[发明专利]一种产品推荐方法和系统

说明书

本发明公开一种产品推荐方法和系统，通过获取用户的在特定类别产品上的第一行为数据；通过预设知识库中的每条判断规则对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，确定用户的用户类型；若第一行为数据所属用户的用户类型为选择产品花费的时长的第一用户类型，获取第一行为数据所属用户的购入产品清单；将购入产品清单、第一行为数据和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，通过第一神经网络模型从特定类别产品中确定与第一行为数据最匹配的产品，实现为选择产品花费的时长的的用户推荐最适合的产品，减少向用户展示的产品数量和用户选择产品的时长，提高选择效率。

技术领域

本发明涉及数据处理技术领域，具体涉及一种产品推荐方法和系统。

背景技术

互联网时代的到来，使得人们的生活习惯和购物习惯发生了变化，越来越多的消费者开始通过网络进行线上消费。产品提供方将产品通过网络发布，为用户提供的产品不断增多的同时，也加大了用户在海量产品中快速而准确的找到符合其需求的产品的难度。为了对不同用户进行有针对性的产品推荐，可基于大数据进行个性化产品推荐，个性化产品推荐主要是根据用户的兴趣喜好为用户进行相关产品的推荐。

但是上述产品推荐方法存在以下问题：产品推荐方法向用户推荐多个产品数据，对于一部分具有选择困难症的用户，会因产品数据过载增大选择时长，降低选择效率。

发明内容

有鉴于此，本发明实施例提供一种产品推荐方法和系统，以实现对具有选择困难的用户进行针对性的产品推荐的目的。

为实现上述目的，本发明实施例的一个方面提供一种产品推荐方法包括：

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。

本发明实施例的另一个方面提供一种产品推荐系统，包括：第一获取单元、判断单元、第二获取单元和第一确定单元；

所述第一获取单元，用于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；

所述判断单元，用于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；

所述第二获取单元，用于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；

所述第一确定单元，用于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。