一种信息推荐方法及装置制造方法及图纸

本申请实施例公开了一种信息推荐方法及装置，包括：根据产品特征信息确定至少一个目标产品，并确定与任意目标产品相关的第一用户，获取第一用户的用户特征信息。根据第一用户的用户特征信息以及第一用户与各个目标产品是否相关的标签，训练得到产品信息推荐模型。确定与第一用户关联的第二用户，获取第二用户的用户特征信息。将第二用户的用户特征信息输入产品信息推荐模型，得到产品信息推荐模型输出的各个目标产品的推荐概率，并将推荐概率大于阈值的目标产品的产品信息推荐给第二用户。通过本申请实施例的方案，提高了信息推荐的准确性，符合用户的需求。

【技术实现步骤摘要】
一种信息推荐方法及装置
本申请涉及互联网
，具体涉及一种信息推荐方法及装置。
技术介绍
目前可以通过大数据分析向用户推送相关的产品信息。在现有技术中，通常基于单一因素进行产品信息的推荐，例如基于产品的热门程度向用户进行推荐。但是，该种信息推荐的方式分析维度单一，不一定符合用户的需求，造成信息推荐不准确。
技术实现思路
有鉴于此，本申请实施例提供一种信息推荐方法及装置，以提高信息推荐的准确性，符合用户的需求。为解决上述问题，本申请实施例提供的技术方案如下：一种信息推荐方法，所述方法包括：根据产品特征信息确定至少一个目标产品；确定与任意所述目标产品相关的第一用户，获取所述第一用户的用户特征信息；根据所述第一用户的用户特征信息以及所述第一用户与各个所述目标产品是否相关的标签，训练得到产品信息推荐模型；确定与所述第一用户关联的第二用户；获取所述第二用户的用户特征信息；将所述第二用户的用户特征信息输入所述产品信息推荐模型，得到所述产品信息推荐模型输出的各个所述目标产品的推荐概率；将所述推荐概率大于阈值的目标产品的产品信息推荐给所述第二用户。在一种可能的实现方式中，所述根据产品特征信息确定至少一个目标产品，包括：根据产品的产品特征信息确定各个所述产品的评价值，根据所述评价值对所述产品进行排序，所述产品特征信息包括以下一项或多项：查询次数、购买次数、投诉次数、相关用户信息、查询渠道信息以及购买渠道信息；将排序最高的预设数量的所述产品确定为目标产品。在一种可能的实现方式中，所述根据所述第一用户的用户特征信息以及所述第一用户与各个所述目标产品是否相关的标签，训练得到产品信息推荐模型，包括：将所述第一用户的用户特征信息以及所述第一用户与各个所述目标产品是否相关的标签确定为目标数据，将所述目标数据划分为训练数据以及验证数据；根据所述训练数据以及上一次迭代后的验证结果，调整产品信息推荐模型的模型参数，生成本次迭代后的产品信息推荐模型，当首次调整产品信息推荐模型的模型参数时，所述上一次迭代后的验证结果为零；将所述验证数据中的第一用户的用户特征信息输入所述本次迭代后的产品信息推荐模型，获得所述本次迭代后的产品信息推荐模型输出的各个所述目标产品的推荐概率预测值；根据所述验证数据中的第一用户与各个所述目标产品是否相关的标签以及各个所述目标产品的推荐概率预测值，计算得到本次迭代后的验证结果；重新执行所述根据所述训练数据以及上一次迭代后的验证结果，调整产品信息推荐模型的模型参数，生成本次迭代后的产品信息推荐模型以及后续步骤，直到达到预设停止条件，训练得到产品信息推荐模型。在一种可能的实现方式中，所述根据所述验证数据中的第一用户与各个所述目标产品是否相关的标签以及各个所述目标产品的推荐概率预测值，计算得到本次迭代后的验证结果，包括：计算所述验证数据中的第一用户与第i个目标产品是否相关的标签值与第i个目标产品的推荐概率预测值之间的差值，得到第i个目标产品对应的验证偏差值，其中，i的取值为1至n的整数，n为所述目标产品的数量；将n个目标产品对应的验证偏差值确定为本次迭代后的验证结果。