本技術(shù)涉及數(shù)據(jù)處理，特別是涉及一種產(chǎn)品推薦方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，電子商務(wù)平臺(tái)上的商品種類日益繁多，用戶在享受便捷購物體驗(yàn)的同時(shí)，也面臨著信息過載的困擾。在海量商品中精準(zhǔn)找到符合個(gè)人需求的產(chǎn)品，成為用戶的一大挑戰(zhàn)。當(dāng)前，多數(shù)電商平臺(tái)采用基于內(nèi)容的推薦或協(xié)同過濾的推薦方法，這些方法雖能在一定程度上提升用戶體驗(yàn)，但往往忽視了用戶豐富的非消費(fèi)行為數(shù)據(jù)，難以全面捕捉用戶復(fù)雜多變的需求，導(dǎo)致推薦結(jié)果往往陷入局部最優(yōu)，無法準(zhǔn)確匹配用戶的真實(shí)偏好，從而導(dǎo)致產(chǎn)品推薦的準(zhǔn)確性較差。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供的一種產(chǎn)品推薦方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品，能夠提高對目標(biāo)用戶進(jìn)行產(chǎn)品推薦的準(zhǔn)確性。

2、第一方面，本技術(shù)實(shí)施例提供一種產(chǎn)品推薦方法，方法包括：

3、獲取多個(gè)產(chǎn)品分別對應(yīng)的多個(gè)第一群智感知評分，所述第一群智感知評分用于指示產(chǎn)品在社交群體中的綜合評價(jià)；

4、獲取目標(biāo)用戶的家庭關(guān)系對應(yīng)的第二群智感知評分，所述第二群智感知評分用于指示目標(biāo)用戶的家庭關(guān)系在社交群體中的綜合評價(jià)；

5、獲取所述目標(biāo)用戶的使用習(xí)慣對應(yīng)的第三群智感知評分，所述使用習(xí)慣用于指示所述目標(biāo)用戶使用產(chǎn)品的固定行為模式，所述第三群智感知評分用于指示目標(biāo)用戶的使用習(xí)慣在社交群體中的綜合評價(jià)；

6、根據(jù)所述多個(gè)第一群智感知評分、所述第二群智感知評分和所述第三群智感知評分，確定所述目標(biāo)用戶相對于所述多個(gè)產(chǎn)品分別對應(yīng)的多個(gè)綜合評分，一個(gè)產(chǎn)品對應(yīng)一個(gè)綜合評分；

7、以多目標(biāo)算法為基礎(chǔ)，基于所述多個(gè)綜合評分向所述目標(biāo)用戶推薦至少一個(gè)目標(biāo)產(chǎn)品，所述多個(gè)產(chǎn)品包括所述至少一個(gè)目標(biāo)產(chǎn)品，所述多目標(biāo)算法用于實(shí)現(xiàn)多個(gè)推薦目標(biāo)。

8、在一個(gè)實(shí)施例中，上述涉及到的所述獲取多個(gè)產(chǎn)品分別對應(yīng)的多個(gè)第一群智感知評分，包括：

9、獲取第一產(chǎn)品的評價(jià)人數(shù)，多個(gè)用戶分別對所述第一產(chǎn)品的評分，所述第一產(chǎn)品的等級，所述第一產(chǎn)品為所述多個(gè)產(chǎn)品中的任意一個(gè)產(chǎn)品；

10、根據(jù)所述評價(jià)人數(shù)、所述多個(gè)用戶分別對所述第一產(chǎn)品的評分、所述第一產(chǎn)品的等級，按照第一公式，計(jì)算得到所述第一產(chǎn)品對應(yīng)的第一群智感知評分；

11、其中，所述第一公式為：

12、

13、為所述第一產(chǎn)品對應(yīng)的第一群智感知評分，pi為所述第一產(chǎn)品的評價(jià)人數(shù)，si為第i個(gè)用戶對所述第一產(chǎn)品的評分，i為正整數(shù)，1≤i≤n，li為所述第一產(chǎn)品的等級。

14、在一個(gè)實(shí)施例中，上述涉及到的所述獲取目標(biāo)用戶的家庭關(guān)系對應(yīng)的第二群智感知評分，包括：

15、獲取所述目標(biāo)用戶的家庭關(guān)系的評價(jià)人數(shù)、多個(gè)系統(tǒng)對所述目標(biāo)用戶的家庭關(guān)系的評分、所述目標(biāo)用戶的家庭關(guān)系的等級；

16、根據(jù)所述目標(biāo)用戶的家庭關(guān)系的評價(jià)人數(shù)、多個(gè)系統(tǒng)對所述目標(biāo)用戶的家庭關(guān)系的評分、所述目標(biāo)用戶的家庭關(guān)系的等級，按照第二公式，計(jì)算得到所述第二群智感知評分；

