本技术涉及人工智能，适用于金融科技领域，尤其涉及一种产品推荐方法和装置、电子设备及存储介质。
背景技术：
1、产品推荐是一种人工智能技术，可以依据客户的个人资料以及产品相关数据，筛选并向客户推送客户可能感兴趣的产品。产品推荐可以应用于多个应用场景，例如在金融科技场景中，可以根据客户的个人资料以及财险、寿险、投资理财等金融产品的产品相关数据，为客户推荐相关金融产品；在医疗保险场景中，根据客户的个人资料以及健康保险、重疾保险、手术保险等医疗保险产品的产品相关数据，为客户推荐相关医疗保险产品。
2、目前，在向客户进行产品推荐时，通常采用业务代理人根据客户的个人资料从产品列表中筛选匹配的产品进行推荐。然而在实际应用场景中，业务代理人与客户之间可能存在代沟，导致业务代理人无法准确获取客户的需求偏好，可能会出现所推荐的产品与客户的需求不匹配的情况，产品推荐的准确性较低。
3、因此，如何提高产品推荐的准确性，成为了亟待解决的技术问题。
技术实现思路
1、本技术实施例的主要目的在于提出一种产品推荐方法和装置、电子设备及存储介质，旨在提高产品推荐的准确性。
2、为实现上述目的，本技术实施例的第一方面提出了一种产品推荐方法，所述方法包括：
3、获取候选对象的用户信息；其中，所述用户信息包括年龄属性；
4、基于所述年龄属性对所述候选对象进行分类，得到对象群体；每一所述对象群体包括至少两个备选对象；
5、针对每一所述对象群体，获取每一所述备选对象的产品操作行为数据；
6、对每一所述备选对象的所述产品操作行为数据进行产品热度计算，得到每一所述对象群体的群体产品热度序列和每一所述备选对象的用户产品热度序列；
7、基于所述用户信息、所述群体产品热度序列和所述用户产品热度序列进行产品筛选，得到每一所述备选对象的目标推荐产品序列；
8、基于所述目标推荐产品序列向每一所述备选对象进行产品推荐。
9、在一些实施例，所述群体产品热度序列包括群体点击产品序列和群体搜索产品序列，所述用户产品热度序列包括用户点击产品序列和用户搜索产品序列；所述基于所述用户信息、所述群体产品热度序列和所述用户产品热度序列进行产品筛选，得到每一所述备选对象的目标推荐产品序列，包括：
10、对所述群体点击产品序列和所述用户点击产品序列进行差异计算，得到每一所述备选对象的点击产品关注序列；
11、对所述群体搜索产品序列和所述用户搜索产品序列进行差异计算，得到每一所述备选对象的搜索产品关注序列；
12、基于所述点击产品关注序列和所述搜索产品关注序列进行产品筛选，得到每一所述备选对象的目标关注产品序列；
13、基于所述用户信息与所述目标关注产品序列进行产品预测，得到每一所述备选对象的所述目标推荐产品序列。
14、在一些实施例，所述对所述群体点击产品序列和所述用户点击产品序列进行差异计算，得到每一所述备选对象的点击产品关注序列，包括：
15、获取所述用户点击产品序列中的每一产品名称以及所述产品名称对应的用户点击排序序号；
16、基于所述产品名称对所述群体点击产品序列进行产品筛选，得到所述产品名称对应的群体点击排序序号；
17、基于所述用户点击排序序号和所述群体点击排序序号进行差值计算，得到点击排序差值数据；
18、基于所述点击排序差值数据对每一所述产品名称进行排序，得到每一所述备选对象的所述点击产品关注序列。
19、在一些实施例，所述目标关注产品序列包括多个用户关注产品；所述基于所述用户信息与所述目标关注产品序列进行产品预测，得到每一所述备选对象的所述目标推荐产品序列，包括：
20、对所述用户信息进行特征提取，得到用户特征数据；
21、对所述用户特征数据进行购买力预测，得到用户购买力预测数据；
22、获取所述用户关注产品的产品花销数据；
23、基于所述用户购买力预测数据和所述产品花销数据进行匹配，得到产品匹配数据；
24、基于所述产品匹配数据对所述用户关注产品进行产品过滤，得到每一所述备选对象的所述目标推荐产品序列。
