[发明专利]基于转移概率网络的商户推荐方法及其系统

权利要求书

1.一种基于转移概率网络的商户推荐方法，其特征在于，包括：

OneHot编码步骤，对N个商户进行OneHot编码，其中，每个商户被映射为一个N维的稀疏向量，N为自然数；

消费商户序列构建步骤，对于规定账户，记录相关交易对应的商户代码并排序而构建消费商户序列，其中，所述商户代码以由所述OneHot编码步骤进行OneHot编码之后的向量表示；以及

转移概率网络构建步骤，构建神经网络，其中，以每个商户的OneHot编码之后的向量作为输入层、以在该商户之后接下来可能出现的商户的出现概率分布作为输出层，

其中，所述转移概率网络构建步骤包括下述子步骤：

构建神经网络模型子步骤，构建包含具有输入层、隐藏层、输出层的三层神经网络；

生成训练样本子步骤，基于所述消费商户序列生成训练样本；以及

训练神经模型子步骤，基于规定算法训练该神经网络，

在所述训练神经模型子步骤中，所述输入层的维度为N，所述隐藏层的维度为m，将输入层到隐藏层的权重矩阵记为W_{1 ，}则权重矩阵W₁记为N行*m列，当输入向量的第k维为1时，仅提取出W₁中的第k行的行向量作为输出。

2.如权利要求1所述的基于转移概率网络的商户推荐方法，其特征在于，在所述转移概率网络构建步骤之后进一步具备：

商户推荐步骤，基于所述转移概率网络构建步骤输出的所述出现概率向用户推荐商户。

3.如权利要求1所述的基于转移概率网络的商户推荐方法，其特征在于，

在所述训练神经模型子步骤中，对正样本进行权重更新，随机选取一部分的负样本进行权重更新。

4.如权利要求1所述的基于转移概率网络的商户推荐方法，其特征在于，

在所述消费商户序列构建步骤中，统计规定时间内消费次数大于预设阈值的账户，对于统计出的账户，记录每一笔交易对应的商户代码，将每一个所述账户该段规定时间内消费所在商户的商户代码按照依次排列。

5.如权利要求1所述的基于转移概率网络的商户推荐方法，其特征在于，

在所述生成训练样本子步骤中，对于所述消费商户序列，按照规定位置参数选取与作为输入层的商户位置相关的商户而得到训练样本、或者按照规定时间参数选取与作为输入层的商户时间相关的商户而得到训练样本。

6.一种基于转移概率网络的商户推荐系统，其特征在于，具备：

OneHot编码模块，对N个商户进行OneHot编码，其中，每个商户被映射为一个N维的稀疏向量，N为自然数；

消费商户序列构建模块，对于规定账户，记录相关交易对应的商户代码并排序而构建消费商户序列，其中，所述商户代码以由所述OneHot编码步骤进行OneHot编码之后的向量表示；以及

转移概率网络构建模块，构建神经网络，其中，以每个商户的OneHot编码之后的向量作为输入层、以在该商户之后接下来可能出现的商户的出现概率分布作为输出层，

所述转移概率网络构建模块具备：

构建神经网络模型子模块，构建包含具有输入层、隐藏层、输出层的三层神经网络；

生成训练样本子模块，利用所述消费商户序列生成训练样本；以及

训练神经模型子模块，基于规定算法训练该神经网络，

其中，在所述训练神经模型子模块中，设所述输入层的维度为N，所述隐藏层的维度为m，将输入层到隐藏层的权重矩阵记为W_{1 ，}则权重矩阵W₁记为N行*m列，当输入向量的第k维为1时，仅提取出W₁中的第k行的行向量作为输出。

7.如权利要求6所述的基于转移概率网络的商户推荐系统，其特征在于，进一步具备：

商户推荐模块，基于所述转移概率网络构建装置输出的所述出现概率向用户推荐商户。