一种产品信息推荐方法及计算机设备

技术领域

本发明属于大数据技术领域，尤其涉及一种产品信息推荐方法、产品信息推荐装置、计算机设备及计算机可读存储介质。

背景技术

目前，随着互联网技术的不断发展，用户通过在手机上安装不同购物平台的应用程序，即可利用不同购物平台对应的不同应用程序进行线上购物。用户利用应用程序进行产品挑选与产品购买时，其浏览数据与消费数据均以电子化形式被存储在相应的账户中，便于汇总该账户的浏览数据与消费数据，为对该账户对应的用户进行产品需求挖掘与产品信息推荐提供实现基础。

现有的针对用户进行的产品信息推荐时，主要是先根据已有的数据进行需求挖掘，然后将挖掘出的潜在产品需求以产品信息的方式向账户推荐。然而，现有的产品信息推荐方案，具体是以用户使用目标账户在应用程序上登录后，浏览产品与消费产品的行为数据为基础，预测并匹配相应的候选产品信息，再将该候选产品信息推送给目标账户进行显示。然而，当用户使用目标账户登录应用程序的次数较少，或者前后两次使用该应用程序的时间相隔较长时，采集到该目标账户对应的行为数据会呈现较大的离散性，故无法以该目标账户的行为数据为基础进行需求挖掘，也无法实现向该目标账户进行产品信息推荐。由此可见，现有的产品信息推荐方案存在适用范围较小的问题。

发明内容

有鉴于此，本申请实施例提供了一种产品信息推荐方法、产品信息推荐装置、计算机设备及计算机可读存储介质，以解决现有的产品信息推荐方案存在适用范围较小的问题。

本申请实施例的第一方面提供了一种产品信息推荐方法，包括：

若目标账户的行为数据不满足预设条件，则获取所述目标账户的画像数据；

基于所述行为数据与所述画像数据，测算所述目标账户分别与N个样本账户之间的相似度，得到N个相似度值；其中，N为大于1的整数；

基于所述N个相似度值的排序结果，向所述目标账户推送产品信息。

本申请实施例的第二方面提供了一种产品信息推荐装置，包括：

获取单元，用于若目标账户的行为数据不满足预设条件，则获取所述目标账户的画像数据；

第一执行单元，用于基于所述行为数据与所述画像数据，测算所述目标账户分别与N个样本账户之间的相似度，得到N个相似度值；其中，N为大于1的整数；

第二执行单元，用于基于所述N个相似度值的排序结果，向所述目标账户推送产品信息。

本申请实施例的第三方面提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面的各个步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面的各个步骤。

实施本申请实施例提供的一种产品信息推荐方法、产品信息推荐装置、计算机设备及计算机可读存储介质具有以下有益效果：

本申请实施例，在目标账户的行为数据不满足预设条件时，通过获取该目标账户的画像数据，进而基于该目标账户的行为数据与画像数据测算该目标账户分别与N个样本账户之间的N个相似度值，其中，N为大于1的整数，实现在目标账户的行为数据较少时，通过融合画像数据实现目标账户与N个样本账户之间的相似度测算，进而基于N个相似度值的排序结果，向目标账户推送产品信息，避免在实现向目标账户推送产品信息的过程中，过分依赖目标账户的行为数据，提高了推荐产品信息方案的灵活程度，扩大了产品信息推荐方案的适用范围。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种产品信息推荐方法的实现流程图；

图2是本申请实施例中步骤S11的一种实现流程图；

图3是本申请实施例中步骤S11的另一种实现流程图；

图4是本申请实施例提供的一种产品信息推荐装置的结构框图；

图5是本申请实施例提供的一种计算机设备的结构框图。

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，此处所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。

本实施例提供的一种产品信息推荐方法，执行主体为服务器，具体可以是配置有该方法功能的服务器，或者是服务器集群中的任一服务器。这里，服务器集群可以是由多个服务器组成的服务器集群，基于该服务器集群构建分布式系统，使得服务器集群中的多个服务器之间可以实现数据共享或数据同步。在此基础上，向该服务器集群中的任一服务器配置目标脚本文件，由该目标脚本文件描述本实施例提供的产品信息推荐方法，使得该配置有目标脚本文件的服务器能够通过执行该目标脚本文件，进而执行产品信息推荐方法中的各个步骤。

