本技术涉及计算机,尤其涉及一种终端推荐方法、装置、设备、存储介质及计算机程序产品。
背景技术:
1、目前,在向用户推荐产品、内容或者设备时,为了避免大量无效推荐浪费营销资源,通常都是通过主流的精准推荐算法来对用户进行精准推荐,例如,通过用户输入的关键词来为用户进行精准推荐。
2、若要通过现有的推荐算法实现精准推荐用户所感兴趣的东西时,需要用户事先就已经关注该终端产品,并对该终端产品产生了较大兴趣,而对于用户还未关注过,但是用户实际上会大概率喜欢的潜在终端产品或者是其他产品,就无法精准识别并推荐给用户,也就无法满足用户的需求。
技术实现思路
1、本技术的主要目的在于提供一种终端推荐方法、装置、设备、存储介质及计算机程序产品,旨在解决相关技术中,通过现有的推荐算法无法精准推荐用户未关注过的潜在终端产品的技术问题。
2、为实现上述目的,本技术实施例提供了一种终端推荐方法,所述方法包括:
3、获取当前用户的社交数据以及社交数据对应的多个社交用户所使用的终端数据;
4、基于所述社交数据和所述终端数据,生成有权无向图,其中,所述有权无向图用于表征所述用户与各所述终端数据之间的偏好关系;
5、基于所述预设混合预测模型,对所述有权无向图进行预测处理,得到用户的终端偏好结果;
6、向用户推荐所述终端偏好结果对应的终端。
7、在本技术的一种可能的实施方式中,所述基于所述预设混合预测模型,对所述有权无向图进行预测处理,得到用户的终端偏好结果的步骤之前,包括:
8、确定预设象群优化算法中变量的个数以及最大迭代次数;
9、根据所述变量的适应度,对各所述变量进行排序,得到多个排序位置;
10、基于当前变量的所述排序位置与最大适应度的变量位置的重合程度,更新所述排序位置,得到更新位置;
11、对所述预设象群优化算法中的集群进行分离操作,去除所述更新位置最差的变量,直至当前迭代次数达到所述最大迭代次数后,生成预设混合预测模型。
12、在本技术的一种可能的实施方式中,所述基于当前变量的所述排序位置与最大适应度的变量位置的重合程度,更新所述排序位置,得到更新位置的步骤,包括:
13、若当前变量的所述排序位置与最大适应度的变量位置重合,则通过第一预设公式更新所述排序位置,得到更新位置;
14、其中,第一预设公式为:
15、rnew,ci=n×rcen,ci
16、其中,n属于[0,1],用于表示氏族中心rcen,ci对氏族各个变量个体的影响,其中,氏族中心表示为:
17、
18、其中,rl为各个变量的位置。
19、在本技术的一种可能的实施方式中,所述基于当前变量的所述排序位置与最大适应度的变量位置的重合程度,更新所述排序位置,得到更新位置的步骤,还包括:
20、若当前的所述更新位置与最大适应度的大象位置不重合,则将预设象群优化算法与乌燕鸥优化算法相结合,得到结合算法;
21、以所述结合算法更新所述排序位置,得到更新位置;
22、其中,所述结合算法的公式表示为:
23、rnew,ci(t)=β×(rbest(t)-rl(t))×δθ
24、其中,rnew,ci为当前更新的变量位置,rbest(t)为乌燕鸥群算法中的当前乌燕鸥群中的最佳乌燕鸥的位置,β为预设值,代表象群氏族中位置最佳的变量位置rbest,ci对更新前的变量rl(t)的影响比例因子,δ为用于提高大象氏族多样性的随机数,取值范围为[0,1]。
25、在本技术的一种可能的实施方式中,所述基于所述社交数据和所述终端数据,生成有权无向图的步骤,包括:
26、基于所述社交数据,确定各个社交用户的身份节点,并基于所述终端数据,生成多个终端节点;
27、确定所述身份节点与所述终端节点之间的连接关系;
28、按照所述连接关系,连接各所述身份节点和各所述终端节点,生成多个节点连接线;
29、基于所述连接关系,为所述节点连接线赋予权重值,得到有权无向图。
30、在本技术的一种可能的实施方式中,所述确定所述身份节点与所述终端节点之间的连接关系的步骤,包括:
31、若确定所述身份节点对应用户之间的社交频率大于预设频率阈值,确定当前的身份节点存在连接关系;
32、若所述身份节点对应用户使用终端为所述终端节点对应终端,则当前身份节点与所述终端节点之间存在连接关系;
33、若各所述终端节点之间的功能相似度大于预设相似度阈值,则当前所述终端节点之间存在连接关系。
34、在本技术的一种可能的实施方式中,所述基于所述社交数据和所述终端数据,生成有权无向图的步骤之后,还包括:
35、删除所述终端数据中所述当前用户与所述社交用户重复使用的第一终端数据,得到第二终端数据;
36、所述基于所述预设混合预测模型,对所述有权无向图进行预测处理,得到用户的终端偏好结果的步骤,包括:
37、基于所述预设混合预测模型,对所述有权无向图和所述第二终端数据进行预测处理,得到用户的终端偏好结果。
38、本技术还提供一种终端推荐装置,所述终端推荐装置包括:
39、获取模块,用于获取当前用户的社交数据以及社交数据对应的多个社交用户所使用的终端数据;
40、生成模块,用于基于所述社交数据和所述终端数据,生成有权无向图,其中,所述有权无向图用于表征所述用户与各所述终端数据之间的偏好关系;
41、处理模块,用于基于所述预设混合预测模型,对所述有权无向图进行预测处理,得到用户的终端偏好结果;
42、推荐模块,用于向用户推荐所述终端偏好结果对应的终端。
43、本技术还提供一种终端推荐设备,所述终端推荐设备为实体节点设备,所述终端推荐设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述终端推荐方法的程序,所述终端推荐方法的程序被处理器执行时可实现如上述所述终端推荐方法的步骤。
44、为实现上述目的,还提供一种存储介质,所述存储介质上存储有终端推荐程序,所述终端推荐程序被处理器执行时实现上述任一所述的终端推荐方法的步骤。
45、此外,为实现上述目的,本发明还提供一种计算机程序产品,所述计算机程序产品包括终端推荐程序,所述终端推荐程序被处理器执行时实现如上文所述的终端推荐方法的步骤。
46、本技术提供了一种终端推荐方法、装置、设备、存储介质及计算机程序产品,与相关技术中,通过现有的推荐算法无法精准推荐用户未关注过的潜在终端产品,无法满足用户需求相比,在本技术中,通过获取当前用户的社交数据以及社交数据对应的多个社交用户所使用的终端数据;基于所述社交数据和所述终端数据,生成有权无向图,其中,所述有权无向图用于表征所述用户与各所述终端数据之间的偏好关系;基于所述预设混合预测模型,对所述有权无向图进行预测处理,得到用户的终端偏好结果;向用户推荐所述终端偏好结果对应的终端。在本技术中,通过结合当前用户与社交用户的终端数据,生成用于表征用户与各所述终端数据之间的偏好关系的有权无向图,并通过预设混合预测模型,对有权无向图进行预测处理,从而确定用户的终端偏好结果,以此来向用户精准推荐偏好的终端。