产品推荐方法、装置、电子设备及可读存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种产品推荐方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着人们需求的多样化，产品供应商在市场上提供越来越多的产品，但为了给用户更好的消费者体验，提高产品的推广程度，需要从海量用户中筛选出与产品相符合的用户，以进行产品推荐。
3.目前，产品推荐主要是对产品信息以及用户给定信息进行分析，得到关键信息，根据所述关键信息进行产品推荐。但是由于获取的产品信息及用户给定信息不详细，导致关键信息提取上的局限性，使得产品推荐产生过多的干扰项，从而使推荐的准确度较低，有时甚至需要二次推荐，使得推荐的流程时间变长，推荐效率低。


技术实现要素：

4.本发明提供一种产品推荐方法、装置及计算机可读存储介质，其主要目的在于解决进行产品推荐准确度较低的问题。
5.为实现上述目的，本发明提供的一种产品推荐方法，包括：
6.接收用户的需求信息文本；
7.从产品系统中提取其中一种产品的产品信息文本及对应的产品身份编号；
8.对所述产品信息文本以及所述需求信息文本分别执行分词操作，分别得到产品词语集以及需求词语集；
9.将所述产品词语集及所述需求词语集分别转化为产品词向量集及需求词向量集；
10.从所述产品词语集及所述需求词语集中分别提取预设数量的关键词，得到产品关键词集及需求关键词集；
11.根据所述产品词向量集与所述产品关键词集构建产品向量，及根据所述需求词向量集与需求关键词集构建需求向量；
12.利用预构建的相似度公式计算所述产品向量以及所述需求向量的相似度，并判断所述相似度是否小于预设相似度阈值；
13.若所述相似度小于所述相似度阈值，则返回上述从产品系统中提取其中一种产品的产品信息文本及对应的产品身份编号的步骤；
14.若所述相似度大于或等于所述预设相似度阈值，则根据所述产品身份编号，从所述产品系统中提取所述产品的全部价格数据；
15.根据所述全部价格数据，计算所述产品的预计价格，并输出所述产品及所述产品的预计价格。
16.可选地，所述将所述产品词语集及所述需求词语集分别转化为产品词向量集及需求词向量集，包括：
17.将所述产品词语集以及所述需求词语集作为预构建的word2vec模型的词袋；
18.利用所述词袋与所述word2vec模型将所述产品词语集中的每个产品词语转化为词向量，汇总所有所述产品词语集中每个所述词语的词向量，得到产品词向量集；
19.利用所述词袋与所述word2vec模型将所述需求词语集中的每个需求词语转化为词向量，汇总所有所述需求词语集中每个所述词语的词向量，得到需求词向量集。
20.可选地，所述从所述产品词语集及所述需求词语集中提取预设数量的关键词，得到产品关键词集及需求关键词集，包括：
21.分别去除所述产品词语集及所述需求词语集中的停用词，得到产品候选关键词集及需求候选关键词；
22.依次利用预先构建的平滑移动窗口在所述产品候选关键词集及所述需求候选关键词集中进行滑动，并将所述平滑移动窗口覆盖的词语进行组合，分别得到每次滑动对应的产品窗口化词组及需求窗口化词组；
23.利用textrank提取关键词算法预定义的共现关系，分别构建所述产品窗口化词组的产品候选关键词词图及所述需求窗口化词组的需求候选关键词词图；
24.利用预构建的迭代投票公式分别计算所述产品候选关键词词图及所述需求候选关键词词图中各节点的投票得分；
25.根据所述投票得分，输出预设数量的词语，得到所述产品关键词集及所述需求关键词集。
26.可选地，所述利用预构建的迭代投票公式分别计算所述产品候选关键词词图及所述需求候选关键词词图中各节点的投票得分，包括：
27.利用下述迭代投票公式计算所述产品候选关键词词图及所述需求候选关键词词图中各节点的投票得分：
[0028][0029]
其中，ws(v
i
)为节点v
i
的投票得分，d为阻尼系数，v
j
、v
k
分别为所述产品候选关键词词图或所述需求候选关键词词图中指向所述节点v
i
，及所述节点v
i
指向的节点，ω
ji
为所述v
i
，v
j
两个节点之间有向边的权重，ω
jk
为所述v
j
，v
k
两个节点之间有向边的权重，inv
i
为所述指向节点v
i
该点的点集合，out(v
j
)为所述节点v
j
指向的点集合。
[0030]
可选地，所述根据所述产品词向量集与所述产品关键词集构建产品向量，及根据所述需求词向量集与需求关键词集构建需求向量，包括：
[0031]
