CN112528103A - 一种推荐对象的方法和装置 - Google Patents
一种推荐对象的方法和装置 Download PDFInfo
- Publication number
- CN112528103A CN112528103A CN201910886902.2A CN201910886902A CN112528103A CN 112528103 A CN112528103 A CN 112528103A CN 201910886902 A CN201910886902 A CN 201910886902A CN 112528103 A CN112528103 A CN 112528103A
- Authority
- CN
- China
- Prior art keywords
- data
- user group
- characteristic data
- missing
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims abstract description 33
- 238000013528 artificial neural network Methods 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 24
- 238000010606 normalization Methods 0.000 claims abstract description 21
- 238000013507 mapping Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种推荐对象的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:对用户群的数据依次进行缺失值处理、异常值处理和归一化处理,得到所述用户群的特征数据;根据所述用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇;基于各个簇的特征数据及其对应的标签数据分别训练神经网络,以训练得到各个簇对应的对象推荐模型,从而通过所述对象推荐模型确定所述各个簇对应的待推荐对象。该实施方式能够解决推荐数量过少或者过多的技术问题。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种推荐对象的方法和装置。
背景技术
目前,向用户推荐对象(比如视频、音频、新闻、物品、文章等)要么是基于该用户的特征数据进行个性化推荐,要么是基于用户群体的特征数据进行统一推荐。
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:
基于用户进行个性化推荐的方式存在推荐数量过少,导致用户粘度下降的问题;统一推荐的方式存在推荐数量过多,但是没有用户感兴趣的对象,很容易引起用户反感的问题。
发明内容
有鉴于此,本发明实施例提供一种推荐对象的方法和装置,以解决推荐数量过少或者过多的技术问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种推荐对象的方法,包括:
对用户群的数据依次进行缺失值处理、异常值处理和归一化处理,得到所述用户群的特征数据;
根据所述用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇;
基于各个簇的特征数据及其对应的标签数据分别训练神经网络,以训练得到各个簇对应的对象推荐模型,从而通过所述对象推荐模型确定所述各个簇对应的待推荐对象。
可选地,对用户群的数据进行缺失值处理,包括:
从用户群的数据中查找缺失数据,判断所述缺失数据对应的特征的重要性是否大于等于预设的重要性阈值;
若是,则将所述缺失数据转换成预设的数值或者预设的分类编号;
若否,继续判断所述缺失数据所属样本的数量占总样本数量的比例是否小于预设的比例阈值;若是,则删除所述缺失数据所属的样本,若否,则采用预设方法插补所述缺失数据。
可选地,采用预设方法插补所述缺失数据,包括:
判断所述缺失数据所在列的特征数据是否服从正态分布;
若是,则使用所述列的特征数据的平均值或者中位数插补所述缺失数据;
若否,则采用拉格朗日插值法插补所述缺失数据。
可选地,使用所述列的特征数据的平均值或者中位数插补所述缺失数据,包括:
计算所述列的均值和标准差,判断是否存在所述列中的特征数据减去所述均值之后的绝对值大于三个所述标准差的情况;
若是,则使用所述列的特征数据的中位数插补所述缺失数据;
若否,则使用所述列的特征数据的平均值数插补所述缺失数据。
可选地,对用户群的数据进行异常值处理,包括:
分别确定各个列的特征数据的0.1分位数、0.2分位数、0.3分位数、0.4分位数、0.5分位数、0.6分位数、0.7分位数、0.8分位数、0.9分位数;
判断相邻分位数的差值是否大于等于预设的差值阈值;
