[发明专利]一种商品推荐方法、装置、介质和设备

说明书

本发明实施例提供一种商品推荐方法、装置、介质和设备，该方法包括：对多个客户中每个客户的行为特征信息和消费习惯数据进行预处理，获得与所述多个客户一一对应的多个有序树；根据所述多个有序树中每两棵有序树的相似度，相应地确定多个客户中每两个客户的相似度；根据多个客户中每两个客户的相似度和聚类算法对多个客户进行分类，将所述多个客户划分为不同的客户群体；对所述不同的客户群体进行差异化的商品推荐。该方法可以基于消费习惯进行客户分类与商品推荐，能提高商品推荐的精准度。

技术领域

本发明涉及数据挖掘领域，具体涉及到一种商品推荐方法、装置、介质和设备。

背景技术

随着科技的不断发展，社会信息化进程的加快，电子商务交易平台的不断完善，越来越多的人们通过网上购物的方式来获取自己所需的商品，由于现在各个电商平台上的商品种类繁多，用户在购物时，往往希望能在最短的时间内购买到自己想要的东西，商家希望尽可能多的卖出他们的商品，电商平台如果能将客户最想要的商品推荐给用户，就能够做到一举两得的效果。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

电商平台用户地域分布广泛，客户特征与消费习惯各不相同，各个商家为了保证用户体验，均提供了针对用户的个性化推送服务。然而，现有的商品推送方法一般通过获取用户日常浏览记录或购买历史进行简单推送，没有针对用户的消费习惯与不同的客户群进行个性化定制，使得推送信息的准确性较低。

在现有技术下，商品推荐普通存在撒网式的热销商品推荐或单一的商品关联推荐，存在的问题有目标用户群体不明确，无法对不同客户群进行差异化的商品推荐，降低了商品推荐的精准度。或者是采用了技术手段对客户群体进行分类，但不能跟客户的消费习惯有效的结合，无法实现更高精度的分类结果，因此都无法满足上述需求。

发明内容

有鉴于此，本发明实施例的目的在于提供一种商品推荐方法、装置、介质和设备，以基于消费习惯进行客户分类与商品推荐，提高商品推荐的精准度。

为达上述目的，第一方面，本发明实施例提供一种商品推荐方法，其包括：

对多个客户中每个客户的行为特征信息和消费习惯数据进行预处理，获得与所述多个客户一一对应的多个有序树；

根据所述多个有序树中每两棵有序树的相似度，相应地确定多个客户中每两个客户的相似度；

根据多个客户中每两个客户的相似度和聚类算法对多个客户进行分类，将所述多个客户划分为不同的客户群体；

对所述不同的客户群体进行差异化的商品推荐。

在一些可能的实施方式中，所述的对多个客户中每个客户的行为特征信息和消费习惯数据进行预处理，获得与所述多个客户一一对应的多个有序树，具体包括：

根据预设的转化属性与转化规则，确定数据生成模板；

将每个客户的行为特征信息和消费习惯数据与所述数据生成模板进行匹配，生成树状结构，所述树状结构作为该客户的有序树；其中，所述树状结构采用预定义的转化规则表示该客户的行为特征信息与消费习惯。

在一些可能的实施方式中，所述树状结构采用的预定义的转化规则可以包括：

除根节点外，将树状结构中的每一层定义为一个转化属性，每层中的结点表示属性对应的值；

按照预先定义的属性的优先级，根据优先级从上往下纵向降序排列；

树状结构中的父子节点之间具有继承关系，子节点继承父节点的属性；

属性的值按照优先级或取值大小从左往右横向排序，在每一层中是兄弟结点关系，最终形成一棵有序树。