依次从产品词向量集中获取产品关键词集中的每个产品关键词的向量，并将每个所述产品关键词的向量根据遍历顺序进行首尾拼接，得到所述产品向量；
[0032]
依次从需求词向量集中获取需求关键词集中的每个需求关键词的向量，并将每个所述需求关键词的向量根据遍历顺序进行首尾拼接，得到所述需求向量。
[0033]
可选地，所述根据所述产品的产品身份编号，从所述产品系统中提取所述产品的全部价格数据，包括：
[0034]
根据所述产品身份编号遍历所述产品系统中所有产品的身份编号，匹配与所述产品具有相同的产品身份编号的产品集合；
[0035]
汇总所述产品集合中每个产品的价格数据，得到所述全部价格数据。
[0036]
可选地，所述根据所述全部价格数据，计算所述产品的预计价格，包括：
[0037]
去除所述全部价格数据中的价格数据最大值以及价格数据最小值；
[0038]
计算剩余的价格数据的均值，得到所述产品的预计价格。
[0039]
为了解决上述问题，本发明还提供一种产品推荐装置，所述装置包括：
[0040]
信息获取装置，用于获取接收用户的需求信息文本；从产品系统中提取其中一种产品的产品信息文本及对应的产品身份编号；
[0041]
信息处理装置，用于获取对所述产品信息文本以及所述需求信息文本分别执行分词操作，分别得到产品词语集以及需求词语集；将所述产品词语集及所述需求词语集分别转化为产品词向量集及需求词向量集；从所述产品词语集及所述需求词语集中分别提取预设数量的关键词，得到产品关键词集及需求关键词集；根据所述产品词向量集与所述产品关键词集构建产品向量，及根据所述需求词向量集与需求关键词集构建需求向量；
[0042]
产品推荐装置，用于利用预构建的相似度公式计算所述产品向量以及所述需求向量的相似度，并在所述相似度大于或等于所述预设相似度阈值时，根据所述产品身份编号，从所述产品系统中提取所述产品的全部价格数据；根据所述全部价格数据，计算所述产品的预计价格，并输出所述产品及所述产品的预计价格。
[0043]
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：
[0044]
至少一个处理器；以及，
[0045]
与所述至少一个处理器通信连接的存储器；其中，
[0046]
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的产品推荐方法。
[0047]
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产品推荐方法。
[0048]
本发明实施例通过对用户的需求信息文本以及产品信息文本执行分词操作，利用word2vec模型将所述需求信息文本以及产品信息文本中的每个词语转化成词向量的形式，并通过预构建的关键词提取模型提取出所述需求信息文本以及所述产品信息文本中预设数量的关键词，来获取用户的需求关键信息以及产品的关键信息，利用提取出的需求关键词集和产品关键词集中的关键词与所述word2vec模型中的对应的词向量组成需求向量与产品向量，并进行相似度计算，当所述相似度大于或等于预设的相似度阈值，完成所述产品推荐，以及从数据系统中索引出所述产品的全部价格数据，并通过计算全部价格数据的均值完成产品价格推荐。因此本发明提出的产品推荐方法、装置、电子设备及计算机可读存储介质，可以解决进行产品推荐准确度较低的问题。
附图说明
[0049]
图1为本发明一实施例提供的产品推荐方法的流程示意图；
[0050]
图2为本发明一实施例提供的产品推荐装置的功能模块图；
[0051]
图3为本发明一实施例提供的实现所述产品推荐方法的电子设备的结构示意图。
[0052]
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
[0053]
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。
[0054]
本技术实施例提供一种产品推荐方法。所述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。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0055]
参照图1所示，为本发明一实施例提供的产品推荐方法的流程示意图。
[0056]
在本实施例中，所述产品推荐方法包括：
[0057]
s1、获取用户的需求信息文本；
[0058]
本发明实施例中，所述需求信息文本可以是用户提供的对心仪产品的具体描述，比如，某用户想购买一辆自行车，所述需求信息文本可以描述为“更加偏爱山地车，最好拥有禧玛诺变速系统，一体轮比较符合我的审美。”。
