产品推荐方法、装置、计算机设备、存储介质和程序产品

技术领域

本申请涉及大数据技术领域，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

随着用户需求的增加，银行产品越来越多样化。其中，产品的推广对于银行品牌推广来说是非常重要的环节。因此，对银行来说，如何合理地向用户推荐适合的产品是具有重要意义的。

相关技术中，产品推荐系统根据市场活动或者产品热度为用户进行产品推荐。但相关技术存在推广效率较低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高产品推广效率的产品推荐方法、装置、计算机设备、存储介质和程序产品。

第一方面，本申请提供了一种产品推荐方法。方法包括：

获取各种产品的多个用户的用户信息；

根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像；

根据各产品的群用户画像进行产品推荐。

在其中一个实施例中，根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像，包括：

对于各产品的各用户的用户信息，对用户的用户信息进行用户画像特征提取，得到用户的用户画像；

对于各产品，根据产品的各用户的用户画像得到产品的群用户画像。

在其中一个实施例中，对用户的用户信息进行用户画像特征提取，得到用户的用户画像，包括：

按照预设归类规则对用户的用户信息进行归类整理，得到不同类型的子用户信息；

按照预设特征提取规则对不同类型的子用户信息进行特征提取，得到用户的用户画像。

在其中一个实施例中，对用户的用户信息进行用户画像特征提取，得到用户的用户画像，包括：

将用户的用户信息输入第一预设用户画像模型，得到第一预设用户画像模型输出用户的用户画像。

在其中一个实施例中，根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像，包括：

将各产品的多个用户的用户信息输入第二预设用户画像模型，得到第二预设用户画像模型输出的各产品的群用户画像。

在其中一个实施例中，根据各产品的群用户画像进行产品推荐，包括：

根据目标用户的用户画像与各产品的群用户画像进行匹配，确定与目标用户的用户画像对应的各候选推荐产品；

根据各候选推荐产品确定目标用户对应的目标推荐产品。

在其中一个实施例中，根据各产品的群用户画像进行产品推荐，包括：

根据目标产品的群用户画像与各用户的用户画像进行匹配，确定与目标产品的群用户画像对应的各候选推荐用户；

根据各候选推荐用户确定目标产品对应的目标推荐用户。

在其中一个实施例中，用户信息包括以下至少一项：开户信息、消费信息、业务信息。

在其中一个实施例中，群用户画像包括以下至少一项：用户地域特征、用户年龄特征、用户职业特征、用户消费特征、用户业务特征。

第二方面，本申请还提供了一种产品推荐装置。装置包括：

获取模块，用于获取各种产品的多个用户的用户信息；

提取模块，用于根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像；

推荐模块，用于根据各产品的群用户画像进行产品推荐。

第三方面，本申请还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时以实现上述第一方面的方法的步骤。

第四方面，本申请还提供了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面的方法的步骤。

第五方面，本申请还提供了一种计算机程序产品。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的方法的步骤。

上述产品推荐方法、装置、计算机设备、存储介质和程序产品，通过获取各种产品的多个用户的用户信息；进一步地，根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像；进一步地，根据各产品的群用户画像进行产品推荐。本申请实施例中，通过根据获取的各种产品的用户信息分别进行用户画像特征提取得到各种产品的群用户画像，并利用各产品的群用户画像进行相应的产品推荐。由于本申请实施例中的推荐是根据各产品的群用户画像进行定制化推荐，相对于相关技术中根据市场活动或者产品热度为用户进行产品推荐的方法，本申请实施例中的推荐方法实现了个性化推荐，可以为用户推荐适合的产品，有助于提高用户对推荐产品的满意度，从而可以提高产品推广效率。

附图说明

图1为本申请一个实施例中产品推荐方法的应用环境示意图；

图2为本申请一个实施例中产品推荐方法的流程示意图；

图3为本申请另一个实施例中产品推荐方法的流程示意图；

图4为本申请另一个实施例中产品推荐方法的流程示意图；

图5为本申请一个实施例中产品推荐装置的结构示意图；

图6为本申请一个实施例中计算机设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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申请，并不用于限定本申请。

