基于用户群分类的产品推荐方法技术

本发明专利技术涉及数据分析技术领域，公开了基于用户群分类的产品推荐方法

【技术实现步骤摘要】
基于用户群分类的产品推荐方法、系统、设备及介质


[0001]本专利技术涉及数据分析
，特别是涉及基于用户群分类的产品推荐方法
、
系统
、
设备及介质
。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术
。
[0003]随着技术的发展，在给不同用户群体推荐一些事物之前，例如在给不同用户推荐工作
、
电影
、
音乐
、
文章
、
理财产品等事物之前，通过了解每个用户的属性，有针对性地为不同用户推荐符合其个体属性特质的事物
。
[0004]为了了解每个用户的属性特质，可通过调查问卷填写的形式，对每个用户进行调研，用户对调查问卷的问题一一进行回答，相关人员将填写完毕的调查问卷进行回收，然后基于问卷问题的答案，对用户进行分类，属于同一分类类别的用户，具有相似的属性特质
。
进而，后续有针对性地为不同用户推荐符合其个体属性特质的事物
。
[0005]在实现本公开的过程中，专利技术人发现至少存在以下问题：现有技术中用户填写的问卷答案可能不是用户真实想法，也可能因为用户的疏忽存在漏写和错写的情形，也有一些用户对调查问卷的问题不愿意配合一一回答，导致问卷不能准确划分用户的类型，进而相应产品的广告会没有针对性的发放，对产品不感兴趣的用户来说，无效广告信息会造成干扰，降低用户对产品的体验度
。
对产品感兴趣的用户来说，由于广告分类不够精准，导致用户自己需要对所有的产品再次进行梳理和挑选，需要大的精力和专业的识别能力；导致服务平台为客户提供的产品与客户需求匹配度降低的情况发生
。

技术实现思路

[0006]为了解决现有技术的不足，本专利技术提供了基于用户群分类的产品推荐方法
、
系统
、
设备及介质，可以有效处理混合信息，提高用户分类精度
。
[0007]一方面，提供了基于用户群分类的产品推荐方法；基于用户群分类的产品推荐方法，应用于服务器，所述方法包括：响应于终端发送的用户群分类请求，通过向投资交易平台发送数据获取请求，从所述投资交易平台中获取目标用户群的混合信息数据；根据目标用户群的混合信息数据，确定目标用户群的聚类标签，所述聚类标签包括：保守型
、
稳健型和积极型；根据目标用户群的聚类标签类型，向用户移动终端发送推荐的产品；其中，根据目标用户群的混合信息数据，确定目标用户群的聚类标签，具体包括：对目标用户群的混合信息数据进行预处理；对预处理后的混合信息数据进行粒化处理，生成第一粒向量集；通过第一粒向量集，构造粒聚类中心和粒隶属度矩阵的更新公式；对粒聚类中心和粒隶属度矩阵的更新公式，采用模糊
C
均值聚类算法，得到粒聚类中心和粒隶属度
矩阵；在粒聚类中心上粒化所述粒隶属度矩阵，生成第二粒向量集；通过第二粒向量集，构建粒邻接矩阵；对粒邻接矩阵进行谱聚类，得到最终的聚类标签
。
[0008]另一方面，提供了基于用户群分类的产品推荐系统；基于用户群分类的产品推荐系统，应用于服务器，所述系统包括：发送模块，其被配置为：响应于终端发送的用户群分类请求，通过向投资交易平台发送数据获取请求，从所述投资交易平台中获取目标用户群的混合信息数据；分类模块，其被配置为：根据目标用户群的混合信息数据，确定目标用户群的聚类标签，所述聚类标签包括：保守型
、
稳健型和积极型；推荐模块，其被配置为：根据目标用户群的聚类标签类型，向用户移动终端发送推荐的产品；其中，根据目标用户群的混合信息数据，确定目标用户群的聚类标签，具体包括：对目标用户群的混合信息数据进行预处理；对预处理后的混合信息数据进行粒化处理，生成第一粒向量集；通过第一粒向量集，构造粒聚类中心和粒隶属度矩阵的更新公式；对粒聚类中心和粒隶属度矩阵的更新公式，采用模糊
C
均值聚类算法，得到粒聚类中心和粒隶属度矩阵；在粒聚类中心上粒化所述粒隶属度矩阵，生成第二粒向量集；通过第二粒向量集，构建粒邻接矩阵；对粒邻接矩阵进行谱聚类，得到最终的聚类标签
。
[0009]再一方面，还提供了一种电子设备，包括：存储器，用于非暂时性存储计算机可读指令；以及处理器，用于运行所述计算机可读指令，其中，所述计算机可读指令被所述处理器运行时，执行上述第一方面所述的方法
。
[0010]再一方面，还提供了一种存储介质，非暂时性存储计算机可读指令，其中，当非暂时性计算机可读指令由计算机执行时，执行第一方面所述方法的指令
。
[0011]再一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现上述第一方面所述的方法
。
[0012]上述技术方案中的一个技术方案具有如下优点或有益效果：通过本公开实施例提供的方法，即使在用户拒绝填写调查问卷的情况下，仍能够通过获取目标用户群的行为数据确定目标用户对应的用户群聚类标签，进而实现产品的精准推荐，和产品广告的精准投放
。
附图说明
[0013]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定
。
[0014]图1是本专利技术一种基于粒计算的混合信息聚类方法的结构示意图；图2是本专利技术实施例一提供的系统框架示意图
。
具体实施方式
[0015]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明
。
除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义
。
[0016]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合
。
[0017]本实施例所有数据的获取都在符合法律法规和用户同意的基础上，对数据的合法应用
。
[0018]随着社会经济的高速发展，经济水平不断提高，全民理财意识提升，虽然众多投资平台相继涌现，但却很少有为每一位注册的用户量身定制理财方案的服务，这项技术背后需要对投资意向人群有精准的分析与归类，因此，找到一种更为高效的聚类方法成为了当务之急
。
[0019]目前，较为有效的针对混合数据的聚类算法有
K
均值聚类
、
模糊
C
均值聚类
、
高斯混合模型
、
基于密度的聚类算法和谱聚类，但上述聚类方法无法解决混合数据的数据异构性
、
纬度不同
、
数据空间尺度不同等难题
。
现有技术有人结合粒计算理论提出了一种样本粒化方法，提高了
K
均值聚类的收敛速度以及聚类效果，然而，上述聚类方法仅适用于数值型样本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于用户群分类的产品推荐方法，其特征是，应用于服务器，所述方法包括：响应于终端发送的用户群分类请求，通过向投资交易平台发送数据获取请求，从所述投资交易平台中获取目标用户群的混合信息数据；根据目标用户群的混合信息数据，确定目标用户群的聚类标签，所述聚类标签包括：保守型
、
稳健型和积极型；根据目标用户群的聚类标签类型，向用户移动终端发送推荐的产品；其中，根据目标用户群的混合信息数据，确定目标用户群的聚类标签，具体包括：对目标用户群的混合信息数据进行预处理；对预处理后的混合信息数据进行粒化处理，生成第一粒向量集；通过第一粒向量集，构造粒聚类中心和粒隶属度矩阵的更新公式；对粒聚类中心和粒隶属度矩阵的更新公式，采用模糊
C
均值聚类算法，得到粒聚类中心和粒隶属度矩阵；在粒聚类中心上粒化所述粒隶属度矩阵，生成第二粒向量集；通过第二粒向量集，构建粒邻接矩阵；对粒邻接矩阵进行谱聚类，得到最终的聚类标签
。2.
如权利要求1所述的基于用户群分类的产品推荐方法，其特征是，对目标用户群的混合信息数据进行预处理，包括：获取投资平台目标用户群的混合信息数据，所述混合信息数据，包括：性别
、
城市
、
职业
、
月平均收入
、
月平均消费额
、
年收入预计增长率
、
存款额
、
投资金额和每月应还贷款；对所述混合信息数据进行数据转换，转换为数值型数据；对数据转换后的数据进行归一化处理
。3.
如权利要求1所述的基于用户群分类的产品推荐方法，其特征是，对预处理后的混合信息数据进行粒化处理，生成第一粒向量集，具体包括：2‑1：任意两位用户的混合数据和在单特征上的相似度用表示，公式为：，其中，表示一位用户的混合数据，表示一个单特征，表示一位用户的混合数据在单特征上的值；2‑2：任意一位用户的混合数据在单特征上进行粒化形成的粒子为：，其中，表示任意两位用户的混合数据和在单特征上的距离；2‑3：任意一位用户的混合数据在特征集合上进行粒化形成的粒向量为：，其中，表示任意一位用户的混合数据在单特征上的粒子，为方便计，特征集合用整数标记为，粒向量表示为：
；2‑4：预处理后的全部用户的混合数据集在特征集合上进行粒化形成粒向量集为：，其中，表示任意一位用户的混合数据在特征集合上的粒向量
。4.
如权利要求3所述的基于用户群分类的产品推荐方法，其特征是，通过第一粒向量集，构造粒聚类中心和粒隶属度矩阵的更新公式，具体包括：3‑1：任意两位用户的混合数据和在单特征上的粒子和的加减运算公式为：，其中，和分别表示所述预处理后的全部用户的混合数据集中第位和第位用户的混合数据，它们在单特征上的粒子分别用和表示；距离公式为：，其中，和分别表示所述预处理后的全部用户的混合数据集中第位和第位用户的混合数据，它们在单特征上的粒子分别用和表示，并且这两个粒子间的距离用表示；3‑2：任意两个粒向量为和的距离公式为：，其中，和分别表示所述预处理后的全部用户的混合数据集中第位和第位用户的混合数据，它们在单特征上的粒子分别用和表示，在特征集合上进行粒化形成的粒向量分别用和表示，并且表示两个粒子和间的距离，表示两个粒向量和间的距离；3‑3：初始化粒隶属度矩阵：，其中，表示粒向量隶属于粒聚类中心的初始化粒隶属度，为粒模糊均
值聚类时输入的聚类数目；3‑4：构造粒聚类中心
=
，其更新公式为：，，其中，表示第次更新后的粒聚类中心，表示第次更新后的粒向量隶属于粒聚类中心的粒隶属度，为粒模糊均值聚类时输入的模糊指数，；3‑5：构造粒隶属度矩阵的更新公式为：，，其中，表示粒向量隶属于粒聚类中心的粒隶属度，表示粒向量和粒聚类中心间的距离
。5.
如权利要求4所述的基于用户群分类的产品推荐方法，其特征是，对粒聚类中心和粒隶...

【专利技术属性】
技术研发人员：王光臣，宋海瑢，张盼盼，郭忠斌，姜斐，赵祥蓉，栾茜庆，陈云泽，高梦雪，宗迷，陈静，
申请(专利权)人：山东大学，
类型：发明
国别省市：