[发明专利]基于转移概率网络的商户推荐方法及其系统

说明书

本发明涉及基于转移概率网络的商户推荐方法及其系统。该方法包括：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；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，所述商户代码以由进行OneHot编码之后的向量表示；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商户出现概率分布作为输出层；以及基于所述转移概率网络构建步骤输出的所述商户出现概率向用户推荐商户。根据本发明，提出了转移概率三层神经网络的架构，能够根据海量用户的消费序列，快速分析商户系列之间的关系，进行更精准的推荐。

技术领域

本发明涉及数据处理，具体地涉及一种通过构建神经网络计算转移概率的商户推荐方法及其系统。

背景技术

用户们在消费的时候，已经习惯先从网络上去获取的商户信息，然后选择感兴趣的商户进行消费，即使在线下消费场景也是如此。一些互联网网站也会经常地向用户进行商户推荐，从而节约用户购物时间、提高效率，并且更好改善用户服务体验。

不过，很多商户推荐功能都是将商户按热门程度进行排序推荐，这导致大量用户收到的推荐信息都是类似的，没有针对用户喜好和的商户的特点进行推荐。这样，用户仍然会有很大的迷茫性，难以找到适合自己商户。通过检索发现，现在有一些公司也使用了一些机器学习方法来提升商户推荐的效率，但是这些方案大多建立在要准确获取用户各种隐私数据的基础之上。

公开于本发明背景部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

鉴于上述问题，本发明旨在提供一种利一种能够根据海量用户的消费序列快速分析商户序列之间关联从而进行更精准推荐的基于转移概率网络的商户推荐方法以及基于转移概率网络的商户推荐系统。

本发明的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；

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商户出现概率分布作为输出层。

可选地，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商户出现概率向用户推荐商户。

可选地，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。

可选地，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W₁，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。

可选地，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。

可选地，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。