产品推荐方法、系统、电子设备及介质技术方案

本申请公开了产品推荐方法、系统、电子设备及介质，产品推荐方法包括：最新行为记录数据获取步骤：从最新行为记录数据库中提取客户的最新行为记录数据；数据类别获取步骤：对历史行为记录数据进行处理获得第一数据类别后，对所述最新行为记录数据进行处理获得第二数据类别；产品信息获取步骤:对所述第一数据类别与所述第二数据类别进行对比后，通过异常行为记录识别模型对对比结果进行识别，根据识别结果选取短期实时需求产品信息。本发明专利技术提出了一种对用户最新行为记录与用户历史行为记录进行对比，根据对比结果识别异常行为记录，因而实时推荐产品的技术方案，有效的捕获了用户当前最感兴趣的目标。当前最感兴趣的目标。当前最感兴趣的目标。

【技术实现步骤摘要】
产品推荐方法、系统、电子设备及介质


[0001]本申请涉及推荐
，尤其涉及一种产品推荐方法、系统、电子设备及介质。

技术介绍

[0002]个性化推荐在当今竞争日趋激烈的线上商业环境中起到了越来越重要的作用。它能够帮助品牌营销人员更加精准地找到目标客户。个性化推荐方法主要依据每个目标对象的历史行为记录，从这些行为中抽取共有的特征，再辅以各种不同的计算技术对这些特征进行重组、延伸或扩展，以进一步挖掘目标对象潜在的喜好。
[0003]一般来说，计算处理过程着重于更加具有相近性，普遍性，重复性的行为，这样更加易于找到具有共性的潜在特征。而对于某些和历史行为记录有明显区别的行为，则往往被认为是异常点而被忽略。很多最近发生的异常于以往记录的行为，往往是用户在当前最为关注的，也往往意味着大量的短期需求。因而，如何在线及时抓取用户的新动向并作出相应的推荐，更好的满足用户实时的兴趣需求成为一个亟待解决的问题。

