产品推荐方法、装置、计算机设备、存储介质和程序产品与流程

1.本技术涉及人工智能技术领域，特别是涉及一种产品推荐方法、装置、计算机设备、存储介质和程序产品。


背景技术：

2.随着科技的飞速发展，服务行业出现了各式各样的产品，以供用户选择。产品推送是指根据产品资源，结合用户需求或者期望，为用户推荐相匹配的产品。
3.以金融服务行业的理财产品为例，相关技术中，银行的各类型理财产品层出不穷，不同类型的理财产品的功能特点都不同。对于用户来说，并不一定会了解到银行的所有理财产品的功能特点，因此，实际应用中往往需要对用户推荐合适的理财产品。
4.然而，相关技术中对用户推荐理财产品的方式存在不够精确的问题。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种产品推荐方法、装置、计算机设备、存储介质和程序产品。
6.第一方面，本技术提供了一种产品推荐方法，应用于用户关系管理系统，该方法包括：
7.获取目标用户的社交网络数据；社交网络数据包括目标用户在多个不同类型的网络平台上的数据；
8.根据目标用户的社交网络数据，确定目标用户的用户标签；
9.从产品库中筛选出与用户标签相匹配的目标产品；
10.向目标用户推荐目标产品。
11.在其中一个实施例中，获取目标用户的社交网络数据，包括：
12.获取目标用户在各网络平台中的标识信息；
13.根据目标用户在各网络平台中的标识信息，通过调用各网络平台的平台接口从开放数据池中，获取目标用户的社交网络数据；开放数据池表示允许其他平台访问和采集的数据池。
14.在其中一个实施例中，根据目标用户的社交网络数据，确定目标用户的用户标签，包括：
15.将社交网络数据输入至特征识别模型中，对社交网络数据进行网络数据特征分析，提取多个社交属性标签；
16.根据各社交属性标签的影响因子，确定各社交属性标签的权重；
17.根据各社交属性标签的权重确定目标用户的用户标签。
18.在其中一个实施例中，根据各社交属性标签的权重确定目标用户的用户标签，包括：
19.根据预设权重阈值，确定预设权重阈值范围内的目标权重；
20.将目标权重对应的社交属性标签确定为目标用户的用户标签。
21.在其中一个实施例中，根据目标用户的社交网络数据，确定目标用户的用户标签，包括：
22.获取目标用户的当前资源信息；
23.将当前资源信息和社交网络数据均输入至用户分类模型，确定目标用户的用户标签。
24.在其中一个实施例中，从产品库中筛选出满足用户标签的目标产品，包括：
25.获取用户标签与产品库中各产品的对应关系；
26.根据对应关系，确定满足用户标签的目标产品。
27.在其中一个实施例中，该方法还包括：
28.根据产品库中的产品更新周期，确定目标用户的的社交网络数据的采集频率；
29.根据采集频率获取目标用户的社交网络数据。
30.第二方面，本技术还提供了一种产品推荐装置，该装置包括：
31.数据获取模块，用于获取目标用户的社交网络数据；社交网络数据包括目标用户在多个不同类型的网络平台上的数据；
32.标签确定模块，用于根据目标用户的社交网络数据，确定目标用户的用户标签；
33.产品筛选模块，用于从产品库中筛选出与用户标签相匹配的目标产品；
34.产品推荐模块，用于向目标用户推荐目标产品。
35.第三方面，本技术还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述第一方面中任一项实施例中的方法的步骤。
36.第四方面，本技术还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项实施例中的方法的步骤。
37.第五方面，本技术还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项实施例中的方法的步骤。
38.上述产品推荐方法、装置、计算机设备、存储介质和程序产品，首先获取目标用户的社交网络数据，然后根据目标用户的社交网络数据，确定目标用户的用户标签，接着从产品库中筛选出于用户标签相匹配的目标产品，并向目标用户推荐目标产品。其中，社交网络数据包括目标用户在多个不同类型的网络平台上的数据。该方法中，基于网络平台的社交属性以及动态属性，通过多个不同类型的网络平台采集目标用户的社交网络数据，从多个维度获取目标用户的实际需求或者潜在需求，以提升社交网络数据的可靠性。在社交网络数据具备可靠性的情况下，基于社交网络数据获取的用户标签也是可靠且与目标用户的实际需求相匹配的。进一步地，结合产品库中的多个产品与用户标签的对应关系，确定与目标用户相匹配的目标产品，并将与目标产品精准推送给目标用户。综上，采用本方法能够提升对用户推荐的产品的精确性以及可靠性。
附图说明
39.图1为一个实施例中计算机设备的内部结构图；
40.图2为一个实施例中产品推荐方法的流程示意图；
41.图3为一个实施例中数据获取步骤的流程示意图；
42.图4为一个实施例中用户标签确定步骤的流程示意图；
43.图5为另一个实施例中用户标签确定步骤的流程示意图；
44.图6为另一个实施例中用户标签确定步骤的流程示意图；
