[發明專利]基于組合模型的產品推薦方法、裝置及計算機設備

在審

• 申請號: 202011508791.0
• 申請日: 2020-12-18
• 公開（公告）號: CN112529665A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 向坤
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q10/06;G06F16/9535;G06K9/62
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 鄧小玲;王勇

本發明實施例涉及數據分析技術領域，提供了一種基于組合模型的產品推薦方法，包括：獲取多個客戶的購買行為相關數據，并對其進行預處理，以構建第一推薦模型；獲取多個客戶的偏好調研數據，并構建第二推薦模型；基于預設分析規則確定多個產品與多個客戶的匹配度，并生成匹配度分析結果，以構建第三推薦模型；獲取多個客戶的客戶特征數據和多個產品的產品特征數據，并對其進行分析生成客戶?產品的特征矩陣，以構建第四推薦模型；利用第一至第四推薦模型分別計算待推薦產品相對于每一待推薦客戶的推薦分數，并根據四個模型推薦分數計算得到總推薦分數，以基于總推薦分數制定針對每一待推薦客戶的產品推薦方案。本發明實施例可提升推薦效果。

技術領域

本發明實施例涉及數據分析技術領域，尤其涉及一種基于組合模型的產品推薦方法、裝置及計算機設備。

背景技術

隨著現代計算機技術、信息技術和大數據技術日新月異的發展，現代人們進入到海量信息的時代。如何讓人們在海量數據中發現他們的信息，找到他們的興趣，也變得越來越困難。對于需求明確的信息檢索，用戶可以使用不同搜索引擎來滿足對信息發現的需求。如果用戶不明確自己的需求，就需要一個推薦引擎，從用戶角度去更深層次的理解、發掘用戶的真實需求，并基于用戶真實需求，反饋給用戶所需要的信息。隨著推薦引擎的出現，用戶獲取信息的方式從簡單的數據搜索，轉換到更智能、更高級、更符合人們使用習慣的信息發現方式。推薦引擎也廣泛的應用于不同的網站，如電商網站、視頻網站、社交類網站、咨詢類網站等。

常用的推薦方法都有各自的不足之處，一方面可能對于新產品的“冷啟動”場景缺乏覆蓋，無法針對新產品進行推薦；另一方面可能對于不同用戶之間的個性化需求難以識別，無法提供高質量的個性化推薦服務。

發明內容

有鑒于此，本發明實施例的目的是提供一種基于組合模型的產品推薦方法、裝置、計算機設備及計算機可讀存儲介質，用于克服現有的無法提供滿足不同用戶需求的高質量的個性化推薦服務及無法針對新產品進行推薦的問題。

為實現上述目的，本發明實施例提供了一種基于組合模型的產品推薦方法，包括：

獲取多個客戶的購買行為相關數據，并對所述購買行為相關數據進行預處理，以基于所述購買行為相關數據構建第一推薦模型；

獲取多個客戶的偏好調研數據，并基于所述偏好調研數據構建第二推薦模型；

基于預設分析規則確定多個產品與多個客戶的匹配度，并生成匹配度分析結果，以基于所述匹配度分析結果構建第三推薦模型；

獲取多個客戶的客戶特征數據和多個產品的產品特征數據，并對所述客戶特征數據和所述產品特征數據進行分析生成客戶-產品的特征矩陣，以基于所述特征矩陣構建第四推薦模型；

利用所述第一推薦模型、所述第二推薦模型、所述第三推薦模型及所述第四推薦模型分別計算待推薦產品相對于每一待推薦客戶的推薦分數，并根據每一所述待推薦客戶的四個模型推薦分數計算得到總推薦分數，以基于所述總推薦分數制定針對每一所述待推薦客戶的產品推薦方案。

可選地，所述對所述購買行為相關數據進行預處理的步驟，包括：

利用K-Means聚類算法對所述購買行為相關數據進行聚類分析。

可選地，所述偏好調研數據包括多個產品的客戶偏好問卷數據，所述基于所述偏好調研數據構建第二推薦模型的步驟，包括：

基于多個客戶對多個產品的客戶偏好問卷數據構建基于客戶偏好的第二推薦模型。

可選地，所述客戶特征數據包括客戶名稱、所屬行業分類及歷史購買意向數據，所述產品特征數據包括產品名稱、產品類別、發行期限、發行地域，所述對所述客戶特征數據和所述產品特征數據進行分析生成客戶-產品的特征矩陣的步驟，包括：