本申请提供的一种产品推荐计算方法、装置和设备，涉及产品推荐系统技术领域。通过获取每一产品的至少一个属性信息，根据每一产品的至少一个属性信息确定每一产品的初始热度值；获取预设时间段内每一产品的统计热度值；其中，统计热度值是根据预设时间段内用户行为计算得到的；将每一产品的至少一个属性信息输入至预设模型中，确定每一产品的预测热度值；根据每一产品的初始热度值、每一产品的统计热度值和每一产品的预测热度值，确定每一产品的综合热度值；根据各产品的综合热度值，向用户推荐产品。采用本技术方案，能够准确地计算出所有上线产品的产品热度值，并能够提升热门榜单产品的转化率，进而便于向用户推荐产品。进而便于向用户推荐产品。进而便于向用户推荐产品。
【技术实现步骤摘要】
产品推荐计算方法、装置和设备
[0001]本申请涉及产品推荐系统
，尤其涉及一种产品推荐计算方法、装置和设备。
技术介绍
[0002]传统的金融产品热度榜单依赖统计学思想，根据产品交易量、产品浏览量和产品关注量得到各种统计产品热度榜单，并推荐给用户。
[0003]但是，目前的这种方式对于新上线的产品或者产品周期短的产品非常不友好，因为，新上线的产品或者产品周期短的产品的产品交易量、产品浏览量和产品关注量在某种程度上不如产品周期长的产品的产品交易量、产品浏览量和产品关注量，这样会造成产品榜单结果的不准确性。
[0004]因此，亟需一种热度值计算方法，能够准确地计算出所有上线产品的产品热度值，并能够提升热门榜单产品的转化率，进而便于向用户推荐产品。
技术实现思路
[0005]本申请提供一种产品推荐计算方法、装置和设备，能够准确地计算出所有上线产品的产品热度值，并能够提升热门榜单产品的转化率，进而便于向用户推荐产品。
[0006]一方面，本申请提供一种产品推荐方法，所述方法包括：
[0007]获取每一产品的至少一个属性信息，根据所述每一产品的至少一个属性信息确定所述每一产品的初始热度值；
[0008]获取预设时间段内所述每一产品的统计热度值；其中，所述统计热度值是根据预设时间段内用户行为计算得到的；
[0009]将所述每一产品的至少一个属性信息输入至预设模型中，确定所述每一产品的预测热度值；
[0010]根据所述每一产品的初始热度值、所述每一产品的统计热度值和所述每一产品的预测热度值，确定所述每一产品的综合热度值；
[0011]根据各所述产品的综合热度值，向用户推荐产品。
[0012]可选的，获取每一产品的至少一个属性信息，根据所述每一产品的至少一个属性信息确定所述每一产品的初始热度值，包括：
[0013]获取所述每一产品的至少一个属性信息，确定所述每一产品的每一个属性信息的类型；
[0014]根据所述每一产品的每一个属性信息的类型，确定所述类型对应的热度值权重的数值；
[0015]根据所述类型对应的热度值权重的数值，确定所述每一产品的初始热度值。
[0016]可选的，根据所述类型对应的热度值权重的数值，确定所述每一产品的初始热度值，包括：
[0017]将所述类型对应的热度值权重的数值进行加和，得到第一处理结果；
[0018]将所述第一处理结果进行归一化处理，得到所述每一产品的初始热度值。
[0019]可选的，在将所述每一产品的至少一个属性信息输入至预设模型中，确定所述每一产品的预测热度值之前，还包括：
[0020]根据预设时间段内所述每一产品的统计热度值，得到所述预设模型。
[0021]可选的，根据预设时间段内所述每一产品的统计热度值，得到所述预设模型，包括：
[0022]将预设时间段内所述每一产品的统计热度值排序高的产品设为正样本，将预设时间段内所述每一产品的统计热度值排序低的产品设为负样本；
[0023]将预设时间段内所述每一产品的至少一个属性信息归类并对归类后的数值进行数值处理，得到第二处理结果；
[0024]将所述第二处理结果按照预设算法训练，得到所述预设模型。
[0025]可选的，预设时间段内统计热度值排序高的产品的数量与预设时间段内统计热度值排序低的产品的数量相同。
[0026]可选的，获取预设时间段内所述每一产品的统计热度值，包括：
[0027]根据获取到的用户行为的类型，分配不同的权重数值；
[0028]根据所述用户行为的次数和所述权重数值，确定当前统计热度值；
[0029]根据当前统计热度值和历史同时期统计热度值，确定预设时间段内所述每一产品的统计热度值。
[0030]可选的，根据当前统计热度值和历史同时期统计热度值，确定预设时间段内所述每一产品的统计热度值，包括：
[0031]计算所述当前统计热度值的时间衰减因子和所述历史同时期统计热度值的时间衰减因子；
[0032]根据当前统计热度值的数值、所述当前统计热度值的时间衰减因子、所述历史同时期统计热度值的数值和所述历史同时期统计热度值的时间衰减因子，确定预设时间段内所述每一产品的统计热度值。
[0033]另一方面，本申请提供一种产品推荐装置，包括：