在一种可能的实现方式中，所述确定与所述第一用户关联的第二用户，包括：获取所述第一用户的账户信息；确定与所述第一用户的账户信息存在关联关系的目标账户信息；将所述目标账户信息对应的用户确定为与所述第一用户关联的第二用户。一种信息推荐装置，所述装置包括：第一确定单元，用于根据产品特征信息确定至少一个目标产品；第二确定单元，用于确定与任意所述目标产品相关的第一用户，获取所述第一用户的用户特征信息；训练单元，用于根据所述第一用户的用户特征信息以及所述第一用户与各个所述目标产品是否相关的标签，训练得到产品信息推荐模型；第三确定单元，用于确定与所述第一用户关联的第二用户；获取单元，用于获取所述第二用户的用户特征信息；输入输出单元，用于将所述第二用户的用户特征信息输入所述产品信息推荐模型，得到所述产品信息推荐模型输出的各个所述目标产品的推荐概率；推荐单元，用于将所述推荐概率大于阈值的目标产品的产品信息推荐给所述第二用户。在一种可能的实现方式中，所述第一确定单元包括：第一确定子单元，用于根据产品的产品特征信息确定各个所述产品的评价值，根据所述评价值对所述产品进行排序，所述产品特征信息包括以下一项或多项：查询次数、购买次数、投诉次数、相关用户信息、查询渠道信息以及购买渠道信息；第二确定子单元，用于将排序最高的预设数量的所述产品确定为目标产品。在一种可能的实现方式中，训练单元包括：第三确定子单元，用于将所述第一用户的用户特征信息以及所述第一用户与各个所述目标产品是否相关的标签确定为目标数据，将所述目标数据划分为训练数据以及验证数据；生成子单元，用于根据所述训练数据以及上一次迭代后的验证结果，调整产品信息推荐模型的模型参数，生成本次迭代后的产品信息推荐模型，当首次调整产品信息推荐模型的模型参数时，所述上一次迭代后的验证结果为零；输入输出子单元，用于将所述验证数据中的第一用户的用户特征信息输入所述本次迭代后的产品信息推荐模型，获得所述本次迭代后的产品信息推荐模型输出的各个所述目标产品的推荐概率预测值；第一计算子单元，用于根据所述验证数据中的第一用户与各个所述目标产品是否相关的标签以及各个所述目标产品的推荐概率预测值，计算得到本次迭代后的验证结果；循环子单元，用于重新执行所述根据所述训练数据以及上一次迭代后的验证结果，调整产品信息推荐模型的模型参数，生成本次迭代后的产品信息推荐模型以及后续步骤，直到达到预设停止条件，训练得到产品信息推荐模型。在一种可能的实现方式中，第一计算子单元包括：第二计算子单元，用于计算所述验证数据中的第一用户与第i个目标产品是否相关的标签值与第i个目标产品的推荐概率预测值之间的差值，得到第i个目标产品对应的验证偏差值，其中，i的取值为1至n的整数，n为所述目标产品的数量；第四确定子单元，用于将n个目标产品对应的验证偏差值确定为本次迭代后的验证结果。在一种可能的实现方式中，所述第三确定单元包括：获取子单元，用于获取所述第一用户的账户信息；第五确定子单元，用于确定与所述第一用户的账户信息存在关联关系的目标账户信息；第六确定子单元，用于将所述目标账户信息对应的用户确定为与所述第一用户关联的第二用户。由此可见，本申请实施例具有如下有益效果：本申请实施例首先，根据产品特征信息确定至少一个目标产品，并确定与任意目标产品相关的第一用户，获取第一用户的用户特征信息。其次，根据第一用户的用户特征信息以及第一用户与各个目标产品是否相关的标签，训练得到产品信息推荐模型。然后，确定与第一用户关联的第二用户，并获取本文档来自技高网...

