基于向量匹配技术的产品推荐方法、装置、设备及介质与流程

1.本发明涉及智能决策领域，尤其涉及一种基于向量匹配技术的产品推荐方法、装置、电子设备及可读存储介质。


背景技术：

2.随着国家经济的快速发展，单纯的依靠业务员对用户进行产品推荐已经跟不上目前经济的发展速度，无法满足众多用户的需求，因此需要更加智能的产品推荐方法对用户进行产品推荐。
3.目前，大多数的产品推荐方法只能根据用户的需求数据和产品库中的产品的数据进行进行产品的匹配筛选，从而推荐符合条件的产品，例如：客户需要在某投资机构购买金融产品，客户对产品的需求为低风险、长周期的，那么就在该机构所有在售的所有金融产品中筛选低风险、长周期的产品推荐给用户。但是这种产品推荐方法的产品数据匹配的维度单一，数据匹配的准确度不高，因此，产品推荐的准确率较低。


技术实现要素：

4.本发明提供一种基于向量匹配技术的产品推荐方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高产品推荐的准确率。
5.为实现上述目的，本发明提供的一种基于向量匹配技术的产品推荐方法，包括：
6.获取产品推荐请求，其中，所述产品推荐请求包括用户信息及产品要求信息；
7.对所述产品要求信息进行组合，构建产品要求序列；
8.根据所述产品要求序列对预设的产品库中的产品进行筛选，得到第一产品集；
9.对所述用户信息进行用户特征提取得到用户向量；
10.对所述第一产品集中的每个产品进行产品特征提取，得到所述每个产品对应的产品向量；
11.对所述用户向量及所述产品向量进行相关度计算，得到相关度分数；
12.利用所述相关度分数对所述第一产品集进行相关度筛选，得到第二产品集；
13.获取预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分，根据所述产品反馈评分计算产品满意评分；
14.利用所述产品满意评分及所述相关度分数对所述第二产品集进行满意度筛选，得到目标产品；
15.将所述目标产品推送至所述产品推荐请求对应的终端设备。
16.可选地，所述对所述用户信息进行用户特征提取得到用户向量，包括：
17.对所述用户信息进行文本转化，得到文本数据；
18.对所述文本数据进行分词处理，得到多个文本分词；
19.对所述文本分词进行词向量转化，得到文本词向量；
20.利用预先训练的特征提取算法对所述文本词向量进行特征提取，得到特征词向
量；
21.将所有所述特征词向量进行算术平均计算，得到所述用户向量。
22.可选地，所述对所述第一产品集中的每个产品进行产品特征提取，得到所述每个产品对应的产品向量，包括：
23.获取所述第一产品集中每个产品的所有产品属性数据；
24.将所述产品的每个产品属性数据转化为向量，得到所述产品属性向量；
25.将所有产品属性向量按照预设的顺序进行横向组合，得到产品矩阵；
26.对所述产品矩阵进行特征压缩，得到所述产品向量。
27.可选地，所述对所述产品矩阵进行特征压缩，得到所述产品向量，包括：
28.筛选所述产品矩阵中每一列的最大值作为每一列的列特征值；
29.根据所述产品矩阵中列的顺序将每一列的列特征值依次进行组合，得到所述产品向量。
30.可选地，所述利用所述产品满意评分及所述相关度分数对所述第二产品集进行满意度筛选，包括：
31.根据所述产品满意评分及所述相关度分数计算所述第二产品集中的每个产品的推荐系数；
32.筛选所述第二产品集中所述推荐系数大于预设推荐阈值的产品，得到所述目标产品。
33.可选地，所述获取预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分之前，还包括：
34.获取所述产品推荐请求的请求时间；
35.将所述请求时间作为区间右端点，将所述时间周期作为区间长度；
36.根据所述区间右端点及所述区间长度构建区间，得到所述反馈时间区间。
37.可选地，所述根据所述产品反馈评分计算产品满意评分，包括：
38.对所述第二产品集中的每个产品对应的所有所述产品反馈评分进行评分特征评价，得到标准反馈评分；
39.根据所有所述产品反馈评分进行分数波动评估计算，得到波动系数；
40.根据所述标准反馈评分及所述波动系数进行乘法计算，得到所述产品满意评分。
41.为了解决上述问题，本发明还提供一种基于向量匹配技术的产品推荐装置，所述装置包括：
42.特征提取模块，用于获取产品推荐请求，其中，所述产品推荐请求包括用户信息及产品要求信息；对所述产品要求信息进行组合，构建产品要求序列；根据所述产品要求序列对预设的产品库中的产品进行筛选，得到第一产品集；对所述用户信息进行用户特征提取得到用户向量；对所述第一产品集中的每个产品进行产品特征提取，得到所述每个产品对应的产品向量；
