[发明专利]一种商品推荐方法、装置、介质和设备

权利要求书

1.一种商品推荐方法，其特征在于，包括：

对多个客户中每个客户的行为特征信息和消费习惯数据进行预处理，获得与所述多个客户一一对应的多个有序树；

根据所述多个有序树中每两棵有序树的相似度，相应地确定多个客户中每两个客户的相似度；

根据多个客户中每两个客户的相似度和聚类算法对多个客户进行分类，将所述多个客户划分为不同的客户群体；

对所述不同的客户群体进行差异化的商品推荐。

2.根据权利要求1所述的商品推荐方法，其特征在于，所述的对多个客户中每个客户的行为特征信息和消费习惯数据进行预处理，获得与所述多个客户一一对应的多个有序树，具体包括：

根据预设的转化属性与转化规则确定数据生成模板；

将每个客户的行为特征信息和消费习惯数据与所述数据生成模板进行匹配，生成树状结构，所述树状结构作为该客户的有序树；其中，所述树状结构采用预定义的转化规则表示该客户的行为特征信息与消费习惯。

3.根据权利要求2所述的商品推荐方法，其特征在于，所述树状结构采用的预定义的转化规则包括：

除根节点外，将树状结构中的每一层定义为一个转化属性，每层中的结点表示属性对应的值；

按照预先定义的属性的优先级，根据优先级从上往下纵向降序排列；

树状结构中的父子节点之间具有继承关系，子节点继承父节点的属性；

属性的值按照优先级或取值大小从左往右横向排序，在每一层中是兄弟结点关系，最终形成一棵有序树。

4.根据权利要求1所述的商品推荐方法，其特征在于，所述的根据所述多个有序树中每两棵有序树的相似度，相应地确定多个客户中每两个客户的相似度，具体包括：

根据每两棵有序树之间的树编辑距离，相应地确定每两棵有序树的相似度；

根据每两棵有序树的相似度，相应地确定每两个客户的相似度。

5.根据权利要求4所述的商品推荐方法，其特征在于，所述的树编辑距离的计算方法包括：

设两棵树T₁和T₂之间的映射为M，在M包含的数据对(i,j)中，I，j分别表示T_l和T₂的标签；

R表示i和j不相同的数据对数量，其是需要替换的标签；

D表示T₁中没出现在M中的节点，其是需要删除的标签；

I表示T₂中没出现在M中的节点，其是需要插入的标签；

由公式得出树编辑距离ed(T₁,T₂)为：ed(T₁,T₂)＝|R|p+|D|q+|I|r；

其中，p，q，r分别表示替换操作，删除操作和插入操作对应的权值。

6.根据权利要求4所述的商品推荐方法，其特征在于，所述的根据多个客户中每两个客户的相似度和聚类算法对多个客户进行分类，将所述多个客户划分为不同的客户群体，具体包括：

根据所述树编辑距离，确定多个客户的相似性矩阵；

利用凝聚层次聚类算法对多个客户进行聚类计算，根据簇间的相似性选取最大相似度的簇对不断地合并；

达到终止条件时聚类算法结束，得到聚类结果；其中，所述得到聚类结果包括：得到多个相似性高于预设的相似性阈值的簇。