[发明专利]一种产品推荐方法和系统

权利要求书

1.一种产品推荐方法，其特征在于，包括：

获取用户在特定类别产品上的第一行为数据；所述第一行为数据指示所述用户对所述特定类别产品中至少一种产品的查看情况；

通过预设知识库中的每条判断规则对所述第一行为数据指示的用户类型进行判断，得到每条判断规则的判断结果，并根据每条判断规则的判断结果，确定所述用户的用户类型，所述用户类型包括第一用户类型和第二用户类型，属于所述第一用户类型的用户选择产品花费的时长大于属于所述第二用户类型的用户选择产品花费的时长；

若所述第一行为数据所属用户的用户类型为第一用户类型，获取所述第一行为数据所属用户的购入产品清单；

将所述购入产品清单、所述第一行为数据和所述特定类别产品的展示顺序输入预先训练好的第一神经网络模型，通过所述第一神经网络模型从所述特定类别产品中确定与所述第一行为数据最匹配的产品。

2.根据权利要求1所述的产品推荐方法，其特征在于，还包括；

在所述特定类别产品中，将所述与第一行为数据最匹配的产品突出显示。

3.根据权利要求1所述的产品推荐方法，其特征在于，还包括：

若所述第一行为数据所属用户的用户类型为第二用户类型，获取所述第一行为数据所属用户的用户信息，将所述用户信息和表征所述特定类别产品的清单数据输入预先训练好的第二神经网络模型，通过所述第二神经网络模型从所述特定类别产品中确定与所述用户信息匹配的多个产品。

4.根据权利要求1所述的产品推荐方法，其特征在于，所述获取用户在特定类别产品上的第一行为数据，包括：

响应于所述用户关闭产品展示页面的操作；

获取被关闭的产品展示页面所展示的产品类别作为特定类别；

获取用户在所述特定类别产品上的点击产品次数、查看产品数量、查看产品时长和购买产品情况作为所述用户在所述特定类别产品上的第一行为数据；

或者，

获取用户的行为数据中查看产品时长；

将所述查看产品时长大于预设时长的产品类别作为所述特定类别；

获取用户在所述特定类别产品上的点击产品次数、查看产品数量、查看产品时长和购买产品情况作为所述用户在所述特定类别产品上的第一行为数据。

5.根据权利要求1所述的产品推荐方法，其特征在于，所述预设知识库中的判断规则的生成过程包括：

设置所述预设知识库中的每条初始判断规则，任一所述初始判断规则用于判断用户类型为第一用户类型还是第二用户类型，以及用于指示用户类型和第一行为数据的对应关系；

将所述每条初始判断规则和对应权重输入到用于判断用户类型的机器学习算法中，得到所述机器学习算法输出每条初始判断规则对应的用户类型；

根据所述机器学习算法输出每条初始判断规则对应的用户类型，对所述预设知识库中的初始判断规则和对应权重进行调整，得到所述预设知识库的判断规则。

6.根据权利要求5所述的产品推荐方法，其特征在于，所述根据所述机器学习算法输出每条初始判断规则对应的用户类型和权重，对所述预设知识库中的初始判断规则进行调整，得到所述预设知识库的判断规则包括：

若所述机器学习算法指示所述初始判断规则不能识别用户类型，将该条初始判断规则从所述预设知识库中删除；

若所述机器学习算法指示所述初始判断规则识别出的用户类型从第一用户类型变为第二用户类型或从第二用户类型变为第一用户类型，将该条初始判断规则对应的判断结果修改为所述机器学习算法输出的结果；

若所述机器学习算法指示所述初始判断规则识别出的权重发生变化，将该条初始判断规则对应的权重修改为机器学习算法输出的权重。