产品推荐方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种产品推荐方法、装置、计算机设备和存储介质，涉及人工智能技术领域，可用于金融科技领域或其他相关领域。所述方法包括：获取目标用户与已交互产品之间的历史交互行为数据；通过长短期记忆网络，对所述历史交互行为数据进行分析，得到第一产品特征；从所述历史交互行为数据中提取基础用户特征和基础产品特征，并根据所述基础用户特征和所述基础产品特征，构建第二产品特征；通过产品推荐模型，根据所述第一产品特征和所述第二产品特征，向所述目标用户推荐感兴趣产品。采用本方法能够精准的向用户推荐感兴趣的产品，提高用户的产品购买量。户的产品购买量。户的产品购买量。

【技术实现步骤摘要】
产品推荐方法、装置、计算机设备和存储介质


[0001]本申请涉及人工智能
，特别是涉及一种产品推荐方法、装置、计算机设备和存储介质，可用于金融科技领域或其他相关领域。

技术介绍

[0002]随着大数据时代的来临，由于用户的个人收入快速增长，对于投资的意愿也更加强烈，互联网金融产品也可以说是互联网发展的必然结果。互联网用户规模急速扩张，大量用户参与到金融投资中，导致如今市场上的金融产品层出不穷。在对某个金融产品进行推荐时，需要判断不同用户的兴趣程度，以实现精准营销。
[0003]现有技术中，主要是基于后台金融产品推荐模块的固有配置，直接向用户进行金融产品推荐。然而，这种推荐方式，无法保证用户接收到其感兴趣的金融产品。长此以往，会导致用户忽视金融产品推荐模块的存在，即便出现用户感兴趣的金融产品，用户也难以及时感知。因此，亟需一种能够精准向用户推荐其感兴趣的金融产品的方案。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种产品推荐方法、装置、计算机设备和存储介质，能够精准的向用户推荐感兴趣的产品。
[0005]第一方面，本申请提供了一种产品推荐方法，该方法包括：
[0006]获取目标用户与已交互产品之间的历史交互行为数据；
[0007]通过长短期记忆网络，对历史交互行为数据进行分析，得到第一产品特征；
[0008]从历史交互行为数据中提取基础用户特征和基础产品特征，并根据基础用户特征和基础产品特征，构建第二产品特征；
[0009]通过产品推荐模型，根据第一产品特征和第二产品特征，向目标用户推荐感兴趣产品。
[0010]在其中一个实施例中，根据基础用户特征和基础产品特征，构建第二产品特征，包括：
[0011]从历史交互行为数据中提取目标用户对各基础产品特征的兴趣值；
[0012]根据兴趣值，对各基础产品特征进行筛选，得到感兴趣产品特征；
[0013]将基础用户特征和感兴趣产品特征进行关联，得到第二产品特征。
[0014]在其中一个实施例中，通过产品推荐模型，根据第一产品特征和第二产品特征，向目标用户推荐感兴趣产品，包括：
[0015]将第一产品特征和第二产品特征进行融合，得到融合产品特征；
[0016]将融合产品特征输入至产品推荐模型，得到至少一个感兴趣产品；
[0017]向目标用户推荐至少一个感兴趣产品。
[0018]在其中一个实施例中，向目标用户推荐至少一个感兴趣产品，包括：
[0019]根据设定时段内各感兴趣产品的转化率，从各感兴趣产品中选择目标产品；
[0020]向目标用户推荐目标产品。
[0021]在其中一个实施例中，获取目标用户与已交互产品之间的历史交互行为数据，包括：
[0022]在识别到目标用户为新用户的情况下，向目标用户展示产品兴趣界面；
[0023]根据目标用户作用于产品兴趣界面上的输入信息，获取用户感兴趣数据；
[0024]从已有用户中确定目标用户的相似用户；
[0025]采用用户感兴趣数据，对相似用户与已交互产品之间的历史交互行为数据进行补充，得到目标用户与已交互产品之间的交互行为数据。
[0026]在其中一个实施例中，从已有用户中确定目标用户的相似用户，包括：
[0027]获取目标用户的基础用户特征和已有用户的基础用户特征；
[0028]将已有用户中基础用户特征与目标用户的基础用户特征相似度最高的用户，作为目标用户的相似用户。
[0029]第二方面，本申请还提供了一种产品推荐装置，该装置包括：
[0030]数据获取模块，用于获取目标用户与已交互产品之间的历史交互行为数据；
[0031]特征获取模块，用于通过长短期记忆网络，对历史交互行为数据进行分析，得到第一产品特征；
[0032]特征构建模块，用于从历史交互行为数据中提取基础用户特征和基础产品特征，并根据基础用户特征和基础产品特征，构建第二产品特征；
