基于多重决策的产品推荐方法、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数据分析技术，揭露了一种基于多重决策的产品推荐方法，包括：提取多个产品包中每一个产品包的特征，并利用该特征构建决策树模型，提取用户特征，利用决策树模型对用户特征进行方法分析，得到用户对各产品包的意向度，选取意向度最大的产品包，并根据该用户的相似用户对选取的产品包进行协同过滤，根据过滤后的每一个产品的产品热度选取产品对用户进行推荐。此外，本发明专利技术还涉及区块链技术，多个产品包可存储于区块链的节点。本发明专利技术还提出一种基于多重决策的产品推荐装置、电子设备以及存储介质。本发明专利技术可以提高产品推荐精确度。本发明专利技术可以提高产品推荐精确度。本发明专利技术可以提高产品推荐精确度。

【技术实现步骤摘要】
基于多重决策的产品推荐方法、装置、设备及存储介质


[0001]本专利技术涉及数据分析
，尤其涉及一种基于多重决策的产品推荐方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]当前个性化推荐无论在电子商务还是在社交网络平台都占据举足轻重的位置，而传统的以商品供应、服务供应为代表的企业在个性化产品推荐方面的应用仍有进步空间。
[0003]现有的产品推荐方法多为基于单一的产品数据生成产品画像，以及基于单一的用户数据生成用户画像，进而利用产品画像与用户画像的匹配值选取产品对用户进行推荐。该方法中，仅靠产品数据与用户数据生成画像来进行产品推荐决策，没有考虑到用户与产品特征的多样性，导致该方法中进行推荐决策的精确度较低。

