本文涉及数据处理领域，尤其涉及一种基于城市特征的产品匹配方法、装置及计算机设备。包括获取城市特征参数组、产品数据，城市特征参数组包括多个与城市特征相关的参数；利用城市特征参数组及预先建立的城市特征预测模型，预测城市特征值；利用产品数据及预先建立的匹配模型，确定产品与不同城市特征的匹配度，匹配模型根据第二历史样本数据集训练得到，第二历史样本数据集包括：产品历史特征数据、与产品历史特征数据对应的与不同城市特征的匹配度；根据匹配度与各城市的城市特征值，为用户匹配产品。本方案解决不同状态城市下，居民不同时间段的产品消费需求，同时为发生重大事件城市的居民提供人文关怀，满足其特殊的产品消费需求。费需求。费需求。
【技术实现步骤摘要】
一种基于城市特征的产品匹配方法、装置及计算机设备
[0001]本文涉及数据处理领域，尤其是一种基于城市特征的产品匹配方法、装置及计算机设备。
技术介绍
[0002]居民的产品消费需求与自身的心理因素、城市经济发展状况相关联，以公共卫生安全为例，流感在全球多地形势严峻，局部地区出现散发病例引起的聚集性流感，流感积极向好态势持续巩固，流感防控进入常态化。
[0003]零星散发的聚集性流感为普通民众的消费需求带来了不小的挑战。一个城市发生流感之后，居民出行受限，城市一旦停工停产，造成的经济损失也无法估量。居民的抗风险能力也随之降低，同时居民的心理因素会产生一定的变化，其对产品稳定性、可持续使用性及收益率等性质，较之其他城市的居民有着更高的要求。
[0004]目前的向用户推荐的产品是多地区通用的，并未考虑居民所在城市的风险因素，即便是智能推荐，考虑的城市要素也只是基于用户所处省份，推荐该省份当前销售的产品，而非考虑城市特征或城市风险因素。同时，在一定范围内销售的产品，若其性价比，此类产品容易早早售罄，导致处于城市风险大的城市中的居民无法有更多的精力购买此种产品。
[0005]针对目前技术存在的无法根据用户所处城市的风险因素，向用户提供产品推荐的问题，需要一种基于城市特征的产品匹配方法、装置及计算机设备。
技术实现思路
[0006]为解决上述现有技术的问题，本文实施例提供了一种基于城市特征的产品匹配方法、装置、计算机设备、介质及程序产品。
[0007]本文实施例提供了一种获取城市特征参数组、产品数据，所述城市特征参数组包括多个与城市特征相关的参数，所述产品数据包括产品的多个特征数据；利用所述城市特征参数组及预先建立的城市特征预测模型，预测城市的城市特征值，其中，所述城市特征预测模型通过第一历史样本数据集训练得到，所述第一历史样本数据集包括：城市历史特征参数组、与所述城市历史特征参数组对应的城市历史特征值；利用所述产品数据及预先建立的匹配模型，确定产品与不同城市特征的匹配度，所述匹配模型根据第二历史样本数据集训练得到，所述第二历史样本数据集包括：产品历史特征数据、与所述产品历史特征数据对应的与不同城市特征的匹配度；根据所述匹配度与各城市的城市特征值，为不同城市的用户匹配产品。
[0008]根据本文实施例的一个方面，所述与城市特征相关的参数包括以下内容的一个或多个组合：地质灾害、气象灾害、城市经济指标、公共卫生状况、基础设施建设、教育水平；所述产品的特征数据包括以下内容的多个组合：产品类型、产品等级、产品收益。
[0009]根据本文实施例的一个方面，所述城市特征预测模型的训练过程包括：获取第一历史样本数据集，所述第一历史样本数据集包括：城市历史特征参数组、与所述城市历史特
征参数组对应的城市历史特征值；将所述城市历史特征参数组输入至神经网络初始模型，获取城市历史特征预测值；根据所述城市历史特征预测值与所述城市历史特征值，构建损失函数；利用所述损失函数，训练所述神经网络初始模型中的各个参数，得到训练完成的城市特征预测模型。
[0010]根据本文实施例的一个方面，所述匹配模型的训练过程包括：获取第二历史样本数据集，所述第二历史样本数据集包括：产品历史特征数据、与所述产品历史特征数据对应的与城市不同特征的匹配度；确定各产品历史特征值；根据所述产品历史特征数据的类型，对所述产品历史特征数据设定不同的权重，将所述产品历史特征数据对应的权重及产品历史特征值输入至线性回归初始模型，得到产品与城市不同特征的匹配度预测值；根据所述匹配度预测值与所述匹配度，构建损失函数；利用所述损失函数，训练所述线性回归初始模型中的各个参数，得到训练完成的匹配模型。
[0011]根据本文实施例的一个方面，对所述产品历史特征数据设定不同的权重进一步包括：为与产品收益相关的历史特征数据设定负权重；为与产品类型相关的历史特征数据设定正权重。
[0012]根据本文实施例的一个方面，根据所述匹配度与各城市的城市特征值，为不同城市的用户匹配产品包括：将所述匹配度小于第一预设数值范围的产品，确定为第一类型产品；将所述匹配度大于第二预设数值范围的产品，确定为第二类型品；将所述匹配度大于等于第一预设数值范围、小于等于第二预设数值范围的产品，确定为第三类型产品；将城市特征值小于第一预设阈值范围的城市，确定为第一特征城市；将城市特征值大于第二预设阈值范围的城市，确定为第二特征城市；将城市特征值大于等于第一预设阈值范围、小于等于第二预设阈值范围的城市，确定为第三特征城市；对处于第一特征城市的用户，匹配第一类型产品；对处于第二特征城市的用户，匹配第二类型产品；对处于第三特征城市的用户，匹配第三类型产品。
