[发明专利]产品推荐方法、装置、计算机设备和存储介质

说明书

本申请涉及一种产品推挤方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取多个样本对象各自的样本画像数据，每一样本画像数据均覆盖有多种对象属性类型，且不同样本画像数据相应的对象属性类型的覆盖范围相同；确定各对象属性类型相应的重复度；获取目标对象的目标画像数据，根据各对象属性类型相应的重复度和目标画像数据包含的有效数据相应的目标对象属性类型，确定各产品推荐算法的分配比例；按照各产品推荐算法的分配比例，通过各产品推荐算法，在所有虚拟产品中确定向目标对象进行推荐的目标虚拟产品。采用本方法能够提高产品推荐的准确性。

技术领域

本申请涉及大数据技术领域，特别是涉及一种产品推荐方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着计算机软件技术的发展，互联网技术的普及，网络上的信息数据越来越多，因而，如何从海量信息数据中提取用户感兴趣的数据并推荐给用户，是很多企业十分关注的问题。而产品的精准推荐，会直接影响到企业产品的成交量。

在现有技术中，产品推荐的方法包括基于内容推荐的算法和协同过滤算法等。然而，传统的推荐方法存在着推荐产品不准确的缺点，因此，目前急需一种产品推荐方法。

发明内容

基于此，有必要针对上述技术问题，提供一种产品推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种产品推荐方法。所述方法包括：

获取多个样本对象各自的样本画像数据，每一样本画像数据均覆盖有多种对象属性类型，且不同样本画像数据相应的对象属性类型的覆盖范围相同；

确定各对象属性类型相应的重复度，重复度用于表征相应的对象属性类型在不同样本画像数据中具有各子类型有效数据的出现频率；

获取目标对象的目标画像数据，根据各对象属性类型相应的重复度和目标画像数据包含的有效数据相应的目标对象属性类型，确定各产品推荐算法的分配比例；

按照各产品推荐算法的分配比例，通过各产品推荐算法，在所有虚拟产品中确定向目标对象进行推荐的目标虚拟产品。

在其中一个实施例中，确定各对象属性类型相应的重复度，包括：

针对每一对象属性类型，根据各样本画像数据中是否包含对象属性类型相应的子类型有效数据，确定对象属性类型的各子类型在所有样本画像数据中的出现次数；

根据各对象属性类型中各子类型有效数据的出现次数，确定各对象属性类型的重复度。

在其中一个实施例中，根据各对象属性类型相应的重复度和目标画像数据包含的有效数据相应的目标对象属性类型，确定各产品推荐算法的分配比例，包括：

按照各产品推荐算法与各对象属性类型间的适配程度，确定各产品推荐算法作为输入数据类型的指定对象属性类型；

根据目标对象属性类型相应的重复度和各产品推荐算法相应的指定对象属性类型的重复度，确定各产品推荐算法的分配比例。

在其中一个实施例中，根据目标对象属性类型相应的重复度和各产品推荐算法相应的指定对象属性类型的重复度，确定各产品推荐算法的分配比例，包括：

对多个样本画像数据进行聚类，获得多种聚类类型，并确定目标画像数据所属的目标聚类类型；

根据各产品推荐算法相应的指定对象属性类型的重复度以及各目标对象属性类型相应的重复度，确定各产品推荐算法相应的第一分配比例；

确定在目标聚类类型下各产品推荐算法相应的第二分配比例；

将各产品推荐算法相应的第一分配比例和第二分配比例进行整合，获得各产品推荐算法的分配比例。