43.产品筛选模块，用于对所述用户向量及所述产品向量进行相关度计算，得到相关度分数；利用所述相关度分数对所述第一产品集进行相关度筛选，得到第二产品集；获取预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分，根据所述产品反馈评分计算产品满意评分；利用所述产品满意评分及所述相关度分数对所述第二产品集进行满意度
筛选，得到目标产品；
44.产品推荐模块，用于将所述目标产品推送至所述产品推荐请求对应的终端设备。
45.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
46.存储器，存储至少一个计算机程序；及
47.处理器，执行所述存储器中存储的计算机程序以实现上述所述的基于向量匹配技术的产品推荐方法。
48.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于向量匹配技术的产品推荐方法。
49.本发明实施例根据对产品要求信息进行组合得到的产品要求序列对预设的产品库中的产品进行筛选，得到第一产品集，实现了根据用户需求对产品进行初次筛选；进一步地，分别对用户信息及所述第一产品集中的每个产品进行特征提取，得到用户向量及产品向量，并根据所述用户向量及所述产品向量之间的相关度分数对所述第一产品集进行相关度筛选，得到第二产品集，实现了利用用户特征与产品的关联程度，对产品进行第二次筛选；并进一步根据预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分计算产品满意评分，利用所述产品满意评分及所述相关度分数对所述第二产品集进行满意度筛选，得到目标产品，进一步利用产品满意度评分对产品进行第三次筛选。通过利用用户需求、用户特征与产品的关联程度及产品满意度评分三个维度产品进行筛选推荐，提高了产品推荐的准确率。因此本发明实施例提出的基于向量匹配技术的产品推荐方法、装置、电子设备及可读存储介质提高了产品推荐的准确率。
附图说明
50.图1为本发明一实施例提供的基于向量匹配技术的产品推荐方法的流程示意图；
51.图2为本发明一实施例提供的基于向量匹配技术的产品推荐装置的模块示意图；
52.图3为本发明一实施例提供的实现基于向量匹配技术的产品推荐方法的电子设备的内部结构示意图；
53.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
54.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
55.本发明实施例提供一种基于向量匹配技术的产品推荐方法。所述基于向量匹配技术的产品推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述基于向量匹配技术的产品推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
56.参照图1所示的本发明一实施例提供的基于向量匹配技术的产品推荐方法的流程示意图，在本发明实施例中，所述基于向量匹配技术的产品推荐方法包括：
57.s1、获取产品推荐请求，其中，所述产品推荐请求包括用户信息及产品要求信息；
58.本发明实施例中，所述产品推荐请求是由用户发起的推荐相关产品的请求，例如：
产品推荐请为用户a发起的推荐某理财公司的信托产品的产品推荐请求。本发明实施例中，所述用户信息为用户的个人相关信息，如：用户的基本信息、用户的历史交易信息、用户的个人偏好等；所述产品要求信息为用户对产品的要求，如:产品为金融产品，风险类型为低风险、投资周期为长周期等。
59.s2、对所述产品要求信息进行组合，构建产品要求序列；
60.详细地，本发明实施例为了更好地推荐符合所述产品要求信息的产品，需要需求信息更加直观的呈现，将所述产品要求信息进行字段构建，得到产品要求字段，可选地，本发明实施例中如所述字段构建为将所述产品要求信息构建为键值对，得到产品要求字段，如所述产品要求信息为风险类型为低风险，进行字段构建得到对应的产品要求字段为“风险类型:低风险”；进一步地，将所有所述产品要求字段进行随机组合，得到所述产品要求序列，所述组合方式包括顺序组合、随机组合如共有“风险类型:低风险”、“投资周期:长周期”，那么所述产品要求序列可以为[风险类型:低风险，投资周期:长周期]。可选地，本发明另一实施中还可以按照预设的顺序将所有所述产品要求字段进行组合，得到所述产品要求序列。
[0061]
s3、根据所述产品要求序列对预设的产品库中的产品进行筛选，得到第一产品集；