本申请实施例提供的产品推荐方法、装置、计算机设备、存储介质和程序产品，可以应用于产品推荐的应用场景；当然还可以应用于其它场景，本申请实施例中对此并不作限定。

需要说明的是，以下实施例为了方便说明，以本申请实施例的产品推荐方法应用于银行的产品推荐场景为例进行说明。应理解，当本申请实施例的产品推荐方法应用于其它场景时，其实现原理和技术效果类似。

示例性地，本申请实施例中涉及的产品可以包括但不限于实体产品或者虚拟资源产品，其中，虚拟资源产品可以包括但不限于理财产品。

图1为本申请实施例提供的产品推荐方法的应用环境的示意图，如图1所示，本申请实施例的应用环境示意图可以包括但不限于：终端10和服务器11；其中，终端10通过网络可以与服务器11进行通信。例如，服务器11可以根据终端10的推荐请求从数据库获取各种用户信息、各种产品的群用户画像，和/或，各种用户的用户画像等；或者服务器11可以根据生成的用户群画像向终端10返回推荐信息。数据存储系统可以存储服务器11需要获取的各种用户信息等。数据存储系统可以集成在服务器11上，也可以放在云上或其他网络服务器上。示例性地，本申请实施例中的服务器11可以采用本申请实施例的产品推荐方法进行相应产品的推荐。

示例性地，终端10可以包括但不限于用户对应的终端，还可以是银行工作人员的终端。其中，终端10可以包括但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑。服务器11可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

相关技术中，银行在推荐产品方面存在个性化定制的不足。通常，产品推荐系统根据市场活动或者产品热度为用户进行产品推荐，往往会统一向所有用户发送相同的推荐消息，忽视了不同用户之间的差异和个性化需求。因此，这种统一推送的方式可能会导致推送产品无法与用户的实际需求和兴趣相匹配，从而导致产品的推广效率较低。

本申请实施例提供的产品推荐方法、装置、计算机设备、存储介质和程序产品，通过获取各种产品的用户信息，根据用户信息进行用户画像特征提取，得到产品的群用户画像，利用各产品的群用户画像进行相应的推荐。由于本申请实施例中的推荐是根据各产品的群用户画像进行定制化推荐，相对于相关技术中根据市场活动或者产品热度为用户进行产品推荐的方法，本申请实施例中的推荐方法实现了个性化推荐，可以为用户推荐适合的产品，有助于提高用户对推荐产品的满意度，从而可以提高产品推广效率。

在一个实施例中，图2为本申请一个实施例中产品推荐方法的流程示意图，本申请实施例中以该方法应用于图1中的服务器为例进行说明。如图2所示，本申请实施例的方法可以包括以下步骤：

步骤S201、获取各种产品的多个用户的用户信息。

本申请实施例中的任意产品的任意用户可以是指购买该产品的用户。

其中，本申请实施例中涉及的任意产品的任意用户的用户信息可以用于指示用户属性信息，和/或，用户行为偏好信息等。

示例性地，用户信息可以包括但不限于以下至少一项：用户的开户信息、用户的消费信息、用户的业务信息。其中，用户的开户信息可以包括但不限于以下至少一项：用户年龄、用户性别、用户职业、用户住址。用户的业务信息可以包括但不限于以下至少一项：用户购买产品信息、用户贷款信息。

本步骤中，服务器可以实时地获取各种产品的多个用户的用户信息，或者，可以每隔预设时长获取各种产品的多个用户的用户信息，或者，可以在接收到推荐请求的情况下，获取各种产品的多个用户的用户信息，其中，推荐请求可以为终端发送的，或者其他设备发送的。

一种可能的实现方式，服务器可以从预设数据库获取各种产品的多个用户的用户信息。其中，预设数据库可以包括但不限于不同业务系统对应的数据库，或者可以为不同产品对应的数据库。

本实现方式中，服务器可以根据预设的查询条件从预设数据库提取所需的各种产品的多个用户的用户信息。

例如，服务器可以实时地从预设数据库中获取各种产品的多个用户的用户信息，使得获取到的各用户信息为最新状态，以便于后续根据各用户信息可以得到更加准确的用户画像，从而有利于提高产品推荐的准确性。

