[发明专利]产品推荐方法、装置、设备及存储介质

说明书

本发明公开了一种产品推荐方法，所述产品推荐方法包括：获得用户的用户信息和待选产品数据，待选产品数据包括多个待选产品以及每个待选产品的历史信息，然后对用户信息和待选产品数据进行预处理，以获得预处理数据，并将预处理数据输入训练得到的推荐模型，以获得每个待选产品的推荐评分，其中，推荐模型包括循环神经单元，循环神经单元用于根据预处理数据获得偏好特征，最后根据每个待选产品的推荐评分，输出推荐结果。本发明公开了一种产品推荐装置、设备及存储介质，能够使输出的推荐结果与用户的喜好更加匹配，从而提高推荐效果。

技术领域

本发明涉及互联网技术领域，尤其涉及产品推荐方法、装置、设备及存储介质。

背景技术

随着移动互联网的高速发展和智能手机等移动设备的快速普及，困扰我们的问题逐渐由早年的信息匮乏，变成了如今的信息过载。面对海量的数据，我们越来越难以从中发现自己真正需要和感兴趣的内容，因此推荐系统变得越来越重要。

相关技术中，推荐系统直接对用户的历史信息进行简单处理，从而得到推荐结果，会导致得到的推荐结果匹配度不足，进而导致最终的推荐效果较差。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种产品推荐方法、装置、设备及存储介质，旨在解决推荐结果匹配度不足，推荐效果较差的技术问题。

为实现上述目的，本发明提供一种产品推荐方法，所述产品推荐方法包括以下步骤：

获得用户的用户信息和待选产品数据，所述待选产品数据包括多个待选产品以及每个待选产品的历史信息；

对所述用户信息和所述待选产品数据进行预处理，以获得预处理数据；

将所述预处理数据输入训练得到的推荐模型，以获得每个所述待选产品的推荐评分，其中，所述推荐模型包括循环神经单元，所述循环神经单元用于根据所述预处理数据获得偏好特征；

根据每个所述待选产品的推荐评分，输出推荐结果。

可选地，在所述将所述预处理数据输入训练得到的推荐模型，以获得每个所述待选产品的推荐评分的步骤之前，所述方法还包括：

获取用户样本、待选产品样本集和历史订单样本集；

对所述用户样本、所述待选产品样本集和历史订单样本集进行预处理，以获得预处理数据样本；

将所述预处理数据样本输入原始推荐模型，对所述原始推荐模型进行训练，以获得训练好的推荐模型，其中，所述原始推荐模型包括循环神经单元，所述循环神经单元用于根据所述预处理数据样本获得偏好特征。

可选地，所述对所述用户信息和所述待选产品数据进行预处理，以获得预处理数据的步骤，包括：

根据所述用户信息和所述待选产品数据，获得用户信息特征和每个待选产品的特征矩阵，每个待选产品的特征矩阵包括每个待选产品的评论特征和每个待选产品的信息特征；

根据每个待选产品的评论特征，获得每个待选产品的每条评论的第一评论矩阵；

对所述每条评论的第一评论矩阵进行过滤，获得每条评论的第二评论矩阵；

基于所述用户信息特征、每个待选产品的信息特征、每个待选产品的特征矩阵和每条评论的第二评论矩阵，获得所述预处理数据。

可选地，根据所述用户信息和所述待选产品数据，获得每个待选产品的特征矩阵的步骤，包括：

对所述用户信息进行特征提取，获得用户信息特征；

对所述待选产品数据进行特征提取，获得每个待选产品的信息特征、每个待选产品的历史评分特征和每个待选产品的评论特征；