[发明专利]一种商品分类方法、装置、电子设备及存储介质

权利要求书

1.一种商品分类方法，其特征在于，包括：

获取预设时间段内的商品交易数据；

根据所述交易数据生成以商品为节点，以商品之间的关联关系为边的商品关联图；

根据所述商品关联图生成各商品的词向量；

采用预设的聚类算法，对商品的词向量进行聚类，得到各个商品对应的类别。

2.根据权利要求1所述的方法，其特征在于，所述交易数据包括商品信息、商品购买时间和客户信息；

根据所述交易数据生成以商品为节点，以商品之间的关联关系为边的商品关联图，包括：

根据所述交易数据生成多个商品购买序列，一个商品购买序列包含一个客户在一个预设的购买周期内购买的所有商品的信息；

分别对各个商品购买序列中的商品购买时间进行聚类，得到聚类结果；

根据所述聚类结果生成以商品为节点，以商品之间的关联关系为边的商品关联图。

3.根据权利要求2所述的方法，其特征在于，根据所述聚类结果生成以商品为节点，以商品之间的关联关系为边的商品关联图，包括：

根据所述聚类结果将商品购买时间属于同一个类的商品按照购买时间的先后顺序采用有向连接线进行有向连接，所述有向连接线表示商品之间的关联关系；

生成以商品为节点、以商品之间的有向连接线为边、以任意两件商品之间的同一种有向连接线出现的次数为与所述有向连接线对应的边的权重的有向带权图；

将所述有向带权图作为商品关联图。

4.根据权利要求2所述的方法，其特征在于，对商品购买序列中的商品购买时间进行聚类，得到聚类结果，包括：

确定购买时段个数的多个候选值；

分别根据各个候选值，对商品购买序列中的商品购买时间采用重心法进行聚类；

根据聚类结果按照预设的第一公式计算各个候选值对应的sim值；

确定对应的sim值最大的候选值作为购买时段个数的预设值；

将根据所述预设值对商品购买序列中的商品购买时间采用重心法进行聚类得到的聚类结果，作为最终的聚类结果。

5.根据权利要求4所述的方法，其特征在于，

所述第一公式如下所示；

其中，m表示购买时段个数的候选值，μ_i表示聚类结果中商品购买时间属于第i类的商品的相似度，N_i表示聚类结果中商品购买时间属于第i类的商品的数量，d_i表示聚类结果中商品购买时间属于第i类的商品间的购买时间距离。

6.根据权利要求1所述的方法，其特征在于，根据所述商品关联图生成各商品的词向量，包括：

对所述商品关联图执行随机游走，得到随机游走序列；

选取任意一条随机游走序列中的任一商品作为第一商品；

根据所述交易数据，选取购买过所述第一商品的任一客户作为第一客户；

获取所述第一客户的画像特征；

抽取所述交易数据中除了所述第一商品外的多个商品分别作为第二商品；

根据所述第一商品、第一客户的画像特征和第二商品训练所述第一商品的词向量。

7.根据权利要求6所述方法，其特征在于，对所述商品关联图执行随机游走，得到随机游走序列，包括：

分别采用深度优先搜索算法和广度优先搜索算法对所述商品关联图执行随机游走，得到随机游走序列。

8.根据权利要求6所述方法，其特征在于，根据所述第一商品、第一客户的画像特征和第二商品训练所述第一商品的词向量，包括：

确定下式中L(u，u_o)最大时对应的u，作为第一商品的词向量；

其中，u表示第一商品的词向量，u_o表示第二商品的词向量，c表示第一客户的特征向量，k表示一个超参数，p_n(u)表示第一商品被购买的概率，m表示抽取的第二商品的个数，y_i表示抽取的m个第二商品中属于第一客户购买的且在第一商品所在的随机游走序列中的商品所占的比例。