产品推荐方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术，揭露一种产品推荐方法、装置、设备以及介质，所述方法包括：对产品评论进行文本向量化处理，得到表征聚合向量；根据所述历史评分构建历史评分矩阵，并对所述历史评分矩阵进行奇异值分解，得到用户偏好矩阵及产品属性矩阵；将所述表征聚合向量映射降维为修正评分，利用所述修正评分对所述历史评分中的元素进行修正，并基于修正结果及预构建的目标函数解析与所述用户偏好矩阵及所述产品属性矩阵维度相同的第一参数矩阵及第二参数矩阵，根据解析结果进行奇异值分解推荐得到推荐结果。本发明专利技术可应用于金融领域，提高重疾险等保险产品推荐的准确率。重疾险等保险产品推荐的准确率。重疾险等保险产品推荐的准确率。

【技术实现步骤摘要】
产品推荐方法、装置、电子设备及存储介质


[0001]本专利技术涉及人工智能技术，尤其涉及一种产品推荐方法、装置、电子设备及存储介质。

技术介绍

[0002]随着保险行业的发展及人们生活水平的提高，重疾险等保险产品越来越受到人们的青睐，但是相关保险产品的种类较多，如何有效的进行产品推荐，帮助用户及时寻找到需要的保险产品逐渐受到了人们的关注。
[0003]现有的产品推荐方法大多基于奇异值分解算法对保险产品(如重疾险产品)的用户评分进行分析，以分析用户对产品的偏好程度，从而进行产品推荐。然而仅从用户评分这一个维度进行分析，分析的特征维度单一，推荐的保险产品不符合用户的保险需求，使得产品推荐的准确率较低。

技术实现思路

[0004]本专利技术提供一种产品推荐方法、装置、电子设备及存储介质，其主要目的在于提高了重疾险等保险产品推荐的准确率。
[0005]获取产品集、包含待推荐用户的用户集及所述用户集中每个用户对产品集中每个产品的产品评论，并对所述产品评论进行文本向量化处理，得到表征聚合向量；
[0006]获取所述用户集中每个用户对所述产品集中每个产品的历史评分，并根据所述历史评分构建历史评分矩阵，并对所述历史评分矩阵进行奇异值分解，得到用户偏好矩阵及产品属性矩阵；
[0007]基于所述表征聚合向量及所述用户偏好矩阵的维度构建未知语义映射矩阵，并根据所述未知语义映射矩阵对所述表征聚合向量进行映射降维，得到所述表征聚合向量对应的修正评分；
[0008]根据所述用户偏好矩阵的每一行的行维度构建与每一行对应的未知用户偏好向量，根据所述产品属性矩阵的每一列的列维度构建与每一列对应的未知产品属性向量；
[0009]利用所述未知用户偏好向量、所述未知属性向量、所述修正评分及所述历史评分构建目标函数，以解析每个未知用户偏好向量对应的分析用户偏好向量及每个未知产品属性向量对应的分析产品属性向量；
[0010]基于所述分析用户偏好向量及所述分析产品属性向量计算每个所述产品的推荐分数；
[0011]利用预设的推荐阈值及所述推荐分数对所述产品集中的产品进行筛选，并将筛选结果发送至所述待推荐用户的预设终端设备。
[0012]可选地，所述对所述产品评论进行文本向量化处理，得到表征聚合向量，包括：
[0013]将所述产品评论进行分词，得到分词词语；
[0014]将每个所述分词词语转化为预设向量维度的词语向量；
[0015]将所有所述词语向量按照对应的分词词语在所述产品评论中的先后顺序进行组合，得到评论表征矩阵；
[0016]对所述评论表征矩阵进行维度压缩，得到所述表征聚合向量。
[0017]可选地，所述对所述评论表征矩阵进行维度压缩，得到表征聚合向量，包括：
[0018]对所述评论表征矩阵中的每一列进行池化操作，得到维度为所述向量维度的表征聚合向量。
[0019]可选地，所述基于所述分析用户偏好向量及所述分析产品属性向量计算每个所述产品的推荐分数，包括：
[0020]提取所述历史评分矩阵中待推荐用户标记的行的顺序，得到待推荐用户序号；
[0021]提取所述历史评分矩阵中每种产品标记的列的顺序，得到对应产品的产品序号；
[0022]将所述用户偏好矩阵中顺序为待推荐用户序号的行对应的未知用户偏好向量确定为目标未知用户偏好向量；
[0023]将所述产品属性矩阵中顺序为所述产品的产品序号的列对应未知产品属性向量的确定为该产品的目标未知产品属性向量；
[0024]将所述目标未知用户偏好向量的对应的分析用户偏好向量确定为目标分析用户偏好向量；
[0025]将所述产品的目标未知产品属性向量对应的分析产品属性向量确定为该产品的目标分析产品属性向量；
[0026]将所述目标分析用户偏好向量的转置与所述产品的目标分析产品属性向量进行计算，得到该产品的推荐分数。
[0027]可选地，所述利用预设的推荐阈值及所述推荐分数对所述产品集中的产品进行筛选，并将筛选结果发送至所述待推荐用户的预设终端设备，包括：
[0028]将所述产品集中的产品按照对应的推荐分数的大小进行排序，得到产品序列；
[0029]将所述产品序列中的第一个产品作为起点，将所述推荐阈值作为切分长度，对所述产品序列进行切分，得到推荐产品序列；
[0030]将所述推荐产品序列发送至所述待推荐用户的预设终端设备。
[0031]可选地，所述对所述表征聚合向量进行映射降维，得到所述表征聚合向量对应的修正评分，包括：
[0032]基于所述表征聚合向量及所述用户偏好矩阵的维度构建未知语义映射矩阵；
[0033]利用所述未知语义映射矩阵将所述表征聚合向量进行维度映射，得到评论隐语义向量；
[0034]将所述评论隐语义向量降维压缩为数值，得到所述修正评分。
[0035]可选地，所述根据所述历史评分构建历史评分矩阵，包括：
[0036]将所述用户集中用户的数量作为行数量，将所述产品集中产品的数量作为列数量；
[0037]将所述行数量与所述列数量作为矩阵维度构建空白矩阵，其中，所述空白矩阵为还未填充元素的矩阵；
[0038]将所有所述用户依次标记所述空白矩阵中的每一行，将所有所述产品依次标记所述空白矩阵中的中的每一列，得到目标空白矩阵；
[0039]根据所述历史评分对应的用户及产品确定该历史评分在所述目标空白矩阵中对应的行列位置；
[0040]将所述历史评分确定为所述目标空白矩阵中该历史评分对应行列位置的元素，得到初始历史评分矩阵；
[0041]将所述初始历史评分矩阵中的空缺元素用预设字符填充，得到所述历史评分矩阵。
[0042]为了解决上述问题，本专利技术还提供一种产品推荐装置，所述装置包括：
[0043]目标函数解析模块，用于获取产品集、包含待推荐用户的用户集及所述用户集中的每个用户对产品集中每个产品的产品评论，并对所述产品评论进行文本向量化处理，得到表征聚合向量；获取所述用户集中每个用户对产品集中每个产品的历史评分，并根据所述历史评分构建历史评分矩阵，并对所述历史评分矩阵进行奇异值分解，得到用户偏好矩阵及产品属性矩阵；对所述表征聚合向量进行映射降维，得到所述表征聚合向量对应的修正评分；根据所述用户偏好矩阵的每一行的行维度构建与每一行对应的未知用户偏好向量，根据所述产品属性矩阵的每一列的列维度构建与每一列对应的未知产品属性向量；利用所述未知用户偏好向量、所述未知属性向量、所述修正评分及所述历史评分构建目标函数，以解析每个未知用户偏好向量对应的分析用户偏好向量及每个未知产品属性向量对应的分析产品属性向量；
[0044]推荐分数计算模块，用于基于所述分析用户偏好向量及所述分析产品属性向量计算每个所述产品的推荐分数；
[0045]产品推荐模块，用于利用预设的推荐阈值及所述推荐分数对所述产品集中的产品进行筛选，并将筛选结果发送至所述待推荐用本文档来自技高网...