[0059]
s2、从产品系统中提取其中一种产品的产品信息文本及对应的产品身份编号；
[0060]
本发明实施例中，所述产品系统可以是各电商平台存储本平台下全部产品具体信息的系统，例如，某电商平台下某个品牌的一种自行车信息在所述产品系统中存储的文本内容为“本自行车是xx品牌的山地自行车，轮毂采用稳定性能更加优秀的一体轮，全车采用前3级与后10级的30级变速，轮毂大小为26英寸，男女通用，适用于身高155cm
‑
180cm。”，所述产品系统也可以是用来存储产品全部交易价格数据的系统，比如，所述数据系统中存储的某一品牌下同种自行车的价格数据可为[1650,1675,1750,1800,1700]等。
[0061]
本发明实施例中，所述产品信息编号可以是各电商平台对平台下的各产品唯一识别的身份编号，比如，某电商平台可以使用15位数字编号对产品进行身份编号，某一自行车品牌下的某一辆自行车编号可以为[918277364098573]，当产生该身份编号后，其它产品不能产生与该产品相同的身份编号。
[0062]
本发明实施例中，所述产品系统下的每个产品都有一个唯一的身份编号，便于产品索引及产品管理。
[0063]
s3、对所述产品信息文本以及所述需求信息文本分别执行分词操作，分别得到产品词语集以及需求词语集；
[0064]
详细地，本发明实施例根据语法要求，利用大量产品信息文本以及大量需求信息文本预构建分词词典；
[0065]
利用所述分词词典对所述产品信息文本及所述需求信息文本执行词语分割，分别得到所述产品词语集以及所述需求词语集。
[0066]
其中，所述分词词典可以是根据严格的语法要求，利用大量的产品信息文本中独立而不重复的词语构建成的词集，例如，利用产品信息文本构建的分词词典中可以包括，但不限于有如下词语“手机/钢笔/铅笔/自行车/轮毂/适用/周长/轴承/通用/通信/性能/纤维/手串/”。
[0067]
例如，上述“本自行车是xx品牌的山地自行车，轮毂采用稳定性能更加优秀的一体轮”可根据所述分词词典分成“本/自行车/是/xx/品牌/的/山地/自行车/，/轮毂/采用/稳定/性能/更加/优秀/的/一体轮/”。
[0068]
s4、根据预构建的word2vec模型，将所述产品词语集及所述需求词语集分别转化为产品词向量集及需求词向量集；
[0069]
本发明实施例中，所述预构建的word2vec模型是将词语转化成词向量的词向量转化工具，其中，所述word2vec模型由输入层、投射层以及输出层组成。
[0070]
详细地，所述根据预构建的word2vec模型，将所述产品词语集及所述需求词语集分别转化为产品词向量集及需求词向量集，包括：
[0071]
将所述产品词语集以及所述需求词语集作为预构建的word2vec模型的词袋；
[0072]
利用所述词袋与所述word2vec模型将所述产品词语集中的每个产品词语转化为词向量，汇总所有所述产品词语集中每个所述词语的词向量，得到产品词向量集；
[0073]
利用所述词袋与所述word2vec模型将所述需求词语集中的每个需求词语转化为词向量，汇总所有所述需求词语集中每个所述词语的词向量，得到需求词向量集。
[0074]
s5、从所述产品词语集及所述需求词语集中分别提取预设数量的关键词，得到产品关键词集及需求关键词集；
[0075]
本发明实施例中，所述关键词可以是用来表示文本具体含义的高度概括的词语，如上述已经完成分词的“本/自行车/是/xx/品牌/的/山地/自行车/，/轮毂/采用/稳定/性能/更加/优秀/的/一体轮/”可以提取出的关键词为：“自行车/山地/一体轮/”。
[0076]
详细地，所述从所述产品词语集及所述需求词语集中分别提取预设数量的关键词，得到产品关键词集及需求关键词集，包括：
[0077]
分别去除所述产品词语集及所述需求词语集中的停用词，得到产品候选关键词集及需求候选关键词；
[0078]
依次利用预先构建的平滑移动窗口在所述产品候选关键词集及所述需求候选关键词集中进行滑动，并将所述平滑移动窗口覆盖的词语进行组合，分别得到每次滑动对应的产品窗口化词组及需求窗口化词组；
[0079]
利用textrank提取关键词算法预定义的共现关系，分别构建所述产品窗口化词组的产品候选关键词词图及所述需求窗口化词组的需求候选关键词词图；
[0080]
利用预构建的迭代投票公式分别计算所述产品候选关键词词图及所述需求候选关键词词图中各节点的投票得分；
[0081]
根据所述投票得分，输出预设数量的词语，得到所述产品关键词集及所述需求关键词集。
[0082]
