一种产品推荐方法、装置和计算设备制造方法及图纸

本发明专利技术公开了一种产品推荐方法，该方法在计算设备中执行，计算设备中存储有多个用户的多条消费记录，消费记录包括用户的特征信息和消费产品，该方法包括：获取目标用户的特征信息；根据目标用户的特征信息，采用第一分类器确定第一推荐产品，其中，第一分类器为以存储的所有多条消费记录为样本训练得出；根据目标用户的特征信息，采用第二分类器确定第二推荐产品，其中，第二分类器为以存储的消费产品不是第一推荐产品的多条消费记录为样本训练得出；将第一推荐产品和第二推荐产品作为向用户推荐的产品。本发明专利技术还公开了能够实施上述方法的产品推荐装置，和包括上述装置的计算设备。

A product recommendation method, device and computing device

The invention discloses a product recommendation method, the method is implemented in a computing device, a computing device storing a plurality of records of consumption of multiple users, including the user characteristic information records of consumption and consumer products, the method comprises: acquiring the characteristic information of target user; according to the characteristic information of the target user, the first the classifier to determine the first recommended products, among them, the first is to store all of the multi classifier consumer records for training samples obtained; according to the characteristic information of the target users, the second classifier to determine the second recommended products, in which, second classifiers as in multiple storage consumption of consumer products is not the first recommended product records for training samples obtained; the first second of recommended products and recommend products to users as the recommended products. The invention also discloses a product recommendation device capable of carrying out the above method, and a computing device including the device.

