[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

说明书

本申请涉及人工智能领域，提供一种基于人工智能的产品推荐方法、装置设备及介质。所述方法包括：获取产品信息关键字和用户数据，用户数据包括静态基础数据以及动态行为数据；根据产品信息关键字，构建产品标签，并根据静态基础数据以及动态行为数据，构建用户画像；基于动态行为数据、用户画像和产品标签，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；根据线性关系和动态行为数据，预测用户潜在需求；推荐与用户潜在需求对应的产品。采用本方法能够贴合用户的潜在需求实现精准的产品推送。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种基于人工智能的产品推荐方法、装置、设备及介质。

背景技术

随着互联网的快速发展，电商平台与人们生产生活的联系越来越紧密，如何将产品定向在所需或未来潜在用户中打开知名度，已成为众多企业和电商平台推广产品的难题。

传统的推广方式一般是通过地推、广告或明星代言来增加产品知名度以打开市场，但这种传统的推广方式成本高、见效慢且针对的并非所需客群，成交率低。因此，出现了基于大数据分析的推广方式，例如淘宝、抖音等平台根据用户点击、页面停留时长、搜索来推广入驻厂商的相关产品，但是，此种方式对用户的分析不够精准，很难达到精准的产品推荐。

发明内容

基于此，有必要针对上述技术问题，提供一种能够实现精准产品推荐的基于人工智能的产品推荐方法、装置、设备及介质。

一种基于人工智能的产品推荐方法，方法包括：

获取产品信息关键字和用户数据，用户数据包括静态基础数据以及动态行为数据；

根据产品信息关键字，构建产品标签，并根据静态基础数据以及动态行为数据，构建用户画像；

基于动态行为数据、用户画像和产品标签，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；

根据线性关系和动态行为数据，预测用户潜在需求；

推荐与用户潜在需求对应的产品。

在一个实施例中，根据产品信息关键字，构建产品标签之后，还包括：

统计产品标签的检索频次，结合信息熵赋权法，确定产品标签的权重；

基于产品标签和产品标签的权重，构建产品簇类数据体系；

根据线性关系和动态行为数据，预测用户潜在需求包括：

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。

在一个实施例中，动态行为数据包括产品搜索数据；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，根据产品搜索倾向和产品簇类数据体系，预测用户潜在需求。

在一个实施例中，基于动态行为数据、用户画像和产品标签，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：

基于动态行为数据、用户画像和产品标签，结合贝叶斯理论和LDA(LinearDiscriminant Analysis，线性判别分析)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，得到用户维度和产品维度的线性关系。

在一个实施例中，基于动态行为数据、用户画像和产品标签，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：