在实现时，服务器或者服务器集群中的任一服务器，服务器接收目标账户通过终端发送的数据访问请求，并根据该数据访问请求返回相应的页面文件，由终端加载该页面文件，进而显示服务器为目标账户推荐的产品信息。其中，服务器可以根据数据访问请求中携带的目标账户标识，确定目标账户相应的数据库，并从该数据库中获取目标账户的行为数据。如果目标账户的行为数据不满足预设条件，则获取目标账户的画像数据，然后基于行为数据与画像数据测算目标账户分别与N个样本账户之间的相似度，基于N个相似度值的排序结果，向目标账户推送产品信息。实现了在目标账户的行为数据较少时，通过融合画像数据实现目标账户分别与N个样本账户之间的相似度值测算，且基于相似度值测算得到的N个相似度值的排序结果，向目标账户推送产品信息，避免在实现向目标账户推送产品信息的过程中，过分依赖目标账户的行为数据，提高了推荐产品信息方案的灵活程度，扩大了产品信息推荐方案的适用范围。

例如，以上述服务器为购物平台应用程序的服务器为例，用户于终端上启用该购物平台应用程序，并在该购物平台应用程序上登录目标账户，终端通过登录了目标账户的购物平台应用程序向服务器发送数据访问请求，服务器根据该数据访问请求中携带的目标账户标识，确定目标账户相应的数据库，并从该数据库中获取目标账户的行为数据，如果目标账户的行为数据不满足预设条件，则服务器获取目标账户的画像数据，然后基于行为数据与画像数据测算目标账户分别与N个样本账户之间相似度值，基于N个相似度值的排序结果，向目标账户推送产品信息。实现了在目标账户的行为数据较少时，能够通过融合行为数据与画像数据，实现目标账户与样本账户之间的相似度值测算，避免在实现向目标账户推送产品信息的过程中，过分依赖目标账户的行为数据，提高了推荐产品信息方案的灵活程度，扩大了产品信息推荐方案的适用范围。

以下通过具体实现方式对本实施例提供的一种产品信息推荐方法进行详细说明。

图1示出了本申请实施例提供的产品信息推荐方法的实现流程图，详述如下：

S11：若目标账户的行为数据不满足预设条件，则获取所述目标账户的画像数据。

在步骤S11中，目标账户作为唯一标识，用于在终端上登录相关的应用程序或数据展示页面。用户可以利用该终端通过应用程序或数据展示页面访问相应的服务器中的数据资源。这里，应用程序是终端上安装的能够用于展示产品信息的应用程序；数据展示页面作为访问服务器数据资源的途径之一，在用户利用终端通过该数据展示页面访问服务器时，可以通过该数据展示页面加载并显示服务器返回的页面文件，进而实现对产品信息的展示操作。

以用户利用目标账户在终端的应用程序上进行登录操作为例，用户在利用终端启动应用程序时，能够以游客的身份通过应用程序向服务器发送数据访问请求，还可以通过注册账户并在该应用程序上登录该账户，以会员或者普通用户的身份向服务器发送数据访问请求。服务器用于根据数据访问请求，向终端返回页面文件，由终端通过应用程序加载该页面文件，进而显示相应的可操作页面。用户利用终端在该可操作页面上进行操作，由配置在显示页面中的埋点采集该用户的操作行为，得到相应的行为数据，然后通过应用程序将该行为数据发送给服务器。

在本实施例中，行为数据包括目标账户对应的用户在该应用程序上的产品浏览数据和/或产品消费数据。这里，产品浏览数据可以包括但不仅限于点击产品的图片、浏览产品的详细信息、保存产品的图片或者对产品详情页面的截图操作等；产品消费数据可以包括但不仅限于购买的产品属性、够买的产品数量或者次数等。预设条件用于表征可进行目标账户喜好分析的行为数据的特征指标，可以包括但不仅限于行为数据的数量阈值、行为数据的种类数目阈值等。相应地，如果目标账户的行为数据数量或者行为数据的种类数目，等于或大于预设阈值，则可以直接根据目标账户的行为数据对目标账户进行用户喜好分析，进而根据分析结果实现产品信息推荐。

