[发明专利]基于重聚类的推送方法、装置、计算机设备及存储介质

权利要求书

1.一种基于重聚类的推送方法，其特征在于，包括：

通过DBSCAN聚类对所获取的用户-评分矩阵进行聚类，得到至少一个聚类群，及与每一聚类群一一对应的子用户-评分矩阵；

根据在子用户-评分矩阵中所选中的行向量对应的目标用户，获取目标用户的行向量对应的聚类群；

在目标用户对应的聚类群中，计算获取各评分行向量与目标用户的行向量之间的欧式距离，获取各欧式距离中排名位于预设的第一排名阈值之前的欧式距离对应的评分行向量，以组成相似用户群评分矩阵；

根据相似用户群评分矩阵中各评分行向量，获取相似用户群对各商品的综合评分值，以组成商品推荐行向量；以及

由商品推荐行向量中评分排名位于预设的第二排名阈值之前的综合评分值所对应商品以得到商品推荐列表，将所述商品推荐列表推送至目标用户对应的接收端。

2.根据权利要求1所述的基于重聚类的推送方法，其特征在于，所述通过DBSCAN聚类对用户-评分矩阵进行聚类，得到至少一个聚类群，包括：

将用户-评分矩阵中任意一个行向量作为初始聚类中心；

根据预设的最小包含点数，获取与初始聚类中心之间的间距在预设的扫描半径之内的行向量，以作为初始聚类群；

将初始聚类群中每一行向量作为聚类中心，获取用户-评分矩阵中与聚类中心直接密度可达、密度可达或密度相连的行向量，以作为调整后的聚类群。

3.根据权利要求1所述的基于重聚类的推送方法，其特征在于，所述根据相似用户群评分矩阵中各评分行向量，获取相似用户群对各商品的综合评分值，以组成商品推荐行向量，包括：

根据相似用户群评分矩阵中各评分行向量分别与目标用户的行向量之间的欧式距离，以组成相似用户群欧式距离行向量；

根据相似用户群欧式距离行向量与相似用户群评分矩阵相乘得到相似用户群对各商品的综合评分值，以组成商品推荐行向量。

4.根据权利要求1所述的基于重聚类的推送方法，其特征在于，所述获取各欧式距离中排名位于预设的第一排名阈值之前的欧式距离对应的评分行向量，以组成相似用户群评分矩阵，包括：

获取各欧式距离中排名位于预设的第一排名阈值之前的欧式距离对应的评分行向量，按照评分行向量在对应的子用户-评分矩阵中行序号的先后顺序进行排列，得到相似用户群评分矩阵。

5.根据权利要求1所述的基于重聚类的推送方法，其特征在于，所述通过DBSCAN聚类对所获取的用户-评分矩阵进行聚类，得到至少一个聚类群，及与每一聚类群一一对应的子用户-评分矩阵之前，还包括：

获取历史商品信息集合，通过词频-逆文本频率指数模型对所述历史商品信息集合中每一历史商品信息均进行关键词信息抽取，得到与每一历史商品信息对应的商品关键词集合；

通过Word2Vec模型获取每一商品关键词集合中各商品关键词对应的词向量；

获取每一商品关键词集合中各商品关键词所对应词向量的平均值，以得到与每一商品关键词集合对应的统计向量；

通过DBSCAN聚类模型对商品关键词集合对应的统计向量进行聚类，得到至少一个商品聚类簇；

若用户-评分矩阵中包括空白值，根据所述空白值对应的商品名称，以获取与商品名称相应的统计向量；

获取与商品名称相应的统计向量所归属的商品聚类簇；

根据与商品名称相应的统计向量所归属的商品聚类簇，获取与所述空白值对应的商品名称相应的相似商品名称，以作为相似商品结果；

根据所述空白值对应的行向量，获取与所述相似商品结果中每一商品名称对应的评分；

根据与所述相似商品结果中每一商品名称对应的评分进行加权平均，得到所述空白值对应的商品加权评分，以将空白值更新为对应的商品加权评分。