[发明专利]基于集成特征选择实现客户分类的产品推荐方法及系统

权利要求书

1.基于集成特征选择实现客户分类的产品推荐方法，其特征是，包括：

获取待推荐客户的历史产品购买数据；

对待推荐客户的历史产品购买数据进行预处理；

对预处理后的数据基于设定的指标进行特征选择，选择出若干个特征；

将选择的特征，输入到预训练的第一神经网络模型中，输出待推荐客户的类别；

将待推荐客户的类别，输入到预训练的第二神经网络模型中，输出待推荐客户的推荐产品。

2.如权利要求1所述的方法，其特征是，获取待推荐客户的历史产品购买数据；历史产品购买数据包括：每一种类产品的购买次数、每一种类产品的购买时间、每一种类产品的购买频率、每一种类产品的浏览次数或每一种类产品的浏览时长、现有账户状态、信用历史、贷款目的、贷款金额、就业情况、婚姻/家庭情况、年龄、房屋或工作。

3.如权利要求1所述的方法，其特征是，对待推荐客户的历史产品购买数据进行预处理；具体步骤包括：

对待推荐客户的历史产品购买数据进行数据转换；

对经过数据转换后的数据，进行异常值的检测和删除；

对异常值检测和删除后的数据，进行归一化处理。

4.如权利要求1所述的方法，其特征是，对待推荐客户的历史产品购买数据进行数据转换；具体步骤包括：

对待推荐客户的历史产品购买数据中每一维数值型特征，计算其偏度值；

如果偏度值大于设定阈值，则对特征进行变换，以改善数据的正态性。

5.如权利要求1所述的方法，其特征是，对预处理后的数据基于设定的指标进行特征选择，选择出若干个特征；具体步骤包括：

对预处理后的数据，基于四个指标进行特征选择，综合分析四个指标实际值，当某个预处理后的数据特征的四个指标实际值均达到对应指标的最优值时，当前特征即为被选择出来的特征。

6.如权利要求5所述的方法，其特征是，对预处理后的数据，基于四个指标进行特征选择，所述四个指标包括：

指标一：每个特征的误分类概率；

指标二：同一个特征下，不同类别数据的相关性；

指标三：各个特征和标签数据的相关性；

指标四：各个特征对标签数据的信息增益。

7.如权利要求6所述的方法，其特征是，

所述指标一：每个特征的误分类概率的计算过程为：

计算数据集的每个特征中两类样本的核密度估计值，计算同一个特征下两条概率密度函数的曲线重叠面积，重叠面积即为误分类概率；

或者，

所述指标二：同一个特征下，不同类别数据的相关性；计算过程为：

计算单个特征下两个类别的核密度估计值；

计算里两个类别的和密度估计值的相关性，即为同一个特征下，不同类别数据的相关性。

8.基于集成特征选择实现客户分类的产品推荐系统，其特征是，包括：

获取模块，其被配置为：获取待推荐客户的历史产品购买数据；

预处理模块，其被配置为：对待推荐客户的历史产品购买数据进行预处理；

特征选择模块，其被配置为：对预处理后的数据基于设定的指标进行特征选择，选择出若干个特征；

第一输出模块，其被配置为：将选择的特征，输入到预训练的第一神经网络模型中，输出待推荐客户的类别；

第二输出模块，其被配置为：将待推荐客户的类别，输入到预训练的第二神经网络模型中，输出待推荐客户的推荐产品。

9.一种电子设备，其特征是，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。