一种协同过滤产品推荐方法和系统、电子设备、存储介质技术方案

本发明专利技术提供一种协同过滤产品推荐方法和系统、电子设备、存储介质，该方法包括：获取客户信息，客户信息包括：基础信息和交易信息；对客户信息进行处理，以使客户信息中的连续型变量转化为分类型变量；对处理后的客户信息进行相似度计算；根据各个客户的相似度，确定对各个客户需要进行推荐的产品；连续型变量转化为分类型变量；有效提升了精度，避免无法处理连续型变量等原因未加入客户的基础信息及部分交易信息，导致结果精度不高的问题。导致结果精度不高的问题。导致结果精度不高的问题。

【技术实现步骤摘要】
一种协同过滤产品推荐方法和系统、电子设备、存储介质


[0001]本专利技术属于产品推荐
，更具体的说，尤其涉及一种协同过滤产品推荐方法和系统、电子设备、存储介质。

技术介绍

[0002]协同过滤算法是一种较为著名和常用的推荐算法，它基于对用户历史行为数据的挖掘发现用户的喜好偏向，并预测用户可能喜好的产品进行推荐。也就是常见的“猜你喜欢”，和“购买了该商品的人也喜欢”等功能。
[0003]当前采用的方案通常是对数据进行处理过后，只将交易信息录入，然后对所有客户两两计算余弦相似度，划定阈值确定相似客户，最后根据彼此没有的产品去推荐给对方产品。
[0004]但是，现有协同过滤算法实现方法因无法处理连续型变量等原因未加入客户的基础信息及部分交易信息，导致结果精度不高。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种协同过滤产品推荐方法和系统、电子设备、存储介质，用于有效提升了精度，避免无法处理连续型变量等原因未加入客户的基础信息及部分交易信息，导致结果精度不高的问题。
[0006]本申请第一方面公开了一种协同过滤产品推荐方法，包括：
[0007]获取客户信息，所述客户信息包括：基础信息和交易信息；
[0008]对所述客户信息进行处理，以使所述客户信息中的连续型变量转化为分类型变量；
[0009]对处理后的客户信息进行相似度计算；
[0010]根据各个客户的相似度，确定对各个客户需要进行推荐的产品。
[0011]可选的，在上述协同过滤产品推荐方法中，进行分类型变量后的客户信息为一个客户一个特征一条记录的形式的信息。
[0012]可选的，在上述协同过滤产品推荐方法中，所述对处理后的客户信息进行相似度计算，包括：
[0013]根据处理后的客户信息，确定纳入计算的客户相同特征数阈值；
[0014]对满足客户相同特征数阈值的客户两两计算余弦相似度。
[0015]可选的，在上述协同过滤产品推荐方法中，所述根据各个客户的相似度，确定对各个客户需要进行推荐的产品，包括：
[0016]根据相似度阈值确定相似客户；
[0017]依据相似客户，生成彼此区别特征；
[0018]剔除相似客户之间的区别特征中的基本信息，留下所需推荐的产品。
[0019]可选的，在上述协同过滤产品推荐方法中，所述区别特征为所述相似客户彼此没
有的特征。
[0020]本申请第二方面公开了一种协同过滤产品推荐系统，包括：
[0021]获取模块，用于获取客户信息，所述客户信息包括：基础信息和交易信息；
[0022]转化模块，用于对客户信息进行处理，以使所述客户信息中的连续型变量转化为分类型变量；
[0023]推荐模块，用于对处理后的客户信息进行相似度计算；根据各个客户的相似度，确定对各个客户需要进行推荐的产品。
[0024]可选的，在上述协同过滤产品推荐系统中，所述推荐模块用于对处理后的客户信息进行相似度计算时，具体用于：
[0025]根据处理后的客户信息，确定纳入计算的客户相同特征数阈值；
[0026]对满足客户相同特征数阈值的客户两两计算余弦相似度。
[0027]可选的，在上述协同过滤产品推荐系统中，所述推荐模块用于根据各个客户的相似度，确定对各个客户需要进行推荐的产品时，具体用于：
[0028]根据相似度阈值确定相似客户；
[0029]依据相似客户，生成彼此区别特征；
[0030]剔除相似客户之间的区别特征中的基本信息，留下所需推荐的产品。
