[发明专利]消费信息推荐方法、系统、装置和存储介质

权利要求书

1.一种消费信息推荐方法，其特征在于，包括以下步骤：

获取样本数据集，所述样本数据集包括目标对象的历史消费信息和所述目标对象的关联对象的消费信息；

构建所述样本数据集的距离矩阵；

计算所述距离矩阵对应的规模参数；

根据所述距离矩阵和所述规模参数计算第一相似图矩阵；

对所述第一相似图矩阵内的对称元素添加随机噪声，得到第二相似图矩阵；

根据所述第二相似度矩阵构建拉普拉斯矩阵；

通过特征最大间隔算法选择聚簇个数；

对所述拉普拉斯矩阵内属于所述聚簇个数内的元素进行聚类，得到符合预设标记的目标元素；

根据所述目标元素对应的样本数据进行消费信息推荐。

2.根据权利要求1所述的一种消费信息推荐方法，其特征在于，所述获取样本数据集，包括：

获取所述目标对象的图像信息；

根据所述图像信息对所述目标对象的身份进行识别；

根据识别结果获取所述目标对象的历史消费信息；

获取所述目标对象的关联对象；

获取所述关联对象的消费信息；

将所述目标对象的历史消费信息和所述关联对象的消费信息组成所述样本数据集。

3.根据权利要求1所述的一种消费信息推荐方法，其特征在于，所述计算所述距离矩阵对应的规模参数，包括：

对所述距离矩阵内的元素进行排序；

获取排序后每个元素的位置序号；

根据所述位置序号计算所述规模参数。

4.根据权利要求3所述的一种消费信息推荐方法，其特征在于，所述对所述距离矩阵内的元素进行排序，包括：

对所述距离矩阵内的元素进行升序排序。

5.根据权利要求1所述的一种消费信息推荐方法，其特征在于，所述根据所述第二相似度矩阵构建拉普拉斯矩阵，包括：

根据所述第二相似图矩阵计算度矩阵；

根据单位矩阵、所述度矩阵和所述第二相似图矩阵构建拉普拉斯矩阵。

6.根据权利要求1所述的一种消费信息推荐方法，其特征在于，所述对所述拉普拉斯矩阵内属于所述聚簇个数内的元素进行聚类，得到符合预设标记的目标元素，包括：

计算所述拉普拉斯矩阵内属于所述聚簇个数内的元素的特征值和对应的特征向量；

对所述特征向量组成的矩阵进行标准化，得到特征矩阵；

对所述特征矩阵内的元素进行聚类，得到符合预设标记的目标元素。

7.根据权利要求6所述的一种消费信息推荐方法，其特征在于，所述对所述特征矩阵内的元素进行聚类，包括：

通过kmeans++算法将所述特征矩阵内的元素聚类到预设数量的簇内。

8.一种消费信息推荐系统，其特征在于，包括：

第一模块，用于获取样本数据集，所述样本数据集包括目标对象的历史消费信息和所述目标对象的关联对象的消费信息；

第二模块，用于构建所述样本数据集的距离矩阵；

第三模块，用于计算所述距离矩阵对应的规模参数；

第四模块，用于根据所述距离矩阵和所述规模参数计算第一相似图矩阵；

第五模块，用于对所述第一相似图矩阵内的对称元素添加随机噪声，得到第二相似图矩阵；

第六模块，用于根据所述第二相似度矩阵构建拉普拉斯矩阵；

第七模块，用于通过特征最大间隔算法选择聚簇个数；

第八模块，用于对所述拉普拉斯矩阵内属于所述聚簇个数内的元素进行聚类，得到符合预设标记的目标元素；

第九模块，用于根据所述目标元素对应的样本数据进行消费信息推荐。

9.一种消费信息推荐装置，其特征在于，包括：

至少一个存储器，用于存储程序；

至少一个处理器，用于加载所述程序以执行如权利要求1-7任一项所述的消费信息推荐方法。

10.一种存储介质，其特征在于，其中存储有计算机可执行的程序，所述计算机可执行的程序被处理器执行时用于实现如权利要求1-7任一项所述的消费信息推荐方法。