在实现时，可以通过对应用程序进行行为数据采集配置，例如，配置相应的页面埋点，或者配置执行环境脚本，进而能够实现对用户行为数据的采集。由于在实际应用时用户进行产品浏览或产品消费的过程中，应用程序能够根据用户的实际操作情况将用户的行为数据与操作时间进行对应采集与存储，因此得到的行为数据能够用于描述目标账户对应的用户在使用应用程序时的行为内容。

在实际应用中，由于在用户实际使用应用程序时，容易因为误操作或者操作较少导致用户的行为数据存在实用性较低的可能，因此为了避免直接根据目标账户的行为数据进行产品信息推荐而导致的推荐操作效率较低的问题，本实施例的方案中还融入了目标账户的画像数据，也即通过融入画像数据的方式，进一步对目标账户对应的用户进行需求挖掘或者喜好挖掘。

在本实施例中，通过配置预设条件表征可进行账户喜好分析的行为数据的特征指标，并以该预设条件作为获取目标账户的画像数据的判定机制，实现在目标账户的行为数据不满足该特征指标的条件下，能够对目标账户的画像数据进行获取，便于在实现产品信息推荐的过程中引入目标账户的画像数据作为考虑因素提供了实现基础。

图2出了本实施例中步骤S11的一种实现流程图。如图2示，作为一个实施例，预设条件包括数量阈值；步骤S11具体包括：S111至S112。

S111：若目标账户的行为数据的数量不满足所述数量阈值，则根据所述目标账户进行关联服务器查询。

S112：若查询到关联服务器，则从所述关联服务器中获取所述目标账户的画像数据。

在本实施例中，关联服务器是指用户能够利用目标账户登录关联应用程序，并通过该关联应用程序对其进行数据访问的服务器。画像数据用于描述目标账户对应的用户属性信息，如用户的性别、用户年龄、用户收入区间、用户的投资类别以及用户分类群体标签等。

需要说明的是，由于为用户提供产品浏览或者产品消费等产品相关服务时，针对用户不同的需求可以开发多个应用程序，因此多个应用程序之间存在业务关系相关或关联，为了便于用户使用应用程序，所以允许使用一个目标账户登录多个关联应用程序，故能够根据目标账户进行关联服务器的查询操作。

在本实施例中，如果目标账户的行为数据的数量不满足数量阈值，则表示用户使用当前应用程序进行产品信息浏览或产品消费等操作过于稀少，无法基于行为数据对用户的需求或者喜好进行挖掘。故根据目标账户进行关联服务器查询是为了从关联服务器中获取更多的用户数据，为实现对用户的需求挖掘或喜好挖掘提供实现基础。

在具体实现过程中，根据目标账户进行关联服务器查询，可以先确定与目标账户登录的当前应用程序的所有关联应用程序，然后根据所有关联应用程序确定服务器集合，最后根据目标账户从服务器集合中确定出关联服务器。也即，服务器确定与之能够进行数据交互的候选服务器，将所有候选服务器作为服务器集合，根据目标账户从该服务器集合中确定出关联服务器。这里，根据目标账户从服务器集合中确定出关联服务器，具体是判断服务器集合中的候选服务器是否存储有目标账户的数据访问记录与画像数据，如果服务器集合中存在候选服务器存储有目标账户的数据访问记录，则表示用户曾利用过目标账户访问过该候选服务器，并在该候选服务器中存储有用户属性信息，故将该候选服务器作为关联服务器，且判定查询到关联服务器。

应当理解的是，从关联服务器中获取目标账户的画像数据，这里，目标账户的画像数据可以是由目标账户对应的用户自行填写并上传至关联服务器的画像信息，或者是用户在使用关联应用程序时，关联服务器根据用户使用关联应用程序的习惯数据，利用已有的用户画像生成工具，如画像生成模型或者画像生成网络，基于用户使用关联应用程序的习惯数据生成的画像数据。在一些已有技术中，为了能够实现对用户群体的分类，利用画像数据生成模型根据用户的画像信息或者用户使用应用程序的习惯数据生成画像数据，属于常用技术手段，故此处不再对关联服务器中的画像数据如何得到的过程进行赘述。

