[发明专利]产品推荐方法、装置、设备及存储介质

说明书

本发明涉及人工智能，提供一种产品推荐方法、装置、设备及存储介质。该方法能够获取多个用户样本，每个用户样本中包括历史购买用户及喜好产品，基于喜好产品对多个用户样本进行类型划分，得到多个采样组，基于孪生网络预测多个采样组中每个样本对的样本相似度，根据样本相似度计算每个采样组的采样率，基于采样率及样本相似度从每个采样组中提取训练样本，基于训练样本迭代调整孪生网络，得到产品推荐模型，根据待测用户在多个预设维度上的维度信息生成表征向量，将表征向量输入至产品推荐模型中，得到目标推荐产品，能够准确的为用户推荐合适的产品。此外，本发明还涉及区块链技术，所述标推荐产品可存储于区块链中。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种产品推荐方法、装置、设备及存储介质。

背景技术

为了更好的推销产品，目前主要通过训练得到的产品推荐模型确定出与用户相匹配的产品进行推荐，然而，在这种方式中，当产品的购买用户较少时，导致训练样本的数量不足，容易导致产品推荐模型出现过拟合的问题，从而造成无法准确的为用户推荐合适的产品。

发明内容

鉴于以上内容，有必要提供一种产品推荐方法、装置、设备及存储介质，能够准确的为用户推荐合适的产品。

一方面，本发明提出一种产品推荐方法，所述产品推荐方法包括：

从预设样本库中获取多个用户样本，每个用户样本中包括历史购买用户及该历史购买用户的喜好产品；

基于所述喜好产品对所述多个用户样本进行类型划分，得到多个采样组；

基于预先构建好的孪生网络预测所述多个采样组中每个样本对的样本相似度；

根据所述样本相似度计算每个采样组的采样率；

基于所述采样率及所述样本相似度从每个采样组中提取训练样本；

基于所述训练样本迭代调整所述孪生网络，直至满足预设迭代条件，得到产品推荐模型；

当接收到产品推荐请求时，根据所述产品推荐请求中待测用户在多个预设维度上的维度信息生成表征向量；

将所述表征向量输入至所述产品推荐模型中，得到目标推荐产品。

根据本发明优选实施例，在从预设样本库中获取多个用户样本之前，所述方法还包括：

获取多个所述历史购买用户，并获取每个历史购买用户的购买产品及所述购买产品的购买金额；

将所述购买金额最大的购买产品确定为每个历史购买用户的喜好产品；

将每个历史购买用户及对应的喜好产品作为同一用户样本存储在所述预设样本库中。

根据本发明优选实施例，所述孪生网络包括特征提取层，每个样本对中包括第一用户及第二用户，所述基于预先构建好的孪生网络预测所述多个采样组中每个样本对的样本相似度包括：

基于所述多个预设维度生成所述第一用户的第一数据信息，并基于所述多个预设维度生成所述第二用户的第二数据信息；

将所述第一数据信息及所述第二数据信息分别输入至所述特征提取层，得到与所述第一数据信息对应的第一特征向量，及与所述第二数据信息对应的第二特征向量；

计算所述第一特征向量与所述第二特征向量的相似度，得到所述样本相似度。

根据本发明优选实施例，所述多个预设维度包括基础属性，所述基于所述多个预设维度生成所述第一用户的第一数据信息包括：

获取所述第一用户在所述基础属性上的基础信息；

定位所述第一用户的绑定设备，并获取所述第一用户在所述绑定设备上的操作信息；