[0062]
本发明实施例中根据所述产品要求序列中的数据字段及对应的字段顺序，筛选所述产品库中每个产品对应字段的产品属性数据，并进行组合得到产品序列；如：产品要求序列可以为[风险类型:低风险,投资周期:长周期]，对应的数据字段为“风险类型”及“投资周期”，那么筛选每个产品对应的“风险类型”字段对应的产品属性数据及“投资周期”字段对应的产品属性数据进行组合得到对应的产品序列，进一步地，将所述产品序列与所述产品要求序列进行数据一致性对比，得到对比结果，可选地，对比结果为数据一致或数据不一致，进一步地，筛选对比结果为数据一致的产品，得到所述第一产品集。如产品要求序列为[风险类型:低风险,投资周期:长周期]，产品序列为[风险类型:低风险，投资周期:短周期]，那么对比结果为数据不一致。
[0063]
s4、对所述用户信息进行用户特征提取得到用户向量；
[0064]
详细地，本发明实施例中所述用户信息包括，但不限于用户的年龄、性别、职业及兴趣爱好等，且获取的所述用户信息可以为多种形式，如视频、图像和文本等，以便于提取到的用户特征更加准确。
[0065]
本发明实施例可通过预先训练的智能模型对所述用户信息进行分析，提取用户的用户特征。其中，所述智能模型包括但不限于ocr(optical character recognition，光学字符识别)模型、nlp模型(natural language processing，自然语言处理)模型、asr(automatic speech recognition，自动语音识别)模型等。
[0066]
本发明其中一个实施例中，所述对所述用户信息进行用户特征提取得到用户向量，包括：
[0067]
步骤a、对所述用户信息进行文本转化，得到文本数据；
[0068]
步骤b、对所述文本数据进行分词处理，得到多个文本分词；
[0069]
步骤c、对所述文本分词进行词向量转化，得到文本词向量；
[0070]
步骤d、利用预先训练的特征提取算法对所述文本词向量进行特征提取，得到特征词向量；
[0071]
步骤e、将所有所述特征词向量进行算术平均计算，得到所述用户向量。
[0072]
例如，所述用户信息中包含图像数据与视频数据，可利用ocr模型对用户信息中的图像数据进行处理，以实现将图像数据转化为文本数据；利用asr模型和ocr模型的结合，对用户信息中的视频数据进行处理，以实现将视频数据转化为文本数据。
[0073]
本实施例可利用预先构建的标准词典对所述文本数据进行分词处理，所述标准词典中包含多个标准分词。例如，将所述文本数据按照不同的长度进行划分，并将划分结果在所述标准词典中进行检索，若可检索到与划分结果相同的标准分词，则确定该标准分词为所述文本数据的文本分词。
[0074]
本发明其中一个实施例中，所述对所述文本数据进行分词处理，得到文本分词，包括：
[0075]
获取预先构建的标准词典，其中，所述标准词典中包含多个标准分词；
[0076]
将所述文本数据按照预设的第一长度进行文本划分，得到检索词；
[0077]
将所述检索词在所述标准词典中进行检索，当从所述标准词典中检索到与所述检索词相同的标准分词时，确定所述检索词为所述文本数据的文本分词，并返回文本划分的步骤按照预设的第二长度进行文本划分，直至所述文本划分的次数达到预设次数，得到所述文本数据对应的文本分词。
[0078]
例如，分别将文本数据按照不同的预设的长度进行划分，并将每次文本划分得到的检索词在所述词典中进行检索，以获取文本分词，直至文本划分的次数达到预设的次数，以实现对文本数据的分词。
[0079]
本实施例中，按照不同的长度对文本数据进行划分、检索的方式实现对文本数据的分词，无需对文本数据的内容进行分析，有利于提高对文本数据进行分词的效率。
[0080]
本实施例中，可利用预设的word2vec模型将所述文本分词转化为文本词向量。
[0081]
进一步地，所述特征提取算法包括但不限于贝叶斯分类算法、逻辑回归算法、knn算法等，利用所述特征提取算法对文本词向量进行特征提取，得到特征词向量，并将所有所述特征词向量进行向量压缩，得到所述用户向量。
[0082]
本发明的另一实施例中，所述用户信息可以存储在区块链节点中，保护用户信息的隐私性。
[0083]
s5、对所述第一产品集中的每个产品进行产品特征提取，得到所述每个产品对应的产品向量；
[0084]
本发明实施例中，每个产品对应有多个产品属性，每个产品属性对应有相应的产品属性数据，如：金融产品对应的产品属性有风险等级、预期收益、投资周期。
[0085]
进一步地，本发明实施例中对所述第一产品集中的每个产品进行产品特征提取，包括：
[0086]
获取所述第一产品集中每个产品的所有产品属性数据；
