本发明涉及数据处理，具体涉及一种基于端智能的产品推荐方法、装置、计算机设备以及非易失性计算机可读存储介质。
背景技术：
1、目前，在数字营销和广告的场景中，运营位点击率是衡量广告效果的关键指标之一。点击率的高低直接关联到广告内容的吸引力及信息传播的有效性。对保险公司而言，在非车险产品的广告推广中，高点击率不仅能提升用户对产品的认知度，还能直接影响产品的销售业绩。
2、当前，传统的产品推荐方法通常依赖于历史数据和静态用户画像来为用户推荐产品。这种方式通过分析用户过去的浏览记录、购买历史和偏好设置，生成推荐列表。然而，这种方式存在着明显局限性：
3、1、数据时效性问题：传统的产品推荐方法的数据往往是延迟的，可能基于一天甚至数天前的用户行为，无法实时反映用户兴趣的最新变化；
4、2、用户兴趣漂移：用户的兴趣和需求可能随时间和环境变化而快速变动，而传统的产品推荐方法无法及时捕捉这种变化，导致产品推荐的相关性下降；
5、3、实时特征缺失：用户在浏览和交互过程中产生的实时数据，如页面停留时间、鼠标悬停位置、滚动速度等，这些微观行为能够提供用户即时兴趣的线索，但传统的产品推荐方法往往忽略了这些实时特征；
6、4、个性化推荐不足：由于缺乏对用户实时行为的分析，传统的产品推荐方法难以实现高度个性化的推荐，无法满足用户对推荐内容精准度的期待。
7、基于此，如何提供一种基于端智能的产品推荐方法、装置、计算机设备以及非易失性计算机可读存储介质，可通过基于目标用户在特定时间段内的操作行为向该目标用户推荐特定的目标产品，以实现更加精准及个性化的产品推荐，是目前本领域技术人员亟待解决的问题。
技术实现思路
1、鉴于上述现有技术的不足之处，本发明的目的在于提供一种可用于金融科技或其他相关领域的基于端智能的产品推荐方法、装置、计算机设备以及非易失性计算机可读存储介质，旨在解决如何可通过基于目标用户在特定时间段内的操作行为向该目标用户推荐特定的目标产品，以实现更加精准及个性化的产品推荐的问题。
2、为了达到上述目的，本发明采取了以下技术方案：
3、一种基于端智能的产品推荐方法，其中，包括：
4、通过端智能系统记录目标用户在目标时间段内的操作行为；
5、基于所述操作行为，通过后台推荐系统返回m个目标产品；
6、对m个所述目标产品进行排序，选取出其中与所述操作行为的相似度最高的n个所述目标产品向所述目标用户进行推荐；
7、其中，m、n均表示正整数，且m大于n。
8、在进一步的技术方案中，所述的基于端智能的产品推荐方法，其中，所述通过端智能系统记录目标用户在目标时间段内的操作行为，包括：
9、通过端智能系统记录目标用户在目标时间段内的操作行为的行为特征文本；
10、通过词向量化系统将所述行为特征文本转化为对应的行为特征向量。
11、在进一步的技术方案中，所述的基于端智能的产品推荐方法，其中，所述基于所述操作行为，通过后台推荐系统返回m个目标产品，包括：
12、基于所述行为特征向量，通过后台推荐系统返回m个目标产品的产品特征文本；
13、通过所述词向量化系统将各所述产品特征文本转化为对应的产品特征向量。
14、在进一步的技术方案中，所述的基于端智能的产品推荐方法，其中，所述对m个所述目标产品进行排序，选取出其中与所述操作行为的相似度最高的n个所述目标产品向所述目标用户进行推荐，包括：
15、通过余弦相似度算法对m个所述目标产品对应的所述产品特征向量进行排序；
16、选取出m个所述产品特征向量中与所述操作行为对应的所述行为特征向量的相似度最高的n个所述产品特征向量；
17、将n个所述产品特征向量对应的所述目标产品向所述目标用户进行推荐。
18、在进一步的技术方案中，所述的基于端智能的产品推荐方法，其中，所述将n个所述产品特征向量对应的所述目标产品向所述目标用户进行推荐，包括：
19、将n个所述产品特征向量对应的所述目标产品展示在目标区域中，以向所述目标用户进行推荐。
