【技术实现步骤摘要】
本专利技术涉及数据处理领域，具体而言，涉及一种产品推荐处理方法及装置。
技术介绍
1、目前，在智能推荐领域，应用最早也最有影响力得就要属基于协同过滤的推荐算法了。协同过滤，顾名思义就是利用“物以类聚，人以群分”的思想，充分利用集体智慧，根据客户历史行为数据找到客户间或者推荐物品间的相似性，从而给出新的推荐关系。基于这个思路，业界逐渐又发展出矩阵分解，因子分解机等众多成功的推荐算法。一直到深度学习时代，基于深度学习的推荐算法，已经成为当下推荐系统最为重要的算法应用之一。
2、主流基于协同过滤思想的推荐算法都非常依赖用户及其行为数据。而理财产品作为一种特殊的商品，无论是在产品本身还是在销售环节上都不同于其他普通消费品。在实际应用过程中，理财产品的推荐主要面临以下两个问题：1.客户行为数据稀疏；2.产品同质化(相较于电商/新闻/视频)严重。基于此，理财产品的银行推荐系统可利用数据较为匮乏，很难利用传统协同过滤思想输出相对精确的个性化推荐结果。这种缺乏基础行为数据的情况在推荐系统中称作冷启动问题，目前业界比较直接而且也常用的应对方法是采用基于统计学的推荐，如利用产品内容信息、热度排行或编辑推荐直接给出推荐列表。
3、理财产品的推荐，一般是根据其产品类型，如现金类、固收类或者权益类理财，分类在手机银行理财界面进行展示。其核心是，就每个类别内推荐度最高的理财产品按顺序进行展示，由于界面限制，一般在推荐首页只展示前2-3个产品，所以理财产品的推荐排序就显得尤为重要。但是现行单纯的热度或者基于收益率的排序，前者无法体现出
4、针对相关技术中利用指标权重综合打分法进行产品推荐，很难仅仅利用权重系数衡量众多指标之间的重要关系确定综合评价问题，尚未提出解决方案。
技术实现思路
1、本专利技术实施例提供了一种产品推荐处理方法及装置，以至少解决相关技术中利用指标权重综合打分法进行产品推荐，很难仅仅利用权重系数衡量众多指标之间的重要关系确定综合评价问题。
2、根据本专利技术的一个实施例，提供了一种产品推荐处理方法，所述方法包括：
3、获取多个产品的投入指标；
4、将所述多个产品的投入指标输入预先训练好的目标产品推荐模型中，得到所述目标产品推荐模型输出的所述多个产品的效率值；
5、根据所述多个产品的效率值对所述多个产品进行排序，得到第一排序结果，并结合所述多个产品的销售量对所述第一排序结果进行二次排序，得到第二排序结果；
6、根据所述第二排序结果确定目标推荐产品。
7、可选的，在获取所述多个产品的投入指标之后，所述方法还包括：
8、对所述多个产品的投入指标进行标准化处理。
9、可选的，根据所述多个产品的效率值对所述多个产品进行排序，得到第一排序结果，并结合所述多个产品的销售量对所述第一排序结果进行二次排序，得到第二排序结果包括：
10、基于所述多个产品的效率值按照由大到小进行排序，得到所述第一排序结果；
11、在所述第一排序结果中将销售量与产品发售日期作为排序依据进行二次排序，得到所述第二排序结果；
12、将所述第二排序结果添加到待推荐列表中。
13、可选的，根据所述第二排序结果确定目标推荐产品包括：
14、从所述待推荐列表中选取排序靠前的预设数量的产品确定为所述目标推荐产品。
15、可选的，所述方法还包括：
16、采集预定数量产品的指标数据，其中，所述指标数据包括投入指标与产生指标；
17、根据所述预定数量产品的指标数据对线性规划的对偶模型进行训练，得到训练好的所述目标产品推荐模型，其中，所述预定数量产品的投入指标为所述线性规划的对偶模型的输入，所述目标产品推荐模型输出的所述预定数量产品的投入指标对应的产出指标与所述预定数量产品的投入指标实际对应的产出指标满足预设损失函数。
18、可选的，在根据所述预定数量产品的指标数据对线性规划的对偶模型进行训练之前，所述方法还包括：
19、对所述多个产品的投入指标与产出指标进行标准化处理。
20、根据本专利技术的另一个实施例，还提供了一种产品推荐处理装置，所述装置包括：
21、获取模块，用于获取多个产品的投入指标；
22、输入模块，用于将所述多个产品的投入指标输入预先训练好的目标产品推荐模型中，得到所述目标产品推荐模型输出的所述多个产品的效率值；
23、排序模块，用于根据所述多个产品的效率值对所述多个产品进行排序，得到第一排序结果，并结合所述多个产品的销售量对所述第一排序结果进行二次排序，得到第二排序结果；
24、确定模块，用于根据所述第二排序结果确定目标推荐产品。
25、可选的，所述装置还包括：
26、第一标准化模块，用于对所述多个产品的投入指标进行标准化处理。
27、可选的，所述排序模块包括：
28、第一排序单元，用于基于所述多个产品的效率值按照由大到小进行排序，得到所述第一排序结果；
29、第二排序单元，用于在所述第一排序结果中将销售量与产品发售日期作为排序依据进行二次排序，得到所述第二排序结果；
30、添加单元，用于将所述第二排序结果添加到待推荐列表中。
31、可选的，所述确定模块，还用于从所述待推荐列表中选取排序靠前的预设数量的产品确定为所述目标推荐产品。
32、可选的，所述装置还包括：
33、采集模块，用于采集预定数量产品的指标数据，其中，所述指标数据包括投入指标与产生指标；
34、训练模块，用于根据所述预定数量产品的指标数据对线性规划的对偶模型进行训练，得到训练好的所述目标产品推荐模型，其中，所述预定数量产品的投入指标为所述线性规划的对偶模型的输入，所述目标产品推荐模型输出的所述预定数量产品的投入指标对应的产出指标与所述预定数量产品的投入指标实际对应的产出指标满足预设损失函数。
35、可选的，所述装置还包括：
36、第二标准化模块，用于对所述多个产品的投入指标与产出指标进行标准化处理。
37、根据本专利技术的又一个实施例，还提供了一种计算机可读的存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
38、根据本专利技术的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
39、通过本专利技术，获取多个产品的投入指标；将所述多个产品的投入指标输入预先训练好的目标产品推荐模型中，本文档来自技高网...
【技术保护点】
1.一种产品推荐处理方法，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，在获取所述多个产品的投入指标之后，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，根据所述多个产品的效率值对所述多个产品进行排序，得到第一排序结果，并结合所述多个产品的销售量对所述第一排序结果进行二次排序，得到第二排序结果包括：
4.根据权利要求3所述的方法，其特征在于，根据所述第二排序结果确定目标推荐产品包括：
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，在根据所述预定数量产品的指标数据对线性规划的对偶模型进行训练之前，所述方法还包括：
7.一种产品推荐处理装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述排序模块包括：
9.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的方法。
<...【技术特征摘要】
1.一种产品推荐处理方法，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，在获取所述多个产品的投入指标之后，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，根据所述多个产品的效率值对所述多个产品进行排序，得到第一排序结果，并结合所述多个产品的销售量对所述第一排序结果进行二次排序，得到第二排序结果包括：
4.根据权利要求3所述的方法，其特征在于，根据所述第二排序结果确定目标推荐产品包括：
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员：赵苗，江渺，朱良姝，犹锋，贾默，
申请(专利权)人：中国光大银行股份有限公司，
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。