一种动态自适应的商品推荐方法技术

本发明专利技术公开了一种动态自适应的商品推荐方法，具体分为以下步骤：建立推荐对象生长阶段与商品需求列表一对多的关系模型M1、建立商品与推荐周期对应关系模型M2；生成通用推荐商品集合S；通过基于物品的协同过滤算法，计算获得历史数据推荐商品集合P；得到整合商品集合Q’；对集合Q’进行过滤，得到商品集合Q；计算商品推荐度D(qj)，再根据公式计算推荐度，并进行排序，将前λ个商品推荐给用户。本发明专利技术缩小了候选推荐商品的候选集；保证了商品推荐的全面性、实用性和准确性；根据用户历史数据自动更新推荐计划，保证了推荐商品的实时性。

A dynamic and adaptive method for commodity recommendation

The invention discloses a dynamic adaptive recommendation method, divided into the following steps: establishing a recommendation object growth stage and commodity demand a list of M1, the establishment of the relationship model and the M2 model recommended goods cycle relationship; generate a general recommendation set S; through the collaborative filtering algorithm based on item, calculate the history the recommended data collection of commodity P; integration of goods set Q '; to filter the set Q \, get the goods set Q; calculation of recommendation D (QJ), according to the formula of recommendation, and sort, will be recommended to the user before the goods. The invention reduces the candidate set of recommended commodities, ensures the comprehensiveness, practicability and accuracy of the commodity recommendation; updates the recommendation plan automatically according to the historical data of the user, and ensures the real-time property of the recommended commodity.

【技术实现步骤摘要】
一种动态自适应的商品推荐方法
本专利技术涉及一种商品推荐方法，尤其涉及一种动态自适应的商品推荐方法。
技术介绍
当前，已经涌现大批电商平台，商品数量数以亿计，要消费者逐个去找到自己想要的东西变成不可能的任务，通常电商平台都会对商品进行分门别类摆放，或者提供搜索能力，但这让人找到想要的商品还是很吃力。目前，已经有些电商网站会为顾客提供推荐感兴趣的商品，其依据是通过用户行为，如购买历史，浏览历史等获取用户的偏好，利用协同过滤算法进行商品推荐。但当新用户填写注册信息还未产生历史数据时，无法推荐任何准确的商品；当用户开始产生一些用户行为历史时，通过协同过滤算法确实可以产生推荐商品，但往往不准确，而且不全面，不能满足处在某个生长阶段的推荐对象要求。
技术实现思路
为了解决上述技术所存在的不足之处，本专利技术提供了一种动态自适应的商品推荐方法。为了解决以上技术问题，本专利技术采用的技术方案是：一种动态自适应的商品推荐方法，该方法具体分为以下步骤：(1)根据推荐对象的适用生长阶段属性，建立推荐对象生长阶段与商品需求列表一对多的关系模型M1；根据商品的消耗速度，建立商品与推荐周期对应关系模型M2；(2)本文档来自技高网...

【技术保护点】
一种动态自适应的商品推荐方法，其特征在于：该方法具体分为以下步骤：(1)根据推荐对象的适用生长阶段属性，建立推荐对象生长阶段与商品需求列表一对多的关系模型M1；根据商品的消耗速度，建立商品与推荐周期对应关系模型M2；(2)通过推荐对象的生长阶段属性对模型M1进行查询，生成通用推荐商品集合S＝{s1,s2...sn},(n>0)；其中，,s为单个商品；(3)利用用户历史数据，通过基于物品的协同过滤算法，计算获得历史数据推荐商品集合P＝{p1,p2...pm}，(m>＝0)；其中，{p为单个商品；(4)对集合S和集合P取并集，得到整合商品集合Q’＝S∪P；(5)根据模型M2与购买历史，...

【技术特征摘要】
1.一种动态自适应的商品推荐方法，其特征在于：该方法具体分为以下步骤：(1)根据推荐对象的适用生长阶段属性，建立推荐对象生长阶段与商品需求列表一对多的关系模型M1；根据商品的消耗速度，建立商品与推荐周期对应关系模型M2；(2)通过推荐对象的生长阶段属性对模型M1进行查询，生成通用推荐商品集合S＝{s1,s2...sn},(n>0)；其中，,s为单个商品；(3)利用用户历史数据，通过基于物品的协同过滤算法，计算获得历史数据推荐商品集合P＝{p1,p2...pm}，(m>＝0)；其中，{p为单个商品；(4)对集合S和集合P取并集，得到整合商品集合Q’＝S∪P；(5)根据模型M2与购买历史，对集合Q’进行过滤，排除暂时不用购买的商品，得到商品集合Q＝{q1,q2...qi},(i>0)；其中，{q为单个商品；(6)对Q中每一件商品qj近一月的销量因素、是否属于特殊品类、是否促销以及商品好评度计算商品推荐度D(qj)，计算公式为：其中α为每个维度的调整参数，可以根据推荐效果适当调整；销量权重W1(qj)为商品销量N(qj)与其所属品类C(qj)中商品的最高销...

【专利技术属性】
技术研发人员：邓秀茂，严侃，莫宇祥，陈林，许先斌，蓝辰，
申请(专利权)人：壹贰叁叁购厦门信息技术有限公司，
类型：发明
国别省市：福建,35