产品推荐方法、装置、设备、介质及产品与流程

本技术涉及数据处理，特别是涉及一种产品推荐方法、装置、设备、介质及产品。

背景技术：

1、随着互联网的飞速发展，电子商务平台上的商品种类日益繁多，用户在享受便捷购物体验的同时，也面临着信息过载的困扰。在海量商品中精准找到符合个人需求的产品，成为用户的一大挑战。当前，多数电商平台采用基于内容的推荐或协同过滤的推荐方法，这些方法虽能在一定程度上提升用户体验，但往往忽视了用户丰富的非消费行为数据，难以全面捕捉用户复杂多变的需求，导致推荐结果往往陷入局部最优，无法准确匹配用户的真实偏好，从而导致产品推荐的准确性较差。

技术实现思路

1、本技术提供的一种产品推荐方法、装置、设备、介质及产品，能够提高对目标用户进行产品推荐的准确性。

2、第一方面，本技术实施例提供一种产品推荐方法，方法包括：

3、获取多个产品分别对应的多个第一群智感知评分，所述第一群智感知评分用于指示产品在社交群体中的综合评价；

4、获取目标用户的家庭关系对应的第二群智感知评分，所述第二群智感知评分用于指示目标用户的家庭关系在社交群体中的综合评价；

5、获取所述目标用户的使用习惯对应的第三群智感知评分，所述使用习惯用于指示所述目标用户使用产品的固定行为模式，所述第三群智感知评分用于指示目标用户的使用习惯在社交群体中的综合评价；

6、根据所述多个第一群智感知评分、所述第二群智感知评分和所述第三群智感知评分，确定所述目标用户相对于所述多个产品分别对应的多个综合评分，一个产品对应一个综合评分；

7、以多目标算法为基础，基于所述多个综合评分向所述目标用户推荐至少一个目标产品，所述多个产品包括所述至少一个目标产品，所述多目标算法用于实现多个推荐目标。

8、在一个实施例中，上述涉及到的所述获取多个产品分别对应的多个第一群智感知评分，包括：

9、获取第一产品的评价人数，多个用户分别对所述第一产品的评分，所述第一产品的等级，所述第一产品为所述多个产品中的任意一个产品；

10、根据所述评价人数、所述多个用户分别对所述第一产品的评分、所述第一产品的等级，按照第一公式，计算得到所述第一产品对应的第一群智感知评分；

11、其中，所述第一公式为：

12、

13、为所述第一产品对应的第一群智感知评分，pi为所述第一产品的评价人数，si为第i个用户对所述第一产品的评分，i为正整数，1≤i≤n，li为所述第一产品的等级。

14、在一个实施例中，上述涉及到的所述获取目标用户的家庭关系对应的第二群智感知评分，包括：

15、获取所述目标用户的家庭关系的评价人数、多个系统对所述目标用户的家庭关系的评分、所述目标用户的家庭关系的等级；

16、根据所述目标用户的家庭关系的评价人数、多个系统对所述目标用户的家庭关系的评分、所述目标用户的家庭关系的等级，按照第二公式，计算得到所述第二群智感知评分；

17、其中，所述第二公式为：

18、

19、为所述第二群智感知评分，pm为所述目标用户的家庭关系的评价人数，sm为第m个系统对所述目标用户的家庭关系的评分，m为正整数，1≤m≤m，lm为所述目标用户的家庭关系的等级。

20、在一个实施例中，上述涉及到的所述使用习惯包括使用范围、使用频率和使用时长；

21、所述获取所述目标用户的使用习惯对应的第三群智感知评分，包括：

22、获取所述目标用户的使用习惯的评价人数、多个系统对所述目标用户的使用范围的第一评分、所述多个系统对所述目标用户的使用频率的第二评分、所述多个系统对所述目标用户的使用时长的第三评分、所述目标用户的使用习惯的等级；

23、根据所述目标用户的使用习惯的评价人数、多个系统对所述目标用户的使用范围的第一评分、所述多个系统对所述目标用户的使用频率的第二评分、所述多个系统对所述目标用户的使用时长的第三评分、所述目标用户的使用习惯的等级，按照第三公式，计算得到所述第三群智感知评分；

24、其中，所述第三公式为：

25、

26、为所述第三群智感知评分，pt为所述目标用户的使用习惯的评价人数，为第t个系统对所述目标用户的使用范围的第一评分，为第t个系统对所述目标用户的使用频率的第二评分，为第t个系统对所述目标用户的使用时长的第三评分，t为正整数，1≤t≤t，lt为所述目标用户的使用习惯的等级。

27、在一个实施例中，上述涉及到的所述根据所述多个第一群智感知评分、所述第二群智感知评分和所述第三群智感知评分，确定所述目标用户相对于所述多个产品分别对应的多个综合评分，包括：

