[发明专利]一种用户偏好推荐方法、装置、电子设备及存储介质

说明书

本发明公开了一种用户偏好推荐方法、装置、电子设备及存储介质，用于解决无法对用户进行有效且精准的产品推荐，实现用户的个性化运营的技术问题。其中，方法包括：获取多个用户的消费记录；根据所述消费记录，生成用户相似度矩阵；根据所述用户和用户相似度矩阵，生成用户相似图；基于所述用户相似图将多个用户划分为至少一个社群；根据所述社群中的用户的消费记录，建立品类时间转换矩阵；采用所述品类时间转换矩阵为所述用户进行偏好推荐。

技术领域

本发明涉及信息推荐技术领域，尤其涉及一种用户偏好推荐方法、装置、电子设备及存储介质。

背景技术

会员制度是很多企业所采取的营销手段，当注册会员总量达到一定量级时，将会产生庞大的消费数据。而在消费数据的基础上，会产生远比消费数据量级更大的会员标签数据。从会员标签数据，可以获取一个会员在一段时间内的消费倾向，从而有选择地为该会员进行消费推荐，促进业务发展。因此，如何从海量的会员标签数据中寻找用户人群特征，挖掘用户品类偏好，实现用户的个性化运营，是提高用户全生命周期价值的重要手段。

在实际应用中，一般通过统计用户对于产品的重复购买率来分析用户的品类偏好。

然而，上述方式无法对用户在购买某一产品之后的消费倾向做出判断，从而无法对用户进行有效而精准的产品推荐，实现用户的个性化运营。

发明内容

本发明提供了一种用户偏好推荐方法、装置、电子设备及存储介质，用于解决无法对用户进行有效且精准的产品推荐，实现用户的个性化运营的技术问题。

本发明提供了一种用户偏好推荐方法，包括：

获取多个用户的消费记录；

根据所述消费记录，生成用户相似度矩阵；

根据所述用户和用户相似度矩阵，生成用户相似图；

基于所述用户相似图将多个用户划分为至少一个社群；

根据所述社群中的用户的消费记录，建立品类时间转换矩阵；

采用所述品类时间转换矩阵为所述用户进行偏好推荐。

可选地，所述根据所述消费记录，生成用户相似度矩阵的步骤，包括：

根据每个用户的消费记录，计算任意两个用户之间的相似度；

基于所有用户之间的相似度生成用户相似度矩阵。

可选地，所述根据每个用户的消费记录，生成任意两个用户之间的相似度的步骤，包括：

从每个用户的消费记录中提取预设数量的单品购买信息；

计算任意两个用户的单品购买信息的交集和并集的比值，得到对应两个用户的相似度。

可选地，所述用户相似度矩阵具有各用户之间的相似度；所述根据所述用户和用户相似度矩阵生成用户相似图的步骤，包括：

以用户为节点，以所述用户相似度矩阵中各用户之间的相似度作为对应节点的边权重，连接各个节点，生成用户相似图。

可选地，每个用户具有对应的社群标签；所述基于所述用户相似图将多个用户划分为至少一个社群的步骤，包括：

在所述用户相似图中确定当前节点；

获取所述当前节点的相邻节点，并获取每个相邻节点的社群标签；

合并具有相同社群标签的相邻节点与所述当前节点的边权重，分别得到每个社群标签与所述当前节点的标签边权重；

采用标签边权重最大的社群标签更新所述当前节点的社群标签；

当所有节点均已完成更新时，获取当前迭代次数；