一种商户推荐方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种商户推荐方法、装置、电子设备及存储介质，根据历史行为数据建立用户商户评分矩阵和用户商户购买次数矩阵，进而确定出目标用户与其他各个用户的评分相似度和购买次数相似度。并且根据各个用户的人员属性信息确定目标用户与其他各个用户的属性相似度。根据评分相似度、购买次数相似度和属性相似度，确定目标用户与其他各个用户的目标相似度，最后根据目标相似度确定购买行为匹配的候选用户，并根据目标用户和候选用户的历史行为数据，实现对目标用户的商户推荐。本申请结合了用户的评分特征、购买特征和人员属性特征确定购买行为匹配的候选用户，提高了确定相似用户的准确性，进而提高了商户推荐的准确性。进而提高了商户推荐的准确性。进而提高了商户推荐的准确性。

【技术实现步骤摘要】
一种商户推荐方法、装置、电子设备及存储介质


[0001]本申请涉及计算机数据处理
，尤其涉及一种商户推荐方法、装置、电子设备及存储介质。

技术介绍

[0002]互联网技术的蓬勃发展，促进了用户消费习惯的改变。人们更倾向于从网络上浏览、购买商品。因此，各大平台也掌握了数十亿级别的用户信息和商户信息等。推荐系统能够利用这些信息，帮助用户在数量庞大的商户中快速、高效地找到感兴趣的商户。这不但增强了用户购物体验，而且通过发现潜在购买者，有针对性地推荐商户，使销售利润最大化，达到了双赢的效果。
[0003]现有技术的商户推荐方法，大多基于用户对商户的评分值进行推荐。也就是对于目标用户，统计目标用户对各个商户的评分值，并且统计其他用户对各个商户的评分值，根据对各个商户的评分值确定与目标用户相似的各个用户，然后根据相似的各个用户的购物习惯，为目标用户推荐商户。现有技术存在的问题是，仅根据对各个商户的评分值确定相似用户的方式，提取到的用户特征较少，使得确定的相似用户准确性较差，进而商户推荐的准确性较差。