45.图7为一个实施例中目标产品确定步骤的流程示意图；
46.图8另一个实施例中数据获取步骤的流程示意图；
47.图9为一个实施例中产品推荐装置的结构框图。
具体实施方式
48.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
49.本技术实施例提供的产品推荐方法，应用于用户关系管理系统，用户关系管理系统可以搭载在包括处理器的计算机设备上，将产品推荐方法以计算机程序的形式进行存储，由计算机设备上的处理器运行计算机程序，以执行本技术实施例提供的产品推荐方法。该计算机设备可以是服务器，其内部结构图可以如图1所示。该计算机设备包括处理器、存储器、输入/输出接口(input/output，简称i/o)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储产品推荐数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种产品推荐方法。
50.本领域技术人员可以理解，图1中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
51.其中，客户关系管理(customer relationship management，crm)系统，是指企业为提高核心竞争力，利用相应的信息技术以及互联网技术协调企业与用户间在服务上的交互，从而提升其管理方式，向用户提供创新式的个性化的用户交互和服务的系统。
52.在信息技术(internet technology，it)领域，用户关系管理系统作为企业中进行客户关系管理和维护的主题和系统，与企业发展存在密切关联。比如包括众多用户的金融服务行业，由于金融服务行业的理财产品层出不穷，而用户又无法及时获取所有产品的功能特点。这种情况下，金融服务行业通常需要以展板、主动咨询等方式，向用户推荐合适的理财产品。
53.然而，相关技术中通过用户资源数据为用户推荐产品的方式，对客户的认知较为片面，单一性强，存在对用户推荐理财产品的方式不够精确的问题。基于此，考虑到用户与产品之间受到多种因素的影响，本技术实施例提出一种产品推荐方法，考虑到用户的社交
属性，以用户的社交网络为依据，为目标用户赋予可靠且全面的用户标签，并结合产品库中的产品特点，确定符合目标用户的目标产品，将目标产品推送给目标用户，提升对目标用户推荐的目标产品的精度。
54.在一个实施例中，如图2所示，提供了一种产品推荐方法，应用于用户关系管理系统，该方法包括以下步骤：
55.s201，获取目标用户的社交网络数据；社交网络数据包括目标用户在多个不同类型的网络平台上的数据。
56.其中，用户关系管理系统是为用户提供个性化的用户交互和服务的系统。对于任一企业的用户关系管理系统而言，该系统对应有众多用户，需要及时获取各用户的实际需求，为用户提供服务，以维护企业与用户之间的关联关系。
57.本技术实施例中的目标用户是指在用户关系管理系统中注册过的多个用户的任一用户。
58.目标用户在注册用户关系管理系统的情况下，用户关系管理系统可以向目标用户展示包括多个类型的网络平台的关联界面，以指示对网络平台进行授权。若目标用户对其中的一个或多个网络平台授权，表示目标用户允许用户关系管理系统调用与已授权的网络平台的应用程序接口，从而获取目标用户在网络平台上的数据。
59.本技术实施例中目标用户的社交网络数据包括目标用户在社交网络的数据，社交网络包括多个不同类型的网络平台，自然地，社交网络数据也就包括目标用户在多个不同类型的网络平台上的数据。其中，社交网络是由许多节点构成的一种社会结构。节点通常是指用户或组织，社会网络代表各种社会关系，经由这些社会关系，把从偶然相识的泛泛之交到紧密结合的家庭关系的各种人们或组织串连起来。正是因为多个网络平台对应多个不同维度的目标用户的信息，通过多个网络平台获取的社交网络数据也更贴切目标用户的实际需求，以提升社交网络数据的全面性和可靠性。
60.此外，考虑到目标用户在多个不同类型的网络平台上的数据是不定时更新的，本技术实施例可以实时获取目标用户的社交网络数据。
61.可选的，本技术实施例还可以按照预设周期，获取目标用户的社交网络数据，将当前获取的社交网络数据与历史社交网络数据进行对比，若对比结果不一致，则根据当前获取的社交网络数据更新历史社交网络数据。其中历史社交网络数据是指获取时刻在当前时刻之前得到的社交网络数据。
62.s202，根据目标用户的社交网络数据，确定目标用户的用户标签。
63.获取目标用户的社交网络数据，相当于获取目标用户在多个网络平台上的数据。基于此，以目标用户在多个网络平台上的数据为依据，对目标用户进行判别，以确定目标用户的用户标签。其中，用户标签是指能够反映目标用户社交网络特征的标识，一个目标用户可以对应一个用户标签，也可以对应多个用户标签。
64.可选的，根据社交网络数据与用户标签的对应关系，获取与社交网络数据对应的用户标签。
65.可选的，将社交网络数据输入至标签识别模型，通过标签识别模型对目标用户的社交网络数据进行特征分析，确定目标用户的用户标签。
