[發(fā)明專利]確定產(chǎn)品推薦算法的方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201910752999.8
• 申請(qǐng)日: 2019-08-15
• 公開(kāi)（公告）號(hào): CN110458668A
• 公開(kāi)（公告）日: 2019-11-15
• 發(fā)明（設(shè)計(jì)）人: 金業(yè)
• 申請(qǐng)（專利權(quán)）人: 中國(guó)銀行股份有限公司
• 主分類號(hào): G06Q30/06
• 分類號(hào): G06Q30/06;G06Q10/06;G06F16/9535
• 代理公司: 11127 北京三友知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 薛平;谷敬麗<國(guó)際申請(qǐng)>=<國(guó)際公布>=

本發(fā)明公開(kāi)了一種確定產(chǎn)品推薦算法的方法及裝置，該方法包括：構(gòu)建待推薦產(chǎn)品的多個(gè)推薦算法模型；獲取待推薦產(chǎn)品采用每個(gè)推薦算法模型的產(chǎn)品數(shù)據(jù)；根據(jù)各個(gè)推薦算法模型對(duì)應(yīng)的產(chǎn)品數(shù)據(jù)，對(duì)各個(gè)推薦算法模型進(jìn)行量化評(píng)估；根據(jù)各個(gè)推薦算法模型的量化評(píng)估結(jié)果，對(duì)待推薦產(chǎn)品的各個(gè)推薦算法模型進(jìn)行排序；根據(jù)排序結(jié)果，向待推薦產(chǎn)品的推薦系統(tǒng)推送各個(gè)推薦算法模型。本發(fā)明能夠?qū)崿F(xiàn)量化評(píng)估產(chǎn)品的推薦算法，進(jìn)而采用最優(yōu)的推薦算法對(duì)產(chǎn)品進(jìn)行推薦，進(jìn)一步提高了產(chǎn)品推薦的推薦效果。

技術(shù)領(lǐng)域

本發(fā)明涉及軟件互聯(lián)網(wǎng)領(lǐng)域，尤其涉及一種確定產(chǎn)品推薦算法的方法及裝置。

背景技術(shù)

本部分旨在為權(quán)利要求書(shū)中陳述的本發(fā)明實(shí)施例提供背景或上下文。此處的描述不因?yàn)榘ㄔ诒静糠种芯统姓J(rèn)是現(xiàn)有技術(shù)。

隨著計(jì)算機(jī)軟件技術(shù)的發(fā)展，互聯(lián)網(wǎng)技術(shù)的普及，網(wǎng)絡(luò)上的信息數(shù)據(jù)越來(lái)越多，因而，如何從海量信息數(shù)據(jù)中提取用戶感興趣的數(shù)據(jù)并推薦給用戶，是很多企業(yè)十分關(guān)注的問(wèn)題。而產(chǎn)品的精準(zhǔn)推薦，會(huì)直接影響到企業(yè)產(chǎn)品的成交量。

以銀行客戶端為例，目前已有大量手工或智能推薦算法用于產(chǎn)品推薦，通過(guò)手工推薦或機(jī)器學(xué)習(xí)智能推薦的方式，使得銀行客戶端界面上的廣告牌展示客戶可能需要的理財(cái)產(chǎn)品信息，能夠取得更好的銷售業(yè)績(jī)和客戶轉(zhuǎn)化率。然后，現(xiàn)有技術(shù)中沒(méi)有一種量化的評(píng)估分析方法來(lái)跟蹤產(chǎn)品采用這些推薦算法進(jìn)行推薦后的推薦效果，導(dǎo)致產(chǎn)品提供者無(wú)法了解其采用的推薦算法是否合適，從而影響產(chǎn)品推薦效果，降低企業(yè)收益。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種確定產(chǎn)品推薦算法的方法，用以解決現(xiàn)有技術(shù)依靠人為經(jīng)驗(yàn)選擇某種產(chǎn)品推薦算法對(duì)產(chǎn)品進(jìn)行推薦，由于缺乏量化依據(jù)導(dǎo)致產(chǎn)品推薦效果有待進(jìn)一步提高的技術(shù)問(wèn)題，該方法包括：構(gòu)建待推薦產(chǎn)品的多個(gè)推薦算法模型；獲取待推薦產(chǎn)品采用每個(gè)推薦算法模型的產(chǎn)品數(shù)據(jù)；根據(jù)各個(gè)推薦算法模型對(duì)應(yīng)的產(chǎn)品數(shù)據(jù)，對(duì)各個(gè)推薦算法模型進(jìn)行量化評(píng)估；根據(jù)各個(gè)推薦算法模型的量化評(píng)估結(jié)果，對(duì)待推薦產(chǎn)品的各個(gè)推薦算法模型進(jìn)行排序；根據(jù)排序結(jié)果，向待推薦產(chǎn)品的推薦系統(tǒng)推送各個(gè)推薦算法模型。

