[发明专利]基于Double DQN算法的产品推荐方法及装置

说明书

本发明公开了基于Double DQN算法的产品推荐方法及系统，包括：获取目标用户的基本信息；将目标用户的基本信息，输入到训练后的Double DQN算法中，Double DQN算法输出每个产品的预测满意度；按照预测满意度由大到小的顺序对产品进行排序，将排序后的产品推荐给目标用户。不仅分析了用户个人的信息，如个人风险偏好、收入情况等，而且充分分析了产品本身的信息，比如产品的历史购买数据、产品的购买满意度等信息，从而向该用户推荐最合适的产品。

技术领域

本发明涉及产品推荐技术领域，特别是涉及基于Double DQN算法的产品推荐方法及装置。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

近年来，随着互联网技术的快速发展，产品推荐系统迅速的发展，目前已经广泛应用于电子商务服务、理财产品推荐服务等各种服务之中。

目前的产品的推荐方法一般是基于用户信息的推荐方法，这些方法分析用户的风险偏好等数据来获得用户和产品的相似度，从而根据相似度进行相应的产品推荐。然而现存的产品推荐方法并没有充分分析用户购买过的产品本身的信息，比如产品的历史购买数据及产品的价格变化情况等，没有实现产品的精准推荐，导致产品没有被精准推荐给需要的客户。

因此在现有技术中，产品的推荐方式及装置未能进行良好的设计，无法满足用户的需求，无法提供用户满意的体验。

发明内容

为了解决现有技术的不足，本发明提供了基于Double DQN算法的产品推荐方法及装置。

第一方面，本发明提供了基于Double DQN算法的产品推荐方法；

基于Double DQN算法的产品推荐方法，包括：

获取目标用户的基本信息；

对目标用户的基本信息进行处理，提取其特征；

将代表目标用户基本信息的特征，输入到训练后的深度强化学习模型中，得到每个产品的预测满意度；

按照预测满意度由大到小的顺序对产品进行排序，将排序后的产品推荐给目标用户；

其中，深度强化学习模型，是指Double DQN算法。

第二方面，本发明提供了基于Double DQN算法的产品推荐装置；

基于Double DQN算法的产品推荐装置，包括：

获取模块，其被配置为：获取目标用户的基本信息；

特征提取模块，其被配置为：对目标用户的基本信息进行处理，提取其特征；

预测模块，其被配置为：将代表目标用户基本信息的特征，输入到训练后的深度强化学习模型中，得到每个产品的预测满意度；

推荐模块，其被配置为：按照预测满意度由大到小的顺序对产品进行排序，将排序后的产品推荐给目标用户；

其中，深度强化学习模型，是指Double DQN算法。

第三方面，本发明还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。

第四方面，本发明还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。