[发明专利]一种产品推荐方法、装置、电子设备及存储介质

说明书

本发明实施例公开了一种产品推荐方法、装置、电子设备及存储介质。该产品推荐方法具体包括：获取目标用户的用户描述数据；将用户描述数据输入至通过联邦学习训练的本地离线产品推荐网络，并获取与目标用户对应的至少一个待推荐产品；获取目标用户的当前状态数据，并根据当前状态数据和用户描述数据，构建与每个待推荐产品分别对应的查询数据；将各查询数据输入至基于强化学习的在线产品推荐网络，获取与各待推荐产品对应的产品推荐值，并根据各产品推荐值，向目标用户进行产品推荐。本发明实施例的技术方案能够更好的构建用户画像，提高产品推荐的准确性。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种产品推荐方法、装置、电子设备及存储介质。

背景技术

随着机器学习的发展，模型逐渐融入人们的生活中，例如，通过模型为用户推荐感兴趣的产品。

现有的产品推荐方法通常是将用户信息和产品信息，输入至产品推荐网络模型中，以通过产品推荐网络模型获取产品推荐值，从而基于产品推荐值为用户推荐产品。但是，不同平台的信息数据都是相对独立的，单一平台的可用信息数据较少，由此构建的用户画像无法准确的了解用户，降低了产品推荐的准确性，从而导致现有的产品推荐方法无法准确的对用户进行产品推荐。

发明内容

本发明实施例提供一种产品推荐方法、装置、电子设备及存储介质，能够更好的构建用户画像，提高产品推荐的准确性。

根据本发明的一方面，提供了一种产品推荐方法，包括：

获取目标用户的用户描述数据；

将用户描述数据输入至通过联邦学习训练的本地离线产品推荐网络，并获取与目标用户对应的至少一个待推荐产品；

获取目标用户的当前状态数据，并根据当前状态数据和用户描述数据，构建与每个待推荐产品分别对应的查询数据；

将各查询数据输入至基于强化学习的在线产品推荐网络，获取与各待推荐产品对应的产品推荐值，并根据各产品推荐值，向目标用户进行产品推荐。

根据本发明的另一方面，提供了一种产品推荐装置，包括：

用户描述数据获取模块，用于获取目标用户的用户描述数据；

待推荐产品获取模块，用于将用户描述数据输入至通过联邦学习训练的本地离线产品推荐网络，并获取与目标用户对应的至少一个待推荐产品；

查询数据构建模块，用于获取目标用户的当前状态数据，并根据当前状态数据和用户描述数据，构建与每个待推荐产品分别对应的查询数据；

产品推荐值获取模块，用于将各查询数据输入至基于强化学习的在线产品推荐网络，获取与各待推荐产品对应的产品推荐值，并根据各产品推荐值，向目标用户进行产品推荐。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的产品推荐方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的产品推荐方法。