本發(fā)明實(shí)施例還提供一種確定產(chǎn)品推薦算法的裝置，用以解決現(xiàn)有技術(shù)依靠人為經(jīng)驗(yàn)選擇某種產(chǎn)品推薦算法對(duì)產(chǎn)品進(jìn)行推薦，由于缺乏量化依據(jù)導(dǎo)致產(chǎn)品推薦效果有待進(jìn)一步提高的技術(shù)問(wèn)題，該裝置包括：算法構(gòu)建模塊，用于構(gòu)建待推薦產(chǎn)品的多個(gè)推薦算法模型；數(shù)據(jù)采集模塊，用于獲取待推薦產(chǎn)品采用每個(gè)推薦算法模型的產(chǎn)品數(shù)據(jù)；算法評(píng)估模塊，用于根據(jù)各個(gè)推薦算法模型對(duì)應(yīng)的產(chǎn)品數(shù)據(jù)，對(duì)各個(gè)推薦算法模型進(jìn)行量化評(píng)估；算法排序模塊，用于根據(jù)各個(gè)推薦算法模型的量化評(píng)估結(jié)果，對(duì)待推薦產(chǎn)品的各個(gè)推薦算法模型進(jìn)行排序；算法推送模塊，用于根據(jù)排序結(jié)果，向待推薦產(chǎn)品的推薦系統(tǒng)推送各個(gè)推薦算法模型。

本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)設(shè)備，用以解決現(xiàn)有技術(shù)依靠人為經(jīng)驗(yàn)選擇某種產(chǎn)品推薦算法對(duì)產(chǎn)品進(jìn)行推薦，由于缺乏量化依據(jù)導(dǎo)致產(chǎn)品推薦效果有待進(jìn)一步提高的技術(shù)問(wèn)題，該計(jì)算機(jī)設(shè)備包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述確定產(chǎn)品推薦算法的方法。

本發(fā)明實(shí)施例還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用以解決現(xiàn)有技術(shù)依靠人為經(jīng)驗(yàn)選擇某種產(chǎn)品推薦算法對(duì)產(chǎn)品進(jìn)行推薦，由于缺乏量化依據(jù)導(dǎo)致產(chǎn)品推薦效果有待進(jìn)一步提高的技術(shù)問(wèn)題，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有執(zhí)行上述確定產(chǎn)品推薦算法的方法的計(jì)算機(jī)程序。

本發(fā)明實(shí)施例中，為待推薦產(chǎn)品構(gòu)建多個(gè)推薦算法模型，采集待推薦產(chǎn)品采用每個(gè)推薦算法模型的產(chǎn)品數(shù)據(jù)，并根據(jù)采集到的產(chǎn)品數(shù)據(jù)，對(duì)各個(gè)推薦算法模型進(jìn)行量化評(píng)估，進(jìn)而根據(jù)各個(gè)推薦算法模型的量化評(píng)估結(jié)果，對(duì)待推薦產(chǎn)品的各個(gè)推薦算法模型進(jìn)行排序，最后根據(jù)排序結(jié)果向待推薦產(chǎn)品的推薦系統(tǒng)推送各個(gè)推薦算法模型。

通過(guò)本發(fā)明實(shí)施例，能夠?qū)崿F(xiàn)量化評(píng)估產(chǎn)品的推薦算法，進(jìn)而采用最優(yōu)的推薦算法對(duì)產(chǎn)品進(jìn)行推薦，進(jìn)一步提高了產(chǎn)品推薦的推薦效果。

附圖說(shuō)明