【技术实现步骤摘要】
一种产品推荐方法、装置和计算设备
本专利技术涉及数据挖掘
，尤其涉及一种产品推荐方法、装置和计算设备。
技术介绍
随着技术的发展，尤其是网购的兴起，可供消费者选择的产品越来越多。面对繁多的产品，消费者需要消耗大量的时间去做选择，且很难顺利找到适合自己的产品。消费者有时会向销售人员(客服)寻求帮助。然而，大多数销售人员缺乏系统的技术知识以及对产品的深入了解，无法很好地理解消费者的需求，仅能凭经验来推荐产品，其推荐的产品往往也难以令消费者满意。因此，需要一种产品推荐方法，以帮助消费者选择产品，或帮助销售人员向消费者推荐产品。
技术实现思路
为此，本专利技术提供一种产品推荐方法、装置和计算设备，以解决或至少缓解上面存在的问题。根据本专利技术的一个方面，提供一种产品推荐方法，该方法在计算设备中执行，计算设备中存储有多个用户的多条消费记录，消费记录包括用户的特征信息和消费产品，该方法包括：获取目标用户的特征信息；根据目标用户的特征信息，采用第一分类器确定第一推荐产品，其中，第一分类器为以存储的所有多条消费记录为样本训练得出；根据目标用户的特征信息，采用第二分类器确定第二推荐产品，其中，第二分类器为以存储的消费产品不是第一推荐产品的多条消费记录为样本训练得出；将第一推荐产品和第二推荐产品作为向用户推荐的产品。可选地，在根据本专利技术的产品推荐方法中，特征信息包括以下属性中的一个或多个：用户ID，用户性质，用户与销售公司是否同城，是否使用过安全产品，使用过哪些安全产品，DOS攻击次数，CC攻击次数，ARP攻击次数，DNS攻击次数，数据库攻击次数，被植入木马或病毒次数，被域名劫持次数，被篡改次数，权限攻击次数，其他攻击类型次数。可选地，在根据本专利技术的产品推荐方法中，第一分类器和第二分类器为分类树，第一分类器和第二分类器按照以下步骤训练：对于每一个节点：将分裂前后GINI指数增量最大的属性作为最佳分裂属性，将分裂后的GINI指数最小的分裂条件作为最佳分裂条件，根据最佳分裂属性和最佳分裂条件对该节点进行分裂，产生两个子节点；当满足设置的终止条件时，停止节点的分裂。可选地，在根据本专利技术的产品推荐方法中，分裂前的GINI指数按照以下公式计算：其中，D为节点所包括的样本集，k为样本集中所包括的消费产品类别的数量，Pi为消费产品为i的样本数量占D中所包括的所有样本的比例；分裂后的GINI指数按照以下公式计算：其中，A表示分裂属性，j表示分裂条件，D1、D2分别为按照分裂属性A和分裂条件j对节点进行分裂所得的两个子节点所包括的样本集，|D1|、|D2|为样本集D1、D2中所包括的样本的数量；GINI指数增量按照以下公式计算：ΔGINI(A)＝GINI(D)-GINIA(D)其中，A为分裂属性，GINIA(D)为GINIAj(D)中的最小值。可选地，在根据本专利技术的产品推荐方法中，终止条件可以是以下条件中的任意一种：节点中所包括的样本的消费产品类别均相同；树的深度达到了预设的深度阈值；节点中所包括的样本的数量小于预设的第一阈值；节点中所包括的样本数量的平方与分裂后的两个子节点中的样本数量的平方和之差小于预设的第二阈值。可选地，在根据本专利技术的产品推荐方法中，在停止节点的分裂之后，还包括：对第一分类器按照从叶节点到根节点的顺序进行剪枝：对于有叶节点的节点，计算该节点的每一个叶节点的第一误判率；计算该节点的第二误判率；若第二误判率大于至少一个第一误判率，则将第一误判率最小的叶节点的消费产品类别作为该节点的消费产品类别，剪掉该节点的所有叶节点。若第一误判率大于第二误判率，则剪掉该节点的两个叶节点，将该节点作为叶节点。可选地，在根据本专利技术的产品推荐方法中，叶节点f的第一误判率＝(Ef+a)/Nf，第二误判率＝(E+2*a)/N，其中，Ef为叶节点f中被错分的样本数量，Nf为叶节点f中所包括的样本数量，E为该节点中被错分的样本数量，N为该节点中所包括的样本数量，a为惩罚因子。可选地，在根据本专利技术的产品推荐方法中，a＝0.5。根据本专利技术的一个方面，提供一种产品推荐装置，该装置驻留于计算设备中，计算设备中存储有多个用户的多条消费记录，消费记录包括用户的特征信息和消费产品，该装置包括：信息获取模块，适于获取目标用户的特征信息；第一推荐模块，适于根据目标用户的特征信息，采用第一分类器确定第一推荐产品，其中，第一分类器为以存储的所有多条消费记录为样本训练得出；第二推荐模块，适于根据目标用户的特征信息，采用第二分类器确定第二推荐产品，其中，第二分类器为以存储的消费产品不是第一推荐产品的多条消费记录为样本训练得出；以及将第一推荐产品和第二推荐产品作为向用户推荐的产品。根据本专利技术的一个方面，提供一种计算设备，包括如上所述的产品推荐装置。根据本专利技术的技术方案，以已有的多条消费记录作为样本训练得出多个分类器，根据目标用户的特征信息，采用多个分类器来确定多个推荐产品，并将上述多个推荐产品作为向目标用户推荐的产品。本专利技术的技术方案能够科学地向目标用户推荐产品，避免了消费者面对多个产品的盲目选择，也消除了销售人员技术知识不足以及依靠主观经验来向消费者推荐产品的弊端。另外，本方案可以向目标用户推荐多个产品，从而向提供多种选择，提高了消费者在选择产品时以及销售人员在推荐产品时的自由度，有良好的用户体验。另外，本专利技术的技术方案在训练分类器时，采用了后剪枝、计算置信度等多个步骤，使得本专利技术的分类器更准确，从而推荐的产品更适合目标用户。附图说明为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。图1示出了根据本专利技术一个实施例的网络系统100的示意图；图2示出了根据本专利技术一个实施例的计算设备200的结构图；图3示出了根据本专利技术一个实施例的产品推荐装置300的结构图；图4示出了根据本专利技术另一个实施例的产品推荐装置300的结构图；图5A示出了根据本专利技术一个实施例的节点分裂的示意图；图5B示出了根据本专利技术一个实施例的剪枝的示意图；以及图6示出了根据本专利技术一个实施例的产品推荐方法600的流程图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。图1示出了根据本专利技术一个实施例的网络系统100的示意图。图1所示的网络系统100包括计算设备200、数据库110以及多个客户端120～150。应当指出，图1中的网络系统100仅是示例性的，在具体的实践情况中，网络系统100中可以有不同数量的计算设备、数据库以及客户端，本专利技术对网络系统中所包括的计算设备、数据库以及客户端的数量不做限制。计算设备200是能够管理销售平台并为销售人员及消费者提供产品推荐服务的设备，其具体可以实现为服务器，例如文件服务器、数据库服务器、应用程序服务器和本文档来自技高网...

