[发明专利]基于用户画像的商品推荐、装置、计算机设备和存储介质

说明书

本发明公开了一种基于用户画像的商品推荐方法、装置、计算机设备和存储介质。所述方法包括：基于用户属性构建用户画像模型；根据用户画像模型和待推荐商品属性生成对应的用户画像；根据用户画像从多个待推荐商品中确定目标商品，并将目标商品推荐至用户画像中与目标商品相关的终端用户。由于将埋点数据和用户数据结合起来，进行属性提取，这样，得到的用户属性更加精准，更加符合用户的实际情况；并在该用户属性的基础上构建用户画像模型，这样，基于该用户画像模型生成的用户画像更加符合用户的实际情况，最终使得基于该用户画像从众多待推荐商品中确定的推荐商品更加精准，更加符合用户的偏好度，大大地提高了用户体验度。

技术领域

本发明涉及人工智能技术领域，特别涉及基于用户画像的商品推荐方法、装置、计算机设备和存储介质。

背景技术

随着人工智能技术的发展，用户画像技术得以广泛使用。通过用户画像，能够用户背景、用户特征、用户性格标签、用户所处的行为场景等。通过用户画像，能够从海量用户行为数据中全面且细致地抽取出用户信息的全貌。通过用户画像能够对同一类用户进行不同维度的刻画。

现有的用户画像方法，确定的用户画像不够精准，该用户画像并不符合用户的实际需求，因此，基于该用户画像生成的推荐商品也并不符合用户的实际需求，导致推荐商品的推荐精准度低、且用户体验度差。

发明内容

基于此，有必要针对现有基于用户画像的商品推荐方法存在的推荐精准度低的问题，提供一种基于用户画像的商品推荐、装置、计算机设备和存储介质。

第一方面，本申请实施例提供了一种基于用户画像的商品推荐方法，所述方法包括：

基于埋点数据和用户数据进行属性提取，得到用户属性；

基于所述用户属性构建用户画像模型；

根据所述用户画像模型和待推荐商品属性生成对应的用户画像；

根据所述用户画像从多个待推荐商品中确定目标商品，并将所述目标商品推荐至所述用户画像中与所述目标商品相关的终端用户。

在一种实施方式中，所述用户属性包括与用户偏好度相关联的第一类用户属性、与用户地域属性相关联的第二类用户属性和与用户设备属性相关联的第三类属性，所述基于用户数据进行属性提取，得到用户属性包括：

从所述用户数据进行用户偏好度的提取，得到所述第一类用户属性；

从所述用户数据进行用户地域属性的提取，得到所述第二类用户属性；

从所述用户数据进行用户设备属性的提取，得到所述第三类用户属性。

在一种实施方式中，所述基于所述用户属性构建用户画像模型包括：

将属于同一类用户属性的用户数据分别归类至同一用户数据子集中；

分别设置不同用户数据子集中对应的训练集和测试集的预设配比比例；

分别基于不同的预设配比比例，对对应的用户数据子集中的训练集进行训练，并测试对应的测试集的损失函数，直至对应的测试集的损失函数趋近于恒定值为止，停止迭代训练，依次输出训练好的用户画像子模型；

将各种类型的用户属性与对应的用户画像子模型之间建立映射关系，并通过编号标识对对应的映射关系进行标识；

由多个用户画像子模型组成用户画像模型。

在一种实施方式中，所述埋点数据包括页面埋点数据和页面控件埋点数据，在所述基于埋点数据和用户数据进行属性提取之前，所述方法还包括：

响应于用户访问所述页面的多次第一触发操作，分别统计所述页面的总触发次数、同一用户访问所述页面的触发次数和在第一访问时间段内的第一访问频率的变化趋势以对用户访问的页面进行埋点处理；