[发明专利]一种产品推荐方法及装置、电子设备、存储介质

权利要求书

1.一种产品推荐方法，其特征在于，包括：

获取多个目标客户的产品购买记录；

基于各个所述目标客户的产品购买记录，构建各个所述目标客户与各个目标产品的共现矩阵；

基于各个所述目标客户与各个所述目标产品的共现矩阵，确定各个所述目标客户对应的隐向量以及各个所述目标产品对应的隐向量；

分别针对每个所述目标客户，基于所述目标客户对应的隐向量以及各个所述目标产品对应的隐向量，从各个所述目标产品中筛选出所述目标客户对应的多个初选目标产品；

基于所述目标客户的客户信息以及所述目标客户对应的各个所述初选目标产品的产品信息，利用预先训练好的购买预测模型预测出所述目标客户对应的各个所述初选目标产品的购买概率；其中，所述购买预测模型预先利用多个正样本和负样本训练得到；所述正样本包括一个样本客户的客户信息以及所述样本客户购买的一个样本产品的产品信息；所述负样本包括一个样本客户的客户信息以及向所述样本客户推荐但其未购买的一个样本产品的产品信息；

基于所述目标客户对应的各个所述初选目标产品的购买概率，从所述目标客户对应的各个所述初选目标产品中筛选出所述目标客户对应的多个精选目标产品；

将所述目标客户对应的各个所述精选目标产品推荐给所述目标客户。

2.根据权利要求1所述的方法，其特征在于，所述基于各个所述目标客户与各个所述目标产品的共现矩阵，确定各个所述目标客户对应的隐向量以及各个所述目标产品对应的隐向量，包括：

对各个所述目标客户与各个所述目标产品的共现矩阵进行分解，得到客户嵌入矩阵以及产品嵌入矩阵；

从所述客户嵌入矩阵中提取出各个所述目标客户对应的隐向量，以及从所述产品嵌入矩阵中提取出各个所述目标产品对应的隐向量。

3.根据权利要求1所述的方法，其特征在于，所述基于所述目标客户对应的隐向量以及各个所述目标产品对应的隐向量，从各个所述目标产品中筛选出所述目标客户对应的多个初选目标产品，包括：

基于所述目标客户对应的隐向量以及各个所述目标产品对应的隐向量，计算所述目标客户与各个所述目标产品的距离；

将各个所述目标产品按照与所述目标客户的距离进行升序排序；

将排序在前N位的所述目标产品确定为所述目标客户对应的多个初选目标产品。

4.根据权利要求1所述的方法，其特征在于，所述购买预测模型的训练方法，包括：

获取多个所述样本用户的用户信息、多个所述样本产品的产品信息、各个所述样本用户的历史购买记录以及各个所述样本产品的历史营销记录；

基于各个所述样本用户的历史购买记录，分别将各个所述样本用户的用户信息以及所述样本用户购买的所述样本产品的产品信息组成所述正样本；

基于各个所述样本用户的历史购买记录与各个所述样本产品的历史营销记录对比结果，将分别各个第一样本产品的产品信息与所述第一样本产品对应的所述样本用户的用户信息组成所述负样本；其中，所述第一样本产品指代向所述样本用户推荐，但所述样本用户未购买的所述样本产品；所述第一样本产品对应的所述样本用户指代向其推荐所述第一样本产品，但未购买所述第一样本产品的所述样本用户；

基于所述正样本以及所述负样本，利用随机森林算法训练得到所述购买预测模型。

5.根据权利要求1所述的方法，其特征在于，所述基于所述目标客户对应的各个所述初选目标产品的购买概率，从所述目标客户对应的各个所述初选目标产品中筛选出所述目标客户对应的多个精选目标产品，包括：

将按照购买概率进行降序排序，得到产品排序结果；

按照所述目标客户对应的各个所述初选目标产品在所述产品排序结果中的顺序，依次选取所述目标客户未购买过的M个所述初选目标产品作为所述目标客户对应的多个精选目标产品。