本发明实施例中，所述停用词可以是自然语言中没有实际意义的词语以及标点符号。
[0083]
本发明实施例中，利用下述迭代投票公式计算所述产品候选关键词词图及所述需求候选关键词词图中各节点的投票得分：
[0084][0085]
其中，ws(v
i
)为节点v
i
的投票得分，d为阻尼系数，v
j
、v
k
分别为所述产品候选关键
词词图或所述需求候选关键词词图中指向所述节点v
i
，及所述节点v
i
指向的节点，ω
ji
为所述v
i
，v
j
两个节点之间有向边的权重，ω
jk
为所述v
j
，v
k
两个节点之间有向边的权重，inv
i
为所述指向节点v
i
该点的点集合，out(v
j
)为所述节点v
j
指向的点集合。
[0086]
s6、根据产品词向量集与所述产品关键词集构建产品向量，及根据需求词向量集与需求关键词集构建需求向量；
[0087]
详细地，所述根据产品词向量集与所述产品关键词集构建产品向量，及根据需求词向量集与需求关键词集构建需求向量，包括：
[0088]
依次从产品词向量集中获取产品关键词集中的每个产品关键词的向量，并将每个所述产品关键词的向量根据遍历顺序进行首尾拼接，得到所述产品向量；
[0089]
依次从需求词向量集中获取需求关键词集中的每个需求关键词的向量，并将每个所述需求关键词的向量根据遍历顺序进行首尾拼接，得到所述需求向量。
[0090]
s7、利用预构建的相似度公式计算所述产品向量以及所述需求向量的相似度，并判断所述相似度是否小于预设相似度阈值；
[0091]
本发明实施例中，所述相似度公式是基于余弦相似度进行构建的相似度公式，余弦相似度可以根据向量间夹角的余弦值来表示向量间的相似性，例如，当两个向量的余弦值越趋近于1，则表示这两个向量相似性越高；当两个向量的余弦值越趋近于
‑
1，则表示这两个向量相似度最低。
[0092]
本发明实施例中，所述预构建的相似度公式如下：
[0093][0094]
其中，x为所述产品信息向量，y为所述用户信息向量，θ为所述产品信息量与所述用户信息向量的夹角，sim(x,y)为所述产品信息向量以及所述用户信息向量的相似度。
[0095]
若所述相似度小于所述相似度阈值，则返回上述步骤s2；
[0096]
本发明实施例中，所述预设相似阈值是用来确定此产品是否为该用户的需求产品的一个相似度参考值，例如，将所述预设阈值设置为0.75，当所述产品信息向量以及所述用户信息向量的相似度小于所述预设的相似阈值，则表示此产品不是所述该用户的需求产品。
[0097]
s8、若所述相似度大于或等于所述相似度阈值，则根据所述产品身份编号，从所述产品系统中提取所述产品的全部价格数据；
[0098]
详细地，所述若所述相似度大于或等于所述相似度阈值，则根据所述产品身份编号，从所述产品系统中提取所述产品的全部价格数据，包括：
[0099]
根据所述产品身份编号遍历所述产品系统中所有产品的身份编号，匹配与所述产品具有相同的产品身份编号的产品集合；
[0100]
汇总所述产品集合中每个产品的价格数据，得到所述全部价格数据。
[0101]
s9、根据所述全部价格数据，计算所述产品的预计价格，并输出所述产品及所述产品的预计价格。
[0102]
本发明实施例去除所述全部价格数据中的价格数据最大值以及价格数据最小值；计算剩余的价格数据的均值，得到所述产品的预计价格。
[0103]
如图2所示，是本发明一实施例提供的产品推荐装置的功能模块图。
[0104]
本发明所述产品推荐装置100可以安装于电子设备中。根据实现的功能，所述产品推荐装置100可以包括信息获取模块101、信息处理模块102及产品推荐模块103。本发明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。
[0105]
在本实施例中，关于各模块/单元的功能如下：
[0106]
所述信息获取模块101，用于获取接收用户的需求信息文本；从产品系统中提取其中一种产品的产品信息文本及对应的产品身份编号。
[0107]
本发明实施例中，所述需求信息文本可以是用户提供的对心仪产品的具体描述，比如，某用户想购买一辆自行车，所述需求信息文本可以描述为“更加偏爱山地车，最好拥有禧玛诺变速系统，一体轮比较符合我的审美。”。
[0108]
本发明实施例中，所述产品系统可以是各电商平台存储本平台下全部产品具体信息的系统，例如，某电商平台下某个品牌的一种自行车信息在所述产品系统中存储的文本内容为“本自行车是xx品牌的山地自行车，轮毂采用稳定性能更加优秀的一体轮，全车采用前3级与后10级的30级变速，轮毂大小为26英寸，男女通用，适用于身高155cm
