[发明专利]产品信息推荐方法及装置

权利要求书

1.一种产品信息推荐方法，其特征在于，包括：

接收目标客户的客户基本信息；

应用所述客户基本信息和多个分别对应不同产品类型的预设的产品偏好预测模型，确定所述目标客户对应不同产品类型的偏好评分，将所述偏好评分最大值对应的产品类型作为目标推荐产品类型；

将所述目标推荐产品类型对应的产品购买信息发送至所述目标客户；

其中，每个所述预设的产品偏好预测模型是根据多个历史客户的历史客户基本信息和各个所述历史客户对于同一产品类型各自的偏好评分标签预先训练得到的迭代决策树模型。

2.根据权利要求1所述的产品信息推荐方法，其特征在于，在所述接收目标客户的客户基本信息之前，还包括：

获取多个产品偏好预测训练组，其中，每个所述产品偏好预测训练组包括：多个历史客户的历史客户基本信息，以及各个所述历史客户对于同一产品类型各自的偏好评分标签，各个历史购买记录组对应的产品类型不同；

应用各组所述产品偏好预测训练组分别训练各个所述产品类型各自对应的产品偏好预测模型，每个所述产品偏好预测模型均为迭代决策模型。

3.根据权利要求2所述的产品信息推荐方法，其特征在于，在所述获取多个产品偏好预测训练组之前，还包括：

获取多组历史交易记录组，每组历史交易记录组包含有唯一对应的历史客户购买同一产品类型的产品的次数和时间；

应用各个所述产品类型各自对应的预设的时间衰减系数以及历史交易记录组，生成各个所述历史客户对于不同产品类型的偏好评分标签。

4.根据权利要求3所述的产品信息推荐方法，其特征在于，在所述获取多个产品偏好预测训练组之后，还包括：

将各组所述产品偏好预测训练组中的历史客户基本信息，分别输入各自对应的产品偏好预测模型；

根据各个所述产品偏好预测模型的输出和历史交易记录组，调整各个所述预设的时间衰减系数。

5.根据权利要求3所述的产品信息推荐方法，其特征在于，在所述确定所述目标客户对应不同产品类型的偏好评分之后，还包括：

获取所述目标客户购买不同产品类型的产品各自的购买次数和购买时间；

根据所述目标客户对应不同产品类型的偏好评分、购买次数和购买时间，调整各个所述时间衰减系数。

6.一种产品信息推荐装置，其特征在于，包括：

接收模块，用于接收目标客户的客户基本信息；

预测模块，用于应用所述客户基本信息和多个分别对应不同产品类型的预设的产品偏好预测模型，确定所述目标客户对应不同产品类型的偏好评分，将所述偏好评分最大值对应的产品类型作为目标推荐产品类型；

推荐模块，用于将所述目标推荐产品类型对应的产品购买信息发送至所述目标客户；

其中，每个所述预设的产品偏好预测模型是根据多个历史客户的历史客户基本信息和各个所述历史客户对于同一产品类型各自的偏好评分标签预先训练得到的迭代决策树模型。

7.根据权利要求6所述的产品信息推荐装置，其特征在于，还包括：

第一获取模块，用于获取多个产品偏好预测训练组，其中，每个所述产品偏好预测训练组包括：多个历史客户的历史客户基本信息，以及各个所述历史客户对于同一产品类型各自的偏好评分标签，各个历史购买记录组对应的产品类型不同；

训练模块，用于应用各组所述产品偏好预测训练组分别训练各个所述产品类型各自对应的产品偏好预测模型，每个所述产品偏好预测模型均为迭代决策模型。

8.根据权利要求7所述的产品信息推荐装置，其特征在于，还包括：

第二获取模块，用于获取多组历史交易记录组，每组历史交易记录组包含有唯一对应的历史客户购买同一产品类型的产品的次数和时间；

生成模块，用于应用各个所述产品类型各自对应的预设的时间衰减系数以及历史交易记录组，生成各个所述历史客户对于不同产品类型的偏好评分标签。