[0033]产品推荐模块，用于通过产品推荐模型，根据第一产品特征和第二产品特征，向目标用户推荐感兴趣产品。
[0034]第三方面，本申请还提供了一种计算机设备，该计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0035]获取目标用户与已交互产品之间的历史交互行为数据；
[0036]通过长短期记忆网络，对历史交互行为数据进行分析，得到第一产品特征；
[0037]从历史交互行为数据中提取基础用户特征和基础产品特征，并根据基础用户特征和基础产品特征，构建第二产品特征；
[0038]通过产品推荐模型，根据第一产品特征和第二产品特征，向目标用户推荐感兴趣产品。
[0039]第四方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0040]获取目标用户与已交互产品之间的历史交互行为数据；
[0041]通过长短期记忆网络，对历史交互行为数据进行分析，得到第一产品特征；
[0042]从历史交互行为数据中提取基础用户特征和基础产品特征，并根据基础用户特征和基础产品特征，构建第二产品特征；
[0043]通过产品推荐模型，根据第一产品特征和第二产品特征，向目标用户推荐感兴趣产品。
[0044]第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0045]获取目标用户与已交互产品之间的历史交互行为数据；
[0046]通过长短期记忆网络，对历史交互行为数据进行分析，得到第一产品特征；
[0047]从历史交互行为数据中提取基础用户特征和基础产品特征，并根据基础用户特征和基础产品特征，构建第二产品特征；
[0048]通过产品推荐模型，根据第一产品特征和第二产品特征，向目标用户推荐感兴趣产品。
[0049]上述产品推荐方法、装置、计算机设备和存储介质，通过获取目标用户与已交互产品之间的历史交互行为数据，引入长短期记忆网络，对历史交互行为数据进行分析，得到第一产品特征；从历史交互行为数据中提取基础用户特征和基础产品特征，进而构建第二产品特征；进一步的，通过产品推荐模型，根据第一产品特征和第二产品特征，向目标用户推荐感兴趣产品。上述方案，通过引入长短期记忆网络，从时间维度上确定第一产品特征，并根据从历史交互行为数据中提取的基础用户特征和基础产品特征，构建第二产品特征，实现了从两种不同维度确定目标用户感兴趣的产品特征，使得确定的产品特征更加全面、准确；进而结合产品推荐模型，能够实现更加精准的向目标用户推荐他感兴趣的产品，在一定程度上提高目标用户对产品的购买度的效果。
附图说明
[0050]图1为一个实施例中产品推荐方法的应用环境图；
[00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：获取目标用户与已交互产品之间的历史交互行为数据；通过长短期记忆网络，对所述历史交互行为数据进行分析，得到第一产品特征；从所述历史交互行为数据中提取基础用户特征和基础产品特征，并根据所述基础用户特征和所述基础产品特征，构建第二产品特征；通过产品推荐模型，根据所述第一产品特征和所述第二产品特征，向所述目标用户推荐感兴趣产品。2.根据权利要求1所述的方法，其特征在于，所述根据所述基础用户特征和所述基础产品特征，构建第二产品特征，包括：从所述历史交互行为数据中提取所述目标用户对各基础产品特征的兴趣值；根据所述兴趣值，对各基础产品特征进行筛选，得到感兴趣产品特征；将所述基础用户特征和所述感兴趣产品特征进行关联，得到第二产品特征。3.根据权利要求1所述的方法，其特征在于，所述通过产品推荐模型，根据所述第一产品特征和所述第二产品特征，向所述目标用户推荐感兴趣产品，包括：将所述第一产品特征和所述第二产品特征进行融合，得到融合产品特征；将所述融合产品特征输入至产品推荐模型，得到至少一个感兴趣产品；向所述目标用户推荐所述至少一个感兴趣产品。4.根据权利要求3所述的方法，其特征在于，所述向所述目标用户推荐所述至少一个感兴趣产品，包括：根据设定时段内各感兴趣产品的转化率，从各感兴趣产品中选择目标产品；向所述目标用户推荐所述目标产品。5.根据权利要求1所述的方法，其特征在于，所述获取目标用户与已交互产品之间的历史交互行为数据，包括：在识别到目标用户为新用户的情况下，向所述目标用户展示产品兴趣界面；根据所述目标用户...

【专利技术属性】
技术研发人员：袁紫祎，夏梦，张鑫，陈永强，杨凌波，张顺，吕硕，李冰叶，熊利花，杨露峰，刘利刚，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：