智能终端、智能家居设备的营销推荐方法及系统技术方案

本发明专利技术涉及一种智能终端、智能家居设备的营销推荐方法及系统。方法包括：根据每台主机所绑定的设备清单，采用聚类算法对所有主机进行分类；统计每类主机下的用户，构成每类主机的用户池；对于某一类主机的用户池，采用时间衰减算法得到该用户池中每个用户的推荐向量；进而采用聚类算法对该用户池中的用户进行分类；统计该用户池中每类用户所在主机绑定的设备清单，构成该用户池中每类用户的设备池；对于每类用户下的某一个用户，将对应设备池中该用户未购买的设备推荐。本发明专利技术通过双聚类将推荐时，使用的数据范围进行缩小，并且兼顾了用户的近期设备的点击操作习惯，使得同类用户的相似度更高，不仅提高了推荐的准确性，而且有效的减少计算量。

【技术实现步骤摘要】
智能终端、智能家居设备的营销推荐方法及系统
本专利技术涉及一种智能终端、智能家居设备的营销推荐方法及系统，属于智能家居

技术介绍
随着大数据时代到来，各行各业数据采集和存储设备不断健全，用户的数据量无论从时间维度还是空间维度都在迅速增加。智能家居行业更是数据产量大户，这些数据可以实现智能家居设备的精准营销，为用户推荐适合用户的可购买的智能家居产品。目前，现有技术中用于营销的算法有以下几种：1.聚类算法。作为无监督学习的聚类算法，主要分为以下几类：基于划分的聚类算法、基于层次的聚类算法以及基于密度的聚类算法等。例如：DBSCAN聚类算法，该算法可以对任意形状的稠密数据集进行聚类，抗异常点干扰能力强；然而当空间聚类的密度不均匀、聚类间距差相差很大时，聚类质量较差，导致推荐结果的准确度下降，用户的体检效果不佳。2.协同过滤算法。协同过滤算法作为推荐系统的流行算法，被广泛应用于各大电商平台。协同过滤算法分为基于用户和基于物品两类，基于物品的协同过滤算法很难提供令用户信服的推荐解释，会使用户体验变差；基于用户的协同过滤算本文档来自技高网...

【技术保护点】
1.一种智能家居设备的营销推荐方法，其特征在于，包括以下步骤：/n根据每台主机所绑定的设备清单，采用聚类算法对所有主机进行分类；/n统计每类主机下的用户，构成每类主机的用户池；/n对于某一类主机的用户池，根据用户近期的设备点击次数，采用时间衰减算法得到该用户池中每个用户的推荐向量；/n根据该用户池中每个用户的推荐向量，采用聚类算法对该用户池中的用户进行分类；/n统计该用户池中每类用户所在主机绑定的设备清单，构成该用户池中每类用户的设备池；/n对于该用户池中每类用户下的某一个用户，将对应设备池中该用户未购买的设备生成推荐清单推荐给该用户。/n

【技术特征摘要】
1.一种智能家居设备的营销推荐方法，其特征在于，包括以下步骤：
根据每台主机所绑定的设备清单，采用聚类算法对所有主机进行分类；
统计每类主机下的用户，构成每类主机的用户池；
对于某一类主机的用户池，根据用户近期的设备点击次数，采用时间衰减算法得到该用户池中每个用户的推荐向量；
根据该用户池中每个用户的推荐向量，采用聚类算法对该用户池中的用户进行分类；
统计该用户池中每类用户所在主机绑定的设备清单，构成该用户池中每类用户的设备池；
对于该用户池中每类用户下的某一个用户，将对应设备池中该用户未购买的设备生成推荐清单推荐给该用户。


2.根据权利要求1所述的智能家居设备的营销推荐方法，其特征在于，所述时间衰减算法为：



其中，Y为用户的推荐向量，G为时间衰减系数，x1,x2,...,xT为距推荐日1天、2天、……、T天，用户每日的各设备点击次数向量，X为用户在T日内各设备的累计点击天数向量，α为调控X比重的权重系数。


3.根据权利要求1或2所述的智能家居设备的营销推荐方法，其特征在于，所述推荐清单为：设备池中点击频次高但用...

【专利技术属性】
技术研发人员：叶龙，马涛，姜红梅，田涵朴，刘田园，孙学宾，
申请(专利权)人：河南紫联物联网技术有限公司，
类型：发明
国别省市：河南;41