[发明专利]信息推送方法、装置、计算机设备及存储介质

权利要求书

1.一种信息推送方法，其特征在于，包括：

获取初始用户-评分矩阵；

若所述初始用户-评分矩阵中包括空白值，根据所述空白值所对应商品名称及该商品名称对应的商品聚类簇，得到空白值对应的商品加权评分；

将所述空白值更新为对应的商品加权评分，得到调整后用户-评分矩阵；

获取在所述调整后用户-评分矩阵选中的行向量对应的目标用户，根据目标用户对应的行向量与所述调整后用户-评分矩阵中其他行向量之间的皮尔逊相似度的排序结果，获取预设个数的行向量以作为相似用户聚类结果；以及

根据相似用户聚类结果中每一行向量和与每一行向量与对应的皮尔逊相似度，得到商品推荐行向量，由商品推荐行向量得到商品推荐列表，将所述商品推荐列表推送至目标用户对应的接收端；

所述根据所述空白值所对应商品名称及该商品名称对应的商品聚类簇，得到空白值对应的商品加权评分，包括：

根据所述空白值对应的商品名称，以获取与商品名称相应的统计向量；

获取与商品名称相应的统计向量所归属的商品聚类簇；

根据与商品名称相应的统计向量所归属的商品聚类簇，获取与所述空白值对应的商品名称相应的相似商品名称，以作为相似商品结果；

根据所述空白值对应的行向量，获取与所述相似商品结果中每一商品名称对应的评分；

根据与所述相似商品结果中每一商品名称对应的评分进行加权平均，得到所述空白值对应的商品加权评分；

所述根据与所述相似商品结果中每一商品名称对应的评分进行加权平均，得到所述空白值对应的商品加权评分，包括：

将所述相似商品结果中每一商品名称对应的统计向量作为统计向量组，将所述空白值对应商品名称相应的统计向量作为待预测商品评分向量，获取所述统计向量组中每一统计向量与待预测商品评分向量之间的距离，以得到向量距离集合；

将所述相似商品结果中每一商品名称对应评分乘以向量距离集合中对应的向量距离并求和，得到商品加权总评分；

将商品加权总评分除以向量距离集合中各向量距离之和，得到所述空白值对应的商品加权评分。

2.根据权利要求1所述的信息推送方法，其特征在于，所述获取初始用户-评分矩阵之前，还包括：

获取历史商品信息集合，通过词频-逆文本频率指数模型对所述历史商品信息集合中每一历史商品信息均进行关键词信息抽取，得到与每一历史商品信息对应的商品关键词集合；

通过Word2Vec模型获取每一商品关键词集合中各商品关键词对应的词向量；

获取每一商品关键词集合中各商品关键词所对应词向量的平均值，以得到与每一商品关键词集合对应的统计向量；

通过DBSCAN聚类模型对商品关键词集合对应的统计向量进行聚类，得到至少一个商品聚类簇。

3.根据权利要求1所述的信息推送方法，其特征在于，所述根据相似用户聚类结果中每一行向量和与每一行向量与对应的皮尔逊相似度，得到商品推荐行向量，由商品推荐行向量得到商品推荐列表，包括：

获取所述相似用户聚类结果中每一相似用户对应的行向量与目标用户的行向量之间皮尔逊相似度，以得到皮尔逊相似度集合；

将皮尔逊相似度集合中每一皮尔逊相似乘以所述相似用户聚类结果中对应相似用户的行向量并求和，得到商品推荐行向量；

获取商品推荐行向量中各评分降序排序后评分排名小于预设排名阈值的评分所对应的商品名称，以组成商品推荐列表。