若是,则确定出异常区间,在所述异常区间内查找异常特征数据,并将所述异常特征数据删除或者替换为特征所在列的特征数据的平均值。
可选地,对用户群的数据进行归一化处理,包括:
针对每列特征数据,采用如下方法进行归一化处理:
根据特征数据在累计分布函数中的位置,将特征数据进行等频分桶,以使每个桶内的特征数据的数量相同;
对于第bi个桶而言,该桶内的特征数据被归一化为bi/n,其中,n为桶数量。
可选地,根据所述用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇,包括:
根据所述用户群的特征数据,并基于自组织映射神经网络聚类算法,对所述用户群中的用户进行聚类,得到多个簇。
可选地,根据所述用户群的特征数据,并基于自组织映射神经网络聚类算法,对所述用户群中的用户进行聚类,得到多个簇,包括:
在输出层各个节点的权重服从正态分布的情况下,对每个节点尽可能赋予小的初始权值,并使相邻节点的距离大于预设的距离阈值;
将所述用户群的特征数据作为样本,将各个样本分别映射到距离最小的节点上;
针对每个节点,计算该节点对应的样本的质心,根据所述质心的向量更新该节点的权值;
迭代执行样本映射的步骤和更新节点权值的步骤,直到质心的向量与节点的权值符合收敛条件或者相同;
将映射到同一个节点上的样本作为一个簇,从而得到多个簇。
另外,根据本发明实施例的另一个方面,提供了一种推荐对象的装置,包括:
处理模块,用于对用户群的数据依次进行缺失值处理、异常值处理和归一化处理,得到所述用户群的特征数据;
聚类模块,用于根据所述用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇;
推荐模块,用于基于各个簇的特征数据及其对应的标签数据分别训练神经网络,以训练得到各个簇对应的对象推荐模型,从而通过所述对象推荐模型确定所述各个簇对应的待推荐对象。
可选地,对用户群的数据进行缺失值处理,包括:
从用户群的数据中查找缺失数据,判断所述缺失数据对应的特征的重要性是否大于等于预设的重要性阈值;
若是,则将所述缺失数据转换成预设的数值或者预设的分类编号;
若否,继续判断所述缺失数据所属样本的数量占总样本数量的比例是否小于预设的比例阈值;若是,则删除所述缺失数据所属的样本,若否,则采用预设方法插补所述缺失数据。
可选地,采用预设方法插补所述缺失数据,包括:
判断所述缺失数据所在列的特征数据是否服从正态分布;
若是,则使用所述列的特征数据的平均值或者中位数插补所述缺失数据;
若否,则采用拉格朗日插值法插补所述缺失数据。
可选地,使用所述列的特征数据的平均值或者中位数插补所述缺失数据,包括:
计算所述列的均值和标准差,判断是否存在所述列中的特征数据减去所述均值之后的绝对值大于三个所述标准差的情况;
若是,则使用所述列的特征数据的中位数插补所述缺失数据;
若否,则使用所述列的特征数据的平均值数插补所述缺失数据。
可选地,对用户群的数据进行异常值处理,包括:
分别确定各个列的特征数据的0.1分位数、0.2分位数、0.3分位数、0.4分位数、0.5分位数、0.6分位数、0.7分位数、0.8分位数、0.9分位数;
判断相邻分位数的差值是否大于等于预设的差值阈值;
若是,则确定出异常区间,在所述异常区间内查找异常特征数据,并将所述异常特征数据删除或者替换为特征所在列的特征数据的平均值。
可选地,对用户群的数据进行归一化处理,包括:
针对每列特征数据,采用如下方法进行归一化处理:
根据特征数据在累计分布函数中的位置,将特征数据进行等频分桶,以使每个桶内的特征数据的数量相同;
对于第bi个桶而言,该桶内的特征数据被归一化为bi/n,其中,n为桶数量。
可选地,所述聚类模块还用于:
根据所述用户群的特征数据,并基于自组织映射神经网络聚类算法,对所述用户群中的用户进行聚类,得到多个簇。
可选地,所述聚类模块还用于:
在输出层各个节点的权重服从正态分布的情况下,对每个节点尽可能赋予小的初始权值,并使相邻节点的距离大于预设的距离阈值;
将所述用户群的特征数据作为样本,将各个样本分别映射到距离最小的节点上;
针对每个节点,计算该节点对应的样本的质心,根据所述质心的向量更新该节点的权值;
迭代执行样本映射的步骤和更新节点权值的步骤,直到质心的向量与节点的权值符合收敛条件或者相同;
将映射到同一个节点上的样本作为一个簇,从而得到多个簇。
根据本发明实施例的另一个方面,还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面,还提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用根据用户群的特征数据对所述用户群中的用户进行聚类,从而通过对象推荐模型确定各个簇对应的待推荐对象的技术手段,所以克服了现有技术中推荐数量过少或者过多的技术问题。本发明实施例根据用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇,然后针对各个簇,分别通过对象推荐模型确定各个簇对应的待推荐对象,从而准确地确定出待推荐对象,避免推荐数量过少或者过多。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的推荐对象的方法的主要流程的示意图;
