服务产品的推荐方法及装置制造方法及图纸

本申请提供一种服务产品的推荐方法及装置，该方法包括：获取用户的待处理的服务信息：其中，服务信息包括：至少一个信息组，信息组包括：服务数据、服务数据的生成时间、服务数据的装置信息；对信息组进行特征挖掘处理，得到信息组的第一服务特征，确定服务信息对应的第二服务特征；根据第二服务特征以及预设识别模型，确定第一概率信息以及第二概率信息，其中，第一概率信息用于指示需要使用待推荐的服务产品的概率值；第二概率信息用于指示不需要使用待推荐的服务产品的概率值。若第一概率信息大于第二概率信息，则向用户推荐待推荐的服务产品。本申请中提供的方法可以提高向用户推荐的服务产品的准确性。的服务产品的准确性。的服务产品的准确性。

【技术实现步骤摘要】
服务产品的推荐方法及装置


[0001]本申请涉及数据处理领域，尤其涉及一种服务产品的推荐方法及装置。

技术介绍

[0002]目前，随着科技的不断发展，能够为用户提供的金融领域中的服务产品的种类也越来越多。其中，服务产品在实际应用中可以为智能终端中所安装的软件，也可以为智能终端的软件中所嵌入的某一具体功能等。
[0003]因此，如何在海量的服务产品中确定出与用户服务需求相关性更高的服务产品是一个急需解决的问题。

