一种基于多分类器的推荐方法、装置及电子设备制造方法及图纸

本说明书公开了一种基于多分类器的推荐方法、装置及电子设备。该方法包括：针对接收到的特征数据，从多分类器的k个子分类器中获取目标子分类器，其中，目标子分类器选择多分类器中数据分布与数据特征相似度最大的子分类器，获得主分类器对特征数据进行预测的第一预测数据、目标子分类器对特征数据进行分类的第二预测数据，综合第一预测数据和第二预测数据获得第三预测数据，从而获得更为准确的预测数据，解决了现有技术中数据分类预测准确性较低的技术问题；进一步的，根据第三预测数据对特征数据对应的待推荐实体进行推荐，从而提高了数据推荐的准确性。

Recommendation method, device and electronic equipment based on multiple classifiers

This recommendation discloses a recommendation method, device and electronic equipment based on multiple classifiers. The method includes: for the received feature data, the target sub-classifier is obtained from the K sub-classifiers of the multi-classifier, in which the target sub-classifier selects the sub-classifier with the largest similarity between the data distribution and the data features in the multi-classifier, and obtains the first prediction data and the target of the main classifier to predict the feature data. The sub-classifier classifies the feature data into the second prediction data, synthesizes the first prediction data and the second prediction data to obtain the third prediction data, so as to obtain more accurate prediction data, and solves the technical problem that the accuracy of data classification and prediction is low in the existing technology; furthermore, according to the third prediction data, the sub-classifier pairs the special prediction data to obtain the third prediction data. The recommended entities are recommended by the corresponding data, thus improving the accuracy of data recommendation.

【技术实现步骤摘要】
一种基于多分类器的推荐方法、装置及电子设备
本说明书涉及软件
，特别涉及一种基于多分类器的推荐方法、装置及电子设备。
技术介绍
近年来，随着电子商务、社交网络和移动网络的发展，网络信息数据日益增多，大数据(BigData)作为一张新兴数据概念而被定义。与此同时，数据的爆炸式增长使得我们进入了大规模数据缝隙的时代。在海量数据环境下，为了快速有效、有针对性地提的利用已有信息，分类器在数据推荐方面得到了快速的发展。传统分类方法大多数是假设数据是线性可分，采用一个分类器对所有的数据进行分类预测。随着大数据时代来临，数据分类要求越来越高，单一的、模糊化的数据分类已无法满足现在的需求，亟需一种新的分类推荐方法，来提数据分类预测的准确性。
技术实现思路
本说明书实施例提供一种基于多分类器的推荐方法、装置及电子设备，用于实现对数据的多元化分类预测，提高数据分类预测的准确性。第一方面，本说明书实施例提供一种基于多分类器的推荐方法，包括：根据预设的多分类器的主分类器对接收到的特征数据进行预测，获得第一预测数据；针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，所述目标子分类器的数据分布与所述特征数据之间的相似度最大，k≥2；根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据；根据预设算法对所述第一预测数据和所述第二预测数据进行综合处理，获得第三预测数据；根据所述第三预测数据对所述特征数据对应的待推荐实体进行推荐。可选地，针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，包括：如果所述k个子分类器中每个子分类器均具有数据分布的中心点，查找获取中心点与所述特征数据的数据向量距离最近的子分类器作为所述目标子分类器。可选地，针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，包括：如果所述k个子分类器中每个子分类器均为具有数据分布参数的高斯混合模型，查找获取所述k个子分类器中数据分布参数与所述特征数据的相似度最大的子分类器作为所述目标子分类器。可选地，在根据所述第三预测数据对所述特征数据对应的待推荐实体进行推荐之后，所述方法还包括：检测用户是否选择所述特征数据对应的被推荐实体；根据用户对被推荐实体的选择与否，更新所述特征数据对应的目标子分类器和主分类器的参数。可选地，根据用户对被推荐实体的选择与否，更新所述特征数据对应的目标子分类器和主分类器的参数，包括：如果用户选择了被推荐实体对所述多分类器进行正反馈，如果用户未选择被推荐实体对所述多分类器进行负反馈；根据所述正反馈的或所述负反馈更新所述特征数据对应的目标子分类器和主分类器的参数。可选地，在根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据之后，所述方法还包括：根据所述特征数据的数据向量更新所述目标子分类器的中心点。可选地，根据所述特征数据的数据向量更新所述目标子分类器的中心点，包括：其中，Pt+1表示所述目标子分类器更新后的中心点，Pt表示所述目标子分类器更新前的中心点，xt表示所述数据向量，ni表示更新前被分配到所述目标子分类器的数据数量，ni+1表示所述目标子分类器更新后的数据数量。第二方面，本说明书实施例提供一种基于多分类器的推荐装置，包括：第一分类单元，用于根据预设的多分类器的主分类器对接收到的特征数据进行预测，获得第一预测数据；查找单元，用于针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，所述目标子分类器的数据分布与所述特征数据之间的相似度最大，k≥2；第二分类单元，用于根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据；综合处理单元，用于根据预设算法对所述第一预测数据和所述第二预测数据进行综合处理，获得第三预测数据；推荐单元，用于根据所述第三预测数据对所述特征数据对应的待推荐实体进行推荐。可选地，所述查找单元用于：如果所述k个子分类器中每个子分类器均具有数据分布的中心点，查找获取中心点与所述特征数据的数据向量距离最近的子分类器作为所述目标子分类器。可选地，所述查找单元用于：如果所述k个子分类器中每个子分类器均为具有数据分布参数的高斯混合模型，查找获取所述k个子分类器中数据分布参数与所述特征数据的相似度最大的子分类器作为所述目标子分类器。可选地，所述装置还包括：更新单元，用于在根据所述第三预测数据对所述特征数据对应的待推荐实体进行推荐之后，检测用户是否选择所述特征数据对应的被推荐实体；根据用户对被推荐实体的选择与否，更新所述特征数据对应的目标子分类器和主分类器的参数。可选地，所述更新单元用于：如果用户选择了被推荐实体对所述多分类器进行正反馈，如果用户未选择被推荐实体对所述多分类器进行负反馈；根据所述正反馈的或所述负反馈更新所述特征数据对应的目标子分类器和主分类器的参数。可选地，所述装置还包括：更新单元，用于在根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据之后，根据所述特征数据的数据向量更新所述目标子分类器的中心点。可选地，所述更新单元还用于根据如下公式更新目标子分类器的中心点：其中，Pt+1表示所述目标子分类器更新后的中心点，Pt表示所述目标子分类器更新前的中心点，xt表示所述数据向量，ni表示更新前被分配到所述目标子分类器的数据数量，ni+1表示所述目标子分类器更新后的数据数量。第三方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：根据预设的多分类器的主分类器对接收到的特征数据进行预测，获得第一预测数据；针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，所述目标子分类器的数据分布与所述特征数据之间的相似度最大，k≥2；根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据；根据预设算法对所述第一预测数据和所述第二预测数据进行综合处理，获得第三预测数据；根据所述第三预测数据对所述特征数据对应的待推荐实体进行推荐。第四方面，本说明书实施例提供一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：根据预设的多分类器的主分类器对接收到的特征数据进行预测，获得第一预测数据；针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，所述目标子分类器的数据分布与所述特征数据之间的相似度最大，k≥2；根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据；根据预设算法对所述第一预测数据和所述第二预测数据进行综合处理，获得第三预测数据；根据所述第三预测数据对所述特征数据对应的待推荐实体进行推荐。本说明书实施例中的上述一个或多个技术方案，至少具有如下技术效果：本说明书实施例提供一种基于多分类器的推荐方法，通过采用多分类器的主分类器和目标子分类器来对特征数据进行分类，实现了对数据的多元化分类预测，提高了数据分类预测的准确性；并且，目标子分类器选择多分类器中数据分布与数据特征相似度最大的子分类器，获得主分类器对特征数据进行预测的第一预测数据、目标子分类器对特征数据进行分类的第二预测数据，综合第一预测数据和第二预测本文档来自技高网...