图2是根据本发明一个可参考实施例的推荐对象的方法的主要流程的示意图;
图3是根据本发明另一个可参考实施例的推荐对象的方法的主要流程的示意图;
图4是根据本发明实施例的推荐对象的装置的主要模块的示意图;
图5是本发明实施例可以应用于其中的示例性系统架构图;
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的推荐对象的方法的主要流程的示意图。作为本发明的一个实施例,如图1所示,所述推荐对象的方法可以包括:
步骤101,对用户群的数据依次进行缺失值处理、异常值处理和归一化处理,得到所述用户群的特征数据。
首先,获取用户群的历史数据,比对历史数据依次进行缺失值处理、异常值处理和归一化处理,从而得到所述用户群的特征数据。其中,历史数据可以包括用户的特征数据,也可以包括用户的特征数据和对象与用户交互的特征数据,还可以包括对象的特征数据、用户的特征数据、对象与用户交互的特征数据。并进一步将这几个维度的特征拼接成一个特征向量,即作为一个样本数据。在本发明的实施例中,对象可以是视频、音频、新闻、物品、文章等。
举例来说,对象的特征数据可以是单价占过去1天用户群里推荐的所有对象订单总额的比例、在群里的点击量、在用户群里的浏览量、被用户下单的数量、评论数、关注量、质量分、复购周期、取消订单率、退货率,还可以是过去7天、15天、30天的上述特征数据等。用户的特征数据可以包括点击对象的次数、购买过的不同对象的数量、购买过的不同品类的数量、购物间隔、每次订单的品类数量、每次订单中的对象数量、性别、年龄、地址、每次访问对象的停留时长、客户端品牌、客户端操作系统的版本等。对象与用户交互的特征数据可以包括用户近7天的偏好、用户的品牌偏好、用户的品类偏好等。
然后对上述特征数据进行预处理,主要包括缺失值处理、异常值处理和归一化处理。可选地,对用户群的数据进行缺失值处理,包括:从用户群的数据中查找缺失数据,判断所述缺失数据对应的特征的重要性是否大于等于预设的重要性阈值;若是,则将所述缺失数据转换成预设的数值或者预设的分类编号;若否,继续判断所述缺失数据所属样本的数量占总样本数量的比例是否小于预设的比例阈值;若是,则删除所述缺失数据所属的样本,若否,则采用预设方法插补所述缺失数据。在本发明的实施例中,首先判断缺失数据对应的特征的重要性是否大于等于预设的重要性阈值,若是,说明该特征较重要,比如对象的价格、点击对象的次数等,若否,说明该特征不重要,比如质量分、客户端操作系统的版本。对于重要的特征,则将所述缺失数据转换成预设的数值或者预设的分类编号。对于不重要的特征,则进一步判断所述缺失数据所属样本的数量占总样本数量的比例是否小于预设的比例阈值(比如万分一、十万分之一、百万分之一等),若是,则删除所述缺失数据所属的样本,说明删除这些样本也不会影响聚类结果;若否,则采用预设方法插补所述缺失数据,避免影响聚类结果。通过上述缺失值处理可以提高样本的完整性、增加数据覆盖度,使得聚类效果更好,而且最终的准确性也会更高。
需要指出的是,在本发明的实施例中,可以预先对各个特征赋予重要性,而且可以根据业务需要对各个特征赋予不同的重要性,在不同的业务场景下,同一个特征的重要性可以不同。
可选地,对用户群的数据进行异常值处理,包括:分别确定各个列的特征数据的0.1分位数、0.2分位数、0.3分位数、0.4分位数、0.5分位数、0.6分位数、0.7分位数、0.8分位数、0.9分位数;判断相邻分位数的差值是否大于等于预设的差值阈值;若是,则确定出异常区间,在所述异常区间内查找异常特征数据,并将所述异常特征数据删除或者替换为特征所在列的特征数据的平均值。本发明实施例分别确定上述各个分位数,然后依次计算0.2分位数-0.1分位数、0.3分位数-0.2分位数、0.4分位数-0.3分位数,依次类推,有助于掌握数据整体分布以及判断有没有极端异常值,从而能够准确地查找出异常特征数据。
常见的特征归一化方法比如min-max或z-score都只是对数据分布进行平移和拉伸,这导致大部分样本值都集中在非常小的范围内,使得样本特征的区分度减小,少量的大数值特征可以造成训练时的波动、减缓收敛速度,也可以对特征做对数压缩,但由于不同维度的特征分布不同,这种特征处理的方式不一定适合其它维度。
因此,针对每列特征数据,本发明采用如下方法进行归一化处理:根据特征数据在累计分布函数中的位置,将特征数据进行等频分桶,以使每个桶内的特征数据的数量相同;对于第bi个桶而言,该桶内的特征数据被归一化为bi/n,其中,n为桶数量,这样将连续数值离散化,可以把不同分布的特征数据映射得均匀分布。由于归一化以后,特征数据分布均匀,因此特别适用于深度学习的算法,尤其是对于神经网络特别适用,可以防止神经网络里面的梯度消失或梯度爆炸。
