[發(fā)明專利]信息推薦方法、裝置、計算機設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202010120620.4
• 申請日: 2020-02-26
• 公開（公告）號: CN111445304A
• 公開（公告）日: 2020-07-24
• 發(fā)明（設計）人: 鄧悅;金戈;徐亮
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06K9/62
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 蔣學超

本發(fā)明實施例公開了一種信息推薦方法、裝置、計算機設備及存儲介質。該方法屬于智能決策技術領域，該方法包括：將消費管理服務器發(fā)送的訓練樣本集合輸入到聚類模型中以聚類得到多個類；獲取各類的特征距離；分別獲取待測樣本與各類的類心的距離；將多個類劃分為多個包含兩個類的組并篩選特征類以及特征組；分別將待推薦用戶終端發(fā)送的待測樣本聚類到各特征組的一類中；統(tǒng)計待測樣本聚類到各特征類中的次數(shù)，并選取次數(shù)最高的特征類作為待測樣本所屬的類，并根據(jù)待測樣本所屬的類為待推薦用戶終端推薦信息。通過篩選特征類，可過濾掉大多數(shù)距離待測樣本較遠的特征組，從而極大地降低了計算機的數(shù)據(jù)處理量，提高了計算機的處理速度。

技術領域

本發(fā)明涉及智能決策領域，尤其涉及一種信息推薦方法、裝置、計算機設備及存儲介質。

背景技術

將物理或抽象對象的集合分成由類似的對象組成的多個類的過程被稱為聚類。由聚類所生成的簇是一組數(shù)據(jù)對象的集合，這些對象與同一個簇中的對象彼此相似，與其他簇中的對象相異。根據(jù)人群分類，可以進行商品推薦。具體地，將某一類中待推薦用戶購買較多的商品推薦給該類中的新待推薦用戶。

現(xiàn)有的人群分類方法多是采用無監(jiān)督的聚類方法，其存在的缺點是當建立好聚類模型之后，新待推薦用戶的數(shù)據(jù)在進行泛化時，需要將新待推薦用戶與模型所有類進行的對比，才能確定該新待推薦用戶所屬的類。在分得的類較多時，倘若采用全部對比，所需的數(shù)據(jù)處理量巨大，將會耗費大量的計算資源，并且計算耗時也大幅提升。

發(fā)明內容

本發(fā)明實施例提供了一種信息推薦方法、裝置、計算機設備及存儲介質，旨在解決現(xiàn)有聚類模型計算資源消耗大、計算耗時長的問題。

第一方面，本發(fā)明實施例提供了一種信息推薦方法，其包括：

接收消費管理服務器發(fā)送的訓練樣本集合，并將所述訓練樣本集合中的訓練樣本輸入到預設的聚類模型中以聚類得到多個類，其中，所述訓練樣本集合包含多個用戶的消費數(shù)據(jù)樣本，所述消費數(shù)據(jù)樣本是由所述消費管理服務器從多個用戶終端處獲取的；

分別獲取每個所述類中距離所述類的類心最遠的訓練樣本作為目標訓練樣本，并獲取所述目標訓練樣本與所述類的類心的距離作為所述類的特征距離；

將多個所述類劃分為多個包含兩個所述類的組，其中，任一所述類均與除自身外的所有類組成組；

若接收到待推薦用戶終端發(fā)送的待測樣本，將所述待測樣本輸入所述聚類模型中以分別獲取所述待測樣本與各所述類的類心的距離，其中，所述待測樣本包含所述待推薦用戶終端的消費數(shù)據(jù)；

從各所述類中篩選出特征類，并從各所述組中篩選出特征組，其中，所述特征類的類心與所述待測樣本的距離小于預設的距離閾值，所述特征組包含的兩個類均為所述特征類；

根據(jù)所述待測樣本與各所述特征組的特征類的距離以及所述特征組的特征類的特征距離，分別將所述待測樣本聚類到各所述特征組的一所述特征類中；

統(tǒng)計所述待測樣本聚類到各所述特征組的特征類中的次數(shù)，選取次數(shù)最高的特征類作為所述待測樣本所屬的類，并根據(jù)所述待測樣本所屬的類為所述待推薦用戶終端推薦信息。

第二方面，本發(fā)明實施例還提供了一種信息推薦裝置，其包括：

輸入單元，用于接收消費管理服務器發(fā)送的訓練樣本集合，并將所述訓練樣本集合中的訓練樣本輸入到預設的聚類模型中以聚類得到多個類，其中，所述訓練樣本集合包含多個用戶的消費數(shù)據(jù)樣本，所述消費數(shù)據(jù)樣本是由所述消費管理服務器從多個用戶終端處獲取的；

第一獲取單元，用于分別獲取每個所述類中距離所述類的類心最遠的訓練樣本作為目標訓練樣本，并獲取所述目標訓練樣本與所述類的類心的距離作為所述類的特征距離；

劃分單元，用于將多個所述類劃分為多個包含兩個所述類的組，其中，任一所述類均與除自身外的所有類組成組；