产品信息推荐方法及装置、存储介质、计算机设备.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CN110796512A(43)申请公布日2020.02.14(21)申请号201910895053.7(22)申请日2019.09.20(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田街道福安社区益田路5033号平安金融中心23楼(72)发明人金戈徐亮(74)专利代理机构北京中强智尚知识产权代理有限公司11448代理人黄耀威贾依娇(51)Int.Cl.G06Q30/06(2012.01)G06Q40/02(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图3页(54)发明名称产品信息推荐方法及装置、存储介质、计算机设备(57)摘要本申请公开了产品信息推荐方法及装置、存储介质、计算机设备，涉及信息处理技术领域，可以提升信息识别准确度。其中方法包括：根据人群统计信息训练初始化第一产品推荐模型，得到训练好的第一产品推荐模型；根据产品量化信息训练初始化第二产品推荐模型，得到训练好的第二产品推荐模型；根据所述训练好的第一产品推荐模型的第一隐藏层和所述训练好的第二产品推荐模型的第二隐藏层构建产品推荐预测模型；根据用户的历史购买信息，利用所构建的产品推荐预测模型得到与所述历史购买信息匹配的产品推荐预测信息。本申请适用于移动互联网和电子商务中产品的精准推送。CN110796512ACN110796512A权利要求书1/2页1.一种产品信息推荐方法，其特征在于，包括：根据人群统计信息训练初始化第一产品推荐模型，得到训练好的第一产品推荐模型；根据产品量化信息训练初始化第二产品推荐模型，得到训练好的第二产品推荐模型；根据所述训练好的第一产品推荐模型的第一隐藏层和所述训练好的第二产品推荐模型的第二隐藏层构建产品推荐预测模型；根据用户的历史购买信息，利用所构建的产品推荐预测模型得到与所述历史购买信息匹配的产品推荐预测信息。2.根据权利要求1所述的方法，其特征在于，所述人群统计信息包括购买产品的用户的年龄信息、购买产品的用户的消费金额信息，根据人群统计信息训练初始化第一产品推荐模型，得到训练好的第一产品推荐模型，具体包括：对获取到的人群统计信息进行预处理，得到用于构建训练数据集的人群统计特征向量；利用初始化第一产品推荐模型对所述人群统计特征向量进行编码和解码，得到用于预测产品推荐的第一产品特征向量；根据所述人群统计特征向量和第一产品特征向量对所述初始化第一产品推荐模型进行训练，得到训练好的第一产品推荐模型。3.根据权利要求1所述的方法，其特征在于，所述产品量化信息包括产品价格信息、产品收益信息，根据产品量化信息训练初始化第二产品推荐模型，得到训练好的第二产品推荐模型，具体包括：对获取到的产品量化信息进行预处理，得到用于构建训练数据集的产品量化特征向量；利用初始化第二产品推荐模型对所述产品量化特征向量进行编码和解码，得到用于预测产品推荐的第二产品特征向量；根据所述产品量化特征向量和第二产品特征向量对所述初始化第二产品推荐模型进行训练，得到训练好的第二产品推荐模型。4.根据权利要求1所述的方法，其特征在于，所述根据所述训练好的第一产品推荐模型的第一隐藏层和所述训练好的第二产品推荐模型的第二隐藏层构建产品推荐预测模型，具体包括：分别提取所述训练好的第一产品推荐模型的第一隐藏层和所述训练好的第二产品推荐模型的第二隐藏层；将提取到的所述第一隐藏层和第二隐藏层进行平行设置，得到产品推荐预测模型。5.根据权利要求1所述的方法，其特征在于，所述用户的历史购买信息包括用户身份信息和用户购买过的产品信息，根据用户的历史购买信息，利用所构建的产品推荐预测模型得到与所述历史购买信息匹配的产品推荐预测信息之前，具体还包括：当监测到来自用户的产品搜索请求时，获取所述产品搜索请求中的用户的历史购买信息。6.根据权利要求1或5所述的方法，其特征在于，所述根据用户的历史购买信息，利用所构建的产品推荐预测模型得到与所述历史购买信息匹配的产品推荐预测信息，具体包括：对所述用户的历史购买信息进行预处理，得到用户身份特征向量和用户购买过的产品2CN110796512A权利要求书2/2页量化特征向量；将所述用户身份特征向量和用户购买过的产品量化特征向量分别经由产品推荐预测模型的第一隐藏层和第二隐藏层进行编码和解码，得到与所述历史购买信息匹配的产品推荐预测信息。7.根据权利要求6所述的方法，其特征在于，所述将所述用户身份特征向量和用户购买过的产品量化特征向量分别经由产品推荐预测模型的第一隐藏层和第二隐藏层进行编码和解码，得到与所述历史购买信息匹配的产品推荐预测信息，具体包括：获取与所述用户购买过的产品量化特征向量对应的多个历史用户特征向量，