[發明專利]一種產品推薦方法和系統

有效

• 申請號: 202010740021.2
• 申請日: 2020-07-28
• 公開（公告）號: CN111861674B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 黃文強;季蘊青;胡路蘋;胡瑋;黃雅楠;胡傳杰;浮晨琪;李蚌蚌;申亞坤;徐晨敏
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06Q30/0601
• 分類號: G06Q30/0601;G06N3/086;G06N3/02
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李偉

1.一種產品推薦方法，其特征在于，包括：

獲取用戶在特定類別產品上的第一行為數據；所述第一行為數據指示所述用戶對所述特定類別產品中至少一種產品的查看情況；

通過預設知識庫中的每條判斷規則對所述第一行為數據指示的用戶類型進行判斷，得到每條判斷規則的判斷結果，并根據每條判斷規則的判斷結果，確定所述用戶的用戶類型，所述用戶類型包括第一用戶類型和第二用戶類型，屬于所述第一用戶類型的用戶選擇產品花費的時長大于屬于所述第二用戶類型的用戶選擇產品花費的時長；

若所述第一行為數據所屬用戶的用戶類型為第一用戶類型，獲取所述第一行為數據所屬用戶的購入產品清單；

將所述購入產品清單、所述第一行為數據和所述特定類別產品的展示順序輸入預先訓練好的第一神經網絡模型，通過所述第一神經網絡模型從所述特定類別產品中確定與所述第一行為數據最匹配的產品。

2.根據權利要求1所述的產品推薦方法，其特征在于，還包括；

在所述特定類別產品中，將所述與第一行為數據最匹配的產品突出顯示。

3.根據權利要求1所述的產品推薦方法，其特征在于，還包括：

若所述第一行為數據所屬用戶的用戶類型為第二用戶類型，獲取所述第一行為數據所屬用戶的用戶信息，將所述用戶信息和表征所述特定類別產品的清單數據輸入預先訓練好的第二神經網絡模型，通過所述第二神經網絡模型從所述特定類別產品中確定與所述用戶信息匹配的多個產品。

4.根據權利要求1所述的產品推薦方法，其特征在于，所述獲取用戶在特定類別產品上的第一行為數據，包括：

響應于所述用戶關閉產品展示頁面的操作；

獲取被關閉的產品展示頁面所展示的產品類別作為特定類別；

獲取用戶在所述特定類別產品上的點擊產品次數、查看產品數量、查看產品時長和購買產品情況作為所述用戶在所述特定類別產品上的第一行為數據；

或者，

獲取用戶的行為數據中查看產品時長；

將所述查看產品時長大于預設時長的產品類別作為所述特定類別；

獲取用戶在所述特定類別產品上的點擊產品次數、查看產品數量、查看產品時長和購買產品情況作為所述用戶在所述特定類別產品上的第一行為數據。

5.根據權利要求1所述的產品推薦方法，其特征在于，所述預設知識庫中的判斷規則的生成過程包括：

設置所述預設知識庫中的每條初始判斷規則，任一所述初始判斷規則用于判斷用戶類型為第一用戶類型還是第二用戶類型，以及用于指示用戶類型和第一行為數據的對應關系；

將所述每條初始判斷規則和對應權重輸入到用于判斷用戶類型的機器學習算法中，得到所述機器學習算法輸出每條初始判斷規則對應的用戶類型；

根據所述機器學習算法輸出每條初始判斷規則對應的用戶類型，對所述預設知識庫中的初始判斷規則和對應權重進行調整，得到所述預設知識庫的判斷規則。

6.根據權利要求5所述的產品推薦方法，其特征在于，所述根據所述機器學習算法輸出每條初始判斷規則對應的用戶類型和權重，對所述預設知識庫中的初始判斷規則進行調整，得到所述預設知識庫的判斷規則包括：

若所述機器學習算法指示所述初始判斷規則不能識別用戶類型，將該條初始判斷規則從所述預設知識庫中刪除；

若所述機器學習算法指示所述初始判斷規則識別出的用戶類型從第一用戶類型變為第二用戶類型或從第二用戶類型變為第一用戶類型，將該條初始判斷規則對應的判斷結果修改為所述機器學習算法輸出的結果；

若所述機器學習算法指示所述初始判斷規則識別出的權重發生變化，將該條初始判斷規則對應的權重修改為機器學習算法輸出的權重。