[发明专利]一种产品推荐方法和装置

权利要求书

1.一种产品推荐方法，所述方法用于确定是否将待推荐产品推荐给目标用户，所述方法包括：

获取所述目标用户关联的多领域信息，所述多领域信息包括：所述目标用户在所述待推荐产品的产品领域的购买数据和其他产品领域的购买数据；

根据所述多领域信息，构建所述目标用户的用户特征矩阵，所述用户特征矩阵包括：根据所述多领域信息量化的多个特征值；

对于一个所述待推荐产品，获取购买所述待推荐产品的多个用户的所述用户特征矩阵，并基于所述多个用户的用户特征矩阵中的所述特征值，得到所述待推荐产品对应的产品特征矩阵；

分别将所述用户特征矩阵和产品特征矩阵输入预先训练的机器学习模型，得到用户偏好向量和产品偏好向量，所述用户偏好向量用于表示目标用户在产品购买上的偏好，所述产品偏好向量用于表示购买所述待推荐产品的用户特点；

根据所述用户偏好向量和产品偏好向量，得到所述待推荐产品和所述目标用户之间的选择评估值，所述选择评估值用于表示所述目标用户购买所述待推荐产品的概率；

在所述选择评估值大于预定的推荐阈值时，则确定将所述待推荐产品推荐给所述目标用户。

2.根据权利要求1所述的方法，所述多领域信息，还包括如下至少一项：

所述目标用户的关联用户在待推荐产品的产品领域的购买数据；

所述目标用户的用户属性信息。

3.根据权利要求1所述的方法，所述构建目标用户的用户特征矩阵，包括：

若对于一个产品品类的购买数据，在所述产品品类下购买的产品数量达到粗粒度处理条件，则将所述产品品类下的多个产品进行粗粒度处理。

4.根据权利要求1所述的方法，所述基于所述多个用户的用户特征矩阵中的特征值，得到所述待推荐产品对应的产品特征矩阵，包括：

对所述多个用户的用户特征矩阵中对应同一特征值位置的特征值，进行加权平均，得到所述产品特征矩阵中对应所述特征值位置的特征值。

5.根据权利要求1所述的方法，在所述分别将所述用户特征矩阵和产品特征矩阵输入预先训练的机器学习模型之前，所述方法还包括：

对所述机器学习模型进行训练，训练过程包括如下处理：

根据产品购买的实际采集数据，构建模型训练的目标矩阵，所述实际采集数据包括用户对产品的购买数据，所述目标矩阵包括：根据所述购买数据确定的用户对产品的购买选择值，所述购买选择值用于表示用户是否购买产品；

对所述目标矩阵中的各个用户，分别构建每个用户的所述用户特征矩阵；

对所述目标矩阵中的各个产品，分别构建各个产品的所述产品特征矩阵；

将所述构建的用户特征矩阵和产品特征矩阵输入待训练的机器学习模型，并根据模型输出的用户偏好向量和产品偏好向量，得到模型输出矩阵，所述模型输出矩阵包括经过所述机器学习模型输出的各个购买选择值；

在所述模型输出矩阵和目标矩阵的偏差达到预定阈值时，模型训练结束。

6.根据权利要求1所述的方法，所述分别将所述用户特征矩阵和产品特征矩阵输入预先训练的机器学习模型之前，所述方法还包括：

分别对所述用户特征矩阵和产品特征矩阵进行属性交互操作；

将交互后的用户特征矩阵和产品特征矩阵，输入所述机器学习模型。