[发明专利]产品推荐方法、装置和可读存储介质

说明书

本申请提供了一种产品推荐方法、装置、可读存储介质和程序产品，本申请涉及人工智能技术领域。本申请的方法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；基于图谱网获得交叉特征；根据图谱网，分别提取与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；根据图谱网中各关联特征与用户之间的所有边的权重之和*各关联特征与用户存在i级关联关系的权重的值确定关联用户；根据交叉特征和关联用户，采用回归树非线性模型预测用户对推荐产品的意向度，进而进行产品推荐，提升了推荐产品与用户的匹配度，提高推荐产品转化率。

技术领域

本发明涉及大数据技术领域，尤其涉及产品推荐方法、装置、可读存储介质和程序产品。

背景技术

随着大数据时代的到来，各行各业使用数据的方式都发生了巨大的变化。在金融行业中，数据是异常重要的资源，如何突破既有的数据使用模式，更高效、精准、迅速地获得数据带来的价值，一直都是金融机构关注的问题。利用基于关联关系的知识图谱概念，可以突破现有的关系型数据库的限制，在金融行业中让数据发挥更大的价值。

知识图谱，本质上是语义网络，是一种基于图的数据结构。由“节点”和“边”组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。

由于金融产品多样性和丰富性，而用户需要的特定的金融产品，产品与用户之间的匹配度目前很难衡量，进而造成新发布的金融产品很难给到用户，产品转化率较低。

发明内容

为解决上述问题，本申请实施例提供了一种产品推荐方法，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。

可选地，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：