[發明專利]一種基于商品推薦模型的推薦方法

在審

• 申請號: 202010021119.2
• 申請日: 2020-01-09
• 公開（公告）號: CN111242732A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 王連喜
• 申請（專利權）人: 北京慧博科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 北京紐樂康知識產權代理事務所(普通合伙) 11210
• 代理人: 張朝元

本發明公開了一種基于商品推薦模型的推薦方法，包括以下步驟：S1：獲取訂單樣本數據，對訂單樣本數據進行處理以提取特征信息；S2：根據特征信息的字段數進行降維，并可視化圖像以確定特征信息適用情況；S3：對獲取到的特征信息進行logic回歸分析建模，分析得出各特征信息對人群的影響；S4：應用建立的模型實現人群放大和商品推薦。

技術領域

本發明涉及推薦模型技術領域，具體來說，涉及一種基于商品推薦模型的推薦方法。

背景技術

商品精準推薦可以減小用戶打擾，促進商家成單，優秀的精準推薦規則對于商家可以產生很大的商業價值。

現有的商品推薦，大部分采用基于協同過濾的機器學習算法，以商品為最小粒度進行計算。但對于商家來說，其需要知道產品與推薦人群產生匹配的原因以便進一步對產品進行升級，此時傳統的推薦方法并不能滿足商家的需求，且時效性不高，工程量大，而一成不變的商品很難維護住老用戶，全新的商品也很難吸引并留住新老用戶。

發明內容

針對相關技術中的上述技術問題，本發明提出一種基于商品推薦模型的推薦方法，能夠克服現有技術的上述不足。

為實現上述技術目的，本發明的技術方案是這樣實現的：

一種基于商品推薦模型的推薦方法，包括以下步驟：

S1：獲取訂單樣本數據，對訂單樣本數據進行處理以提取特征信息；

S2：根據特征信息的字段數進行降維，并可視化圖像以確定特征信息適用情況；

S3：對獲取到的特征信息進行logic回歸分析建模，分析得出各特征信息對人群的影響；

S4：應用建立的模型實現人群放大和商品推薦。

進一步的，對于步驟S1，訂單樣本數據來源為各網購平臺訂單數據以及線下數據。

其中，網購平臺包括淘寶、京東、拼多多、網易考拉、蘇寧易購、有贊。

進一步的，訂單樣本數據體量為10g。

進一步的，對于步驟S1，提取訂單樣本數據特征的方法包括如下步驟：

S11：將訂單樣本數據進行變換，聚合出目標品類的訂單數信息、購買金額信息、購買單價信息；

S12：將S11的訂單樣本數據中包含的字符型特征進行提取變形為模型可識別信息；

S13：將S11和S12得到的信息以電話號為唯一id，進行標準化處理。

其中，步驟S13中，標準化方法有Min-max標準化、z-score標準化。

進一步的，對于步驟S2，對特征信息的字段數進行降維并可視化的方法包括如下步驟：

S21：若對訂單樣本數據特征提取后，變量數小于等于3，則對提取的數據進行對應維數的可視化展現，以觀察數據分布情況；

S22：若對訂單樣本數據特征提取后，變量數大于3，則通過PCA分析提取數據的第一主成分、第二主成分、第三主成分進行可視化圖形的建立；

S23：若經過可視化標明存在影響因素使得圖形具有差異，則進行logic回歸分析建模，否則重新提取特征。

進一步的，對于步驟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試集，將已知條件標為因變量，將標準化后的特征作為協變量；

S32：將S31中的因變量和協變量均代入logic回歸算法，計算各特征的系數；