基于用户群分类的产品推荐方法、系统、设备及介质

本发明涉及数据分析，特别是涉及基于用户群分类的产品推荐方法、系统、设备及介质。

背景技术：

1、本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

2、随着技术的发展，在给不同用户群体推荐一些事物之前，例如在给不同用户推荐工作、电影、音乐、文章、理财产品等事物之前，通过了解每个用户的属性，有针对性地为不同用户推荐符合其个体属性特质的事物。

3、为了了解每个用户的属性特质，可通过调查问卷填写的形式，对每个用户进行调研，用户对调查问卷的问题一一进行回答，相关人员将填写完毕的调查问卷进行回收，然后基于问卷问题的答案，对用户进行分类，属于同一分类类别的用户，具有相似的属性特质。进而，后续有针对性地为不同用户推荐符合其个体属性特质的事物。

4、在实现本公开的过程中，发明人发现至少存在以下问题：

5、现有技术中用户填写的问卷答案可能不是用户真实想法，也可能因为用户的疏忽存在漏写和错写的情形，也有一些用户对调查问卷的问题不愿意配合一一回答，导致问卷不能准确划分用户的类型，进而相应产品的广告会没有针对性的发放，对产品不感兴趣的用户来说，无效广告信息会造成干扰，降低用户对产品的体验度。对产品感兴趣的用户来说，由于广告分类不够精准，导致用户自己需要对所有的产品再次进行梳理和挑选，需要大的精力和专业的识别能力；导致服务平台为客户提供的产品与客户需求匹配度降低的情况发生。

技术实现思路

1、为了解决现有技术的不足，本发明提供了基于用户群分类的产品推荐方法、系统、设备及介质，可以有效处理混合信息，提高用户分类精度。

2、一方面，提供了基于用户群分类的产品推荐方法；

3、基于用户群分类的产品推荐方法，应用于服务器，所述方法包括：

4、响应于终端发送的用户群分类请求，通过向投资交易平台发送数据获取请求，从所述投资交易平台中获取目标用户群的混合信息数据；

5、根据目标用户群的混合信息数据，确定目标用户群的聚类标签，所述聚类标签包括：保守型、稳健型和积极型；

6、根据目标用户群的聚类标签类型，向用户移动终端发送推荐的产品；

7、其中，根据目标用户群的混合信息数据，确定目标用户群的聚类标签，具体包括：对目标用户群的混合信息数据进行预处理；对预处理后的混合信息数据进行粒化处理，生成第一粒向量集；通过第一粒向量集，构造粒聚类中心和粒隶属度矩阵的更新公式；对粒聚类中心和粒隶属度矩阵的更新公式，采用模糊c均值聚类算法，得到粒聚类中心和粒隶属度矩阵；在粒聚类中心上粒化所述粒隶属度矩阵，生成第二粒向量集；通过第二粒向量集，构建粒邻接矩阵；对粒邻接矩阵进行谱聚类，得到最终的聚类标签。

8、另一方面，提供了基于用户群分类的产品推荐系统；

9、基于用户群分类的产品推荐系统，应用于服务器，所述系统包括：

10、发送模块，其被配置为：响应于终端发送的用户群分类请求，通过向投资交易平台发送数据获取请求，从所述投资交易平台中获取目标用户群的混合信息数据；

11、分类模块，其被配置为：根据目标用户群的混合信息数据，确定目标用户群的聚类标签，所述聚类标签包括：保守型、稳健型和积极型；

12、推荐模块，其被配置为：根据目标用户群的聚类标签类型，向用户移动终端发送推荐的产品；

13、其中，根据目标用户群的混合信息数据，确定目标用户群的聚类标签，具体包括：对目标用户群的混合信息数据进行预处理；对预处理后的混合信息数据进行粒化处理，生成第一粒向量集；通过第一粒向量集，构造粒聚类中心和粒隶属度矩阵的更新公式；对粒聚类中心和粒隶属度矩阵的更新公式，采用模糊c均值聚类算法，得到粒聚类中心和粒隶属度矩阵；在粒聚类中心上粒化所述粒隶属度矩阵，生成第二粒向量集；通过第二粒向量集，构建粒邻接矩阵；对粒邻接矩阵进行谱聚类，得到最终的聚类标签。

14、再一方面，还提供了一种电子设备，包括：

15、存储器，用于非暂时性存储计算机可读指令；以及

16、处理器，用于运行所述计算机可读指令，

17、其中，所述计算机可读指令被所述处理器运行时，执行上述第一方面所述的方法。

18、再一方面，还提供了一种存储介质，非暂时性存储计算机可读指令，其中，当非暂时性计算机可读指令由计算机执行时，执行第一方面所述方法的指令。

19、再一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现上述第一方面所述的方法。

20、上述技术方案中的一个技术方案具有如下优点或有益效果：

21、通过本公开实施例提供的方法，即使在用户拒绝填写调查问卷的情况下，仍能够通过获取目标用户群的行为数据确定目标用户对应的用户群聚类标签，进而实现产品的精准推荐，和产品广告的精准投放。

技术特征：

1.基于用户群分类的产品推荐方法，其特征是，应用于服务器，所述方法包括：

2.如权利要求1所述的基于用户群分类的产品推荐方法，其特征是，对目标用户群的混合信息数据进行预处理，包括：

3.如权利要求1所述的基于用户群分类的产品推荐方法，其特征是，对预处理后的混合信息数据进行粒化处理，生成第一粒向量集，具体包括：

4.如权利要求3所述的基于用户群分类的产品推荐方法，其特征是，通过第一粒向量集，构造粒聚类中心和粒隶属度矩阵的更新公式，具体包括：

5.如权利要求4所述的基于用户群分类的产品推荐方法，其特征是，对粒聚类中心和粒隶属度矩阵的更新公式，采用模糊c均值聚类算法，得到粒聚类中心和粒隶属度矩阵，具体包括：

6.如权利要求5所述的基于用户群分类的产品推荐方法，其特征是，在粒聚类中心上粒化所述粒隶属度矩阵，生成第二粒向量集，具体包括：

7.如权利要求6所述的基于用户群分类的产品推荐方法，其特征是，通过第二粒向量集，构建粒邻接矩阵，具体包括：

8.基于用户群分类的产品推荐系统，其特征是，应用于服务器，所述系统包括：

9.一种电子设备，其特征是，包括：

10.一种存储介质，其特征是，非暂时性存储计算机可读指令，其中，当非暂时性计算机可读指令由计算机执行时，执行权利要求1-7任一项所述方法的指令。

技术总结
本发明涉及数据分析技术领域，公开了基于用户群分类的产品推荐方法、系统、设备及介质，从所述投资交易平台中获取目标用户群的混合信息数据；根据目标用户群的混合信息数据，确定目标用户群的聚类标签：对混合信息数据进行预处理；对预处理后的混合信息数据进行粒化处理，生成第一粒向量集；通过第一粒向量集，构造粒聚类中心和粒隶属度矩阵的更新公式；对粒聚类中心和粒隶属度矩阵的更新公式，采用模糊C均值聚类算法，得到粒聚类中心和粒隶属度矩阵；在粒聚类中心上粒化所述粒隶属度矩阵，生成第二粒向量集；通过第二粒向量集，构建粒邻接矩阵；对粒邻接矩阵进行谱聚类，得到最终的聚类标签。可以有效处理混合信息，提高用户分类精度。

技术研发人员：王光臣,宋海瑢,张盼盼,郭忠斌,姜斐,赵祥蓉,栾茜庆,陈云泽,高梦雪,宗迷,陈静
受保护的技术使用者：山东大学
技术研发日：
技术公布日：2024/1/16