28、根据所述多个第一群智感知评分、所述第二群智感知评分和所述第三群智感知评分，按照第四公式，计算得到所述目标用于相对于所述多个产品分别对应的多个综合评分；

29、其中，所述第四公式为：

30、

31、为第i个产品对应的综合评分，ka为所述第一群智感知评分对应的第一权重，kr为所述第二群智感知评分对应的第二权重，kh为所述第三群智感知评分对应的第三权重，为第i个产品对应的第一群智感知评分对应的归一化表示，为所述第二群智感知评分的归一化表示，为所述第三群智感知评分的归一化表示。

32、在一个实施例中，上述涉及到的所述以多目标算法为基础，基于所述多个综合评分向所述目标用户推荐至少一个目标产品，包括：

33、根据所述多个综合评分和所述多个推荐目标，使用变邻域搜索算法，生成初始产品推荐列表；

34、利用遗传算法，对所述初始产品推荐列表进行交叉变异，得到多个第一推荐列表；

35、使用快速非支配排序算法，从所述多个第一推荐列表中筛选得到第二推荐列表；

36、使用禁忌搜索算法对所述第二推荐列表进行优化，得到目标推荐列表，所述目标推荐列表包括向所述目标用户推荐至少一个目标产品。

37、在一个实施例中，上述涉及到的所述使用禁忌搜索算法对所述第二推荐列表进行优化，得到目标推荐列表，包括：

38、从所述第二推荐列表中随机选择两个父代产品，并对选择的两个父代产品进行交叉和变异操作，生成候选推荐列表；

39、对所述候选推荐列表进行邻域搜索，得到领域空间内的第一最优推荐列表；

40、在预设禁忌表中不存在所述第一最优推荐列表的情况下，若所述第一最优推荐列表的路径长度小于当前局部最优推荐列表的路径长度，则将当前局部最优推荐列表的路径长度更新为述第一推荐列表的路径长度，并将当前局部最优推荐列表更新为所述第一最优推荐列表；

41、在更新后的当前局部最优推荐列表的路径长度小于当前全局最优推荐列表的路径长度的情况下，则将当前全局最优推荐列表更新为更新后的当前局部最优推荐列表，并将所述更新后的当前局部最优推荐列表添加至所述禁忌表中；

42、根据所述多个推荐目标，计算更新后的全局最优推荐列表的粒子适应度值；

43、在所述粒子适应度值在预设阈值范围，或当前迭代次数达到预设次数的情况下，将所述更新后的全局最优推荐列表确定为所述目标推荐列表。

44、第二方面，本技术提供一种产品推荐装置，该装置包括：

45、第一获取模块，用于获取多个产品分别对应的多个第一群智感知评分，所述第一群智感知评分用于指示产品在社交群体中的综合评价；

46、第二获取模块，用于获取目标用户的家庭关系对应的第二群智感知评分，所述第二群智感知评分用于指示目标用户的家庭关系在社交群体中的综合评价；

47、第三获取模块，用于获取所述目标用户的使用习惯对应的第三群智感知评分，所述使用习惯用于指示所述目标用户使用产品的固定行为模式，所述第三群智感知评分用于指示目标用户的使用习惯在社交群体中的综合评价；

48、确定模块，用于根据所述多个第一群智感知评分、所述第二群智感知评分和所述第三群智感知评分，确定所述目标用户相对于所述多个产品分别对应的多个综合评分，一个产品对应一个综合评分；

49、推荐模块，用于以多目标算法为基础，基于所述多个综合评分向所述目标用户推荐至少一个目标产品，所述多个产品包括所述至少一个目标产品，所述多目标算法用于实现多个推荐目标。

50、第三方面，本技术实施例提供了一种电子设备，该电子设备包括：处理器以及存储有计算机程序指令的存储器；

51、处理器执行计算机程序指令时实现如第一方面中任意一个实施例中的产品推荐方法。

52、第四方面，本技术实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面中任意一个实施例中的产品推荐方法。

53、第五方面，本技术实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行实现如上述第一方面中任意一个实施例中的产品推荐方法。

54、在本技术实施例提供的一种产品推荐方法、装置、设备、介质及产品中，不仅考虑了产品在社交群体中的综合评价(第一群智感知评分)，还融入了目标用户的家庭关系综合评价(第二群智感知评分)及用户的使用习惯综合评价(第三群智感知评分)，实现了对用户多维度、深层次需求的全面捕捉。通过整合这些多元化的评分信息，能够更精确地刻画用户偏好，避免推荐结果陷入局部最优。此外，采用多目标算法作为推荐基础，能够在多个推荐目标间寻求最佳平衡，确保推荐的产品既能满足用户的直接需求，又能符合其潜在偏好和家庭环境，从而显著提升产品推荐的准确性和用户满意度。