产品推荐方法技术

本申请公开了一种产品推荐方法

【技术实现步骤摘要】
产品推荐方法、装置、存储介质及电子设备


[0001]本申请涉及人工智能领域，具体而言，涉及一种产品推荐方法
、
装置
、
存储介质及电子设备
。

技术介绍

[0002]随着人工智能技术的普及和推广，越来越多的企业开始关注人工智能技术的应用，提高业务效率和创新能力
。
然而，人工智能技术的应用也面临许多问题，比如数据分析过程中需要处理的大量数据
、
算法的选择和优化
、
模型的更新等等
。
在自然语言处理领域中，文本生成任务是一个很重要的研究方向
。
相关技术中的文本生成模型一般基于机器学习算法，利用大量的语料库进行训练，然后根据不同的输入内容生成相应的文本
。
然而，这种文本生成方法需要大量人工干预和复杂的调参过程，且图生文模型的准确性也无法满足实际需求
。
[0003]针对相关技术中采用人为的方式根据产品图片确定产品推荐文案的效率较低的问题，目前尚未提出有效的解决方案
。

技术实现思路

[0004]本申请的主要目的在于提供一种产品推荐方法
、
装置
、
存储介质及电子设备，以解决相关技术中采用人为的方式根据产品图片确定产品推荐文案的效率较低的问题
。
[0005]为了实现上述目的，根据本申请的一个方面，提供了一种产品推荐方法
。
该方法包括：确定待推荐产品的产品类型，并获取用于介绍待推荐产品的目标图片；根据产品类型确定目标模型，其中，目标模型由多组训练样本训练得到，每组训练样本包括产品类型与待推荐产品相同的样本产品的图片，以及样本产品的样本推荐文案；将目标图片输入目标模型，得到待推荐产品的目标推荐文案；通过目标推荐文案向目标客户群体推荐待推荐产品
。
[0006]可选地，根据产品类型确定目标模型包括：获取金融机构中所有的同类型产品，并确定每个同类型产品的历史推荐客户群体，其中，同类型产品是与待推荐产品的产品类型相同的产品；计算每个同类型产品的历史推荐客户群体与目标客户群体的相似度，并判断相似度是否大于等于相似度阈值；在相似度大于等于相似度阈值的情况下，将相似度对应的同类型产品确定为样本产品；确定每个样本产品的样本推荐文案，并将每个样本产品的图片及样本产品的样本推荐文案确定为一组训练样本，得到多组训练样本；基于多组训练样本训练图生文模型，得到目标模型
。
[0007]可选地，基于多组训练样本训练图生文模型，得到目标模型包括：确定待训练的图生文模型，基于多组训练样本对图生文模型进行
N
次迭代训练，得到
N
个初始模型，其中，
N
为正整数；确定每个初始模型的准确性评估值，并判断准确性评估值是否大于等于准确性评估值阈值；在准确性评估值大于等于准确性评估值阈值的情况下，将初始模型确定为待定模型；将所有待定模型的准确性评估值中的最大准确性评估值对应的待定模型确定为目标模型
。
[0008]可选地，基于多组训练样本对图生文模型进行
N
次迭代训练，得到
N
个初始模型包括：从所有训练样本的样本推荐文案中确定
N
个语言结构，将包含相同语言结构的训练样本确定为一个训练样本集合，得到
N
个训练样本集合，其中，语言结构为样本推荐文案中的文本表达方式；对于每一次迭代训练，基于
N
个训练样本集合中的任意一个训练样本集合训练图生文模型，得到初始模型，其中，每次迭代训练选择的训练样本集合不同
。
[0009]可选地，确定每个初始模型的准确性评估值包括：获取多组测试样本，对于每个初始模型，将每组测试样本中的测试图片输入初始模型，得到每组测试样本的预测推荐文案，其中，每组测试样本包括测试图片和测试文案；计算每组测试样本的预测推荐文案与测试文案的相似度，得到文案相似度，并确定文案相似度大于等于文案相似度阈值的测试样本的数量，得到目标数量；计算目标数量与多组测试样本的数量的比值，得到初始模型的准确性评估值
。
[0010]可选地，在将目标图片输入目标模型，得到待推荐产品的目标推荐文案之后，该方法还包括：确定目标推荐文案的目标语言结构，并计算目标语言结构与标准语言结构的相似度，得到语言结构相似度；判断语言结构相似度是否大于等于语言结构相似度阈值；在语言结构相似度大于等于语言结构相似度阈值的情况下，执行通过目标推荐文案向目标客户群体推荐待推荐产品的步骤；在语言结构相似度小于语言结构相似度阈值的情况下，发出提示信息，其中，提示信息用于提示调整目标推荐文案的目标语言结构
。
[0011]可选地，通过目标推荐文案向目标客户群体推荐待推荐产品包括：获取目标客户群体的消息获取渠道，其中，消息获取渠道至少包括以下之一：金融机构的应用程序
、
短视频平台和线下门店；将目标推荐文案在消息获取渠道进行发布
。
[0012]为了实现上述目的，根据本申请的另一方面，提供了一种产品推荐装置
。
该装置包括：第一确定单元，用于确定待推荐产品的产品类型，并获取用于介绍待推荐产品的目标图片；第二确定单元，用于根据产品类型确定目标模型，其中，目标模型由多组训练样本训练得到，每组训练样本包括产品类型与待推荐产品相同的样本产品的图片，以及样本产品的样本推荐文案；输入单元，用于将目标图片输入目标模型，得到待推荐产品的目标推荐文案；推荐单元，用于通过目标推荐文案向目标客户群体推荐待推荐产品
。
[0013]通过本申请，采用以下步骤：确定待推荐产品的产品类型，并获取用于介绍待推荐产品的目标图片；根据产品类型确定目标模型，其中，目标模型由多组训练样本训练得到，每组训练样本包括产品类型与待推荐产品相同的样本产品的图片，以及样本产品的样本推荐文案；将目标图片输入目标模型，得到待推荐产品的目标推荐文案；通过目标推荐文案向目标客户群体推荐待推荐产品，解决了相关技术中采用人为的方式根据产品图片确定产品推荐文案的效率较低的问题
。
通过目标模型自动读取目标图片，生成目标推荐文案，并基于目标推荐文案向目标客户群体推荐产品，进而达到了提高基于产品图片确定产品推荐文案的效率的效果
。
附图说明
[0014]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定
。
在附图中：
[0015]图1是根据本申请实施例提供的产品推荐方法的流程图；
[0016]图2是根据本申请实施例提供的图生文模型的训练方法的流程图；
[0017]图3是根据本申请实施例提供的产品推荐装置的示意图；
[0018]图4是根据本申请实施例提供的电子设备的示意图
。
具体实施方式...

