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, ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。