[0087]
将所述产品的每个产品属性数据转化为向量，得到所述产品属性向量；
[0088]
将所有产品属性向量按照预设的顺序进行横向组合，得到产品矩阵；
[0089]
筛选所述产品矩阵中每一列的最大值作为每一列的列特征值；
[0090]
根据所述产品矩阵中列的顺序将每一列的列特征值依次进行组合，得到所述产品向量。
[0091]
例如：产品矩阵为那么产品矩阵第一列的列特征值为3，第二列的类特征值为9，第三列的列特征值为6，将每列的列特征值依次组合得到产品向量[3 9 6]。
[0092]
s6、对所述用户向量及所述产品向量进行相关度计算，得到相关度分数；
[0093]
本发明实施例中，为了进一步地筛选所述第一产品集中更适合用户的产品，根据所述用户向量及所述产品向量进行相关度计算，得到相关度分数。
[0094]
可选地，本发明实施例中利用如下公式进行相关度计算：
[0095][0096]
其中，x
i
表示用户向量x的第i个元素，y
i
为产品向量y的第i个元素，sim表示用户向量x和产品向量y的相似度，n表示用户向量及产品向量的向量维度。
[0097]
s7、利用所述相关度分数对所述第一产品集进行相关度筛选，得到第二产品集；
[0098]
本发明实施例中，所述相关度分数的大小代表对应的产品与用户的匹配程度，因此，为了选择匹配程度最好的产品，利用所述相关度分数对所述第一产品集进行相关度筛选，得到第二产品集。
[0099]
详细地，本发明实施例中，筛选所述第一产品集中所述相关度分数大于预设相关度分数阈值的产品，得到所述第二产品集。
[0100]
s8、获取预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分，根据所述产品反馈评分计算产品满意评分；
[0101]
本发明实施例中为了保证产品的产品反馈评分能更具有参考价值，因此需要评价时间较新的产品反馈评分，所以本发明实施例获取预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分，根据所述产品反馈评分计算产品满意评分，本发明实施例中每个产品的产品反馈评分数量可以为一个或多个，例如：产品a的产品反馈评分为用户a的评分为3分、用户b的评分为5分、用户c的评分为4分。
[0102]
详细地，本发明实施例中在获取预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分之前，还包括：获取所述产品推荐请求的请求时间；将所述请求时间作为区间右端点，将预设时间周期作为区间长度，根据所述区间右端点及所述区间长度构建区间，得到所述反馈时间区间。例如：请求时间为3/11，时间周期为两天，那么反馈时间区间为[3/9,3/11]。
[0103]
详细地，本发明实施例中所述根据所述产品反馈评分计算产品满意评分，包括：对所述第二产品集中的每个产品对应的所有所述产品反馈评分进行评分特征评价，可选地，本发明实施例将所有的所述产品反馈评分的算术平均值作为所述标准反馈评分或将所有的所述产品反馈评分的中位数作为所述标准反馈评分，通过所述标准反馈评分来评价所有的所述产品反馈评分的特征；进一步地，本发明实施例为了降低所述产品反馈评分波动过大导致评分参考价值过低，根据所有所述产品反馈评分进行分数波动评估计算，得到波动系数，可选地，本发明实施例可以计算所有所述产品反馈评分的方差或标准差来衡量所述产品反馈评分的分数波动，得到所述波动系数；进一步地，本发明实施例根据所述标准反馈
评分及所述波动系数进行乘法计算，得到所述产品满意评分，例如：所述标准反馈评分为5，所述波动系数为0.2，那么所述产品满意评分为5*0.2＝1。
[0104]
s9、利用所述产品满意评分及所述相关度分数对所述第二产品集进行满意度筛选，得到目标产品；
[0105]
详细地，本发明实施例根据所述产品满意评分及所述相关度分数计算所述第二产品集中的每个产品的推荐系数，筛选所述第二产品集中所述推荐系数大于预设推荐阈值的产品，得到所述目标产品。
[0106]
可选地，本发明实施例可用如下公式进行推荐系数计算：
[0107]
t＝a*m
j
+b*n
j
[0108]
其中，a、b为预设的产品权重，m
j
为所述第二产品集中产品j的相关度分数，n
j
为所述第二产品集中产品j的产品满意评分，t为所述第二产品集中产品j的推荐系数。
[0109]
s10、将所述目标产品推送至所述产品推荐请求对应的终端设备。
[0110]
本发明实施例中将所述目标产品推送至所述产品推荐请求对应的终端设备。所述终端设备包括：手机、电脑、平板等智能终端。
[0111]