66.s203，从产品库中筛选出与用户标签相匹配的目标产品。
67.需要说明的是，用户标签是指能够反映目标用户社交网络特征的标识。由于目标用户是在用户关系管理系统中的用户，用户关系管理系统又包括多个产品组成的产品库。本技术实施例中的用户标签与目标用户的类型、用户关系管理系统中的产品类型均存在关联关系。
68.在用户关系管理系统的产品库中包括多种多样的产品，并且每一个产品都有对应的用户标签，以表征产品与用户标签对应的用户群体的匹配关系。
69.在产品库中，根据用户标签与产品库中产品的对应关系，确定与目标用户的用户标签相对应的产品，即目标产品。
70.需要说明的是，在产品库中多个产品可以对应一个用户标签，一个产品也可以对应多个用户标签。也就是说，根据一个用户标签确定的目标产品的数量可以是一个，也可以是多个。
71.s204，向目标用户推荐目标产品。
72.在确定与目标用户的用户标签相匹配的目标产品之后，将目标产品推荐给目标用户，便于目标用户进行查看。
73.可选的，根据目标产品生成推送图片，在目标用户触发用户关系管理系统的产品模块时，向目标用户展示该推送图片，以推荐目标产品。
74.可选的，根据目标产品生成短信推送消息，在目标用户授权短信接收的情况下，定期向目标用户发送短信，以推荐目标产品。
75.本技术实施例中，首先获取目标用户的社交网络数据，然后根据目标用户的社交网络数据，确定目标用户的用户标签，接着从产品库中筛选出于用户标签相匹配的目标产品，并向目标用户推荐目标产品。其中，社交网络数据包括目标用户在多个不同类型的网络平台上的数据。本技术实施例总，基于网络平台的社交属性以及动态属性，通过多个不同类型的网络平台采集目标用户的社交网络数据，从多个维度获取目标用户的实际需求或者潜在需求，以提升社交网络数据的可靠性。在社交网络数据具备可靠性的情况下，基于社交网络数据获取的用户标签也是可靠且与目标用户的实际需求相匹配的。进一步地，结合产品库中的多个产品与用户标签的对应关系，确定与目标用户相匹配的目标产品，并将与目标产品精准推送给目标用户。综上，采用本本技术实施例提供的产品推荐方法能够提升对用户推荐的产品的精确性以及可靠性。
76.为目标用户推荐目标产品的过程，一般地是以目标用户的社交网络数据为依据进行的，以提升目标产品与目标用户的匹配度。下面，通过一个实施例，对前述实施例中社交网络数据的获取方式进行说明。
77.在一个实施例中，如图3所示，获取目标用户的社交网络数据，包括：
78.s301，获取目标用户在各网络平台中的标识信息。
79.不同类型的网络平台对应有不同的标识。本技术实施例中，目标用户在各网络平台中的标识信息可以是目标用户在用户关系管理平台上预先存储的，也可以是在目标用户存在产品推荐需求时，向用户关系管理平台提供的。
80.s302，根据目标用户在各网络平台中的标识信息，通过调用各网络平台的平台接口从开放数据池中，获取目标用户的社交网络数据；开放数据池表示允许其他平台访问和采集的数据池。
81.开放数据池是一个包括目标用户在多个不同类型的网络平台的社交网络数据，各网络平台的访问接口以及各网络平台的标识信息的容器。并且，开放数据池允许各类型的网络平台对其进行访问，并允许各网络平台从开放数据池中采集数据。
82.本技术实施例中，用户关系管理平台根据目标用户在各网络平台中的标识信息，从开放数据池中调用各网络平台接口，以访问目标用户在各网络平台上的社交网络数据，并采集社交网络数据进行存储。
83.本技术实施例在开放数据池中，通过网络平台的标识信息获取目标用户的社交网络数据，相当于在获取社交网络数据的过程中，考虑到目标用户在单一网络平台上的数据的片面性以及局限性，这样获取得到的社交网络数据更加全面的同时，也更贴切目标用户的实际需求。
84.在为目标用户推荐目标产品的过程中，以社交网络数据为依据确定用户标签，接着根据用户标签为目标用户推荐目标产品，以提升目标产品的可靠性。可见，用户标签的准确性对目标产品的可靠性至关重要。基于此，下面通过一个实施例，对用户标签的确定步骤进行说明。
85.在一个实施例中，如图4所示，根据目标用户的社交网络数据，确定目标用户的用户标签，包括：
86.s401，将社交网络数据输入至特征识别模型中，对社交网络数据进行网络数据特征分析，提取多个社交属性标签。
87.其中，特征识别模型可以是预设的神经网络模型，用于对社交网络数据进行分类。特征识别模型的获取过程可以是：以历史社交网络数据以及对应的社交属性标签作为数据集，对初始特征识别模型进行训练，直至初始特征识别模型训练完成，得到特征识别模型。
88.将社交网络数据输入至特征识别模型中，通过特征识别模型对社交网络数据进行网络数据特征分析，模型输出结果为目标用户对应的多个社交属性标签，例如用户活跃度、用户感兴趣领域、用户感兴趣产品等特征。
89.s402，根据各社交属性标签的影响因子，确定各社交属性标签的权重。
90.不同社交属性标签能够反映不同用户不同的特征，考虑到不同社交属性标签与目标用户的影响程度不同，确定各社交属性标签的影响因子。