[0031]本申请第三方面公开了一种电子设备，包括：
[0032]一个或多个处理器；
[0033]存储装置，其上存储有一个或多个程序；
[0034]当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如本申请第一方面中任一项所述的协同过滤产品推荐方法。
[0035]本申请第四方面公开了一种存储介质，其上存储有计算机程序，其中，计算机程序被处理器执行时实现如本申请第一方面中任一项所述的协同过滤产品推荐方法。
[0036]从上述技术方案可知，本专利技术提供的一种协同过滤产品推荐方法，包括：获取客户信息，客户信息包括：基础信息和交易信息；对客户信息进行处理，以使客户信息中的连续型变量转化为分类型变量；对处理后的客户信息进行相似度计算；根据各个客户的相似度，确定对各个客户需要进行推荐的产品；连续型变量转化为分类型变量；有效提升了精度，避免无法处理连续型变量等原因未加入客户的基础信息及部分交易信息，导致结果精度不高的问题。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]图1是本专利技术实施例提供的一种协同过滤产品推荐方法的流程图；
[0039]图2是本专利技术实施例提供的另一种协同过滤产品推荐方法的流程图；
[0040]图3是本专利技术实施例提供的另一种协同过滤产品推荐方法的流程图；
[0041]图4是本专利技术实施例提供的一种协同过滤产品推荐系统的示意图；
[0042]图5是本专利技术实施例提供的一种电子设备的示意图。
具体实施方式
[0043]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0044]在本申请中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0045]本申请实施例提供了一种协同过滤产品推荐方法，用于解决现有技术中，协同过滤算法实现方法因无法处理连续型变量等原因未加入客户的基础信息及部分交易信息，导致结果精度不高的问题。
[0046]参见图1，该协同过滤产品推荐方，包括：
[0047]S101、获取客户信息。
[0048]该客户信息包括：基础信息和交易信息。
[0049]具体的，该基本信息可以为姓名、身份证等信息，当然也还可以包括其他信息，此处不再一一赘述，视实际情况而定即可，均在本申请的保护范围内。
[0050]该交易信息可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种协同过滤产品推荐方法，其特征在于，包括：获取客户信息，所述客户信息包括：基础信息和交易信息；对所述客户信息进行处理，以使所述客户信息中的连续型变量转化为分类型变量；对处理后的客户信息进行相似度计算；根据各个客户的相似度，确定对各个客户需要进行推荐的产品。2.根据权利要求1所述的协同过滤产品推荐方法，其特征在于，进行分类型变量后的客户信息为一个客户一个特征一条记录的形式的信息。3.根据权利要求1所述的协同过滤产品推荐方法，其特征在于，所述对处理后的客户信息进行相似度计算，包括：根据处理后的客户信息，确定纳入计算的客户相同特征数阈值；对满足客户相同特征数阈值的客户两两计算余弦相似度。4.根据权利要求1所述的协同过滤产品推荐方法，其特征在于，所述根据各个客户的相似度，确定对各个客户需要进行推荐的产品，包括：根据相似度阈值确定相似客户；依据相似客户，生成彼此区别特征；剔除相似客户之间的区别特征中的基本信息，留下所需推荐的产品。5.根据权利要求4所述的协同过滤产品推荐方法，其特征在于，所述区别特征为所述相似客户彼此没有的特征。6.一种协同过滤产品推荐系统，其特征在于，包括：获取模块，用于获取客户信息，所述客户信息包括：基础信息和交易信息；转化模块，用于对客户信息进...

【专利技术属性】
技术研发人员：毕浩臻，
申请(专利权)人：中银金融科技有限公司，
类型：发明
国别省市：