[发明专利]产品推荐方法、装置、设备和介质

权利要求书

1.一种产品推荐方法，包括：

获取在T个时刻中每个时刻内M个客户对N个产品进行操作的行为数据，得到行为数据集；其中，T、M、N均为大于或等于2的整数；

基于所述行为数据集，得到与T个时刻一一对应的T个原始评分矩阵，其中，所述原始评分矩阵中的行列两个维度分别为客户维和产品维，其中，所述客户维包括所述M个客户，所述产品维包括所述N个产品；

分别从T个所述原始评分矩阵的所述客户维中提取所述M个客户中每个客户的数据，得到每个客户对应于所述T个时刻的客户特征向量序列；

分别从T个所述原始评分矩阵的所述产品维中提取所述N个产品中每个产品的数据，得到每个产品对应于所述T个时刻的产品特征向量序列；

利用第一时序预测模型处理所述客户特征向量序列，得到客户预测评分向量；

利用第二时序预测模型处理所述产品特征向量序列，得到产品预测评分向量；其中，所述第一时序预测模型和所述第二时序预测模型为同种类型的神经网络模型；以及

基于所述M个客户中每个客户的所述客户预测评分向量与所述N个产品的所述产品预测评分向量的相关性分析，确定从所述N个产品中向每个客户进行推荐的产品。

2.根据权利要求1所述的方法，其中，所述基于所述行为数据集，得到与T个时刻一一对应的T个原始评分矩阵包括：

根据所述行为数据的不同内容对应设置不同的评分；以及

基于每个时刻所述M个客户对所述N个产品的所述行为数据对应的评分，设置所述原始评分矩阵中每个元素的值。

3.根据权利要求2所述的方法，其中，所述行为数据的内容包括以下至少之一：

购买、分享、关注、收藏、点赞、或点击进入详情。

4.根据权利要求2所述的方法，其中，所述基于每个时刻所述M个客户对所述N个产品的所述行为数据对应的评分，设置所述原始评分矩阵中每个元素的值包括：

获取所述T个时刻中每个时刻所述N个产品的属性数据；以及

以每个时刻所述M个客户对所述N个产品的所述行为数据对应的评分对所述N个产品的属性数据进行加权，得到所述原始评分矩阵中每个元素的值。

5.根据权利要求4所述的方法，其中，当所述N个产品属于金融产品时，所述属性数据包括七日年化收益率、每万份收益、或产品规模的至少之一。

6.根据权利要求1所述的方法，其中，所述基于每个客户的所述客户预测评分向量与所述N个产品的所述产品预测评分向量的相关性分析，确定从所述N个产品中向每个客户进行推荐的产品包括：

将每个客户的所述客户预测评分向量与所述N个产品的所述产品预测评分向量分别作内积，得到与N个产品分别对应的N个预测评分值；以及

基于所述N个预测评分值的排序，确定从所述N个产品中进行推荐的产品。

7.根据权利要求6所述的方法，其中，所述将每个客户的所述客户预测评分向量与所述N个产品的所述产品预测评分向量分别作内积，得到与N个产品分别对应的N个评分值包括：

基于所述M个客户各自的所述客户预测评分向量与所述N个产品的所述产品预测评分向量分别作内积，得到预测评分矩阵，其中，所述预测评分矩阵中与每个客户对应的维度中的值为所述N个预测评分值。

8.根据权利要求7所述的方法，其中，所述基于所述N个预测评分值的排序，确定从所述N个产品中进行推荐的产品包括：

基于所述预测评分矩阵中与所述M个客户分别对应的所述N个预测评分值的大小排序，得到对所述M个客户分别进行产品推荐的推荐列表。

9.根据权利要求1～8任意一项所述的方法，其中，所述基于所述行为数据集，得到与T个时刻一一对应的T个原始评分矩阵还包括：

对所述原始评分矩阵中的数据进行标准化处理，所述标准化处理包括0-1标准化或Z标准化。