[發明專利]推薦方法、裝置、設備及存儲介質

在審

• 申請號: 202111574042.2
• 申請日: 2021-12-21
• 公開（公告）號: CN114240567A
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 陳雪嬌
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q40/08
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 楊志強

本申請適用于人工智能技術領域，提供了推薦方法、裝置、設備及存儲介質。包括：構建每個用戶對新產品的初始意愿分布；將新產品初次推薦給每個用戶；采集每個用戶對新產品的行為數據；通過UCB算法和每個用戶對新產品的行為數據，實時更新每個用戶的初始意愿分布；根據更新結果將新產品推薦給目標用戶。這種推薦方法，既能夠不受新產品的數據稀疏的影響，又能夠省去收集新產品數據的成本，利用UCB算法高效地在線學習，將新產品推薦給真正感興趣的目標用戶，實現更準確地推薦新產品。同時有利于實現公司對新產品發布的強適應性，有助于公司把握住市場發展新方向，提高了公司的經濟效益。

技術領域

本申請屬于人工智能技術領域，尤其涉及推薦方法、裝置、設備及存儲介質。

背景技術

隨著互聯網的發展，目前大多數行業的產品都會在線上銷售，如金融理財產品、保險產品等。以保險產品為例，保險產品在線上銷售時，會采用產品推薦算法，目前采用的算法一般是通過收集用戶對該保險產品的各種操作數據，對這些操作數據進行分析后推薦保險產品。

然而，當一款純新的產品上線時，用戶對該產品未有過任何的操作行為，收集到的特征數據稀疏，甚至收集不到特征數據，導致無法有針對性地為用戶推薦新產品，降低了新產品推薦的準確性。

發明內容

有鑒于此，本申請實施例提供了推薦方法、裝置、設備及存儲介質，以解決通過現有技術中在推薦新產品時，無法有針對性地為用戶推薦新產品，降低了新產品推薦的準確性的問題。

本申請實施例的第一方面提供了一種推薦方法，該方法包括：

構建每個用戶對新產品的初始意愿分布；

將所述新產品推薦給每個用戶；

采集每個用戶對所述新產品的行為數據，所述行為數據包括點擊數據；

通過預設的UCB算法和每個用戶對所述新產品的行為數據，實時更新每個用戶的初始意愿分布；

根據更新后的每個用戶的初始意愿分布，確定每個用戶對所述新產品的評分；

基于每個用戶對所述新產品的評分，將所述新產品推薦給目標用戶。

可選地，所述將所述新產品推薦給每個用戶，包括：

針對每個用戶，以相同的推薦頻率向每個用戶推薦所述新產品。可選地，所述更新后的每個用戶的初始意愿分布包括公式所述根據更新后的每個用戶的初始意愿分布，確定每個用戶對所述新產品的評分，包括：

利用所述公式計算每個用戶對所述新產品的評分；

其中，j表示第j個用戶，t表示當前的總推薦次數，Score_j表示第j個用戶對應的評分，表示第j個用戶在第t次被推薦所述新產品時所述第j個用戶點擊的均值，N_j,t表示第j個用戶被推薦所述新產品的次數。

可選地，所述基于每個用戶對所述新產品的評分，將所述新產品推薦給目標用戶，包括：

根據每個用戶對所述新產品的評分，對每個用戶進行排序；

根據排序結果在每個用戶中確定目標用戶；

將所述新產品推薦給目標用戶。

可選地，所述將所述新產品推薦給目標用戶，包括：

在預設時間內，以預設推薦次數向所述目標用戶定向推薦所述新產品。

可選地，所述構建每個用戶對新產品的初始意愿分布，包括：

構建用戶群組，所述用戶群組包括在新產品的平臺注冊過信息的用戶；

構建所述用戶群組中的每個用戶對所述新產品的初始意愿分布。