[發(fā)明專(zhuān)利]一種基于商品推薦模型的推薦方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010021119.2
• 申請(qǐng)日: 2020-01-09
• 公開(kāi)（公告）號(hào): CN111242732A
• 公開(kāi)（公告）日: 2020-06-05
• 發(fā)明（設(shè)計(jì)）人: 王連喜
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京慧博科技有限公司
• 主分類(lèi)號(hào): G06Q30/06
• 分類(lèi)號(hào): G06Q30/06
• 代理公司: 北京紐樂(lè)康知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11210
• 代理人: 張朝元

1.一種基于商品推薦模型的推薦方法，其特征在于，包括以下步驟：

S1：獲取訂單樣本數(shù)據(jù)，對(duì)訂單樣本數(shù)據(jù)進(jìn)行處理以提取特征信息；

S2：根據(jù)特征信息的字段數(shù)進(jìn)行降維，并可視化圖像以確定特征信息適用情況；

S3：對(duì)獲取到的特征信息進(jìn)行l(wèi)ogic回歸分析建模，分析得出各特征信息對(duì)人群的影響；

S4：應(yīng)用建立的模型實(shí)現(xiàn)人群放大和商品推薦。

2.根據(jù)權(quán)利要求1所述的一種基于商品推薦模型的推薦方法，其特征在于，對(duì)于步驟S1，訂單樣本數(shù)據(jù)來(lái)源為各網(wǎng)購(gòu)平臺(tái)訂單數(shù)據(jù)以及線下數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的一種基于商品推薦模型的推薦方法，其特征在于，網(wǎng)購(gòu)平臺(tái)包括淘寶、京東、拼多多、網(wǎng)易考拉、蘇寧易購(gòu)、有贊。

4.根據(jù)權(quán)利要求1所述的一種基于商品推薦模型的推薦方法，其特征在于，訂單樣本數(shù)據(jù)體量為10g。

5.根據(jù)權(quán)利要求1所述的一種基于商品推薦模型的推薦方法，其特征在于，對(duì)于步驟S1，提取訂單樣本數(shù)據(jù)特征的方法包括如下步驟：

S11：將訂單樣本數(shù)據(jù)進(jìn)行變換，聚合出目標(biāo)品類(lèi)的訂單數(shù)信息、購(gòu)買(mǎi)金額信息、購(gòu)買(mǎi)單價(jià)信息；

S12：將S11的訂單樣本數(shù)據(jù)中包含的字符型特征進(jìn)行提取變形為模型可識(shí)別信息；

S13：將S11和S12得到的信息以電話(huà)號(hào)為唯一id，進(jìn)行標(biāo)準(zhǔn)化處理。

6.根據(jù)權(quán)利要求5所述的一種基于商品推薦模型的推薦方法，其特征在于，步驟S13中，標(biāo)準(zhǔn)化方法有Min-max標(biāo)準(zhǔn)化、z-score標(biāo)準(zhǔn)化。

7.根據(jù)權(quán)利要求1所述的一種基于商品推薦模型的推薦方法，其特征在于，對(duì)于步驟S2，對(duì)特征信息的字段數(shù)進(jìn)行降維并可視化的方法包括如下步驟：

S21：若對(duì)訂單樣本數(shù)據(jù)特征提取后，變量數(shù)小于等于3，則對(duì)提取的數(shù)據(jù)進(jìn)行對(duì)應(yīng)維數(shù)的可視化展現(xiàn)，以觀察數(shù)據(jù)分布情況；

S22：若對(duì)訂單樣本數(shù)據(jù)特征提取后，變量數(shù)大于3，則通過(guò)PCA分析提取數(shù)據(jù)的第一主成分、第二主成分、第三主成分進(jìn)行可視化圖形的建立；

S23：若經(jīng)過(guò)可視化標(biāo)明存在影響因素使得圖形具有差異，則進(jìn)行l(wèi)ogic回歸分析建模，否則重新提取特征。

8.根據(jù)權(quán)利要求1所述的一種基于商品推薦模型的推薦方法，其特征在于，對(duì)于步驟S3，logic回歸分析建模的方法包括如下步驟：

S31：使用已知人群建立測(cè)試集，將已知條件標(biāo)為因變量，將標(biāo)準(zhǔn)化后的特征作為協(xié)變量；

S32：將S31中的因變量和協(xié)變量均代入logic回歸算法，計(jì)算各特征的系數(shù)；

S33：保存模型進(jìn)入應(yīng)用階段。