[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

说明书

本发明公开了基于重聚类的推送方法、装置、计算机设备及存储介质。该方法通过对用户‑评分矩阵中各行向量进行DBSCAN聚类，得到按用户分类的聚类群，及与每一聚类群一一对应的子用户‑评分矩阵，获取了在子用户‑评分矩阵中选定的行向量作为目标用户，根据目标用户所在的子用户‑评分矩阵中获取目标用户的相似用户群评分矩阵，及与相似用户群评分矩阵对应的商品推荐行向量，根据商品推荐行向量得到商品推荐列表，将所述商品推荐列表推送至目标用户对应的接收端。该方法实现了将用户‑评分矩阵划分为多个子矩阵分别进行维护，降低维护成本，而且能根据子矩阵横精准对目标用户进行商品信息推送。

技术领域

本发明涉及信息推送技术领域，尤其涉及一种基于重聚类的推送方法、装置、计算机设备及存储介质。

背景技术

目前，在基于互联网的在线商城上进行网络购物已越来越频繁，这些在线商城对用户进行商品推荐时，通常使用的是基于协同过滤的推荐算法(协同过滤算法，原理是用户喜欢那些具有相似兴趣的用户喜欢过的商品，比如你的朋友喜欢电影哈利波特I，那么就会推荐给你，这是最简单的基于用户的协同过滤算法)。

基于协同过滤的推荐算法常用到用户-评分矩阵，用户-评分矩阵表示用户对项目(项目可以理解为具体的商品)的评分，用户-评分矩阵的横轴为项目，纵轴为用户，当中的值是用户i对项目j的评分。随着商品的数据量越来越大，维护全量的用户-评分矩阵的评分系统的成本会越来越高。

发明内容

本发明实施例提供了一种基于重聚类的推送方法、装置、计算机设备及存储介质，旨在解决现有技术中在线商城的全量用户-评分矩阵对应的评分系统随着商品数量的增多，越来越臃肿，导致对全量用户-评分矩阵维护困难的问题。

第一方面，本发明实施例提供了一种基于重聚类的推送方法，其包括：

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。

第二方面，本发明实施例提供了一种基于重聚类的推送装置，其包括：

用户聚类单元，用于通过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；

聚类判断单元，用于根据在子用户-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；

相似用户评分矩阵获取单元，用于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；

商品推荐行向量获取单元，用于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；

信息推送单元，用于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。