[发明专利]产品推荐方法、装置、电子设备、介质和计算机程序产品

说明书

本公开提供了一种产品推荐方法、装置、电子设备、介质和计算机程序产品。上述方法和装置可用于人工智能技术领域。产品推荐方法包括根据预先构建的知识图谱，利用truss分解算法对知识图谱进行操作，得到最大truss结构图，其中，知识图谱的节点为用户，知识图谱的边为用户之间的交易关系，节点具有节点特征集，节点特征集包括至少一个节点特征，节点特征为用户接受的产品特征；根据设定的筛选条件，将符合筛选条件的节点特征推广至最大truss结构图中不包括节点特征的每个节点；当不包括节点特征的节点接受被推广的节点特征时，将被推广的节点特征赋予不包括节点特征的节点，更新最大truss结构图，得到第一推荐truss结构图；根据第一推荐truss结构图推荐产品。

技术领域

本公开涉及人工智能技术领域，更具体地，涉及一种产品推荐方法、装置、电子设备、介质和计算机程序产品。

背景技术

现有技术中的推荐方法有大致上有两类，一类是根据共同喜好人购买的产品来推荐，如根据用户年龄、消费水平和/或投资偏好等特征相同的人购买过的产品进行推荐；另一类是根据用户历史喜好找出类似产品推荐，如基于用户以往消费习惯和已购买产品，分析预测推荐新的产品，推荐产品多属于一个大类，拥有类似产品特征。基于上述两类推荐方法产生的推荐算法有两大类，一类是协同过滤算法，利用群体喜好推荐用户感兴趣信息；另一类是基于机器学习的推荐算法，利用模型结构模拟用户兴趣的变迁等行为过程，从而预测用户未来行为以完成推荐。

发明内容

有鉴于此，本公开提供了一种推荐效率高、精度高和推荐方式多样化的产品推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

本公开的一个方面提供了一种产品推荐方法，包括：根据预先构建的知识图谱，利用truss分解算法对所述知识图谱进行操作，得到最大truss结构图，其中，所述知识图谱的节点为用户，所述知识图谱的边为用户之间的交易关系，所述节点具有节点特征集，所述节点特征集包括至少一个节点特征，所述节点特征为用户接受的产品特征；根据设定的筛选条件，将符合所述筛选条件的节点特征推广至所述最大truss结构图中不包括所述节点特征的每个节点；当不包括所述节点特征的节点接受被推广的所述节点特征时，将被推广的所述节点特征赋予不包括所述节点特征的节点，更新所述最大truss结构图，得到第一推荐truss结构图；以及根据所述第一推荐truss结构图中每个节点的节点特征向该节点对应的用户推荐属于该节点的节点特征的产品。

根据本公开实施例的产品推荐方法，通过利用truss分解算法对预先构建的知识图谱进行操作，可以得到最大truss结构图；根据设定的筛选条件，可以将符合筛选条件的节点特征推广至最大truss结构图中不包括节点特征的每个节点；当不包括节点特征的节点接受被推广的节点特征时，将被推广的节点特征赋予不包括节点特征的节点，更新最大truss结构图，得到第一推荐truss结构图；根据第一推荐truss结构图中每个节点的节点特征即可向该节点对应的用户推荐属于该节点的节点特征的产品。本公开的产品推荐方法无需训练模型，对基础数据要求低，减小了对基础数据的处理时间；本公开的推荐方法对基础数据的隐藏数据的挖掘要求低，即使挖掘不到也不影响推荐精确度，因此本公开的推荐方法推荐精度较高；本公开的推荐方法利用了用户之间的关联性，使得推荐方式多样化。

在一些实施例中，所述的方法还包括：当所述最大truss结构图中购买过相同产品特征的产品的用户数满足设定阈值时，将与所述相同产品特征对应的节点特征推广至所述最大truss结构图中的每个节点；将被推广的所述节点特征赋予不包括所述节点特征的节点，更新所述最大truss结构图，得到第二推荐truss结构图；以及根据所述第二推荐truss结构图中每个节点的节点特征向该节点对应的用户推荐属于该节点的节点特征的产品。