[发明专利]基于用户画像的产品推荐方法、装置、设备及存储介质

说明书

本发明涉及人工智能技术，揭露了一种基于用户画像的产品推荐方法，包括：获取训练用户的用户信息，根据用户信息确定多个不同维度的训练用户标签；根据多个训练用户标签，构建训练用户的用户画像；获取训练用户对应的产品信息，根据产品信息和用户画像构建训练样本，并对训练样本进行机器学习，得到用户推荐产品的预测模型；获取待推荐用户的用户画像以及预设推荐产品集合，将待推荐用户的用户画像及推荐产品集合输入预测模型中，得到用户画像的推荐产品预测结果；根据产品预测结果对用户画像对应的待推荐用户进行产品推荐。本发明还提出一种基于用户画像的产品推荐装置、设备以及存储介质。本发明可以提高对用户进行产品推荐时的精确度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于用户画像的产品推荐方法、装置、设备及存储介质。

背景技术

随着大数据技术的发展以及人们需求的多样化，各行各业都开始对企业自身及客户数据进行分析，提高产品的推广程度，从海量用户中筛选出与产品相符合的用户，以进行产品推荐，进而达到提高用户满意度及调整产业结构的作用，其中，用户画像的分析方法逐渐在产品推荐等领域中发挥越来越重要的作用。

目前，用户画像的分析方法主要是对目标用户的历史信息及基础信息进行分析，再将分析结果与企业产品的特色进行匹配，达到产品推送的目的。现有的产品推荐技术多为基于单一的特征实现用户与产品的匹配，进而对用户进行产品推荐。例如，基于年龄属性向不同年龄段的用户推荐适用的产品。实际应用中，不同的用户存在着多种可以影响需求的因素，仅考虑单一属性，可能导致对产品推荐方式过于单一，从而对用户进行产品推荐的精确度较低。

发明内容

本发明提供一种基于用户画像的产品推荐方法、装置、设备及存储介质，其主要目的在于解决对用户进行产品推荐的精确度较低。

为实现上述目的，本发明提供的一种基于用户画像的产品推荐方法，包括：

获取训练用户的用户信息，根据所述用户信息确定多个不同维度的训练用户标签；

根据多个所述训练用户标签，构建所述训练用户的用户画像；

获取所述训练用户对应的产品信息，根据所述产品信息和所述用户画像构建训练样本，并对所述训练样本进行机器学习，得到用户推荐产品的预测模型；

获取待推荐用户的用户画像以及预设推荐产品集合，将所述待推荐用户的用户画像及所述推荐产品集合输入所述预测模型中，得到所述用户画像的推荐产品预测结果；

根据所述产品预测结果对所述用户画像对应的待推荐用户进行产品推荐。

可选地，所述根据多个所述训练用户标签，构建所述训练用户的用户画像，包括：

获取多个所述训练用户标签对应的标签字符，通过对所述标签字符进行分析，得到多个所述训练用户标签之间的关联关系；

根据所述关联关系，将多个所述训练用户标签按照树形结构进行连接，得到以所述树形结构表示的训练用户的用户画像。

可选地，所述对所述训练样本进行机器学习，得到用户推荐产品的预测模型，包括：

获取预构建的初始化预测模型，并依次将一个训练样本导入所述初始化预测模型中；

利用所述初始化预测模型中的初始激活函数，对所述训练样本进行正向传播计算，得到计算结果；

根据交叉熵算法计算所述计算结果与所述训练样本对应的值之间的损失值；

根据梯度下降方法，最小化所述损失值，得到损失值最小时的函数参数；

将所述函数参数进行反向传播，更新所述初始化预测模型的模型参数，得到更新预测模型；

记录所述损失值，并判断所述损失值是否收敛；