91.本技术实施例中，可以将各社交属性标签的影响因子作为各社交属性标签的权重，也可以将各影响因子与各社交属性标签的预设系数的乘积结果作为各社交属性标签的权重。
92.s403，根据各社交属性标签的权重确定目标用户的用户标签。
93.需要说明的是，用户标签可以是一个，也可以是多个。
94.示例性的，可以将权重最大的社交属性标签确定为目标用户的用户标签。进一步地，若权重最大值对应有n个社交属性标签，那么就有n个用户标签。其中，n是一个大于或等于1的正整数。
95.示例性的，可以将与预设权重值相同的权重所对应的社交属性标签确定为目标用户的用户标签。进一步地，若预设权重值对应有m个社交属性标签，那么就有m个用户标签。其中，m是一个大于或等于1的正整数。
96.本技术实施例中，通过特征识别模型获取社交网络数据的多个社交属性标签，并
结合各社交属性标签的影响因子，确定社交属性标签的权重，获取与目标用户相匹配的用户标签。
97.下面通过一个实施例，对前述实施例中“根据各社交属性标签的权重确定目标用户的用户标签”进一步说明，如图5所示，根据各社交属性标签的权重确定目标用户的用户标签，包括：
98.s501，根据预设权重阈值，确定预设权重阈值范围内的目标权重。
99.其中，预设权重阈值表征用户与社交属性标签之间的关联程度，预设权重阈值越高，用户与社交属性标签之间的关联程度就更紧密，社交属性标签也就更能表示用户的社交特性。本技术实施例中的预设权重阈值是根据经验值确定的。
100.预设权重阈值范围是根据预设权重阈值确定的，大于等于预设权重阈值的权重范围。显然，预设权重阈值越高，预设权重阈值范围就越小。
101.在根据预设权重阈值确定预设权重阈值范围的情况下，结合各社交属性标签的权重，将处于预设权重阈值范围内的权重作为目标权重。
102.示例性地，若预设权重阈值为0.8，则预设权重阈值范围为[0.8，1]，那么处于0.8～1范围的社交属性标签的权重均为目标权重。
[0103]
s502，将目标权重对应的社交属性标签确定为目标用户的用户标签。
[0104]
处于预设权重阈值范围内的目标权重可以是一个，也可以是多个，且一个目标权重对应一个社交属性标签，也就意味着处于预设权重阈值范围内的社交属性标签可以是一个，也可以是多个。对应的，本技术实施例中的目标用户的用户标签可以是一个，也可以是多个。
[0105]
接着以预设权重阈值为0.8，预设权重阈值范围为[0.8，1]为例，对用户标签的确定步骤进行说明：对于一个目标用户，若该目标用户的社交属性标签1的权重是0.85、社交属性标签2的权重是0.9、社交属性标签3的权重是0.96，则将社交属性标签1、社交属性标签2和社交属性标签2均确定为该目标用户的用户标签。
[0106]
本技术实施例中，通过设置预设权重阈值，对社交属性标签的权重进行筛选，确定目标权重，并将目标权重对应的社交属性标签确定为目标用户的用户标签，考虑了目标用户在不同网络平台上数据的差异性，通过用户标签全面覆盖目标用户，以提升用户标签的精确度。
[0107]
前述实施例中对获取用户标签的一种可实现方式进行说明：首先通过输入特征识别模型获取社交属性标签，然后通过社交属性标签影响因子确定社交属性标签权重，最后确定用户标签。但是，基于目标用户的社交网络数据，确定目标用户的用户标签的方式具有多样性。基于此，下面通过一个实施例，作为与图4～图5所示实施例并列的实施例，对目标用户的用户标签的确定步骤进行说明。
[0108]
在一个实施例中，如图6所示，根据目标用户的社交网络数据，确定目标用户的用户标签，包括：
[0109]
s601，获取目标用户的当前资源信息。
[0110]
相对于目标用户的社交网络数据而言，目标用户的当前资源信息更加客观。本技术实施例中的当前资源信息包括目标用户当前已拥有的产品信息、以及当前可支配的资源信息等。
[0111]
需要再次强调的是，本技术实施例所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用户社会网络数据、用户的当前资源信息、用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
[0112]
s602，将当前资源信息和社交网络数据均输入至用户分类模型，确定目标用户的用户标签。
[0113]
其中，用户分类模型是以资源信息和社交网络数据为输入，以用户标签为输出的分类模型。本技术实施例中的用户分类模型可以是深度学习分类模型，用户分类模型的获取过程可以是：以目标用户的历史社交网络数据、历史资源信息以及对应的社交属性标签作为数据集，对初始用户分类模型进行训练，直至初始用户分类模型训练完成，得到用户分类模型。
[0114]
将当前资源信息和社交网络数据均输入至用户分类模型中，通过用户分类模型对输入数据进行特征分析，得到目标用户对应的用户标签。
[0115]
本技术实施例中，以社交网络数据和当前资源信息作为依据，结合用户分类模型，确定目标用户的用户标签。社交网络数据和当前资源信息相辅相成，全面概括了目标用户的实际需求，进而提升了用户标签更准确。
[0116]
