[发明专利]一种基于可视聚类对消费地点进行混合推荐的方法

摘要

本发明提供了一种基于可视聚类对消费地点进行混合推荐的方法，其步骤为：1)对信用卡消费记录进行数据的预处理；2)对消费地点进行RadViz可视聚类，发现消费特征类似的消费地点聚类；3)对消费者进行RadViz可视聚类，发现消费模式相近的消费者聚类；4)对于消费者，将基于内容推荐方法和协同过滤推荐方法发现的消费地点，添加到对应消费者消费地点推荐列表中；5)进一步处理消费者消费地点推荐列表，生成消费地点推荐表，完成对消费者进行的消费地点个性化推荐。本发明从多角度完成了为对消费者进行最有可能感兴趣的消费地点的个性化推荐，解决了基于内容的推荐只与已经消费过地点有关联，以及协同过滤推荐无法进行个性化推荐的问题。

主权项

1.一种基于可视聚类对消费地点进行混合推荐的方法，其特征在于，包含以下步骤：步骤1)：对信用卡消费记录进行数据处理，得到包括消费者、消费地点、消费时间和消费金额字段的消费基本信息表Basic_Infor_Tab和消费者已消费地点集合P；步骤2)：根据步骤1)得到的消费基本信息表Basic_Infor_Tab，对消费地点进行RadViz可视聚类，得到消费特征类似的消费地点聚类；步骤3)：根据步骤2)得到的消费地点聚类，对消费者进行RadViz可视聚类，得到消费模式相近的消费者聚类；步骤4)：根据步骤2)得到的消费地点聚类进行基于内容的推荐，根据步骤3)得到的消费者聚类进行协同过滤推荐，将得到的消费地点，添加到对应消费地点推荐列表中；步骤5)：根据步骤4)建立的消费者消费地点推荐列表Recommend_List，对消费地点按出现次数进行排序，然后将出现次数最多的N个消费地点推荐给消费者，即完成对消费者进行个性化消费地点的推荐；所述步骤2)对消费地点进行RadViz可视聚类具体步骤如下：步骤2.1)：选取消费时间或统计信息作为维度锚点，将其均匀分布在RadViz圆周；步骤2.2)：对消费地点进行可视化，消费地点会因维度锚点对其产生的弹簧拉力而在RadViz中确定其最终位置；步骤2.3)：类似消费地点将因相似的消费特征而在RadViz中聚集在一起，消费地点的消费特征指在该消费地点的消费发生的时间、消费的金额和消费者，根据自适应K‑Means算法对RadViz圆环内地点进行初始聚类，首先，设置初始聚类个数其中X为消费基本信息表Basic_Infor_Tab中消费地点个数，同时,设置迭代次数I_n＝1，聚类内记录个数限制Num_min＝3,最多迭代次数I_max＝100；其次，在RadViz中随机选定K个记录点作为聚类中心Center_i，使用K‑Means算法产生K个初始聚类C_i，i＝1，2，···，K；然后判断每个聚类中记录个数Num_i是否小于类内记录个数限制Num_min，若Num_i＜Num_min，则取消该类的中心Center_i，K＝K‑1，迭代次数I_n＝I_n+1，重新使用K‑Means方法对RadViz进行聚类，若每个聚类中记录个数Num_i都大于Num_min或迭代次数I_n>最多迭代次数I_max，则完成初始聚类；步骤2.4)：对步骤2.3)中的初始聚类个数K、聚类内记录个数限制Nummin、最多迭代次数Imax进行调整，直到得到聚类半径小于聚类间质心距离，聚类半径为聚类Ci的质心到边缘记录的最大值的最终聚类结果为止，其中初始聚类个数K的调整范围为大于0不大于X的整数，聚类内记录个数限制Nummin的调整范围为大于0的整数，最多迭代次数Imax的调整范围为大于0的整数。