[发明专利]基于人工智能的产品推荐方法、装置和计算机设备及介质在审
申请号: | 202111217457.4 | 申请日: | 2021-10-19 |
公开(公告)号: | CN113902526A | 公开(公告)日: | 2022-01-07 |
发明(设计)人: | 吴邦伟 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06Q30/06 | 分类号: | G06Q30/06;G06K9/62 |
代理公司: | 广州华进联合专利商标代理有限公司 44224 | 代理人: | 袁武 |
地址: | 518000 广东省深圳市福田区福*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 人工智能 产品 推荐 方法 装置 计算机 设备 介质 | ||
1.一种基于人工智能的产品推荐方法,其特征在于,所述方法包括:
获取产品信息关键字和用户数据,所述用户数据包括静态基础数据以及动态行为数据;
根据所述产品信息关键字,构建产品标签,并根据所述静态基础数据以及所述动态行为数据,构建用户画像;
基于所述动态行为数据、所述用户画像和所述产品标签,结合预设学习分类算法,建立用户维度和产品维度的线性关系;
根据所述线性关系和所述动态行为数据,预测用户潜在需求;
推荐与所述用户潜在需求对应的产品。
2.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述根据所述产品信息关键字,构建产品标签之后,还包括:
统计所述产品标签的检索频次,结合信息熵赋权法,确定所述产品标签的权重;
基于所述产品标签和所述产品标签的权重,构建产品簇类数据体系;
所述根据所述线性关系和所述动态行为数据,预测用户潜在需求包括:
根据所述线性关系和所述动态行为数据,并结合所述产品簇类数据体系,预测用户潜在需求。
3.根据权利要求2所述的基于人工智能的产品推荐方法,其特征在于,所述动态行为数据包括产品搜索数据;
所述根据线性关系和动态行为数据,并结合产品簇类数据体系,预测用户潜在需求包括:
根据所述产品搜索数据和时间段,结合预设分类器,预测产品搜索倾向,根据所述产品搜索倾向和所述产品簇类数据体系,预测用户潜在需求。
4.根据权利要求1所述的基于人工智能的产品推荐方法,其特征在于,所述基于所述动态行为数据、所述用户画像和所述产品标签,结合预设学习分类算法,建立用户维度和产品维度的线性关系包括:
基于所述动态行为数据、所述用户画像和所述产品标签,结合贝叶斯理论和LDA算法,建立动态行为数据与产品的线性关系以及用户画像与产品的线性关系;
归集所述动态行为数据与产品的线性关系和用户画像与产品的线性关系,得到所述用户维度和产品维度的线性关系。
5.根据权利要求2所述的基于人工智能的产品推荐方法,其特征在于,
所述基于所述动态行为数据、所述用户画像和所述产品标签,结合预设学习分类算法,建立用户维度和产品维度的线性关系包括:
基于所述动态行为数据、所述用户画像和所述产品标签,结合贝叶斯理论和LDA算法,建立动态行为数据与产品的线性关系以及用户画像与产品的线性关系,归集所述动态行为数据与产品的线性关系和用户画像与产品的线性关系,得到所述用户维度和产品维度的线性关系;
所述基于所述线性关系和所述动态行为数据,预测用户潜在需求之前,还包括:
初始化所述动态行为数据与产品的线性关系的深度值和评分以及所述用户画像与产品的线性关系的深度值和评分;
所述根据所述线性关系和所述动态行为数据,并结合所述产品簇类数据体系,预测用户潜在需求包括:
根据所述动态行为数据与产品的线性关系的深度值和评分,以及所述用户画像与产品的线性关系的深度值和评分,结合所述产品簇类数据体系,预测用户潜在需求。
6.根据权利要求5所述的基于人工智能的产品推荐方法,其特征在于,所述初始化所述动态行为数据与产品的线性关系的深度值和评分,以及所述用户画像与产品的线性关系的深度值和评分之后,还包括:
获取最新的动态行为数据;
根据所述最新的动态行为数据和预设线性关系更新条件,更新所述动态行为数据与产品的线性关系的深度值和评分以及所述用户画像与产品的线性关系的深度值和评分。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111217457.4/1.html,转载请声明来源钻瓜专利网。