本技术涉及通信领域,尤其涉及一种产品推荐方法、设备及存储介质。
背景技术:
1、随着互联网和信息计算的发展,人们已经进入一个信息爆炸的时代,当前时代时刻都会产生海量的产品信息。人们面对海量产品信息,只对其中一部分产品信息感兴趣,而信息的生产方则根据网络信息数据来精准识别用户潜在意图和倾向,并发现新商机、避免升级投诉,因此在海量的产品信息中发展智能推荐技术成为一个具有应用前景的方向。
2、在现有技术中,现有部分主流运营商推荐系统通过矩阵分解机器学习算法和随机森林机器学习算法进行产品信息的推荐,并且现有的智能推荐系统普遍采用基于规则生成的显式画像技术推荐给用户感兴趣的产品信息,此外部分运营商通过全量客户运营最大程度地实现了提高客户满意度、增加客户粘性、并优化运营商收入和利润。
3、由于目前传统机器学习算法较为简单,受限于特征提取和质量的选择,存在无法处理大规模的非线性问题,缺乏对复杂特征的学习能力,导致推荐给用户的产品不精准。此外运营商全量客户运营主要依靠业务人员通过筛选技术人员开发的模型标签和客户群,配置产品和策略,生成任务工单,触达用户进行营销推荐,现有的全量客户运营中存在缺少对运营商用户应用行为数据的充分挖掘,不能进行高维计算运营商用户与运营商产品之间的相似度,无法支撑基于深度学习推荐算法开发,因此现有技术存在运营商产品推荐精确度低的技术问题。
技术实现思路
1、本技术提供一种产品推荐方法、设备及存储介质,用以解决运营商产品推荐精度低的技术问题。
2、第一方面,本技术提供一种产品推荐方法,该方法包括:
3、获取运营商用户数据与运营商产品数据,基于运营商用户数据与运营商产品数据构建异构图;
4、基于图嵌入算法确定运营商用户和运营商产品在异构图对应的高维向量表达,并确定运营商用户和运营商产品的高维向量表达对应的目标相似度;
5、基于目标相似度,向运营商用户推荐目标相似度满足预设条件的运营商产品。
6、可选地,基于运营商用户数据与运营商产品数据构建异构图,包括:
7、基于运营商用户数据与运营商产品数据确定异构图对应的用户节点、产品节点和有向边;其中,有向边包括用户节点之间的边、产品节点之间的边和用户节点与产品节点之间的边;
8、基于用户节点、产品节点和有向边,构建异构图。
9、可选地,基于图嵌入算法确定运营商用户和运营商产品在异构图对应的高维向量表达,包括:
10、基于图嵌入算法调用节点嵌入编辑器,将异构图对应的用户节点和产品节点映射到低维向量空间;
11、基于低维向量空间确定运营商用户和运营商产品的高维向量表达。
12、可选地,基于图嵌入算法调用节点嵌入编辑器,将异构图对应的用户节点和产品节点映射到低维向量空间,包括:
13、基于图嵌入算法调用节点嵌入编辑器,确定异构图对应的用户节点和产品节点的一阶相似性和二阶相似性;其中一阶相似性用于表征异构图中任两个用户节点和/或产品节点之间局部点对的邻近度;二阶相似性用于表征异构图中任两个用户节点和/或产品节点之间的网络结构相似性;
14、基于一阶相似性和二阶相似性,将异构图对应的用户节点和产品节点映射到低维向量空间。
15、可选地,确定运营商用户和运营商产品的高维向量表达对应的目标相似度,包括:
16、基于低维向量空间确定运营商用户和运营商产品分别对应的高维向量表达;
17、基于运营商用户和运营商产品分别对应的高维向量表达根据相似度算法确定目标相似度。
18、可选地,基于运营商用户和运营商产品分别对应的高维向量表达根据相似度算法确定目标相似度,包括:
19、基于距离量算法计算运营商用户对应的高维向量表达和运营商产品对应的高维向量表达之间的嵌入距离;
20、根据相似度算法基于嵌入距离确定目标相似度。
21、可选地,基于目标相似度,向运营商用户推荐目标相似度满足预设条件的运营商产品,包括:
