[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

本發明公開了一種電商平臺的推薦方法及系統，所述方法將第一預測算法、第二預測算法作為Stacking算法的初級學習器對訓練集進行預測，得到兩個預測數據集；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，分別對兩個預測數據集進行賦權，得到對應的預測數據集，用這些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。本發明彌補了之前模型研究的不足，提高電商平臺對顧客購買概率的預測準確度，模型效果更優，使模型在電商平臺使用范圍更廣，更容易泛化和推廣。

技術領域

本發明涉及數據挖掘領域，具體涉及一種電商平臺的推薦方法及系統。

背景技術

數據挖掘運用相關的算法從大量的、不完全的、有噪聲的、模糊的、隨機的數據中提取正確的、有用的、未知的、綜合的以及用戶感興趣的知識，建立模型，用于決策支持的模型，提供預測性決策支持的方法、工具和過程。數據挖掘一般是指從大量的數據中通過算法搜索隱藏于其中的信息的過程。隨著互聯網時代的到來和數據大爆發，數據挖掘技術普遍而且迫切地應用于各個領域，比如金融、電信、保險、醫療、餐飲等行業。它通過運用整理、分析、總結、推理等方法對大量地數據進行處理，從而對實際問題進行指導和分析，得出相關地預測結果，從而做出更加有利的決策。

當前，隨著消費者生活水平逐步升高，在消費者中出現的消費升級現象日益明顯，涌現出很多新奇的電商模式，如社交電商等。電商平臺充滿活力，競爭也趨于激烈。在這種背景下，如果能更好地利用數據，運用數據挖掘技術對數據進行分析、預測，為電商平臺賦能，讓平臺更具精準和個性化，給電商平臺注入更多活力，讓平臺為消費者更好的商品和服務。與此同時，讓技術為電商平臺創造更大的利潤空間。

現有的預測算法雖然在某一個方面具有較為優異的效果，但實際應用過程，很多情況下都是基于單個預測算法的應用，不能很好地利用各個預測算法的優點而避開其缺點，從而難以做到預測算法融合的有效利用。

發明內容

本發明的目的是提供一種電商平臺的推薦方法及系統，以使電商平臺的個性化推薦預測更為精準。

為了實現上述任務，本發明采用以下技術方案：

一種電商平臺的推薦方法，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；

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。

進一步地，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。

進一步地，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。

進一步地，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。

一種電商平臺的推薦系統，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；