本申请公开了一种针对用户的产品推荐方法、装置、电子设备及存储介质，在获取到第一用户的用户信息的情况下，在数据库中查找得到至少一个第二用户，其中第一用户为新加入的用户，第二用户为数据库中与第一用户的入网自带套餐特征相同的用户，用户信息用于指示第一用户的入网自带套餐特征。根据第一用户的用户信息和至少一个第二用户的历史行为数据，得到第一用户的模拟历史数据，最后基于第一用户的模拟历史数据，得到推荐结果。由此，能够有效的对目标客户以及产品进行综合评价，在缺乏相关历史数据的情况下，为用户提供个性化的推荐，进而提高用户体验和产品推荐的准确性。
1、随着移动互联网和电子商务的迅猛发展，人们对移动流量和权益类产品的需求越来越高，产品种类繁多且选择性增大，订购门槛低，通过掌上营业厅渠道和移动应用渠道订购更加方便。因此，急需一种产品推荐方法，可以针对每个用户的特点进行精准推荐，提升用户的使用体验。
2、现有的推荐方法主要是通过分析用户信息和历史行为数据来推荐相关产品。系统会查找与当前用户信息和行为相似的其他用户，然后根据这些相似用户的选择来推荐产品。但现有推荐方法的一个显著缺点是，现有推荐方法高度依赖于大量的历史数据。因此，对于新用户，由于缺乏足够的历史数据支持，现有推荐方法往往难以实现精准推荐。
1、本申请实施例提供一种针对用户的产品推荐方法、装置、电子设备及存储介质，能够在缺乏相关历史数据的情况下，为用户提供个性化的推荐，进而提高用户体验和产品推荐的准确性。
3、在获取到第一用户的用户信息的情况下，在数据库中查找得到至少一个第二用户，所述第一用户的用户信息用于指示所述第一用户的入网自带套餐特征，所述第一用户为新加入的用户，所述第二用户为数据库中与所述第一用户的入网自带套餐特征相同的用户；
>5、基于所述第一用户的模拟历史数据，得到推荐结果，所述推荐结果包括向所述第一用户推荐的至少一个推荐产品。6、在其中一个实施例中，上述涉及到的所述根据所述第一用户的用户信息和所述至少一个第二用户的历史行为数据，得到所述第一用户的模拟历史数据，包括：
7、根据所述套餐资费、所述用户入网时长、公式(1)和公式(2)计算得到chba衍生后的第一结果目标函数：
8、
9、其中，derivebasis为chba衍生后的第一结果目标函数，xi为第i个相同的客户对应的结构化指标，pi为第i个相同的客户对应的修正方程，为求偏导符号，si为第i个用户的入网时长，δ(σ)2为基础chba衍生方程的二阶泰勒展开式的修正误差；
10、
11、其中，公式(2)为公式(1)的修正方程，num表示相同套餐的用户总数，ci表示第i个客户的套餐资费，si为第i个用户的入网时长，δ(pi)2为修正方程的二阶泰勒展开式的修正误差；
12、根据所述套餐资费、所述用户入网时长、公式(3)和公式(4)计算得到chba衍生后的第二结果目标函数：
13、
14、其中，derivebahaviour为chba衍生后的第二结果目标函数，x′i为第i个相同的客户对应的非结构化指标，pi为第i个相同的客户对应的修正方程，为求偏导符号，si为第i个用户的入网时长，δ(σ)2为基础chba衍生方程的二阶泰勒展开式的修正误差；
15、
16、其中，公式(4)为公式(3)的修正方程，num表示相同套餐的用户总数，ci表示第i个客户的套餐资费，si为第i个用户的入网时长，δ(pi)2为修正方程的二阶泰勒展开式的修正误差；
17、基于所述第一结果目标函数和所述第二结果目标函数，得到所述第一用户的模拟历史数据。
18、在其中一个实施例中，上述涉及到的所述基于所述第一用户的模拟历史数据，得到推荐结果，包括：
19、根据不同用户的用户特征，确定用户之间的相似度；
20、根据不同产品的产品特征，确定产品之间的相似度；
21、根据所述用户之间的相似度和所述产品之间的相似度，对所述第一用户的模拟历史数据进行协同过滤，得到所述推荐结果。
22、在其中一个实施例中，上述涉及到的所述根据不同产品的产品特征，确定产品之间的相似度，包括：
23、根据不同产品的产品特征，通过公式(5)计算得到产品之间的相似度；
24、
25、其中，a表示产品a的产品特征，b表示产品b的产品特征，所述产品特征包括以下至少之一：一级分类：流量、权益；二级分类：通用、通用/定向/超套、通用/定向、视频会员；套餐价值区间以及产品使用周期。
26、在其中一个实施例中，在所述根据所述第一用户的用户信息和所述至少一个第二用户的历史行为数据，得到所述第一用户的模拟历史数据之前，还包括：
27、在将所述第一用户的用户信息中的各个指标作为特征的情况下，通过特征工程的方式，将各个特征进行数字化处理。
28、第二方面，本申请实施例提供一种针对用户的产品推荐装置，装置可以包括：
29、查找模块，用于在获取到第一用户的用户信息的情况下，在数据库中查找得到至少一个第二用户，所述第一用户的用户信息用于指示所述第一用户的入网自带套餐特征，所述第一用户为新加入的用户，所述第二用户为数据库中与所述第一用户的入网自带套餐特征相同的用户；
