本发明专利技术提供了一种多目标推荐的处理方法及装置，涉及理财产品推荐的技术领域，该方法包括：获取目标用户的历史行为数据，基于历史行为数据确定与目标用户匹配的召回策略；根据召回策略在预设的目标池中筛选与目标用户匹配的召回结果；使用排序模型计算召回结果中包括的每个推荐目标的推荐指数；基于推荐指数对推荐目标进行排序，得到多个推荐目标的排序结果；展示排序结果，以对推荐目标进行呈现。本发明专利技术提供的多目标推荐的处理方法及装置，可以从目标池中快速而又准确地找到用户感兴趣的推荐目标，不仅使推荐目标的针对性较高，也容易引起用户的兴趣，进而提高购买转化率，以取得较好的推荐效果，同时也可以提高用户的体验度。度。度。
【技术实现步骤摘要】
多目标推荐的处理方法及装置
[0001]本专利技术涉及理财产品推荐的
，尤其是涉及一种多目标推荐的处理方法及装置。
技术介绍
[0002]目前，理财产品的规模越来越多，针对的用户群体也越来越广泛，而理财产品的推荐过程通常是实时的，且，需要从数万个的理财产品中在线推荐出十几个理财产品，这就需要充分考虑不同的客户群体和客户类型，但是相关技术中的推荐模型，由于平台的限制而只能使用较为简单的模型进行产品推荐，导致推荐的理财产品的针对性不高，难以引起用户的兴趣，导致最终的购买转化率较低，不仅难以取得较好的推荐效果，也影响了用户的体验度。
技术实现思路
[0003]有鉴于此，本专利技术的目的在于提供一种多目标推荐的处理方法及装置，以缓解上述技术问题。
[0004]第一方面，本专利技术实施例提供了一种多目标推荐的处理方法，所述方法包括：获取目标用户的历史行为数据，基于所述历史行为数据确定与所述目标用户匹配的召回策略；根据所述召回策略在预设的目标池中筛选与所述目标用户匹配的召回结果；其中，所述召回结果中包括多个推荐目标；使用预先构建的排序模型计算所述召回结果中包括的每个所述推荐目标的推荐指数；基于所述推荐指数对所述推荐目标进行排序，得到多个所述推荐目标的排序结果；展示所述排序结果，以对所述推荐目标进行呈现。
[0005]结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，上述基于所述历史行为数据确定与所述目标用户匹配的召回策略的步骤，包括：基于所述历史行为数据确定所述目标用户的用户类型；根据所述用户类型匹配对应的召回策略。
[0006]结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，上述基于所述历史行为数据确定所述目标用户的用户类型步骤，包括：如果在预设时间段内，所述目标用户的历史行为数据为持续关注数据，则将所述目标用户的用户类型确定为长期用户类型；如果在预设时间段内，所述目标用户的历史行为数据包括实时产品行为，则将所述目标用户的用户类型确定为短期用户类型；如果在预设时间段内，所述目标用户的历史行为数据的数据量少于预设阈值，则将所述目标用户的用户类型确定为冷启动用户类型。
[0007]结合第一方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，上述召回策略包括用户长期兴趣召回策略、用户短期兴趣召回策略、分客群召回策略；根据所述用户类型匹配对应的召回策略的步骤，包括：如果所述用户类型为长期用户类型，则为所述目标用户匹配用户长期兴趣召回策略；如果所述用户类型为短期用户类型，则为所述目标用户匹配用户短期兴趣召回策略；如果所述用户类型为冷
启动用户类型，则为所述目标用户匹配分客群召回策略。
[0008]结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，上述根据所述召回策略在预设的目标池中筛选与所述目标用户匹配的召回结果的步骤，包括：如果所述召回策略为所述用户长期兴趣召回策略，则按照预先设置的行为规则计算所述目标用户对所述目标池中每个目标的偏好值，以构建所述目标用户的目标打分表；基于所述目标打分表筛选大于打分阈值对应的目标作为所述召回结果的推荐目标。
[0009]结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，上述根据所述召回策略在预设的目标池中筛选与所述目标用户匹配的召回结果的步骤，包括：如果所述召回策略为所述用户短期兴趣召回策略，则获取所述目标池中每个目标的词向量，根据所述词向量计算所述目标池中每个目标与所述目标用户的实时产品行为对应的目标的相似度；在所述目标池中筛选大于相似度阈值的目标，并将筛选出的目标确定为召回结果中的推荐目标。
[0010]结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，上述根据所述召回策略在预设的目标池中筛选与所述目标用户匹配的召回结果的步骤，包括：如果所述召回策略为所述分客群召回策略，则按照预设的属性对所述目标用户进行聚类处理，以确定所述目标用户所属的客户群体；在所述目标池中筛选所述客户群体的感兴趣目标，将所述感兴趣目标作为所述召回结果的推荐目标。