17、其中，所述第二公式為：

18、

19、為所述第二群智感知評分，pm為所述目標(biāo)用戶的家庭關(guān)系的評價(jià)人數(shù)，sm為第m個(gè)系統(tǒng)對所述目標(biāo)用戶的家庭關(guān)系的評分，m為正整數(shù)，1≤m≤m，lm為所述目標(biāo)用戶的家庭關(guān)系的等級。

20、在一個(gè)實(shí)施例中，上述涉及到的所述使用習(xí)慣包括使用范圍、使用頻率和使用時(shí)長；

21、所述獲取所述目標(biāo)用戶的使用習(xí)慣對應(yīng)的第三群智感知評分，包括：

22、獲取所述目標(biāo)用戶的使用習(xí)慣的評價(jià)人數(shù)、多個(gè)系統(tǒng)對所述目標(biāo)用戶的使用范圍的第一評分、所述多個(gè)系統(tǒng)對所述目標(biāo)用戶的使用頻率的第二評分、所述多個(gè)系統(tǒng)對所述目標(biāo)用戶的使用時(shí)長的第三評分、所述目標(biāo)用戶的使用習(xí)慣的等級；

23、根據(jù)所述目標(biāo)用戶的使用習(xí)慣的評價(jià)人數(shù)、多個(gè)系統(tǒng)對所述目標(biāo)用戶的使用范圍的第一評分、所述多個(gè)系統(tǒng)對所述目標(biāo)用戶的使用頻率的第二評分、所述多個(gè)系統(tǒng)對所述目標(biāo)用戶的使用時(shí)長的第三評分、所述目標(biāo)用戶的使用習(xí)慣的等級，按照第三公式，計(jì)算得到所述第三群智感知評分；

24、其中，所述第三公式為：

25、

26、為所述第三群智感知評分，pt為所述目標(biāo)用戶的使用習(xí)慣的評價(jià)人數(shù)，為第t個(gè)系統(tǒng)對所述目標(biāo)用戶的使用范圍的第一評分，為第t個(gè)系統(tǒng)對所述目標(biāo)用戶的使用頻率的第二評分，為第t個(gè)系統(tǒng)對所述目標(biāo)用戶的使用時(shí)長的第三評分，t為正整數(shù)，1≤t≤t，lt為所述目標(biāo)用戶的使用習(xí)慣的等級。

27、在一個(gè)實(shí)施例中，上述涉及到的所述根據(jù)所述多個(gè)第一群智感知評分、所述第二群智感知評分和所述第三群智感知評分，確定所述目標(biāo)用戶相對于所述多個(gè)產(chǎn)品分別對應(yīng)的多個(gè)綜合評分，包括：

28、根據(jù)所述多個(gè)第一群智感知評分、所述第二群智感知評分和所述第三群智感知評分，按照第四公式，計(jì)算得到所述目標(biāo)用于相對于所述多個(gè)產(chǎn)品分別對應(yīng)的多個(gè)綜合評分；

29、其中，所述第四公式為：

30、

31、為第i個(gè)產(chǎn)品對應(yīng)的綜合評分，ka為所述第一群智感知評分對應(yīng)的第一權(quán)重，kr為所述第二群智感知評分對應(yīng)的第二權(quán)重，kh為所述第三群智感知評分對應(yīng)的第三權(quán)重，為第i個(gè)產(chǎn)品對應(yīng)的第一群智感知評分對應(yīng)的歸一化表示，為所述第二群智感知評分的歸一化表示，為所述第三群智感知評分的歸一化表示。

32、在一個(gè)實(shí)施例中，上述涉及到的所述以多目標(biāo)算法為基礎(chǔ)，基于所述多個(gè)綜合評分向所述目標(biāo)用戶推薦至少一個(gè)目標(biāo)產(chǎn)品，包括：

33、根據(jù)所述多個(gè)綜合評分和所述多個(gè)推薦目標(biāo)，使用變鄰域搜索算法，生成初始產(chǎn)品推薦列表；

34、利用遺傳算法，對所述初始產(chǎn)品推薦列表進(jìn)行交叉變異，得到多個(gè)第一推薦列表；

35、使用快速非支配排序算法，從所述多個(gè)第一推薦列表中篩選得到第二推薦列表；

36、使用禁忌搜索算法對所述第二推薦列表進(jìn)行優(yōu)化，得到目標(biāo)推薦列表，所述目標(biāo)推薦列表包括向所述目標(biāo)用戶推薦至少一個(gè)目標(biāo)產(chǎn)品。

37、在一個(gè)實(shí)施例中，上述涉及到的所述使用禁忌搜索算法對所述第二推薦列表進(jìn)行優(yōu)化，得到目標(biāo)推薦列表，包括：

38、從所述第二推薦列表中隨機(jī)選擇兩個(gè)父代產(chǎn)品，并對選擇的兩個(gè)父代產(chǎn)品進(jìn)行交叉和變異操作，生成候選推薦列表；

