[发明专利]产品推荐方法、装置、电子设备及可读存储介质

说明书

本发明涉及智能推荐技术，揭露一种产品推荐方法，包括：确定各个用户的第一特征，基于第一特征对各个用户进行分组，得到多个用户组；计算多个用户组中每个用户组对应的产品渗透率数组；确定待推荐用户对应的目标用户组；获取产品推荐请求对应的第二特征因子，基于第二特征因子及第二历史数据确定待推荐用户的第二特征，将第二特征输入属性分析模型得到待推荐用户的目标属性值；当目标属性值小于预设阈值时，基于目标用户组对应的产品渗透率数组为待推荐用户推荐目标产品。本发明还提供一种产品推荐装置、电子设备及可读存储介质。本发明提高了产品推荐成功率。

技术领域

本发明涉及数据分析领域，尤其涉及一种产品推荐方法、装置、电子设备及可读存储介质。

背景技术

随着科技的发展，产品推荐在人们生活中的应用越来越广泛，例如，文章推送、商品信息推荐等，目前通常单一的根据用户自身相关的信息，例如历史浏览信息、购买信息进行推荐，使得推荐成功率不高。因此，亟需一种产品推荐方法，以提高推荐成功率。

发明内容

鉴于以上内容，有必要提供一种产品推荐方法，旨在提高推荐成功率。

本发明提供的产品推荐方法，包括：

获取数据库中各个用户的第一历史数据，基于第一特征因子及所述第一历史数据确定各个用户的第一特征，基于所述第一特征对各个用户进行分组，得到多个用户组；

基于所述第一历史数据计算所述多个用户组中每个用户组对应的产品渗透率数组；

解析用户基于客户端发出的产品推荐请求，获取所述产品推荐请求携带的待推荐用户的标识，基于所述标识从所述数据库中获取所述待推荐用户的第二历史数据，并确定所述待推荐用户对应的目标用户组；

获取所述产品推荐请求对应的第二特征因子，基于所述第二特征因子及所述第二历史数据确定所述待推荐用户的第二特征，将所述第二特征输入属性分析模型得到所述待推荐用户的目标属性值；

当所述目标属性值小于预设阈值时，基于所述目标用户组对应的产品渗透率数组为所述待推荐用户推荐目标产品。

可选的，所述基于所述第一特征对各个用户进行分组，得到多个用户组包括：

基于所述第一特征采用K均值聚类算法对各个用户进行分组，其中，K分别取值为预设数值范围内的各个自然数，K的一个取值对应一种分组结果，得到多种分组结果；

确定所述多种分组结果中每种分组结果对应的各个用户组的中心用户，基于所述中心用户的第一特征分别计算每种分组结果对应的轮廓系数；

将轮廓系数最接近预设数值的分组结果作为目标分组结果。

可选的，所述确定所述多种分组结果中每种分组结果对应的各个用户组的中心用户包括：

计算每种分组结果对应的各个用户组中所有用户的第一特征的平均值，将各个用户组中第一特征与所述平均值的差值绝对值最小的用户作为各个用户组的中心用户。

可选的，所述轮廓系数的计算公式为：

其中，S_pq表示第p种分组结果中第q个用户组对应的轮廓系数，表示第p种分组结果中第q个用户组的中心用户的第一特征到同一个用户组中其他用户的第一特征的平均距离，表示第p种分组结果中第q个用户组的中心用户的第一特征到其他用户组的第一特征的平均距离的最小值，S_p表示第p种分组结果对应的轮廓系数，m表示第p种分组结果中用户组的总数量。

可选的，在将所述第二特征输入属性分析模型得到所述待推荐用户的目标属性值之后，所述方法还包括：