[发明专利]基于用户画像的商品推荐方法、装置、设备及存储介质

权利要求书

1.一种基于用户画像的商品推荐方法，其特征在于，所述基于用户画像的商品推荐方法包括以下步骤：

获取待推荐用户的当前画像特征；

根据所述当前画像特征生成所述待推荐用户的当前特征向量；

根据所述当前特征向量通过超平面公式对所述待推荐用户进行分类，获得当前分类结果；

获取与所述当前分类结果属于同一类的其他用户的行为特征，并将获取的行为特征作为参考行为特征；

根据获取的参考行为特征确定待推荐商品，并将所述待推荐商品推送至所述待推荐用户的用户设备。

2.如权利要求1所述的基于用户画像的商品推荐方法，其特征在于，所述根据所述当前特征向量通过超平面公式对所述待推荐用户进行分类，获得当前分类结果，包括：

根据所述当前特征向量通过树状结构中各非叶子节点对应的超平面公式对所述待推荐用户进行分类，获得当前分类结果。

3.如权利要求2所述的基于用户画像的商品推荐方法，其特征在于，所述树状结构为二叉树结构，所述二叉树结构的非叶子节点分别对应不同的超平面公式，所述二叉树结构的叶子节点对应不同的用户类别。

4.如权利要求3所述的基于用户画像的商品推荐方法，其特征在于，所述根据所述当前特征向量通过树状结构中各非叶子节点对应的超平面公式对所述待推荐用户进行分类，获得当前分类结果，包括：

将二叉树结构中的根节点作为当前节点；

获取与所述当前节点对应的当前超平面公式；

将所述当前特征向量带入所述当前超平面公式，获得划分结果；

根据所述划分结果从所述二叉树结构中选取所述当前节点的子节点；

将选取的子节点作为新的当前节点，并返回所述获取与所述当前节点对应的当前超平面公式的步骤，直至所述当前节点为叶子节点时，将所述叶子节点对应的用户类别作为当前分类结果。

5.如权利要求1～4中任一项所述的基于用户画像的商品推荐方法，其特征在于，所述获取待推荐用户的当前画像特征之前，所述基于用户画像的商品推荐方法还包括：

获取若干样本特征向量以及对应的样本分类结果；

根据所述样本特征向量以及对应的样本分类结果对支持向量机SVM模型进行训练，获得超平面公式。

6.如权利要求1～4中任一项所述的基于用户画像的商品推荐方法，其特征在于，所述当前画像特征包括所述待推荐用户的年龄、性别、学历、收入信息、消费信息和资产分布类型；

所述根据所述当前画像特征生成所述待推荐用户的当前特征向量，包括：

将所述待推荐用户的年龄、性别、学历、收入信息、消费信息和资产分布类型进行数字化处理；

将数字化处理后的所述待推荐用户的年龄、性别、学历、收入信息、消费信息和资产分布类型组合为所述待推荐用户的当前特征向量。

7.如权利要求1～4中任一项所述的基于用户画像的商品推荐方法，其特征在于，所述根据获取的参考行为特征确定待推荐商品，并将所述待推荐商品推送至所述待推荐用户的用户设备，包括：

对获取的参考行为特征中的商品进行统计，获得各商品的出现次数；

将出现次数超过预设数量的商品作为待推荐商品，并将所述待推荐商品推送至所述待推荐用户的用户设备。

8.一种基于用户画像的商品推荐装置，其特征在于，所述装置包括：

特征获取模块，用于获取待推荐用户的当前画像特征；

向量生成模块，用于根据所述当前画像特征生成所述待推荐用户的当前特征向量；

向量分类模块，用于根据所述当前特征向量通过超平面公式对所述待推荐用户进行分类，获得当前分类结果；

行为参考模块，用于获取与所述当前分类结果属于同一类的其他用户的行为特征，并将获取的行为特征作为参考行为特征；

商品推送模块，用于根据获取的参考行为特征确定待推荐商品，并将所述待推荐商品推送至所述待推荐用户的用户设备。