30、计算模块，用于根据所述第一用户的用户信息和所述至少一个第二用户的历史行为数据，得到所述第一用户的模拟历史数据；
31、确定模块，用于基于所述第一用户的模拟历史数据，得到推荐结果，所述推荐结果包括向所述第一用户推荐的至少一个推荐产品。
32、第三方面，本申请实施例提供了一种电子设备，设备包括：
33、处理器；
34、用于存储处理器可执行指令的存储器；
35、其中，处理器被配置为执行指令，以实现如第一方面的任一项实施例中所示的针对用户的产品推荐方法。
36、第四方面，本申请实施例提供了一种计算机存储介质，该计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现如第一方面的任一项实施例中所示的针对用户的产品推荐方法。
37、第五方面，本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在可读存储介质中，设备的至少一个处理器从存储介质读取并执行计算机程序，使得设备实现如第一方面的任一项实施例中所示的针对用户的产品推荐方法。
38、本申请实施例提供了一种针对用户的产品推荐方法、装置、电子设备及存储介质，相较于现有技术，本申请具有以下有益效果：
39、本申请实施例的一种针对用户的产品推荐方法、装置、电子设备及存储介质中，首先识别第一用户的入网自带套餐特征，并在数据库中查找具有相同特征的第二用户(即具有相似入网自带套餐特征的老用户)。接着，通过分析这些第二用户的历史行为数据，能够为第一用户生成模拟历史数据，模拟出其在平台上的潜在行为和兴趣。通过模拟历史数据的生成，巧妙地规避了新用户(即第一用户)数据不足的局限。随后，基于模拟历史数据，系统能够精准地为新用户推荐符合其兴趣和偏好的推荐产品，由此显著提高了产品本文档来自技高网...
【技术保护点】
1.一种针对用户的产品推荐方法，其特征在于，方法包括：
2.根据权利要求1所述的方法，其特征在于，所述入网自带套餐特征包括用户基础信息和用户行为信息，所述用户基础信息包括以下至少之一：性别、年龄、是否5G终端、终端类型、是否终端双卡槽用户、月消费层次、是否开通通用分组无线服务(GeneralPacket RadioService，GPRS)、客户级别，
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一用户的用户信息和所述至少一个第二用户的历史行为数据，得到所述第一用户的模拟历史数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一用户的模拟历史数据，得到推荐结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据不同产品的产品特征，确定产品之间的相似度，包括：
6.根据权利要求1-5任一项所述的方法，其特征在于，在所述根据所述第一用户的用户信息和所述至少一个第二用户的历史行为数据，得到所述第一用户的模拟历史数据之前，所述方法还包括：
7.一种针对用户的产品推荐装置，其特征在于，装置包括：
8.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的针对用户的产品推荐方法。
10.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-6任意一项所述的针对用户的产品推荐方法。
...
【技术特征摘要】
1.一种针对用户的产品推荐方法，其特征在于，方法包括：
2.根据权利要求1所述的方法，其特征在于，所述入网自带套餐特征包括用户基础信息和用户行为信息，所述用户基础信息包括以下至少之一：性别、年龄、是否5g终端、终端类型、是否终端双卡槽用户、月消费层次、是否开通通用分组无线服务(generalpacket radioservice，gprs)、客户级别，
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一用户的用户信息和所述至少一个第二用户的历史行为数据，得到所述第一用户的模拟历史数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一用户的模拟历史数据，得到推荐结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据不同产品的产品特征，确定产品之间的...
【专利技术属性】
技术研发人员：于伶姿，吕佳天，龚池铭，
申请(专利权)人：中国移动通信集团辽宁有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。