【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)實(shí)施例涉及資源分配，尤其涉及一種產(chǎn)品推薦策略確定方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、隨著信息技術(shù)的發(fā)展，用戶對于運(yùn)營商提供的網(wǎng)絡(luò)、語音、信息服務(wù)的需求越發(fā)豐富且各不相同。為此，運(yùn)營商推出了各式各樣的服務(wù)產(chǎn)品以覆蓋用戶需求，并通過多種推薦活動(dòng)向用戶推廣服務(wù)產(chǎn)品以提高用戶感知和公司收益。由于推薦活動(dòng)會(huì)消耗大量的推薦資源，且針對用戶的推薦機(jī)會(huì)有限，如何對用戶進(jìn)行精準(zhǔn)推薦尤為重要。
2、目前，通常采用人工推薦產(chǎn)品的方式，根據(jù)人工業(yè)務(wù)經(jīng)驗(yàn)為用戶推薦服務(wù)產(chǎn)品。運(yùn)營商可以根據(jù)業(yè)務(wù)經(jīng)驗(yàn)確定服務(wù)產(chǎn)品的優(yōu)先級(jí)，并根據(jù)服務(wù)產(chǎn)品的優(yōu)先級(jí)依次按照優(yōu)先級(jí)從高到低的順序向用戶推薦服務(wù)產(chǎn)品。
3、然而，這種人工推薦產(chǎn)品的方式，使得優(yōu)先級(jí)靠前的服務(wù)產(chǎn)品可獲得更多優(yōu)質(zhì)用戶資源，反之優(yōu)先級(jí)靠后的服務(wù)產(chǎn)品則會(huì)因用戶資源少而難以推廣，導(dǎo)致無法進(jìn)行有效的產(chǎn)品推薦和推廣。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)實(shí)施例提供一種產(chǎn)品推薦策略確定方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，以準(zhǔn)確且便捷地確定當(dāng)前推薦周期內(nèi)所有待推薦產(chǎn)品對應(yīng)的目標(biāo)產(chǎn)品推薦策略，提高了目標(biāo)產(chǎn)品推薦策略確定的效率和準(zhǔn)確性。
2、第一方面，本專利技術(shù)實(shí)施例提供了一種產(chǎn)品推薦策略確定方法，包括：
3、獲取當(dāng)前推薦周期內(nèi)待推薦產(chǎn)品的當(dāng)前產(chǎn)品推薦策略矩陣和當(dāng)前推薦需求，以及待推薦用戶對于每個(gè)待推薦產(chǎn)品的當(dāng)前轉(zhuǎn)化概率和當(dāng)前預(yù)期收益；所述當(dāng)前轉(zhuǎn)化概率為基于目標(biāo)產(chǎn)品轉(zhuǎn)化概率預(yù)測模型預(yù)測得到的；所述當(dāng)前預(yù)期收益為基于目標(biāo)產(chǎn)品
4、基于所述當(dāng)前產(chǎn)品推薦策略矩陣、所述當(dāng)前轉(zhuǎn)化概率和所述當(dāng)前預(yù)期收益，確定各個(gè)待推薦產(chǎn)品對應(yīng)的推薦策略得分函數(shù)，并通過對每個(gè)待推薦產(chǎn)品的當(dāng)前推薦需求進(jìn)行分析，確定所述推薦策略得分函數(shù)對應(yīng)的約束條件；
5、基于所述當(dāng)前產(chǎn)品推薦策略矩陣、所述推薦策略得分函數(shù)和所述約束條件，確定所述當(dāng)前產(chǎn)品推薦策略矩陣對應(yīng)的當(dāng)前推薦策略得分，并基于所述當(dāng)前推薦策略得分和預(yù)設(shè)收斂條件，確定各個(gè)待推薦產(chǎn)品對應(yīng)的目標(biāo)產(chǎn)品推薦策略。
6、第二方面，本專利技術(shù)實(shí)施例還提供了一種產(chǎn)品推薦策略確定裝置，該裝置包括：
7、信息獲取模塊，用于獲取當(dāng)前推薦周期內(nèi)待推薦產(chǎn)品的當(dāng)前產(chǎn)品推薦策略矩陣和當(dāng)前推薦需求，以及待推薦用戶對于每個(gè)待推薦產(chǎn)品的當(dāng)前轉(zhuǎn)化概率和當(dāng)前預(yù)期收益；所述當(dāng)前轉(zhuǎn)化概率為基于目標(biāo)產(chǎn)品轉(zhuǎn)化概率預(yù)測模型預(yù)測得到的；所述當(dāng)前預(yù)期收益為基于目標(biāo)產(chǎn)品預(yù)期收益預(yù)測模型預(yù)測得到的；
8、推薦策略得分函數(shù)確定模塊，用于基于所述當(dāng)前產(chǎn)品推薦策略矩陣、所述當(dāng)前轉(zhuǎn)化概率和所述當(dāng)前預(yù)期收益，確定各個(gè)待推薦產(chǎn)品對應(yīng)的推薦策略得分函數(shù)，并通過對每個(gè)待推薦產(chǎn)品的當(dāng)前推薦需求進(jìn)行分析，確定所述推薦策略得分函數(shù)對應(yīng)的約束條件；
9、目標(biāo)產(chǎn)品推薦策略確定模塊，用于基于所述當(dāng)前產(chǎn)品推薦策略矩陣、所述推薦策略得分函數(shù)和所述約束條件，確定所述當(dāng)前產(chǎn)品推薦策略矩陣對應(yīng)的當(dāng)前推薦策略得分，并基于所述當(dāng)前推薦策略得分和預(yù)設(shè)收斂條件，確定各個(gè)待推薦產(chǎn)品對應(yīng)的目標(biāo)產(chǎn)品推薦策略。
10、第三方面，本專利技術(shù)實(shí)施例還提供了一種電子設(shè)備，所述電子設(shè)備包括：
11、一個(gè)或多個(gè)處理器；
12、存儲(chǔ)器，用于存儲(chǔ)一個(gè)或多個(gè)程序；
13、當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)如本專利技術(shù)任意實(shí)施例所提供的產(chǎn)品推薦策略確定方法。
14、第四方面，本專利技術(shù)實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本專利技術(shù)任意實(shí)施例所提供的產(chǎn)品推薦策略確定方法。
15、第五方面，本專利技術(shù)實(shí)施例提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本專利技術(shù)任意實(shí)施例所提供的產(chǎn)品推薦策略確定方法。
16、本專利技術(shù)實(shí)施例的技術(shù)方案，通過獲取當(dāng)前推薦周期內(nèi)待推薦產(chǎn)品的當(dāng)前產(chǎn)品推薦策略矩陣和當(dāng)前推薦需求，以及待推薦用戶對于每個(gè)待推薦產(chǎn)品的當(dāng)前轉(zhuǎn)化概率和當(dāng)前預(yù)期收益；所述當(dāng)前轉(zhuǎn)化概率為基于目標(biāo)產(chǎn)品轉(zhuǎn)化概率預(yù)測模型預(yù)測得到的；所述當(dāng)前預(yù)期收益為基于目標(biāo)產(chǎn)品預(yù)期收益預(yù)測模型預(yù)測得到的；基于所述當(dāng)前產(chǎn)品推薦策略矩陣、所述當(dāng)前轉(zhuǎn)化概率和所述當(dāng)前預(yù)期收益，確定各個(gè)待推薦產(chǎn)品對應(yīng)的推薦策略得分函數(shù)，并通過對每個(gè)待推薦產(chǎn)品的當(dāng)前推薦需求進(jìn)行分析，確定所述推薦策略得分函數(shù)對應(yīng)的約束條件；基于所述當(dāng)前產(chǎn)品推薦策略矩陣、所述推薦策略得分函數(shù)和所述約束條件，確定所述當(dāng)前產(chǎn)品推薦策略矩陣對應(yīng)的當(dāng)前推薦策略得分，并基于所述當(dāng)前推薦策略得分和預(yù)設(shè)收斂條件，對所有待推薦產(chǎn)品統(tǒng)一進(jìn)行目標(biāo)產(chǎn)品推薦策略的確定，從而準(zhǔn)確且便捷地確定當(dāng)前推薦周期內(nèi)所有待推薦產(chǎn)品對應(yīng)的目標(biāo)產(chǎn)品推薦策略，并提高了目標(biāo)產(chǎn)品推薦策略確定的效率和準(zhǔn)確性，進(jìn)而可以依據(jù)目標(biāo)產(chǎn)品推薦策略將待推薦產(chǎn)品有效地推薦給待推薦用戶，以提高用戶感知和公司收益。
17、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本專利技術(shù)的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本專利技術(shù)的范圍。本專利技術(shù)的其它特征將通過以下的說明書而變得容易理解。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種產(chǎn)品推薦策略確定方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取當(dāng)前推薦周期內(nèi)待推薦產(chǎn)品的當(dāng)前產(chǎn)品推薦策略矩陣，包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取當(dāng)前推薦周期內(nèi)待推薦用戶對于每個(gè)待推薦產(chǎn)品的當(dāng)前轉(zhuǎn)化概率和當(dāng)前預(yù)期收益，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述當(dāng)前產(chǎn)品推薦策略矩陣、所述當(dāng)前轉(zhuǎn)化概率和所述當(dāng)前預(yù)期收益，確定各個(gè)待推薦產(chǎn)品對應(yīng)的推薦策略得分函數(shù)，包括：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述約束條件包括以下至少一項(xiàng)：所述當(dāng)前產(chǎn)品推薦策略矩陣中每行元素的元素值之和為一，且每個(gè)元素取零或一；所述當(dāng)前產(chǎn)品推薦策略矩陣中每列元素的元素值之和在當(dāng)前推薦需求中的預(yù)設(shè)推薦數(shù)量區(qū)間內(nèi)；所述當(dāng)前產(chǎn)品推薦策略矩陣中當(dāng)前轉(zhuǎn)化概率小于或等于所述當(dāng)前推薦需求中的預(yù)設(shè)轉(zhuǎn)化概率的元素置零；所述當(dāng)前產(chǎn)品推薦策略矩陣中當(dāng)前預(yù)期收益小于或等于所述當(dāng)前推薦需求中的預(yù)設(shè)預(yù)期收益的元素置零。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述當(dāng)前產(chǎn)品推薦策略矩陣、
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述基于預(yù)設(shè)調(diào)整規(guī)則和所述約束條件對所述當(dāng)前產(chǎn)品推薦策略矩陣進(jìn)行迭代調(diào)整，得到元素值調(diào)整后的當(dāng)前產(chǎn)品推薦策略矩陣，包括：
8.一種產(chǎn)品推薦策略確定裝置，其特征在于，所述裝置包括：
9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一所述的產(chǎn)品推薦策略確定方法。
...【技術(shù)特征摘要】
1.一種產(chǎn)品推薦策略確定方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取當(dāng)前推薦周期內(nèi)待推薦產(chǎn)品的當(dāng)前產(chǎn)品推薦策略矩陣，包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取當(dāng)前推薦周期內(nèi)待推薦用戶對于每個(gè)待推薦產(chǎn)品的當(dāng)前轉(zhuǎn)化概率和當(dāng)前預(yù)期收益，包括：
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述當(dāng)前產(chǎn)品推薦策略矩陣、所述當(dāng)前轉(zhuǎn)化概率和所述當(dāng)前預(yù)期收益，確定各個(gè)待推薦產(chǎn)品對應(yīng)的推薦策略得分函數(shù)，包括：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述約束條件包括以下至少一項(xiàng)：所述當(dāng)前產(chǎn)品推薦策略矩陣中每行元素的元素值之和為一，且每個(gè)元素取零或一；所述當(dāng)前產(chǎn)品推薦策略矩陣中每列元素的元素值之和在當(dāng)前推薦需求中的預(yù)設(shè)推薦數(shù)量區(qū)間內(nèi)；所述當(dāng)前產(chǎn)品推薦策略矩陣中當(dāng)前轉(zhuǎn)化概率小于或等于所述當(dāng)前推薦需求中的預(yù)設(shè)轉(zhuǎn)化概率的元素置零；所述...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳祥，江俊昊，劉卉芳，林敏，彭詩雅，廖娟，楊沛，
申請(專利權(quán))人：中國聯(lián)合網(wǎng)絡(luò)通信有限公司廣東省分公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對其他瀏覽者有用的留言會(huì)獲得科技券。