[发明专利]一种资源受限约束下的活动推荐方法及系统

权利要求书

1.一种资源受限约束下的活动推荐方法，其特征在于，所述方法包括：

提取原始数据的特征数据；其中，所述特征数据包括活动关键属性及其关键度，活动资格属性及其对应的资格阈值；

根据所述特征数据计算用户与活动的响应度矩阵；

根据所述特征数据进行用户聚类，形成不同等级的特征群体，并根据所述特征群体计算用户与活动的贡献率预测矩阵；

将所述响应度矩阵以及所述贡献率预测矩阵进行拟合，得到用户与活动的价值矩阵；

根据所述价值矩阵，利用Top-N推荐算法筛选出各指定活动的前预定数量的优质用户，对各所述优质用户中不受限的用户直接进行指定活动推荐得到第一推荐结果，对各所述优质用户中受限的用户进行合并，并筛选出受限用户与活动的受限价值矩阵；

根据所述受限价值矩阵，利用KM_B算法求解资源受限约束下的用户与活动的推荐结果，并与所述第一推荐结果进行合并，形成资源受限约束下的全局最优推荐结果。

2.根据权利要求1所述的方法，其特征在于，提取原始数据的特征数据，包括：

对原始数据中的用户的基本信息，历史交易行为信息和历史活动参与信息进行分析，提取用户的基本信息特征、历史交易行为偏好特征、活动的用户群特征以及活动中不同用户对活动的贡献率特征；其中，所述活动的用户群特征包含活动关键属性及其关键度，活动资格属性及其对应的资格阈值。

3.根据权利要求2所述的方法，其特征在于，根据所述特征数据计算用户与活动的响应度矩阵，包括：

利用公式计算用户与活动的响应度矩阵R；

其中，θ_ij为各用户在各活动中最终的活动资格值，w_ik为第i个用户的第k项活动关键属性，φ_jk(w_ik)为第j个活动的第k项活动关键属性的计算函数，n_j为第j个活动的活动关键属性个数，I_jk为第j个活动的第k项活动关键属性的重要度。

4.根据权利要求3所述的方法，其特征在于，根据所述特征数据进行用户聚类，形成不同等级的特征群体，并根据所述特征群体计算用户与活动的贡献率预测矩阵，包括：

根据所述基本信息特征和所述历史交易行为偏好特征进行用户聚类，得到多个用户群；

按照用户是否参与过活动对每个所述用户群进行划分，得到每个所述用户群对应每个活动的参与用户群和未参与用户群；

对所述参与用户群的历史贡献率进行汇总计算，得到所述参与用户群的贡献率的统计数作为参与用户群贡献率的评估参数；

根据所述用户群的实际贡献率分布情况，对所述未参与用户群的贡献率进行预测填充得到未参与用户群贡献率；

根据所述参与用户群贡献率以及所述未参与用户群贡献率得到用户与活动的贡献率预测矩阵。

5.根据权利要求4所述的方法，其特征在于，将所述响应度矩阵以及所述贡献率预测矩阵进行拟合，得到用户与活动的价值矩阵，包括：

利用公式V[i,j]＝R[i,j]*C[i,j]*W[j]计算用户与活动的价值矩阵V；

其中，R为用户与活动的响应度矩阵，C为用户与活动的贡献率预测矩阵，W为活动权重向量。