其中,可以预先设置数量阈值,如果任意两个桶内的特征数据的数量小于数量阈值(比如1个、2个、3个等),则可以认为这两个桶内的特征数据的数量相同。可选地,在归一化处理之前,还可以将低频特征过滤,即对过滤后的特征数据进行归一化处理。
可选地,针对不同的业务特征归一化的方式还可以选择信息增益信息熵归一化,这种方式是模仿决策树叶子节点分裂的方式计算信息熵和信息增益,找到连续特征分裂的计算节点,然后基于条件判断来进行分桶。
步骤102,根据所述用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇。
在本发明的实施例中,可以采用聚类算法对所述用户群中的用户进行聚类,比如K-means聚类算法、Mean-Shift聚类算法、基于密度的聚类算法或者基于高斯混合模型的期望最大化聚类算法等,这些聚类算法都可以实现聚类。
可选地,还可以采用自组织映射神经网络聚类算法对所述用户群中的用户进行聚类,以得到多个簇。本发明实施例采用自组织映射(Self Organizing Maps,简称SOM)的神经网络聚类算法对用户群的特征数据进行映射,从而将所述用户群中的用户进行聚类,得到多个簇。SOM由输入层和输出层组成,可以实现从输入层到输出层的降维映射,输入层对应输入的特征向量(即特征数据),输出层由一系列组织在2维网络上的有序节点构成,输入层中的神经元与输出层的节点通过权重连接。
可选地,根据所述用户群的特征数据,并基于自组织映射神经网络聚类算法,对所述用户群中的用户进行聚类,得到多个簇,包括:在输出层各个节点的权重服从正态分布的情况下,对每个节点尽可能赋予小的初始权值,并使相邻节点的距离大于预设的距离阈值;将所述用户群的特征数据作为样本,将各个样本分别映射到距离最小的节点上;针对每个节点,计算该节点对应的样本的质心,根据所述质心的向量更新该节点的权值;迭代执行样本映射的步骤和更新节点权值的步骤,直到质心的向量与节点的权值符合收敛条件或者相同;将映射到同一个节点上的样本作为一个簇,从而得到多个簇。本发明实施例对输出层每个节点赋予小的初始权值,并设置较大的初始领域,使得聚类中心尽可能相互离得远一点,这样使得不同类别中的样本差别比较大。
具体地,自组织映射神经网络聚类算法包括以下步骤:
步骤1:网络初始化,在输出层各个节点的权重服从正态分布的情况下,对每个节点尽可能赋予小的初始权值,并使相邻节点的距离大于预设的距离阈值。
步骤2:输入第一个样本,计算第一个样本与各个节点的距离,找到距离最小的节点A;输入第二个样本,计算第二个样本与各个节点的距离,找到距离最小的节点B;依次类推。
步骤3:计算映射到节点A上的所有样本的质心,根据质心的向量更新节点A的权值;计算映射到节点B上的所有样本的质心,根据质心的向量更新节点B的权值,以此类推,完成所有节点的权值更新。
步骤4:再次输入样本,进行迭代(重复执行步骤2和步骤3),直到质心的向量与节点的权值符合收敛条件或相同。
步骤103,基于各个簇的特征数据及其对应的标签数据分别训练神经网络,以训练得到各个簇对应的对象推荐模型,从而通过所述对象推荐模型确定所述各个簇对应的待推荐对象。
根据聚类结果,获取各个簇的特征数据及其对应的标签数据,输入到神经网络中,通过多次迭代训练得到各个簇对应的对象推荐模型。也就是说,每一个簇训练与其对应的对象推荐模型。需要指出的是,各个簇的特征数据与用户群的特征数据相同,不同的样本量不同,也可以是说用户群的特征数据是各个簇的特征数据之和。
可选地,所述标签数据包括:是否对所述对象执行预设操作。其中,预设操作可以是点击、下单、分享、评论、点赞、关注等。若对对象执行预设操作,则将该训练样本标作为正样本;若没有对对象执行预设操作,则将该训练样本标记为负样本。
在构建完训练样本之后,可以采用各个簇的特征数据及其对应的标签数据分别训练神经网络,并利用误差反向传播算法,训练得到对象推荐模型。可选地,所述神经网络可以是深度神经网络排序模型。
在确定待推荐对象的步骤中,可以将簇的特征数据作为测试样本,输入到对象推荐模型中,以输出至少一个对象的标识及其对应的预设操作概率;根据所述预设操作概率的大小,对所述至少一个对象进行降序排列,并从中筛选出预设数量的对象作为待推荐对象。其中,确定阶段使用的特征数据可以是最近一周、最近一天等的历史数据,训练阶段使用的特征数据可以是最近一个月、最近三个月等的历史数据。
根据上面所述的各种实施例,可以看出本发明通过根据用户群的特征数据对所述用户群中的用户进行聚类,从而通过对象推荐模型确定各个簇对应的待推荐对象的技术手段,解决了现有技术中推荐数量过少或者过多的技术问题。本发明实施例根据用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇,然后针对各个簇,分别通过对象推荐模型确定各个簇对应的待推荐对象,从而准确地确定出待推荐对象,避免推荐数量过少或者过多。
