[发明专利]产品推荐准确度评价方法、装置、设备及存储介质

权利要求书

1.一种产品推荐准确度评价方法，其特征在于，所述产品推荐准确度评价方法包括：

获取预置用户账户记录的用户浏览产品时的第一用户行为信息，其中，所述第一用户行为信息包括用户浏览产品时发生的多种用户行为特征以及每种用户行为特征的发生次数；

将所述第一用户行为信息输入预置行为权重模型进行预测，输出所述用户行为特征与所述用户浏览产品之间的关联度权重；

获取待评价的产品推荐模型向所述用户账户发送的产品推荐信息、所述用户账户记录的所述产品推荐信息对应的第二用户行为信息，其中，所述产品推荐信息包含有多种推荐产品的排序信息；

根据所述第二用户行为信息与所述关联度权重，计算所述用户账户与所述产品推荐信息中推荐产品的关联度系数；

根据所述关联度系数和所述推荐产品的排序信息，对所述产品推荐模型进行产品推荐准确度评价，得到评价得分；

根据所述评价得分与预置推荐模型的准确度评价规则，确定所述产品推荐模型对应的评价等级；

所述根据所述第二用户行为信息与所述关联度权重，计算所述用户账户与所述产品推荐信息中推荐产品的关联度系数包括：

对于推荐产品，用户若对该推荐产品的操作次数越多，对应用户行为特征关联度权重越大，则用户对该推荐产品的兴趣度越大，即关联度系数越大；故以用户每一个用户行为特征的关联度权重乘以对推荐产品对应的操作次数，即可得到每一个用户行为特征影响用户与产品关联度的单项关联度得分，再累加，即可得到最终该用户对推荐产品的关联度系数。

2.根据权利要求1所述的产品推荐准确度评价方法，其特征在于，在所述将所述第一用户行为信息输入预置行为权重模型进行预测，输出所述用户行为特征与所述用户浏览产品之间的关联度权重之前，还包括：

获取训练数据宽表模板，其中，所述训练数据宽表模板包含多种用户行为特征对应的标题字段；

将所述多种用户行为特征中的发生次数写入所述数据宽表模板中对应的标题字段下的表列中；

为所述多种用户行为特征添加身份标识符，并设置用户购买行为为目标变量，设置其他用户行为为辅助变量，生成训练数据宽表。

3.根据权利要求1所述的产品推荐准确度评价方法，其特征在于，所述将所述第一用户行为信息输入预置行为权重模型进行预测，输出所述用户行为特征与所述用户浏览产品之间的关联度权重包括：

设置行为权重模型的训练参数，其中，所述训练参数包括最大迭代次数、停止迭代变量阈值、迭代步长；

根据由所述第一用户行为信息生成的训练数据宽表中的训练数据，初始化所述多种用户行为特征对应的关联度权重；

根据初始化的关联度权重，对所述训练数据进行转换，得到对应的转换训练数据；

对所述转换训练数据对应的多种用户行为特征进行估值，并计算所述多种用户行为特征的估值与对应多种用户行为特征的初始估值的估值差；

根据上代关联度权重、迭代步长、多种用户行为特征的估值差得到当代关联度权重；

当所述多种用户行为特征对应的迭代变化量均小于停止迭代变化量阈值时，将所述多种用户行为特征对应的当代关联度权重对应输出。

4.根据权利要求1所述的产品推荐准确度评价方法，其特征在于，所述根据所述第二用户行为信息与所述关联度权重，计算所述用户账户与所述产品推荐信息中推荐产品的关联度系数包括：

解析所述第二用户行为信息，得到多种用户行为特征；

基于所述多种用户行为特征对应的发生次数与所述关联度权重，计算所述多种用户行为特征与所述推荐产品的单项关联度得分；

统计所述多种用户行为特征的单项关联度得分，得到所述用户账号与所述产品推荐信息的关联度系数。