基于朴素贝叶斯的产品推荐方法、装置、设备及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113902566A(43)申请公布日2022.01.07(21)申请号202111162388.1(22)申请日2021.09.30(71)申请人未鲲（上海）科技服务有限公司地址200135上海市浦东新区自由贸易试验区陆家嘴环路1333号15楼(72)发明人刘涛(74)专利代理机构深圳市精英专利事务所44242代理人李翔宇(51)Int.Cl.G06Q40/06(2012.01)G06V10/764(2022.01)权利要求书2页说明书10页附图7页(54)发明名称基于朴素贝叶斯的产品推荐方法、装置、设备及介质(57)摘要本发明实施例公开了一种基于朴素贝叶斯的产品推荐方法、装置、设备及介质。本发明涉及人工智能技术领域，其包括：根据打标生成的投资标签信息、预设数据库中的客户数量以及与产品偏好信息对应的投资产品构建客户标签产品矩阵；根据客户标签产品矩阵通过预设计算比值方法得到标签产品矩阵，并从标签产品矩阵中获取满足预设条件的投资标签及投资产品作为目标数据集；根据目标数据集对Scikit‑learn库中朴素贝叶斯算法模型进行训练及评估以得到产品推荐模型；接收客户端发送的客户标签信息，并根据客户标签信息及产品推荐模型，将与客户标签信息相对应的排名在前的预设个数的投资产品推送至客户端。本申请实施例可提高数据匹配的精准度。CN113902566ACN113902566A权利要求书1/2页1.一种基于朴素贝叶斯的产品推荐方法，其特征在于，包括：从预设数据库中获取客户的产品偏好信息，并根据所述产品偏好信息进行打标生成相应的投资标签信息；根据所述投资标签信息、所述预设数据库中的客户数量以及与所述产品偏好信息对应的投资产品构建客户标签产品矩阵；根据所述客户标签产品矩阵通过预设计算比值方法得到标签产品矩阵，并从所述标签产品矩阵中获取满足预设条件的投资标签及投资产品作为目标数据集；根据所述目标数据集对Scikit‑learn库中朴素贝叶斯算法模型进行训练及评估以得到产品推荐模型；接收客户端发送的客户标签信息，并根据所述客户标签信息及所述产品推荐模型，将与所述客户标签信息相对应的排名在前的预设个数的投资产品推送至所述客户端。2.根据权利要求1所述的方法，其特征在于，所述根据所述投资标签信息、所述预设数据库中的客户数量以及与所述产品偏好信息对应的投资产品构建客户标签产品矩阵，包括：将所述预设数据库中的客户数量作为待构建矩阵的行数；将所述投资标签信息中的标签个数及与所述产品偏好信息对应的投资产品的个数之和作为所述待构建矩阵的列数；通过预设矩阵填充方法填充所述待构建矩阵中的矩阵元素以得到客户标签产品矩阵。3.根据权利要求2所述的方法，其特征在于，所述通过预设矩阵填充方法填充所述待构建矩阵中的矩阵元素以得到客户标签产品矩阵，包括：若所述预设数据库中的客户具有所述投资标签信息中的标签或已投资所述投资产品，则将所述待构建矩阵中的矩阵元素填充为预设矩阵值；若所述预设数据库中的客户不具有所述投资标签信息中的标签或未投资所述投资产品，则将所述待构建矩阵中的矩阵元素填充为非预设矩阵值；若所述构建矩阵中的矩阵元素填充完毕，则将所述待构建矩阵作为客户标签产品矩阵。4.根据权利要求1所述的方法，其特征在于，所述根据所述客户标签产品矩阵通过预设计算比值方法得到标签产品矩阵，并从所述标签产品矩阵中获取满足预设条件的投资标签及投资产品作为目标数据集，包括：将所述投资标签信息中的标签个数及与所述产品偏好信息对应的投资产品的个数分别作为待构建标签产品矩阵的行数及列数；计算具有所述投资标签信息中的标签且已投资所述投资产品对应的客户在所述预设数据库中所有客户的比值，并将所述比值填充至所述待构建标签产品矩阵中的矩阵元素直至所述待构建标签产品矩阵填充完毕以得到标签产品矩阵；从所述标签产品矩阵中获取矩阵元素值不小于预设比率值所对应的投资标签及投资产品作为目标数据集。5.根据权利要求1所述的方法，其特征在于，所述根据所述目标数据集对Scikit‑learn库中朴素贝叶斯算法模型进行训练及评估以得到产品推荐模型，包括：将所述目标数据集按预设比例分为训练数据集及验证数据集；2CN113902566A权利要求书2/2页将所述训练数据集输入Scikit‑learn库中的朴素贝叶斯算法模型进行训练直至预设训练次数为止；将所述验证数据集输入训练后的所述朴素贝叶斯算法模型以得到预测投资产品；根据所述预测投资产品及所述验证数据集中的投资产品计算预测正确率，并判断所述预设测正确率是否超过预设评估值；若所述预设测正确率超过所述预设评估值，则将训练后的所述朴素贝叶斯算法模型作为产品推荐模型。6.根据权利要求5所述的方法，其特征在于，所述判断所