技术实现思路

[0004]本申请提供了一种商户推荐方法、装置、电子设备及存储介质，用以解决现有技术确定相似用户的准确性较差，进而商户推荐的准确性较差的问题。
[0005]第一方面，本申请提供了一种商户推荐方法，所述方法包括：
[0006]获取各个用户的历史行为数据和所述各个用户的人员属性信息，并根据所述历史行为数据建立用户商户评分矩阵和用户商户购买次数矩阵；
[0007]根据所述用户商户评分矩阵，确定目标用户与其他各个用户的评分相似度；根据所述用户商户购买次数矩阵，确定所述目标用户与所述其他各个用户的购买次数相似度；根据所述各个用户的人员属性信息，确定所述目标用户与所述其他各个用户的属性相似度；根据所述评分相似度、购买次数相似度和属性相似度，确定所述目标用户与所述其他各个用户的目标相似度；
[0008]根据所述目标相似度，确定与所述目标用户购买行为匹配的候选用户；根据所述目标用户和所述候选用户的历史行为数据，确定所述目标用户的推荐商户。
[0009]第二方面，本申请提供了一种商户推荐装置，所述装置包括：
[0010]矩阵建立模块，用于获取各个用户的历史行为数据和所述各个用户的人员属性信息，并根据所述历史行为数据建立用户商户评分矩阵和用户商户购买次数矩阵；
[0011]相似度确定模块，用于根据所述用户商户评分矩阵，确定目标用户与其他各个用户的评分相似度；根据所述用户商户购买次数矩阵，确定所述目标用户与所述其他各个用户的购买次数相似度；根据所述各个用户的人员属性信息，确定所述目标用户与所述其他
各个用户的属性相似度；根据所述评分相似度、购买次数相似度和属性相似度，确定所述目标用户与所述其他各个用户的目标相似度；
[0012]商户推荐模块，用于根据所述目标相似度，确定与所述目标用户购买行为匹配的候选用户；根据所述目标用户和所述候选用户的历史行为数据，确定所述目标用户的推荐商户。
[0013]第三方面，本申请提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0014]存储器，用于存放计算机程序；
[0015]处理器，用于执行存储器上所存放的程序时，实现所述的方法步骤。
[0016]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现所述的方法步骤。
[0017]本申请提供了一种商户推荐方法、装置、电子设备及存储介质，所述方法包括：获取各个用户的历史行为数据和所述各个用户的人员属性信息，并根据所述历史行为数据建立用户商户评分矩阵和用户商户购买次数矩阵；根据所述用户商户评分矩阵，确定目标用户与其他各个用户的评分相似度；根据所述用户商户购买次数矩阵，确定所述目标用户与所述其他各个用户的购买次数相似度；根据所述各个用户的人员属性信息，确定所述目标用户与所述其他各个用户的属性相似度；根据所述评分相似度、购买次数相似度和属性相似度，确定所述目标用户与所述其他各个用户的目标相似度；根据所述目标相似度，确定与所述目标用户购买行为匹配的候选用户；根据所述目标用户和所述候选用户的历史行为数据，确定所述目标用户的推荐商户。
[0018]上述的技术方案具有如下优点或有益效果：
[0019]本申请中，根据历史行为数据建立用户商户评分矩阵和用户商户购买次数矩阵，进而确定出目标用户与其他各个用户的评分相似度和购买次数相似度。并且根据各个用户的人员属性信息确定目标用户与其他各个用户的属性相似度。根据评分相似度、购买次数相似度和属性相似度，确定目标用户与其他各个用户的目标相似度，最后根据目标相似度确定购买行为匹配的候选用户，并根据目标用户和候选用户的历史行为数据，实现对目标用户的商户推荐。本申请结合了用户的评分特征、购买特征和人员属性特征确定购买行为匹配的候选用户，提高了确定相似用户的准确性，进而提高了商户推荐的准确性。
附图说明
[0020]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，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。
[0021]图1为本申请提供的商户推荐过程示意图；
[0022]图2为本申请提供的商户推荐框架图；
[0023]图3为本申请提供的时间权重函数的变化趋势示意图；
[0024]图4为本申请提供的商户推荐装置结构示意图；
[0025]图5为本申请提供的电子设备结构示意图。
具体实施方式
[0026]为使本申请的目的和实施方式更加清楚，下面将结合本申请示例性实施例中的附图，对本申请示例性实施方式进行清楚、完整地描述，显然，描述的示例性实施例仅是本申请一部分实施例，而不是全部的实施例。
[0027]需要说明的是，本申请中对于术语的简要说明，仅是为了方便理解接下来描述的实施方式，而不是意图限定本申请的实施方式。除非另有说明，这些术语应当按照其普通和通常的含义理解。
[0028]本申请中说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似或同类的对象或实体，而不必然意味着限定特定的顺序或先后次序，除非另外注明。应该理解这样使用的用语在适当情况下可以互换。
[0029]术语“包括”和“具有”以及他们的任何变形，意图在于覆盖但不排他的包含，例如，包含了一系列组件的产品或设备不必限于清楚地列出的所有组件，而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。