图2是根据本发明一个可参考实施例的推荐对象的方法的主要流程的示意图。其中,对用户群的数据进行缺失值处理,包括以下步骤:
步骤201,从用户群的数据中查找缺失数据。
步骤202,判断所述缺失数据对应的特征的重要性是否大于等于预设的重要性阈值;若是,则执行步骤203;若否,则执行步骤204。
可以预先对各个特征赋予重要性,并预设设置重要性阈值,用于判断缺失数据对应的特征是否重要。
步骤203,将所述缺失数据转换成预设的数值或者预设的分类编号。
如果缺失数据对应的特征重要,对于数值型特征,则将缺失数据转换成预设的数值(比如-1或者999等,表示数据缺失);对于分类类型特征,则将缺失数据转换成预设的分类编号(比如001、002等,其本身没有数值的大小意义)。
步骤204,判断所述缺失数据所属样本的数量占总样本数量的比例是否小于预设的比例阈值;若是,则执行步骤205;若否,执行步骤206。
步骤205,删除所述缺失数据所属的样本。
步骤206,判断所述缺失数据所在列的特征数据是否服从正态分布;若否,则执行步骤207;若是,则执行步骤208。
步骤207,采用拉格朗日插值法插补所述缺失数据。
步骤208,计算所述列的均值和标准差,判断是否存在所述列中的特征数据减去所述平均值之后的绝对值大于三个所述标准差的情况;若是,则执行步骤209;若否,则执行步骤210。
特征数据减去平均值之后的绝对值大于三个标准差,用于确定该特征数据属于极端异常值。
步骤209,则使用所述列的特征数据的中位数插补所述缺失数据。
步骤210,则使用所述列的特征数据的平均值数插补所述缺失数据。
另外,在本发明一个可参考实施例中推荐对象的方法的具体实施内容,在上面所述推荐对象的方法中已经详细说明了,故在此重复内容不再说明。
图3是根据本发明另一个可参考实施例的推荐对象的方法的主要流程的示意图。
步骤301,获取用户群最近一个月的数据,对用户群的数据依次进行缺失值处理、异常值处理和归一化处理,得到所述用户群的特征数据。
步骤302,根据所述用户群的特征数据,并基于自组织映射神经网络聚类算法,对所述用户群中的用户进行聚类,得到多个簇。
步骤303,基于各个簇的特征数据及其对应的标签数据分别训练神经网络,以训练得到各个簇对应的对象推荐模型。
步骤304,获取各个簇最近一周的特征数据,作为测试样本,分别输入到对应的对象推荐模型,确定各个簇对应的待推荐对象。
另外,在本发明另一个可参考实施例中推荐对象的方法的具体实施内容,在上面所述推荐对象的方法中已经详细说明了,故在此重复内容不再说明。
图4是根据本发明实施例的推荐对象的装置的主要模块的示意图,如图4所示,所述推荐对象的装置400包括处理模块401、聚类模块402和推荐模块403。其中,处理模块401用于对用户群的数据依次进行缺失值处理、异常值处理和归一化处理,得到所述用户群的特征数据;聚类模块402用于根据所述用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇;推荐模块403用于基于各个簇的特征数据及其对应的标签数据分别训练神经网络,以训练得到各个簇对应的对象推荐模型,从而通过所述对象推荐模型确定所述各个簇对应的待推荐对象。
可选地,对用户群的数据进行缺失值处理,包括:
从用户群的数据中查找缺失数据,判断所述缺失数据对应的特征的重要性是否大于等于预设的重要性阈值;
若是,则将所述缺失数据转换成预设的数值或者预设的分类编号;
若否,继续判断所述缺失数据所属样本的数量占总样本数量的比例是否小于预设的比例阈值;若是,则删除所述缺失数据所属的样本,若否,则采用预设方法插补所述缺失数据。
可选地,采用预设方法插补所述缺失数据,包括:
判断所述缺失数据所在列的特征数据是否服从正态分布;
若是,则使用所述列的特征数据的平均值或者中位数插补所述缺失数据;
若否,则采用拉格朗日插值法插补所述缺失数据。
可选地,使用所述列的特征数据的平均值或者中位数插补所述缺失数据,包括:
计算所述列的平均值和标准差,判断是否存在所述列中的特征数据减去所述平均值之后的绝对值大于三个所述标准差的情况;
若是,则使用所述列的特征数据的中位数插补所述缺失数据;
若否,则使用所述列的特征数据的平均值数插补所述缺失数据。
可选地,对用户群的数据进行异常值处理,包括:
分别确定各个列的特征数据的0.1分位数、0.2分位数、0.3分位数、0.4分位数、0.5分位数、0.6分位数、0.7分位数、0.8分位数、0.9分位数;
判断相邻分位数的差值是否大于等于预设的差值阈值;
若是,则确定出异常区间,在所述异常区间内查找异常特征数据,并将所述异常特征数据删除或者替换为特征所在列的特征数据的平均值。
可选地,对用户群的数据进行归一化处理,包括:
针对每列特征数据,采用如下方法进行归一化处理:
根据特征数据在累计分布函数中的位置,将特征数据进行等频分桶,以使每个桶内的特征数据的数量相同;
对于第bi个桶而言,该桶内的特征数据被归一化为bi/n,其中,n为桶数量。
