[发明专利]信息推荐方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种信息推荐方法、装置、计算机设备及存储介质。该方法属于智能决策技术领域，该方法包括：将消费管理服务器发送的训练样本集合输入到聚类模型中以聚类得到多个类；获取各类的特征距离；分别获取待测样本与各类的类心的距离；将多个类划分为多个包含两个类的组并筛选特征类以及特征组；分别将待推荐用户终端发送的待测样本聚类到各特征组的一类中；统计待测样本聚类到各特征类中的次数，并选取次数最高的特征类作为待测样本所属的类，并根据待测样本所属的类为待推荐用户终端推荐信息。通过筛选特征类，可过滤掉大多数距离待测样本较远的特征组，从而极大地降低了计算机的数据处理量，提高了计算机的处理速度。

技术领域

本发明涉及智能决策领域，尤其涉及一种信息推荐方法、装置、计算机设备及存储介质。

背景技术

将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。根据人群分类，可以进行商品推荐。具体地，将某一类中待推荐用户购买较多的商品推荐给该类中的新待推荐用户。

现有的人群分类方法多是采用无监督的聚类方法，其存在的缺点是当建立好聚类模型之后，新待推荐用户的数据在进行泛化时，需要将新待推荐用户与模型所有类进行的对比，才能确定该新待推荐用户所属的类。在分得的类较多时，倘若采用全部对比，所需的数据处理量巨大，将会耗费大量的计算资源，并且计算耗时也大幅提升。

发明内容

本发明实施例提供了一种信息推荐方法、装置、计算机设备及存储介质，旨在解决现有聚类模型计算资源消耗大、计算耗时长的问题。

第一方面，本发明实施例提供了一种信息推荐方法，其包括：

接收消费管理服务器发送的训练样本集合，并将所述训练样本集合中的训练样本输入到预设的聚类模型中以聚类得到多个类，其中，所述训练样本集合包含多个用户的消费数据样本，所述消费数据样本是由所述消费管理服务器从多个用户终端处获取的；

分别获取每个所述类中距离所述类的类心最远的训练样本作为目标训练样本，并获取所述目标训练样本与所述类的类心的距离作为所述类的特征距离；

将多个所述类划分为多个包含两个所述类的组，其中，任一所述类均与除自身外的所有类组成组；

若接收到待推荐用户终端发送的待测样本，将所述待测样本输入所述聚类模型中以分别获取所述待测样本与各所述类的类心的距离，其中，所述待测样本包含所述待推荐用户终端的消费数据；

从各所述类中筛选出特征类，并从各所述组中筛选出特征组，其中，所述特征类的类心与所述待测样本的距离小于预设的距离阈值，所述特征组包含的两个类均为所述特征类；

根据所述待测样本与各所述特征组的特征类的距离以及所述特征组的特征类的特征距离，分别将所述待测样本聚类到各所述特征组的一所述特征类中；

统计所述待测样本聚类到各所述特征组的特征类中的次数，选取次数最高的特征类作为所述待测样本所属的类，并根据所述待测样本所属的类为所述待推荐用户终端推荐信息。

第二方面，本发明实施例还提供了一种信息推荐装置，其包括：

输入单元，用于接收消费管理服务器发送的训练样本集合，并将所述训练样本集合中的训练样本输入到预设的聚类模型中以聚类得到多个类，其中，所述训练样本集合包含多个用户的消费数据样本，所述消费数据样本是由所述消费管理服务器从多个用户终端处获取的；

第一获取单元，用于分别获取每个所述类中距离所述类的类心最远的训练样本作为目标训练样本，并获取所述目标训练样本与所述类的类心的距离作为所述类的特征距离；

划分单元，用于将多个所述类划分为多个包含两个所述类的组，其中，任一所述类均与除自身外的所有类组成组；