[发明专利]一种产品推荐方法及装置

说明书

本申请提供一种产品推荐方法及装置，涉及信息处理技术领域，方法包括：获取所有产品的计划推荐等级及期望行为数据；将计划推荐等级输入至预先训练好的预测模型中，并获取预测模型输出的预测行为数据，其中，预先训练好的预测模型为根据均衡样本数据训练得到；根据预测行为数据以及期望行为数据调整计划推荐等级，并根据调整后的计划推荐等级进行产品推荐。根据预测模型获取的预测行为数据能够准确的反应出用户对根据计划推荐等级进行产品推荐的反映行为，因此可以根据期望行为数据和预测行为数据对计划推荐等级进行调整，最终根据调整后的计划推荐等级进行产品推荐，从而提高推荐命中率，同时提高用户体验，继而提高推荐效果。

技术领域

本申请涉及信息处理技术领域，具体而言，涉及一种产品推荐方法及装置。

背景技术

产品推荐场景日益渗透生活的各个领域，如新闻推荐、购物推荐等，采用合适的推荐方案能够产生良好的推荐效果，还能带来良好的用户体验。传统的推荐方法是采用随机采样的方法收集样本，然后对样本进行的样本进行简单分类，后根据分类结果将产品推荐给用户，由于用户购买产品存在差异性，导致采集到的样本存在不平衡的问题，从而导致采集的样本无法反映用户对产品真正的偏好，进而导致推荐效果不好的问题。

发明内容

本申请实施例的目的在于提供一种产品推荐方法及装置，用以改善现有技术中推荐效果不好的问题。

第一方面，本申请实施例提供了一种产品推荐方法，所述方法包括：获取所有产品的计划推荐等级及期望行为数据；将所述计划推荐等级输入至预先训练好的预测模型中，并获取所述预测模型输出的预测行为数据，其中，所述预先训练好的预测模型为根据均衡样本数据训练得到的，所述均衡样本数据为对所有产品的历史推荐等级以及与所述历史推荐等级对应的历史行为数据进行样本均衡处理得到的；根据所述预测行为数据以及所述期望行为数据调整所述计划推荐等级，并根据调整后的所述计划推荐等级进行产品推荐。

在上述实现过程中，将产品的计划推荐等级输入至预先根据均衡样本数据训练得到的预测模型中，获取预测行为数据，预测行为数据能够准确的反应出用户对根据计划推荐等级进行产品推荐的反映行为，因此可以根据期望行为数据和预测行为数据对计划推荐等级进行调整，最终根据调整后的计划推荐等级进行产品推荐，从而提高推荐命中率，同时提高用户体验，继而提高推荐效果。

可选地，所述将所述计划推荐等级输入至预先训练好的预测模型中之前，所述方法还包括：获取所有产品的历史推荐等级以及与所述历史推荐等级对应的历史行为数据；对所述历史推荐等级以及所述历史行为数据进行样本均衡处理，得到均衡样本数据；根据所述均衡样本数据训练待训练的预测模型，并获取训练好的预测模型。

在上述实现过程中，对历史推荐等级以及历史行为数据进行样本均衡处理，得到的均衡样本数据能够比较好的反映出用户的真实偏好情况，因此，根据均衡样本数据对待训练的预测模型进行训练，能够保证训练好的预测模型能够全面的反应出用户的真实偏好，从而能够得到准确的预测结果。

可选地，所述对所述历史推荐等级以及所述历史行为数据进行样本均衡处理，得到均衡样本数据，包括：按照类别均衡采样算法对所述历史推荐等级以及所述历史行为数据进行采样，得到均衡样本数据。由于类别均衡采样算法只需要根据类别生成样本列表，然后从每个类别中随机进行采样，因此可以用于处理数据量较多的样本数据，且易于实现。

可选地，所述对所述历史推荐等级以及所述历史行为数据进行样本均衡处理，得到均衡样本数据，包括：根据所述历史推荐等级以及所述历史行为数据将所有产品分为正样本以及负样本，其中，所述正样本为所述所有产品中所述历史推荐等级以及所述历史行为数据均符合预设条件的产品，所述负样本为所述所有产品中不是正样本的产品；根据所述历史推荐等级以及所述历史行为数据确定样本填充比例，其中，所述样本填充比例用于确定所述正样本以及所述负样本中分别需要填充的样本数量；根据所述正样本以及所述负样本中分别需要填充的样本数量对所述正样本以及所述负样本进行样本填充的均衡算法处理，得到均衡样本数据。