【技术实现步骤摘要】
本申请涉及文本处理，尤其涉及一种产品推荐内容生成方法和装置、电子设备及存储介质。
技术介绍
1、产品推荐内容是用于推荐或介绍产品的内容，例如在保险领域，产品推荐内容帮助用户了解保险产品的特点、条款并明确保险的覆盖范围。目前，生成产品推荐内容的一种常用技术是使用大语言模型来生成。然而，由于大语言模型主要依赖于网络公开的知识，对保险产品的理解不够深入，难以生成符合用户需要的生成推荐文本，导致推荐的成功率较低。因此，如何生成更加符合用户需要的产品推荐内容，成为了一个亟待解决的问题。
技术实现思路
1、本申请实施例的主要目的在于提出一种产品推荐内容生成方法和装置、电子设备及存储介质，旨在生成更加符合用户需要的产品推荐内容。
2、为实现上述目的，本申请实施例的第一方面提出了一种产品推荐内容生成方法，所述方法包括：
3、获取样本对象的样本身份信息，获取保险产品的保险产品信息，获取所述样本对象对所述保险产品的浏览记录信息和购买记录信息；
4、基于所述样本身份信息、所述浏览记录信息、所述购买记录信息和所述保险产品信息对预设产品需求预测模型进行训练，得到目标产品需求预测模型；
5、获取目标对象的目标身份画像，通过所述目标产品需求预测模型和所述目标身份画像对所述目标对象进行需求预测，得到目标推荐产品；
6、根据所述目标身份画像对所述目标推荐产品进行产品排序，得到产品推荐序列；
7、根据所述目标身份画像和所述产品推荐序列对所述目标对
8、在一些实施例，所述基于所述样本身份信息、所述浏览记录信息、所述购买记录信息和所述保险产品信息对预设产品需求预测模型进行训练，得到目标产品需求预测模型，包括：
9、基于所述样本身份信息、所述浏览记录信息和所述购买记录信息进行画像构建，得到用户画像信息；
10、基于所述样本身份信息、所述浏览记录信息和所述购买记录信息进行偏好聚类，得到用户偏好信息；
11、基于所述保险产品信息、所述用户画像信息和所述用户偏好信息对所述预设产品需求预测模型进行训练，得到所述目标产品需求预测模型。
12、在一些实施例，所述基于所述保险产品信息、所述用户画像信息和所述用户偏好信息对所述预设产品需求预测模型进行训练，得到所述目标产品需求预测模型，包括：
13、基于所述用户画像信息和所述用户偏好信息进行数据合并，得到画像偏好合并数据；
14、基于所述画像偏好合并数据进行数据集划分，得到画像偏好数据和保险产品标签；
15、基于所述画像偏好数据和所述保险产品信息对所述预设产品需求预测模型进行产品预测，得到预测产品标签；
16、基于所述保险产品标签和所述预测产品标签对所述预设产品需求预测模型进行参数优化，得到所述目标产品需求预测模型。
17、在一些实施例，所述基于所述保险产品标签和所述预测产品标签对所述预设产品需求预测模型进行参数优化，得到所述目标产品需求预测模型，包括：
18、根据所述预测产品标签和所述保险产品标签进行交叉熵损失值计算，得到交叉熵损失值数据；
19、根据所述交叉熵损失值数据对所述预设产品需求预测模型进行参数优化，得到所述目标产品需求预测模型。
20、在一些实施例，所述预设产品需求预测模型包括嵌入层、画像偏好编码层、特征提取层、解码层，所述基于所述画像偏好数据和所述保险产品信息对所述预设产品需求预测模型进行产品预测，得到预测产品标签，包括：
21、通过所述嵌入层对所述画像偏好数据进行文本嵌入，得到画像偏好嵌入；
22、通过所述嵌入层对所述保险产品信息进行文本嵌入，得到保险产品嵌入；
23、通过所述画像偏好编码层对所述画像偏好嵌入进行文本编码，得到画像偏好编码；
24、通过所述特征提取层对所述保险产品嵌入进行产品特征提取，得到保险产品特征；
25、通过所述解码层对所述保险产品特征和所述画像偏好编码进行文本解码，得到所述预测产品标签。
26、在一些实施例，所述基于所述样本身份信息、所述浏览记录信息和所述购买记录信息进行偏好聚类，得到用户偏好信息，包括：
27、根据所述样本身份信息和所述浏览记录信息进行浏览记录聚类，得到浏览聚类区域；
28、根据所述样本身份信息和所述购买记录信息进行购买记录聚类，得到购买聚类区域；
29、根据所述样本身份信息、所述购买记录信息和所述浏览记录信息进行关联关系聚类，得到关联关系聚类区域；
30、基于所述浏览聚类区域、所述购买聚类区域和所述关联关系聚类区域进行信息合并，得到所述用户偏好信息。
31、在一些实施例，所述根据所述目标身份画像对所述目标推荐产品进行产品排序，得到产品推荐序列，包括：
32、对所述目标身份画像和所述目标推荐产品进行特征提取，得到用户产品聚合特征；
