本申请涉及人工智能，特别是涉及一种尺码推荐方法、装置、设备、存储介质和程序产品。
背景技术：
1、劳保商品是员工工作中不可或缺的保护装备，尺码合适与否直接关系到员工的工作效率和舒适度。
2、相关技术中，用户在购买劳保商品时，商品推荐系统通常基于用户的购买历史、浏览行为等数据来进行商品的尺码推荐，以提高用户的购物体验和满意度。
3、然而，相关技术中在对用户进行尺码推荐时，存在推荐准确性低的技术问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种尺码推荐方法、装置、设备、存储介质和程序产品，能够提高尺码推荐的准确性。
2、第一方面，本申请提供了一种尺码推荐方法，包括：
3、响应于对目标用户的商品尺码推荐请求，获取目标用户的购物偏好信息和目标商品的商品特征信息；
4、根据购物偏好信息、商品特征信息和目标用户的用户画像，确定目标用户对目标商品中多个尺码的推荐信息；
5、根据目标用户对目标商品中多个尺码的推荐信息，向目标用户进行尺码推荐。
6、在其中一个实施例中，获取目标用户的购物偏好信息，包括：
7、获取目标用户的用户标识信息；
8、根据目标用户的用户标识信息，从商品购买平台的用户信息录入库中筛选目标用户的用户信息；
9、根据筛选的目标用户的用户信息，确定目标用户的购物偏好信息。
10、在其中一个实施例中，根据购物偏好信息、商品特征信息和目标用户的用户画像，确定目标用户对目标商品中多个尺码的推荐信息，包括：
11、根据目标用户的用户画像，获取目标用户的特征信息；特征信息包括个人属性特征信息和体型特征数据
12、将特征信息、购物偏好信息和商品特征信息输入至预先训练好的尺码推荐模型中，得到尺码推荐模型输出的各尺码的尺码推荐信息；
13、将尺码推荐模型输出的各尺码的尺码推荐信息，确定为目标用户对目标商品中多个尺码的推荐信息。
14、在其中一个实施例中，尺码推荐模型的训练过程包括：
15、获取多个用户的用户画像和各用户的偏好信息；
16、根据各用户的用户画像，获取各用户的用户特征信息和多个历史商品的商品特征信息；
17、根据各用户的用户特征信息、偏好信息和各历史商品的商品特征信息，对预设的神经网络进行模型训练，得到尺码推荐模型。
18、在其中一个实施例中，根据各用户的用户画像，获取各用户的用户特征信息和多个历史商品的商品特征信息，包括：
19、根据各用户的用户画像，获取各用户的用户基础信息和各用户的历史商品订单信息；
20、根据各用户的用户基础信息，确定各用户的用户特征信息；
21、根据各用户的历史商品订单信息，确定各历史商品的商品特征信息。
22、在其中一个实施例中，根据各用户的用户特征信息、偏好信息和各历史商品的商品特征信息，对预设的神经网络进行模型训练，得到尺码推荐模型，包括：
23、对各用户的用户特征信息、偏好信息和各历史商品的商品特征信息进行数据清洗处理，得到处理后的用户特征信息、偏好信息和商品特征信息；
24、对处理后的用户特征信息、偏好信息和商品特征信息进行特征融合处理，得到特征向量；
25、根据特征向量对神经网络进行模型训练，得到尺码推荐模型。
26、在其中一个实施例中，根据特征向量对神经网络进行模型训练，得到尺码推荐模型，包括：
27、根据各用户的用户画像，获取各用户对各历史商品中多个尺码的尺码选择信息；
28、根据特征向量、各用户对各历史商品中多个尺码的尺码选择信息，对神经网络进行训练，得到初始尺码推荐模型；
29、对初始尺码推荐模型进行模型验证，得到尺码推荐模型。
30、第二方面，本申请还提供了一种尺码推荐装置，包括：
31、信息获取模块，用于响应于对目标用户的商品尺码推荐请求，获取目标用户的购物偏好信息和目标商品的商品特征信息；
32、第一确定模块，用于根据购物偏好信息、商品特征信息和目标用户的用户画像，确定目标用户对目标商品中多个尺码的推荐信息；
33、第二确定模块，用于根据目标用户对目标商品中多个尺码的推荐信息，向所述目标用户进行尺码推荐。
34、第三方面，本申请实施例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实现上述第一方面中任一实施例中的步骤。
35、第四方面，本申请实施例还提供了一种计算机可读存储介质。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上述第一方面中任一实施例中的步骤。
36、第五方面，本申请实施例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中任一实施例中的步骤。
37、上述尺码推荐方法、装置、设备、存储介质和程序产品，通过响应于对目标用户的商品尺码推荐请求，获取目标用户的购物偏好信息和目标商品的商品特征信息，根据购物偏好信息、商品特征信息和目标用户的用户画像，确定目标用户对目标商品中多个尺码的推荐信息，根据目标用户对目标商品中多个尺码的推荐信息，向目标用户进行尺码推荐。该方法中，在需要为目标用户进行商品尺码推荐时，通过获取目标用户的购物偏好信息和目标商品的商品特征信息，并结合目标用户的用户画像，确定目标用户对目标商品中多个尺码的推荐信息，进而根据各推荐信息向目标用户进行尺码推荐，在此过程中充分考虑了用户的个人偏好以及商品的自身特性，能够更精准地推荐出合适的尺码类型，减少尺码选择的误差，提高尺码推荐的准确性，相当于，通过综合多方面的数据实现个性化的尺码推荐服务，用户可以根据个人偏好和实际需求，更准确地选择合适的尺码，提高穿着舒适度和满意度。
1.一种尺码推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取所述目标用户的购物偏好信息，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述购物偏好信息、所述商品特征信息和所述目标用户的用户画像，确定所述目标用户对所述目标商品中多个尺码的推荐信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述尺码推荐模型的训练过程包括：
5.根据权利要求4所述的方法，其特征在于，所述根据各所述用户的用户画像，获取各所述用户的用户特征信息和多个历史商品的商品特征信息，包括：
6.根据权利要求4所述的方法，其特征在于，所述根据各所述用户的用户特征信息、偏好信息和各所述历史商品的商品特征信息，对预设的神经网络进行模型训练，得到所述尺码推荐模型，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述特征向量对所述神经网络进行模型训练，得到所述尺码推荐模型，包括：
8.一种尺码推荐装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