[0034]属性信息获取模块，用于获取每一产品的至少一个属性信息，根据所述每一产品的至少一个属性信息确定所述每一产品的初始热度值；
[0035]统计热度值获取模块，用于获取预设时间段内所述每一产品的统计热度值；其中，所述统计热度值是根据预设时间段内用户行为计算得到的；
[0036]预测热度值确定模块，用于将所述每一产品的至少一个属性信息输入至预设模型中，确定所述每一产品的预测热度值；
[0037]综合热度值确定模块，用于根据所述每一产品的初始热度值、所述每一产品的统计热度值和所述每一产品的预测热度值，确定所述每一产品的综合热度值；
[0038]推荐模块，用于根据各所述产品的综合热度值，向用户推荐产品。
[0039]可选的，属性信息获取模块，包括：
[0040]类型确定单元，用于获取所述每一产品的至少一个属性信息，确定所述每一产品的每一个属性信息的类型；
[0041]热度值权重数值确定单元，用于根据所述每一产品的每一个属性信息的类型，确定所述类型对应的热度值权重的数值；
[0042]初始热度值确定单元，用于根据所述类型对应的热度值权重的数值，确定所述每一产品的初始热度值。
[0043]可选的，初始热度值确定单元，包括：
[0044]第一处理结果确定子单元，用于将所述类型对应的热度值权重的数值进行加和，得到第一处理结果；
[0045]初始热度值确定子单元，用于将所述第一处理结果进行归一化处理，得到所述每一产品的初始热度值。
[0046]可选的，所述装置，还包括：
[0047]预设模型确定模块，用于根据预设时间段内所述每一产品的统计热度值，得到所述预设模型。
[0048]预设模型确定模块，包括：
[0049]设置单元，用于将预设时间段内所述每一产品的统计热度值排序高的产品设为正样本，将预设时间段内所述每一产品的统计热度值排序低的产品设为负样本；
[0050]第二处理结果单元，用于将预设时间段内所述每一产品的至少一个属性信息归类并对归类后的数值进行数值处理，得到第二处理结果；
[0051]预设模型确定单元，用于将所述第二处理结果按照预设算法训练，得到所述预设模型。
[0052]可选的，预设时间段内统计热度值排序高的产品的数量与预设时间段内统计热度值排序低的产品的数量相同。
[0053]统计热度值获取模块，包括：
[0054]权重数值确定单元，用于根据获取到的用户行为的类型，分配不同的权重数值；
[0055]当前统计热度本文档来自技高网...
【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，所述方法包括：获取每一产品的至少一个属性信息，根据所述每一产品的至少一个属性信息确定所述每一产品的初始热度值；获取预设时间段内所述每一产品的统计热度值；其中，所述统计热度值是根据预设时间段内用户行为计算得到的；将所述每一产品的至少一个属性信息输入至预设模型中，确定所述每一产品的预测热度值；根据所述每一产品的初始热度值、所述每一产品的统计热度值和所述每一产品的预测热度值，确定所述每一产品的综合热度值；根据各所述产品的综合热度值，向用户推荐产品。2.根据权利要求1所述的方法，其特征在于，获取每一产品的至少一个属性信息，根据所述每一产品的至少一个属性信息确定所述每一产品的初始热度值，包括：获取所述每一产品的至少一个属性信息，确定所述每一产品的每一个属性信息的类型；根据所述每一产品的每一个属性信息的类型，确定所述类型对应的热度值权重的数值；根据所述类型对应的热度值权重的数值，确定所述每一产品的初始热度值。3.根据权利要求2所述的方法，其特征在于，根据所述类型对应的热度值权重的数值，确定所述每一产品的初始热度值，包括：将所述类型对应的热度值权重的数值进行加和，得到第一处理结果；将所述第一处理结果进行归一化处理，得到所述每一产品的初始热度值。4.根据权利要求1所述的方法，其特征在于，在将所述每一产品的至少一个属性信息输入至预设模型中，确定所述每一产品的预测热度值之前，还包括：根据预设时间段内所述每一产品的统计热度值，得到所述预设模型。5.根据权利要求4所述的方法，其特征在于，根据预设时间段内所述每一产品的统计热度值，得到所述预设模型，包括：将预设时间段内所述每一产品的统计热度值排序高的产品设为正样本，将预设时间段内所述每一产品的统计热度值排序低的产品设为负样本；将预设时间段内所述每一产品的至少一个属性信息归类并对归类后的数值进行数值处理，得到第二处理结果；将所述第二处理结果按照预设算法训练，得到所述预设模型。6.根据权利要求5所述的方法，其特征在于，预设时间段内统计热度值排序高的产品的数量与预设时间段内统计热度值排序低的产品的数量相同。7.根据权利要求1所述的方法...
【专利技术属性】
技术研发人员：王招辉，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。