【技术保护点】
1.一种信息推荐方法，其特征在于，所述方法包括：/n根据产品特征信息确定至少一个目标产品；/n确定与任意所述目标产品相关的第一用户，获取所述第一用户的用户特征信息；/n根据所述第一用户的用户特征信息以及所述第一用户与各个所述目标产品是否相关的标签，训练得到产品信息推荐模型；/n确定与所述第一用户关联的第二用户；/n获取所述第二用户的用户特征信息；/n将所述第二用户的用户特征信息输入所述产品信息推荐模型，得到所述产品信息推荐模型输出的各个所述目标产品的推荐概率；/n将所述推荐概率大于阈值的目标产品的产品信息推荐给所述第二用户。/n

【技术特征摘要】
1.一种信息推荐方法，其特征在于，所述方法包括：
根据产品特征信息确定至少一个目标产品；
确定与任意所述目标产品相关的第一用户，获取所述第一用户的用户特征信息；
根据所述第一用户的用户特征信息以及所述第一用户与各个所述目标产品是否相关的标签，训练得到产品信息推荐模型；
确定与所述第一用户关联的第二用户；
获取所述第二用户的用户特征信息；
将所述第二用户的用户特征信息输入所述产品信息推荐模型，得到所述产品信息推荐模型输出的各个所述目标产品的推荐概率；
将所述推荐概率大于阈值的目标产品的产品信息推荐给所述第二用户。


2.根据权利要求1所述的方法，其特征在于，所述根据产品特征信息确定至少一个目标产品，包括：
根据产品的产品特征信息确定各个所述产品的评价值，根据所述评价值对所述产品进行排序，所述产品特征信息包括以下一项或多项：查询次数、购买次数、投诉次数、相关用户信息、查询渠道信息以及购买渠道信息；
将排序最高的预设数量的所述产品确定为目标产品。


3.根据权利要求1所述的方法，其特征在于，所述根据所述第一用户的用户特征信息以及所述第一用户与各个所述目标产品是否相关的标签，训练得到产品信息推荐模型，包括：
将所述第一用户的用户特征信息以及所述第一用户与各个所述目标产品是否相关的标签确定为目标数据，将所述目标数据划分为训练数据以及验证数据；
根据所述训练数据以及上一次迭代后的验证结果，调整产品信息推荐模型的模型参数，生成本次迭代后的产品信息推荐模型，当首次调整产品信息推荐模型的模型参数时，所述上一次迭代后的验证结果为零；
将所述验证数据中的第一用户的用户特征信息输入所述本次迭代后的产品信息推荐模型，获得所述本次迭代后的产品信息推荐模型输出的各个所述目标产品的推荐概率预测值；
根据所述验证数据中的第一用户与各个所述目标产品是否相关的标签以及各个所述目标产品的推荐概率预测值，计算得到本次迭代后的验证结果；
重新执行所述根据所述训练数据以及上一次迭代后的验证结果，调整产品信息推荐模型的模型参数，生成本次迭代后的产品信息推荐模型以及后续步骤，直到达到预设停止条件，训练得到产品信息推荐模型。


4.根据权利要求3所述的方法，其特征在于，所述根据所述验证数据中的第一用户与各个所述目标产品是否相关的标签以及各个所述目标产品的推荐概率预测值，计算得到本次迭代后的验证结果，包括：
计算所述验证数据中的第一用户与第i个目标产品是否相关的标签值与第i个目标产品的推荐概率预测值之间的差值，得到第i个目标产品对应的验证偏差值，其中，i的取值为1至n的整数，n为所述目标产品的数量；
将n个目标产品对应的验证偏差值确定为本次迭代后的验证结果。


5.根据权利要求1所述的方法，其特征在于，所述确定与所述第一用户关联的第二用户，包括：
获取所述第一用户的账户信息；
确定与所述第一用户的账户信息存在关联关系的目标账户信息；
将所述目标账户信息对应的用户确定为与所述第一用户关联的第二用户。


6.一种信息推荐装置，其特...

【专利技术属性】
技术研发人员：申亚坤，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京;11