可选地,所述聚类模块402还用于:
根据所述用户群的特征数据,并基于自组织映射神经网络聚类算法,对所述用户群中的用户进行聚类,得到多个簇。
可选地,所述聚类模块402还用于:
在输出层各个节点的权重服从正态分布的情况下,对每个节点尽可能赋予小的初始权值,并使相邻节点的距离大于预设的距离阈值;
将所述用户群的特征数据作为样本,将各个样本分别映射到距离最小的节点上;
针对每个节点,计算该节点对应的样本的质心,根据所述质心的向量更新该节点的权值;
迭代执行样本映射的步骤和更新节点权值的步骤,直到质心的向量与节点的权值符合收敛条件或者相同;
将映射到同一个节点上的样本作为一个簇,从而得到多个簇。
根据上面所述的各种实施例,可以看出本发明通过根据用户群的特征数据对所述用户群中的用户进行聚类,从而通过对象推荐模型确定各个簇对应的待推荐对象的技术手段,解决了现有技术中推荐数量过少或者过多的技术问题。本发明实施例根据用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇,然后针对各个簇,分别通过对象推荐模型确定各个簇对应的待推荐对象,从而准确地确定出待推荐对象,避免推荐数量过少或者过多。
需要说明的是,在本发明所述推荐对象的装置的具体实施内容,在上面所述推荐对象的方法中已经详细说明了,故在此重复内容不再说明。
图5示出了可以应用本发明实施例的推荐对象的方法或推荐对象的装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器504交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的推荐对象的方法一般由服务器505执行,相应地,所述推荐对象的装置一般设置在服务器505中。本发明实施例所提供的推荐对象的方法也可以由终端设备501、502、503执行,相应地,所述推荐对象的装置可以设置在终端设备501、502、503中。
应该理解,图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图6,其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序物品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序物品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括处理模块、聚类模块和推荐模块,其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:对用户群的数据依次进行缺失值处理、异常值处理和归一化处理,得到所述用户群的特征数据;根据所述用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇;基于各个簇的特征数据及其对应的标签数据分别训练神经网络,以训练得到各个簇对应的对象推荐模型,从而通过所述对象推荐模型确定所述各个簇对应的待推荐对象。
根据本发明实施例的技术方案,因为采用根据用户群的特征数对所述用户群中的用户进行聚类,从而通过对象推荐模型确定各个簇对应的待推荐对象的技术手段,所以克服了现有技术中推荐数量过少或者过多的技术问题。本发明实施例根据用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇,然后针对各个簇,分别通过对象推荐模型确定各个簇对应的待推荐对象,从而准确地确定出待推荐对象,避免推荐数量过少或者过多。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种推荐对象的方法,其特征在于,包括:
对用户群的数据依次进行缺失值处理、异常值处理和归一化处理,得到所述用户群的特征数据;
根据所述用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇;
基于各个簇的特征数据及其对应的标签数据分别训练神经网络,以训练得到各个簇对应的对象推荐模型,从而通过所述对象推荐模型确定所述各个簇对应的待推荐对象。
2.根据权利要求1所述的方法,其特征在于,对用户群的数据进行缺失值处理,包括:
从用户群的数据中查找缺失数据,判断所述缺失数据对应的特征的重要性是否大于等于预设的重要性阈值;
若是,则将所述缺失数据转换成预设的数值或者预设的分类编号;
若否,继续判断所述缺失数据所属样本的数量占总样本数量的比例是否小于预设的比例阈值;若是,则删除所述缺失数据所属的样本,若否,则采用预设方法插补所述缺失数据。
3.根据权利要求2所述的方法,其特征在于,采用预设方法插补所述缺失数据,包括:
判断所述缺失数据所在列的特征数据是否服从正态分布;
若是,则使用所述列的特征数据的平均值或者中位数插补所述缺失数据;
若否,则采用拉格朗日插值法插补所述缺失数据。
