本申请涉及大数据技术领域，具体涉及一种产品推荐方法、装置、计算机设备和存储介质。所述方法包括：对目标用户的用户画像进行语义分割，得到目标图像；根据目标图像确定目标用户的用户特征；将用户特征输入产品推荐模型中，得到对应用户特征的各产品的权重分数；根据各产品的权重分数，在各产品中确定目标产品，在显示界面中显示目标产品。采用本方法能够对用户画像进行语义分割，对用户画像中的大量用户标签进行了数据清洗，基于语义分割后得到的目标图像中的用户标签，对目标用户进行产品推荐，提高产品推荐的准确性。提高产品推荐的准确性。提高产品推荐的准确性。
【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]本申请涉及大数据
，特别是涉及一种产品推荐方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着大数据技术的发展以及人们需求的多样化，各行各业都开始对企业自身及客户数据进行分析，提高产品的推广程度，从海量用户中筛选出与产品相符合的用户，以进行产品推荐，进而达到提高用户满意度及调整产业结构的作用，其中，用户画像的分析处理逐渐在产品推荐等领域中发挥越来越重要的作用。
[0003]目前，现有的产品推荐技术多为基于单一的特征实现用户与产品的匹配，进而对用户进行产品推荐。但用户画像往往包含了用户大量的特征标签，这些特征标签的重要程度不同，在进行产品推荐时，如果直接采用完整的用户画像，用户画像中重要程度较低的特征数据就会影响产品推荐的最终结果，导致无法针对用户进行精准的产品推荐。
[0004]目前的用户画像包含信息量大，直接采用用户画像进行产品推荐的准确性不高。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提高产品推荐准确性的产品推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种产品推荐方法。所述方法包括：
[0007]对目标用户的用户画像进行语义分割，得到目标图像；
[0008]根据目标图像确定目标用户的用户特征；
[0009]将用户特征输入产品推荐模型中，得到对应用户特征的各产品的权重分数；产品推荐模型是基于产品推荐训练集训练得到，产品推荐训练集包括样本用户特征及用户特征对应的产品；
[0010]根据各产品的权重分数，在各产品中确定目标产品，在显示界面中显示目标产品。
[0011]在其中一个实施例中，对目标对象的用户画像进行图像分割，得到目标图像，包括：
[0012]获取目标用户的用户信息，根据用户信息确定多个不同维度的用户标签；
[0013]根据多个不同维度的用户标签，构建目标用户的用户画像；
[0014]采用图像分割模型对用户画像进行语义分割，得到目标图像；图像分割模型基于语义分割训练集训练得到。
[0015]在其中一个实施例中，语义分割训练集的获取方式，包括：
[0016]获取样本用户的样本用户信息，根据样本用户信息确定多个不同维度的样本用户标签；
[0017]根据多个不同维度的样本用户标签，构建样本用户的样本用户画像；
[0018]确定样本用户画像中的目标区域，并基于目标区域获取样本用户画像对应的语义
分割标签；
[0019]基于样本用户画像和语义分割标签得到一个训练样本，基于多个训练样本构建语义分割训练集。
[0020]在其中一个实施例中，产品推荐训练集的获取方式，包括：
[0021]根据样本用户画像中的目标区域，确定样本用户对应的样本用户特征；
[0022]根据样本用户信息确定样本用户对应的产品，根据样本用户特征和样本用户对应的产品，得到一个训练样本；
[0023]根据多个训练样本，获取产品推荐训练集。
[0024]在其中一个实施例中，根据各产品的权重分数，在各产品中确定目标产品，包括：
[0025]选取权重分数大于权重阈值的产品，作为目标产品；
[0026]或者，根据权重分数从高到低选取预设数量的产品，作为目标产品。
[0027]在其中一个实施例中，在显示界面中显示目标产品，包括：
[0028]在存在多个目标产品的情况下，确定各目标产品的权重分数；
[0029]按照权重分数从高到低对各目标产品进行排列，得到各目标产品的排列顺序；
[0030]根据排列顺序，在显示界面中显示各目标产品。
[0031]第二方面，本申请还提供了一种产品推荐装置。所述装置包括：
[0032]分割模块，用于对目标用户的用户画像进行语义分割，得到目标图像；
[0033]识别模块，用于根据目标图像确定目标用户的用户特征；
[0034]处理模块，用于将用户特征输入产品推荐模型中，得到对应用户特征的各产品的权重分数；产品推荐模型是基于产品推荐训练集训练得到，产品推荐训练集包括样本用户特征及用户特征对应的产品；
