[发明专利]合约机的推荐方法及推荐系统

说明书

本申请公开了机器学习技术领域中一种合约机的推荐方法及推荐系统。本申请提供的技术方案中，将当前用户的特征向量和每一种合约机的特征向量输入至因子分解机模型和逻辑回归模型，得到当前用户订购每一种合约机的概率，并生成合约机推荐列表，以此向用户推荐合约机，提高了向用户推荐合约机的准确率。进一步地，将目标用户历史购买的合约机的特征信息作为不存在合约机历史购买信息的用户历史购买的合约机的特征信息，目标用户是指与每个不存在合约机历史购买信息的用户相似度最大的存在合约机历史购买信息的用户，并以此对因子分解机模型和逻辑回归模型进行训练，丰富了模型训练样本，提高了因子分解机模型和逻辑回归模型的准确率。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种合约机的推荐方法及推荐系统。

背景技术

合约机泛指通信运营商(如移动、联通、电信等)与手机生产商合伙定制的合法手机类型。用户使用该合约机必须和指定通信运营商签约，并且使用指定通信套餐。

合约机相对于裸机(购机者可以自行选择通信运营商且可以自由选择套餐的手机)而言，无论从设备价格还是套餐内容来说，都更加符合用户的需求。

随着通信技术的发展，合约机的功能愈加齐全丰富，种类也越来越多。因此，如何从众多种类的合约机中为用户精准推荐合适的合约机显得尤为重要。

目前一种通用的推荐合约机的方法如下：合约机推荐设备中记录各个种类的合约机的各种特征，例如，记录有各种合约机的设备价格、套餐内容和合约机的型号等等；合约机推荐设备向用户显示各种合约机的特征，以便于用户基于这些特征选择适合自己的合约机。

但是，上述推荐方法存在如下问题：合约机种类众多，不能精准地向用户推荐合适的合约机。

发明内容

本申请提出了机器学习技术领域中一种合约机的推荐方法及推荐系统，可以提高向用户推荐合约机的准确率。

第一方面，本申请提供了一种合约机的推荐方法。该方法包括：获取当前用户的特征信息；获取多种合约机中每一种合约机的特征信息；将所述当前用户的特征信息和所述每一种合约机的特征信息输入至因子分解机模型中，得到目标特征；将所述目标特征输入至分类模型，得到所述当前用户订购所述每一种合约机的概率；根据所述当前用户订购所述每一种合约机的概率生成合约机推荐列表；显示所述合约机推荐列表。

本方法中，将当前用户的特征信息和每一种合约机的特征信息输入至因子分解机模型和逻辑回归模型中，得到当前用户订购每一种合约机的概率，并根据当前用户订购每一种合约机的概率生成并显示合约机推荐列表，以此向用户推荐合约机，提高了向用户推荐合约机的准确率。

结合第一方面，在第一种可能的实现方式中，所述分类模型为逻辑回归模型。

该实现方式中，使用逻辑回归模型作为分类模型计算当前用户订购每一种合约机的概率，避免了过拟合现象。

结合第一种可能的实现方式，在第二种可能的实现方式中，所述方法还包括：获取历史用户群体中每个用户的特征信息；获取所述历史用户群体中每个第二类用户历史购买的合约机的特征信息；计算所述历史用户群体中每个第一类用户的特征信息与所述历史用户群体中每个第二类用户的特征信息之间的相似度，所述第一类用户是指不存在合约机历史购买信息的用户，所述第二类用户是指存在合约机历史购买信息的用户；将所述历史用户群体中的目标用户历史购买的合约机的特征信息作为所述每个第一类用户历史购买的合约机的特征信息，所述目标用户是指与所述每个第一类用户相似度大于或等于相似度阈值的第二类用户；将所述历史用户群体中每个用户的特征信息与所述每个用户对应的合约机的特征信息输入所述因子分解机模型，并将所述因子分解机模型输出的特征输入所述逻辑回归模型，对所述因子分解机模型和所述逻辑回归模型进行训练。