又例如，服务器可以定时地(如每天、每周或者每月)从预设数据库中获取各种产品的多个用户的用户信息，以便于后续在根据各用户信息得到准确的用户画像的基础上，还可以提高用户信息的获取效率。

另一种可能的实现方式，服务器可以从其他设备处获取各种产品的多个用户的用户信息。

当然，服务器还可以通过其他方式获取各种产品的多个用户的用户信息。

步骤S202、根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像。

其中，本申请实施例中涉及的用户画像特征提取可以用于指示对用户的用户属性特征和用户行为偏好特征等进行提取处理等。其中，用户属性特征可以包括但不限于以下至少一项：用户地域特征、用户年龄特征、用户职业特征；用户行为偏好特征可以包括但不限于用户消费特征和/或用户业务特征。应理解，通过对任意用户的用户信息进行用户画像特征提取，可以得到该用户的用户画像。

示例性地，任意用户的用户画像可以包括但不限于以下至少一项：用户性别、用户地域特征、用户年龄特征、用户职业特征、用户消费特征、用户业务特征；其中，用户消费特征可以用于指示用户消费水平和/或用户消费能力等用户消费习惯；用户业务特征可以用于指示用户倾向产品类型等。

其中，本申请实施例中涉及的任意产品的群用户画像可以用于指示产品对应的用户群体的共性用户属性特征和共性行为偏好特征。

本步骤中，服务器可以根据各产品的多个用户的用户信息进行用户画像特征提取，可以得到各产品的群用户画像。

应理解，通过基于产品用户画像特征提取可以对多个用户进行分组并分析不同产品的用户群体的共同特征，可以了解不同产品对应的共性用户群体的用户属性特征和共性行为偏好特征等。

一种可能的实现方式中，服务器可以采用大数据技术对各产品的用户信息进行用户画像特征提取得到各产品的个人用户画像，并根据各产品的个人用户画像分别得到各产品的群用户画像。

另一种可能的实现方式中，服务器可以将各产品的多个用户的用户信息输入第二预设用户画像模型，得到第二预设用户画像模型输出的各产品的群用户画像。

本申请实施例中涉及的第二预设用户画像模型可以为第二预设用户画像算法或者第二预设机器学习模型，用于处理多个用户的用户信息，生成各产品的群画像。其中，第二预设用户画像算法可以用于指示不同的机器学习算法或者数据分析技术，可以包括但不限于以下至少一项：聚类算法、决策树算法、关联规则挖掘算法等。

例如，服务器可以基于聚类算法根据各产品的多个用户的用户信息分别将各产品的多个用户划分为不同的群组，每个群组代表着具有相似特征的用户，最后可以生成各产品的群用户画像。

当然，根据各产品的多个用户的用户信息还可以通过其他方式进行用户画像特征提取得到各产品的群用户画像。

步骤S203、根据各产品的群用户画像进行产品推荐。

其中，本申请实施例中涉及的产品推荐可以包括但不限于为目标用户推荐产品，或者为目标产品确定待推荐的用户。

本步骤中，服务器可以根据各产品的群用户画像进行相应的产品推荐。

一种可能的实现方式中，服务器可以根据目标用户的用户画像与各产品的群用户画像进行匹配，确定与目标用户的用户画像对应的各候选推荐产品，并根据各候选推荐产品确定目标用户对应的目标推荐产品。

本实现方式中，对于任意产品的群用户画像，服务器可以通过分别计算目标用户的用户画像中的各用户画像特征与该产品的群用户画像中的各群用户画像特征之间的相似度；若各用户画像特征与各群用户画像特征之间的相似度满足预设匹配条件，则服务器可以确定目标用户的用户画像与该产品的群用户画像相匹配，并将该产品作为候选推荐产品。其中，预设匹配条件可以包括但不限于各相似度均大于对应的预设阈值。

进一步地，若候选推荐产品的数量为多个，则服务器可以从各候选推荐产品随机选择预设数量个候选推荐产品作为目标用户对应的目标推荐产品，或者，服务器可以将各候选推荐产品中与目标用户的用户画像匹配度最高的一个或者多个候选推荐产品作为目标用户对应的目标推荐产品。

