[发明专利]一种基于聚类和矩阵分解的事项推送方法和装置

说明书

本申请提供了一种基于聚类和矩阵分解的事项推送方法和装置，其中，该方法包括：先构建用户标签矩阵，然后对用户进行聚类处理，得到多个用户群体簇，再针对每个用户群体簇生成用户对事项的评分矩阵，然后，通过ALS矩阵分解算法进行矩阵运算，从而进行事项推荐。因为是先对用户进行了标签聚类，再进行矩阵运算，因此可以有效减少矩阵运算的计算量，从而降低系统资源消耗。通过上述方案解决了现有的事项推送所存在的推送效率低下的技术问题，达到了对政务事项的高效精准推送的技术效果，提升了事项推送召回率。

技术领域

本申请属于大数据处理技术领域，尤其涉及一种基于聚类和矩阵分解的事项推送方法和装置。

背景技术

目前，对于政务领域APP而言，在进行事项推荐的时候，一般都是基于热门事项进行推荐的，很少针对不同用户进行个性化推荐。有些政务APP，是使用协同过滤算法进行事项推荐的，然而，采用协同过滤算法在政务事项推荐上效果并不好，这主要是因为在政务领域会有个别办理量远远大于其他事项的事项，因为协同过滤算法的原理是找到与某事项相似的事项，进而向用户进行推荐。然而在这种情况下，几乎所有事项的相似事项都是最热门的几个事项，此时只使用协同过滤算法会导致大部分用户推荐事项相似，并不能达到个性化推荐的效果，实际推荐准确率并不高。

考虑到可以将电商领域已有的机器学习算法用于政务领域的事项推荐中，然而，在实际应用中发现，政务领域场景事项很少，只有两百个左右，并且事项之间并没有很大的关联，不像电商场景中，物品的数量庞大，可能备选的商品数量达到几万甚至更多；并且商品之间的关联关系很大，只要对用户进行足够的消费刻画，就可以方便地为用户推荐用户能够接受的商品。

因此，不管是采用协同过滤算法还是机器学习算法进行政务事项推荐，都难以得到准确的个性化推荐效果。针对如何可以得到准确的个性化推荐效果，目前尚未提出有效的解决方案。

发明内容

本申请目的在于提供一种基于聚类和矩阵分解的事项推送方法和装置，可以进行政务事项的高效精准推送，从而提升召回率。

本申请提供一种基于聚类和矩阵分解的事项推送方法和装置是这样实现的：

一种基于聚类和矩阵分解的事项推送方法，所述方法包括：

获取目标应用在预设时间段内的用户历史行为数据；

根据所述用户历史行为数据、用户属性数据和事项标签体系，构建用户标签矩阵；

根据所述用户标签矩阵和用户历史行为数据，对所述目标应用的用户进行聚类，得到多个类别中各个类别下的用户群体簇；

从所述用户历史行为数据中获取每个类别下每个用户的历史行为信息，以确定出各个用户对事项的处理操作；

根据每个用户群体簇中各个用户对事项的处理操作，构建各个用户群体簇中用户对事项的评分矩阵，其中，一个用户群体簇对应一个评分矩阵；

通过ALS矩阵分解算法分别对每个群体簇的评分矩阵进行矩阵运算，得到运算结果矩阵；

根据所述运算结果矩阵，向所述目标应用的用户推送事项。

在一个实施方式中，根据所述用户标签矩阵和用户历史行为数据，对所述目标应用的用户进行聚类，得到多个类别中各个类别下的用户群体簇，包括：

根据所述用户标签矩阵，计算聚类成不同数量类别下，数据的平均畸变程度；

将平均畸变程度作为纵坐标，将类别数量作为横坐标，绘制得到目标曲线；

通过肘部法则从所述目标曲线中确定聚类的类别数量；

根据确定的类别数量，通过KMeans算法将所述目标应用的用户划分为所述类别数量个用户群体簇。