[发明专利]基于深度学习的产品推送方法及系统

说明书

本发明提供一种基于深度学习的产品推送方法及系统，属于人工智能技术领域。该基于深度学习的产品推送方法包括：根据用户身份信息构造当前用户信息矩阵；根据用户点击产品的顺序创建当前产品信息矩阵；将当前用户信息矩阵和当前产品信息矩阵输入基于历史用户信息矩阵和历史产品信息矩阵创建的产品推荐模型中，得到产品推荐概率；根据产品推荐概率确定推送产品并对推送产品进行推送。本发明可以针对不同的用户推送特定的产品，提高产品推送的精度和准确度，进一步提高用户满意度。

技术领域

本发明涉及人工智能技术领域，具体地，涉及一种基于深度学习的产品推送方法及系统。

背景技术

随着云计算、大数据、物联网等技术的迅猛发展，互联网空间中各类应用的层出不穷引发了数据规模的爆炸式增长。大数据在给人类社会带来变革性发展的同时也带来了严重的“信息过载”问题，产品推送是解决这一问题的有效方法，其可根据用户的历史行为对用户的偏好和兴趣进行分析，以预测用户接下来可能感兴趣的对象，从而向用户推送对应的产品。然而，现有的推送方法大多只从用户角度进行分析，并没有考虑产品本身对用户偏好的影响，大大影响了产品推送的精度和准确度，降低了用户满意度。

发明内容

本发明实施例的主要目的在于提供一种基于深度学习的产品推送方法及系统，以针对不同的用户推送特定的产品，提高产品推送的精度和准确度，进一步提高用户满意度。

为了实现上述目的，本发明实施例提供一种基于深度学习的产品推送方法，包括：

根据用户身份信息构造当前用户信息矩阵；

根据用户点击产品的顺序创建当前产品信息矩阵；

将当前用户信息矩阵和当前产品信息矩阵输入基于历史用户信息矩阵和历史产品信息矩阵创建的产品推荐模型中，得到产品推荐概率；

根据产品推荐概率确定推送产品并对推送产品进行推送。

本发明实施例还提供一种基于深度学习的产品推送系统，包括：

当前用户信息矩阵单元，用于根据用户身份信息构造当前用户信息矩阵；

当前产品信息矩阵单元，用于根据用户点击产品的顺序创建当前产品信息矩阵；

产品推荐概率单元，用于将当前用户信息矩阵和当前产品信息矩阵输入基于历史用户信息矩阵和历史产品信息矩阵创建的产品推荐模型中，得到产品推荐概率；

产品推送单元，用于根据产品推荐概率确定推送产品并对推送产品进行推送。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现所述的基于深度学习的产品推送方法的步骤。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现所述的基于深度学习的产品推送方法的步骤。

本发明实施例的基于深度学习的产品推送方法及系统先根据用户身份信息构造当前用户信息矩阵，根据用户点击产品的顺序创建当前产品信息矩阵，然后将当前用户信息矩阵和当前产品信息矩阵输入产品推荐模型中，得到产品推荐概率，最后根据产品推荐概率确定推送产品并对推送产品进行推送，可以针对不同的用户推送特定的产品，提高产品推送的精度和准确度，进一步提高用户满意度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例中基于深度学习的产品推送方法的流程图；