在确定目标用户的用户标签的情况下，进一步地需要从产品库中，根据用户标签为目标用户确定目标产品。基于此，下面通过一个实施例，对从产品库中获取目标产品的步骤进行说明。
[0117]
在一个实施例中，如图7所示，从产品库中筛选出满足用户标签的目标产品，包括：
[0118]
s701，获取用户标签与产品库中各产品的对应关系。
[0119]
其中，用户标签与产品库中各产品的对应关系为：一个用户标签至少对应产品库中的一个产品，且一个产品至少对应一个用户标签。
[0120]
示例性地，用户标签包括用户标签a和用户标签b，产品库中包括产品1、产品2和产品3。其中，用户标签a可以对应产品1和产品2，产品1可以对应用户标签a和用户标签b。
[0121]
s702，根据对应关系，确定满足用户标签的目标产品。
[0122]
根据用户标签与产品库中各产品的对应关系，将用户标签对应的产品确定为目标产品。若一个用户标签对应多组对应关系，则满足用户标签的目标产品也有多个。
[0123]
以用户标签a与产品1和产品2均存在对应关系为例，可以根据用户标签a，将产品1和产品2确定为满足用户标签的目标产品。
[0124]
本技术实施例中，根据用户标签与产品库中各产品的对应关系，确定目标产品，相当于为目标用户量身定制了一组目标产品，这种为目标用户确定目标产的方式更具有针对性和灵活性，也更贴切目标用户的实际需求。
[0125]
由于产品库中的产品受企业发展、用户需求等多方面因素综合影响，会动态进行产品升级或更新，自然地，产品对应的用户标签也是处于动态变化的。同时，目标用户在网络平台上的社交网络数据也是在变化的，社交网络数据确定的用户标签也是在变化的。基于此，下面通过一个实施例，将产品库的更新周期与社交网络数据的获取方式建立关联，对产品推荐方法进行说明。
[0126]
在一个实施例中，如图8所示，该方法还包括：
[0127]
s801，根据产品库中的产品更新周期，确定目标用户的的社交网络数据的采集频率。
[0128]
通过计算产品库中的产品更新周期的间隔，得到产品库中的产品更新频率，根据产品更新频率确定社交网络数据的采集频率。本技术实施例中，采集频率小于产品更新频率。
[0129]
示例性地，若产品更新周期为两个月，即产品周期每两个月更新一次，则确定目标用户的社交网络数据的采集频率为每一个月采集一次。
[0130]
s802，根据采集频率获取目标用户的社交网络数据。
[0131]
按照采集频率，调用各网络平台的平台接口，从开放数据池中采集并更新目标用户的社交网络数据。
[0132]
本技术实施例中，根据产品库中的产品更新周期，确定目标用户的的社交网络数据的采集频率，获取目标用户的社交网络数据，在采集频率小于产品更新周期的情况下，既能够保证社交网络数据的及时性，还能够确保产品库中的产品能够推送给合适的用户。
[0133]
在一个实施例中，提供了一种产品推荐方法，该方法包括以下步骤：
[0134]
(1)、获取目标用户在各网络平台中的标识信息。
[0135]
(2)、根据目标用户在各网络平台中的标识信息，通过调用各网络平台的平台接口从开放数据池中，获取目标用户的社交网络数据。
[0136]
其中，开放数据池表示允许其他平台访问和采集的数据池。社交网络数据包括目标用户在多个不同类型的网络平台上的数据，且社交网络数据的采集频率是根据产品库中的产品更新周期确定的。
[0137]
(3)、将社交网络数据输入至特征识别模型中，对社交网络数据进行网络数据特征分析，提取多个社交属性标签。
[0138]
(4)、根据各社交属性标签的影响因子，确定各社交属性标签的权重。
[0139]
(5)、根据预设权重阈值，确定预设权重阈值范围内的目标权重。
[0140]
(6)、将目标权重对应的社交属性标签确定为目标用户的用户标签。
[0141]
(7)、获取用户标签与产品库中各产品的对应关系。
[0142]
(8)、根据对应关系，确定满足用户标签的目标产品。
[0143]
(9)、向目标用户推荐目标产品。
[0144]
本技术实施例中，首先获取目标用户的社交网络数据，然后根据目标用户的社交网络数据，确定目标用户的用户标签，接着从产品库中筛选出于用户标签相匹配的目标产品，并向目标用户推荐目标产品。其中，社交网络数据包括目标用户在多个不同类型的网络平台上的数据。本技术实施例总，基于网络平台的社交属性以及动态属性，通过多个不同类型的网络平台采集目标用户的社交网络数据，从多个维度获取目标用户的实际需求或者潜在需求，以提升社交网络数据的可靠性。在社交网络数据具备可靠性的情况下，基于社交网络数据获取的用户标签也是可靠且与目标用户的实际需求相匹配的。进一步地，结合产品库中的多个产品与用户标签的对应关系，确定与目标用户相匹配的目标产品，并将与目标产品精准推送给目标用户。综上，采用本本技术实施例提供的产品推荐方法能够提升对用户推荐的产品的精确性以及可靠性。
[0145]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头
