[发明专利]产品智能推荐方法、装置、计算机设备和存储介质

说明书

本申请涉及数据处理技术领域，提供一种产品智能推荐方法、装置、计算机设备和存储介质，通过建立因素集以及评价集，无需大量的训练数据；分别基于所述因素集中各个单因素对所述评价集中的各个元素的隶属度，建立各个所述单因素对所述评价集中所有产品推荐结果的模糊集合；再将所述因素集中的所有单因素对应的模糊集合组成矩阵，得到模糊综合评价矩阵，并将所述模糊综合评价矩阵保存至区块链中；并建立各所述因素的权重集合的模糊集，基于所述模糊综合评价矩阵以及所述模糊集，计算得到所述评价集上的模糊向量；最终基于所述模糊向量，确定最终的产品推荐结果，模糊向量采用精确的数据进行表达，便于精确表达推荐程度。

技术领域

本申请涉及数据处理技术领域，特别涉及一种产品智能推荐方法、装置、计算机设备和存储介质。

背景技术

智能推荐是互联网产品中常见的应用。在保险领域，智能推荐可用于向用户精确推送保险产品。而对于保障智能推荐的精确度，目前大致分为两种模式：

1.基于大数据的训练系统：随着数据量增加和系统不断学习，推送结果越来越精确。但是这种模式非常依赖大量的用户数据和较长时间的训练过程，存在“冷启动”问题，在运营初期难以实施。而在保险领域，往往需要面对大量的新用户和新产品，“冷启动”问题尤为突出，所以目前业内对于这一模式的运用还存在较大的限制。

2.基于定制化的专家系统。在这种模式下，即使用户、产品都是全新的，在合理建模的前提下也能获得较为精确的结果。但是，在传统的专家系统中，建模需要依赖精确的参数设定。其中一些规则是可以明确的，如：“对于年龄大于10岁且年龄小于65岁的用户可以推荐产品1，否则不推荐；对于已经购买过产品1的用户，不再推荐产品1。”然而在更多的场景下，其规则更为复杂，其边界更为模糊，又或是难以进行量化，如：“对于健康的用户，推荐产品1；对于不健康的用户，推荐产品2”，此时对于“健康”如何精确界定？又如：“对于年轻的用户，推荐产品3；对于年长的用户，推荐产品4”，此时对于“年轻”和“年长”的年龄边界如何精确制定？此外，同为“值得推荐”的产品中对于每个产品的推荐程度往往有高有低，无法用精确的数据进行推荐程度的描述。

发明内容

本申请的主要目的为提供一种产品智能推荐方法、装置、计算机设备和存储介质，旨在克服目前需要大量的训练数据以及无法用精确数据表达推荐程度的缺陷。

为实现上述目的，本申请提供了一种产品智能推荐方法，包括以下步骤：

对用户进行产品推荐时，获取影响产品推荐结果的各个因素，并基于各个所述因素分别作为集合的单因素建立因素集；

获取各个产品推荐结果，并将各个所述产品推荐结果分别作为集合的一个元素建立评价集；

分别基于所述因素集中各个单因素对所述评价集中的各个元素的隶属度，建立各个所述单因素对所述评价集中所有产品推荐结果的模糊集合；

将所述因素集中的所有单因素对应的模糊集合组成矩阵，得到模糊综合评价矩阵，并将所述模糊综合评价矩阵保存至区块链中；

获取各个所述因素对应的权重，基于各个所述因素对应的权重建立各所述因素的权重集合的模糊集；

基于所述模糊综合评价矩阵以及所述模糊集，计算得到所述评价集上的模糊向量；

基于所述模糊向量，确定最终的产品推荐结果。

进一步地，所述分别基于所述因素集中各个单因素对所述评价集中的各个元素的隶属度，建立各个所述单因素对所述评价集中所有产品推荐结果的模糊集合的步骤之前，包括：

获取所述因素集中各个单因素的变量类型；所述变量类型包括离散变量以及连续变量；

根据所述单因素的变量类型，匹配对应的隶属函数；所述隶属函数包括所述单因素对所述评价集中各个元素的隶属关系；