[发明专利]一种资源受限约束下的活动推荐方法及系统

说明书

本申请公开了一种资源受限约束下的活动推荐方法及系统，该方法包括：将响应度矩阵及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；在考虑用户与活动贡献率和资源受限条件下，完成全局最优化多对多推荐，实现活动推荐的整体收益最大化。

技术领域

本申请涉及数据处理技术领域，特别涉及一种资源受限约束下的活动推荐方法及系统。

背景技术

产品或活动的推荐是企业的重要营销方式之一。在实际推荐中，一个用户往往可以参与多个活动，而一个活动往往也需要推荐给多个用户，即实际推荐是一个多对多的推荐。同时，实际活动的推荐也是受到资源约束限制的，如：推荐成本和营销成本，具体包括时间成本、人力成本、经济成本等，因此活动的推荐是资源受限的。即实际活动的推荐是一个资源受限约束下的多对多推荐。

而目前主流的活动推荐方法主要是基于用户-活动的匹配程度的Top-N推荐方法，在该推荐方法中，一个用户可能会同时出现在多个活动的Top-N名单中。但在考虑到用户体验、资源受限等约束条件时，虽然一个用户可能同时出现在多个活动的Top-N名单中，并且在多个活动中的匹配度都很高，但是并不能把这些活动都推荐给该用户。因为，在资源受限条件下，每个用户可参与活动的数量和每个活动的配额都是受到限制的。因此，主流的Top-N推荐方法缺乏一个在资源受限条件下的全局优化机制，不能较好的处理资源受限条件下的多对多推荐。如何解决Top-N推荐方法存在的问题，实现活动推荐的整体收益最大化，而不是每个活动的局部收益最大化，是本领域技术人员需要解决的技术问题。

发明内容

本申请的目的是提供一种资源受限约束下的活动推荐方法及系统，具有全局优化机制的情况下，则可以对全部活动Top-N名单中的用户进行统筹推荐，实现整体收益最大化的，而不是每个活动的局部收益最大化。

为解决上述技术问题，本申请提供一种资源受限约束下的活动推荐方法，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推荐算法筛选出各所述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。

可选的，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。

可选的，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；