产品推荐方法、装置、设备、介质及程序产品与流程

专利检索2025-07-09  5


本公开涉及人工智能领域,更具体地涉及一种产品推荐方法、装置、设备、介质及程序产品。


背景技术:

1、产品推荐是指通过用户数据将与用户相关的产品推荐给用户,能够满足个性化产品推荐需求。目前推荐产品方案多是根据用户行为数据分析用户的行为偏好,从而基于用户行为偏好向用户进行产品推荐。

2、但是,在金融场景下的产品推荐存在如下问题:用户通常在有产品需求的情况下才会产生相关行为,即用户行为数据较为稀疏,且行为数据之间的间隔时间较长,无法及时、准确的对用户意图及行为偏好进行预测,出现用户意图分析不准确、不及时的情况,从而导致产品推荐准确率较低。


技术实现思路

1、鉴于上述问题,本公开提供了提高产品推荐及时性和准确性的产品推荐方法、装置、设备、介质和程序产品。

2、根据本公开的第一个方面,提供了一种产品推荐方法,包括:响应于触发用户交互行为,对产品进行召回,得到多个候选产品;基于不同维度从用户行为数据中提取特征信息,其中,用户行为数据包括交互行为数据和主动行为数据;基于预训练模型及特征信息确定候选产品的推荐参数;根据推荐参数对候选产品进行排序,基于排序结果向用户进行产品推荐。

3、根据本公开的实施例,该方法还包括:获取用户主动行为数据;基于用户主动行为数据,生成并插入互动卡片至用户当前浏览页面,以触发用户交互行为。

4、根据本公开的实施例,响应于触发用户交互行为,对产品进行召回,得到多个候选产品,包括:基于用户行为数据执行召回操作,得到多个召回产品;对多个召回产品执行过滤操作,筛选出多个候选产品。

5、根据本公开的实施例,对多个召回产品执行过滤操作,筛选出多个候选产品,包括:基于用户行为数据,确定用户当前意图;基于用户当前意图对多个召回产品进行筛选,得到多个候选产品,其中,候选产品为满足用户当前意图的召回产品。

6、根据本公开的实施例,不同维度包括用户维度、产品维度以及行为维度。

7、根据本公开的实施例,基于预训练模型及特征信息对候选产品进行预测,得到所述候选产品的推荐参数,包括:将多个特征信息传入预训练模型;对多个特征信息执行分类计算操作,得到第一数据,其中,第一数据是不同类型行为特征的加权组合;基于激活函数对第一数据执行非线性计算,得到候选产品的推荐参数。

8、根据本公开的实施例,对多个行为特征执行分类计算操作,得到第一数据,包括:对特征信息进行分类,构建多个特征集合,其中,每一特征集合中包括多个相同类型的特征信息;对每一特征集合中的特征信息执行嵌入操作,将特征信息转换成相应的特征向量;将同一特征集合的特征向量传入同一专家子网络中,基于多个专家子网络之间的交叉处理,得到第一数据。

9、根据本公开的实施例,根据推荐参数对候选产品进行排序,基于排序结果向用户进行产品推荐,包括:基于用户行为数据定位至第一产品;将排序第一的候选产品插入至第一产品与用户未浏览产品的中间区域;其中,第一产品为用户最近一次点击或触发用户交互行为的产品。

10、本公开的第二方面提供了一种产品推荐装置,包括:召回模块,用于响应于触发用户交互行为,对产品进行召回,得到多个候选产品;特征提取模块,用于基于不同维度从用户行为数据中提取特征信息,其中,用户行为数据包括交互行为数据和主动行为数据;参数确定模块,用于基于预训练模型及特征信息确定候选产品的推荐参数;以及推荐模块,用于根据推荐参数对候选产品进行排序,基于排序结果向用户进行产品推荐。

11、本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述产品推荐方法。

12、本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述产品推荐方法。

13、本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述产品推荐方法。



技术特征:

1.一种产品推荐方法,其特征在于,所述方法包括:

2.根据权利要求1所述的产品推荐方法,其特征在于,还包括:

3.根据权利要求2所述的产品推荐方法,其特征在于,所述响应于触发用户交互行为,对产品进行召回,得到多个候选产品,包括:

4.根据权利要求3所述的产品推荐方法,其特征在于,所述对所述多个召回产品执行过滤操作,筛选出多个候选产品,包括:

5.根据权利要求1所述的产品推荐方法,其特征在于,所述不同维度包括用户维度、产品维度以及行为维度。

6.根据权利要求5所述的产品推荐方法,其特征在于,所述基于预训练模型及所述特征信息对所述候选产品进行预测,得到所述候选产品的推荐参数,包括:

7.根据权利要求6所述的产品推荐方法,其特征在于,所述对所述多个行为特征执行分类计算操作,得到第一数据,包括:

8.根据权利要求1所述的产品推荐方法,其特征在于,所述根据所述推荐参数对所述候选产品进行排序,基于排序结果向用户进行产品推荐,包括:

9.一种产品推荐装置,其特征在于,所述装置包括:

10.一种电子设备,包括:

11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现根据权利要求1~8中任一项所述方法的步骤。

12.一种计算机程序产品,包括计算机程序/指令,其特征在于,所述计算机程序被处理器执行时实现根据权利要求1~8中任一项所述方法的步骤。


技术总结
本公开提供了一种产品推荐方法、装置、设备、存储介质及程序产品,可以应用于人工智能技术领域、金融科技领域及其他技术领域。该产品推荐方法包括:响应于触发用户交互行为,对产品进行召回,得到多个候选产品;基于不同维度从用户行为数据中提取特征信息,其中,用户行为数据包括交互行为数据和主动行为数据;基于预训练模型及特征信息确定候选产品的推荐参数;根据推荐参数对候选产品进行排序,基于排序结果向用户进行产品推荐。

技术研发人员:郑月丽
受保护的技术使用者:中国工商银行股份有限公司
技术研发日:
技术公布日:2024/5/29
转载请注明原文地址:https://win.8miu.com/read-1156094.html

最新回复(0)