[发明专利]一种基于用户群微细分的信息推送方法及系统

权利要求书

1.一种基于用户群微细分的信息推送方法，其特征在于，包括以下步骤：

从服务器获取用户信息及其对应的产品信息；

对所述用户信息及其对应的产品信息进行标准化处理，得到第一数据集；

对所述第一数据集进行结构引力成像处理，将结构化数据转换为二维彩色等高线轮廓图；

从所述二维彩色等高线轮廓图中提取低维特征向量；

根据所述低维特征向量采用密度聚类的方法对用户群进行微细分以形成用户微细分簇群；

将所述低维特征向量及用户微细分簇群的提升度用于优先推荐模型的优化提升；

基于所述优先推荐模型的预测结果向用户群进行相应产品的信息推送；

对所述第一数据集进行结构引力成像处理，将结构化数据转换为二维彩色等高线轮廓图，从所述二维彩色等高线轮廓图中提取低维特征向量，包括：

根据全体用户的分箱离散化编码，进行相关分析，计算相关系数矩阵，将相关系数转化为变量间的引力；

根据全体用户的各个产品购买金额汇总占比和相关系数矩阵，映射为星系中的星球大小和星际引力，应用斥力算法通过迭代得到星系稳定后各星球的空间坐标；

根据稳定后的产品星球大小和空间位置，将星球大小映射为山峰海拔高度，并对二维网格中的大量缺失值进行插值填充，构建三维地形图；

根据三维地形图，进行等高线投影，并基于海拔高度的不同进行不同染色，构建二维彩色等高线轮廓图；

根据全体用户对应的大量二维彩色等高线轮廓图，通过自动编码器训练建模，以抽取二维彩色等高线轮廓图的低维特征向量，并建立分箱离散化编码和低维特征向量的映射表。

2.如权利要求1所述的方法，其特征在于，其中所述产品信息包括针对所述产品的用户的历史行为数据。

3.如权利要求1所述的方法，其特征在于，其中对所述用户信息及其对应的产品信息进行标准化处理，得到第一数据集，包括：

将所述用户信息及其对应的产品信息标准化处理为用户与产品的月日均数据宽表；

根据全体用户与各产品的数据分布，进行零值归并二次分箱离散化，通过百分位数分箱、零值归并、十分位数分箱，将各项数据离散化为十个分箱标签，并以箱体中位数作为分箱量化值；

所述零值归并二次分箱离散化标签的计算公式为：

其中n为全体用户数量

式中，为第i个百分位数的位置，为第j个十分位数的位置，i和j分别表示第i和第j个分位数；

根据用户在各产品资产占比的分箱标签，串联形成用户的分箱离散化编码，形成第一数据集。

4.如权利要求1所述的方法，其特征在于，其中所述根据所述低维特征向量采用密度聚类的方法对用户群进行微细分以形成用户微细分簇群，包括：

根据分箱离散化编码的频数统计和低维特征向量映射表，通过频数加权还原全体用户的低维特征向量数据；

根据全体用户的低维特征向量数据，通过基于密度的聚类算法，进行聚类；

将聚类结果中的所有簇群和未形成簇群的离群点进行合并，形成最终的微细分簇群集合，以微细分簇群中心点的分箱离散化编码作为该微细分簇群的分箱离散化编码。

5.如权利要求4所述的方法，其特征在于，其中将所述低维特征向量及用户微细分簇群的提升度用于优先推荐模型的优化提升，包括：

将每个用户的低维特征向量作为新的特征变量，加入到现有各个优先推荐模型的宽表之中，重新训练原有预测模型，以得到各个产品对应的第一优先推荐模型；

计算每个用户微细分簇群中的阳性占比相对全体用户阳性占比的提升度，将每个用户对应微细分簇群的提升度作为新的特征变量，加入到现有各个产品对应的第一优先推荐模型的宽表之中，训练该第一优先推荐模型，以得到优化后的优先推荐模型。