技术实现思路

[0004]本申请提供的服务产品的推荐方法及装置，用以向用户推荐与用户的需求相关性较高的服务产品。
[0005]第一方面，本申请提供一种服务产品的推荐方法，包括：
[0006]获取用户的待处理的服务信息：其中，所述服务信息包括：至少一个信息组，所述信息组具有服务类别标识；所述信息组包括：服务数据、服务数据的生成时间、服务数据的装置信息；
[0007]对所述信息组进行特征挖掘处理，得到所述信息组的第一服务特征，并确定所述服务信息对应的第二服务特征；
[0008]根据所述第二服务特征以及预设识别模型，确定第一概率信息以及第二概率信息，其中，所述第一概率信息用于指示需要使用待推荐的服务产品的概率值；所述第二概率信息用于指示不需要使用所述待推荐的服务产品的概率值；所述预设识别模型用于确定需要使用所述待推荐的服务产品的概率以及不需要使用所述待推荐的服务产品的概率；
[0009]若所述第一概率信息大于所述第二概率信息，则向所述用户推荐所述待推荐的服务产品。
[0010]在一种可能的实现方式中，对所述信息组进行特征挖掘处理，得到所述信息组的第一服务特征，包括：
[0011]基于所述信息组的服务数据、所述服务数据的生成时间，确定第一向量集合，其中，所述第一向量集合包括：至少一个第一特征向量，其中，所述第一特征向量包括：服务数据以及所述服务数据的生成时间；不同第一特征向量所包含服务数据的生成时间不同；
[0012]对所述第一向量集合进行聚类处理，得到第一聚类结果；所述第一聚类结果包括：至少一个第一类簇以及与所述第一类簇一一对应的第一聚类特征；所述第一类簇包括至少一个第一特征向量；
[0013]基于所述信息组的服务数据、所述服务数据的装置信息，确定第二向量集合，其中，所述第二向量集合包括：至少一个第二特征向量，所述第二特征向量包括：服务数据以及所述服务数据的装置信息；不同第二特征向量所包含服务数据的生成时间不同；
[0014]对所述第二向量集合进行聚类处理，得到第二聚类结果，所述第二聚类结果包括：至少一个第二类簇以及所述第二类簇对应的第二聚类特征；所述第二类簇包括至少一个第二特征向量；
[0015]确定所述第一聚类特征以及所述第二聚类特征为所述信息组的第一服务特征。
[0016]在一种可能的实现方式中，对所述第一向量集合进行聚类处理，得到第一聚类结果，包括：
[0017]对所述第一向量集合进行筛选处理，并确定筛选后得到的K个第一特征向量为K个第一中心向量；K为正整数；其中，每一第一中心向量对应一个第一类簇；
[0018]针对每一第一特征向量，确定所述第一向量集合中的第一特征向量分别与所述K个第一中心向量的第一差值结果；确定取值最小的第一差值结果所对应的第一中心向量的第一类簇为所述第一特征向量所属的第一类簇；
[0019]针对每一第一类簇，确定所述第一类簇中的第一特征向量对应的第一差值总和，其中，所述第一差值总和为所述第一特征向量与所述第一类簇中各第一特征向量的差值之和；确定所述第一类簇对应的第一中心向量与所述第一类簇中各第一特征向量的第二差值总和；基于所述第一差值总和以及所述第二差值总和，确定所述第一类簇对应的第一聚类特征；
[0020]确定第一类簇以及第一类簇的第一聚类特征为所述第一聚类结果。
[0021]在一种可能的实现方式中，基于所述第一差值总和以及所述第二差值总和，确定所述第一类簇对应的第一聚类特征，包括：
[0022]若所述第一差值总和小于所述第二差值总和，则确定所述第一差值总和对应的第一特征向量为所述第一类簇对应的第一聚类特征；
[0023]若所述第一差值总和大于或等于所述第二差值总和，则确定所述第二差值总和对应的第一中心向量为所述第一类簇对应的第一聚类特征。
[0024]在一种可能的实现方式中，所述预设识别模型为基于获取到各待训练的服务信息的第三服务特征以及获取到的各所述待训练的服务信息所对应的第一使用信息所建立的；所述待训练的服务信息的第三服务特征为基于所述待训练的服务信息中所包含的信息组的第四服务特征所确定的；所述信息组的第四服务特征为基于对所述信息组进行特征挖掘处理得到的；所述第一使用信息用于表征在所述待训练的服务信息下所述用户是否已使用所述待推荐的服务产品。
[0025]在一种可能的实现方式中，所述预设识别模型为贝叶斯公式建立的；其中，所述预设模型中包括的第三概率信息、第四概率信息、第五概率信息以及第六概率信息为基于各所述待训练的服务信息的第三服务特征以及各所述待训练的服务信息所对应的第一使用信息所确定的；
[0026]其中，第三概率信息用于表征各第一使用信息中表征使用所述待推荐的服务产品的第一使用信息出现的概率；第四概率信息用于表征各第一使用信息中表征未使用所述待推荐的服务产品的第一使用信息出现概率；所述第五概率信息用于表征在使用所述待推荐的服务产品的情况下，第三服务特征出现的概率；所述第六概率信息用于表征在未使用所述待推荐的服务产品的情况下，第三服务特征出现的概率。
[0027]在一种可能的实现方式中，所述方法还包括：