技术实现思路

[0004]本专利技术提供一种基于多重决策的产品推荐方法、装置及计算机可读存储介质，其主要目的在于解决进行产品推荐时的精确度较低的问题。
[0005]为实现上述目的，本专利技术提供的一种基于多重决策的产品推荐方法，包括：
[0006]获取多个产品包，利用预先训练的自然语言模型对每一个产品包中产品信息进行卷积及池化操作，得到产品特征，根据所述产品特征构建决策树模型，所述多个产品包中每一个产品包内包含相同类别的多个产品，以及每个产品的产品信息；
[0007]获取用户的用户信息，提取所述用户信息的用户特征，判断所述用户特征是否所述决策树模型的参数，得到输出结果，并根据输出结果计算所述用户对每一个产品包的意向度，选取所述意向度大于预设意向阈值的产品包为目标产品包；
[0008]根据所述用户特征从预设的用户群体中筛选出与所述用户的相似用户；
[0009]获取所述相似用户的用户信息，从所述相似用户的用户信息中提取出相似特征，根据所述相似特征对所述目标产品包中的产品进行协同过滤，得到待筛选产品；
[0010]获取所述待筛选产品中每一个产品的销量数据，根据所述销量数据计算所述待筛选产品中每一个产品的热度，并选取所述热度大于预设热度阈值的产品向所述用户进行推荐。
[0011]可选地，所述利用预先训练的自然语言模型对每一个产品包中产品信息进行进行特征提取，得到产品特征，包括：
[0012]从所述多产品包中逐个选取其中一个产品包为目标产品包，利用预先训练的自然语言模型对所述目标产品包中包含的产品信息进行分词处理，得到产品分词；
[0013]统计所述产品分词中每一个产品分词的出现频率，汇集所述出现频率大于预设频率阈值的产品分词为所述目标产品包的产品特征。
[0014]可选地，所述根据所述产品特征构建决策树模型，包括：
[0015]从所述多个产品包中逐个选取其中一个产品包，并从被选取的产品包的产品特征
中逐个选取其中一个特征为目标特征；
[0016]将所述目标特征作为参数对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；
[0017]汇集所述被选取的产品包的所有产品特征生成的决策树为所述被选取的产品包的决策树，以及汇集所述多个产品包中每一个产品包的决策树为决策树模型。
[0018]可选地，所述判断所述用户特征是否所述决策树模型的参数，得到输出结果，并根据输出结果计算所述用户对每一个产品包的意向度，包括：
[0019]从所述用户特征中逐个选取其中一个特征为输入值；
[0020]从所述决策树模型中逐个选取一个决策树为目标决策树，将所述输入值输入至所述目标决策树，得到所述目标决策树输出的输出结果，其中，所述输出结果为所述输入值与所述目标决策树的参数相同，或者所述输入值与所述目标决策树的参数不同；
[0021]统计每一个产品包对应的决策树中输出的所述输入值与所述目标决策树的参数相同的输出结果的数量，并利用预设的得分算法根据所述数量计算所述用户每一个产品包的意向度。
[0022]可选地，所述根据所述用户特征从预设的用户群体中筛选出与所述用户的相似用户，包括：
[0023]将所述用户特征中每一个特征转换为特征向量，并将所述特征向量拼接为第一用户画像；
[0024]从预设的用户群体中逐个选取其中一个用户为目标用户，获取所述目标用户的用户特征，将所述目标用户的用户特征转换为目标向量，并将所述目标向量拼接为所述第二用户画像；
[0025]计算所述第一用户画像与所述第二用户画像之间的距离值；
[0026]当所述距离值大于或等于预设距离阈值时，确定所述目标用户不是所述用户的相似用户；
[0027]当所述距离值小于所述预设距离阈值时，确定所述目标用户是所述用户的相似用户。
[0028]可选地，所述将所述特征向量拼接为第一用户画像，包括：
[0029]统计所述特征向量中每一个向量的向量长度，选取所述向量长度最长的向量为模向量；
[0030]利用预设参数将所述特征向量中所有向量延长至与所述模向量的向量长度；
[0031]将向量延长后的所述特征向量中每一个向量作为行向量拼接为向量矩阵，将所述向量矩阵作为第一用户画像。
[0032]可选地，所述根据所述销量数据计算所述待筛选产品中每一个产品的热度，包括：
[0033]从所述待筛选产品中逐个选取其中一个产品，从所述销量数据中提取出预设时间段内被选取的产品的销售数量和销售时间；
[0034]将所述销售数量和所述销售时间作为预设热度算法的参数计算被选取的产品的热度。
[0035]为了解决上述问题，本专利技术还提供一种基于多重决策的产品推荐装置，所述装置包括：
[0036]模型构建模块，用于获取多个产品包，利用预先训练的自然语言模型对每一个产品包中产品信息进行进行特征提取，得到产品特征，根据所述产品特征构建决策树模型，所述多个产品包中每一个产品包内包含相同类别的多个产品，以及每个产品的产品信息；
[0037]产品包筛选模块，用于获取用户的用户信息，提取所述用户信息的用户特征，判断所述用户特征是否所述决策树模型的参数，得到输出结果，并根据输出结果计算所述用户对每一个产品包的意向度，选取所述意向度大于预设意向阈值的产品包为目标产品包；
[0038]相似用户筛选模块，用于根据所述用户特征从预设的用户群体中筛选出与所述用户的相似用户；
[0039]第一产品筛选模块，用于获取所述相似用户的用户信息，从所述相似用户的用户信息中提取出相似特征，根据所述相似特征对所述目标产品包中的产品进行协同过滤，得到待筛选产品；
[0040]第二产品筛选模块，用于获取所述待筛选产品中每一个产品的销量数据，根据所述销量数据计算所述待筛选产品中每一个产品的热度，并选取所述热度大于预设热度阈值的产品向所述用户进行推荐。
[0041]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0042]处理器；以及，
[0043]与所述处理器通信连接的存储器；其中，
[0044]所述存储器存储有可被所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多重决策的产品推荐方法，其特征在于，所述方法包括：获取多个产品包，利用预先训练的自然语言模型对每一个产品包中产品信息进行特征提取，得到产品特征，根据所述产品特征构建决策树模型，所述多个产品包中每一个产品包内包含相同类别的多个产品，以及每个产品的产品信息；获取用户的用户信息，提取所述用户信息的用户特征，判断所述用户特征是否所述决策树模型的参数，得到输出结果，并根据输出结果计算所述用户对每一个产品包的意向度，选取所述意向度大于预设意向阈值的产品包为目标产品包；根据所述用户特征从预设的用户群体中筛选出与所述用户的相似用户；获取所述相似用户的用户信息，从所述相似用户的用户信息中提取出相似特征，根据所述相似特征对所述目标产品包中的产品进行协同过滤，得到待筛选产品；获取所述待筛选产品中每一个产品的销量数据，根据所述销量数据计算所述待筛选产品中每一个产品的热度，并选取所述热度大于预设热度阈值的产品向所述用户进行推荐。2.如权利要求1所述的基于多重决策的产品推荐方法，其特征在于，所述利用预先训练的自然语言模型对每一个产品包中产品信息进行进行特征提取，得到产品特征，包括：从所述多产品包中逐个选取其中一个产品包为目标产品包，利用预先训练的自然语言模型对所述目标产品包中包含的产品信息进行分词处理，得到产品分词；统计所述产品分词中每一个产品分词的出现频率，汇集所述出现频率大于预设频率阈值的产品分词为所述目标产品包的产品特征。3.如权利要求1所述的基于多重决策的产品推荐方法，其特征在于，所述根据所述产品特征构建决策树模型，包括：从所述多个产品包中逐个选取其中一个产品包，并从被选取的产品包的产品特征中逐个选取其中一个特征为目标特征；将所述目标特征作为参数对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；汇集所述被选取的产品包的所有产品特征生成的决策树为所述被选取的产品包的决策树，以及汇集所述多个产品包中每一个产品包的决策树为决策树模型。4.如权利要求1所述的基于多重决策的产品推荐方法，其特征在于，所述判断所述用户特征是否所述决策树模型的参数，得到输出结果，并根据输出结果计算所述用户对每一个产品包的意向度，包括：从所述用户特征中逐个选取其中一个特征为输入值；从所述决策树模型中逐个选取一个决策树为目标决策树，将所述输入值输入至所述目标决策树，得到所述目标决策树输出的输出结果，其中，所述输出结果为所述输入值与所述目标决策树的参数相同，或者所述输入值与所述目标决策树的参数不同；统计每一个产品包对应的决策树中输出的所述输入值与所述目标决策树的参数相同的输出结果的数量，并利用预设的得分算法根据所述数量计算所述用户每一个产品包的意向度。5.如权利要求1所述的基于多重决策的产品推荐方法，其特征在于，所述根据所述用户特征从预设的用户群体中筛选出与所述用户的相似用户，包括：将所述用户特征中每一个特征转换为特征向量，...

【专利技术属性】
技术研发人员：刘帅，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：