买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国工商银行股份有限公司申请的专利基于点击率的产品推荐方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114998024B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210683138.0，技术领域涉及：G06Q40/06；该发明授权基于点击率的产品推荐方法、装置、设备及介质是由唐珊珊;王凯;周洪菊;赵培设计研发完成，并于2022-06-15向国家知识产权局提交的专利申请。

本基于点击率的产品推荐方法、装置、设备及介质在说明书摘要公布了：本公开提供一种基于点击率的产品推荐方法、装置、设备及介质，涉及人工智能技术领域。方法包括获取用户购买产品的多条历史交易数据，构成训练数据集；获取待推荐的m个产品；根据训练数据集，提取m个产品中的每个产品的产品特征和用户行为特征，生成m个特征向量；使用朴素贝叶斯算法计算m个特征向量分别对应的后验概率，根据后验概率，得到m个产品的第一排序列表；将m个特征向量输入深度学习网络模型，得到m个产品的点击率预估值，根据点击率预估值，得到m个产品的第二排序列表，其中，深度学习网络模型是基于训练数据集预先训练得到的；对第一排序列表和第二排序列表进行修正，得到第三排序列表，根据第三排序列表，依次推荐m个产品。

本发明授权基于点击率的产品推荐方法、装置、设备及介质在权利要求书中公布了：1.一种基于点击率的产品推荐方法，包括： 获取用户购买产品的多条历史交易数据，构成训练数据集； 获取待推荐的m个产品，m≥2且为整数； 根据所述训练数据集，提取所述m个产品中的每个产品的产品特征和用户行为特征，生成m个特征向量； 使用朴素贝叶斯算法计算所述m个特征向量分别对应的后验概率，根据所述后验概率，得到所述m个产品的第一排序列表； 将所述m个特征向量输入深度学习网络模型，得到所述m个产品的点击率预估值，根据所述点击率预估值，得到所述m个产品的第二排序列表，其中，所述深度学习网络模型是基于所述训练数据集预先训练得到的； 判断所述第一排序列表和第二排序列表是否完全一致，如果是，则将所述第一排序列表或第二排序列表确定为第三排序列表；否则，将所述第一排序列表和第二排序列表中的各个元素分别相乘，得到所述第三排序列表；根据所述第三排序列表，依次推荐所述m个产品； 其中，所述每个产品的产品特征包括多个子特征，每个所述子特征包括多个属性值；所述每个产品的用户行为特征为离散特征，表征用户是否已购买该产品； 所述使用朴素贝叶斯算法计算所述m个特征向量分别对应的后验概率，包括： 计算每种所述离散特征在所述训练数据集中的先验概率； 根据所述先验概率，计算在每种所述离散特征下的每个所述子特征的不同属性值的条件概率； 根据所述先验概率和条件概率，计算所述m个产品中的每个产品属于每种所述离散特征的后验概率； 在所述离散特征包括第一离散特征和第二离散特征，所述第一离散特征表征用户已购买对应产品，所述第二离散特征表征用户未购买对应产品，所述m个产品包括第一产品时，计算所述第一产品属于每种所述离散特征的后验概率之后，还包括： 判断所述第一产品属于第一离散特征的后验概率是否大于所述第一产品属于第二离散特征的后验概率，如果是，则将所述属于第一离散特征的后验概率确定为所述第一产品被推荐的概率；否则，根据所述属于第二离散特征的后验概率的互补事件概率，来确定所述第一产品被推荐的概率； 根据所述第一产品被推荐的概率，确定所述m个产品的第一排序列表； 在所述第一产品属于第一离散特征的后验概率不大于所述第一产品属于第二离散特征的后验概率时，所述第一产品被推荐的概率根据以下公式来确定： 其中，表示第一产品被推荐的概率；表示第一产品属于第二离散特征的后验概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国工商银行股份有限公司，其通讯地址为：100140 北京市西城区复兴门内大街55号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。