The invention relates to a recommended method of association analysis algorithm based on commodity, commodity recommendation based on user behavior log in shopping website, the method comprises the following steps: S1, access to the history of user behavior log, according to fuzzy clustering analysis to the user and the history of commodity user behavior log data, generating a plurality of user groups and goods each category, and the evaluation of user groups for each commodity category scores; S2, S3, M matrix construction is recommended; obtain the new user behavior log, recommended by matrix M recommendation for the new user behavior log of users; S4, to determine whether the new user behavior log data set value, if it has reached. Return to step S1, the amount of data and the new user behavior log count, if not, then go back to step S3. Compared with the existing technology, the invention has the advantages of small amount of calculation, high reliability and strong pertinence, and has adaptability to the changing trend of market consumption.
【技术实现步骤摘要】
一种基于关联分析算法的商品推荐方法
本专利技术涉及一种网络商品推荐方法,尤其是涉及一种基于关联分析算法的商品推荐方法。
技术介绍
购物网站使用的商品推荐算法通常包括:基于用户的协同过滤算法,即将每个用户作为分析的主体,针对每个群体,通过处理群体中每个用户的商品浏览日志,算出该群体的每个用户与该群体其他用户之间的关联度,进而向该用户推荐他自己没有浏览或者购买而与群体中关联度高的其他用户购买或者浏览的商品;该算法的缺点是:用户增加速度快,然而仅采用用户的历史偏好数据计算用户相似度,对于新用户有“冷启动”问题。基于模型的协同过滤方法,即基于样本的用户喜好信息,训练一个推荐模型,然后根据实时的用户喜好的信息进行预测,计算推荐。该方法需要通过聚类等数据处理,建立一个以用户为行、商品为列的HugeMatrix(巨型矩阵),矩阵元素为用户对商品的评分。该算法的缺点是:创建矩阵所需要的时间随着用户和商品数量的增多而飞速增长,一旦收到新增的用户对商品的评分,原矩阵就失效,必须更新,灵活性差。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种可根据历史数据进行推荐、灵活性高的基于关联分析算法的商品推荐方法。本专利技术的目的可以通过以下技术方案来实现:一种基于关联分析算法的商品推荐方法,根据购物网站中的用户行为日志进行商品推荐,其特征在于,该方法包括以下步骤:S1,获取历史用户行为日志,根据历史用户行为日志中的数据对用户和商品进行模糊聚类分析,生成多个用户群体和商品类别,以及每个用户群体对每个商品类别的评价分数;S2,构建推荐矩阵M,所述推荐矩阵M以用户群 ...
【技术保护点】
一种基于关联分析算法的商品推荐方法,根据购物网站中的用户行为日志进行商品推荐,其特征在于,该方法包括以下步骤:S1,获取历史用户行为日志,根据历史用户行为日志中的数据对用户和商品进行模糊聚类分析,生成多个用户群体和商品类别,以及每个用户群体对每个商品类别的评价分数;S2,构建推荐矩阵M,所述推荐矩阵M以用户群体为行标,以商品类别为列标,矩阵元素Mij表示第i个用户群体对第j个商品类别的评价分数,其中i=1,2..u,j=1,2…p,u为用户群体个数,p为商品类别个数;S3,获取新增用户行为日志,利用推荐矩阵M对新增用户行为日志中的用户进行商品推荐;S4,判断新增用户行为日志的数据量是否已达到设定值,若是,则返回步骤S1,并将新增用户行为日志的数据量计数值,若否,则返回步骤S3。
【技术特征摘要】
1.一种基于关联分析算法的商品推荐方法,根据购物网站中的用户行为日志进行商品推荐,其特征在于,该方法包括以下步骤:S1,获取历史用户行为日志,根据历史用户行为日志中的数据对用户和商品进行模糊聚类分析,生成多个用户群体和商品类别,以及每个用户群体对每个商品类别的评价分数;S2,构建推荐矩阵M,所述推荐矩阵M以用户群体为行标,以商品类别为列标,矩阵元素Mij表示第i个用户群体对第j个商品类别的评价分数,其中i=1,2..u,j=1,2…p,u为用户群体个数,p为商品类别个数;S3,获取新增用户行为日志,利用推荐矩阵M对新增用户行为日志中的用户进行商品推荐;S4,判断新增用户行为日志的数据量是否已达到设定值,若是,则返回步骤S1,并将新增用户行为日志的数据量计数值,若否,则返回步骤S3。2.根据权利要求1所述的一种基于关联分析算法的商品推荐方法,其特征在于,所述的步骤S1中,每个用户群体具有一个特征,每个用户至少归入一个用户群体。3.根据权利要求1或2所述的一种基于关联分析算法的商品推荐方法,其特征在于,所述的步骤S1中,用户群体的特征为年龄段、地区、购物偏好中的一个。4.根据权利要求1所述的一种基于关联分析算法的商品推荐方法,其特征在于,所述的用户群体特征中的地区根据用户注册时填写的资料或用户注册手机号码所在地或用户收货地址确定。5.根据权利要求1所述的一种基于关联分析算法的商品推荐方法,其特征在于,所述的步骤S1中,用户行为日志中的数据包括用户信息、商品信息、用户注册、登陆及对商品的浏览、购买、评价行为。6.根据权...
【专利技术属性】
技术研发人员:姚薇,俞祥祥,
申请(专利权)人:上海旭薇物联网科技有限公司,
类型:发明
国别省市:上海,31
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。