图3示出了本实施例中步骤S11的另一种实现流程图。如图3所示，在图2示出的实施例基础上，作为另一个实施例，步骤S111后还包括与步骤S112并列的步骤S113。具体地：

S113：若没有查询到关联服务器，则显示数据采集页面；所述数据采集页面用于采集所述目标账户的画像数据。

在本实施例中，数据采集页面中的内容包括用于采集用户信息的表单，如用户行为问卷、用户消费数据问卷等。这里，显示用于获取画像数据的数据采集页面，是为了让用户自行填写该数据采集页面中的表单，进而基于用户填写的情况得到画像数据。

在实现时，数据采集页面的文件中可以预先配置画像数据生成策略，当没有查询到关联服务器时，通过显示该数据采集页面，令用户可以通过在该页面中完成表单信息的填写，再由该数据采集页面基于预先配置的画像数据生成策略，根据该表单上的信息生成画像数据。这里，预先配置的画像数据生成策略，描述了如何根据表单内容生成画像数据的方法。例如，用户于数据采集页面中自行填写完表单后，基于表单信息中的内容，可以从本地数据库中匹配相应的用户画像数据，也即根据表单上的信息从本地数据库中匹配出用户标签，进而通过汇总所有的用户标签得到画像数据。

可以理解的是，查询关联服务器的目的是为了获得画像数据，为了在没有查询到关联服务器的情况下也能够获得画像数据，本实施例通过显示用户获取画像数据的数据采集页面，令用户于该数据采集页面中自行填写相关信息，进而通过该数据采集页面基于用户填写的相关信息生成画像数据，拓宽了本实施例方案的使用场景与适用范围。

S12：基于所述行为数据与所述画像数据，测算所述目标账户分别与N个样本账户之间的相似度，得到N个相似度值；其中，N为大于1的整数。

在步骤S12中，样本账户可以是实际的账户，还可以是虚拟的账户。在实现时，可以根据已有的账户数量从已有的账户集合中选取活跃度较高的账户作为样本账户，和/或通过构建不同类别的虚拟账户作为样本账户。

需要说明的是，样本账户泛指预先指定的参考账户，在实际应用中，可以根据账户分类的需求指定N个参考账户作为多个样本账户，也即当需要对账户进行N种分类时，参考账户可以指定N个。通过测算目标账户与不同样本账户之间的相似度，进而能够确定该目标账户更趋向于哪一类，便于后续为该目标账户进行产品信息推荐提供数据基础。

在本实施例中，测算目标账户与每个样本账户之间的相似度时，不仅考虑了目标账户与每个样本账户之间的行为数据，还考虑了目标账户与每个样本账户之间的画像数据，使得在目标账户行为数据较少的条件下，以画像数据作为相似度比较的补偿部分，融入到目标账户与每个样本账户之间相似度比较的过程中，进而提高了目标账户与每个样本账户之间相似度测算结果的准确程度。

在实现时，基于行为数据与画像数据测算目标账户分别与N个样本账户之间的相似度值，可以是分别以相同的方式测算目标账户与每个样本账户之间的相似度值。如，根据目标账户的行为数据与样本账户的行为数据，测算行为相似度，根据目标账户的画像数据与样本账户的画像数据，测算画像相似度，将行为相似度与画像相似度进行融合得到目标账户与样本账户之间相似度值。这里，本实施例中提及的目标账户与样本账户之间的相似度值，用于描述目标账户与样本账户之间的相似程度大小，也即当相似度值的越大，则表示目标账户与样本账户越相似，当相似度值的越小，则表示目标账户与样本账户越不相似。

在本申请的所有实施例中，测算目标账户与样本账户之间的相似度值，是为了基于该相似度判断样本账户对应的用户消费习惯，是否适用作产品信息推荐的参考。因为当相似度值的越大，表示目标账户与样本账户越相似，所以样本账户对应用户消费习惯，能够作为向目标账户推送产品信息的参考，通过进一步确定与目标账户相似度较大的样本账户，能够将样本账户的产品消费数据作为产品推荐的参考，为筛选出目标产品信息推送给目标账户提供了合理化程度较高的技术手段和实现基础。

作为一个实施例，步骤S12可以包括：

利用牛顿冷却法对所述行为数据进行修正，得到新的行为数据；

基于所述新的行为数据与所述画像数据，测算所述目标账户分别与每个所述样本账户之间的相似度，得到N个相似度值。

在本实施例中，牛顿冷却法用于描述行为数据的热度衰减与时间之间的对应关系。

需要说明的是，因为行为数据包括目标账户对应的用户在该应用程序上的产品浏览数据和/或产品消费数据，所以行为数据还可以用于表征目标账户对应的用户，对某些产品的关注热度。在根据用户行为数据挖掘用户潜在产品需求或者用户喜好的产品时，用户的产品需求或者用户喜好的产品会根据时间变化而变化，例如，在夏季时段，用户对风扇、空调等制冷家电的需求或者喜好程度会达到峰值，当时间从夏季到达秋季甚至冬季后，用户对这类制冷家电的需求或者喜好则会大幅度衰减。考虑到用户对某些产品的关注热度存在随着时间推移而衰减的现象，利用牛顿冷却法对行为数据进行修正，能够令得到的新的行为数据更具有参考价值，且提高了相似度比较的科学化程度。

在实现时，由于采用牛顿冷却法对行为数据进行修正，考虑的是时间上的衰减，因此利用牛顿冷却法对行为数据进行修正，可以是测算行为数据中每组行为数据或行为样本的衰减程度，将行为数据中衰减程度较严重的行为数据或行为样本进行剔除。例如，对所有的行为数据进行同等程度的热度衰减测算，再将热度衰减程度较为严重的行为数据进行剔除，留下热度衰减程度较小的行为数据作为新的行为数据。

作为本实施例一种可能实现的方式，牛顿冷却法可以用由如下公式表示：

本实施例中通过对行为数据的修正，能够提高后续测算目标账户与样本账户之间相似度的准确程度，应当理解的是，在实际应用中如果当前时间与初始时间相隔较小，则可以无需考虑行为数据随时间衰减的情况。本实施例之所以提供了对行为数据进行修正的方案，是因为考虑到实际的产品销售过程中，产品的发布时间直接影响了用户对该产品的需求或者喜好热度，在向目标账户推荐产品信息时，更倾向于推荐最新发布的产品信息，而不是以往的产品信息，为用户带来更为便利的体验。

作为一个实施例，上述方案中，步骤：基于所述新的行为数据与所述画像数据，测算所述目标账户分别与每个所述样本账户之间的相似度，得到N个相似度值，包括：

对所述新的行为数据与所述画像数据分别进行向量转换，得到第一行为向量与第一画像向量；

测算所述第一行为向量与每个所述样本账户的第二行为向量之间的相似度，得到N个行为相似度，测算所述第一画像向量与每个所述样本账户的第二画像向量之间的相似度，得到N个画像相似度；

基于所述N个行为相似度与所述N个画像相似度，得到N个相似度值。

在本实施例中，目标账户与样本账户之间的相似度测算考虑了两者的行为数据与画像数据。也即，将目标账户与样本账户在行为维度上的相似度与画像维度上的相似度进行融合，作为目标账户与样本账户之间的相似度值。这里，在实现两个维度相似度的融合之前，需要对行为数据与画像数据分别进行向量转换，也即将行为数据转换行为向量，将画像数据转换为画像向量，以向量的方式测算目标账户与样本账户在行为维度上的行为相似度，以及测算目标账户与样本账户在画像维度上的画像相似度。

在实现时，对行为数据与画像数据分别进行向量转换得到的第一行为向量与第一画像向量，可以是Spark稠密向量。基于此，本领域技术人员在对新的行为数据进行向量转换，以及对画像数据进行向量转换时，可以获悉并使用已有的Spark稠密向量转换方法实现，故此处不再对如何对新的行为数据与所述画像数据分别进行向量转换，得到第一行为向量与第一画像向量的具体过程进行赘述。

需要说明的是，本实施例中的第二行为向量是根据样本账户的行为数据进行向量转换得到，第二行为向量用于表征样本账户的行为习惯，第二画像向量是根据样本账户的画像数据进行向量转换得到，第二画像向量用于表征样本账户的画像数据。这里，第二行为向量与第二画像向量的具体的转换过程，可以同第一行为向量以及第一画像向量的转换方式相同。也即，可以使用已有的Spark稠密向量转换方法，基于样本账户的行为数据进行向量转换得到第二行为向量，基于样本账户的画像数据进行向量转换得到第二画像向量，此处不再赘述。

在本实施例中，测算第一行为向量与样本账户的第二行为向量之间的行为相似度，可以是测算第一行为向量与第二行为向量之间的距离，再根据两个向量之间的距离推算出行为相似度；或者是直接测算第一行为向量与第二行为向量之间的余弦相似度作为行为相似度。与行为相似度类似地，第一画像向量与样本账户的第二画像向量之间的画像相似度，可以是测算第一画像向量与第二画像向量之间的距离，再根据两个向量之间的距离推算出画像相似度；或者是直接测算第一画像向量与第二画像向量之间的余弦相似度作为画像相似度。

作为本实施例一种可能实现的方式，上述方案中，步骤：基于所述N个行为相似度与所述N个画像相似度，得到N个相似度值，包括：

基于所述N个行为相似度与所述N个画像相似度，通过如下公式测算所述目标账户与每个所述样本账户之间的相似度值；

S

其中，i∈[2,N]；S

在本实施例中，行为相似度用于指示目标账户与样本账户之间在行为维度上的相似程度，画像相似度用于指示目标账户与样本账户之间在画像维度上的相似程度，也即行为相似度与画像相似度虽然是以两个不同的维度描述目标账户与样本账户之间的相似程度，但是通过将行为相似度与画像相似进行融合，并利用融合后的数值作为目标账户与样本账户之间的相似度，使得相似度的测算的考虑因素不仅包含了行为数据还包含了画像数据，相似度的考虑因素更加丰富，同时还提高了相似度的合理化程度。

应当理解的是，由于K

S13：基于所述N个相似度值的排序结果，向所述目标账户推送产品信息。

在步骤S13中，通过对N个相似度值进行排序，能够确定出于目标账户最相似的样本账户。

在实现时，N个相似度值排序可以是从大到小排列，基于N个相似度值排序结果向目标账户推送产品信息，可以是直接选取排序结果中靠前的若干相似度值对应的样本账户，基于该样本账户的行为数据向目标账户推送产品信息。例如，对N个相似度值从大到小排列，假设无并列名词，则得到N个排序名次，选取N个排序名次中排名在前的N-X个样本账户，获取N-X个样本账户的行为数据样本集合，进而基于该行为数据样本集合向目标账户推送产品信息，其中，X为小于N的整数。再例如，对N个相似度值从大到小排列，选取排序结果中相似度值最大的样本账户，获取该样本账户的行为数据样本，进而基于该行为数据样本向目标账户推送产品信息。或者，N个相似度值排序可以是从大到小排列，基于N个相似度值排序结果向目标账户推送产品信息，还可以是先判断排序结果中是否存在并列名次，当排序结果中存在并列名次，且并列名次较为靠前，则以该并列名次作为截止点，确定该并列名次之前的若干相似度值对应的至少一个样本账户，基于该至少一个样本账户的行为数据向目标账户推送产品信息。

作为一个实施例，上述方案中，步骤：基于所述N个相似度值的排序结果，向所述目标账户推送产品信息，包括：

基于N个相似度值的排序结果，从所述N个样本账户中确定出目标样本账户；

根据所述目标样本账户的行为数据样本与所述目标账户的行为数据，向所述目标账户推送产品信息。

在本实施例中，目标样本账户为与目标账户之间相似度较高的样本账户。这里，N个相似度值排序结果，可以是对N个相似度值从大到小进行排序的结果，进而将该排序结果中排名靠前的若干个相似度值对应的样本账户确定为目标样本账户。

