[發明專利]產品的推薦方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202011057562.1
• 申請日: 2020-09-29
• 公開（公告）號: CN112232556B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 王燚;王瑩;魏鑫;李成;李凡東
• 申請（專利權）人: 江蘇蘇寧物流有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q30/06;G06F16/9535;G06F16/9536;G06N3/04;G06N3/08
• 代理公司: 北京市萬慧達律師事務所 11111
• 代理人: 劉艷麗

1.一種產品的推薦方法，所述方法包括：

獲取售后服務工單的工單信息；其中，所述工單信息包括待推薦用戶的用戶信息、作業人員信息和作業產品信息；

根據所述工單信息生成工單標簽；其中，所述工單標簽包括待推薦用戶的用戶特征標簽、作業人員特征標簽和作業產品特征標簽；

根據所述用戶特征標簽與所述作業產品特征標簽獲取第一產品集；其中，所述第一產品集中包含利用所述用戶特征標簽和所述作業產品特征標簽匹配的第一產品；

根據所述作業人員特征標簽與所述作業產品特征標簽獲取第二產品集；其中，所述第二產品集中包含利用所述作業人員特征標簽和所述作業產品特征標簽匹配的第二產品；

根據所述第一產品集和所述第二產品集獲取所述待推薦用戶的目標推薦產品。

2.根據權利要求1所述的方法，其特征在于，所述根據所述第一產品集和所述第二產品集獲取所述待推薦用戶的目標推薦產品，包括：

根據所述第一產品集和所述第二產品集生成待推薦產品集；其中，所述待推薦產品集包含多個待推薦產品；

確定各所述待推薦產品在所述第一產品集出現的第一次數；

確定各所述待推薦產品在第二產品集出現的第二次數；

根據所述第一次數與所述第二次數的累加值確定各所述待推薦產品的權重；

根據各所述待推薦產品的權重從所述待推薦產品集中篩選出所述目標推薦產品。

3.根據權利要求1所述的方法，其特征在于，所述根據所述用戶特征標簽與所述作業產品特征標簽獲取第一產品集，包括：

根據所述作業產品標簽獲取第三產品集；

根據所述用戶特征標簽獲取第四產品集；

利用枚舉算法確定所述第四產品集中與所述第三產品集中產品相匹配的第一產品，由所述相匹配的第一產品生成所述第一產品集。

4.根據權利要求3所述的方法，其特征在于，所述工單標簽還包括房屋地址特征標簽，所述根據所述作業產品標簽獲取第三產品集，包括：

根據所述作業產品標簽獲取第五產品集；

根據所述作業產品標簽和所述房屋地址特征標簽獲取第六產品集；

根據所述第五產品集和所述第六產品集獲取第三產品集。

5.根據權利要求3所述的方法，其特征在于，所述工單標簽還包括房屋地址特征標簽，所述根據所述用戶特征標簽獲取第四產品集，包括：

根據所述用戶特征標簽以及所述房屋地址特征標簽獲取所述待推薦用戶所在居住地址的一定范圍內的相似用戶的歷史售后維護信息；

根據所述歷史售后維護信息獲取所述相似用戶已購買的歷史產品；

根據所述歷史產品生成第四產品集。

6.根據權利要求2所述的方法，其特征在于，所述根據各所述待推薦產品的權重從所述待推薦產品集中篩選出所述目標推薦產品，包括：

基于各所述權重構建用戶評分矩陣；其中，所述用戶評分矩陣用于確定所述待推薦用戶對各所述待推薦產品的第二預測評分；

基于各所述第二預測評分以及預先訓練的神經網絡模型獲取所述待推薦用戶對各所述待推薦產品的購買意向得分；

根據各所述購買意向得分確定所述目標推薦產品。

7.根據權利要求6所述的方法，其特征在于，所述基于各所述權重構建用戶評分矩陣，包括：

基于協同過濾推薦算法構建所述待推薦用戶與各所述待推薦產品的第一評分矩陣；

根據所述第一評分矩陣獲取所述待推薦用戶對各所述待推薦產品的第一預測評分；

將各所述第一預測評分乘以各所述待推薦產品的權重，得到第二預測評分；

根據各所述第二預測評分構建第二評分矩陣，將所述第二評分矩陣作為所述用戶評分矩陣；和/或，

所述基于各所述第二預測評分以及預先訓練的神經網絡模型獲取所述待推薦用戶對各所述待推薦產品的購買意向得分，包括：

將所述待推薦用戶、各所述待推薦產品以及各所述待推薦產品對應的第二預測評分作為特征值輸入至預先訓練的神經網絡模型中，獲取所述預先訓練的神經網絡模型輸出的所述待推薦用戶對各所述待推薦產品的購買意向得分。