例如，假设目标用户A的用户画像为用户年龄特征为35岁，用户职业特征为白领，用户业务特征为偏向高收益理财产品；产品1的群用户画像为用户年龄特征在30-40之间，用户业务特征为中风险投资的高收益理财产品；产品2的群用户画像为用户年龄特征在45-55之间，用户业务特征为稳健型投资的理财产品；服务器可以通过计算目标用户A的用户年龄特征分别与产品1和产品2中的用户年龄特征之间的相似度，以及目标用户A的用户业务特征分别与产品1和产品2中的用户业务特征之间的相似度，其中，目标用户A的各用户画像特征与产品1的各群用户画像特征之间的相似度均满足预设匹配条件，且目标用户A的各用户画像特征与产品1的各群用户画像特征之间的相似度均大于目标用户A的各用户画像特征与产品2的各群用户画像特征之间的相似度。进一步地，服务器可以确定产品1更符合目标用户A的个性化投资需求，从而将产品1作为目标用户A的目标推荐产品。

可见，本实现方式中，通过根据目标用户的用户画像与各产品的群用户画像进行匹配，确定各候选推荐产品，并根据各候选推荐产品确定目标用户对应的目标推荐产品的方式，可以精准地为目标用户推荐适合的产品，进一步地提高目标用户对目标推荐产品的满意度，从而可以进一步地提高产品推广效率。

另一种可能的实现方式中，服务器可以根据目标产品的群用户画像与各用户的用户画像进行匹配，确定与目标产品的群用户画像对应的各候选推荐用户，并根据各候选推荐用户确定目标产品对应的目标推荐用户。

本实现方式中，对于任意用户的用户画像，服务器可以通过分别计算目标产品的群用户画像中的各群用户画像特征与该用户的用户画像中的各用户画像特征之间的相似度；若各用户画像特征与各群用户画像特征之间的相似度满足预设匹配条件，则服务器可以确定目标产品的群用户画像与该用户的用户画像相匹配，并将该用户作为候选推荐用户。其中，预设匹配条件可以包括但不限于各相似度均大于对应的预设阈值。

进一步地，若候选推荐用户的数量为多个，则服务器可以从各候选推荐用户随机选择预设数量个候选推荐用户作为目标产品对应的目标推荐用户，或者，服务器可以将各候选推荐用户中与目标产品的群用户画像匹配度最高的一个或者多个候选推荐用户作为目标产品对应的目标推荐用户。

例如，假设待推荐的目标产品3的群用户画像为用户年龄特征为45-55之间，用户业务特征为稳健型收益的理财产品，用户B的用户画像为用户年龄特征为30岁，用户职业特征为白领，用户业务特征为偏向高收益理财产品；用户C的用户画像为用户年龄特征为50岁，用户职业特征为工薪阶层，用户业务特征为偏向低风险的稳健型收益理财产品。服务器可以通过计算目标产品3的用户年龄特征分别与用户B和用户C中的用户年龄特征之间的相似度，以及目标产品3的用户业务特征分别与用户B和用户C中的用户业务特征之间的相似度，其中，目标产品3的各群用户画像特征与用户C的各用户画像特征之间的相似度均满足预设匹配条件，且目标产品3的各群用户画像特征与用户C的各用户画像特征之间的相似度均大于目标产品3的各群用户画像特征与用户B的各用户画像特征之间的相似度；进一步地，服务器可以确定用户C更符合目标产品3的个性化推荐需求，从而将用户C作为目标产品3的目标推荐用户。

上述产品推荐方法中，通过获取各种产品的多个用户的用户信息，进一步地，根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像；最后根据各产品的群用户画像进行产品推荐。可见，本申请实施例中，通过根据获取的各种产品的用户信息分别进行用户画像特征提取得到各种产品的群用户画像，并利用各产品的群用户画像进行相应的产品推荐。由于本申请实施例中的推荐是根据各产品的群用户画像进行定制化推荐，相对于相关技术中根据市场活动或者产品热度为用户进行产品推荐的方法，本申请实施例中的推荐方法实现了个性化推荐，可以为用户推荐适合的产品有助于提高用户对推荐产品的满意度，从而可以提高产品推广效率。

