[发明专利]个性化推荐方法、装置、服务器和介质

权利要求书

1.一种个性化推荐方法，其特征在于，包括：

依据用户画像，利用预先训练的需求意图模型从原始用户群中预测出针对推荐对象具有需求的需求用户群；

利用预先训练的意图识别模型和所述需求用户群中每个用户的用户画像，预测每个用户的行为意图；

将每个用户的行为意图与所述推荐对象的属性特征进行匹配，根据匹配结果为每个用户进行个性化推荐；

所述意图识别模型为多分类模型，预测得到的每个用户的行为意图包括按照预测分值大小排列的至少一种意图，其中，预测分值越高表示意图越强烈；

相应的，所述将每个用户的行为意图与所述推荐对象的属性特征进行匹配，根据匹配结果为每个用户进行个性化推荐，包括：

依据每个用户的行为意图中每种行为意图对应的预测分值提取行为特征，并根据所述行为特征将每个用户的行为意图表示为行为意图向量；

获取所述推荐对象的属性特征，并根据其中的至少一种属性特征的特征向量，将所述推荐对象的属性特征表示为属性特征向量；

计算所述行为意图向量与所述属性特征向量的相似度，根据相似度分值进行个性化推荐。

2.根据权利要求1所述的方法，其特征在于，所述用户画像至少包括用户的自然属性、社会属性、兴趣偏好、地址位置信息和行为属性。

3.根据权利要求1所述的方法，其特征在于，所述推荐对象为信用卡，所述推荐对象的属性特征包括不同信用卡的多种权益特征；

相应的，所述根据相似度分值进行个性化推荐，包括：

获取每个用户的信用分模型；

从满足预设条件的相似度分值对应的用户中，根据所述信用分模型确定所述推荐对象的目标用户，并将所述推荐对象推荐给该目标用户。

4.根据权利要求1所述的方法，其特征在于，所述需求意图模型的训练过程包括：

从历史数据中获取对所述推荐对象有需求的用户的用户画像；

利用所述用户画像训练得到二分类器，作为所述需求意图模型。

5.根据权利要求1所述的方法，其特征在于，所述意图识别模型的训练过程包括：

从历史数据中获取不同用户的至少一种意图标签；

利用每个用户的用户画像及其对应的至少一种意图标签训练得到多分类器，作为所述意图识别模型。

6.一种个性化推荐装置，其特征在于，包括：

需求用户群预测模块，用于依据用户画像，利用预先训练的需求意图模型从原始用户群中预测出针对推荐对象具有需求的需求用户群；

行为意图预测模块，用于利用预先训练的意图识别模型和所述需求用户群中每个用户的用户画像，预测每个用户的行为意图；

推荐模块，用于将每个用户的行为意图与所述推荐对象的属性特征进行匹配，根据匹配结果为每个用户进行个性化推荐；

意图识别模型为多分类模型，预测得到的每个用户的行为意图包括按照预测分值大小排列的至少一种意图，其中，预测分值越高表示意图越强烈；

相应的，推荐模块包括：

行为意图向量表示单元，用于依据每个用户的行为意图中每种行为意图对应的预测分值提取行为特征，并根据行为特征将每个用户的行为意图表示为行为意图向量；

属性特征向量表示单元，用于获取推荐对象的属性特征，并根据其中的至少一种属性特征的特征向量，将推荐对象的属性特征表示为属性特征向量；

推荐单元，用于计算行为意图向量与属性特征向量的相似度，根据相似度分值进行个性化推荐。

7.根据权利要求6所述的装置，其特征在于，所述用户画像至少包括用户的自然属性、社会属性、兴趣偏好、地址位置信息和行为属性。

8.根据权利要求6所述的装置，其特征在于，所述推荐对象为信用卡，所述推荐对象的属性特征包括不同信用卡的多种权益特征；

相应的，所述推荐单元具体用于：

获取每个用户的信用分模型；

从满足预设条件的相似度分值对应的用户中，根据所述信用分模型确定所述推荐对象的目标用户，并将所述推荐对象推荐给该目标用户。