[0011]结合第一方面，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，上述使用预先构建的排序模型计算所述召回结果中包括的每个所述推荐目标的推荐指数的步骤，包括：获取预先设置的所述推荐目标的关注维度，以及每个所述关注维度的权重；将所述关注维度，以及每个所述关注维度的权重输入至所述排序模型，通过所述排序模型计算每个所述推荐目标的推荐指数。
[0012]结合第一方面的第七种可能的实施方式，本专利技术实施例提供了第一方面的第八种可能的实施方式，其中，上述排序模型为回归模型，所述回归模型的训练集包括每个样本目标关注维度的连续值；所述方法还包括：对每个所述样本目标的连续值进行归一化处理；基于预先设置的所述关注维度的权重对归一化处理之后的每个所述样本目标的连续值进行加权平均计算；将计算结果作为所述回归模型的回归目标训练所述回归模型，以得到所述排序模型。
[0013]第二方面，本专利技术实施例还提供一种多目标推荐的处理装置，所述装置包括：获取模块，用于获取目标用户的历史行为数据，基于所述历史行为数据确定与所述目标用户匹配的召回策略；筛选模块，用于根据所述召回策略在预设的目标池中筛选与所述目标用户匹配的召回结果；其中，所述召回结果中包括多个推荐目标；计算模块，用于使用预先构建的排序模型计算所述召回结果中包括的每个所述推荐目标的推荐指数；排序模块，用于基于所述推荐指数对所述推荐目标进行排序，得到多个所述推荐目标的排序结果；展示模块，用于展示所述排序结果，以对所述推荐目标进行呈现。
[0014]第三方面，本专利技术实施例还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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上述第一方面所述的方法的步骤。
[0015]第四方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面所述的方法的步骤。
[0016]本专利技术实施例带来了以下有益效果：
[0017]本专利技术实施例提供的多目标推荐的处理方法及装置，能够获取目标用户的历史行为数据，基于历史行为数据确定与目标用户匹配的召回策略，然后根据召回策略在预设的目标池中筛选与目标用户匹配的召回结果，并使用预先构建的排序模型计算召回结果中包括的每个推荐目标的推荐指数；进而基于推荐指数对推荐目标进行排序，得到多个推荐目标的排序结果；展示排序结果，以对推荐目标进行呈现，并对所呈现的推荐目标进行推荐，而由于召回策略时基于历史行为数据进行匹配的，因此，可以从目标池中快速而又准确地找到用户感兴趣的推荐目标，不仅使推荐目标的针对性较高，也容易引起用户的兴趣，进而提高购买转化率，以取得较好的推荐效果，同时本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多目标推荐的处理方法，其特征在于，所述方法包括：获取目标用户的历史行为数据，基于所述历史行为数据确定与所述目标用户匹配的召回策略；根据所述召回策略在预设的目标池中筛选与所述目标用户匹配的召回结果；其中，所述召回结果中包括多个推荐目标；使用预先构建的排序模型计算所述召回结果中包括的每个所述推荐目标的推荐指数；基于所述推荐指数对所述推荐目标进行排序，得到多个所述推荐目标的排序结果；展示所述排序结果，以对所述推荐目标进行呈现。2.根据权利要求1所述的方法，其特征在于，基于所述历史行为数据确定与所述目标用户匹配的召回策略的步骤，包括：基于所述历史行为数据确定所述目标用户的用户类型；根据所述用户类型匹配对应的召回策略。3.根据权利要求2所述的方法，其特征在于，基于所述历史行为数据确定所述目标用户的用户类型步骤，包括：如果在预设时间段内，所述目标用户的历史行为数据为持续关注数据，则将所述目标用户的用户类型确定为长期用户类型；如果在预设时间段内，所述目标用户的历史行为数据包括实时产品行为，则将所述目标用户的用户类型确定为短期用户类型；如果在预设时间段内，所述目标用户的历史行为数据的数据量少于预设阈值，则将所述目标用户的用户类型确定为冷启动用户类型。4.根据权利要求3所述的方法，其特征在于，所述召回策略包括用户长期兴趣召回策略、用户短期兴趣召回策略、分客群召回策略；根据所述用户类型匹配对应的召回策略的步骤，包括：如果所述用户类型为长期用户类型，则为所述目标用户匹配用户长期兴趣召回策略；如果所述用户类型为短期用户类型，则为所述目标用户匹配用户短期兴趣召回策略；如果所述用户类型为冷启动用户类型，则为所述目标用户匹配分客群召回策略。5.根据权利要求4所述的方法，其特征在于，根据所述召回策略在预设的目标池中筛选与所述目标用户匹配的召回结果的步骤，包括：如果所述召回策略为所述用户长期兴趣召回策略，则按照预先设置的行为规则计算所述目标用户对所述目标池中每个目标的偏好值，以构建所述目标用户的目标打分表；基于所述目标打分表筛选大于打分阈值对应的目标作为所述召回结果的推荐目标。6.根据权利要求4所述的方法，其特征在于，根据...
【专利技术属性】
技术研发人员：张峰超，
申请(专利权)人：平安银行股份有限公司，
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。