[发明专利]基于逻辑回归的电力积分商品推荐方法及系统

说明书

本公开公开了基于逻辑回归的电力积分商品推荐方法及系统，包括：针对每一类用户获取有积分且曾用积分兑换过商品的正样本用户的最相关特征数据，还获取有积分且未用积分兑换过商品的负样本用户的最相关特征数据；采用逻辑回归算法，以正样本用户的最相关特征数据、负样本用户的最相关特征数据、以及积分兑换与否标签作为训练集数据，建立潜在客户预测模型；基于潜在客户预测模型，根据待预测用户的历史积分兑换记录，预测用户进行积分兑换的概率；对于概率大于设定阈值的用户，视为潜在的积分兑换用户，采用协同过滤算法为潜在的积分兑换用户推荐商品。

技术领域

本公开涉及个性化推荐领域，尤其涉及基于逻辑回归的电力积分商品推荐方法及系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

在实现本公开的过程中，发明人发现现有技术中存在以下技术问题：

近年来，信息技术的高速发展导致互联网用户的数量不断增加，数据量呈指数型爆发增长，人们已经进入了一个信息过载的时代，大数据背景下如何在海量的信息中获取用户想要的信息已经成为一项重要的研究课题，推荐算法作为一项克服信息过载的重要技术已经广泛应用于电子商务领域，经过学术界和工业界长期的研究和应用，已经比较成熟，其产生的经济效益是巨大的。

目前在推荐系统中应用最为广泛的当属协同过滤算法，其中包括基于邻居和模型两类方法，基于邻居的方法核心是计算用户之间或物品之间的相似度从而进行下一步的推荐工作。基于模型的方法核心内容是将用户—物品的关系评估数据转化为不同的模型，例如因式分解、贝叶斯网络等模型，通过这些模型向用户进行相应的推荐。用户兴趣具有时间性，当前主流的推荐系统在给用户进行推荐时通常侧重于考虑用户兴趣偏好，对于用户兴趣变化的考虑则略显不足。不同的用户具有不同的行为习惯，在电子商务领域亦是如此，传统的推荐系统没有考虑用户的行为习惯，全部予以计算和推荐，这在无形之中增加了系统的负担，也使得推荐的目标性不强。

发明内容

为了解决现有技术的不足，本公开提供了基于逻辑回归的电力积分商品推荐方法及系统，通过一种潜在客户预测模型，筛选出可能进行积分兑换的用户，从而使推荐工作更具有目标性，也能够减轻推荐系统的负担，推荐采用协同过滤算法，在传统的协同过滤算法的基础上结合时间因素为目标用户进行推荐。

第一方面，本公开提供了基于逻辑回归的电力积分商品推荐方法；

基于逻辑回归的电力积分商品推荐方法，包括：

对用户进行聚类，获得不同的用户群体；

针对每一类用户获取有积分且曾用积分兑换过商品的正样本用户的最相关特征数据，还获取有积分且未用积分兑换过商品的负样本用户的最相关特征数据；

采用逻辑回归算法，以正样本用户的最相关特征数据、负样本用户的最相关特征数据、以及积分兑换与否标签作为训练集数据，建立潜在客户预测模型；

基于潜在客户预测模型，根据待预测用户的历史积分兑换记录，预测用户进行积分兑换的概率；

对于概率大于设定阈值的用户，视为潜在的积分兑换用户，采用协同过滤算法为潜在的积分兑换用户推荐商品。

第二方面，本公开提供了基于逻辑回归的电力积分商品推荐系统；

基于逻辑回归的电力积分商品推荐系统，包括：

用户分类模块，对用户进行聚类，获得不同的用户群体；

最相关特征获取模块，其被配置为针对每一类用户获取有积分且曾用积分兑换过商品的正样本用户的最相关特征数据，还获取有积分且未用积分兑换过商品的负样本用户的最相关特征数据；