22、基于目标相似度对运营商用户对应的多个运营商产品进行排序,确定多个运营商产品对应的序号;
23、向运营商用户推荐序号小于或等于预设阈值的运营商产品。
24、第二方面,本技术提供一种产品推荐设备,包括:
25、构建模块,用于获取运营商用户数据与运营商产品数据,基于运营商用户数据与运营商产品数据构建异构图;
26、处理模块,用于基于图嵌入算法确定运营商用户和运营商产品在异构图对应的高维向量表达,并确定运营商用户和运营商产品的高维向量表达对应的目标相似度;
27、推荐模块,用于基于目标相似度,向运营商用户推荐目标相似度满足预设条件的运营商产品。
28、可选地,构建模块还用于:
29、基于运营商用户数据与运营商产品数据确定异构图对应的用户节点、产品节点和有向边;其中,有向边包括用户节点之间的边、产品节点之间的边和用户节点与产品节点之间的边;
30、基于用户节点、产品节点和有向边,构建异构图。
31、可选地,处理模块还用于:
32、基于图嵌入算法调用节点嵌入编辑器,将异构图对应的用户节点和产品节点映射到低维向量空间;
33、基于低维向量空间确定运营商用户和运营商产品的高维向量表达。
34、可选地,处理模块还用于:
35、基于图嵌入算法调用节点嵌入编辑器,确定异构图对应的用户节点和产品节点的一阶相似性和二阶相似性;其中一阶相似性用于表征异构图中任两个用户节点和/或产品节点之间局部点对的邻近度;二阶相似性用于表征异构图中任两个用户节点和/或产品节点之间的网络结构相似性;
36、基于一阶相似性和二阶相似性,将异构图对应的用户节点和产品节点映射到低维向量空间。
37、可选地,处理模块还用于:
38、基于低维向量空间确定运营商用户和运营商产品分别对应的高维向量表达;
39、基于运营商用户和运营商产品分别对应的高维向量表达根据相似度算法确定目标相似度。
40、可选地,处理模块还用于:
41、基于距离量算法计算运营商用户对应的高维向量表达和运营商产品对应的高维向量表达之间的嵌入距离;
42、根据相似度算法基于嵌入距离确定目标相似度。
43、可选地,推荐模块还用于:
44、基于目标相似度对运营商用户对应的多个运营商产品进行排序,确定多个运营商产品对应的序号;
45、向运营商用户推荐序号小于或等于预设阈值的运营商产品。
46、第三方面,本技术提供了一种产品推荐设备,包括:
47、处理器和存储器;
48、存储器存储计算机执行指令;
49、处理器执行存储器存储的计算机执行指令,使得产品推荐设备执行第一方面中任一项的产品推荐方法。
50、第四方面,本技术提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现如第一方面中任一项的产品推荐方法。
51、本技术提供的一种产品推荐方法、设备及存储介质,通过获取运营商用户数据与运营商产品数据,基于运营商用户数据与运营商产品数据构建异构图;基于图嵌入算法确定运营商用户和运营商产品在异构图对应的高维向量表达,并确定运营商用户和运营商产品的高维向量表达对应的目标相似度;基于目标相似度,向运营商用户推荐目标相似度满足预设条件的运营商产品;从而基于多角度获取运营商用户数据与运营商产品数据构建异构图,实现了对运营商用户应用行为数据的充分挖掘的技术效果;基于图嵌入算法确定运营商用户和运营商产品在异构图对应的高维向量表达,并确定运营商用户和运营商产品的高维向量表达对应的目标相似度,实现了对运营商用户与运营商产品之间的相似度进行高维计算的技术效果;基于目标相似度,向运营商用户推荐目标相似度满足预设条件的运营商产品,实现了建立基于运营商用户和运营商产品图嵌入的多路召回算法以及基于注意力机制的深度学习推荐模型精排算法,充分挖掘用户历史行为序列信息,捕捉用户长短期兴趣及其动态进化过程,进而提高运营商产品推荐精确度的技术效果。