‑
180cm。”，所述产品系统也可以是用来存储产品全部交易价格数据的系统，比如，所述数据系统中存储的某一品牌下同种自行车的价格数据可为[1650,1675,1750,1800,1700]等。
[0109]
本发明实施例中，所述产品信息编号可以是各电商平台对平台下的各产品唯一识别的身份编号，比如，某电商平台可以使用15位数字编号对产品进行身份编号，某一自行车品牌下的某一辆自行车编号可以为[918277364098573]，当产生该身份编号后，其它产品不能产生与该产品相同的身份编号。
[0110]
本发明实施例中，所述产品系统下的每个产品都有一个唯一的身份编号，便于产品索引及产品管理。
[0111]
所述信息处理模块102，用于对所述产品信息文本以及所述需求信息文本分别执行分词操作，分别得到产品词语集以及需求词语集；将所述产品词语集及所述需求词语集分别转化为产品词向量集及需求词向量集；从所述产品词语集及所述需求词语集中分别提取预设数量的关键词，得到产品关键词集及需求关键词集；根据所述产品词向量集与所述产品关键词集构建产品向量，及根据所述需求词向量集与需求关键词集构建需求向量。
[0112]
详细地，本发明实施例所述信息处理模块102根据语法要求，利用大量产品信息文本以及大量需求信息文本预构建分词词典；利用所述分词词典对所述产品信息文本及所述需求信息文本执行词语分割，分别得到所述产品词语集以及所述需求词语集。
[0113]
其中，所述分词词典可以是根据严格的语法要求，利用大量的产品信息文本中独立而不重复的词语构建成的词集，例如，利用产品信息文本构建的分词词典中可以包括，但不限于有如下词语“手机/钢笔/铅笔/自行车/轮毂/适用/周长/轴承/通用/通信/性能/纤维/手串/”。
[0114]
例如，上述“本自行车是xx品牌的山地自行车，轮毂采用稳定性能更加优秀的一体轮”可根据所述分词词典分成“本/自行车/是/xx/品牌/的/山地/自行车/，/轮毂/采用/稳定/性能/更加/优秀/的/一体轮/”。
[0115]
本发明实施例中，所述预构建的word2vec模型是将词语转化成词向量的词向量转化工具，其中，所述word2vec模型由输入层、投射层以及输出层组成。
[0116]
详细地，所述根据预构建的word2vec模型，将所述产品词语集及所述需求词语集分别转化为产品词向量集及需求词向量集，包括：
[0117]
将所述产品词语集以及所述需求词语集作为预构建的word2vec模型的词袋；
[0118]
利用所述词袋与所述word2vec模型将所述产品词语集中的每个产品词语转化为词向量，汇总所有所述产品词语集中每个所述词语的词向量，得到产品词向量集；
[0119]
利用所述词袋与所述word2vec模型将所述需求词语集中的每个需求词语转化为词向量，汇总所有所述需求词语集中每个所述词语的词向量，得到需求词向量集。
[0120]
本发明实施例中，所述关键词可以是用来表示文本具体含义的高度概括的词语，如上述已经完成分词的“本/自行车/是/xx/品牌/的/山地/自行车/，/轮毂/采用/稳定/性能/更加/优秀/的/一体轮/”可以提取出的关键词为：“自行车/山地/一体轮/”。
[0121]
详细地，所述从所述产品词语集及所述需求词语集中分别提取预设数量的关键词，得到产品关键词集及需求关键词集，包括：
[0122]
分别去除所述产品词语集及所述需求词语集中的停用词，得到产品候选关键词集及需求候选关键词；
[0123]
依次利用预先构建的平滑移动窗口在所述产品候选关键词集及所述需求候选关键词集中进行滑动，并将所述平滑移动窗口覆盖的词语进行组合，分别得到每次滑动对应的产品窗口化词组及需求窗口化词组；
[0124]
利用textrank提取关键词算法预定义的共现关系，分别构建所述产品窗口化词组的产品候选关键词词图及所述需求窗口化词组的需求候选关键词词图；
[0125]
利用预构建的迭代投票公式分别计算所述产品候选关键词词图及所述需求候选关键词词图中各节点的投票得分；
[0126]
根据所述投票得分，输出预设数量的词语，得到所述产品关键词集及所述需求关键词集。
[0127]
本发明实施例中，所述停用词可以是自然语言中没有实际意义的词语以及标点符号。
[0128]
本发明实施例中，利用下述迭代投票公式计算所述产品候选关键词词图及所述需求候选关键词词图中各节点的投票得分：
[0129][0130]
其中，ws(v
i
)为节点v
i
的投票得分，d为阻尼系数，v
j
、v
k
分别为所述产品候选关键词词图或所述需求候选关键词词图中指向所述节点v
i
，及所述节点v
i
指向的节点，ω
ji
