一种基于知识图谱的产品推荐方法技术

本申请公开了一种基于知识图谱的产品推荐方法

【技术实现步骤摘要】
一种基于知识图谱的产品推荐方法、装置、设备及介质


[0001]本申请涉及数据处理
，尤其涉及一种基于知识图谱的产品推荐方法
、
装置
、
设备及介质
。

技术介绍

[0002]随着互联网技术的飞速发展，银行在各方面所开展的业务也越来越多，产生了各种各样的理财产品等供用户选择使用
。
但是对于某些购买理财产品经验不足的用户来说，在了解银行理财产品时，能够获取到的信息较少，导致用户无法准确地获取适合自己的理财产品，影响用户的使用体验，无法满足向用户进行精准推荐产品的需求
。

技术实现思路

[0003]有鉴于此，本申请提供了一种基于知识图谱的产品推荐方法
、
装置
、
设备及介质，以便实现向用户精准推荐合适的产品
。
[0004]第一方面，本申请提供了一种基于知识图谱的产品推荐方法，所述方法包括：
[0005]获取用户的第一用户画像数据；
[0006]在知识图谱中确定与所述第一用户画像数据相匹配的第二用户画像数据，所述知识图谱中包括多个用户画像数据
、
多个产品信息以及所述多个用户画像数据与所述多个产品信息之间的关联关系；
[0007]基于所述第二用户画像数据所关联的产品信息确定所述用户的推荐产品
。
[0008]在一种可能的实现方式中，所述在知识图谱中确定与所述第一用户画像数据相匹配的第二用户画像数据，包括：
[0009]计算所述第一用户画像数据与所述多个用户画像数据之间的相似度，得到多个相似度指标；
[0010]确定所述多个相似度指标中的最大值所对应的用户画像数据为所述第二用户画像数据
。
[0011]在一种可能的实现方式中，所述第一用户画像数据包括第一属性特征集合，所述多个用户画像数据中的每个用户画像数据包括属性特征集合，所述计算所述第一用户画像数据与所述多个用户画像数据之间的相似度，得到多个相似度指标，包括：
[0012]计算所述第一属性特征集合与多个所述属性特征集合之间的相似度，得到多个相似度指标
。
[0013]在一种可能的实现方式中，所述知识图谱的建立过程包括：
[0014]获取多个历史用户的多模态数据，所述多模态数据包括所述多个历史用户的属性信息以及所购买的产品信息；
[0015]针对任一历史用户，对所述历史用户的属性信息和所购买的产品信息进行信息抽取，确定所述历史用户的用户画像数据与产品信息之间的关联关系；
[0016]对所述多个历史用户所对应的用户画像数据
、
产品信息
、
关联关系进行知识融合；
[0017]对经过知识融合的数据进行知识加工，建立所述知识图谱
。
[0018]在一种可能的实现方式中，在对所述历史用户的属性信息和所购买的产品信息进行信息抽取之前，所述方法还包括：
[0019]对所述历史用户的属性信息和所购买的产品信息进行预处理
。
[0020]在一种可能的实现方式中，所述对所述历史用户的属性信息和所购买的产品信息进行信息抽取，包括：
[0021]对所述历史用户的属性信息进行实体识别，获取所述历史用户的用户画像数据，以及对所述所购买的产品信息进行实体识别，获取所述历史用户的产品信息；
[0022]基于所述历史用户的属性信息和所购买的产品信息进行关系抽取，确定所述历史用户的用户画像数据与所述历史用户的产品信息之间的关联关系
。
[0023]在一种可能的实现方式中，所述第一用户画像数据包括：年龄
、
性别
、
职业以及存款中的至少一种
。
[0024]第二方面，本申请提供了一种基于知识图谱的产品推荐装置，所述装置包括：
[0025]获取单元，用于获取用户的第一用户画像数据；
[0026]第一确定单元，用于在知识图谱中确定与所述第一用户画像数据相匹配的第二用户画像数据，所述知识图谱中包括多个用户画像数据
、
多个产品信息以及所述多个用户画像数据与所述多个产品信息之间的关联关系；
[0027]第二确定单元，用于基于所述第二用户画像数据所关联的产品信息确定所述用户的推荐产品
。
[0028]在一种可能的实现方式中，所述第一确定单元，具体用于计算所述第一用户画像数据与所述多个用户画像数据之间的相似度，得到多个相似度指标；确定所述多个相似度指标中的最大值所对应的用户画像数据为所述第二用户画像数据
。
[0029]在一种可能的实现方式中，所述第一用户画像数据包括第一属性特征集合，所述多个用户画像数据中的每个用户画像数据包括属性特征集合，所述第一确定单元，具体用于计算所述第一属性特征集合与多个所述属性特征集合之间的相似度，得到多个相似度指标
。
[0030]在一种可能的实现方式中，所述知识图谱的建立过程包括：
[0031]获取多个历史用户的多模态数据，所述多模态数据包括所述多个历史用户的属性信息以及所购买的产品信息；针对任一历史用户，对所述历史用户的属性信息和所购买的产品信息进行信息抽取，确定所述历史用户的用户画像数据与产品信息之间的关联关系；对所述多个历史用户所对应的用户画像数据
、
产品信息
、
关联关系进行知识融合；对经过知识融合的数据进行知识加工，建立所述知识图谱
。
[0032]在一种可能的实现方式中，所述装置还包括：处理单元；
[0033]在对所述历史用户的属性信息和所购买的产品信息进行信息抽取之前，所述处理单元，用于对所述历史用户的属性信息和所购买的产品信息进行预处理
。
[0034]在一种可能的实现方式中，所述对所述历史用户的属性信息和所购买的产品信息进行信息抽取的过程包括：
[0035]对所述历史用户的属性信息进行实体识别，获取所述历史用户的用户画像数据，以及对所述所购买的产品信息进行实体识别，获取所述历史用户的产品信息；基于所述历
史用户的属性信息和所购买的产品信息进行关系抽取，确定所述历史用户的用户画像数据与所述历史用户的产品信息之间的关联关系
。
[0036]在一种可能的实现方式中，所述第一用户画像数据包括：年龄
、
性别
、
职业以及存款中的至少一种
。
[0037]第三方面，本申请提供了一种基于知识图谱的产品推荐设备，所述设备包括：存储器以及处理器；
[0038]所述存储器用于存储相关的程序代码；
[0039]所述处理器用于调用所述程序代码，执行上述第一方面任意一种实现方式所述的基于知识图谱的产品推荐方法
。
[0040]第四方面，本申请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用于存储计算机程序，所述计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于知识图谱的产品推荐方法，其特征在于，所述方法包括：获取用户的第一用户画像数据；在知识图谱中确定与所述第一用户画像数据相匹配的第二用户画像数据，所述知识图谱中包括多个用户画像数据
、
多个产品信息以及所述多个用户画像数据与所述多个产品信息之间的关联关系；基于所述第二用户画像数据所关联的产品信息确定所述用户的推荐产品
。2.
根据权利要求1所述的方法，其特征在于，所述在知识图谱中确定与所述第一用户画像数据相匹配的第二用户画像数据，包括：计算所述第一用户画像数据与所述多个用户画像数据之间的相似度，得到多个相似度指标；确定所述多个相似度指标中的最大值所对应的用户画像数据为所述第二用户画像数据
。3.
根据权利要求2所述的方法，其特征在于，所述第一用户画像数据包括第一属性特征集合，所述多个用户画像数据中的每个用户画像数据包括属性特征集合，所述计算所述第一用户画像数据与所述多个用户画像数据之间的相似度，得到多个相似度指标，包括：计算所述第一属性特征集合与多个所述属性特征集合之间的相似度，得到多个相似度指标
。4.
根据权利要求1所述的方法，其特征在于，所述知识图谱的建立过程包括：获取多个历史用户的多模态数据，所述多模态数据包括所述多个历史用户的属性信息以及所购买的产品信息；针对任一历史用户，对所述历史用户的属性信息和所购买的产品信息进行信息抽取，确定所述历史用户的用户画像数据与产品信息之间的关联关系；对所述多个历史用户所对应的用户画像数据
、
产品信息
、
关联关系进行知识融合；对经过知识融合的数据进行知识加工，建立所述知识图谱
。5.
根据权利要求4所述的方法，其特征在于，在对所述历史用户的属性...

【专利技术属性】
技术研发人员：关赵阳，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：