模型推荐方法、装置、计算机设备及存储介质与流程

本申请涉及智能推荐领域，特别是涉及一种模型推荐方法、装置、计算机设备及存储介质。

背景技术：

1、随着电力行业向智能化和可持续性方向发展，对电力三维模型的需求日益增长，相应的，电力三维模型的推荐方法也需要根据目标用户的需求进行不断更新。

2、然而，现有的推荐方法无法根据目标用户的个性化需求和购买习惯（时间敏感性）对目标用户进行模型推荐。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够根据目标用户的个性化需求和购买习惯对目标用户进行模型推荐的模型推荐方法、装置、计算机设备及存储介质。

2、第一方面，本申请提供了一种模型推荐方法。该方法包括：

3、对目标用户的实时行为数据进行敏感性分析，得到目标用户对应的目标敏感性类别；

4、根据目标敏感性类别，确定目标用户对应的目标模型推荐策略；

5、根据目标模型推荐策略对目标用户进行模型推荐。

6、在其中一个实施例中，根据目标敏感性类别，确定目标用户对应的目标模型推荐策略，包括：

7、根据至少一个候选模型推荐策略对应的候选敏感性类别和目标敏感性类别，从各候选模型推荐策略中确定目标用户对应的目标模型推荐策略。

8、在其中一个实施例中，根据至少一个候选模型推荐策略对应的候选敏感性类别和目标敏感性类别，从各候选模型推荐策略中确定目标用户对应的目标模型推荐策略，包括：

9、确定各候选模型推荐策略中的候选敏感性类别与目标敏感性类别的类别匹配度；

10、根据类别匹配度，从各候选模型推荐策略中确定目标用户对应的目标模型推荐策略。

11、在其中一个实施例中，根据类别匹配度，从各候选模型推荐策略中确定目标用户对应的目标模型推荐策略，包括：

12、将各候选模型推荐策略中，候选敏感性类别与目标敏感性类别的类别匹配度取值最大的候选模型推荐策略，作为目标模型推荐策略。

13、在其中一个实施例中，候选模型推荐策略的确定过程包括：

14、获取历史用户的历史行为数据和历史交易数据；

15、根据历史行为数据和历史交易数据，确定候选模型推荐策略。

16、在其中一个实施例中，根据历史行为数据和历史交易数据，确定候选模型推荐策略，包括：

17、根据历史行为数据和历史交易数据，确定历史用户的历史敏感性类别；

18、确定历史用户对应的历史推荐模型；

19、根据历史敏感性类别和历史推荐模型，确定各候选模型推荐策略。

20、第二方面，本申请还提供了一种模型推荐装置。该装置包括：

21、第一确定模块，用于对目标用户的实时行为数据进行敏感性分析，得到目标用户对应的目标敏感性类别；

22、第二确定模块，用于根据目标敏感性类别，确定目标用户对应的目标模型推荐策略；

23、推荐模块，用于根据目标模型推荐策略对目标用户进行模型推荐。

24、第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：

25、对目标用户的实时行为数据进行敏感性分析，得到目标用户对应的目标敏感性类别；

26、根据目标敏感性类别，确定目标用户对应的目标模型推荐策略；

27、根据目标模型推荐策略对目标用户进行模型推荐。

28、第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

29、对目标用户的实时行为数据进行敏感性分析，得到目标用户对应的目标敏感性类别；

30、根据目标敏感性类别，确定目标用户对应的目标模型推荐策略；

31、根据目标模型推荐策略对目标用户进行模型推荐。

32、第五方面，本申请还提供了一种计算机程序产品。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：

33、对目标用户的实时行为数据进行敏感性分析，得到目标用户对应的目标敏感性类别；

34、根据目标敏感性类别，确定目标用户对应的目标模型推荐策略；

35、根据目标模型推荐策略对目标用户进行模型推荐。

36、上述模型推荐方法、装置、计算机设备及存储介质，通过对目标用户的实时行为数据进行敏感性分析，得到目标用户对应的目标敏感性类别；根据目标敏感性类别，确定目标用户对应的目标模型推荐策略；根据目标模型推荐策略对目标用户进行模型推荐。根据上述内容可知，本申请在确定目标用户对应的目标模型推荐策略时，考虑了目标用户的目标敏感性类别，实现了通过目标敏感性类别反应目标用户的个性化需求和购买习惯，进而，在通过目标敏感性类别确定所述目标用户对应的目标模型推荐策略，实现了根据目标用户的个性化需求和购买习惯对目标用户进行模型推荐，使得在根据目标模型推荐策略对目标用户进行模型推荐时，能够实现针对目标用户进行有针对性的模型推荐，吸引目标用户进行模型购买，提高目标用户针对模型的购买概率。

技术特征：

1.一种模型推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标敏感性类别，确定所述目标用户对应的目标模型推荐策略，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据至少一个候选模型推荐策略对应的候选敏感性类别和所述目标敏感性类别，从各候选模型推荐策略中确定所述目标用户对应的目标模型推荐策略，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述类别匹配度，从各候选模型推荐策略中确定所述目标用户对应的目标模型推荐策略，包括：

5.根据权利要求1所述的方法，其特征在于，所述候选模型推荐策略的确定过程包括：

6.根据权利要求5所述的方法，其特征在于，所述根据所述历史行为数据和所述历史交易数据，确定所述候选模型推荐策略，包括：

7.一种模型推荐装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，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6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种模型推荐方法、装置、计算机设备及存储介质，涉及智能推荐领域。所述方法包括：对目标用户的实时行为数据进行敏感性分析，得到目标用户对应的目标敏感性类别；根据目标敏感性类别，确定目标用户对应的目标模型推荐策略；根据目标模型推荐策略对目标用户进行模型推荐。本申请能够实现针对目标用户进行有针对性的模型推荐，吸引目标用户进行模型购买，提高目标用户针对模型的购买概率。

技术研发人员：黄子荣,谭信,孙建,陈超阳,徐艳霞
受保护的技术使用者：南方电网数字平台科技（广东）有限公司
技术研发日：
技术公布日：2024/4/17