需要说明的是，目标样本账户的行为数据样本，包括样本账户对应的用户在应用程序上的产品浏览数据和/或产品消费数据。在实现时，根据目标样本账户的行为数据样本向目标账户推送产品信息，相当于从目标样本账户对应的产品浏览数据和/或产品消费数据中筛选出产品信息向目标账户进行推送。这里，从目标样本账户对应的产品浏览数据和/或产品消费数据中筛选出产品信息向目标账户进行推送，具体是筛选出目标账户没有关注过的产品信息进行推送。例如，通过比较行为数据样本与行为数据之间的差别，确定出行为数据样本中包含但行为数据中没有包含的目标行为，然后将目标行为对应的产品信息推荐给目标账户。

应当理解的是，向目标账户推送产品信息，可以是将产品信息配置到页面文件中，得到新的页面文件，当用户利用已登录目标账户的终端向服务器发送数据访问请求时，服务器根据该数据访问请求向该终端返回新的页面文件，终端通过加载该新的页面文件，进而显示相应的产品信息，完成向目标账户的产品信息推送操作。

以上方案中，在目标账户的行为数据不满足预设条件时，通过获取该目标账户的画像数据，进而基于该目标账户的行为数据与画像数据测算该目标账户分别与N个样本账户之间的N个相似度值，其中，N为大于1的整数，实现在目标账户的行为数据较少时，通过融合画像数据实现目标账户与N个样本账户之间的相似度测算，进而基于N个相似度值的排序结果，向目标账户推送产品信息，避免在实现向目标账户推送产品信息的过程中，过分依赖目标账户的行为数据，提高了推荐产品信息方案的灵活程度，扩大了产品信息推荐方案的适用范围。

请参阅图4，图4是本申请实施例提供的一种产品信息推荐装置的结构框图。本实施例中该移动终端包括的各单元用于执行图1与图3对应的实施例中的各步骤。具体请参阅图1与图3以及图1与图3所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图4，产品信息推荐装置40包括：获取单元41、第一执行单元42以及第二执行单元43。具体地：

获取单元41，用于若目标账户的行为数据不满足预设条件，则获取所述目标账户的画像数据；

第一执行单元42，用于基于所述行为数据与所述画像数据，测算所述目标账户分别与N个样本账户之间的相似度，得到N个相似度值；其中，N为大于1的整数；

第二执行单元43，用于基于所述N个相似度值的排序结果，向所述目标账户推送产品信息。

应当理解的是，图4示出的产品信息推荐装置的结构框图中，各单元用于执行图1与3对应的实施例中的各步骤，而对于图1与图3对应的实施例中的各步骤已在上述实施例中进行详细解释，具体请参阅图1与图3以及图1与图3所对应的实施例中的相关描述，此处不再赘述。

图5是本申请实施例提供的一种计算机设备的结构框图。如图5所示，该实施例的计算机设备50包括：处理器51、存储器52以及存储在所述存储器52中并可在所述处理器51上运行的计算机程序53，例如产品信息推荐方法的程序。处理器51执行所述计算机程序53时实现上述各个产品信息推荐方法各实施例中的步骤，例如图1所示的S11至S13，所述处理器51执行所述计算机程序53时实现上述图4对应的实施例中各单元的功能，例如，图4所示的单元41至43的功能，具体请参阅图4对应的实施例中的相关描述，此处不赘述。

示例性的，所述计算机程序53可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器52中，并由所述处理器51执行，以完成本申请。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序53在所述计算机设备50中的执行过程。例如，所述计算机程序53可以被分割成获取单元、第一执行单元以及第二执行单元，各单元具体功能如上所述。

所述转台设备可包括，但不仅限于，处理器51、存储器52。本领域技术人员可以理解，图5仅仅是计算机设备50的示例，并不构成对计算机设备50的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述转台设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器51可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器52可以是所述计算机设备50的内部存储单元，例如计算机设备50的硬盘或内存。所述存储器52也可以是所述计算机设备50的外部存储设备，例如所述计算机设备50上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器52还可以既包括所述计算机设备50的内部存储单元也包括外部存储设备。所述存储器52用于存储所述计算机程序以及所述转台设备所需的其他程序和数据。所述存储器52还可以用于暂时地存储已经输出或者将要输出的数据。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。