基于用户行为特性分析的商户推荐方法技术

本发明专利技术提出了基于用户行为特性分析的商户推荐方法，其包括：收集用户的历史行为数据并基于所述历史行为数据构建用户－商户评分矩阵；针对所有由源商户和目的商户构成的不同的商户对，基于所述用户－商户评分矩阵计算用户从源商户转移至目的商户的转移概率；针对每个用户，基于所计算出的转移概率计算每个商户的当前评分，并随之基于每个商户的当前评分以从大至小的顺序对所有商户排序以得到商户推荐列表。本发明专利技术所公开的基于用户行为特性分析的商户推荐方法具有高的匹配度和准确性。

Merchant recommendation method based on user behavior analysis

The invention provides a recommendation method, user behavior analysis based on the characteristics of businesses including: collect user behavior history data and construct user score matrix of the historical behavior of businesses based on data; for all source composed of merchants and merchants to different merchants, the user - merchant rating matrix calculation based on the user from the transfer the probability of transfer to the merchant to merchant source; for each user, calculating the current score of each business transition probability based on the calculated, and then based on the current score to each business from large to small order for all businesses to get business recommendation list sort. The invention discloses a merchant recommendation method based on user behavior characteristics analysis, which has high matching degree and accuracy.

【技术实现步骤摘要】
基于用户行为特性分析的商户推荐方法
本专利技术涉及商户推荐方法，更具体地，涉及基于用户行为特性分析的商户推荐方法。
技术介绍
目前，随着计算机和网络应用的日益广泛以及不同领域的业务种类的日益丰富，使用用户的历史行为数据分析用户的行为习惯以向用户推荐相匹配的目标商户变得越来越重要。现有的技术方案通常采用对用户的历史行为数据进行基于属性的简单分类并根据分类结果确定与不同类型的用户相匹配的目标商户。然而，上述现有的技术方案存在如下问题：由于不能针对用户的历史行为数据的特性进行更深入的分析，故确定目标商户的匹配度和准确性较低。因此，存在如下需求：提供具有高的匹配度和准确性的基于用户行为特性分析的商户推荐方法。
技术实现思路
为了解决上述现有技术方案所存在的问题，本专利技术提出了具有高的匹配度和准确性的基于用户行为特性分析的商户推荐方法。本专利技术的目的是通过以下技术方案实现的：一种基于用户行为特性分析的商户推荐方法，所述基于用户行为特性分析的商户推荐方法包括下列步骤：(A1)收集用户的历史行为数据并基于所述历史行为数据构建用户－商户评分矩阵，其中所述用户－商户评分矩阵中的每一行代表一个用户的所有本文档来自技高网...

【技术保护点】
一种基于用户行为特性分析的商户推荐方法，所述基于用户行为特性分析的商户推荐方法包括下列步骤：(A1)收集用户的历史行为数据并基于所述历史行为数据构建用户－商户评分矩阵，其中所述用户－商户评分矩阵中的每一行代表一个用户的所有历史行为记录，即该行中的非空元素是该用户对该非空元素所在列所对应的商户的所有历史行为记录；(A2)针对所有由源商户和目的商户构成的不同的商户对，基于所述用户－商户评分矩阵计算用户从源商户转移至目的商户的转移概率，其中，每一个商户对中的源商户和目的商户是在所述用户－商户评分矩阵中定义的不同的商户；(A3)针对每个用户，基于所计算出的转移概率计算每个商户的当前评分，并随之基于每个...

【技术特征摘要】
1.一种基于用户行为特性分析的商户推荐方法，所述基于用户行为特性分析的商户推荐方法包括下列步骤：(A1)收集用户的历史行为数据并基于所述历史行为数据构建用户－商户评分矩阵，其中所述用户－商户评分矩阵中的每一行代表一个用户的所有历史行为记录，即该行中的非空元素是该用户对该非空元素所在列所对应的商户的所有历史行为记录；(A2)针对所有由源商户和目的商户构成的不同的商户对，基于所述用户－商户评分矩阵计算用户从源商户转移至目的商户的转移概率，其中，每一个商户对中的源商户和目的商户是在所述用户－商户评分矩阵中定义的不同的商户；(A3)针对每个用户，基于所计算出的转移概率计算每个商户的当前评分，并随之基于每个商户的当前评分以从大至小的顺序对所有商户排序以得到商户推荐列表。2.根据权利要求1所述的基于用户行为特性分析的商户推荐方法，其特征在于，所述步骤(A2)进一步包括：基于所述用户－商户评分矩阵确定每个用户针对每个商户的行为的前置状态集合Quj，其表示用户u对商户j的所有行为记录的前置状态的合集，其中，用户u对商户j的一次行为记录的前置状态被定义如下：针对用户u对商户j的一次行为记录，将该次行为记录作为在预定的时间范围内的最近的一次行为记录，并将该最近的一次行为记录和与该最近的一次行为记录类型相同的上一次行为记录之间的用户u的所有行为记录作为用户u对商户j的该次行为记录的前置状态。3.根据权利要求2所述的基于用户行为特性分析的商户推荐方法，其特征在于，所述步骤(A2)进一步包括：基于所述前置状态集合Quj计算针对用户u，其在商户i处的所有行为记录中归属于用户u针对商户j的前置状态集合Quj的行为记录的总次数Cuij，即用户u在商户i处的行为记录在前置状态集合Quj中出现的次数，其中，u、i、j均是小于预定阈值的正整数，并且针对u、i、j值的所有组合计算对应的Cuij。4.根据权利要求3所述的基于用户行为特性分析的商户推荐方法，其特征在于，所述步骤(A2)进一步包...

【专利技术属性】
技术研发人员：郑建宾，华锦芝，周钰，
申请(专利权)人：中国银联股份有限公司，
类型：发明
国别省市：上海,31