[发明专利]产品推荐方法及装置

权利要求书

1.一种产品推荐方法，其特征在于，包括：

对目标用户的属性信息进行排序，获取排序结果中位于中间位置的属性信息，将所述排序结果中位于中间位置之前和之后的属性信息分成相同数量的组；

根据关于所述中间位置对称的任意两组属性信息和位于所述中间位置的属性信息，构建属性集合，提取每个属性集合的统计特征；

将所有属性集合的统计特征作为随机森林模型的输入，输出向所述目标用户推荐的产品；

其中，所述随机森林模型通过以第一样本用户的属性信息为训练样本，以所述第一样本用户历史查询或使用过的产品为标签训练得到。

2.根据权利要求1所述的产品推荐方法，其特征在于，所述将所有属性集合的统计特征作为随机森林模型的输入，输出向所述目标用户推荐的产品，包括：

计算所述随机森林模型中当前已使用的每个决策树为产品投票的概率在预设置信区间的置信度；

在所述置信度大于第一预设阈值，或者小于等于1减去所述第一预设阈值的情况下，基于当前已使用的决策树获取向所述目标用户推荐的产品。

3.根据权利要求2所述的产品推荐方法，其特征在于，所述随机森林模型中当前已使用的每个决策树为产品投票的概率通过以下公式获取：

其中，P为每个产品对应的概率分布，p为每个决策树推荐该产品的概率，h为推荐该产品的分类器的数量，α为当前已使用的决策树的数量，a为所述预设置信区间内的最小值，n为整数。

4.根据权利要求2所述的产品推荐方法，其特征在于，所述基于当前已使用的决策树获取向所述目标用户推荐的产品，包括：

计算当前已使用的所有决策树为每个产品投票的概率在预设置信区间的置信度平均值；

将所述置信度平均值最高的预设个数的产品作为向所述目标用户推荐的产品。

5.根据权利要求1-4任一所述的产品推荐方法，其特征在于，在所述将所有属性集合的统计特征作为随机森林模型的输入，输出向所述目标用户推荐的产品之前，所述方法还包括：

对所述第一样本用户的属性信息进行排序，获取所述第一样本用户对应的排序结果中位于中间位置的属性信息，将所述第一样本用户对应的所述排序结果中位于中间位置之前和之后的属性信息分成相同数量的组；

根据关于所述第一样本用户对应的中间位置对称的任意两组属性信息和位于所述中间位置的属性信息，构建所述第一样本用户对应的属性集合，提取所述第一样本用户对应的各属性集合的统计特征；

使用所述第一样本用户对应的各属性集合的统计特征，构建决策树，根据所述决策树组建所述随机森林模型。

6.根据权利要求5所述的产品推荐方法，其特征在于，在所述根据所述决策树组建所述随机森林模型之后，所述方法还包括：

以第二样本用户的属性信息为测试样本，以所述第二样本用户历史查询的产品为标签，对所述随机森林模型进行测试，获取向所述第二样本用户推荐的产品的精度；

在所述精度小于第二预设阈值的情况下，对所述第一样本用户的属性信息进行重新排序后继续组建所述随机森林模型并测试，直到向所述第二样本用户推荐的产品的精度大于或等于所述第二预设阈值；

相应地，所述将所有属性集合的统计特征作为随机森林模型的输入，输出向所述目标用户推荐的产品，包括：

将所述目标用户对应的所有属性集合的统计特征作为大于或等于所述预设阈值的精度对应的随机森林模型的输入，输出向所述目标用户推荐的产品。

7.根据权利要求1-4任一所述的产品推荐方法，其特征在于，所述目标用户的属性信息包括所述目标用户的基本信息和所述目标用户的历史查询信息。