的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0146]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的产品推荐方法的产品推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个产品推荐装置实施例中的具体限定可以参见上文中对于产品推荐方法的限定，在此不再赘述。
[0147]
在一个实施例中，如图9所示，提供了一种产品推荐装置900，包括：数据获取模块901、标签确定模块902、产品筛选模块903和产品推荐模块904，其中：
[0148]
数据获取模块901，用于获取目标用户的社交网络数据；社交网络数据包括目标用户在多个不同类型的网络平台上的数据；
[0149]
标签确定模块902，用于根据目标用户的社交网络数据，确定目标用户的用户标签；
[0150]
产品筛选模块903，用于从产品库中筛选出与用户标签相匹配的目标产品；
[0151]
产品推荐模块904，用于向目标用户推荐目标产品。
[0152]
在一个实施例中，数据获取模块901，包括标识获取单元和接口调用单元，其中：
[0153]
标识获取单元，用于获取目标用户在各网络平台中的标识信息；
[0154]
接口调用单元，用于根据目标用户在各网络平台中的标识信息，通过调用各网络平台的平台接口从开放数据池中，获取目标用户的社交网络数据；开放数据池表示允许其他平台访问和采集的数据池。
[0155]
在一个实施例中，标签确定模块902，包括标签提取单元、权重确定单元和标签获取单元，其中：
[0156]
标签提取单元，用于将社交网络数据输入至特征识别模型中，对社交网络数据进行网络数据特征分析，提取多个社交属性标签；
[0157]
权重确定单元，用于根据各社交属性标签的影响因子，确定各社交属性标签的权重；
[0158]
标签获取单元，用于根据各社交属性标签的权重确定目标用户的用户标签。
[0159]
在一个实施例中，标签获取单元，包括第一确定子单元和第二确定子单元，其中：
[0160]
第一确定子单元，用于根据预设权重阈值，确定预设权重阈值范围内的目标权重；
[0161]
第二确定子单元，用于将目标权重对应的社交属性标签确定为目标用户的用户标签。
[0162]
在一个实施例中，标签确定模块902，还包括资源获取单元和模型评估单元，其中：
[0163]
资源获取单元，用于获取目标用户的当前资源信息；
[0164]
模型评估单元，用于将当前资源信息和社交网络数据均输入至用户分类模型，确定目标用户的用户标签。
[0165]
在一个实施例中，产品筛选模块903，包括关系获取单元和产品确定单元，其中：
[0166]
关系获取单元，用于获取用户标签与产品库中各产品的对应关系；
[0167]
产品确定单元，用于根据对应关系，确定满足用户标签的目标产品。
[0168]
在一个实施例中，产品推荐装置900，还包括频率确定模块数据采集模块，其中：
[0169]
频率确定模块，用于根据产品库中的产品更新周期，确定目标用户的的社交网络数据的采集频率；
[0170]
数据采集模块，用于根据采集频率获取目标用户的社交网络数据。
[0171]
上述产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0172]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0173]
获取目标用户的社交网络数据；社交网络数据包括目标用户在多个不同类型的网络平台上的数据；
[0174]
根据目标用户的社交网络数据，确定目标用户的用户标签；
[0175]
从产品库中筛选出与用户标签相匹配的目标产品；
[0176]
向目标用户推荐目标产品。
[0177]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0178]
获取目标用户在各网络平台中的标识信息；
[0179]
根据目标用户在各网络平台中的标识信息，通过调用各网络平台的平台接口从开放数据池中，获取目标用户的社交网络数据；开放数据池表示允许其他平台访问和采集的数据池。
[0180]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0181]
将社交网络数据输入至特征识别模型中，对社交网络数据进行网络数据特征分析，提取多个社交属性标签；
[0182]
根据各社交属性标签的影响因子，确定各社交属性标签的权重；
[0183]
根据各社交属性标签的权重确定目标用户的用户标签。
[0184]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0185]
根据预设权重阈值，确定预设权重阈值范围内的目标权重；
[0186]
将目标权重对应的社交属性标签确定为目标用户的用户标签。
[0187]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0188]
获取目标用户的当前资源信息；
[0189]
将当前资源信息和社交网络数据均输入至用户分类模型，确定目标用户的用户标签。
[0190]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0191]
获取用户标签与产品库中各产品的对应关系；
[0192]
根据对应关系，确定满足用户标签的目标产品。
[0193]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0194]
根据产品库中的产品更新周期，确定目标用户的的社交网络数据的采集频率；
[0195]
根据采集频率获取目标用户的社交网络数据。
[0196]
在一个实施例中，提供了一种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：
[0197]
获取目标用户的社交网络数据；社交网络数据包括目标用户在多个不同类型的网络平台上的数据；
[0198]
根据目标用户的社交网络数据，确定目标用户的用户标签；
[0199]
从产品库中筛选出与用户标签相匹配的目标产品；
[0200]
向目标用户推荐目标产品。
[0201]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0202]
获取目标用户在各网络平台中的标识信息；
[0203]
根据目标用户在各网络平台中的标识信息，通过调用各网络平台的平台接口从开放数据池中，获取目标用户的社交网络数据；开放数据池表示允许其他平台访问和采集的数据池。
[0204]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0205]
将社交网络数据输入至特征识别模型中，对社交网络数据进行网络数据特征分析，提取多个社交属性标签；
[0206]
根据各社交属性标签的影响因子，确定各社交属性标签的权重；
[0207]
根据各社交属性标签的权重确定目标用户的用户标签。
[0208]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0209]
根据预设权重阈值，确定预设权重阈值范围内的目标权重；
[0210]
将目标权重对应的社交属性标签确定为目标用户的用户标签。
[0211]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0212]
获取目标用户的当前资源信息；
[0213]
将当前资源信息和社交网络数据均输入至用户分类模型，确定目标用户的用户标签。
[0214]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0215]
获取用户标签与产品库中各产品的对应关系；
[0216]
根据对应关系，确定满足用户标签的目标产品。
[0217]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0218]
根据产品库中的产品更新周期，确定目标用户的的社交网络数据的采集频率；
[0219]
根据采集频率获取目标用户的社交网络数据。
[0220]
在一个实施例中，提供了一种计算机程序产品，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：
[0221]
获取目标用户的社交网络数据；社交网络数据包括目标用户在多个不同类型的网络平台上的数据；
[0222]
根据目标用户的社交网络数据，确定目标用户的用户标签；
[0223]
从产品库中筛选出与用户标签相匹配的目标产品；
[0224]
向目标用户推荐目标产品。
[0225]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0226]
获取目标用户在各网络平台中的标识信息；
[0227]
根据目标用户在各网络平台中的标识信息，通过调用各网络平台的平台接口从开放数据池中，获取目标用户的社交网络数据；开放数据池表示允许其他平台访问和采集的数据池。
[0228]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0229]
将社交网络数据输入至特征识别模型中，对社交网络数据进行网络数据特征分析，提取多个社交属性标签；
[0230]
根据各社交属性标签的影响因子，确定各社交属性标签的权重；
[0231]
根据各社交属性标签的权重确定目标用户的用户标签。
[0232]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0233]
根据预设权重阈值，确定预设权重阈值范围内的目标权重；
[0234]
将目标权重对应的社交属性标签确定为目标用户的用户标签。
[0235]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0236]
获取目标用户的当前资源信息；
[0237]
将当前资源信息和社交网络数据均输入至用户分类模型，确定目标用户的用户标签。