本发明实施例根据对产品要求信息进行组合得到的产品要求序列对预设的产品库中的产品进行筛选，得到第一产品集，实现了根据用户需求对产品进行初次筛选；进一步地，分别对用户信息及所述第一产品集中的每个产品进行特征提取，得到用户向量及产品向量，并根据所述用户向量及所述产品向量之间的相关度分数对所述第一产品集进行相关度筛选，得到第二产品集，实现了利用用户特征与产品的关联程度，对产品进行第二次筛选；并进一步根据预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分计算产品满意评分，利用所述产品满意评分及所述相关度分数对所述第二产品集进行满意度筛选，得到目标产品，进一步利用产品满意度评分对产品进行第三次筛选。通过利用用户需求、用户特征与产品的关联程度及产品满意度评分三个维度产品进行筛选推荐，提高了产品推荐的准确率。因此，本发明实施例提出的基于向量匹配技术的产品推荐方法提高了产品推荐的准确率。
[0112]
如图2所示，是本发明基于向量匹配技术的产品推荐装置的功能模块图。
[0113]
本发明所述基于向量匹配技术的产品推荐装置100可以安装于电子设备中。根据实现的功能，所述基于向量匹配技术的产品推荐装置可以包括特征提取模块101、产品筛选模块102、产品推荐模块103，本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0114]
在本实施例中，关于各模块/单元的功能如下：
[0115]
所述特征提取模块101用于获取产品推荐请求，其中，所述产品推荐请求包括用户信息及产品要求信息；对所述产品要求信息进行组合，构建产品要求序列；根据所述产品要求序列对预设的产品库中的产品进行筛选，得到第一产品集；对所述用户信息进行用户特征提取得到用户向量；对所述第一产品集中的每个产品进行产品特征提取，得到所述每个产品对应的产品向量；
[0116]
本发明实施例中，所述产品推荐请求是由用户发起的推荐相关产品的请求，例如：产品推荐请为用户a发起的推荐某理财公司的信托产品的产品推荐请求。本发明实施例中，
所述用户信息为用户的个人相关信息，如：用户的基本信息、用户的历史交易信息、用户的个人偏好等；所述产品要求信息为用户对产品的要求，如:产品为金融产品，风险类型为低风险、投资周期为长周期等。
[0117]
详细地，本发明实施例为了更好地推荐符合所述产品要求信息的产品，需要需求信息更加直观的呈现，所述特征提取模块101将所述产品要求信息进行字段构建，得到产品要求字段，可选地，本发明实施例中如所述字段构建为将所述产品要求信息构建为键值对，得到产品要求字段，如所述产品要求信息为风险类型为低风险，进行字段构建得到对应的产品要求字段为“风险类型:低风险”；进一步地，将所有所述产品要求字段进行随机组合，得到所述产品要求序列，所述组合方式包括顺序组合、随机组合如共有“风险类型:低风险”、“投资周期:长周期”，那么所述产品要求序列可以为[风险类型:低风险，投资周期:长周期]。可选地，本发明另一实施中还可以按照预设的顺序将所有所述产品要求字段进行组合，得到所述产品要求序列。
[0118]
本发明实施例中所述特征提取模块101根据所述产品要求序列中的数据字段及对应的字段顺序，筛选所述产品库中每个产品对应字段的产品属性数据，并进行组合得到产品序列；如：产品要求序列可以为[风险类型:低风险,投资周期:长周期]，对应的数据字段为“风险类型”及“投资周期”，那么筛选每个产品对应的“风险类型”字段对应的产品属性数据及“投资周期”字段对应的产品属性数据进行组合得到对应的产品序列，进一步地，将所述产品序列与所述产品要求序列进行数据一致性对比，得到对比结果，可选地，对比结果为数据一致或数据不一致，进一步地，筛选对比结果为数据一致的产品，得到所述第一产品集。如产品要求序列为[风险类型:低风险,投资周期:长周期]，产品序列为[风险类型:低风险，投资周期:短周期]，那么对比结果为数据不一致。
[0119]
详细地，本发明实施例中所述用户信息包括，但不限于用户的年龄、性别、职业及兴趣爱好等，且获取的所述用户信息可以为多种形式，如视频、图像和文本等，以便于提取到的用户特征更加准确。
[0120]
本发明实施例所述特征提取模块101可通过预先训练的智能模型对所述用户信息进行分析，提取用户的用户特征。其中，所述智能模型包括但不限于ocr(optical character recognition，光学字符识别)模型、nlp模型(natural language processing，自然语言处理)模型、asr(automatic speech recognition，自动语音识别)模型等。
[0121]
本发明其中一个实施例中，所述特征提取模块101对所述用户信息进行用户特征提取得到用户向量，包括：
