[发明专利]产品推荐方法、装置、处理器及电子设备

权利要求书

1.一种产品推荐方法，其特征在于，包括：

获取目标产品在多个特征视角下的样本数据；

分别基于同一所述特征视角下的所述样本数据确定单视角相似度图，得到多个单视角相似度图，其中，所述单视角相似度图用于表示同一视角下所述样本数据之间的相似度；

将多个所述单视角相似度图进行融合，得到多视角相似度图，其中，所述多视角相似度图用于表示多个视角下所述样本数据之间的关联关系；

利用所述样本数据对预设推荐模型进行学习训练，生成多个单视角推荐模型，其中，所述预设推荐模型根据所述单视角相似度图和所述多视角相似度图确定；

将多个单视角推荐模型进行集成，得到产品推荐模型；

基于所述产品推荐模型进行产品推荐。

2.根据权利要求1所述的方法，其特征在于，获取目标产品在多个特征视角下的样本数据包括：

获取所述目标产品的客户信息，其中，每个所述客户信息包括多个特征视角；

识别每个所述客户信息中缺失的特征视角；

确定缺失的所述特征视角的数量低于第一预定阈值的客户信息为客户样本；

为所述客户样本添加标签得到所述样本数据，其中，所述标签用于表示所述客户样本是否持有所述目标产品。

3.根据权利要求1所述的方法，其特征在于，分别基于同一所述特征视角下的所述样本数据确定单视角相似度图，得到多个单视角相似度图包括：

确定同一所述特征视角下的多个所述样本数据；

确定任意两个所述样本数据之间的相似度值，其中，相似的所述样本数据之间分配第一相似度值，不同的所述样本数据之间分配第二相似度值，其中，所述第一相似度值大于第二相似度值；

以所述样本数据为节点，根据所述样本数据之间的相似度值确定对应节点间的节点距离，建立所述单视角相似度图；

基于多个所述特征视角的单视角相似度图，确定多个单视角相似度图。

4.根据权利要求3所述的方法，其特征在于，以所述样本数据为节点，根据所述样本数据之间的相似度值确定对应节点间的节点距离，建立所述单视角相似度图包括：

确定每个所述样本数据对应的节点；

基于所述相似度值确定节点之间的节点距离；

基于所述节点距离确定邻近节点对，其中，所述邻近节点对表示所述节点距离小于第二预定阈值的两个节点；

基于所述邻近节点对调整所述节点之间的节点距离；

基于调整后的节点距离建立所述单视角相似度图。

5.根据权利要求4所述的方法，其特征在于，基于所述邻近节点对调整所述节点之间的节点距离包括：

减少所述邻近节点对的节点距离；和/或

增加非所述邻近节点对的节点距离。

6.根据权利要求1所述的方法，其特征在于，将多个所述单视角相似度图进行融合，得到多视角相似度图包括：

确定每个所述单视角相似度图的扩展图，其中，所述扩展图中与缺失的所述样本数据相关的元素被设为预定值；

融合多个所述单视角相似度图的扩展图，得到所述多视角相似度图。

7.根据权利要求1所述的方法，其特征在于，利用所述样本数据对预设推荐模型进行学习训练，生成多个单视角推荐模型包括：

利用拉普拉斯矩阵确定所述多视角相似度图的多视角相似模型，其中，所述拉普拉斯矩阵的特征值的重数等于所述多视角相似度图中连通分量的数量；

确定单视角相似度图的单视角相似模型；

根据所述单视角相似度图和所述多视角相似度图确定所述预设推荐模型，并利用所述样本数据对所述预设推荐模型进行学习训练，生成所述单视角推荐模型。