【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，包括：确定待推荐产品的产品类型，并获取用于介绍所述待推荐产品的目标图片；根据所述产品类型确定目标模型，其中，所述目标模型由多组训练样本训练得到，每组训练样本包括产品类型与所述待推荐产品相同的样本产品的图片，以及所述样本产品的样本推荐文案；将所述目标图片输入所述目标模型，得到所述待推荐产品的目标推荐文案；通过所述目标推荐文案向目标客户群体推荐所述待推荐产品
。2.
根据权利要求1所述的方法，其特征在于，根据所述产品类型确定目标模型包括：获取金融机构中所有的同类型产品，并确定每个同类型产品的历史推荐客户群体，其中，所述同类型产品是与所述待推荐产品的产品类型相同的产品；计算每个同类型产品的历史推荐客户群体与目标客户群体的相似度，并判断所述相似度是否大于等于相似度阈值；在所述相似度大于等于所述相似度阈值的情况下，将所述相似度对应的同类型产品确定为样本产品；确定每个样本产品的样本推荐文案，并将每个样本产品的图片及所述样本产品的样本推荐文案确定为一组训练样本，得到多组训练样本；基于所述多组训练样本训练图生文模型，得到目标模型
。3.
根据权利要求2所述的方法，其特征在于，基于所述多组训练样本训练图生文模型，得到目标模型包括：确定待训练的图生文模型，基于所述多组训练样本对所述图生文模型进行
N
次迭代训练，得到
N
个初始模型，其中，
N
为正整数；确定每个初始模型的准确性评估值，并判断所述准确性评估值是否大于等于准确性评估值阈值；在所述准确性评估值大于等于所述准确性评估值阈值的情况下，将所述初始模型确定为待定模型；将所有待定模型的准确性评估值中的最大准确性评估值对应的待定模型确定为所述目标模型
。4.
根据权利要求3所述的方法，其特征在于，基于所述多组训练样本对所述图生文模型进行
N
次迭代训练，得到
N
个初始模型包括：从所有训练样本的样本推荐文案中确定
N
个语言结构，将包含相同语言结构的训练样本确定为一个训练样本集合，得到
N
个训练样本集合，其中，语言结构为所述样本推荐文案中的文本表达方式；对于每一次迭代训练，基于所述
N
个训练样本集合中的任意一个训练样本集合训练所述图生文模型，得到所述初始模型，其中，每次迭代训练选择的训练样本集合不同
。5.
根据权利要求3所述的方法，其特征在于，确定每个初始模...

【专利技术属性】
技术研发人员：陈梦菲，赵文越，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：