为所述v
i
，v
j
两个节点之间有向边的权重，ω
jk
为所述v
j
，v
k
两个节点之间有向边的权重，inv
i
为所述指向节点v
i
该点的点集合，out(v
j
)为所述节点v
j
指向的点集合。
[0131]
详细地，所述根据产品词向量集与所述产品关键词集构建产品向量，及根据需求词向量集与需求关键词集构建需求向量，包括：
[0132]
依次从产品词向量集中获取产品关键词集中的每个产品关键词的向量，并将每个所述产品关键词的向量根据遍历顺序进行首尾拼接，得到所述产品向量；
[0133]
依次从需求词向量集中获取需求关键词集中的每个需求关键词的向量，并将每个所述需求关键词的向量根据遍历顺序进行首尾拼接，得到所述需求向量。
[0134]
所述产品推荐模块103，用于利用预构建的相似度公式计算所述产品向量以及所述需求向量的相似度，并在所述相似度大于或等于所述相似度阈值时，根据所述产品身份编号，从所述产品系统中提取所述产品的全部价格数据；根据所述全部价格数据，计算所述产品的预计价格，并输出所述产品及所述产品的预计价格。
[0135]
本发明实施例中，所述相似度公式是基于余弦相似度进行构建的相似度公式，余弦相似度可以根据向量间夹角的余弦值来表示向量间的相似性，例如，当两个向量的余弦值越趋近于1，则表示这两个向量相似性越高；当两个向量的余弦值越趋近于
‑
1，则表示这两个向量相似度最低。
[0136]
本发明实施例中，所述预构建的相似度公式如下：
[0137][0138]
其中，x为所述产品信息向量，y为所述用户信息向量，θ为所述产品信息量与所述用户信息向量的夹角，sim(x,y)为所述产品信息向量以及所述用户信息向量的相似度。
[0139]
本发明实施例中，所述预设相似阈值是用来确定此产品是否为该用户的需求产品的一个相似度参考值，例如，将所述预设阈值设置为0.75，当所述产品信息向量以及所述用户信息向量的相似度小于所述预设的相似阈值，则表示此产品不是所述该用户的需求产品。
[0140]
详细地，所述若所述相似度大于或等于所述相似度阈值，则根据所述产品的产品身份编号，从所述产品系统中提取所述产品的全部价格数据，包括：
[0141]
根据所述产品身份编号遍历所述产品系统中所有产品的身份编号，匹配与所述产品具有相同的产品身份编号的产品集合；
[0142]
汇总所述产品集合中每个产品的价格数据，得到所述全部价格数据。
[0143]
本发明实施例去除所述全部价格数据中的价格数据最大值以及价格数据最小值；计算剩余的价格数据的均值，得到所述产品的预计价格。
[0144]
如图3所示，是本发明一实施例提供的实现产品推荐方法的电子设备的结构示意图。
[0145]
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口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。
[0146]
其中，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(例如执行产品推荐程序等)，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。
[0147]
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。
[0148]
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。
[0149]
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口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。所述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。
[0150]
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1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。
[0151]
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。
[0152]
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。
[0153]
