[发明专利]一种基于可视聚类对消费地点进行混合推荐的方法

权利要求书

1.一种基于可视聚类对消费地点进行混合推荐的方法，其特征在于，包含以下步骤：

步骤1)：对信用卡消费记录进行数据处理，得到包括消费者、消费地点、消费时间和消费金额字段的消费基本信息表Basic_Infor_Tab和消费者已消费地点集合P；

步骤2)：根据步骤1)得到的消费基本信息表Basic_Infor_Tab，对消费地点进行RadViz可视聚类，得到消费特征类似的消费地点聚类；

步骤3)：根据步骤2)得到的消费地点聚类，对消费者进行RadViz可视聚类，得到消费模式相近的消费者聚类；

步骤4)：根据步骤2)得到的消费地点聚类进行基于内容的推荐，根据步骤3)得到的消费者聚类进行协同过滤推荐，将得到的消费地点，添加到对应消费地点推荐列表中；

步骤5)：根据步骤4)建立的消费者消费地点推荐列表Recommend_List，对消费地点按出现次数进行排序，然后将出现次数最多的N个消费地点推荐给消费者，即完成对消费者进行个性化消费地点的推荐；

所述步骤2)对消费地点进行RadViz可视聚类具体步骤如下：

步骤2.1)：选取消费时间或统计信息作为维度锚点，将其均匀分布在RadViz圆周；

步骤2.2)：对消费地点进行可视化，消费地点会因维度锚点对其产生的弹簧拉力而在RadViz中确定其最终位置；

步骤2.3)：类似消费地点将因相似的消费特征而在RadViz中聚集在一起，消费地点的消费特征指在该消费地点的消费发生的时间、消费的金额和消费者，根据自适应K-Means算法对RadViz圆环内地点进行初始聚类，首先，设置初始聚类个数其中X为消费基本信息表Basic_Infor_Tab中消费地点个数，同时,设置迭代次数I_n＝1，聚类内记录个数限制Num_min＝3,最多迭代次数I_max＝100；其次，在RadViz中随机选定K个记录点作为聚类中心Center_i，使用K-Means算法产生K个初始聚类C_i，i＝1，2，···，K；然后判断每个聚类中记录个数Num_i是否小于类内记录个数限制Num_min，若Num_i＜Num_min，则取消该类的中心Center_i，K＝K-1，迭代次数I_n＝I_n+1，重新使用K-Means方法对RadViz进行聚类，若每个聚类中记录个数Num_i都大于Num_min或迭代次数I_n>最多迭代次数I_max，则完成初始聚类；

步骤2.4)：对步骤2.3)中的初始聚类个数K、聚类内记录个数限制Num_min、最多迭代次数I_max进行调整，直到得到聚类半径小于聚类间质心距离，聚类半径为聚类C_i的质心到边缘记录的最大值的最终聚类结果为止，其中初始聚类个数K的调整范围为大于0不大于X的整数，聚类内记录个数限制Num_min的调整范围为大于0的整数，最多迭代次数I_max的调整范围为大于0的整数。

2.根据权利要求1所述的一种基于可视聚类对消费地点进行混合推荐的方法，其特征在于，所述步骤1)包括以下步骤：

步骤1.1)：根据信用卡交易记录建立消费基本信息表Basic_Infor_Tab，用来描述某消费者在何时何地进行多少消费金额的消费，即该表的每一行都包括消费者、消费地点、消费时间、消费金额字段；

步骤1.2)：对每一消费者创建相应已消费地点集合P，从步骤1.1)所得消费基本信息表中选取该消费者所在行中的消费地点，并将其加入集合P；

步骤1.3)：根据步骤1.1)建立的消费基本信息表，计算消费地点和消费者的相关统计信息，包括消费次数Count、消费金额平均值Avg、消费金额最大值Max和消费金额最小值Min。

3.根据权利要求1所述的一种基于可视聚类对消费地点进行混合推荐的方法，其特征在于，所述的步骤2.4)中，最终聚类结果中的不同聚类由用户框选，并用不同颜色来区分不同聚类内的地点以便于用户肉眼识别。