本發明專利技術公開了一種基于深度匹配網絡的產品推薦方法及裝置，其中該方法包括：獲取待預測的客戶及產品數據；將客戶及產品特征數據輸入預先訓練生成的客戶與產品的雙向匹配度預測模型，得到客戶與產品的雙向匹配度值；在同一個向量空間中，根據客戶與產品的雙向匹配度值，進行產品的客戶匹配度排序處理得到產品的客戶匹配度排序結果，進行客戶的產品匹配度排序處理得到客戶的產品匹配度排序結果，基于排序結果進行產品推薦。本發明專利技術可以基于深度匹配網絡，將客戶與產品特征映射到同一向量空間，獲得客戶與產品的雙向匹配度量化值，基于該量化值得到產品的客戶匹配度排序結果，客戶的產品匹配度排序結果，進而基于該排序結果進行高效精準的產品推薦。
【技術實現步驟摘要】
本專利技術涉及大數據，尤其涉及一種基于深度匹配網絡的產品推薦方法及裝置。
技術介紹
1、本部分旨在為權利要求書中陳述的本專利技術實施例提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。
2、傳統的產品推薦方法雖然對不同的客群進行了聚類或分層聚焦，但針對客群中客戶如何快速且有效地制定有差異化的精細產品推薦策略仍然是一個問題。傳統的產品推薦方法在產品推薦時要么只能以產品找人、要么只能以人找產品，且給出的差異化產品推薦的策略差異化粒度多為客群，未能給出更精細化的個人與產品雙向匹配的結果，不夠精細，使得產品推薦的精準度和效率都低。
技術實現思路
1、本專利技術實施例提供一種基于深度匹配網絡的產品推薦方法，用以基于深度匹配網絡，將客戶與產品特征映射到同一向量空間，獲得客戶與產品的雙向匹配度量化值，基于該量化值得到產品的客戶匹配度排序結果，客戶的產品匹配度排序結果，進而基于該排序結果進行高效精準的產品推薦，該方法包括：
2、獲取待預測的客戶數據及待預測的產品數據；
3、從待預測的客戶數據中提取出客戶特征數據，從待預測的產品數據中提取出產品特征數據；
4、將客戶特征數據及產品特征數據輸入預先訓練生成的客戶與產品的雙向匹配度預測模型，得到客戶與產品的雙向匹配度值；所述客戶與產品的雙向匹配度預測模型根據客戶與產品的雙向匹配度樣本數據預先訓練生成，所述客戶與產品的雙向匹配度預測模型分別把客戶特征及產品特征映射到同一個向量空間；
>5、在所述同一個向量空間中，根據客戶與產品的雙向匹配度值，進行產品的客戶匹配度排序處理得到產品的客戶匹配度排序結果，進行客戶的產品匹配度排序處理得到客戶的產品匹配度排序結果；6、根據產品的客戶匹配度排序結果，客戶的產品匹配度排序結果，進行產品推薦。
7、本專利技術實施例還提供一種基于深度匹配網絡的產品推薦裝置，用以基于深度匹配網絡，將客戶與產品特征映射到同一向量空間，獲得客戶與產品的雙向匹配度量化值，基于該量化值得到產品的客戶匹配度排序結果，客戶的產品匹配度排序結果，進而基于該排序結果進行高效精準的產品推薦，該裝置包括：
8、獲取單元，用于獲取待預測的客戶數據及待預測的產品數據；
9、提取單元，用于從待預測的客戶數據中提取出客戶特征數據，從待預測的產品數據中提取出產品特征數據；
10、預測單元，用于將客戶特征數據及產品特征數據輸入預先訓練生成的客戶與產品的雙向匹配度預測模型，得到客戶與產品的雙向匹配度值；所述客戶與產品的雙向匹配度預測模型根據客戶與產品的雙向匹配度樣本數據預先訓練生成，所述客戶與產品的雙向匹配度預測模型分別把客戶特征及產品特征映射到同一個向量空間；
11、排序處理單元，用于在所述同一個向量空間中，根據客戶與產品的雙向匹配度值，進行產品的客戶匹配度排序處理得到產品的客戶匹配度排序結果，進行客戶的產品匹配度排序處理得到客戶的產品匹配度排序結果；
12、推薦單元，用于根據產品的客戶匹配度排序結果，客戶的產品匹配度排序結果，進行產品推薦。
13、本專利技術實施例還提供一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述基于深度匹配網絡的產品推薦方法。
14、本專利技術實施例還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述基于深度匹配網絡的產品推薦方法。
15、本專利技術實施例還提供一種計算機程序產品，所述計算機程序產品包括計算機程序，所述計算機程序被處理器執行時實現上述基于深度匹配網絡的產品推薦方法。
