[发明专利]产品推荐方法、装置和可读存储介质

权利要求书

1.一种产品推荐方法，其特征在于，所述方法包括：

根据用户的各维度数据，构建联系人网络图谱、通信网络图谱、兴趣网络图谱和轨迹网络图谱；

将联系人网络图谱、通信网络图谱、兴趣网络图谱和轨迹网络图谱进行交叉组合，形成图谱网；

基于所述图谱网获得交叉特征；

根据所述图谱网，分别提取与所述用户存在一级关联关系、二级关联关系和三级关联关系的关联特征；

根据所述图谱网中各关联特征与所述用户之间的所有边的权重之和*各关联特征与所述用户存在i级关联关系的权重的值确定关联用户；

根据所述交叉特征和所述关联用户，采用回归树非线性模型预测所述用户对推荐产品的意向度；

根据各推荐产品的意向度进行产品推荐；

其中，一级关联关系为与所述用户直接关联的特征；

二级关联关系为与所述用户间隔一个特征进行关联的特征；

二级关联关系为与所述用户间隔两个特征进行关联的特征；

i为1或，2，或3，i为1时关联特征与所述用户存在一级关联关系，i为2时关联特征与所述用户存在二级关联关系，i为3时关联特征与所述用户存在三级关联关系；

若所述图谱网中任一关联特征与所述用户之间的边是基于联系人网络图谱得到的，则其权重为1；

若所述图谱网中任一关联特征与所述用户之间的边是基于通信网络图谱得到的，则其权重为任一关联特征对应的其他用户与所述用户之间的通话次数/任一关联特征对应的其他用户的通话次数与所述用户的通话次数之和；

若所述图谱网中任一关联特征与所述用户之间的边是基于兴趣网络图谱得到的，则其权重为预先训练的兴趣模型输出的分数；

若所述图谱网中任一关联特征与所述用户之间的边是基于轨迹网络图得到的，则其权重为1；

其中，所述根据用户的各维度数据，构建联系人网络图谱、通信网络图谱、兴趣网络图谱和轨迹网络图谱，包括：

根据用户的联系人信息，构建联系人网络图谱；

根据用户的手机号码与手机设备对应通话记录之间关联关系，构建通信网络图谱；

根据用户的兴趣爱好标签信息，构建兴趣网络图谱；以及

根据用户的运动轨迹标签信息，构建轨迹网络图谱；

所述将联系人网络图谱、通信网络图谱、兴趣网络图谱和轨迹网络图谱进行交叉组合，形成图谱网，包括：

选择任一个知识图谱中的任一点作为起始点；

将所述起始点的所有邻接点均作为处理点；

遍历所有处理点，确定其他知识图谱中是否存在与遍历的处理点相同的点；若其他知识图谱中存在与遍历的处理点相同的点，则建立遍历的处理点与其他知识图谱中相同的点之间的连接关系；以及

重复执行将所有处理点的所有邻接点均作为新的处理点，遍历所有新的处理点，确定其他知识图谱中是否存在与遍历的新的处理点相同的点；若其他知识图谱中存在与遍历的新的处理点相同的点，则建立遍历的新的处理点与其他知识图谱中相同的点之间的连接关系的步骤，直至所述任一个知识图谱中的所有点均被遍历；

所述基于所述图谱网获得交叉特征，包括：

确定所述图谱网中各点的特征以及各点对应的知识图谱标识；

将各点的特征及对应的知识图谱标识形成一个属性向量；

将每个点作为一个数据点，将各点的属性向量作为对应数据点的属性；

将所有数据点进行k-means聚类，得到与该用户属于同类的数据点；以及

将属于同类的数据点的属性中的特征确定为交叉特征；

所述根据所述交叉特征和所述关联用户，采用回归树非线性模型预测所述用户对推荐产品的意向度，包括：

确定推荐产品对应的特征属性；

确定所述关联用户与推荐产品对应的特征属性之间的匹配标签信息；

计算各级关联关系的关联用户占比Ratio_i＝object_num_i/total_num_i；

根据所述交叉特征、所述关联用户的匹配标签信息、Ratio_i，采用回归树非线性模型预测所述用户对推荐产品的意向度；以及

所述Ratio_i为i级关联关系的关联用户占比，object_num_i为i级关联关系的关联用户数量，total_num_i为所述图谱网中与所述用户存在i级关联关系的特征对应的所有用户总数量。