【技術實現步驟摘要】
本申請涉及文本處理，尤其涉及一種產品推薦內容生成方法和裝置、電子設備及存儲介質。
技術介紹
1、產品推薦內容是用于推薦或介紹產品的內容，例如在保險領域，產品推薦內容幫助用戶了解保險產品的特點、條款并明確保險的覆蓋范圍。目前，生成產品推薦內容的一種常用技術是使用大語言模型來生成。然而，由于大語言模型主要依賴于網絡公開的知識，對保險產品的理解不夠深入，難以生成符合用戶需要的生成推薦文本，導致推薦的成功率較低。因此，如何生成更加符合用戶需要的產品推薦內容，成為了一個亟待解決的問題。
技術實現思路
1、本申請實施例的主要目的在于提出一種產品推薦內容生成方法和裝置、電子設備及存儲介質，旨在生成更加符合用戶需要的產品推薦內容。
2、為實現上述目的，本申請實施例的第一方面提出了一種產品推薦內容生成方法，所述方法包括：
3、獲取樣本對象的樣本身份信息，獲取保險產品的保險產品信息，獲取所述樣本對象對所述保險產品的瀏覽記錄信息和購買記錄信息；
4、基于所述樣本身份信息、所述瀏覽記錄信息、所述購買記錄信息和所述保險產品信息對預設產品需求預測模型進行訓練，得到目標產品需求預測模型；
5、獲取目標對象的目標身份畫像，通過所述目標產品需求預測模型和所述目標身份畫像對所述目標對象進行需求預測，得到目標推薦產品；
6、根據所述目標身份畫像對所述目標推薦產品進行產品排序，得到產品推薦序列；
7、根據所述目標身份畫像和所述產品推薦序列對所述目標對
8、在一些實施例，所述基于所述樣本身份信息、所述瀏覽記錄信息、所述購買記錄信息和所述保險產品信息對預設產品需求預測模型進行訓練，得到目標產品需求預測模型，包括：
9、基于所述樣本身份信息、所述瀏覽記錄信息和所述購買記錄信息進行畫像構建，得到用戶畫像信息；
10、基于所述樣本身份信息、所述瀏覽記錄信息和所述購買記錄信息進行偏好聚類，得到用戶偏好信息；
11、基于所述保險產品信息、所述用戶畫像信息和所述用戶偏好信息對所述預設產品需求預測模型進行訓練，得到所述目標產品需求預測模型。
12、在一些實施例，所述基于所述保險產品信息、所述用戶畫像信息和所述用戶偏好信息對所述預設產品需求預測模型進行訓練，得到所述目標產品需求預測模型，包括：
13、基于所述用戶畫像信息和所述用戶偏好信息進行數據合并，得到畫像偏好合并數據；
14、基于所述畫像偏好合并數據進行數據集劃分，得到畫像偏好數據和保險產品標簽；
15、基于所述畫像偏好數據和所述保險產品信息對所述預設產品需求預測模型進行產品預測，得到預測產品標簽；
16、基于所述保險產品標簽和所述預測產品標簽對所述預設產品需求預測模型進行參數優化，得到所述目標產品需求預測模型。
17、在一些實施例，所述基于所述保險產品標簽和所述預測產品標簽對所述預設產品需求預測模型進行參數優化，得到所述目標產品需求預測模型，包括：
18、根據所述預測產品標簽和所述保險產品標簽進行交叉熵損失值計算，得到交叉熵損失值數據；
19、根據所述交叉熵損失值數據對所述預設產品需求預測模型進行參數優化，得到所述目標產品需求預測模型。
20、在一些實施例，所述預設產品需求預測模型包括嵌入層、畫像偏好編碼層、特征提取層、解碼層，所述基于所述畫像偏好數據和所述保險產品信息對所述預設產品需求預測模型進行產品預測，得到預測產品標簽，包括：
21、通過所述嵌入層對所述畫像偏好數據進行文本嵌入，得到畫像偏好嵌入；
22、通過所述嵌入層對所述保險產品信息進行文本嵌入，得到保險產品嵌入；
23、通過所述畫像偏好編碼層對所述畫像偏好嵌入進行文本編碼，得到畫像偏好編碼；
24、通過所述特征提取層對所述保險產品嵌入進行產品特征提取，得到保險產品特征；
25、通過所述解碼層對所述保險產品特征和所述畫像偏好編碼進行文本解碼，得到所述預測產品標簽。
26、在一些實施例，所述基于所述樣本身份信息、所述瀏覽記錄信息和所述購買記錄信息進行偏好聚類，得到用戶偏好信息，包括：
27、根據所述樣本身份信息和所述瀏覽記錄信息進行瀏覽記錄聚類，得到瀏覽聚類區域；
28、根據所述樣本身份信息和所述購買記錄信息進行購買記錄聚類，得到購買聚類區域；
29、根據所述樣本身份信息、所述購買記錄信息和所述瀏覽記錄信息進行關聯關系聚類，得到關聯關系聚類區域；
30、基于所述瀏覽聚類區域、所述購買聚類區域和所述關聯關系聚類區域進行信息合并，得到所述用戶偏好信息。
31、在一些實施例，所述根據所述目標身份畫像對所述目標推薦產品進行產品排序，得到產品推薦序列，包括：
32、對所述目標身份畫像和所述目標推薦產品進行特征提取，得到用戶產品聚合特征；
33、對所述用戶產品聚合特征進行產品推薦評估，得到產品推薦評估數據；其中，所述產品推薦評估數據用于評估所述目標推薦產品的推薦合理性；
34、根據所述產品推薦評估數據對所述目標推薦產品進行推薦序列生成，得到所述產品推薦序列。
35、為實現上述目的，本申請實施例的第二方面提出了一種產品推薦內容生成裝置，所述裝置包括：
36、獲取信息模塊，用于獲取樣本對象的樣本身份信息，獲取保險產品的保險產品信息，獲取所述樣本對象對所述保險產品的瀏覽記錄信息和購買記錄信息；
37、模型訓練模塊，用于基于所述樣本身份信息、所述瀏覽記錄信息、所述購買記錄信息和所述保險產品信息對預設產品需求預測模型進行訓練，得到目標產品需求預測模型；
38、需求預測模塊，用于獲取目標對象的目標身份畫像，通過所述目標產品需求預測模型和所述目標身份畫像對所述目標對象進行需求預測，得到目標推薦產品；
39、產品排序模塊，用于根據所述目標身份畫像對所述目標推薦產品進行產品排序，得到產品推薦序列；
40、內容生成模塊，用于根據所述目標身份畫像和所述產品推薦序列對所述目標對象進行推薦內容生成，得到目標推薦內容。
41、為實現上述目的，本申請實施例的第三方面提出了一種電子設備，所述電子設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現上述第一方面所述的方法。
42、為實現上述目的，本申請實施例的第四方面提出了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述第一方面所述的方法。
43、本申請提出的一種產品推薦內容生成方法和裝置、電子設備及存儲介質，其通過獲取樣本對象的樣本身份信息，并獲取保險產品的保險產品信息，并獲取樣本對象對保險產品的瀏覽記錄信息和購買記錄信息，然后基于本文檔來自技高網...
【技術保護點】
1.一種產品推薦內容生成方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述基于所述樣本身份信息、所述瀏覽記錄信息、所述購買記錄信息和所述保險產品信息對預設產品需求預測模型進行訓練，得到目標產品需求預測模型，包括：
3.根據權利要求2所述的方法，其特征在于，所述基于所述保險產品信息、所述用戶畫像信息和所述用戶偏好信息對所述預設產品需求預測模型進行訓練，得到所述目標產品需求預測模型，包括：
4.根據權利要求3所述的方法，其特征在于，所述基于所述保險產品標簽和所述預測產品標簽對所述預設產品需求預測模型進行參數優化，得到所述目標產品需求預測模型，包括：
5.根據權利要求3所述的方法，其特征在于，所述預設產品需求預測模型包括嵌入層、畫像偏好編碼層、特征提取層、解碼層，所述基于所述畫像偏好數據和所述保險產品信息對所述預設產品需求預測模型進行產品預測，得到預測產品標簽，包括：
6.根據權利要求2所述的方法，其特征在于，所述基于所述樣本身份信息、所述瀏覽記錄信息和所述購買記錄信息進行偏好聚類，得到用戶偏好信
7.根據權利要求1所述的方法，其特征在于，所述根據所述目標身份畫像對所述目標推薦產品進行產品排序，得到產品推薦序列，包括：
8.一種產品推薦內容生成裝置，其特征在于，所述裝置包括：
9.一種電子設備，其特征在于，所述電子設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的產品推薦內容生成方法。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的產品推薦內容生成方法。
...【技術特征摘要】
1.一種產品推薦內容生成方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述基于所述樣本身份信息、所述瀏覽記錄信息、所述購買記錄信息和所述保險產品信息對預設產品需求預測模型進行訓練，得到目標產品需求預測模型，包括：
3.根據權利要求2所述的方法，其特征在于，所述基于所述保險產品信息、所述用戶畫像信息和所述用戶偏好信息對所述預設產品需求預測模型進行訓練，得到所述目標產品需求預測模型，包括：
4.根據權利要求3所述的方法，其特征在于，所述基于所述保險產品標簽和所述預測產品標簽對所述預設產品需求預測模型進行參數優化，得到所述目標產品需求預測模型，包括：
5.根據權利要求3所述的方法，其特征在于，所述預設產品需求預測模型包括嵌入層、畫像偏好編碼層、特征提取層、解碼層，所述基于所述畫像偏好數據和所述保險產品信息對...
【專利技術屬性】
技術研發人員：蔡少康，
申請(專利權)人：中國平安財產保險股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。