[发明专利]基于神经网络的产品倾向性识别方法和相关装置

说明书

本申请公开一种基于神经网络的产品倾向性识别方法和相关装置，涉及人工智能技术领域，能够提高用户推荐产品的准确性。该方法包括：获取目标用户的行为数据；行为数据用于指示目标客户对目标产品库内各类产品的使用信息；基于预先训练的倾向性识别模型提取行为数据的产品倾向特征，得到目标用户对各类产品的倾向性识别结果；倾向性识别模型为根据倾向性评分法确定的倾向性数据集训练得到的；根据目标用户对各类产品的倾向性识别结果，确定目标用户的推荐产品；将倾向性识别结果，以及倾向性识别结果对应用户的行为数据存储于区块内；向其他节点发送区块，以使得其他节点对应的电子设备存储倾向性识别结果，以及倾向性识别结果对应用户的行为数据。

技术领域

本发明实施例涉及人工智能技术领域，尤其是一种基于神经网络的产品倾向性识别方法和相关装置。

背景技术

目前的智能营销中，能够基于产品之间的相似性向用户推荐感兴趣的产品。例如，用户在医院购买某类保健品或者医疗器材后，可以根据用户购买的保健品或者医疗器材的类型，为用户推荐同类的其他保健品或者医疗器材。

相关技术中，智能营销主要采用协同过滤算法，利用兴趣相投的用户群体的共同倾向为目标用户推荐产品。这种推荐方法中，一方面仅仅依靠用户之间的相似度确定目标用户的邻居，导致产品推荐的精度较低；另一方面，这种推荐方法还依赖于用户对同类产品的使用、评价等信息预测，受用户主观影响较大，导致推荐产品存在偏差。

发明内容

本发明实施例提供一种能够提高用户推荐产品准确性的基于神经网络的产品倾向性识别方法和相关装置。

为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种基于神经网络的产品倾向性识别方法，包括：获取目标用户的行为数据；所述行为数据用于指示所述目标客户对目标产品库内各类产品的使用信息；基于预先训练的倾向性识别模型提取所述行为数据的产品倾向特征，得到所述目标用户对所述各类产品的倾向性识别结果；所述倾向性识别模型为根据倾向性评分法确定的倾向性数据集训练得到的；根据所述目标用户对所述各类产品的倾向性识别结果，确定所述目标用户的推荐产品；将所述倾向性识别结果，以及所述倾向性识别结果对应用户的行为数据存储于区块内；所述区块应用于区块链；所述区块链用于向所述区块链内的各个节点共享所述倾向性识别结果，以及所述倾向性识别结果对应用户的行为数据；向所述其他节点发送所述区块，以使得所述其他节点对应的电子设备存储所述倾向性识别结果，以及所述倾向性识别结果对应用户的行为数据。

在一些方式中，在所述获取目标用户的行为数据之前，还包括：获取用户的产品行为数据；所述产品行为数据标注有产品类型标签和产品倾向性标签；根据所述用户的产品行为数据和神经网络训练，得到所述倾向性识别模型。

在一些方式中，所述根据所述用户的产品行为数据和神经网络训练，得到所述倾向性识别模型，包括：基于所述产品行为数据对所述神经网络进行产品倾向性的识别训练，得到目标产品倾向性预测结果；基于所述产品行为数据对所述神经网络进行产品类型的识别训练，得到目标产品类型预测结果；根据所述目标产品倾向性预测结果和所述产品倾向性标签确定目标倾向性损失值，根据所述目标产品类型预测结果与所述产品类型标签确定目标类型损失值；将所述目标倾向性损失值和所述目标类型损失值之和确定为目标损失值；在所述目标损失值不满足预设条件时，调整神经网络的参数，重复上述模型训练步骤；在所述目标损失值满足所述预设条件时，将当前神经网络确定为所述倾向性识别模型。

在一些方式中，所述预设条件为所述目标损失值小于第二阈值。

在一些方式中，所述神经网络模型为长短期记忆神经网络，包括特征提取层、全连接层和逻辑回归层；所述特征提取层用于提取所述行为数据的行为特征；所述全连接层用于综合所述特征提取层提取的行为特征，并将其拼接为目标向量，作为所述逻辑回归层的输入；所述逻辑回归层用于将所述全连接层的输出结果转换为用户对产品的倾向性识别结果。

在一些方式中，所述全连接层通过下列公式对输出参数进行非线性变换：