33、对所述用户产品聚合特征进行产品推荐评估，得到产品推荐评估数据；其中，所述产品推荐评估数据用于评估所述目标推荐产品的推荐合理性；
34、根据所述产品推荐评估数据对所述目标推荐产品进行推荐序列生成，得到所述产品推荐序列。
35、为实现上述目的，本申请实施例的第二方面提出了一种产品推荐内容生成装置，所述装置包括：
36、获取信息模块，用于获取样本对象的样本身份信息，获取保险产品的保险产品信息，获取所述样本对象对所述保险产品的浏览记录信息和购买记录信息；
37、模型训练模块，用于基于所述样本身份信息、所述浏览记录信息、所述购买记录信息和所述保险产品信息对预设产品需求预测模型进行训练，得到目标产品需求预测模型；
38、需求预测模块，用于获取目标对象的目标身份画像，通过所述目标产品需求预测模型和所述目标身份画像对所述目标对象进行需求预测，得到目标推荐产品；
39、产品排序模块，用于根据所述目标身份画像对所述目标推荐产品进行产品排序，得到产品推荐序列；
40、内容生成模块，用于根据所述目标身份画像和所述产品推荐序列对所述目标对象进行推荐内容生成，得到目标推荐内容。
41、为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
42、为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
43、本申请提出的一种产品推荐内容生成方法和装置、电子设备及存储介质，其通过获取样本对象的样本身份信息，并获取保险产品的保险产品信息，并获取样本对象对保险产品的浏览记录信息和购买记录信息，然后基于本文档来自技高网...
【技术保护点】
1.一种产品推荐内容生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述样本身份信息、所述浏览记录信息、所述购买记录信息和所述保险产品信息对预设产品需求预测模型进行训练，得到目标产品需求预测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述保险产品信息、所述用户画像信息和所述用户偏好信息对所述预设产品需求预测模型进行训练，得到所述目标产品需求预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述保险产品标签和所述预测产品标签对所述预设产品需求预测模型进行参数优化，得到所述目标产品需求预测模型，包括：
5.根据权利要求3所述的方法，其特征在于，所述预设产品需求预测模型包括嵌入层、画像偏好编码层、特征提取层、解码层，所述基于所述画像偏好数据和所述保险产品信息对所述预设产品需求预测模型进行产品预测，得到预测产品标签，包括：
6.根据权利要求2所述的方法，其特征在于，所述基于所述样本身份信息、所述浏览记录信息和所述购买记录信息进行偏好聚类，得到用户偏好信
7.根据权利要求1所述的方法，其特征在于，所述根据所述目标身份画像对所述目标推荐产品进行产品排序，得到产品推荐序列，包括：
8.一种产品推荐内容生成装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的产品推荐内容生成方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的产品推荐内容生成方法。
...【技术特征摘要】
1.一种产品推荐内容生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述样本身份信息、所述浏览记录信息、所述购买记录信息和所述保险产品信息对预设产品需求预测模型进行训练，得到目标产品需求预测模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述保险产品信息、所述用户画像信息和所述用户偏好信息对所述预设产品需求预测模型进行训练，得到所述目标产品需求预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述保险产品标签和所述预测产品标签对所述预设产品需求预测模型进行参数优化，得到所述目标产品需求预测模型，包括：
5.根据权利要求3所述的方法，其特征在于，所述预设产品需求预测模型包括嵌入层、画像偏好编码层、特征提取层、解码层，所述基于所述画像偏好数据和所述保险产品信息对...
【专利技术属性】
技术研发人员：蔡少康，
申请(专利权)人：中国平安财产保险股份有限公司，
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。