[发明专利]一种基于局部敏感哈希算法的相似人群的扩展方法

权利要求书

1.一种基于局部敏感哈希算法的相似人群的扩展算法，其特征在于，包括以下步骤：

步骤S1：根据返利网已有的用户画像准备全体用户的原始数据特征；

步骤S2：根据所述原始数据特征使用开源工具datasketch计算出所述全体用户的特征向量的加权最小哈希，以及构建局部敏感哈希模型，以获得LSH索引；

步骤S3：输入种子用户ID，根据所述原始数据特征得到所述种子用户的数据特征；

步骤S4：根据所述LSH索引获得与所述种子用户的数据特征相似的候选用户ID及候选用户的数据特征，接着对所述候选用户的各数据特征进行打分，以获得候选用户的每个数据特征的分数；

步骤S5：计算出所述种子用户的数据特征的重要程度；

步骤S6：根据所述重要程度及所述分数计算所述候选用户的得分；以及

步骤S7：对所述得分进行排序，并根据所述排序得到最终的目标用户。

2.如权利要求1所述的扩展算法，其特征在于，步骤S1包括：

获取返利网已有的用户画像，根据所述用户画像得到全员用户的原始数据特征，其中，所述原始数据特征包括用户的类目偏好、品牌等级偏好、购物性别偏好、购物年龄段偏好、商城偏好、购买力、优惠敏感度、地域和手机os；

对所述原始数据特征进行数据预处理；以及

通过稀疏矩阵将经过数据预处理所得到的数据进行数据拼接。

3.如权利要求2所述的扩展算法，其特征在于，对所述原始数据特征进行数据预处理包括：

将所述原始数据特征分为分值数据和分类数据，其中，所述分值数据包括品牌等级偏好、优惠敏感度和购买力，所述分类数据包括类目偏好、购物性别偏好、购物年龄段偏好、商城偏好、地域和手机os；以及

对所述分值数据进行归一化处理，对所述分类数据进行离散化处理。

4.如权利要求2所述的扩展算法，其特征在于，步骤S2包括：

使用开源工具datasketch并根据拼接后的数据计算出所述全体用户的特征向量的加权最小哈希；以及

使用开源工具datasketch并根据所述加权最小哈希构建LSH模型，以获得LSH索引。

5.如权利要求4所述的扩展算法，其特征在于，使用开源工具datasketch中的WeightedminHash算法并根据拼接后的数据计算出所述全体用户的特征向量的加权最小哈希。

6.如权利要求4所述的扩展算法，其特征在于，使用开源工具datasketch中的局部敏感哈希算法并根据所述加权最小哈希构建LSH模型，以获得LSH索引。

7.如权利要求4所述的扩展算法，其特征在于，步骤S4包括：

在所述LSH索引中输入所述种子用户的数据特征，以对所述LSH模型进行扩展，从而得到与所述种子用户的数据特征相似的多个候选用户ID；

根据所述候选用户ID匹配数据拼接后的所述数据，以得到所述候选用户的数据特征；以及

对所述候选用户的各数据特征进行打分，以获得候选用户的每个数据特征的分数。

8.如权利要求1所述的扩展算法，其特征在于，步骤S5中，所有的所述种子用户的第j个数据特征的权重w_j满足以下公式：

其中，m为所述种子用户的数据特征的个数，m≥3且为正整数；p_j为所有所述种子用户的第j个数据特征在种子用户的人群中出现的概率，且p_j＞0.1；q_j为所有所述种子用户的第j个数据特征在负样本中出现的概率，且j≤m。