4.根据权利要求3所述的方法,其特征在于,使用所述列的特征数据的平均值或者中位数插补所述缺失数据,包括:
计算所述列的均值和标准差,判断是否存在所述列中的特征数据减去所述均值之后的绝对值大于三个所述标准差的情况;
若是,则使用所述列的特征数据的中位数插补所述缺失数据;
若否,则使用所述列的特征数据的平均值数插补所述缺失数据。
5.根据权利要求1所述的方法,其特征在于,对用户群的数据进行异常值处理,包括:
分别确定各个列的特征数据的0.1分位数、0.2分位数、0.3分位数、0.4分位数、0.5分位数、0.6分位数、0.7分位数、0.8分位数、0.9分位数;
判断相邻分位数的差值是否大于等于预设的差值阈值;
若是,则确定出异常区间,在所述异常区间内查找异常特征数据,并将所述异常特征数据删除或者替换为特征所在列的特征数据的平均值。
6.根据权利要求1所述的方法,其特征在于,对用户群的数据进行归一化处理,包括:
针对每列特征数据,采用如下方法进行归一化处理:
根据特征数据在累计分布函数中的位置,将特征数据进行等频分桶,以使每个桶内的特征数据的数量相同;
对于第bi个桶而言,该桶内的特征数据被归一化为bi/n,其中,n为桶数量。
7.根据权利要求1所述的方法,其特征在于,根据所述用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇,包括:
在输出层各个节点的权重服从正态分布的情况下,对每个节点尽可能赋予小的初始权值,并使相邻节点的距离大于预设的距离阈值;
将所述用户群的特征数据作为样本,将各个样本分别映射到距离最小的节点上;
针对每个节点,计算该节点对应的样本的质心,根据所述质心的向量更新该节点的权值;
迭代执行样本映射的步骤和更新节点权值的步骤,直到质心的向量与节点的权值符合收敛条件或者相同;
将映射到同一个节点上的样本作为一个簇,从而得到多个簇。
8.一种推荐对象的装置,其特征在于,包括:
处理模块,用于对用户群的数据依次进行缺失值处理、异常值处理和归一化处理,得到所述用户群的特征数据;
聚类模块,用于根据所述用户群的特征数据对所述用户群中的用户进行聚类,得到多个簇;
推荐模块,用于基于各个簇的特征数据及其对应的标签数据分别训练神经网络,以训练得到各个簇对应的对象推荐模型,从而通过所述对象推荐模型确定所述各个簇对应的待推荐对象。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910886902.2A CN112528103A (zh) | 2019-09-19 | 2019-09-19 | 一种推荐对象的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910886902.2A CN112528103A (zh) | 2019-09-19 | 2019-09-19 | 一种推荐对象的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112528103A true CN112528103A (zh) | 2021-03-19 |
Family
ID=74974034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910886902.2A Pending CN112528103A (zh) | 2019-09-19 | 2019-09-19 | 一种推荐对象的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528103A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113852864A (zh) * | 2021-06-17 | 2021-12-28 | 天翼智慧家庭科技有限公司 | 一种面向iptv终端应用的用户定制化服务推荐方法及系统 |
CN114329180A (zh) * | 2021-11-23 | 2022-04-12 | 广东电网有限责任公司培训与评价中心 | 基于som和周期权重的资源快速精准检索方法 |
CN118212994A (zh) * | 2024-05-22 | 2024-06-18 | 江西中医药大学 | 代谢组学数据处理方法、装置、设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160023937A (ko) * | 2014-08-20 | 2016-03-04 | 경기대학교 산학협력단 | 유사 사용자 인덱스 방법 및 프로그램 |
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
CN107577736A (zh) * | 2017-08-25 | 2018-01-12 | 上海斐讯数据通信技术有限公司 | 一种基于bp神经网络的文件推荐方法及系统 |