20、在进一步的技术方案中，所述的基于端智能的产品推荐方法，其中，所述通过端智能系统记录目标用户在目标时间段内的操作行为，其中，所述目标时间段包括当天。
21、在进一步的技术方案中，所述的基于端智能的产品推荐方法，其中，所述通过端智能系统记录目标用户在目标时间段内的操作行为，其中，所述操作行为包括如下行为的一种或者多种：
22、a.瀑布流文章浏览与点击；
23、b.瀑布流视频浏览与点击；
24、c.瀑布流产品浏览与点击；
25、d.热销产品浏览与点击；
26、e.文章、视频、及产品搜索。
27、一种基于端智能的产品推荐装置，其中，包括：
28、操作记录模块，用于通过端智能系统记录目标用户在目标时间段内的操作行为；
29、产品返回模块，用于基于所述操作行为，通过后台推荐系统返回m个目标产品；
30、产品推荐模块，用于对m个所述目标产品进行排序，选取出其中与所述操作行为的相似度最高的n个所述目标产品向所述目标用户进行推荐；
31、其中，m、n均表示正整数，且m大于n。
32、一种计算机设备，其中，所述计算机设备包括至少一个处理器；以及，
33、与所述至少一个处理器通信连接的存储器；其中，
34、所述存储器上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时，可实现如上述任一项所述的基于端智能的产品推荐方法。
35、一种非易失性计算机可读存储介质，其中，所述非易失性计算机可读存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时，可实现如上述任一项所述的基于端智能的产品推荐方法。
36、相较于现有技术，本发明提供了一种基于端智能的产品推荐方法、装置、计算机设备以及非易失性计算机可读存储介质，其中，所述方法包括：通过端智能系统记录目标用户在目标时间段内的操作行为；基于所述操作行为，通过后台推荐系统返回m个目标产品；对m个所述目标产品进行排序，选取出其中与所述操作行为的相似度最高的n个所述目标产品向所述目标用户进行推荐；其中，m、n均表示正整数，且m大于n。这样，通过本发明的方法可通过基于目标用户在特定时间段(目标时间段)内的操作行为向该目标用户推荐特定的目标产品，进而可实现更加精准及个性化的产品推荐。
1.一种基于端智能的产品推荐方法，其特征在于，包括：
2.根据权利要求1所述的基于端智能的产品推荐方法，其特征在于，所述通过端智能系统记录目标用户在目标时间段内的操作行为，包括：
3.根据权利要求2所述的基于端智能的产品推荐方法，其特征在于，所述基于所述操作行为，通过后台推荐系统返回m个目标产品，包括：
4.根据权利要求3所述的基于端智能的产品推荐方法，其特征在于，所述对m个所述目标产品进行排序，选取出其中与所述操作行为的相似度最高的n个所述目标产品向所述目标用户进行推荐，包括：
5.根据权利要求4所述的基于端智能的产品推荐方法，其特征在于，所述将n个所述产品特征向量对应的所述目标产品向所述目标用户进行推荐，包括：
6.根据权利要求1-5任一项所述的基于端智能的产品推荐方法，其特征在于，所述通过端智能系统记录目标用户在目标时间段内的操作行为，其中，所述目标时间段包括当天。
7.根据权利要求6所述的基于端智能的产品推荐方法，其特征在于，所述通过端智能系统记录目标用户在目标时间段内的操作行为，其中，所述操作行为包括如下行为的一种或者多种：
8.一种基于端智能的产品推荐装置，其特征在于，包括：
9.一种计算机设备，其特征在于，所述计算机设备包括至少一个处理器；以及，
10.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时，可实现如权利要求1-7任一项所述的基于端智能的产品推荐方法。
