[发明专利]基于产品特征的推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种基于产品特征的推荐方法，其特征在于，包括以下步骤：

获取并分析待推荐产品的产品特征，所述产品特征用于确定模型训练的模型的类型；

获取曾使用所述待推荐产品用户的用户画像，所述用户画像用于作为模型训练的输入变量；

将用户画像作为所有类型的模型的输入变量进行模型训练，获得每种类型模型的特征模型；以及

获取被推荐用户的用户画像，根据被推荐用户的用户画像分别调用特征模型进行映射，以获得被推荐用户与各个特征模型的匹配度，根据匹配度确定向被推荐用户推荐具有相同产品特征的若干产品。

2.如权利要求1所述的基于产品特征的推荐方法，其特征在于，所述步骤“获取并分析待推荐产品的产品特征，所述产品特征用于确定模型训练的模型的类型”包括以下步骤：

选取同属一类的若干产品，挖掘产品特征；

从产品特征中提取出能够区别各产品的有效特征；

根据有效特征，确定模型训练的模型的类型。

3.如权利要求1所述的基于产品特征的推荐方法，其特征在于，所述步骤“获取曾使用所述待推荐产品用户的用户画像，所述用户画像用于作为模型训练的输入变量”包括以下步骤：

获取用户的数据，将数据标签化；

将标签进行数值化、归一化处理；

将数值化、归一化的标签作为模型的输入变量送入训练模型。

4.如权利要求1所述的基于产品特征的推荐方法，其特征在于，所述步骤“获取被推荐用户的用户画像，根据被推荐用户的用户画像分别调用特征模型进行映射，以获得被推荐用户与各个特征模型的匹配度，根据匹配度确定向被推荐用户推荐具有相同产品特征的若干产品”之后还包括以下步骤：

获取用户输入的各产品特征的权重参数，根据权重参数与特征模型的匹配度，确定被推荐用户的优先级排列；

利用flask将优先级排列的结果以http的形式发布出去。

5.如权利要求1所述的基于产品特征的推荐方法，其特征在于，所述步骤“获取被推荐用户的用户画像，根据被推荐用户的用户画像分别调用特征模型进行映射，以获得被推荐用户与各个特征模型的匹配度，根据匹配度确定向被推荐用户推荐具有相同产品特征的若干产品”之后还包括以下步骤：

将用户最终的选择作为反馈输入至特征模型的模型训练中，再次优化特征模型。

6.一种智能推荐装置，其特征在于，包括：

产品特征获取单元，用于获取并分析待推荐产品的产品特征，所述产品特征用于确定模型训练的模型的类型；

用户画像获取单元，用于获取曾使用所述待推荐产品用户的用户画像，所述用户画像用于作为模型训练的输入变量；

模型训练单元，用于将用户画像作为所有类型的模型的输入变量进行模型训练，获得每种类型模型的特征模型；以及

匹配推荐单元，用于获取被推荐用户的用户画像，根据被推荐用户的用户画像分别调用特征模型进行映射，以获得被推荐用户与各个特征模型的匹配度，根据匹配度确定向被推荐用户推荐具有相同产品特征的若干产品。

7.如权利要求6所述的智能推荐装置，其特征在于，所述的产品特征获取单元包括：

挖掘单元，用于选取同属一类的若干产品，挖掘产品特征；

提取单元，用于从产品特征中提取出能够区别各产品的有效特征；

模型类型确定单元，用于根据有效特征，确定模型训练的模型的类型。

8.如权利要求6所述的智能推荐装置，其特征在于，所述用户画像获取单元包括：

数据获取单元，用于获取用户的数据，将数据标签化；

数据处理单元，用于将标签进行数值化、归一化处理；

输入单元，用于将数值化、归一化的标签作为模型的输入变量送入训练模型。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的基于产品特征的推荐方法。

10.一种计算机可读存储介质，其特征在于，所述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可实现如权利要求1至5任一项所述的基于产品特征的推荐方法。