[0028]若确定所述待处理的服务信息中装置信息的数据维度大于所述预设模型建立过程中所获取到的待训练的服务信息中装置信息的数据维度，且所述待推荐的服务产品未改变时，则根据所述待处理的服务信息中装置信息的数据维度，调整所述待训练的服务信息对应的第三服务特征，得到调整后的第三服务特征。
[0029]基于所述调整后的第三服务特征，对所述待训练的服务信息对应的第三服务特征的第五概率信息以及第六概率信息进行调整，得到调整后的第五概率信息以及调整后的第六概率信息。
[0030]基于所述第三概率信息、所述第四概率信息、所述调整后的第五概率信息、所述调整后的第六概率信息以及贝叶斯公式更新所述预设识别模型。
[0031]在一种可能的实现方式中，所述方法还包括：
[0032]若确定所述待处理的服务信息中的数据维度大于所述预设模型建立过程中所获取到的待训练的服务信息中的数据维度，且所述待推荐的服务产品发生变化时，则根据所述待处理的服务信息中的数据维度，调整所述待训练的服务信息对应的第三服务特征，得到调整后的第三服务特征；
[0033]获取所述待训练的服务信息对应的第二使用信息，其中，第二使用信息用于表征变化后待推荐的服务产品是否被使用；
[0034]根据所述第二使用信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种服务产品的推荐方法，其特征在于，包括：获取用户的待处理的服务信息：其中，所述服务信息包括：至少一个信息组，所述信息组具有服务类别标识；所述信息组包括：服务数据、服务数据的生成时间、服务数据的装置信息；对所述信息组进行特征挖掘处理，得到所述信息组的第一服务特征，并确定所述服务信息对应的第二服务特征；根据所述第二服务特征以及预设识别模型，确定第一概率信息以及第二概率信息，其中，所述第一概率信息用于指示需要使用待推荐的服务产品的概率值；所述第二概率信息用于指示不需要使用所述待推荐的服务产品的概率值；所述预设识别模型用于确定需要使用所述待推荐的服务产品的概率以及不需要使用所述待推荐的服务产品的概率；若所述第一概率信息大于所述第二概率信息，则向所述用户推荐所述待推荐的服务产品。2.根据权利要求1所述的方法，其特征在于，对所述信息组进行特征挖掘处理，得到所述信息组的第一服务特征，包括：基于所述信息组的服务数据、所述服务数据的生成时间，确定第一向量集合，其中，所述第一向量集合包括：至少一个第一特征向量，其中，所述第一特征向量包括：服务数据以及所述服务数据的生成时间；不同第一特征向量所包含服务数据的生成时间不同；对所述第一向量集合进行聚类处理，得到第一聚类结果；所述第一聚类结果包括：至少一个第一类簇以及与所述第一类簇一一对应的第一聚类特征；所述第一类簇包括至少一个第一特征向量；基于所述信息组的服务数据、所述服务数据的装置信息，确定第二向量集合，其中，所述第二向量集合包括：至少一个第二特征向量，所述第二特征向量包括：服务数据以及所述服务数据的装置信息；不同第二特征向量所包含服务数据的生成时间不同；对所述第二向量集合进行聚类处理，得到第二聚类结果，所述第二聚类结果包括：至少一个第二类簇以及所述第二类簇对应的第二聚类特征；所述第二类簇包括至少一个第二特征向量；确定所述第一聚类特征以及所述第二聚类特征为所述信息组的第一服务特征。3.根据权利要求2所述的方法，其特征在于，对所述第一向量集合进行聚类处理，得到第一聚类结果，包括：对所述第一向量集合进行筛选处理，并确定筛选后得到的K个第一特征向量为K个第一中心向量；K为正整数；其中，每一第一中心向量对应一个第一类簇；针对每一第一特征向量，确定所述第一向量集合中的第一特征向量分别与所述K个第一中心向量的第一差值结果；确定取值最小的第一差值结果所对应的第一中心向量的第一类簇为所述第一特征向量所属的第一类簇；针对每一第一类簇，确定所述第一类簇中的第一特征向量对应的第一差值总和，其中，所述第一差值总和为所述第一特征向量与所述第一类簇中各第一特征向量的差值之和；确定所述第一类簇对应的第一中心向量与所述第一类簇中各第一特征向量的第二差值总和；基于所述第一差值总和以及所述第二差值总和，确定所述第一类簇对应的第一聚类特征；确定第一类簇以及第一类簇的第一聚类特征为所述第一聚类结果。
4.根据权利要求3所述的方法，其特征在于，基于所述第一差值总和以及所述第二差值总和，确定所述第一类簇对应的第一聚类特征，包括：若所述第一差值总和小于所述第二差值总和，则确定所述第一差值总和对应的第一特征向量为所述第一类簇对应的第一聚类特征；若所述第一差值总和大于或等于所述第二差值总和，则确定所述第二差值总和对应的第一中心向量为所述第一类簇对应的第一聚类特征。5.根据权利要求1所述的方法，其特征在于，所述预设识别模型为基于获取到各待训练的服务信息的第三服务特征以及获取到的各所述待训练的服务信息所对应的第一使用信息所建立的；所述待训练的服务信息的第三服务特征为基于所述待训练的服务信息中所包含的信息组的第四服务特征所确定的；所述信息组的第四服务特征...

【专利技术属性】
技术研发人员：王欣，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：