本发明涉及人工智能，尤其涉及一种产品推荐模型的训练方法、产品推荐方法、装置、电子设备及存储介质。
背景技术：
1、随着人工智能技术的发展，机器学习在产品推荐领域的应用越来越广泛。
2、在实现本发明的过程中，发现现有技术中至少存在以下技术问题：现有产品推荐模型的训练方案，存在模型预测精准度低的问题。
技术实现思路
1、本发明提供了一种产品推荐模型的训练方法、产品推荐方法、装置、电子设备及存储介质，以提升产品推荐模型的精准度。
2、根据本发明的一方面，提供了一种产品推荐模型的训练方法，包括：
3、获取用户特征、产品特征和交叉行为特征；
4、基于所述用户特征、所述产品特征和所述交叉行为特征确定用户特征向量和产品特征向量；
5、基于所述用户特征向量和所述产品特征向量确定所述产品推荐模型的损失函数的损失值，基于所述产品推荐模型的损失函数的损失值调整模型参数，直至满足训练停止条件，得到训练完成的产品推荐模型。
6、根据本发明的另一方面，提供了一种产品推荐方法，包括：
7、获取目标用户的用户特征、目标用户的产品特征和目标用户的交叉行为特征；
8、将目标用户的用户特征、目标用户的产品特征和目标用户的交叉行为特征输入至产品推荐模型，得到目标用户的用户特征向量和目标用户的产品特征向量；
9、基于目标用户的用户特征向量和目标用户的产品特征向量确定产品推荐结果，其中，所述产品推荐模型为本发明任一实施例所述的产品推荐模型。
10、根据本发明的另一方面，提供了一种产品推荐模型的训练装置，包括：
11、特征数据获取模块，用于获取用户特征、产品特征和交叉行为特征；
12、特征向量确定模块，用于基于所述用户特征、所述产品特征和所述交叉行为特征确定用户特征向量和产品特征向量；
13、产品推荐模型训练模块，用于基于所述用户特征向量和所述产品特征向量确定所述产品推荐模型的损失函数的损失值，基于所述产品推荐模型的损失函数的损失值调整模型参数，直至满足训练停止条件，得到训练完成的产品推荐模型。
14、根据本发明的另一方面，提供了一种产品推荐装置，包括：
15、目标用户特征获取模块，用于获取目标用户的用户特征、目标用户的产品特征和目标用户的交叉行为特征；
16、特征向量预测模块，用于将目标用户的用户特征、目标用户的产品特征和目标用户的交叉行为特征输入至产品推荐模型，得到目标用户的用户特征向量和目标用户的产品特征向量；
17、产品推荐结果确定模块，用于基于目标用户的用户特征向量和目标用户的产品特征向量确定产品推荐结果，其中，所述产品推荐模型为本发明任一实施例所述的产品推荐模型。
18、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
19、至少一个处理器；
20、以及与所述至少一个处理器通信连接的存储器；
21、其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的产品推荐模型的训练方法或者本发明任一实施例所述的产品推荐方法。
22、根据本发明的另一方面，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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的产品推荐模型的训练方法或者本发明任一实施例所述的产品推荐方法。
23、本发明实施例的技术方案，通过获取用户特征、产品特征和交叉行为特征，进而基于用户特征、产品特征和交叉行为特征确定用户特征向量和产品特征向量，进而基于用户特征向量和产品特征向量确定产品推荐模型的损失函数的损失值，基于产品推荐模型的损失函数的损失值调整模型参数，直至满足训练停止条件，得到训练完成的产品推荐模型。上述技术方案，通过用户特征、产品特征和交叉行为特征生成高维的用户特征向量和产品特征向量，进而基于用户特征向量和产品特征向量进行产品推荐模型训练，有效提升了产品推荐模型的精准度。
24、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种产品推荐模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述用户特征、所述产品特征和所述交叉行为特征确定用户特征向量和产品特征向量，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述用户特征和所述交叉行为特征确定用户特征向量，包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述产品特征确定产品特征向量，包括：
5.根据权利要求1所述的方法，其特征在于，在所述基于所述用户特征、所述产品特征和所述交叉行为特征确定用户特征向量和产品特征向量之前，还包括：
6.根据权利要求1所述的方法，其特征在于，在所述基于所述用户特征、所述产品特征和所述交叉行为特征确定用户特征向量和产品特征向量之前，还包括：
7.一种产品推荐方法，其特征在于，包括：
8.一种产品推荐模型的训练装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的产品推荐模型的训练方法，或者执行权利要求7所述的产品推荐方法。