[0030]术语“模块”是指任何已知或后来开发的硬件、软件、固件、人工智能、模糊逻辑或硬件或/和软件代码的组合，能够执行与该元件相关的功能。
[0031]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商户推荐方法，其特征在于，所述方法包括：获取各个用户的历史行为数据和所述各个用户的人员属性信息，并根据所述历史行为数据建立用户商户评分矩阵和用户商户购买次数矩阵；根据所述用户商户评分矩阵，确定目标用户与其他各个用户的评分相似度；根据所述用户商户购买次数矩阵，确定所述目标用户与所述其他各个用户的购买次数相似度；根据所述各个用户的人员属性信息，确定所述目标用户与所述其他各个用户的属性相似度；根据所述评分相似度、购买次数相似度和属性相似度，确定所述目标用户与所述其他各个用户的目标相似度；根据所述目标相似度，确定与所述目标用户购买行为匹配的候选用户；根据所述目标用户和所述候选用户的历史行为数据，确定所述目标用户的推荐商户。2.如权利要求1所述的方法，其特征在于，根据所述历史行为数据建立用户商户评分矩阵包括：根据所述历史行为数据建立用户商户的初始评分矩阵；创建第一子评分矩阵和第二子评分矩阵，计算所述第一子评分矩阵和第二子评分矩阵的乘积，得到第一初始预测矩阵；根据所述初始评分矩阵和所述第一初始预测矩阵，确定评分矩阵损失值，根据所述评分矩阵损失值对所述第一子评分矩阵和第二子评分矩阵进行调整；当达到预设的第一迭代次数时，得到调整后的第三子评分矩阵和第四子评分矩阵；根据所述第三子评分矩阵和第四子评分矩阵，确定所述初始评分矩阵中空缺位置对应的元素值，将所述元素值填充至所述初始评分矩阵中的所述空缺位置，得到用户商户评分矩阵。3.如权利要求1或2所述的方法，其特征在于，根据所述用户商户评分矩阵，确定目标用户与其他各个用户的评分相似度包括：针对各个商户，根据所述用户商户评分矩阵，确定所述各个用户对该商户的评分；根据所述各个用户对该商户的评分，确定该商户的评分标准差；根据该商户的评分标准差确定该商户的评分补偿系数；根据所述用户商户评分矩阵和所述各个商户的评分补偿系数，确定目标用户与其他各个用户的评分相似度。4.如权利要求1所述的方法，其特征在于，根据所述历史行为数据建立用户商户购买次数矩阵包括：根据所述历史行为数据建立用户商户的初始购买次数矩阵；根据用户在商户上每次购买商品的时间与当前时间的时间差，确定每次购买商品的时间权重系数；根据所述用户在商户上购买商品的次数和所述每次购买商品的时间权重系数，确定所述用户的目标购买次数；根据所述用户的目标购买次数对所述初始购买次数矩阵中的对应的购买次数进行更新，根据更新后的矩阵确定用户商户购买次数矩阵。5.如权利要求4所述的方法，其特征在于，所述根据更新后的矩阵确定用户商户购买次数矩阵包括：将根据所述用户的目标购买次数对所述初始购买次数矩阵中的对应的购买次数进行更新，得到的矩阵作为用户商户的候选购买次数矩阵；
创建第一子购买次数矩阵和第二子购买次数矩阵，计算所述第一子购买次数矩阵和第二子购买次数矩阵的乘积，得到第二初始预测矩阵；根据所述候选购买次数矩阵和第二初始预测矩阵，确定购买次数矩阵损失值，根据所述购买次数矩阵损失值对所述第一子购买次数矩阵和第二子购买次数矩阵进行调整；当达到预设的第二迭代次数时，得到调整后的第三子购买次数矩阵和第四子购买次数矩阵；根据所述第三子购买次数矩阵和第四子购买次数矩阵，确定所述候选购买次数矩阵中空缺位置对应的元素值，将所述元素值填充至所述候选购买次数矩阵中的所述空缺位置，得到用户商户购买次数矩阵。6.如权利要求1或4或5所述的方法，其特征在于，根据所述用户商户购买次数矩阵，确定目标用户与其他各个用户的购买次数相似度包括：针对各个商户，根据所述用户商户购买次数矩阵，确定所述各个用户对该商户的购买次数；根据所述各个用户对该商户的购买次数，确定该商户的购买次数标准差；根据该商户的购买次数标准差确定该商户的购买次数补偿系数；根据所述用户商户购买次数矩阵和所述各个商户的购买次数补偿系数，确定目标用户与其他各个用户的购买次数相似度。7.如权利要求1所述的方法，其特征在于，根据所述各个用户的人员属性信息，确定所述目标用户与所述其他各个用户的属性相似度包括：根据所述各个用户的人员属性信息，确定所述目标用户与所述其他各个用户的年龄相似度、性别相似度和职业相似度；根据所述目标用户与所述其他各个用户的年龄相似度、性别相似度和职业相似度，确定所述目标用户与所述其他各个用户的属性相似度。8.如权利要求1所述的方法，其特征在于，根据所述目标相似度，确定与所述目标用户购买行为匹配的候选用户包括：按照所述目标相似度由高到低的顺序，选取预设数量的目标相似度对应的用户作为与所述目标用户购买行为匹配的候选用户。9.如权利要求1所述的方法，其特征在于，根据所述目标用户和所述候选用户的历史行为数据，确定所述目标用户的推荐商户包括：针对每个商户，根据所述目标用户和所述候选用户的目标相似度、所述候选用户对所述商户的评分，确定所述商户的预测评价评分；根据所述目标用户和所述候选用户的目标相似度、所述候选用户对所述商户的购买次数，确定所述商户的预测购买评分；根据所述预测评价评分和所述预测购买评分，确定所述商户的目标预测评分；根据所述每个商户的目标预测评分，确定所述目标用户的推荐商户。10.一种商户推荐装置，其特征在于，所述装置包括：矩阵建立模块，用于获取各个用户的历史行为数据和所述各个用户的人员属性信息，并根据所...

【专利技术属性】
技术研发人员：丁鑫，许先文，周泊仰，陆东东，董彪，施佳佳，
申请(专利权)人：中国银联股份有限公司，
类型：发明
国别省市：