在一个实施例中，图3为本申请另一个实施例中产品推荐方法的流程示意图，在上述实施例的基础上，本申请实施例中对上述步骤S202中“根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像”的一种可能的实现方式进行介绍说明。如图3所示，本申请实施例的上述步骤S202可以包括以下步骤：

S2021、对于各产品的各用户的用户信息，对用户的用户信息进行用户画像特征提取，得到用户的用户画像。

本步骤中，对于各产品的各用户的用户信息，服务器可以对用户的用户信息进行用户画像特征提取，得到用户的用户画像。

一种可能的实现方式中，服务器按照预设归类规则对用户的用户信息进行归类整理，得到不同类型的子用户信息；进一步地，服务器按照预设特征提取规则对不同类型的子用户信息进行特征提取，得到用户的用户画像。

本实现方式中，服务器可以按照预设归类规则对用户的用户信息进行归类整理，得到不同类型的子用户信息，其中，预设归类规则可以包括但不限于以下至少一项：用户地址归类子规则、用户年龄归类子规则、用户性别归类子规则、用户职业归类子规则、用户消费归类子规则、用户业务归类子规则。

进一步地，服务器可以按照预设特征提取规则对不同类型的子用户信息进行特征提取，得到用户的用户画像。其中，预设特征提取规则可以包括但不限于特征工程规则，例如独热编码规则、归一化规则，和/或，主成分分析规则等。

例如，银行拥有大量用户，每个用户都有各种不同的信息，银行的服务器可以按照预设归类规则对用户信息进行归类整理，得到不同类型的子用户信息，比如按照用户年龄、用户性别、用户职业、用户消费、用户业务等进行分类。

进一步地，服务器可以根据预设特征提取规则对不同类型的子用户信息分别进行特征提取，得到每个用户的用户画像，从而可以获知用户消费习惯、用户地域分布、用户业务倾向等信息。

可见，本实现方式中，通过按照预设归类规则得到不同类型的子用户信息；按照预设特征提取规则对不同类型的子用户信息进行特征提取，得到用户的用户画像。这些画像可以帮助服务器更好地了解用户需求和用户业务倾向，进而提供更加个性化和针对性的服务，比如推荐适合的贷款产品、投资方案等，从而提升用户满意度和银行业务的推广效率。

另一种可能的实现方式中，服务器将用户的用户信息输入第一预设用户画像模型，得到第一预设用户画像模型输出用户的用户画像。

其中，本申请实施例中涉及的第一预设用户画像模型可以为第一预设用户画像算法或者第一预设机器学习模型，用于处理多个用户的用户信息，生成各用户的用户画像。

示例性地，服务器可以将用户的开户信息、消费信息和业务信息等用户信息输入第一预设用户画像模型。该模型会通过深度学习或机器学习处理这些用户信息，识别用户的用户属性特征和用户行为偏好特征，并输出相应的用户画像。

本实现方式中，通过将用户的用户信息输入第一预设用户画像模型，得到第一预设用户画像模型输出用户的用户画像，可以快速地处理大量地用户信息并输出相应地用户画像，这使得银行能够更精准地推荐产品和服务，从而提高推广效率。

S2022、对于各产品，根据产品的各用户的用户画像得到产品的群用户画像。

本步骤中，对于各产品，服务器可以根据该产品的各用户的用户画像得到该产品的群用户画像。示例性地，针对每种产品，服务器可以将使用该产品的所有用户的用户画像进行汇总和分析，从而生成该产品的群用户画像。

本实现方式中，通过将产品的各用户的用户画像进行整合得到产品的群用户画像，群用户画像可以帮助服务器更好地了解产品用户的共性属性特征和共性行为偏好特征，从而提供更有针对性的产品推荐和个性化服务。

综上，本申请实施例中，通过对于各产品的各用户的用户信息，对用户的用户信息进行用户画像特征提取，得到用户的用户画像；进一步地，根据产品的各用户的用户画像可以精准地得到产品的群用户画像，从而可以进一步地提高银行产品推广效率。

在一个实施例中，图4为本申请另一个实施例中产品推荐方法的流程示意图，如图4所示，在上述实施例的基础上，本申请实施例中对上述产品推荐方法中的整体流程进行介绍说明。如图4所示，本申请实施例的方法还可以包括以下步骤：

