[发明专利]优惠券的推荐方法及装置

权利要求书

1.一种优惠券的推荐方法，其特征在于，包括：

根据多种业务场景的优惠券信息，确定优惠券标签；

根据客户基本信息和客户历史购买行为数据，确定客户特征和客户历史购买行为数据之间的关联关系；

根据客户特征和客户历史购买行为数据之间的关联关系，以及优惠券标签，确定客户特征与优惠券标签之间的关联关系；

将客户特征、优惠券标签，以及客户特征与优惠券标签之间的关联关系输入预先训练好的优惠券评分模型，输出优惠券的评分结果；

将评分结果高于预设阈值的优惠券推送至客户端。

2.如权利要求1所述的方法，其特征在于，根据多种业务场景的优惠券信息，确定优惠券标签，包括：

基于jieba分词算法，对多种业务场景的优惠券信息进行分词处理；

对分词处理后的优惠券信息进行去停用词处理；

基于词频-逆文本频率指数算法，对去停用词处理后的优惠券信息进行向量化处理；

将向量化处理后的优惠券信息输出预先训练好的分类器，输出优惠券信息的分类结果；

根据优惠券信息的分类结果，确定优惠券标签。

3.如权利要求1所述的方法，其特征在于，根据客户基本信息和客户历史购买行为数据，确定客户特征和客户历史购买行为数据之间的关联关系，包括：

获取客户基本信息和客户历史购买行为数据，基于时间衰减函数，对客户历史购买行为数据进行加权处理；

建立客户基本信息和加权处理后的客户历史购买行为数据的关联关系矩阵；

从客户基本信息中提取客户特征；

根据客户特征，将客户基本信息和加权处理后的客户历史购买行为数据的关联关系矩阵，转换为客户特征和客户历史购买行为数据之间的关联关系矩阵。

4.如权利要求3所述的方法，其特征在于，获取客户基本信息和客户历史购买行为数据后，还包括：

对客户基本信息和客户历史购买行为数据进行空值填充或删除，以及异常值删除处理。

5.如权利要求1所述的方法，其特征在于，预先训练好的优惠券评分模型如下所示：

其中，为优惠券的评分结果，w₀、w_i为权重系数，x_i为客户特征，x_j为优惠券标签，w_ij为客户特征与打标后的优惠券的关联关系矩阵。

6.一种优惠券的推荐装置，其特征在于，包括：

优惠券标签确定模块，用于根据多种业务场景的优惠券信息，确定优惠券标签；

历史购买行为关联关系确定模块，用于根据客户基本信息和客户历史购买行为数据，确定客户特征和客户历史购买行为数据之间的关联关系；

优惠券标签关联关系确定模块，根据客户特征和客户历史购买行为数据之间的关联关系，以及优惠券标签，确定客户特征与优惠券标签之间的关联关系；

评分结果确定模块，用于将客户特征、优惠券标签，以及客户特征与优惠券标签之间的关联关系输入预先训练好的优惠券评分模型，输出优惠券的评分结果；

优惠券推送模块，用于将评分结果高于预设阈值的优惠券推送至客户端。

7.如权利要求6所述的装置，其特征在于，优惠券标签确定模块，具体用于：

基于jieba分词算法，对多种业务场景的优惠券信息进行分词处理；

对分词处理后的优惠券信息进行去停用词处理；

基于词频-逆文本频率指数算法，对去停用词处理后的优惠券信息进行向量化处理；

将向量化处理后的优惠券信息输出预先训练好的分类器，输出优惠券信息的分类结果；

根据优惠券信息的分类结果，确定优惠券标签。