[发明专利]一种产品推荐方法、系统、电子设备及存储介质

说明书

本申请提供一种产品推荐方法、系统、电子设备及存储介质，可应用于大数据领域或者金融领域，利用聚类算法，根据目标用户的目标标签数据，从各个用户中确定目标用户的目标相似用户；根据目标标签数据中的目标购物信息构建目标用户的产品画像；利用目标购物信息和目标标签数据中的目标交易行为信息构建目标用户的行为特征矩阵；将目标用户的产品画像、用户用户的行为特征矩阵以及各个目标相似用户的基本信息和交易行为信息输入混合推荐模型中，以使混合推荐模型根据目标用户的产品画像、用户用户的行为特征矩阵以及各个相似度用户的基本信息和交易行为信息进行产品预测，得到目标产品推荐集；根据目标产品推荐集向目标用户推荐相应的产品。

技术领域

本发明涉及互联网技术领域，更具体地说，涉及一种产品推荐方法、系统、电子设备及存储介质。

背景技术

随着互联网技术的快速发展，银行企业基于场景化和个性化的产品不断丰富，银行企业可以向用户推荐各式各样的产品，来提升银行企业的业务绩效。

在现有技术中，通常在银行网点内设置相应的银行柜台，通过银行柜台以人工的方式向用户推荐相应的产品。但是，这种方式无法针对用户进行定制化和个性化的产品推荐，难以吸引用户以及用户体验差。

发明内容

本发明提供一种产品推荐方法、系统、电子设备及存储介质，以实现对用户进行定制化和个性化的产品推荐，吸引用户以及提高用户体验感。

本发明第一方面公开一种产品推荐方法，所述方法包括：

利用聚类算法，根据目标用户的目标标签数据，从各个用户中确定所述目标用户的目标相似用户；其中，所述目标用户的目标标签数据是根据所述目标用户的目标用户数据生成；所述目标标签数据至少包括所述目标用户的目标购物信息和所述目标交易行为信息。

根据所述目标购物信息构建所述目标用户的产品画像；

利用所述目标购物信息和所述目标交易行为信息构建所述目标用户的行为特征矩阵；

将所述目标用户的产品画像、所述用户用户的行为特征矩阵以及各个目标相似用户的基本信息和交易行为信息输入混合推荐模型中，以使所述混合推荐模型根据所述目标用户的产品画像、所述用户用户的行为特征矩阵以及各个相似度用户的基本信息和交易行为信息进行产品预测，得到目标产品推荐集；其中，所述混合推荐模型是利用各个所述用户的标签数据对待训练的混合推荐模型进行训练得到；

根据所述目标产品推荐集向所述目标用户推荐相应的产品。

可选的，所述待训练的混合推荐模型是根据基于用户推荐的协同过滤算法和基于内容推荐的协同过滤算法构建的，所述利用各个所述用户的标签数据对待训练的混合推荐模型进行训练，得到混合推荐模型，包括：

获取每个所述用户的标签数据；其中，所述用户的标签数据包括所述用户的基本信息、历史购物信息和历史交易行为信息；

针对每个所述用户，利用聚类算法，根据所述用户的基本信息和历史交易行为，从各个所述用户中确定所述用户的相似用户；

根据所述用户的历史购物信息构建所述用户的产品画像，以及利用所述用户的历史购物信息和历史交易行为信息构建所述目用户的行为特征矩阵；

将所述用户的产品画像、行为特征矩阵和各个所述相似用户的基本信息和历史交易行为信息，输入待训练的混合推荐模型；