文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201710121176.6

申 请 日：20170302

发 明 人：茅斯佳 苏建康 李剑 强韶军 李霓彬

申 请 人：江苏省烟草公司常州市公司

申请人地址：213000 江苏省常州市钟楼区吊桥路131号

公 开 日：20210518

公 开 号：CN107103488B

代 理 人：张岳

代理机构：32401 常州品益专利代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明涉及一种基于协同过滤算法和聚类算法的卷烟消费研判方法，包括以下步骤：1)样本采集；采集样本消费者对卷烟各品规的偏好度；2)特征采集：选取多个用户特征信息的特征值构建消费者特征向量，得到消费者特征矩阵；选取多个商品特征信息的特征值构建卷烟特征向量，得到卷烟特征矩阵；3)聚类：运用K‑means++算法对消费者和卷烟进行聚类；4)计算偏好度：通过协同过滤算法获得消费者对各品规卷烟的偏好度。本发明运用K‑means++算法将消费者和卷烟聚类，再运用协同过滤算法的思想对某消费者对某卷烟的偏好度进行测算，进而通过样本消费者的偏好度，预测个体消费者的消费需求。

主 权 项：1.一种基于协同过滤算法和聚类算法的卷烟消费研判方法，其特征在于包括以下步骤：1)样本采集；通过样本消费者的浏览记录、点赞情况、查询频繁度、购买记录以及注册时填报的卷烟偏好，获得样本消费者对卷烟各品规的偏好度；2)特征采集：选取多个用户特征信息的特征值构建消费者特征向量，得到消费者特征矩阵；选取多个商品特征信息的特征值构建卷烟特征向量，得到卷烟特征矩阵；3)聚类：运用K-means++算法分别对样本消费者和卷烟进行聚类，并计算各类类中心的偏好度；步骤包括：A、先从输入的数据点集合中随机选择一个点作为第一聚类中心；B、对于数据集中的每一个点，计算它与最近聚类中心的距离D(x)；C、选择另一个新的数据点作为新的聚类中心；原则是：D(x)较大的点，被选取作为聚类中心的概率较大；D、重复步骤B和步骤C，直到k个中心被选择出来；E、利用这k个初始的聚类中心来运行标准的k-means算法；4)相似度计算：根据所聚消费者类别，运用余弦距离计算公式，计算目标消费者与所属类中心的距离，以距离大小获得目标消费者与所属类中心的相似度大小；根据所聚卷烟类别，运用余弦距离计算公式，计算目标卷烟品规与所属类中心的距离，以距离大小获得目标卷烟品规与所属类中心的相似度大小；5)偏好度计算：根据协同过滤中user-based思想，结合计算所得相似度，计算目标消费者对目标品规user-based偏好度；根据协同过滤中item-based思想，结合计算所得相似度，计算目标消费者对目标品规item-based偏好度；将根据user-based和item-based计算的偏好度求平均，得到某消费者i对某品规卷烟j的偏好程度rij，据此，rij是消费者i对品规卷烟j需求的研判值。

关 键 词：卷烟 偏好度  算法  协同过滤 聚类 消费者特征 构建  样本  矩阵  商品特征信息  用户特征信息  聚类算法 特征采集  特征矩阵  特征向量  消费需求  样本采集  向量  采集  测算  预测  

IPC专利分类号：G06K9/62(20060101);G06Q30/02(20120101)