【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：获取产品集、包含待推荐用户的用户集及所述用户集中每个用户对产品集中每个产品的产品评论，并对所述产品评论进行文本向量化处理，得到表征聚合向量；获取所述用户集中每个用户对所述产品集中每个产品的历史评分，并根据所述历史评分构建历史评分矩阵，并对所述历史评分矩阵进行奇异值分解，得到用户偏好矩阵及产品属性矩阵；对所述表征聚合向量进行映射降维，得到所述表征聚合向量对应的修正评分；根据所述用户偏好矩阵的每一行的行维度构建与每一行对应的未知用户偏好向量，根据所述产品属性矩阵的每一列的列维度构建与每一列对应的未知产品属性向量；利用所述未知用户偏好向量、所述未知属性向量、所述修正评分及所述历史评分矩阵构建目标函数，以解析每个未知用户偏好向量对应的分析用户偏好向量及每个未知产品属性向量对应的分析产品属性向量；基于所述分析用户偏好向量及所述分析产品属性向量计算每个所述产品的推荐分数；利用预设的推荐阈值及所述推荐分数对所述产品集中的产品进行筛选，并将筛选结果发送至所述待推荐用户的预设终端设备。2.如权利要求1所述的产品推荐方法，其特征在于，所述对所述产品评论进行文本向量化处理，得到表征聚合向量，包括：将所述产品评论进行分词，得到分词词语；将每个所述分词词语转化为预设向量维度的词语向量；将所有所述词语向量按照对应的分词词语在所述产品评论中的先后顺序进行组合，得到评论表征矩阵；对所述评论表征矩阵进行维度压缩，得到所述表征聚合向量。3.如权利要求2所述的产品推荐方法，其特征在于，所述对所述评论表征矩阵进行维度压缩，得到表征聚合向量，包括：对所述评论表征矩阵中的每一列进行池化操作，得到维度为所述预设向量维度的表征聚合向量。4.如权利要求1所述的产品推荐方法，其特征在于，所述基于所述分析用户偏好向量及所述分析产品属性向量计算每个所述产品的推荐分数，包括：提取所述历史评分矩阵中待推荐用户标记的行的顺序，得到待推荐用户序号；提取所述历史评分矩阵中每种产品标记的列的顺序，得到对应产品的产品序号；将所述用户偏好矩阵中顺序为待推荐用户序号的行对应的未知用户偏好向量确定为目标未知用户偏好向量；将所述产品属性矩阵中顺序为所述产品的产品序号的列对应未知产品属性向量的确定为该产品的目标未知产品属性向量；将所述目标未知用户偏好向量的对应的分析用户偏好向量确定为目标分析用户偏好向量；将所述产品的目标未知产品属性向量对应的分析产品属性向量确定为该产品的目标分析产品属性向量；将所述目标分析用户偏好向量的转置与所述产品的目标分析产品属性向量进行计算，
得到该产品的推荐分数。5.如权利要求1所述的产品推荐方法，其特征在于，所述利用预设的推荐阈值及所述推荐分数对所述产品集中的产品进行筛选，并将筛选结果发送至所述待推荐用户的预设终端设备，包括：将所述产品集中的产品按照对应的推荐分数的大小进行排序，得到产品序列；将所述产品序列中的第一个产品作为起点，将所述...

【专利技术属性】
技术研发人员：姜敏华，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：