基于度量分解的产品推荐方法及装置与流程

技术特征：
1.一种基于度量分解的产品推荐方法，其特征在于，所述方法包括：获取经过用户授权的产品交易数据，并对所述产品交易数据进行预处理；将预处理后的产品交易数据输入至预先建立的距离预测度量分解模型中进行处理，得到用户与产品之间的距离预测结果；根据所述距离预测结果，确定用户的产品推荐结果。2.根据权利要求1所述的方法，其特征在于，所述距离预测度量分解模型是通过如下方式建立的：获取经过用户授权的历史交易数据，并对所述历史交易数据进行预处理，将预处理后的历史交易数据划分为训练样本集与测试样本集；将所述训练样本集输入至初始度量分解模型中进行模型训练，得到训练后的度量分解模型；利用所述测试样本集对训练后的度量分解模型进行参数调节，得到距离预测度量分解模型。3.根据权利要求2所述的方法，其特征在于，所述将所述训练样本集输入至初始度量分解模型中进行模型训练，得到训练后的度量分解模型包括：将所述训练样本集输入至初始度量分解模型中，得到用户特征向量与产品特征向量；根据所述用户特征向量与所述产品特征向量，确定用户与产品之间的欧氏距离；利用初始度量分解模型中的多层感知器对所述欧氏距离进行处理，得到历史数据预测结果；根据历史数据预测结果与所述训练样本集中的实际距离数据，得到训练后的度量分解模型。4.根据权利要求1所述的方法，其特征在于，所述根据所述距离预测结果，确定用户的产品推荐结果包括：从用户与产品之间的距离预测结果中，确定与用户之间欧氏距离最小的产品，并将其作为用户的产品推荐结果。5.一种基于度量分解的产品推荐装置，其特征在于，所述装置包括：预处理模块，用于获取经过用户授权的产品交易数据，并对所述产品交易数据进行预处理；距离预测模块，用于将预处理后的产品交易数据输入至预先建立的距离预测度量分解模型中进行处理，得到用户与产品之间的距离预测结果；推荐结果模块，用于根据所述距离预测结果，确定用户的产品推荐结果。6.根据权利要求5所述的装置，其特征在于，所述装置还包括：历史数据模块，用于获取经过用户授权的历史交易数据，并对所述历史交易数据进行预处理，将预处理后的历史交易数据划分为训练样本集与测试样本集；模型训练模块，用于将所述训练样本集输入至初始度量分解模型中进行模型训练，得到训练后的度量分解模型；参数调节模块，用于利用所述测试样本集对训练后的度量分解模型进行参数调节，得到距离预测度量分解模型。7.根据权利要求6所述的装置，其特征在于，所述模型训练模块包括：特征向量单元，用于将所述训练样本集输入至初始度量分解模型中，得到用户特征向
量与产品特征向量；欧氏距离单元，用于根据所述用户特征向量与所述产品特征向量，确定用户与产品之间的欧氏距离；预测结果单元，用于利用初始度量分解模型中的多层感知器对所述欧氏距离进行处理，得到历史数据预测结果；模型训练单元，用于根据历史数据预测结果与所述训练样本集中的实际距离数据，得到训练后的度量分解模型。8.根据权利要求5所述的装置，其特征在于，所述推荐结果模块还用于：从用户与产品之间的距离预测结果中，确定与用户之间欧氏距离最小的产品，并将其作为用户的产品推荐结果。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4任一项所述方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4任一项所述方法的计算机程序。11.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1至4任一项所述方法的步骤。

技术总结
本发明提供了一种基于度量分解的产品推荐方法及装置，可用于金融领域或其他领域，所述方法包括：获取经过用户授权的产品交易数据，并对所述产品交易数据进行预处理；将预处理后的产品交易数据输入至预先建立的距离预测度量分解模型中进行处理，得到用户与产品之间的距离预测结果；根据所述距离预测结果，确定用户的产品推荐结果。本发明利用距离预测度量分解模型对用户偏好进行准确预测，为用户提供更好产品推荐方案，提高用户体验，能够很好地保存用户存量，提升用户的满意度，增强用户粘性。粘性。粘性。


技术研发人员：袁玥
受保护的技术使用者：中国银行股份有限公司
技术研发日：2022.07.26
技术公布日：2022/10/27