无监督物联网产品的推荐方法、系统、装置和存储介质制造方法及图纸

本发明专利技术公开了一种无监督物联网产品的推荐方法、系统、装置和存储介质，可广泛应用于物联网技术领域。本发明专利技术所采用的编码器位于神经网络模型中，并且依次与神经网络模型中的由无偏置的全连接层组成的线性表示结构和解码器连接，同时全连接层采用对角元素为零的第一矩阵对编码器的输出进行运算，以结合解码器调节编码器的工作参数，使得编码器在对客户特征矩阵进行降维时，可以将客户特征矩阵映射到一个低维的线性可分的空间中，以提高特征向量的聚类结果的准确度，从而可以向客户推荐更加准确的产品。的产品。的产品。

【技术实现步骤摘要】
无监督物联网产品的推荐方法、系统、装置和存储介质


[0001]本专利技术涉及物联网
，尤其是一种无监督物联网产品的推荐方法、系统、装置和存储介质。

技术介绍

[0002]目前，一般使用的物联网客户的产品推荐系统主要流程是构建客户特征矩阵构建，使用降维方式中的线性降维PCA来提取前k个主成分，再使用迭代求解的聚类方式中的K
‑
Means算法对主成分进行聚类，以此来对客户进行无监督的分类，对类内的客户进行产品互荐。这种产品推荐方式，由于PCA降维算法是使用线性运算进行降维的，而客户特征矩阵对应的数据具有复杂性高和高度稀疏等特点，线性运算的降维不一定能将客户特征矩阵映射到一个线性可分的空间中，从而可能导致无法向客户推荐切合实际的产品。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种无监督物联网产品的推荐方法、系统、装置和存储介质，能够向客户推荐更加准确的产品。
[0004]一方面，本专利技术实施例提供了一种无监督物联网产品的推荐方法，包括以下步骤：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无监督物联网产品的推荐方法，其特征在于，包括以下步骤：获取多个物联网平台上的客户特征数据；根据所述客户特征数据构建客户特征矩阵；将所述客户特征矩阵输入编码器进行降维，得到降维后的特征向量；对所述特征向量进行聚类，根据聚类结果向客户进行产品推荐；其中，神经网络模型包括所述编码器、线性表示结构和解码器；所述线性表示结构包括无偏置的全连接层，所述全连接层采用第一矩阵对所述编码器的输出进行运算，所述第一矩阵的对角元素为零；在所述编码器对所述客户特征矩阵进行降维之前，通过所述线性表示结构和所述解码器的训练数据调节所述编码器的工作参数。2.根据权利要求1所述的一种无监督物联网产品的推荐方法，其特征在于，所述根据所述客户特征数据构建客户特征矩阵，包括：确定所述客户特征数据为离散型数据，通过one
‑
hot编码方式对所述客户特征数据进行编码，得到第一编码信息；确定所述客户特征数据为连续型数据，通过分段编码方式对所述客户特征数据进行编码，得到第二编码信息；根据所述第一编码信息或所述第二编码信息中的其中至少一个编码构建客户特征矩阵。3.根据权利要求1所述的一种无监督物联网产品的推荐方法，其特征在于，在所述通过所述线性表示结构和所述解码器的训练数据调节所述编码器的工作参数时，所述神经网络模型的损失函数包括：diag(M
s
)＝0其中，X表示训练过程中，所述编码器的输入信息；f(X)表示训练过程中，所述编码器的输出信息；用于限制所述编码器的输入和输出存在联系；V
Enconder
表示所述线性表示结构的输入信息；V
Encoder
M
s
表示线性表示结构的输出信息；M
s
表示所述第一矩阵；diag(M
s
)＝0表示所述第一矩阵的对角元素为零；diag(M
s
)＝0用于表示所述编码器的输出信息中包含其他分量线性表示。4.根据权利要求3所述的一种无监...

【专利技术属性】
技术研发人员：程钰俊，林克，曾祥宇，杨剑，梁佳，贾清超，董晓冬，邢肖宁，李宇仪，
申请(专利权)人：天翼物联科技有限公司，
类型：发明
国别省市：