【技术实现步骤摘要】
本申请涉及计算机，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
1、大数据时代数据量不断增加，用户以及产品的数据量均是巨大的，信息过载变成了现代社会中一个很严重的问题，如何向用户推荐用户感兴趣的产品成为商家研究的问题，而个性化推荐是解决该问题一个有效的方法。
2、目前，一般通过传统的协同过滤算法找出用户感兴趣的产品，并向用户推荐，这种方式只能处理小数据级的数据，而如果数据量达到一个很大的数据级，无法准确的向用户进行个性化产品推荐。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够准确的向用户进行个性化产品推荐的产品推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种产品推荐方法，包括：
3、从分布式文件存储空间中获取多个用户中每个用户对产品集中评价过的产品的评价信息；
4、针对每个用户，基于当前用户对产品集中评价过的产品的评价信息以及所述产品集中当前用户未评价过的产品，得到当前用户对所述产品集中各个产品的产品评分；基于各个用户各自对应的产品评分，生成产品评分矩阵；
5、针对每种产品，对评价过当前产品的用户进行统计，得到当前产品的评价用户集合；对所述产品集包含的产品进行组合，得到多个产品对，基于多个产品对和各产品各自对应的评价用户集合，生成同现矩阵；
6、基于所述评分矩阵和所述同现矩阵，确定每种产品对于每个用户的推荐权
7、在其中一个实施例中，所述基于当前用户对产品集中评价过的产品的评价信息以及所述产品集中当前用户未评价过的产品，得到当前用户对所述产品集中各个产品的产品评分，包括：
8、基于当前用户对产品集中评价过的产品的评价信息，确定所述评价过的产品的评分；
9、将所述产品集中当前用户未评价过的产品的评分设置为预设产品评分；
10、基于所述评价过的产品的评分以及所述预设产品评分，得到当前用户对所述产品集中各个产品的产品评分。
11、在其中一个实施例中，所述基于多个产品对和各产品各自对应的评价用户集合，生成同现矩阵，包括：
12、针对各产品对，确定当前产品对中包含的至少两个目标产品；从所述各产品各自对应的评价用户集合中，确定所述至少两个目标产品各自对应的评价用户集合；确定所述至少两个目标产品各自对应的评价用户集合中相同用户的数量；基于所述数量，确定所述当前产品对的同现值；
13、基于各产品对分别对应的同现值，生成所述同现矩阵。
14、在其中一个实施例中，所述基于多个产品对和各产品各自对应的评价用户集合，生成同现矩阵，包括：
15、从所述多个产品对中确定至少两个直接相关产品对；
16、针对各直接相关产品对，确定当前直接相关产品对中包含的至少两个目标产品；从所述各产品各自对应的评价用户集合中，确定所述至少两个目标产品各自对应的评价用户集合；确定所述至少两个目标产品各自对应的评价用户集合中相同用户的数量；基于所述数量，确定所述当前直接相关产品对的同现值；
17、若至少两个直接相关产品对各自对应的同现值均满足预设条件，且所述至少两个直接相关产品对中包含相同产品，则基于所述至少两个直接相关产品对，从所述多个产品对中确定间接相关产品对；
18、基于所述至少两个直接相关产品对各自对应的同现值，确定所述间接相关产品对对应的同现值；
19、基于所述间接相关产品对对应的同现值，生成所述同现矩阵。
20、在其中一个实施例中，所述基于所述数量，确定所述当前产品对的同现值，包括：
21、将所述数量作为所述当前产品对的同现值；
22、或者确定所述数量与用户总数的比值，将所述比值作为所述当前产品对的同现值。
23、在其中一个实施例中，所述基于所述评分矩阵和所述同现矩阵，确定每种产品对于每个用户的推荐权重，包括：
24、基于所述评分矩阵和所述同现矩阵，确定每种产品对于每个用户的初始推荐权重；
25、针对各用户，从产品集中确定与当前用户匹配的目标产品；基于预设的推荐权重增加规则，对所述目标产品的初始权重进行加大处理，得到目标产品的推荐权重；基于所述目标产品的推荐权重以及所述产品集除所述目标产品外其他产品的初始权重，得到每种产品对于当前用户的推荐权重。
26、第二方面，本申请还提供了一种产品推荐装置，包括：
27、获取模块，用于从分布式文件存储空间中获取多个用户中每个用户对产品集中评价过的产品的评价信息；
28、评分矩阵生成模块，用于针对每个用户，基于当前用户对产品集中评价过的产品的评价信息以及所述产品集中当前用户未评价过的产品，得到当前用户对所述产品集中各个产品的产品评分；基于各个用户各自对应的产品评分，生成产品评分矩阵；
29、同现矩阵生成模块，用于针对每种产品，对评价过当前产品的用户进行统计，得到当前产品的评价用户集合；对所述产品集包含的产品进行组合，得到多个产品对，基于多个产品对和各产品各自对应的评价用户集合，生成同现矩阵；
30、产品推荐模块，用于基于所述评分矩阵和所述同现矩阵，确定每种产品对于每个用户的推荐权重；基于每种产品对于每个用户的推荐权重，从所述多个产品中确定与所述用户对应的目标产品，向所述用户推荐所述目标产品。
31、第三方面，本申请还提供了一种计算机设备，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上述各方法实施例中的步骤。
32、第四方面，本申请还提供了一种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上述各方法实施例中的步骤。
33、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
34、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，本申请可以从分布式文件存储空间中获取多个用户中每个用户对产品集中评价过的产品的评价信息，从而针对每个用户，基于当前用户对产品集中评价过的产品的评价信息以及产品集中当前用户未评价过的产品，得到当前用户对产品集中各个产品的产品评分；基于各个用户各自对应的产品评分，生成产品评分矩阵，以此方式得到产品评分矩阵，同时，针对每种产品，对评价过当前产品的用户进行统计，得到当前产品的评价用户集合；对产品集包含的产品进行组合，得到多个产品对，基于多个产品对和各产品各自对应的评价用户集合，生成同现矩阵，基于评分矩阵和同现矩阵，确定每种产品对于每个用户的推荐权重，本申请方案适用于大数据级数据的复杂处理，针对大数据级的数据，可以准确确定得到每种产品对于每个用户本文档来自技高网...
【技术保护点】
1.一种产品推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于当前用户对产品集中评价过的产品的评价信息以及所述产品集中当前用户未评价过的产品，得到当前用户对所述产品集中各个产品的产品评分，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于多个产品对和各产品各自对应的评价用户集合，生成同现矩阵，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于多个产品对和各产品各自对应的评价用户集合，生成同现矩阵，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于所述数量，确定所述当前产品对的同现值，包括：
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述基于所述评分矩阵和所述同现矩阵，确定每种产品对于每个用户的推荐权重，包括：
7.一种产品推荐装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【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：
2.根据权利要求1所述的方法，其特征在于，所述基于当前用户对产品集中评价过的产品的评价信息以及所述产品集中当前用户未评价过的产品，得到当前用户对所述产品集中各个产品的产品评分，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于多个产品对和各产品各自对应的评价用户集合，生成同现矩阵，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于多个产品对和各产品各自对应的评价用户集合，生成同现矩阵，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于所述数量，确定所述当前产品对的同现值，包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：杨泽立，
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：
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。