[0122]
步骤a、对所述用户信息进行文本转化，得到文本数据；
[0123]
步骤b、对所述文本数据进行分词处理，得到多个文本分词；
[0124]
步骤c、对所述文本分词进行词向量转化，得到文本词向量；
[0125]
步骤d、利用预先训练的特征提取算法对所述文本词向量进行特征提取，得到特征词向量；
[0126]
步骤e、将所有所述特征词向量进行算术平均计算，得到所述用户向量。
[0127]
例如，所述用户信息中包含图像数据与视频数据，可利用ocr模型对用户信息中的图像数据进行处理，以实现将图像数据转化为文本数据；利用asr模型和ocr模型的结合，对用户信息中的视频数据进行处理，以实现将视频数据转化为文本数据。
[0128]
本实施例可利用预先构建的标准词典对所述文本数据进行分词处理，所述标准词典中包含多个标准分词。例如，将所述文本数据按照不同的长度进行划分，并将划分结果在所述标准词典中进行检索，若可检索到与划分结果相同的标准分词，则确定该标准分词为所述文本数据的文本分词。
[0129]
本发明其中一个实施例中，所述特征提取模块101对所述文本数据进行分词处理，得到文本分词，包括：
[0130]
获取预先构建的标准词典，其中，所述标准词典中包含多个标准分词；
[0131]
将所述文本数据按照预设的第一长度进行文本划分，得到检索词；
[0132]
将所述检索词在所述标准词典中进行检索，当从所述标准词典中检索到与所述检索词相同的标准分词时，确定所述检索词为所述文本数据的文本分词，并返回文本划分的步骤按照预设的第二长度进行文本划分，直至所述文本划分的次数达到预设次数，得到所述文本数据对应的文本分词。
[0133]
例如，分别将文本数据按照不同的预设的长度进行划分，并将每次文本划分得到的检索词在所述词典中进行检索，以获取文本分词，直至文本划分的次数达到预设的次数，以实现对文本数据的分词。
[0134]
本实施例中，按照不同的长度对文本数据进行划分、检索的方式实现对文本数据的分词，无需对文本数据的内容进行分析，有利于提高对文本数据进行分词的效率。
[0135]
本实施例中，可利用预设的word2vec模型将所述文本分词转化为文本词向量。
[0136]
进一步地，所述特征提取算法包括但不限于贝叶斯分类算法、逻辑回归算法、knn算法等，利用所述特征提取算法对文本词向量进行特征提取，得到特征词向量，并将所有所述特征词向量进行向量压缩，得到所述用户向量。
[0137]
本发明的另一实施例中，所述用户信息可以存储在区块链节点中，保护用户信息的隐私性。
[0138]
本发明实施例中，每个产品对应有多个产品属性，每个产品属性对应有相应的产品属性数据，如：金融产品对应的产品属性有风险等级、预期收益、投资周期。
[0139]
进一步地，本发明实施例中所述特征提取模块101对所述第一产品集中的每个产品进行产品特征提取，包括：
[0140]
获取所述第一产品集中每个产品的所有产品属性数据；
[0141]
将所述产品的每个产品属性数据转化为向量，得到所述产品属性向量；
[0142]
将所有产品属性向量按照预设的顺序进行横向组合，得到产品矩阵；
[0143]
筛选所述产品矩阵中每一列的最大值作为每一列的列特征值；
[0144]
根据所述产品矩阵中列的顺序将每一列的列特征值依次进行组合，得到所述产品向量。
[0145]
例如：产品矩阵为那么产品矩阵第一列的列特征值为3，第二列的类特征值为9，第三列的列特征值为6，将每列的列特征值依次组合得到产品向量[3 9 6]。
[0146]
所述产品筛选模块102用于对所述用户向量及所述产品向量进行相关度计算，得到相关度分数；利用所述相关度分数对所述第一产品集进行相关度筛选，得到第二产品集；
获取预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分，根据所述产品反馈评分计算产品满意评分；利用所述产品满意评分及所述相关度分数对所述第二产品集进行满意度筛选，得到目标产品；
[0147]
本发明实施例中，为了进一步地筛选所述第一产品集中更适合用户的产品，所述产品筛选模块102根据所述用户向量及所述产品向量进行相关度计算，得到相关度分数。
[0148]
可选地，本发明实施例中利用如下公式进行相关度计算：
[0149][0150]
其中，x
i
表示用户向量x的第i个元素，y
i
为产品向量y的第i个元素，sim表示用户向量x和产品向量y的相似度，n表示用户向量及产品向量的向量维度。
[0151]
本发明实施例中，所述相关度分数的大小代表对应的产品与用户的匹配程度，因此，为了选择匹配程度最好的产品，所述产品筛选模块102利用所述相关度分数对所述第一产品集进行相关度筛选，得到第二产品集。
