[发明专利]一种商品推荐方法、系统、存储介质和终端

权利要求书

1.一种基于FP-Growth的联邦关联分析的商品推荐方法，其特征在于，商品推荐方法包括：

S1、用户购买记录数据采集及存储；

S2、数据预处理；

S3、基于FP-Growth的数据联邦关联分析；

S4、商品个性化推荐。

2.根据权利要求1所述的商品推荐方法，其特征在于：

步骤S1中用户购买记录数据采集由智能金融设备收集，并将收集后的数据存储到智能金融设备所属区域的MySQL数据库中。

3.根据权利要求1所述的商品推荐方法，其特征在于：其中，步骤S2的数据预处理包括：

S21、数据转换，将原始用户购买记录的商品名数字化，使得用户购买记录规范化形成能被计算机识别的文本数据，提高后续关联分析的效率；

S22、数据缺失值处理，依据“最近最频繁”原则对规范化后的文本数据进行缺失值处理。

4.根据权利要求3所述的商品推荐方法，其特征在于：步骤S21的数据转换包括：

S211、将商品进行编号；

S212、将用户购买记录按照商品编号进行转换，实现文本数据转换成整数型数据，便于提高后续关联分析的效率。

5.根据权利要求3所述的商品推荐方法，其特征在于：步骤S22的数据缺失值处理包括：

S221、依据用户的缺失数据调取最近30天的购买记录；

S222、统计缺失值商品X所在的购买记录的前商品X-1与后商品X+1的购买记录；

S223、取前商品X-1与后商品X+1前后频繁出现的商品Y作为缺失值商品X的填充值。

6.根据权利要求1所述的商品推荐方法，其特征在于：步骤S3中的数据联邦关联分析基于FP-Growth的联邦关联分析算法，具体包括：

S31、生成FP子树，参与者与最相近的未被其他参与者配对的参与者，作为其生成FP子树的联邦学习伙伴，基于统一加密规则的密文生成针对N个地区的N/2棵FP子树；

S32、聚合生成联邦FP树，对除叶子节点数最多对的所有FP子树分裂，再将分裂的子树插入到初始未分裂的子树中，以此聚合生成联邦FP树；

S33、生成联邦频繁项集，先从联邦FP树中获得条件模式基，利用条件模式基构建一棵条件FP树，不断重复得到频繁项集；

S34、生成联邦关联规则,对联邦频繁项集的各子项进行解密，得到最终的明文联邦频繁项目，由聚合服务器将其作为联邦关联规则广播给各参与者。

7.根据权利要求1或6所述的商品推荐方法，其特征在于：在步骤S4中，基于联邦关联规则以主动推荐和被动推荐两种方式向用户推荐商品。

8.一种基于FP-Growth的联邦关联分析的商品推荐系统，其特征在于，系统包括：

数据采集及存储模块，通过智能金融设备采集用户的历史购买记录，并存储在智能金融设备所属区域的MySQL数据库中；

数据预处理模块，通过数据处理规则对原始数据进行数据转换和数据缺失值处理，将原始用户购买记录的商品名数转变成可以被计算机运算的数据格式；

数据联邦关联分析模块，用于根据FP-Growth算法生成联邦频繁项目，作为向用户进行商品推荐的联邦关联规则；

商品推荐模块，基于联邦关联规则向用户多样性的推荐商品。

9.一种计算机可读存储介质，其上存储有计算机指令，其特征在于：所述计算机指令运行时执行权利要求1-7任一项所述方法的步骤。

10.一种终端，包括存储器、处理器和外设智能金融设备，其特征在于：所述存储器上储存有从外设智能金融设备采集的用户历史购买记录、经加密处理的用户信息、以及能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行权利要求1-7任一项所述方法的步骤。