39、對所述候選推薦列表進(jìn)行鄰域搜索，得到領(lǐng)域空間內(nèi)的第一最優(yōu)推薦列表；

40、在預(yù)設(shè)禁忌表中不存在所述第一最優(yōu)推薦列表的情況下，若所述第一最優(yōu)推薦列表的路徑長度小于當(dāng)前局部最優(yōu)推薦列表的路徑長度，則將當(dāng)前局部最優(yōu)推薦列表的路徑長度更新為述第一推薦列表的路徑長度，并將當(dāng)前局部最優(yōu)推薦列表更新為所述第一最優(yōu)推薦列表；

41、在更新后的當(dāng)前局部最優(yōu)推薦列表的路徑長度小于當(dāng)前全局最優(yōu)推薦列表的路徑長度的情況下，則將當(dāng)前全局最優(yōu)推薦列表更新為更新后的當(dāng)前局部最優(yōu)推薦列表，并將所述更新后的當(dāng)前局部最優(yōu)推薦列表添加至所述禁忌表中；

42、根據(jù)所述多個(gè)推薦目標(biāo)，計(jì)算更新后的全局最優(yōu)推薦列表的粒子適應(yīng)度值；

43、在所述粒子適應(yīng)度值在預(yù)設(shè)閾值范圍，或當(dāng)前迭代次數(shù)達(dá)到預(yù)設(shè)次數(shù)的情況下，將所述更新后的全局最優(yōu)推薦列表確定為所述目標(biāo)推薦列表。

44、第二方面，本技術(shù)提供一種產(chǎn)品推薦裝置，該裝置包括：

45、第一獲取模塊，用于獲取多個(gè)產(chǎn)品分別對應(yīng)的多個(gè)第一群智感知評分，所述第一群智感知評分用于指示產(chǎn)品在社交群體中的綜合評價(jià)；

46、第二獲取模塊，用于獲取目標(biāo)用戶的家庭關(guān)系對應(yīng)的第二群智感知評分，所述第二群智感知評分用于指示目標(biāo)用戶的家庭關(guān)系在社交群體中的綜合評價(jià)；

47、第三獲取模塊，用于獲取所述目標(biāo)用戶的使用習(xí)慣對應(yīng)的第三群智感知評分，所述使用習(xí)慣用于指示所述目標(biāo)用戶使用產(chǎn)品的固定行為模式，所述第三群智感知評分用于指示目標(biāo)用戶的使用習(xí)慣在社交群體中的綜合評價(jià)；

48、確定模塊，用于根據(jù)所述多個(gè)第一群智感知評分、所述第二群智感知評分和所述第三群智感知評分，確定所述目標(biāo)用戶相對于所述多個(gè)產(chǎn)品分別對應(yīng)的多個(gè)綜合評分，一個(gè)產(chǎn)品對應(yīng)一個(gè)綜合評分；

49、推薦模塊，用于以多目標(biāo)算法為基礎(chǔ)，基于所述多個(gè)綜合評分向所述目標(biāo)用戶推薦至少一個(gè)目標(biāo)產(chǎn)品，所述多個(gè)產(chǎn)品包括所述至少一個(gè)目標(biāo)產(chǎn)品，所述多目標(biāo)算法用于實(shí)現(xiàn)多個(gè)推薦目標(biāo)。

50、第三方面，本技術(shù)實(shí)施例提供了一種電子設(shè)備，該電子設(shè)備包括：處理器以及存儲(chǔ)有計(jì)算機(jī)程序指令的存儲(chǔ)器；

51、處理器執(zhí)行計(jì)算機(jī)程序指令時(shí)實(shí)現(xiàn)如第一方面中任意一個(gè)實(shí)施例中的產(chǎn)品推薦方法。

52、第四方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，計(jì)算機(jī)存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序指令，計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面中任意一個(gè)實(shí)施例中的產(chǎn)品推薦方法。

53、第五方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)程序產(chǎn)品，計(jì)算機(jī)程序產(chǎn)品中的指令由電子設(shè)備的處理器執(zhí)行時(shí)，使得電子設(shè)備執(zhí)行實(shí)現(xiàn)如上述第一方面中任意一個(gè)實(shí)施例中的產(chǎn)品推薦方法。

54、在本技術(shù)實(shí)施例提供的一種產(chǎn)品推薦方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品中，不僅考慮了產(chǎn)品在社交群體中的綜合評價(jià)(第一群智感知評分)，還融入了目標(biāo)用戶的家庭關(guān)系綜合評價(jià)(第二群智感知評分)及用戶的使用習(xí)慣綜合評價(jià)(第三群智感知評分)，實(shí)現(xiàn)了對用戶多維度、深層次需求的全面捕捉。通過整合這些多元化的評分信息，能夠更精確地刻畫用戶偏好，避免推薦結(jié)果陷入局部最優(yōu)。此外，采用多目標(biāo)算法作為推薦基礎(chǔ)，能夠在多個(gè)推薦目標(biāo)間尋求最佳平衡，確保推薦的產(chǎn)品既能滿足用戶的直接需求，又能符合其潛在偏好和家庭環(huán)境，從而顯著提升產(chǎn)品推薦的準(zhǔn)確性和用戶滿意度。