S401、服务器可以获取各种产品对应的各用户标识。

示例性地，用户标识可以包括但不限于：用户的身份证信息和/或用户购买该产品的订单信息。

S402、服务器可以根据各种产品的各用户标识分别获取各种产品的各用户的用户信息。

S403、对于各产品的各用户的用户信息，服务器可以对用户的用户信息进行用户画像特征提取，得到用户的用户画像。

S404、对于各产品，服务器可以根据产品的各用户的用户画像得到产品的群用户画像。

S405、服务器可以根据各产品的群用户画像进行产品推荐。

需要说明的是，本申请实施例中的各步骤的可实现方式，可以参考上述实施例中的相关内容，此处不再赘述。

综上，本申请实施例中，通过根据各产品的各用户标识获取各产品的各用户的用户信息；进一步地，根据各产品的各用户的用户信息进行用户画像特征提取，得到各产品的各用户的用户画像；进一步地，将各产品的各用户的用户画像进行整合精确地得到各产品的群用户画像；进一步地，根据群用户画像进行相应的产品推荐可见，本申请实施例中的推荐方法实现了个性化推荐，可以为用户推荐适合的产品，有助于提高用户对推荐产品的满意度，从而可以提高产品推广效率。

应该理解的是，虽然如上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。

基于同样的发明构思，本申请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。

在一个实施例中，图5为本申请一个实施例中产品推荐装置的结构示意图，本申请实施例提供的产品推荐装置可以应用于服务器中。如图5所示，本申请实施例的产品推荐装置，可以包括：获取模块501、提取模块502和推荐模块503。

其中，获取模块501，用于获取各种产品的多个用户的用户信息；

提取模块502，用于根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像；

推荐模块503，用于根据各产品的群用户画像进行产品推荐。

在一个实施例中，提取模块502包括：

提取单元，用于对于各产品的各用户的用户信息，对用户的用户信息进行用户画像特征提取，得到用户的用户画像；

确定单元，用于对于各产品，根据产品的各用户的用户画像得到产品的群用户画像。

在一个实施例中，提取单元具体用于：

按照预设归类规则对用户的用户信息进行归类整理，得到不同类型的子用户信息；

按照预设特征提取规则对不同类型的子用户信息进行特征提取，得到用户的用户画像。

在一个实施例中，提取单元具体用于：

将用户的用户信息输入第一预设用户画像模型，得到第一预设用户画像模型输出用户的用户画像。

在一个实施例中，提取模块502具体用于：

将各产品的多个用户的用户信息输入第二预设用户画像模型，得到第二预设用户画像模型输出的各产品的群用户画像。

在一个实施例中，推荐模块503具体用于：

根据目标用户的用户画像与各产品的群用户画像进行匹配，确定与目标用户的用户画像对应的各候选推荐产品；

根据各候选推荐产品确定目标用户对应的目标推荐产品。

在一个实施例中，推荐模块503具体用于：

根据目标产品的群用户画像与各用户的用户画像进行匹配，确定与目标产品的群用户画像对应的各候选推荐用户；

根据各候选推荐用户确定目标产品对应的目标推荐用户。

在一个实施例中，用户信息包括以下至少一项：开户信息、消费信息、业务信息。

在一个实施例中，群用户画像包括以下至少一项：用户地域特征、用户年龄特征、用户职业特征、用户消费特征、用户业务特征。

本申请实施例提供的产品推荐装置可以用于执行本申请上述产品推荐方法实施例中的技术方案，其实现原理和技术效果类似，此处不再赘述。

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。

在一个实施例中，图6为本申请一个实施例中计算机设备的结构示意图，可选地，本申请实施例中的计算机设备可以包括但不限于服务器，其内部结构图可以如图6所示。该计算机设备可以包括处理器、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本申请上述实施例中的产品推荐方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请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。