25、在一些实施例，所述对每一所述备选对象的所述产品操作行为数据进行产品热度计算，得到每一所述对象群体的群体产品热度序列和每一所述备选对象的用户产品热度序列，包括：
26、对所述产品操作行为数据进行特征提取，得到初始行为数据；
27、对所述初始行为数据进行分类，得到目标行为数据；其中，所述目标行为数据的行为类型包括点击行为和搜索行为；
28、针对每一所述行为类型，对所述目标行为数据进行关键词提取，得到产品关键词数据；
29、针对每一所述对象群体，基于所述行为类型对所述产品关键词数据进行聚合排序，得到每一所述对象群体的所述群体产品热度序列；
30、针对每一备选对象，基于所述行为类型对所述产品关键词数据进行聚合排序，得到每一所述备选对象的所述用户产品热度序列。
31、在一些实施例，所述对所述产品操作行为数据进行特征提取，得到初始行为数据，包括：
32、对所述产品操作行为数据进行异常值检测和处理，得到原始行为数据；
33、对所述原始行为数据进行数据标准化，得到标准行为数据；
34、对所述标准行为数据进行特征筛选，得到筛选行为数据；
35、对所述筛选行为数据进行特征构建，得到所述初始行为数据。
36、在一些实施例，所述目标推荐产品序列包括多个备选推荐产品；所述基于所述目标推荐产品序列向每一所述备选对象进行产品推荐，包括：
37、获取所述备选推荐产品的产品信息；
38、基于所述产品信息对所述备选推荐产品进行产品组合，得到目标推荐产品组合；
39、基于所述目标推荐产品组合向每一所述备选对象进行产品推荐。
40、为实现上述目的，本技术实施例的第二方面提出了一种产品推荐装置，所述装置包括：
41、用户信息获取模块，用于获取候选对象的用户信息；其中，所述用户信息包括年龄属性；
42、用户分类模块，用于基于所述年龄属性对所述候选对象进行分类，得到对象群体；每一所述对象群体包括至少两个备选对象；
43、操作行为获取模块，用于针对每一所述对象群体，获取每一所述备选对象的产品操作行为数据；
44、产品热度计算模块，用于对每一所述备选对象的所述产品操作行为数据进行产品热度计算，得到每一所述对象群体的群体产品热度序列和每一所述备选对象的用户产品热度序列；
45、目标产品筛选模块，用于基于所述用户信息、所述群体产品热度序列和所述用户产品热度序列进行产品筛选，得到每一所述备选对象的目标推荐产品序列；
46、目标产品推荐模块，用于基于所述目标推荐产品序列向每一所述备选对象进行产品推荐。
47、为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子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上述第一方面所述的方法。
48、为实现上述目的，本技术实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
49、本技术提出的产品推荐方法和装置、电子设备及存储介质,其通过获取候选对象包含年龄属性的用户信息，并基于年龄属性对候选对象进行分类，得到对象群体；每一对象群体包括至少两个备选对象，因不同年龄群体的消费偏好存在差异，通过分群可以提高产品推荐的精准度与针对性。接着，获取每一对象群体中的每一备选对象的产品操作行为数据，能够真实反映备选对象所关注的产品。对每一备选对象的产品操作行为数据进行产品热度计算，得到每一对象群体的群体产品热度序列和每一备选对象的用户产品热度序列，并基于用户信息、群体产品热度序列和用户产品热度序列进行产品筛选，得到每一备选对象的目标推荐产品序列，能够兼顾用户个体特征与群体共性，提升推荐精准度。最后，基于目标推荐产品序列向每一备选对象进行产品推荐，能够提高用户满意度和产品推荐成功率，实现更有效的产品推广与用户服务。