技术实现思路

[0004]本申请实施例提供了一种产品推荐方法、系统、电子设备及介质，以至少通过本专利技术解决了忽略用户行为记录数据中的异常行为记录数据，导致针对用户实时兴趣点做出的推荐方案无法满足用户实时的兴趣需求等问题。
[0005]本专利技术提供了产品推荐方法，包括：
[0006]最新行为记录数据获取步骤：从最新行为记录数据库中提取客户的最新行为记录数据；
[0007]数据类别获取步骤：对历史行为记录数据进行处理获得第一数据类别后，对所述最新行为记录数据进行处理获得第二数据类别；
[0008]产品信息获取步骤:对所述第一数据类别与所述第二数据类别进行对比后，通过异常行为记录识别模型对对比结果进行识别，根据识别结果选取短期实时需求产品信息。
[0009]上述的产品推荐方法中，所述最新行为记录数据获取步骤包括：
[0010]从所述最新行为记录数据库中提取所述客户的所述最新行为记录数据后，将所述最新行为记录数据传输到所述客户的历史行为记录数据库中。
[0011]上述的产品推荐方法中，所述数据类别获取步骤包括：
[0012]从所述历史行为记录数据库中提取所述历史行为记录数据的第一数据标签后，对所述第一数据标签进行数据分析,获取所述历史行为记录数据的所述第一数据类别。
[0013]上述的产品推荐方法中，所述数据类别获取步骤还包括：
[0014]从所述最新行为记录数据库中提取所述最新行为记录数据的第二数据标签后，对所述第二数据标签进行数据分析，获取所述最新行为记录数据的所述第二数据类别。
[0015]上述的产品推荐方法中，所述产品信息获取步骤包括：
[0016]对所述第一数据类别与所述第二数据类别进行对比后，预设识别异常行为时间阈
值，在所述识别异常行为时间阈值内，通过所述异常行为识别模型对所述对比结果进行识别后，根据所述识别结果选出所述短期事实需求产品，并将短期事实需求产品信息推给用户端。
[0017]上述的产品推荐方法中，所述产品信息获取步骤还包括：
[0018]在所述预设时间阈值内，当所述对比结果为所述第一数据类别与所述第二数据类别中没有出现同类别的产品信息时，所述异常行为识别模型输出所述客户存在异常行为相应的第一信息后，所述第一数据类别中的所述产品定义为所述短期事实需求产品。
[0019]上述的产品推荐方法中，所述产品信息获取步骤还包括：
[0020]在所述预设时间阈值内，当所述对比结果为所述第一数据类别与所述第二数据类别中产品类别相同时，所述异常行为识别模型输出所述客户不存在异常行为相应的第二信息后，将所述第二信息推给所述用户端。
[0021]本专利技术还提供产品推荐系统，其中，适用于上述所述的产品推荐方法，所述产品推荐系统包括：
[0022]最新行为记录数据获取单元：从最新行为记录数据库中提取客户的最新行为记录数据；
[0023]数据类别获取单元：对历史行为记录数据进行处理获得第一数据类别后，对所述最新行为记录数据进行处理获得第二数据类别；
[0024]产品信息获取单元:对所述第一数据类别与所述第二数据类别进行对比后，通过异常行为记录识别模型对对比结果进行识别，根据识别结果选取短期实时需求产品信息。
[0025]本专利技术还提供一种电子设备，包括存储器、处理器以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，其特征在于，所述处理器执行所述计算机程序时实现上述任一项所述的产品推荐方法。
[0026]本专利技术还提供一种电子设备可读存储介质，所述电子设备可读存储介质上存储有计算机程序指令，所述计算机程序指令被所述处理器执行时实现上述任一项所述的产品推荐方法。
[0027]相比于相关技术，本专利技术提出的产品推荐方法、系统、电子设备及介质，通过比对客户历史行为记录数据与最新行为记录数据，获取比对结果后，使用异常行为记录数据识别模型对比对结果进行识别，识别出了客户异常行为记录数据，及时有效的捕获了客户当前最感兴趣的目标点或兴趣点；对异常行为记录数据中的有效信息进行抓取后做出相应的产品推荐，满足了客户实时的兴趣需求，并提高了个性化推荐能力。
[0028]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0029]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0030]图1是根据本申请实施例的产品推荐方法流程图；
[0031]图2为本专利技术的产品推荐系统的结构示意图；
[0032]图3是根据本申请实施例的电子设备的框架图。
[0033]其中，附图标记为：
[0034]最新行为记录数据获取单元：51；
[0035]数据类别获取单元：52；
[0036]产品信息获取单元：53；
[0037]总线:80；
[0038]处理器：81；
[0039]存储器：82；
[0040]通信接口：83。
具体实施方式
[0041]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0042]显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开内容相关的本领域的普通技术人员而言，在本申请揭露的
技术实现思路
基础上进行的一些设计，制造或者生产等变更只是常规的技术手本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产品推荐方法，其特征在于，用于基于识别客户历史行为记录数据中异常行为的产品推荐场景，包括：最新行为记录数据获取步骤：从最新行为记录数据库中提取客户的最新行为记录数据；数据类别获取步骤：对历史行为记录数据进行处理获得第一数据类别后，对所述最新行为记录数据进行处理获得第二数据类别；产品信息获取步骤:对所述第一数据类别与所述第二数据类别进行对比后，通过异常行为记录识别模型对对比结果进行识别，根据识别结果选取短期实时需求产品信息。2.根据权利要求1所述的产品推荐方法，其特征在于，所述最新行为记录数据获取步骤包括：从所述最新行为记录数据库中提取所述客户的所述最新行为记录数据后，将所述最新行为记录数据传输到所述客户的历史行为记录数据库中。3.根据权利要求2所述的产品推荐方法，其特征在于，所述数据类别获取步骤包括：从所述历史行为记录数据库中提取所述历史行为记录数据的第一数据标签后，对所述第一数据标签进行数据分析,获取所述历史行为记录数据的所述第一数据类别。4.根据权利要求1所述的产品推荐方法，其特征在于，所述数据类别获取步骤还包括：从所述最新行为记录数据库中提取所述最新行为记录数据的第二数据标签后，对所述第二数据标签进行数据分析，获取所述最新行为记录数据的所述第二数据类别。5.根据权利要求1所述的产品推荐方法，其特征在于，所述产品信息获取步骤包括：对所述第一数据类别与所述第二数据类别进行对比后，预设识别异常行为时间阈值，在所述识别异常行为时间阈值内，通过所述异常行为识别模型对所述对比结果进行识别后，根据所述识别结果选出所述短期事实需求产品，并将短期事实需求产品信息推给用...

【专利技术属性】
技术研发人员：孙泽懿，
申请(专利权)人：北京明略软件系统有限公司，
类型：发明
国别省市：