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：

获取各种产品的多个用户的用户信息；

根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像；

根据各产品的群用户画像进行产品推荐。

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：

对于各产品的各用户的用户信息，对用户的用户信息进行用户画像特征提取，得到用户的用户画像；对于各产品，根据产品的各用户的用户画像得到产品的群用户画像。

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：

按照预设归类规则对用户的用户信息进行归类整理，得到不同类型的子用户信息；按照预设特征提取规则对不同类型的子用户信息进行特征提取，得到用户的用户画像。

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：

将用户的用户信息输入第一预设用户画像模型，得到第一预设用户画像模型输出用户的用户画像。

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：

将各产品的多个用户的用户信息输入第二预设用户画像模型，得到第二预设用户画像模型输出的各产品的群用户画像。

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：

根据目标用户的用户画像与各产品的群用户画像进行匹配，确定与目标用户的用户画像对应的各候选推荐产品；根据各候选推荐产品确定目标用户对应的目标推荐产品。

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：

根据目标产品的群用户画像与各用户的用户画像进行匹配，确定与目标产品的群用户画像对应的各候选推荐用户；根据各候选推荐用户确定目标产品对应的目标推荐用户。

在一个实施例中，用户信息包括以下至少一项：开户信息、消费信息、业务信息。

在一个实施例中，群用户画像包括以下至少一项：用户地域特征、用户年龄特征、用户职业特征、用户消费特征、用户业务特征。

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：

获取各种产品的多个用户的用户信息；

根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像；

根据各产品的群用户画像进行产品推荐。

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：

对于各产品的各用户的用户信息，对用户的用户信息进行用户画像特征提取，得到用户的用户画像；对于各产品，根据产品的各用户的用户画像得到产品的群用户画像。

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：

按照预设归类规则对用户的用户信息进行归类整理，得到不同类型的子用户信息；按照预设特征提取规则对不同类型的子用户信息进行特征提取，得到用户的用户画像。

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：

将用户的用户信息输入第一预设用户画像模型，得到第一预设用户画像模型输出用户的用户画像。

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：

将各产品的多个用户的用户信息输入第二预设用户画像模型，得到第二预设用户画像模型输出的各产品的群用户画像。

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：

根据目标用户的用户画像与各产品的群用户画像进行匹配，确定与目标用户的用户画像对应的各候选推荐产品；根据各候选推荐产品确定目标用户对应的目标推荐产品。

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：

根据目标产品的群用户画像与各用户的用户画像进行匹配，确定与目标产品的群用户画像对应的各候选推荐用户；根据各候选推荐用户确定目标产品对应的目标推荐用户。

在一个实施例中，用户信息包括以下至少一项：开户信息、消费信息、业务信息。

在一个实施例中，群用户画像包括以下至少一项：用户地域特征、用户年龄特征、用户职业特征、用户消费特征、用户业务特征。

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：

获取各种产品的多个用户的用户信息；

根据各产品的多个用户的用户信息进行用户画像特征提取，得到各产品的群用户画像；

根据各产品的群用户画像进行产品推荐。

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：

对于各产品的各用户的用户信息，对用户的用户信息进行用户画像特征提取，得到用户的用户画像；对于各产品，根据产品的各用户的用户画像得到产品的群用户画像。

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：

按照预设归类规则对用户的用户信息进行归类整理，得到不同类型的子用户信息；按照预设特征提取规则对不同类型的子用户信息进行特征提取，得到用户的用户画像。

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：

将用户的用户信息输入第一预设用户画像模型，得到第一预设用户画像模型输出用户的用户画像。

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：

将各产品的多个用户的用户信息输入第二预设用户画像模型，得到第二预设用户画像模型输出的各产品的群用户画像。

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：

根据目标用户的用户画像与各产品的群用户画像进行匹配，确定与目标用户的用户画像对应的各候选推荐产品；根据各候选推荐产品确定目标用户对应的目标推荐产品。

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：

根据目标产品的群用户画像与各用户的用户画像进行匹配，确定与目标产品的群用户画像对应的各候选推荐用户；根据各候选推荐用户确定目标产品对应的目标推荐用户。

在一个实施例中，用户信息包括以下至少一项：开户信息、消费信息、业务信息。

在一个实施例中，群用户画像包括以下至少一项：用户地域特征、用户年龄特征、用户职业特征、用户消费特征、用户业务特征。

需要说明的是，本申请所涉及的用户信息(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、使用和处理需要符合相关规定。

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，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，本申请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(FerroelectricRandom 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(StaticRandom Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。本申请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。本申请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。

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。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。