[发明专利]一种基于需求偏好的资源服务推荐方法及系统

权利要求书

1.一种基于需求偏好的资源服务推荐方法，其特征在于，包括：

从资源服务属性组合中采样正样本和负样本；

采用随机森林模型对所述正样本和负样本进行训练，得到训练模型；

对所述训练模型中正样本分支的所有属性进行投票，得到同属性间偏好排序；其中，具体包括：从所述训练模型中找出正样本分支，对所述正样本分支上的所有属性进行投票；将投票结果除以展示产品的属性组合中该属性占比，得到修正的投票结果；决策树投票结果汇总，得到同属性间偏好排序；

对所述训练模型中正、负样本分支上出现的、未出现的属性打分，得到不同属性间偏好排序；其中，具体包括：将所述正、负样本分支的顶端属性得分设为随机森林的最大深度；随后每加一层，该层上的属性得分为上层属性得分减1；对所述正、负样本分支上未出现的属性，该属性得分为该分支上得分最低的属性得分；决策树结果汇总，得到不同属性间偏好排序；

基于所述同属性间偏好排序和不同属性间偏好排序，进行资源服务推荐；其中，基于所述同属性间偏好排序，所述资源服务推荐包括：按照排序结果进行资源服务推荐；基于所述不同属性间偏好排序，所述资源服务推荐包括：计算不同属性在意度权重列表；对用户在权重列表上进行投票打分，得到用户的资源服务属性偏好；与现有产品进行匹配，进行资源服务推荐；

所述从资源服务属性组合中采样正样本和负样本，包括：

将资源服务中的连续属性值离散为离散属性值，得到所述资源服务属性组合；

将所述资源服务属性组合中用户正向操作的资源服务属性设为正样本；

将所述资源服务属性组合中用户未正向操作的资源服务属性设为负样本。

2.一种基于需求偏好的资源服务推荐系统，其特征在于，包括：

样本生成模块，用于从资源服务属性组合中采样正样本和负样本；

模型训练模块，用于采用随机森林模型对所述正样本和负样本进行训练，得到训练模型；其中，具体用于：从所述训练模型中找出正样本分支，对所述正样本分支上的所有属性进行投票；将投票结果除以展示产品的属性组合中该属性占比，得到修正的投票结果；决策树投票结果汇总，得到同属性间偏好排序；

需求偏好分析模块，用于对所述训练模型中正样本分支的所有属性进行投票，得到同属性间偏好排序；对所述训练模型中正、负样本分支上出现的、未出现的属性打分，得到不同属性间偏好排序；其中，具体用于：将所述正、负样本分支的顶端属性得分设为随机森林的最大深度；随后每加一层，该层上的属性得分为上层属性得分减1；对所述正、负样本分支上未出现的属性，该属性得分为该分支上得分最低的属性得分；决策树结果汇总，得到不同属性间偏好排序；

资源服务推荐模块，用于基于所述同属性间偏好排序和不同属性间偏好排序，进行资源服务推荐；其中，基于所述同属性间偏好排序，所述资源服务推荐包括：按照排序结果进行资源服务推荐；基于所述不同属性间偏好排序，所述资源服务推荐包括：计算不同属性在意度权重列表；对用户在权重列表上进行投票打分，得到用户的资源服务属性偏好；与现有产品进行匹配，进行资源服务推荐；

所述样本生成模块，用于：

将资源服务中的连续属性值离散为离散属性值，得到所述资源服务属性组合；

将所述资源服务属性组合中用户正向操作的资源服务属性设为正样本；

将所述资源服务属性组合中用户未正向操作的资源服务属性设为负样本。