【技术保护点】
1.一种基于多分类器的推荐方法，包括：根据预设的多分类器的主分类器对接收到的特征数据进行预测，获得第一预测数据；针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，所述目标子分类器的数据分布与所述特征数据之间的相似度最大，k≥2；根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据；根据预设算法对所述第一预测数据和所述第二预测数据进行综合处理，获得第三预测数据；根据所述第三预测数据对所述特征数据对应的待推荐实体进行推荐。

【技术特征摘要】
1.一种基于多分类器的推荐方法，包括：根据预设的多分类器的主分类器对接收到的特征数据进行预测，获得第一预测数据；针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，所述目标子分类器的数据分布与所述特征数据之间的相似度最大，k≥2；根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据；根据预设算法对所述第一预测数据和所述第二预测数据进行综合处理，获得第三预测数据；根据所述第三预测数据对所述特征数据对应的待推荐实体进行推荐。2.如权利要求1所述的方法，针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，包括：如果所述k个子分类器中每个子分类器均具有数据分布的中心点，查找获取中心点与所述特征数据的数据向量距离最近的子分类器作为所述目标子分类器。3.如权利要求1所述的方法，针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，包括：如果所述k个子分类器中每个子分类器均为具有数据分布参数的高斯混合模型，查找获取所述k个子分类器中数据分布参数与所述特征数据的相似度最大的子分类器作为所述目标子分类器。4.如权利要求1所述的方法，在根据所述第三预测数据对所述特征数据对应的待推荐实体进行推荐之后，所述方法还包括：检测用户是否选择所述特征数据对应的被推荐实体；根据用户对被推荐实体的选择与否，更新所述特征数据对应的目标子分类器和主分类器的参数。5.如权利要求4所述的方法，根据用户对被推荐实体的选择与否，更新所述特征数据对应的目标子分类器和主分类器的参数，包括：如果用户选择了被推荐实体对所述多分类器进行正反馈，如果用户未选择被推荐实体对所述多分类器进行负反馈；根据所述正反馈的或所述负反馈更新所述特征数据对应的目标子分类器和主分类器的参数。6.如权利要求2所述的方法，在根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据之后，所述方法还包括：根据所述特征数据的数据向量更新所述目标子分类器的中心点。7.如权利要求6所述的方法，根据所述特征数据的数据向量更新所述目标子分类器的中心点，包括：其中，Pt+1表示所述目标子分类器更新后的中心点，Pt表示所述目标子分类器更新前的中心点，xt表示所述数据向量，ni表示更新前被分配到所述目标子分类器的数据数量，ni+1表示所述目标子分类器更新后的数据数量。8.一种基于多分类器的推荐装置，包括：第一分类单元，用于根据预设的多分类器的主分类器对接收到的特征数据进行预测，获得第一预测数据；查找单元，用于针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，所述目标子分类器的数据分布与所述特征数据之间的相似度最大，k≥2；第二分类单元，用于根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据；综合处理单元，用于根据预设算法对所述第一预测数据和所述第二预测数据进行综合处理，获得第三预测数据；推荐单元，用于根据所述第三预测数据对所述特征数据对应的待推荐实体进行...

【专利技术属性】
技术研发人员：杨新星，周俊，李小龙，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY