[发明专利]一种基于多分类器的推荐方法、装置及电子设备

说明书

本说明书公开了一种基于多分类器的推荐方法、装置及电子设备。该方法包括：针对接收到的特征数据，从多分类器的k个子分类器中获取目标子分类器，其中，目标子分类器选择多分类器中数据分布与数据特征相似度最大的子分类器，获得主分类器对特征数据进行预测的第一预测数据、目标子分类器对特征数据进行分类的第二预测数据，综合第一预测数据和第二预测数据获得第三预测数据，从而获得更为准确的预测数据，解决了现有技术中数据分类预测准确性较低的技术问题；进一步的，根据第三预测数据对特征数据对应的待推荐实体进行推荐，从而提高了数据推荐的准确性。

技术领域

本说明书涉及软件技术领域，特别涉及一种基于多分类器的推荐方法、装置及电子设备。

背景技术

近年来，随着电子商务、社交网络和移动网络的发展，网络信息数据日益增多，大数据(Big Data)作为一张新兴数据概念而被定义。与此同时，数据的爆炸式增长使得我们进入了大规模数据缝隙的时代。在海量数据环境下，为了快速有效、有针对性地提的利用已有信息，分类器在数据推荐方面得到了快速的发展。

传统分类方法大多数是假设数据是线性可分，采用一个分类器对所有的数据进行分类预测。随着大数据时代来临，数据分类要求越来越高，单一的、模糊化的数据分类已无法满足现在的需求，亟需一种新的分类推荐方法，来提数据分类预测的准确性。

发明内容

本说明书实施例提供一种基于多分类器的推荐方法、装置及电子设备，用于实现对数据的多元化分类预测，提高数据分类预测的准确性。

第一方面，本说明书实施例提供一种基于多分类器的推荐方法，包括：

根据预设的多分类器的主分类器对接收到的特征数据进行预测，获得第一预测数据；

针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，所述目标子分类器的数据分布与所述特征数据之间的相似度最大，k≥2；

根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据；

根据预设算法对所述第一预测数据和所述第二预测数据进行综合处理，获得第三预测数据；

根据所述第三预测数据对所述特征数据对应的待推荐实体进行推荐。

可选地，针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，包括：

如果所述k个子分类器中每个子分类器均具有数据分布的中心点，查找获取中心点与所述特征数据的数据向量距离最近的子分类器作为所述目标子分类器。

可选地，针对所述特征数据，在预设的多分类器的k个子分类器中查找获得目标子分类器，包括：

如果所述k个子分类器中每个子分类器均为具有数据分布参数的高斯混合模型，查找获取所述k个子分类器中数据分布参数与所述特征数据的相似度最大的子分类器作为所述目标子分类器。

可选地，在根据所述第三预测数据对所述特征数据对应的待推荐实体进行推荐之后，所述方法还包括：

检测用户是否选择所述特征数据对应的被推荐实体；

根据用户对被推荐实体的选择与否，更新所述特征数据对应的目标子分类器和主分类器的参数。

可选地，根据用户对被推荐实体的选择与否，更新所述特征数据对应的目标子分类器和主分类器的参数，包括：

如果用户选择了被推荐实体对所述多分类器进行正反馈，如果用户未选择被推荐实体对所述多分类器进行负反馈；根据所述正反馈的或所述负反馈更新所述特征数据对应的目标子分类器和主分类器的参数。

可选地，在根据所述目标子分类器对所述特征数据进行预测，获得第二预测数据之后，所述方法还包括：