[发明专利]一种产品推荐方法和装置

说明书

本说明书实施例提供一种产品推荐方法和装置，其中，所述方法用于确定是否将待推荐产品推荐给目标用户，该方法包括：获取目标用户关联的多领域信息，该信息包括：目标用户在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；根据多领域信息构建目标用户的用户特征矩阵；对于一个待推荐产品，获取购买待推荐产品的多个用户的用户特征矩阵，并基于矩阵中的特征值，得到待推荐产品的产品特征矩阵；分别将用户特征矩阵和产品特征矩阵输入机器学习模型，得到用户偏好向量和产品偏好向量；根据用户偏好向量和产品偏好向量得到待推荐产品和目标用户之间的选择评估值；在选择评估值大于预定的推荐阈值时，则确定将待推荐产品推荐给目标用户。

技术领域

本公开涉及数据处理技术领域，特别涉及一种产品推荐方法和装置。

背景技术

在产品推荐领域，冷启动和数据稀疏是常见的问题。冷启动即在缺少大量用户数据支撑的情况下进行产品推荐；数据稀疏即与用户产生交互关系的项目仅为总体项目的冰山一角，导致了用户项目评分矩阵的数据极端稀疏。例如，在金融理财产品的推荐上，由于金融理财行业本身所具有的交易数额大、频次低等属性，用户的行为信息稀少，并没有大量的用户数据用以做产品推荐，产生冷启动问题；并且，用户的金融理财产品的购买行为仅占理财产品平台的总注册用户的一小部分，数据稀疏问题也十分突出。

迄今为止，应用最为广泛的个性化推荐方法是基于单领域的协同过滤，即给目标用户推荐与他兴趣偏好最为相似的用户喜欢的产品，或与他曾经喜欢过的产品最为相似的产品。但是，如何在冷启动和数据稀疏的情况下，给用户一个较为满意的推荐结果，是一个亟待解决的问题。

发明内容

有鉴于此，本说明书一个或多个实施例提供一种产品推荐方法和装置，以提高数据缺少的情况下的产品推荐质量。

具体地，本说明书一个或多个实施例是通过如下技术方案实现的：

第一方面，提供一种产品推荐方法，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。

第二方面，提供一种产品推荐装置，所述装置用于确定是否将待推荐产品推荐给目标用户，所述装置包括：

信息获取模块，用于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；

用户矩阵构建模块，用于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；

产品矩阵构建模块，用于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；