[发明专利]一种基于客户特征的分组推荐方法及其装置

权利要求书

1.一种基于客户特征的分组推荐方法，其特征在于，包括：

获取多个历史客户的特征信息并对其预处理，得到对应于各个历史客户的数据点，组成待分组数据集；

计算各个数据点周围的数据点密度，选取数据点密度最大的前N个数据点作为初始密度峰值点；

分别对各个所述初始密度峰值点进行聚类，得到以各个所述初始密度峰值点为中心的初始簇；

将每个所述初始簇与对应的推荐数据进行链接；

接收新客户的特征信息后对其进行预处理，得到对应于所述新客户的数据点；

确定所述新客户所属的初始簇，并调用其所属的初始簇链接的推荐数据进行显示；

其中，所述得到以各个所述初始密度峰值点为中心的初始簇之后，将每个所述初始簇与对应的推荐数据进行链接之前，还包括：

计算每个所述初始簇的边界局部密度以及其平均密度；

将每个所述初始簇的边界局部密度依次与其他初始簇的平均密度进行比较，若当前比较的初始簇的边界局部密度大于或等于被比较的初始簇的平均密度，则将被比较的初始簇合并至当前比较的初始簇内；

重复上述操作，直至最终得到的簇均无法与其他簇合并为止，将最终得到的簇作为最终簇；

相应的，后续将每个所述最终簇与对应的推荐数据进行链接；

得到对应于所述新客户的数据点后，确定所述新客户所属的最终簇，并调用其所属的最终簇链接的推荐数据进行显示。

2.根据权利要求1所述的基于客户特征的分组推荐方法，其特征在于，所述计算各个数据点周围的数据点密度，选取数据点密度最大的前N个数据点作为初始密度峰值点的过程包括：

依据密度峰值聚类算法计算各个数据点的局部密度以及高密度距离；

将每个数据点的局部密度以及高密度距离相乘得到所述数据点的归一化值；

将全部数据点的归一化值从大到小进行排序，并依据排序顺序依次对各个所述归一化值进行编号；

将归一化值作为纵坐标，对应的编号作为横坐标，构建归一化曲线；

将所述归一化曲线上拐点及其之前的全部坐标点对应的数据点作为初始密度峰值点。

3.根据权利要求2所述的基于客户特征的分组推荐方法，其特征在于，所述将所述归一化曲线上拐点及其之前的全部坐标点对应的数据点作为初始密度峰值点的过程包括：

依据所述归一化曲线上各个坐标点的坐标，计算各个所述坐标点的两向量夹角；所述两向量夹角为：所述坐标点相对于第一个坐标点形成的向量和所述坐标点相对于其下一个坐标点形成的向量之间的夹角；

选择两向量夹角最大的坐标点作为所述拐点。

4.根据权利要求3所述的基于客户特征的分组推荐方法，其特征在于，所述计算各个所述坐标点的两向量夹角的过程具体为：

依据各个所述坐标点的坐标以及两向量夹角关系式，计算每个所述坐标点的两向量夹角；所述两向量夹角关系式为：

其中，i表示第i个坐标点，θ_i为第i个坐标点的两向量夹角；为第i个坐标点到第i+1个坐标点的决策值变化值；为第i个坐标点到第1个坐标点的决策值变化值；γ_i+n为第i+n个坐标点的归一化值；γ_i为第i个坐标点的归一化值。