【技术实现步骤摘要】
本专利技术涉及电子商务商品推荐方法的
,特别是基于电子商务商品标题的商品搭配方法。
技术介绍
世界上约有网民30亿人左右,中国约有7亿网民,占世界总数的22%,随着互联网的高度普及和互联网在日常生活中重要性的不断上升,电子商务在人们日常购物中占有越来越重要的地位。它为我们的生活带来了巨大的便利,为经济注入巨大潜力。而且现在电子商务网站的商品越来越丰富,商品类别结构复杂,尤其是一些大型电子商务网站,如淘宝、亚马逊等电子商务平台,所包含的商品达到了几百万个。面对商品数量如此庞大的购物平台,为人们提供有效的商品推荐方法显得尤为重要。为了方便用户在线购物,现在很多电子商务平台提供商品推荐及导航功能,用户在这些推荐及导航的帮助下快速找到自己需要购买的商品。计算商品间的搭配分数在商品推荐中起到很重要的作用,不但可以根据用户已经购买的商品推荐配套商品,还能直接向用户推荐商品套装。更好地计算商品间的搭配分数,可以为用户提供更好的推荐,实现更好的用户体验。目前,在机器学习、深度学习等领域,对词汇特征的生成与在此基础上的文本表征算法的研究已经日渐成熟。在商品搭配方面,可以利用商品标题信息表示商品,如Word2Vec等技术已经广泛地被用来表示词汇,并可以在此基础上进一步将句子表示为向量。在商品被表示为一个向量后,可以利用如余弦相似度等向量间相似度度量方法来计算商品间的搭配分数。
技术实现思路
为了克服现有技术的上述缺点,本专利技术提出了一种基于电子商务商品标题的商品搭配方法,以实现自动计算电子商务网站上所有商品之间的搭配分数。该方法包括以下步骤:1、为电子商务平台上每个商品 ...
【技术保护点】
于电子商务商品标题的商品搭配方法,为电子商务平台上每个商品收集标题描述后,针对商品标题进行如下操作:1)把每个商品的标题tj进行分词,分词后表示为向量2)为每个词计算在标题tj中的TF‑IDF分数,表示为向量3)把每个词映射为固定长度的实数向量,即词si映射为向量4)将标题tj中的词所对应向量以TF‑IDF分数为权重进行加权平均,并用得到的新向量表示该商品;5)以两个商品向量间的余弦相似度表示两个商品的搭配分数。
【技术特征摘要】
1.基于电子商务商品标题的商品搭配方法,为电子商务平台上每个商品收集标题描述后,针对商品标题进行如下操作:1)把每个商品的标题tj进行分词,分词后表示为向量2)为每个词计算在标题tj中的TF-IDF分数,表示为向量3)把每个词映射为固定长度的实数向量,即词si映射为向量4)将标题tj中的词所对应向量以TF-IDF分数为权重进行加权平均,并用得到的新向量表示该商品;5)以两个商品向量间的余弦相似度表示两个商品的搭配分数。2.如权利要求1所述的基于电子商务商品标题的商品搭配方法,其特征在于:所述的步骤2)中所述的TF-IDF分数的求取方法是:21)对于在标题tj中的词si,其重要...
【专利技术属性】
技术研发人员:王灿,钊魁,卜佳俊,陈纯,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。