所述电子设备1中的所述存储器11存储的产品推荐程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0154]
接收用户的需求信息文本；
[0155]
从产品系统中提取其中一种产品的产品信息文本及对应的产品身份编号；
[0156]
对所述产品信息文本以及所述需求信息文本分别执行分词操作，分别得到产品词语集以及需求词语集；
[0157]
将所述产品词语集及所述需求词语集分别转化为产品词向量集及需求词向量集；
[0158]
从所述产品词语集及所述需求词语集中分别提取预设数量的关键词，得到产品关键词集及需求关键词集；
[0159]
根据所述产品词向量集与所述产品关键词集构建产品向量，及根据所述需求词向量集与需求关键词集构建需求向量；
[0160]
利用预构建的相似度公式计算所述产品向量以及所述需求向量的相似度，并判断所述相似度是否小于预设相似度阈值；
[0161]
若所述相似度小于所述相似度阈值，则返回上述从产品系统中提取其中一种产品的产品信息文本及对应的产品身份编号的步骤；
[0162]
若所述相似度大于或等于所述相似度阈值，则根据所述产品身份编号，从所述产品系统中提取所述产品的全部价格数据；
[0163]
根据所述全部价格数据，计算所述产品的预计价格，并输出所述产品及所述产品的预计价格。
[0164]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0165]
进一步地，所述电子设备1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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，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)。
[0166]
本发明还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：
[0167]
接收用户的需求信息文本；
[0168]
从产品系统中提取其中一种产品的产品信息文本及对应的产品身份编号；
[0169]
对所述产品信息文本以及所述需求信息文本分别执行分词操作，分别得到产品词语集以及需求词语集；
[0170]
将所述产品词语集及所述需求词语集分别转化为产品词向量集及需求词向量集；
[0171]
从所述产品词语集及所述需求词语集中分别提取预设数量的关键词，得到产品关键词集及需求关键词集；
[0172]
根据所述产品词向量集与所述产品关键词集构建产品向量，及根据所述需求词向量集与需求关键词集构建需求向量；
[0173]
利用预构建的相似度公式计算所述产品向量以及所述需求向量的相似度，并判断所述相似度是否小于预设相似度阈值；
[0174]
若所述相似度小于所述相似度阈值，则返回上述从产品系统中提取其中一种产品的产品信息文本及对应的产品身份编号的步骤；
[0175]
若所述相似度大于或等于所述相似度阈值，则根据所述产品身份编号，从所述产品系统中提取所述产品的全部价格数据；
[0176]
根据所述全部价格数据，计算所述产品的预计价格，并输出所述产品及所述产品的预计价格。
[0177]
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。
[0178]
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。
[0179]
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。
[0180]
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。
[0181]
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。
[0182]
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。
[0183]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0184]
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。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0185]
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。