产品推荐的方法、装置、计算机设备和存储介质与流程

本技术涉及人工智能，特别是涉及一种产品推荐的方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、目前，为了给用户推荐与之匹配的金融产品，通常需要对用户进行分类。

2、传统技术中，在进行金融产品推荐时，通常是先通过单一分类方法，对用户进行分类，然后根据用户分类结果进行金融产品推荐；但是，通过单一分类方法得到的用户分类结果的准确率较低，导致产品推荐的准确率较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高产品推荐的准确率的产品推荐方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种产品推荐方法，包括：

3、根据用户的用户特征，对所述用户进行初始聚类处理，得到初始用户集合；

4、根据各个所述用户特征与所述初始用户集合的聚类中心之间的核距离，对所述初始用户集合进行更新，得到目标用户集合；

5、获取所述目标用户集合对应的目标金融产品；

6、将所述目标金融产品推荐至所述目标用户集合中的用户。

7、在其中一个实施例中，所述根据各个所述用户特征与所述初始用户集合的聚类中心之间的核距离，对所述初始用户集合进行更新，得到目标用户集合，包括：

8、根据各个所述用户特征与所述初始用户集合的聚类中心之间的核距离，从所述初始用户集合中，筛选出各个所述用户特征所属用户对应的新用户集合；

9、根据所述新用户集合中用户的用户特征，确定所述新用户集合的聚类中心；

10、将所述新用户集合作为初始用户集合，以及将所述新用户集合的聚类中心，作为初始用户集合的聚类中心，并跳转至所述根据各个所述用户特征与所述初始用户集合的聚类中心之间的核距离，从所述初始用户集合中，筛选出各个所述用户特征所属用户对应的新用户集合的步骤，直到得到的新用户集合满足第一预设聚类条件；

11、将满足所述第一预设聚类条件时的新用户集合，作为所述目标用户集合。在其中一个实施例中，所述根据各个所述用户特征与所述初始用户集合的聚类中心之间的核距离，从所述初始用户集合中，筛选出各个所述用户特征所属用户对应的新用户集合，包括：

12、针对各个所述用户特征，从所述初始用户集合中，筛选出对应的核距离最小的用户集合；

13、将针对各个所述用户特征筛选出的用户集合，对应作为所述各个所述用户特征所属用户对应的新用户集合。

14、在其中一个实施例中，在根据各个所述用户特征与所述初始用户集合的聚类中心之间的核距离，对所述初始用户集合进行更新，得到目标用户集合之前，还包括：

15、获取所述初始用户集合的聚类中心所表征的聚类特征；

16、将各个所述用户特征与所述初始用户集合的聚类中心所表征的聚类特征，输入预先构建的核距离统计模型中，得到各个所述用户特征与所述初始用户集合的聚类中心之间的核距离。

17、在其中一个实施例中，所述根据用户的用户特征，对所述用户进行初始聚类处理，得到初始用户集合，包括：

18、获取用户的用户特征的特征向量；

19、通过聚类模型基于所述特征向量，对所述用户进行聚类处理，直到得到的用户集合满足第二预设聚类条件；

20、将满足所述第二预设聚类条件时的用户集合，作为所述初始用户集合。

21、在其中一个实施例中，所述获取所述目标用户集合对应的金融产品，包括：

22、识别所述目标用户集合的集合标识；

23、查询集合标识与金融产品的对应关系，得到与所述目标用户集合的集合标识对应的金融产品，作为所述目标金融产品。

24、在其中一个实施例中，所述将所述目标金融产品推荐至所述目标用户集合中的用户，包括：

25、从所述目标金融产品中，删除所述目标用户集合中的用户互动过的金融产品，得到更新后金融产品；

26、获取所述更新后金融产品的产品特征；

27、将所述产品特征和所述目标用户集合中的用户的用户特征，输入各个预先训练的产品推荐模型，得到所述目标金融产品与所述用户之间的各个匹配度；

28、根据所述各个预先训练的产品推荐模型对应的权重，对所述目标金融产品与所述用户之间的各个匹配度进行融合处理，得到所述目标金融产品与所述用户之间的目标匹配度；

29、从所述更新后金融产品中，筛选出所述目标匹配度大于预设匹配度的金融产品，并将筛选出的金融产品推荐至所述目标用户集合中的用户。

30、第二方面，本技术还提供了一种产品推荐装置，包括：

31、第一聚类模块，用于根据用户的用户特征，对所述用户进行初始聚类处理，得到初始用户集合；

32、第二聚类模块，用于根据各个所述用户特征与所述初始用户集合的聚类中心之间的核距离，对所述初始用户集合进行更新，得到目标用户集合；

33、产品获取模块，用于获取所述目标用户集合对应的目标金融产品；

34、产品推荐模块，用于将所述目标金融产品推荐至所述目标用户集合中的用户。

35、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

36、根据用户的用户特征，对所述用户进行初始聚类处理，得到初始用户集合；

37、根据各个所述用户特征与所述初始用户集合的聚类中心之间的核距离，对所述初始用户集合进行更新，得到目标用户集合；

38、获取所述目标用户集合对应的目标金融产品；

39、将所述目标金融产品推荐至所述目标用户集合中的用户。

40、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

41、根据用户的用户特征，对所述用户进行初始聚类处理，得到初始用户集合；

42、根据各个所述用户特征与所述初始用户集合的聚类中心之间的核距离，对所述初始用户集合进行更新，得到目标用户集合；

43、获取所述目标用户集合对应的目标金融产品；

44、将所述目标金融产品推荐至所述目标用户集合中的用户。

45、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

46、根据用户的用户特征，对所述用户进行初始聚类处理，得到初始用户集合；

47、根据各个所述用户特征与所述初始用户集合的聚类中心之间的核距离，对所述初始用户集合进行更新，得到目标用户集合；

48、获取所述目标用户集合对应的目标金融产品；

49、将所述目标金融产品推荐至所述目标用户集合中的用户。

50、上述产品推荐方法、装置、计算机设备、存储介质和计算机程序产品，先根据用户的用户特征，对用户进行初始聚类处理，得到初始用户集合，然后根据各个用户特征与初始用户集合的聚类中心之间的核距离，对初始用户集合进行更新，得到目标用户集合，接着获取目标用户集合对应的目标金融产品，最后将目标金融产品推荐至目标用户集合中的用户；这样，对用户进行产品推荐之前，先根据用户的用户特征对用户进行初始聚类处理，即第一次聚类，再根据核距离对第一次聚类的结果进行更新，即第二次聚类，通过这两次聚类得到准确的目标用户集合，进而获取对应的目标金融产品，从而实现对用户的产品推荐，两次聚类可以避免单次聚类结果的不稳定性，以及避免单次聚类容易陷入局部最优从而无法全面准确反应数据内在联系的问题，进而提高了产品推荐的准确率。