[发明专利]基于用户画像的推荐方法、装置、计算机设备和存储介质

说明书

本发明提供一种基于用户画像的推荐方法、装置、计算机设备和存储介质，该方法包括获取用户行为数据；解析所述用户行为数据，获得用户特征向量；基于所述用户特征向量，构建用户画像；从所述用户画像中提取出按预设规则排列的前若干个产品，获得若干个预选产品；获取产品分类数据；将所述产品分类数据关联各所述预选产品，获取所述产品分类数据中与各所述预选产品对应的产品分类；根据所述产品分类推送产品消息。通过构建用户画像，并且将用户画像与产品分类数据关联，进而确定用户感兴趣的产品分类，将该产品分类对应的产品消息推送至用户，使得产品消息能够精准推送，使得体验更佳。

技术领域

本发明涉及商品推送技术领域，特别涉及一种基于用户画像的推荐方法、装置、计算机设备和存储介质。

背景技术

随着互联网的不断发展，尤其是移动互联网的高速发展，各类应用程序为更好的用户体验以及由针对性地推送产品，应用程序能够根据用户的订阅或者爱好推送消息。

推送消息一般都是通过用户手动订阅，无法智能推荐，导致用户只会关注自己已知感兴趣的内容，无法推送潜在的感兴趣的消息。而对于一些简单地根据用户的兴趣获得用户的感兴趣的产品进行推送，则由于感兴趣的产品的计算过程较为简单，导致推送不精确，导致用户感知不佳。

发明内容

基于此，有必要针对上述技术问题，提供一种基于用户画像的推荐方法、装置、计算机设备和存储介质。

一种基于用户画像的推荐方法，包括：

获取用户行为数据；

解析所述用户行为数据，获得用户特征向量；

基于所述用户特征向量，构建用户画像；

从所述用户画像中提取出按预设规则排列的前若干个产品，获得若干个预选产品；

获取产品分类数据；

将所述产品分类数据关联各所述预选产品，获取所述产品分类数据中与各所述预选产品对应的产品分类；

根据所述产品分类推送产品消息。

在其中一个实施例中，所述基于所述用户特征向量，构建用户画像的步骤包括：

基于所述用户特征向量，采用TF-IDF算法构建所述用户画像。

在其中一个实施例中，所述基于所述用户特征向量，采用TF-IDF算法构建所述用户画像的步骤包括：

基于所述用户特征向量，获取用户购买的各类产品的权重；

基于用户购买的各类产品的权重，采用TF-IDF算法构建所述用户画像。

在其中一个实施例中，所述从所述用户画像中提取出按预设规则排列的前若干个产品，获得若干个预选产品的步骤包括：

基于所述用户画像中的各类产品的权重，按权重由大至小的排序从所述用户画像中提取出前若干个产品，获得若干个所述预选产品。

在其中一个实施例中，所述根据所述产品分类推送产品消息的步骤包括：

根据从所述产品分类数据中获取的所述产品分类，生成产品推送列表；

推送所述产品推送列表。

在其中一个实施例中，所述获取用户行为数据包括用户注册数据、用户评论数据、用户点击数据和用户地理位置数据。

一种基于用户画像的推荐装置，包括：

用户行为获取模块，用于获取用户行为数据；

用户特征向量获取模块，用于解析所述用户行为数据，获得用户特征向量；