16、本專利技術實施例中，基于深度匹配網絡的產品推薦方案，工作時：獲取待預測的客戶數據及待預測的產品數據；從待預測的客戶數據中提取出客戶特征數據，從待預測的產品數據中提取出產品特征數據；將客戶特征數據及產品特征數據輸入預先訓練生成的客戶與產品的雙向匹配度預測模型，得到客戶與產品的雙向匹配度值；所述客戶與產品的雙向匹配度預測模型根據客戶與產品的雙向匹配度樣本數據預先訓練生成，所述客戶與產品的雙向匹配度預測模型分別把客戶特征及產品特征映射到同一個向量空間；在所述同一個向量空間中，根據客戶與產品的雙向匹配度值，進行產品的客戶匹配度排序處理得到產品的客戶匹配度排序結果，進行客戶的產品匹配度排序處理得到客戶的產品匹配度排序結果；根據產品的客戶匹配度排序結果，客戶的產品匹配度排序結果，進行產品推薦，可以實現基于深度匹配網絡，將客戶與產品特征映射到同一向量空間，獲得客戶與產品的雙向匹配度量化值，基于該量化值得到產品的客戶匹配度排序結果，客戶的產品匹配度排序結果，進而基于該排序結果進行高效精準的產品推薦。
本文檔來自技高網...
【技術保護點】
1.一種基于深度匹配網絡的產品推薦方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，還包括：按照如下方法預先訓練得到所述客戶與產品的雙向匹配度預測模型：
3.如權利要求2所述的方法，其特征在于，客戶特征數據集包括客戶的性別和年齡，產品特征數據集包括產品的類別、熱度及標識。
4.如權利要求2所述的方法，其特征在于，客戶特征數據及產品特征數據包括離散數據和連續數據；從歷史客戶數據中提取得到歷史客戶特征數據集，從歷史產品數據中提取得到歷史產品特征數據集，包括：
5.如權利要求2所述的方法，其特征在于，構建客戶與產品的深度匹配雙塔網絡，包括：利用基于深層結構語義模型DSSM構建客戶與產品的深度匹配雙塔網絡。
6.如權利要求2所述的方法，其特征在于，所述用戶塔網絡包括：用戶特征輸入層、用戶特征嵌入層、第一用戶特征全連接層、第二用戶特征全連接層及客戶向量表征輸出層；所述產品塔網絡包括：產品特征輸入層、產品特征嵌入層、第一產品特征全連接層、第二產品特征全連接層及產品向量表征輸出層。
7.如權利要求6所述的方法，其特征在于，客戶與產品的深度匹配雙塔網絡的預測過程包括：
8.如權利要求1所述的方法，其特征在于，根據產品的客戶匹配度排序結果，客戶的產品匹配度排序結果，進行產品推薦，包括：
9.一種基于深度匹配網絡的產品推薦裝置，其特征在于，包括：
10.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至8任一所述方法。
11.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1至8任一所述方法。
12.一種計算機程序產品，其特征在于，所述計算機程序產品包括計算機程序，所述計算機程序被處理器執行時實現權利要求1至8任一所述方法。
...
【技術特征摘要】
1.一種基于深度匹配網絡的產品推薦方法，其特征在于，包括：
2.如權利要求1所述的方法，其特征在于，還包括：按照如下方法預先訓練得到所述客戶與產品的雙向匹配度預測模型：
3.如權利要求2所述的方法，其特征在于，客戶特征數據集包括客戶的性別和年齡，產品特征數據集包括產品的類別、熱度及標識。
4.如權利要求2所述的方法，其特征在于，客戶特征數據及產品特征數據包括離散數據和連續數據；從歷史客戶數據中提取得到歷史客戶特征數據集，從歷史產品數據中提取得到歷史產品特征數據集，包括：
5.如權利要求2所述的方法，其特征在于，構建客戶與產品的深度匹配雙塔網絡，包括：利用基于深層結構語義模型dssm構建客戶與產品的深度匹配雙塔網絡。
6.如權利要求2所述的方法，其特征在于，所述用戶塔網絡包括：用戶特征輸入層、用戶特征嵌入層、第一用戶特征全連接層、第二用戶特征全連接層及客戶向量表征輸出層；所述產品塔網絡包括：產品特征...
【專利技術屬性】
技術研發人員：郭曉冬，易厚梅，蔣李靈，王中晴，
申請(專利權)人：中國工商銀行股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。