[發明專利]產品推薦準確度評價方法、裝置、設備及存儲介質

有效

• 申請號: 202010581224.1
• 申請日: 2020-06-23
• 公開（公告）號: CN111724238B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 蔡金成
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02;G06F16/951;G06K9/62
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 劉挽瀾

1.一種產品推薦準確度評價方法，其特征在于，所述產品推薦準確度評價方法包括：

獲取預置用戶賬戶記錄的用戶瀏覽產品時的第一用戶行為信息，其中，所述第一用戶行為信息包括用戶瀏覽產品時發生的多種用戶行為特征以及每種用戶行為特征的發生次數；

將所述第一用戶行為信息輸入預置行為權重模型進行預測，輸出所述用戶行為特征與所述用戶瀏覽產品之間的關聯度權重；

獲取待評價的產品推薦模型向所述用戶賬戶發送的產品推薦信息、所述用戶賬戶記錄的所述產品推薦信息對應的第二用戶行為信息，其中，所述產品推薦信息包含有多種推薦產品的排序信息；

根據所述第二用戶行為信息與所述關聯度權重，計算所述用戶賬戶與所述產品推薦信息中推薦產品的關聯度系數；

根據所述關聯度系數和所述推薦產品的排序信息，對所述產品推薦模型進行產品推薦準確度評價，得到評價得分；

根據所述評價得分與預置推薦模型的準確度評價規則，確定所述產品推薦模型對應的評價等級；

所述根據所述第二用戶行為信息與所述關聯度權重，計算所述用戶賬戶與所述產品推薦信息中推薦產品的關聯度系數包括：

對于推薦產品，用戶若對該推薦產品的操作次數越多，對應用戶行為特征關聯度權重越大，則用戶對該推薦產品的興趣度越大，即關聯度系數越大；故以用戶每一個用戶行為特征的關聯度權重乘以對推薦產品對應的操作次數，即可得到每一個用戶行為特征影響用戶與產品關聯度的單項關聯度得分，再累加，即可得到最終該用戶對推薦產品的關聯度系數。

2.根據權利要求1所述的產品推薦準確度評價方法，其特征在于，在所述將所述第一用戶行為信息輸入預置行為權重模型進行預測，輸出所述用戶行為特征與所述用戶瀏覽產品之間的關聯度權重之前，還包括：

獲取訓練數據寬表模板，其中，所述訓練數據寬表模板包含多種用戶行為特征對應的標題字段；

將所述多種用戶行為特征中的發生次數寫入所述數據寬表模板中對應的標題字段下的表列中；

為所述多種用戶行為特征添加身份標識符，并設置用戶購買行為為目標變量，設置其他用戶行為為輔助變量，生成訓練數據寬表。

3.根據權利要求1所述的產品推薦準確度評價方法，其特征在于，所述將所述第一用戶行為信息輸入預置行為權重模型進行預測，輸出所述用戶行為特征與所述用戶瀏覽產品之間的關聯度權重包括：

設置行為權重模型的訓練參數，其中，所述訓練參數包括最大迭代次數、停止迭代變量閾值、迭代步長；

根據由所述第一用戶行為信息生成的訓練數據寬表中的訓練數據，初始化所述多種用戶行為特征對應的關聯度權重；

根據初始化的關聯度權重，對所述訓練數據進行轉換，得到對應的轉換訓練數據；

對所述轉換訓練數據對應的多種用戶行為特征進行估值，并計算所述多種用戶行為特征的估值與對應多種用戶行為特征的初始估值的估值差；

根據上代關聯度權重、迭代步長、多種用戶行為特征的估值差得到當代關聯度權重；

當所述多種用戶行為特征對應的迭代變化量均小于停止迭代變化量閾值時，將所述多種用戶行為特征對應的當代關聯度權重對應輸出。

4.根據權利要求1所述的產品推薦準確度評價方法，其特征在于，所述根據所述第二用戶行為信息與所述關聯度權重，計算所述用戶賬戶與所述產品推薦信息中推薦產品的關聯度系數包括：

解析所述第二用戶行為信息，得到多種用戶行為特征；

基于所述多種用戶行為特征對應的發生次數與所述關聯度權重，計算所述多種用戶行為特征與所述推薦產品的單項關聯度得分；

統計所述多種用戶行為特征的單項關聯度得分，得到所述用戶賬號與所述產品推薦信息的關聯度系數。