CN109408731A (zh) * | 2018-12-27 | 2019-03-01 | 网易(杭州)网络有限公司 | 一种多目标推荐方法、多目标推荐模型生成方法以及装置 |
CN109960777A (zh) * | 2017-12-25 | 2019-07-02 | 北京京东尚科信息技术有限公司 | 物品评论个性化推荐方法、系统、电子设备及存储介质 |
-
2019
- 2019-09-19 CN CN201910886902.2A patent/CN112528103A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160023937A (ko) * | 2014-08-20 | 2016-03-04 | 경기대학교 산학협력단 | 유사 사용자 인덱스 방법 및 프로그램 |
CN106548255A (zh) * | 2016-11-24 | 2017-03-29 | 山东浪潮云服务信息科技有限公司 | 一种基于海量用户行为的商品推荐方法 |
CN107577736A (zh) * | 2017-08-25 | 2018-01-12 | 上海斐讯数据通信技术有限公司 | 一种基于bp神经网络的文件推荐方法及系统 |
CN109960777A (zh) * | 2017-12-25 | 2019-07-02 | 北京京东尚科信息技术有限公司 | 物品评论个性化推荐方法、系统、电子设备及存储介质 |
CN109408731A (zh) * | 2018-12-27 | 2019-03-01 | 网易(杭州)网络有限公司 | 一种多目标推荐方法、多目标推荐模型生成方法以及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113852864A (zh) * | 2021-06-17 | 2021-12-28 | 天翼智慧家庭科技有限公司 | 一种面向iptv终端应用的用户定制化服务推荐方法及系统 |
CN114329180A (zh) * | 2021-11-23 | 2022-04-12 | 广东电网有限责任公司培训与评价中心 | 基于som和周期权重的资源快速精准检索方法 |
CN118212994A (zh) * | 2024-05-22 | 2024-06-18 | 江西中医药大学 | 代谢组学数据处理方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018103718A1 (zh) | 应用推荐的方法、装置及服务器 | |
CN110751497A (zh) | 一种商品补货方法和装置 | |
CN110119445B (zh) | 生成特征向量和基于特征向量进行文本分类的方法和装置 | |
WO2019072128A1 (zh) | 对象识别方法及其系统 | |
CN110659657B (zh) | 训练模型的方法和装置 | |
CN110020162B (zh) | 用户识别方法和装置 | |
CN112395487B (zh) | 信息推荐方法、装置、计算机可读存储介质及电子设备 | |
CN110070382B (zh) | 用于生成信息的方法和装置 | |
CN110097302B (zh) | 分配订单的方法和装置 | |
CN112528103A (zh) | 一种推荐对象的方法和装置 | |
CN113743971B (zh) | 一种数据处理方法和装置 | |
CN110929136A (zh) | 一种个性化推荐方法和装置 | |
CN115033801B (zh) | 物品推荐方法、模型训练方法及电子设备 | |
CN110827101B (zh) | 一种店铺推荐的方法和装置 | |
CN112966701A (zh) | 目标分类的方法和装置 | |
CN112418258B (zh) | 一种特征离散化方法和装置 | |
CN110335165B (zh) | 一种链路预测方法和装置 | |
CN110895761B (zh) | 一种售后服务申请信息的处理方法和装置 | |
CN112231299B (zh) | 一种特征库动态调整的方法和装置 | |
CN116562357B (zh) | 点击预测模型训练方法及装置 | |
CN112449217B (zh) | 一种推送视频的方法、装置、电子设备和计算机可读介质 | |
CN110992127A (zh) | 一种物品推荐方法及装置 | |
CN113159877B (zh) | 数据处理方法、装置、系统、计算机可读存储介质 | |
CN113516524B (zh) | 用于推送信息的方法和装置 | |
CN111046894B (zh) | 识别马甲账号的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |