本技術涉及業(yè)務營銷，尤其涉及一種業(yè)務推薦方法、裝置、設備、存儲介質及產(chǎn)品。

背景技術：

1、相關技術中，為對用戶實現(xiàn)更加精確的業(yè)務推薦，需要對用戶生成對應的畫像。對于精準營銷場景下的用戶畫像生成任務，相關技術中一般采用傳統(tǒng)的基于規(guī)則的方法，該方法通常依賴于人工設計多個模板，這種基于規(guī)則的方法通常是對用戶數(shù)據(jù)特征進行總結，隨后設計多個模板集合進行數(shù)據(jù)匹配，進而發(fā)現(xiàn)用戶數(shù)據(jù)中蘊含的主題域信息。

2、然而，對于海量、多業(yè)務標簽規(guī)模下的用戶數(shù)據(jù)來說，該方法的可擴展性較差，并且需要花費大量的人力和時間對模板集合進行維護，和生產(chǎn)環(huán)境的適配性低。

3、因此，如何高效率地生成更準確的用戶畫像，對用戶實現(xiàn)更加精確的業(yè)務推薦，是當前亟待解決的問題。

技術實現(xiàn)思路

1、本技術的主要目的在于提供一種業(yè)務推薦方法、裝置、設備、存儲介質及產(chǎn)品，旨在解決如何高效率地生成更準確的用戶畫像，對用戶實現(xiàn)更加精確的業(yè)務推薦的技術問題。

2、為實現(xiàn)上述目的，本技術提出一種業(yè)務推薦方法，業(yè)務推薦方法包括：

3、獲取目標用戶的描述信息；

4、確定出所述描述信息與業(yè)務標簽集合中所有所述業(yè)務標簽之間的第一關聯(lián)特征；其中，所述業(yè)務標簽集合包括多個預先定義的業(yè)務標簽；

5、確定出任意兩個所述業(yè)務標簽之間的關聯(lián)關系，得到所述業(yè)務標簽集合的第二關聯(lián)特征；

6、基于目標特征，建立所述目標用戶的用戶畫像；所述目標特征由所述第一關聯(lián)特征與所述第二關聯(lián)特征融合得到；

7、基于所述用戶畫像，得到所述目標用戶的業(yè)務推薦結果。

8、在一些實施例中，所述確定出所述描述信息與業(yè)務標簽集合中所有所述業(yè)務標簽之間的第一關聯(lián)特征，包括：

9、通過雙向編碼器表征bert模型的編碼器對業(yè)務標簽集合中的各個所述業(yè)務標簽分別進行語義編碼處理，得到多個第一編碼向量；

10、通過雙向編碼器表征bert模型的編碼器對所述描述信息進行語義編碼處理，得到所述描述信息中每一分詞對應的第二編碼向量；

11、計算各個第一編碼向量分別與每一所述第二編碼向量之間的相似度；

12、將所有所述相似度與所有所述第二編碼向量融合，確定出所述描述信息與業(yè)務標簽集合中所有所述業(yè)務標簽之間的第一關聯(lián)特征。

13、在一些實施例中，所述計算各個第一編碼向量分別與每一所述第二編碼向量之間的似度，包括：

14、通過表達式一，計算任一個第一編碼向量與任一個第二編碼向量的相似度；

15、所述將所有所述相似度與所有所述第二編碼向量融合，確定出所述描述信息與業(yè)務標簽集合中所有所述業(yè)務標簽之間的第一關聯(lián)特征，包括：

16、通過表達式二，將所述任一個第一編碼向量與任一個第二編碼向量的相似度與所述第二編碼向量融合，得到中間關聯(lián)特征；

17、將所有的所述中間關聯(lián)特征進行疊加，得到所述第一關聯(lián)特征；

18、其中，表達式一為：

19、

20、表達式二為：

21、=

22、為所述任一個第一編碼向量，m為所述第一編碼向量的總數(shù)，為所述任一個第二編碼向量，n為所述第二編碼向量的總數(shù)，為所述與所述之間的相似度，y為所述中間關聯(lián)特征。

23、在一些實施例中，所述確定出任意兩個所述業(yè)務標簽之間的關聯(lián)關系，得到所述業(yè)務標簽集合的第二關聯(lián)特征，包括：

24、針對每個所述業(yè)務標簽，基于所述業(yè)務標簽對應的所述相似度，在所述描述信息中確定與所述業(yè)務標簽對應的文本片段；其中，每個所述業(yè)務標簽對應的文本片段的窗口長度相同；

25、基于所述文本片段中的分詞，計算任意兩個所述業(yè)務標簽之間的關聯(lián)權重；

26、基于所述關聯(lián)權重，確定所述業(yè)務標簽集合的第二關聯(lián)特征。

27、在一些實施例中，所述基于所述文本片段中的分詞，計算任意兩個所述業(yè)務標簽之間的關聯(lián)權重，包括：

28、通過表達式三，計算第一業(yè)務標簽與所述第二業(yè)務標簽的關聯(lián)權重，其中，第一業(yè)務標簽為多個所述業(yè)務標簽中的任一個，所述第二業(yè)務標簽為多個所述業(yè)務標簽中除第一業(yè)務標簽之外的任一個；

29、表達式三為：

30、=

31、其中，為所述第一業(yè)務標簽i與所述第二業(yè)務標簽j的關聯(lián)權重，k為所述窗口長度，通過表達式四計算得到；

32、表達式四為：

33、

34、其中，a為預設多頭自注意力矩陣，為第一業(yè)務標簽對應的文本片段中的第h個分詞，為所述第二業(yè)務標簽對應的文本片段中的第h個分詞，p為所述預設多頭自注意力矩陣中的頭的數(shù)量。

35、在一些實施例中，所述基于所述關聯(lián)權重，確定所述業(yè)務標簽集合的第二關聯(lián)特征，包括：

36、基于所述關聯(lián)權重，通過表達式五計算所述第一業(yè)務標簽對于所述第二業(yè)務標簽的中間關聯(lián)特征；

37、將所有中間關聯(lián)特征進行疊加，得到所述第二關聯(lián)特征；

38、表達式五為：

39、=

40、其中，為所述中間關聯(lián)特征，為所述第一業(yè)務標簽i與所述第二業(yè)務標簽j的關聯(lián)權重，為所述第一業(yè)務標簽對應的文本片段中的多個分詞。

41、此外，為實現(xiàn)上述目的，本技術還提出一種業(yè)務推薦裝置，業(yè)務推薦裝置包括：

42、數(shù)據(jù)獲取模塊，用于獲取目標用戶的描述信息；

43、顯性建模模塊，用于確定出所述描述信息與業(yè)務標簽集合中所有所述業(yè)務標簽之間的第一關聯(lián)特征；其中，所述業(yè)務標簽集合包括多個預先定義的業(yè)務標簽；

44、隱性建模模塊，用于確定出任意兩個所述業(yè)務標簽之間的關聯(lián)關系，得到所述業(yè)務標簽集合的第二關聯(lián)特征；

45、畫像生成模塊，用于基于目標特征，建立所述目標用戶的用戶畫像；所述目標特征由所述第一關聯(lián)特征與所述第二關聯(lián)特征融合得到；

46、業(yè)務推薦模塊，用于基于所述用戶畫像，得到所述目標用戶的業(yè)務推薦結果。

47、此外，為實現(xiàn)上述目的，本技術還提出一種業(yè)務推薦設備，業(yè)務推薦設備包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如上文所述的業(yè)務推薦方法的步驟。

48、此外，為實現(xiàn)上述目的，本技術還提出一種存儲介質，存儲介質為計算機可讀存儲介質，存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上文所述的業(yè)務推薦方法的步驟。

49、此外，為實現(xiàn)上述目的，本技術還提供一種計算機程序產(chǎn)品，計算機程序產(chǎn)品包括計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)如上文所述的業(yè)務推薦方法的步驟。

50、本技術提出的一個或多個技術方案，至少具有以下技術效果：

51、通過確定第一關聯(lián)特征，可以從描述信息中分別提取出與每個業(yè)務標簽高度相關的片段，從而確定重點建模的內(nèi)容，避免了不同業(yè)務標簽之間的干擾，提高了后續(xù)建立的用戶畫像的準確性；通過任意兩個所述業(yè)務標簽之間的關聯(lián)關系獲取第二關聯(lián)特征，可以推理出沒有在描述信息中直接表達，但實際存在的隱性關聯(lián)，發(fā)掘更深層次的內(nèi)在特征，從而進一步提升后續(xù)建立的用戶畫像的準確性，實現(xiàn)更加貼合用戶實際需求的業(yè)務推薦。