[0035]推荐模块，用于根据各产品的权重分数，在各产品中确定目标产品，在显示界面中显示目标产品。
[0036]第三方面，本申请还提供了一种计算机设备。所述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：
[0037]对目标用户的用户画像进行语义分割，得到目标图像；
[0038]根据目标图像确定目标用户的用户特征；
[0039]将用户特征输入产品推荐模型中，得到对应用户特征的各产品的权重分数；产品推荐模型是基于产品推荐训练集训练得到，产品推荐训练集包括样本用户特征及用户特征对应的产品；
[0040]根据各产品的权重分数，在各产品中确定目标产品，在显示界面中显示目标产品。
[0041]第四方面，本申请还提供了一种计算机可读存储介质。所述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：
[0042]对目标用户的用户画像进行语义分割，得到目标图像；
[0043]根据目标图像确定目标用户的用户特征；
[0044]将用户特征输入产品推荐模型中，得到对应用户特征的各产品的权重分数；产品推荐模型是基于产品推荐训练集训练得到，产品推荐训练集包括样本用户特征及用户特征对应的产品；
[0045]根据各产品的权重分数，在各产品中确定目标产品，在显示界面中显示目标产品。
[0046]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，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：
[0047]对目标用户的用户画像进行语义分割，得到目标图像；
[0048]根据目标图像确定目标用户的用户特征；
[0049]将用户特征输入产品推荐模型中，得到对应用户特征的各产品的权重分数；产品推荐模型是基于产品推荐训练集训练得到，产品推荐训练集包括样本用户特征及用户特征对应的产品；
[0050]根据各产品的权重分数，在各产品中确定目标产品，在显示界面中显示目标产品。
[0051]上述产品推荐方法、装置、计算机设备、存储介质和计算机程序产品，对目标用户的用户画像进行语义分割，得到目标图像；根据目标图像确定目标用户的用户特征；将用户特征输入产品推荐模型中，得到对应用户特征的各产品的权重分数；根据各产品的权重分数，在各产品中确定目标产品，在显示界面中显示目标产品。通过对用户画像进行语义分割，对用户画像中的大量用户标签进行了数据清洗，基于语义分割后得到的目标图像中的用户标签，对目标用户进行产品推荐，能够提高产品推荐的准确性。
附图说明
[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：对目标用户的用户画像进行语义分割，得到目标图像；根据所述目标图像确定所述目标用户的用户特征；将所述用户特征输入产品推荐模型中，得到对应所述用户特征的各产品的权重分数；所述产品推荐模型是基于产品推荐训练集训练得到，所述产品推荐训练集包括样本用户特征及所述用户特征对应的产品；根据所述各产品的权重分数，在所述各产品中确定目标产品，在显示界面中显示所述目标产品。2.根据权利要求1所述的方法，其特征在于，所述对目标对象的用户画像进行图像分割，得到目标图像，包括：获取所述目标用户的用户信息，根据所述用户信息确定多个不同维度的用户标签；根据所述多个不同维度的用户标签，构建所述目标用户的用户画像；采用图像分割模型对所述用户画像进行语义分割，得到所述目标图像；所述图像分割模型基于语义分割训练集训练得到。3.根据权利要求2所述的方法，其特征在于，所述语义分割训练集的获取方式，包括：获取样本用户的样本用户信息，根据所述样本用户信息确定多个不同维度的样本用户标签；根据所述多个不同维度的样本用户标签，构建所述样本用户的样本用户画像；确定所述样本用户画像中的目标区域，并基于所述目标区域获取所述样本用户画像对应的语义分割标签；基于所述样本用户画像和所述语义分割标签得到一个训练样本，基于多个训练样本构建所述语义分割训练集。4.根据权利要求3所述的方法，其特征在于，所述产品推荐训练集的获取方式，包括：根据所述样本用户画像中的目标区域，确定所述样本用户对应的样本用户特征；根据所述样本用户信息确定所述样本用户对应的产品，根据所述样本用户特征和所述样本用户对应的产品，得到一个训练样本；...
【专利技术属性】
技术研发人员：郭子涵，
申请(专利权)人：中国银行股份有限公司，
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。