[發明專利]電子裝置、基于用戶上網數據的產品推薦方法及存儲介質

在審

• 申請號: 201710916189.2
• 申請日: 2017-09-30
• 公開（公告）號: CN107818491A
• 公開（公告）日: 2018-03-20
• 發明（設計）人: 劉睿愷;吳振宇;王建明;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F17/30
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙)44347
• 代理人: 高杰,于志光

技術領域

本發明涉及互聯網產品推薦領域，尤其涉及一種電子裝置、基于用戶上網數據的產品推薦方法及存儲介質。

背景技術

在近年來，隨著互聯網的發展，更好地理解和分析互聯網用戶的上網行為對于互聯網行業的相關應用變得至關重要，例如，個性化產品的推薦、用戶的安全性、用戶行為的定向等變得至關重要。

目前，已有的針對互聯網用戶的上網行為的研究沒有快速高效的方法，這主要受限于互聯網用戶真實行為數據的冗余且價值密度低，要從海量冗余的且價值密度低的數據中分析得出互聯網用戶的興趣愛好，并根據興趣愛好有針對性地推薦相關的產品至相關用戶的過程需要做大量繁瑣的工作，必要的時候還需要人工進行歸納篩選。因此，現有的方法工作量大、效率低，且準確性較低。

發明內容

有鑒于此，本發明提出一種電子裝置及基于用戶上網數據的產品推薦方法，能夠根據用戶的上網數據自動完成用戶偏好的產品推薦，提高推薦效率及準確性。

首先，為實現上述目的，本發明提出一種基于用戶上網數據的產品推薦方法，所述方法包括如下步驟：

A、若需要給帶有標識信息的用戶推薦產品，則從預先確定的數據庫中獲取該用戶在第一預設時間內的第一上網數據、及其他各個用戶在所述第一預設時間內的第二上網數據；

B、利用預先確定的業務關鍵詞表生成規則對所獲取的第一上網數據及第二上網數據進行分析，生成該用戶對應的第一業務關鍵詞表，并對所獲取的第二上網數據進行分析生成其他各個用戶對應的第二業務關鍵詞表，其中，所述業務關鍵詞包括描述用戶上網行為的動詞及描述產品的名詞，所述業務關鍵詞表包括同一用戶在所述第一預設時間內的所有業務關鍵詞；

C、根據預先確定的相似性分析規則對所述第一業務關鍵詞表及所述第二業務關鍵詞表進行分析，以分析出該用戶對應的相似用戶；

D、根據預先確定的用戶偏好產品推薦模型分析所述第一業務關鍵詞表、及所述相似用戶對應的第二業務關鍵詞表，以確定出該用戶偏好的產品，向預先確定的終端發送針對該用戶的產品推薦指令。

優選地，所述預先確定的業務關鍵詞表生成規則包括：

構造由第二預設時間內預設數量用戶的上網數據中的業務關鍵詞組成的集合；

基于所述第一上網數據遍歷所述集合，從所述第一上述數據中獲取與所述集合中的業務關鍵詞相匹配的第一詞語，并基于各個所述第一詞語生成對應的第一業務關鍵詞表；

基于所述第二上網數據遍歷所述集合，從所述第二上網數據中獲取與所述集合中的業務關鍵詞相匹配的各個第二業務關鍵詞，并基于各個所述第二業務關鍵詞生成第二業務關鍵詞表。

優選地，所述預先確定的相似性分析規則包括余弦夾角相似法、歐幾里德距離度量法、或皮爾遜相關系數法。

優選地，所述用戶偏好產品推薦模型為協同過濾推薦模型，所述用戶偏好產品推薦模型的訓練過程包括如下步驟：

E、獲取預設數量的相似用戶的第三業務關鍵詞表樣本，將各個相似用戶的第三業務關鍵詞表樣本分為對應的第一比例的訓練集和第二比例的測試集；

F、利用所述訓練集中的各個相似用戶的第三業務關鍵詞表訓練所述用戶偏好產品推薦模型，以得到訓練好的用戶偏好產品推薦模型；

G、利用所述測試集中各個相似用戶的第三業務關鍵詞表對所述用戶偏好產品推薦模型進行測試，若測試通過，則訓練結束，或者，若測試不通過，則增加所述訓練集中的相似用戶的第三業務關鍵詞表樣本并重新執行所述步驟E和所述步驟F。

優選地，所述利用所述測試集中各個相似用戶的第三業務關鍵詞表對所述用戶偏好產品推薦模型進行測試的步驟包括：

利用訓練好的所述用戶產品推薦模型對所述測試集中的各個相似用戶的第三業務關鍵詞表進行分析，以得出各個相似用戶對不同產品的偏好概率值；

若有相似用戶對預設類型產品的偏好概率值大于預設的偏好概率閾值，則針對該相似用戶進行模型準確性測試，從該相似用戶的上網數據中確認該用戶關注該預設類型產品的頻率值，若該相似用戶關注該預設類型產品的頻率值超過預設的頻率閾值，則確定針對該相似用戶的模型準確性測試結果為正確，或者，若該相似用戶關注該預設類型產品的頻率值等于或小于預設頻率閾值，則確定針對該相似用戶的模型準確性測試結果為錯誤；