[發明專利]一種電商平臺的推薦方法及系統

有效

• 申請號: 201910973429.1
• 申請日: 2019-10-14
• 公開（公告）號: CN110956528B
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 楊森彬;張小波
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 楊曉松

1.一種電商平臺的推薦方法，其特征在于，所述方法應用到電商平臺回訪預測中，包括：

將第一預測算法、第二預測算法作為Stacking算法的初級學習器，先通過建立好的訓練集作為輸入對所述第一預測算法、第二預測算法這兩個初級學習器進行預測，得到兩個預測數據集；所述的第一預測算法采用XGBoost算法，第二預測算法采用LightGBM算法；所述的訓練集中的數據包括多個顧客的歷史購買量、購買種類的集中程度以及歷史轉化率；

選取多個強特征，求出訓練集中所述強特征對應的多組權重向量，利用多組權重向量分別對所述的兩個預測數據集進行賦權，得到每一組權重向量賦權后對應的預測數據集；

利用每一組權重向量賦權后對應的預測數據集分別訓練次級學習器，得到對應的多個訓練模型；

利用多個訓練模型對待預測數據集進行預測，將多個訓練模型預測結果的平均值作為最終的預測結果；所述預測結果為顧客對某一品類商品再次購買的概率；

所述選取多個強特征，求出訓練集中所述強特征對應的多組權重向量，包括：

擇訓練集中歷史購買量、購買種類的集中程度以及歷史轉化率作為強特征進行歸一化，得到歷史購買量的權重向量、購買種類的集中程度的權重向量以及歷史轉化率的權重向量。

2.一種電商平臺的推薦系統，其特征在于，包括：

預測數據集建立模塊，用于將第一預測算法、第二預測算法作為Stacking算法的初級學習器，先通過建立好的訓練集作為輸入對所述第一預測算法、第二預測算法這兩個初級學習器進行預測，得到兩個預測數據集；所述的第一預測算法采用XGBoost算法，第二預測算法采用LightGBM算法；所述的訓練集中的數據包括多個顧客的歷史購買量、購買種類的集中程度以及歷史轉化率；

預測數據集賦權模塊，用于選取多個強特征，求出訓練集中所述強特征對應的多組權重向量，利用多組權重向量分別對所述的兩個預測數據集進行賦權，得到每一組權重向量賦權后對應的預測數據集；

訓練模型建立模塊，用于利用每一組權重向量賦權后對應的預測數據集分別訓練次級學習器，得到對應的多個訓練模型；

預測模塊，用于利用多個訓練模型對待預測數據集進行預測，將多個訓練模型預測結果的平均值作為最終的預測結果；所述預測結果為顧客對某一品類商品再次購買的概率；

所述選取多個強特征，求出訓練集中所述強特征對應的多組權重向量，包括：

擇訓練集中歷史購買量、購買種類的集中程度以及歷史轉化率作為強特征進行歸一化，得到歷史購買量的權重向量、購買種類的集中程度的權重向量以及歷史轉化率的權重向量。