列表，
所述基于各所述第一评分和各所述第二评分，生成所述目标推荐数据的步骤包括：
对各所述第一评分和各所述第二评分进行排序，获得排序列表；
基于所述评分排序列表，生成各所述第一待推荐物品和各所述第二待推荐物品共同对应的所述目标物品推荐列表。


5.如权利要求2所述个性化推荐方法，其特征在于，所述待推荐物品包括第一待推荐物品和第二待推荐物品，所述第一数据矩阵至少包括一个第一数据向量，所述第二数据矩阵至少包括一个第二数据向量，
所述对所述联合推荐矩阵对应各待推荐物品...

【专利技术属性】
技术研发人员：连荣忠，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44