[0238]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0239]
获取用户标签与产品库中各产品的对应关系；
[0240]
根据对应关系，确定满足用户标签的目标产品。
[0241]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0242]
根据产品库中的产品更新周期，确定目标用户的的社交网络数据的采集频率；
[0243]
根据采集频率获取目标用户的社交网络数据。
[0244]
需要再次说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
[0245]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形
处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0246]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0247]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种产品推荐方法，其特征在于，应用于用户关系管理系统，所述方法包括：获取目标用户的社交网络数据；所述社交网络数据包括所述目标用户在多个不同类型的网络平台上的数据；根据所述目标用户的社交网络数据，确定所述目标用户的用户标签；从产品库中筛选出与所述用户标签相匹配的目标产品；向所述目标用户推荐所述目标产品。2.根据权利要求1所述的方法，其特征在于，所述获取目标用户的社交网络数据，包括：获取所述目标用户在各所述网络平台中的标识信息；根据所述目标用户在各所述网络平台中的标识信息，通过调用各所述网络平台的平台接口从开放数据池中，获取所述目标用户的社交网络数据；所述开放数据池表示允许其他平台访问和采集的数据池。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标用户的社交网络数据，确定所述目标用户的用户标签，包括：将所述社交网络数据输入至特征识别模型中，对所述社交网络数据进行网络数据特征分析，提取多个社交属性标签；根据各社交属性标签的影响因子，确定各所述社交属性标签的权重；根据各所述社交属性标签的权重确定所述目标用户的用户标签。4.根据权利要求3所述的方法，其特征在于，所述根据各所述社交属性标签的权重确定所述目标用户的用户标签，包括：根据预设权重阈值，确定预设权重阈值范围内的目标权重；将所述目标权重对应的社交属性标签确定为所述目标用户的用户标签。5.根据权利要求1或2所述的方法，其特征在于，所述根据所述目标用户的社交网络数据，确定所述目标用户的用户标签，包括：获取所述目标用户的当前资源信息；将所述当前资源信息和所述社交网络数据均输入至用户分类模型，确定所述目标用户的用户标签。6.根据权利要求1或2所述的方法，其特征在于，所述从产品库中筛选出满足所述用户标签的目标产品，包括：获取所述用户标签与所述产品库中各产品的对应关系；根据所述对应关系，确定满足所述用户标签的目标产品。7.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：根据所述产品库中的产品更新周期，确定所述目标用户的的社交网络数据的采集频率；根据所述采集频率获取所述目标用户的社交网络数据。8.一种产品推荐装置，其特征在于，所述装置包括：数据获取模块，用于获取目标用户的社交网络数据；所述社交网络数据包括所述目标用户在多个不同类型的网络平台上的数据；标签确定模块，用于根据所述目标用户的社交网络数据，确定所述目标用户的用户标签；
产品筛选模块，用于从产品库中筛选出与所述用户标签相匹配的目标产品；产品推荐模块，用于向所述目标用户推荐所述目标产品。9.一种计算机设备，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7中任一项所述的方法的步骤。10.一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7中任一项所述的方法的步骤。11.一种计算机程序产品，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7中任一项所述的方法的步骤。

技术总结
本申请涉及一种产品推荐方法、装置、计算机设备、存储介质和程序产品，涉及人工智能技术领域。该方法包括：首先获取目标用户的社交网络数据，然后根据目标用户的社交网络数据，确定目标用户的用户标签，接着从产品库中筛选出于用户标签相匹配的目标产品，并向目标用户推荐目标产品。其中，社交网络数据包括目标用户在多个不同类型的网络平台上的数据。采用本方法能够提升对用户推荐产品的方式的精确性。方法能够提升对用户推荐产品的方式的精确性。方法能够提升对用户推荐产品的方式的精确性。


技术研发人员：王俊涛
受保护的技术使用者：中国银行股份有限公司
技术研发日：2023.06.09
技术公布日：2023/10/15