本公开提供了一种新产品的冷启动推荐方法，可以应用于产品推荐技术领域，还可用于金融领域或其他领域。该新产品的冷启动推荐方法包括：获取新产品的属性数据，其中，所述新产品的属性数据包括新产品的类别特征数据和数值特征数据；基于所述新产品的属性数据，确定与所述新产品对应的相似历史产品；获取所述相似历史产品的购买情况；以及基于所述相似历史产品的购买情况，对所述新产品进行推荐。本公开还提供了一种新产品的冷启动推荐装置、设备、存储介质和程序产品。存储介质和程序产品。存储介质和程序产品。
【技术实现步骤摘要】
新产品的冷启动推荐方法、装置、电子设备和介质
[0001]本公开涉及产品推荐
，还可用于金融领域或其他领域，更具体地，涉及一种新产品的冷启动推荐方法、装置、设备、介质和程序产品。
技术介绍
[0002]在为新产品推荐合适的购买用户时，由于新的产品没有历史营销信息，往往是首次出现在市场中，对其推荐合适的营销用户清单属于产品推荐领域的产品冷启动问题。
[0003]在实现本公开构思的过程中，专利技术人发现，目前在对新产品进行冷启动推荐时，主要依赖专家制定的策略和规则，导致对新产品的推荐不灵活，无法实现新产品的精准推荐。
技术实现思路
[0004]鉴于上述问题，本公开提供了一种新产品的冷启动推荐方法、装置、设备、介质和程序产品。
[0005]根据本公开的第一个方面，提供了一种新产品的冷启动推荐方法，包括：获取新产品的属性数据，其中，所述新产品的属性数据包括新产品的类别特征数据和数值特征数据；基于所述新产品的属性数据，确定与所述新产品对应的相似历史产品；获取所述相似历史产品的购买情况；以及基于所述相似历史产品的购买情况，对所述新产品进行推荐。
[0006]根据本公开的实施例，所述基于所述新产品的属性数据，确定与所述新产品对应的相似历史产品的步骤包括：获取历史产品的属性数据，其中，所述历史产品的属性数据包括历史产品的类别特征数据和数值特征数据；和基于所述新产品的属性数据和历史产品的属性数据，利用协同过滤算法或聚类算法，确定与所述新产品对应的相似历史产品。
[0007]根据本公开的实施例，所述利用协同过滤算法，确定与所述新产品对应的相似历史产品的步骤包括：基于所述新产品的属性数据和历史产品的属性数据，计算所述新产品和历史产品的第一综合相似度；和对所述第一综合相似度进行由高到低排序，确定与所述新产品对应的相似历史产品。
[0008]根据本公开的实施例，所述计算所述新产品和历史产品的第一综合相似度的步骤包括：基于所述新产品的类别特征数据和历史产品的类别特征数据，计算所述新产品和历史产品的类别特征相似度；基于所述新产品的数值特征数据和历史产品的数值特征数据，计算所述新产品和历史产品的数值特征相似度；以及对所述类别特征相似度和数值特征相似度进行线性加权平均，得到所述第一综合相似度。
[0009]根据本公开的实施例，所述利用聚类算法，确定与所述新产品对应的相似历史产品的步骤包括：基于所述历史产品的属性数据，利用聚类算法对历史产品进行分类，形成M个簇和与M个簇对应的M个簇中心，其中，M为大于等于1的整数；基于所述新产品的属性数据，计算所述新产品与所述M个簇中心的第二综合相似度；以及基于所述第二综合相似度，确定与所述新产品对应的相似历史产品。
[0010]根据本公开的实施例，所述基于所述第二综合相似度，确定与所述新产品对应的
相似历史产品的步骤包括：对所述第二综合相似度进行由高到低排序，确定所述M个簇中心中与所述新产品对应的相似簇中心；基于所述相似簇中心，确定与所述新产品对应的相似簇；以及基于所述相似簇包含的历史产品，确定与所述新产品对应的相似历史产品。
[0011]根据本公开的实施例，所述基于所述相似历史产品的购买情况，对所述新产品进行推荐的步骤包括：基于所述相似历史产品的购买情况，确定潜在购买用户；对所述潜在购买用户进行排序，生成用户推荐清单；以及基于所述用户推荐清单，对所述新产品进行推荐。
[0012]本公开的第二方面提供了一种新产品的冷启动推荐装置，所述装置包括：第一获取模块，用于获取新产品的属性数据，其中，所述新产品的属性数据包括新产品的类别特征数据和数值特征数据；第一确定模块，用于基于所述新产品的属性数据，确定与所述新产品对应的相似历史产品；第二获取模块，用于获取所述相似历史产品的购买情况；以及推荐模块，用于基于所述相似历史产品的购买情况，对所述新产品进行推荐。
[0013]根据本公开的实施例，所述第一确定模块包括：第一获取单元，用于获取历史产品的属性数据，其中，所述历史产品的属性数据包括历史产品的类别特征数据和数值特征数据；和第一计算单元，用于基于所述新产品的属性数据和历史产品的属性数据，利用协同过滤算法或聚类算法，确定与所述新产品对应的相似历史产品。