[0013]根据本文实施例的一个方面，所述方法进一步包括：将所述城市特征值、与所述城市特征值匹配的产品显示在城市地图上。
[0014]本文实施例还提供了一种基于城市特征的产品匹配装置，包括：数据获取单元，用于获取城市特征参数组、产品数据，所述城市特征参数组包括与城市特征相关的参数，所述产品数据包括产品的多个特征数据；
[0015]城市特征值预测单元，用于利用所述城市特征参数组及预先建立的城市特征预测模型，预测城市的城市特征值，其中，所述城市特征预测模型通过第一历史样本数据集训练得到，所述第一历史样本数据集包括：城市历史特征参数组、与所述城市历史特征参数组对应的城市历史特征值；匹配度确定单元，用于利用所述产品数据及预先建立的匹配模型，确定产品与不同城市特征的匹配度，所述匹配模型根据第二历史样本数据集训练得到，所述第二历史样本数据集包括：产品历史特征数据、与所述产品历史特征数据对应的与不同城市特征的匹配度；产品匹配单元，用于根据所述匹配度与各城市的城市特征值，为不同城市的用户匹配产品。
[0016]本文实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在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所述基于城市特征的产品匹配方法。
[0017]本文实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述基于城市特征的产品匹配方法。
[0018]本文实施例还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现所述基于城市特征的产品匹配方法。
[0019]本方案可以因城制宜解决不同状态城市下，居民不同时间段的产品消费需求，同时为发生重大事件城市的居民提供人文关怀，满足其特殊的产品消费需求。
附图说明
[0020]为了更清楚地说明本文实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本文的一些实施例，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。
[0021]图1所示为本文实施例一种基于城市特征的产品匹配方法的流程图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于城市特征的产品匹配方法，其特征在于，所述方法包括：获取城市特征参数组、产品数据，所述城市特征参数组包括多个与城市特征相关的参数，所述产品数据包括产品的多个特征数据；利用所述城市特征参数组及预先建立的城市特征预测模型，预测城市的城市特征值，其中，所述城市特征预测模型通过第一历史样本数据集训练得到，所述第一历史样本数据集包括：城市历史特征参数组、与所述城市历史特征参数组对应的城市历史特征值；利用所述产品数据及预先建立的匹配模型，确定产品与不同城市特征的匹配度，所述匹配模型根据第二历史样本数据集训练得到，所述第二历史样本数据集包括：产品历史特征数据、与所述产品历史特征数据对应的与不同城市特征的匹配度；根据所述匹配度与各城市的城市特征值，为不同城市的用户匹配产品。2.根据权利要求1所述的基于城市特征的产品匹配方法，其特征在于，所述与城市特征相关的参数包括以下内容的一个或多个组合：地质灾害、气象灾害、城市经济指标、公共卫生状况、基础设施建设、教育水平；所述产品的特征数据包括以下内容的多个组合：产品类型、产品等级、产品收益。3.根据权利要求1所述的基于城市特征的产品匹配方法，其特征在于，所述城市特征预测模型的训练过程包括：获取第一历史样本数据集，所述第一历史样本数据集包括：城市历史特征参数组、与所述城市历史特征参数组对应的城市历史特征值；将所述城市历史特征参数组输入至神经网络初始模型，获取城市历史特征预测值；根据所述城市历史特征预测值与所述城市历史特征值，构建损失函数；利用所述损失函数，训练所述神经网络初始模型中的各个参数，得到训练完成的城市特征预测模型。4.根据权利要求2所述的基于城市特征的产品匹配方法，其特征在于，所述匹配模型的训练过程包括：获取第二历史样本数据集，所述第二历史样本数据集包括：产品历史特征数据、与所述产品历史特征数据对应的与城市不同特征的匹配度；确定各产品历史特征值；根据所述产品历史特征数据的类型，对所述产品历史特征数据设定不同的权重；将所述产品历史特征数据对应的权重及产品历史特征值输入至线性回归初始模型，得到产品与城市不同特征的匹配度预测值；根据所述匹配度预测值与所述匹配度，构建损失函数；利用所述损失函数，训练所述线性回归初始模型中的各个参数，得到训练完成的匹配模型。5.根据权利要求4所述的基于城市特征的产品匹配方法，其特征在于，对所述产品历史特征数据设定不同的权重进一步包括：为与产品收益相关的历史特征数据设定负权重；为与产品类型相...
【专利技术属性】
技术研发人员：童楚婕，
申请(专利权)人：中国银行股份有限公司，
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。