【技术保护点】
一种产品推荐方法，在计算设备中执行，所述计算设备中存储有多个用户的多条消费记录，所述消费记录包括用户的特征信息和消费产品，所述方法包括：获取目标用户的特征信息；根据所述目标用户的特征信息，采用第一分类器确定第一推荐产品，其中，所述第一分类器为以存储的所有多条消费记录为样本训练得出；根据所述目标用户的特征信息，采用第二分类器确定第二推荐产品，其中，所述第二分类器为以存储的消费产品不是第一推荐产品的多条消费记录为样本训练得出；将第一推荐产品和第二推荐产品作为向目标用户推荐的产品。

【技术特征摘要】
1.一种产品推荐方法，在计算设备中执行，所述计算设备中存储有多个用户的多条消费记录，所述消费记录包括用户的特征信息和消费产品，所述方法包括：获取目标用户的特征信息；根据所述目标用户的特征信息，采用第一分类器确定第一推荐产品，其中，所述第一分类器为以存储的所有多条消费记录为样本训练得出；根据所述目标用户的特征信息，采用第二分类器确定第二推荐产品，其中，所述第二分类器为以存储的消费产品不是第一推荐产品的多条消费记录为样本训练得出；将第一推荐产品和第二推荐产品作为向目标用户推荐的产品。2.如权利要求1所述的方法，其中，所述特征信息包括以下属性中的一个或多个：用户ID，用户性质，用户与销售公司是否同城，是否使用过安全产品，使用过哪些安全产品，DOS攻击次数，CC攻击次数，ARP攻击次数，DNS攻击次数，数据库攻击次数，被植入木马或病毒次数，被域名劫持次数，被篡改次数，权限攻击次数，其他攻击类型次数。3.如权利要求1所述的方法，其中，所述第一分类器和第二分类器为分类树，所述第一分类器和第二分类器按照以下步骤训练：对于每一个节点：将分裂前后GINI指数增量最大的属性作为最佳分裂属性，将分裂后的GINI指数最小的分裂条件作为最佳分裂条件，根据最佳分裂属性和最佳分裂条件对该节点进行分裂，产生两个子节点；当满足设置的终止条件时，停止节点的分裂。4.如权利要求3所述的方法，其中，分裂前的GINI指数按照以下公式计算：其中，D为节点所包括的样本集，k为样本集中所包括的消费产品类别的数量，Pi为消费产品为i的样本数量占D中所包括的所有样本的比例；分裂后的GINI指数按照以下公式计算：其中，A表示分裂属性，j表示分裂条件，D1、D2分别为按照分裂属性A和分裂条件j对节点进行分裂所得的两个子节点所包括的样本集，|D1|、|D2|为样本集D1、D2中所包括的样本的数量；GINI指数增量按照以下公式计算：ΔGINI(A)＝GINI(D)-GINIA(D)其中，A为分裂属性，GINIA(D)为GINIAj(D)中的最小值。5.如权利要求3所述的方法，其中，所述终止条件可以是以下条件中的任意一种：节点中所包括的样本的消费产品类别均相同；树的深度达到了预设的深度阈值；节点中所包括的样本的数量小于预设的第一阈值；节点中所包括的样本数量的平方与分裂后的两个...

【专利技术属性】
技术研发人员：王碰，
申请(专利权)人：北京知道创宇信息技术有限公司，
类型：发明
国别省市：北京,11