[0152]
详细地，本发明实施例中，所述产品筛选模块102筛选所述第一产品集中所述相关度分数大于预设相关度分数阈值的产品，得到所述第二产品集。
[0153]
本发明实施例中为了保证产品的产品反馈评分能更具有参考价值，因此需要评价时间较新的产品反馈评分，所以本发明实施例中所述产品筛选模块102获取预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分，根据所述产品反馈评分计算产品满意评分，本发明实施例中每个产品的产品反馈评分数量可以为一个或多个，例如：产品a的产品反馈评分为用户a的评分为3分、用户b的评分为5分、用户c的评分为4分。
[0154]
详细地，本发明实施例中所述产品筛选模块102在获取预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分之前，还包括：获取所述产品推荐请求的请求时间；将所述请求时间作为区间右端点，将预设时间周期作为区间长度，根据所述区间右端点及所述区间长度构建区间，得到所述反馈时间区间。例如：请求时间为3/11，时间周期为两天，那么反馈时间区间为[3/9,3/11]。
[0155]
详细地，本发明实施例中所述产品筛选模块102根据所述产品反馈评分计算产品满意评分，包括：对所述第二产品集中的每个产品对应的所有所述产品反馈评分进行评分特征评价，可选地，本发明实施例将所有的所述产品反馈评分的算术平均值作为所述标准反馈评分或将所有的所述产品反馈评分的中位数作为所述标准反馈评分，通过所述标准反馈评分来评价所有的所述产品反馈评分的特征；进一步地，本发明实施例为了降低所述产品反馈评分波动过大导致评分参考价值过低，根据所有所述产品反馈评分进行分数波动评估计算，得到波动系数，可选地，本发明实施例可以计算所有所述产品反馈评分的方差或标准差来衡量所述产品反馈评分的分数波动，得到所述波动系数；进一步地，本发明实施例根据所述标准反馈评分及所述波动系数进行乘法计算，得到所述产品满意评分，例如：所述标准反馈评分为5,，所述波动系数为0.2，那么所述产品满意评分为5*0.2＝1。
[0156]
详细地，本发明实施例所述产品筛选模块102根据所述产品满意评分及所述相关度分数计算所述第二产品集中的每个产品的推荐系数，筛选所述第二产品集中所述推荐系数大于预设推荐阈值的产品，得到所述目标产品。
[0157]
可选地，本发明实施例可用如下公式进行推荐系数计算：
[0158]
t＝a*m
j
+b*n
j
[0159]
其中，a、b为预设的产品权重，m
j
为所述第二产品集中产品j的相关度分数，n
j
为所述第二产品集中产品j的产品满意评分，t为所述第二产品集中产品j的推荐系数。
[0160]
所述产品推荐模块103用于将所述目标产品推送至所述产品推荐请求对应的终端设备。
[0161]
本发明实施例中所述产品推荐模块103将所述目标产品推送至所述产品推荐请求对应的终端设备。所述终端设备包括：手机、电脑、平板等智能终端。
[0162]
如图3所示，是本发明实现基于向量匹配技术的产品推荐方法的电子设备的结构示意图。
[0163]
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如产品推荐程序。
[0164]
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如产品推荐程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0165]
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如产品推荐程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0166]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0167]
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0168]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的
直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi
‑
fi模块等，在此不再赘述。
[0169]
可选地，所述通信接口13可以包括有线接口和/或无线接口(如wi
‑
fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