[0014]根据本公开的实施例，所述第一计算单元包括第二计算单元，用于基于所述新产品的属性数据和历史产品的属性数据，计算所述新产品和历史产品的第一综合相似度；和第一确定单元，用于对所述第一综合相似度进行由高到低排序，确定与所述新产品对应的相似历史产品。
[0015]根据本公开的实施例，所述第二计算单元包括第三计算单元，用于基于所述新产品的类别特征数据和历史产品的类别特征数据，计算所述新产品和历史产品的类别特征相似度；第四计算单元，用于基于所述新产品的数值特征数据和历史产品的数值特征数据，计算所述新产品和历史产品的数值特征相似度；以及第五计算单元，用于对所述类别特征相似度和数值特征相似度进行线性加权平均，得到所述第一综合相似度。
[0016]根据本公开的实施例，所述第一计算单元还包括分类单元，用于基于所述历史产品的属性数据，利用聚类算法对历史产品进行分类，形成M个簇和与M个簇对应的M个簇中心，其中，M为大于等于1的整数；第六计算单元，用于基于所述新产品的属性数据，计算所述新产品与所述M个簇中心的第二综合相似度；以及和第二确定单元，用于基于所述第二综合相似度，确定与所述新产品对应的相似历史产品。
[0017]根据本公开的实施例，所述第二确定单元包括第三确定单元，用于对所述第二综合相似度进行由高到低排序，确定所述M个簇中心中与所述新产品对应的相似簇中心；第四确定单元，用于基于所述相似簇中心，确定与所述新产品对应的相似簇；以及第五确定单元，用于基于所述相似簇包含的历史产品，确定与所述新产品对应的相似历史产品。
[0018]根据本公开的实施例，所述推荐模块包括第六确定单元，用于基于所述相似历史产品的购买情况，确定潜在购买用户；排序单元，用于对所述潜在购买用户进行排序，生成用户推荐清单；以及推荐单元，用于基于所述用户推荐清单，对所述新产品进行推荐。
[0019]本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得
一个或多个处理器执行上述方法。
[0020]本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述方法。
[0021]本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法。
附图说明
[0022]通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
[0023]图1示意性示出了根据本公开实施例的新产品的冷启动推荐方法、装置、设备、介质和程序产品的应用场景图；
[002本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种新产品的冷启动推荐方法，其特征在于，所述方法包括：获取新产品的属性数据，其中，所述新产品的属性数据包括新产品的类别特征数据和数值特征数据；基于所述新产品的属性数据，确定与所述新产品对应的相似历史产品；获取所述相似历史产品的购买情况；以及基于所述相似历史产品的购买情况，对所述新产品进行推荐。2.根据权利要求1所述的方法，其特征在于，所述基于所述新产品的属性数据，确定与所述新产品对应的相似历史产品的步骤包括：获取历史产品的属性数据，其中，所述历史产品的属性数据包括历史产品的类别特征数据和数值特征数据；和基于所述新产品的属性数据和历史产品的属性数据，利用协同过滤算法或聚类算法，确定与所述新产品对应的相似历史产品。3.根据权利要求2所述的方法，其特征在于，所述利用协同过滤算法，确定与所述新产品对应的相似历史产品的步骤包括：基于所述新产品的属性数据和历史产品的属性数据，计算所述新产品和历史产品的第一综合相似度；和对所述第一综合相似度进行由高到低排序，确定与所述新产品对应的相似历史产品。4.根据权利要求3所述的方法，其特征在于，所述计算所述新产品和历史产品的第一综合相似度的步骤包括：基于所述新产品的类别特征数据和历史产品的类别特征数据，计算所述新产品和历史产品的类别特征相似度；基于所述新产品的数值特征数据和历史产品的数值特征数据，计算所述新产品和历史产品的数值特征相似度；以及对所述类别特征相似度和数值特征相似度进行线性加权平均，得到所述第一综合相似度。5.根据权利要求2所述的方法，其特征在于，所述利用聚类算法，确定与所述新产品对应的相似历史产品的步骤包括：基于所述历史产品的属性数据，利用聚类算法对历史产品进行分类，形成M个簇和与M个簇对应的M个簇中心，其中，M为大于等于1的整数；基于所述新产品的属性...
【专利技术属性】
技术研发人员：杨晓然，
申请(专利权)人：中国工商银行股份有限公司，
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。