[0170]
可选地，所述通信接口13还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light
‑
emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0171]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0172]
所述电子设备中的所述存储器11存储的产品推荐程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
[0173]
获取产品推荐请求，其中，所述产品推荐请求包括用户信息及产品要求信息；
[0174]
对所述产品要求信息进行组合，构建产品要求序列；
[0175]
根据所述产品要求序列对预设的产品库中的产品进行筛选，得到第一产品集；
[0176]
对所述用户信息进行用户特征提取得到用户向量；
[0177]
对所述第一产品集中的每个产品进行产品特征提取，得到所述每个产品对应的产品向量；
[0178]
对所述用户向量及所述产品向量进行相关度计算，得到相关度分数；
[0179]
利用所述相关度分数对所述第一产品集进行相关度筛选，得到第二产品集；
[0180]
获取预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分，根据所述产品反馈评分计算产品满意评分；
[0181]
利用所述产品满意评分及所述相关度分数对所述第二产品集进行满意度筛选，得到目标产品；
[0182]
将所述目标产品推送至所述产品推荐请求对应的终端设备。
[0183]
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0184]
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以是非易失性的，也可以是易失性的。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)。
[0185]
本发明实施例还可以提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0186]
获取产品推荐请求，其中，所述产品推荐请求包括用户信息及产品要求信息；
[0187]
对所述产品要求信息进行组合，构建产品要求序列；
[0188]
根据所述产品要求序列对预设的产品库中的产品进行筛选，得到第一产品集；
[0189]
对所述用户信息进行用户特征提取得到用户向量；
[0190]
对所述第一产品集中的每个产品进行产品特征提取，得到所述每个产品对应的产品向量；
[0191]
对所述用户向量及所述产品向量进行相关度计算，得到相关度分数；
[0192]
利用所述相关度分数对所述第一产品集进行相关度筛选，得到第二产品集；
[0193]
获取预设反馈时间区间内所述第二产品集中每个产品的产品反馈评分，根据所述产品反馈评分计算产品满意评分；
[0194]
利用所述产品满意评分及所述相关度分数对所述第二产品集进行满意度筛选，得到目标产品；
[0195]
将所述目标产品推送至所述产品推荐请求对应的终端设备。
[0196]
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
[0197]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0198]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0199]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0200]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0201]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0202]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0203]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
[0204]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的
技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。