一种商品推荐方法及装置制造方法及图纸

本发明专利技术实施例提供了一种商品推荐方法及装置，应用于计算机科学领域。本发明专利技术所提供的商品推荐方法避免了对新用户、新事物推荐冷启动和热门商品过度推荐的问题，使商品推荐更合理更准确，提升顾客购买商品便利度，增加超市营收，也为超市货架商品摆放提供有效参考。该包括如下步骤：获取历史购物记录；根据所述历史购物记录，建立商品同购关系网络；在所述商品同购关系网络中，利用随机游走算法，分别计算所述同购关系网络中所有商品对应的随机游走序列；根据所述商品对应的随机游走序列，确定所述目标商品与其他商品之间的关联度；根据所述目标商品与其他商品之间的关联度，确定需要推荐的商品。本发明专利技术应用于商品推荐。

【技术实现步骤摘要】
一种商品推荐方法及装置
本专利技术涉及计算机科学领域，尤其涉及一种新型商品推荐方法及装置。
技术介绍
随着互联网的普及和电子商务的日渐成熟，人们越来越多地利用电子商务平台进行商品信息的获取和商品的购买。人们希望在购买商品时，电子商务平台可以向用户推荐各种商品信息，例如向用户推荐用户可能感兴趣的商品等。通过商品推荐，可以缩短用户寻找所需要产品的路径，提升用户体验。推荐算法是当下较为常用和热门的算法之一。目前主要的推荐算法主要包括基于内容的推荐、协同过滤推荐、基于关联规则推荐。在基于内容的推荐算法中，首先通过用户对对象的评价特征来学习用户的兴趣，然后计算用户兴趣与项目特征属性之间的匹配程度。最终向用户推荐匹配程度高的项目；基于协同过滤的推荐算法，首先采用最近邻算法计算与目标用户喜好最接近的邻居用户，然后根据最近邻用户对商品评价的加权值来预测目标用户对特定商品的喜好程度，最终根据用户的喜好程度进行商品推荐；基于关联规则的推荐以关联规则为基础，把已购商品作为规则头，推荐对象作为规则体，通过计算两种商品的同购概率对目标用户进行推荐。以上常见的推荐算法都存在一定的局限性：基于内容的推荐算法要求用户的喜好必须能够用内容特征表达，抽取的特征既要保证准确性又要具有一定的实际意义，而且不能显示地得到其它用户的判断情况；基于协同过滤的推荐算法核心是基于历史数据，对新用户和新物品具有“冷启动”的问题，推荐的效果依赖于用户历史偏好的数据的多少和准确性，且在大部分的实现中，用户历史偏好是用稀疏矩阵进行存储的，而稀疏矩阵上的计算有些明显的问题，包括可能少部分人的错误偏好会对推荐的准确度有很大的影响等等；基于关联规则的推荐算法计算量较大，同时也存在冷启动和稀疏性问题，而且容易出现热门项目被过度推荐的问题。综上所述三种算法都不能合理准确的为顾客推荐商品，方便顾客购物，促进超市营收。
技术实现思路
为克服上述现有技术中的缺陷，本专利技术所要解决的技术问题为：提供一种商品推荐方法及装置，为电商超市商品推荐或者超市货架货物摆放提供参考，提升顾客购买便利程度，促进超市营收。为达到上述目的，本专利技术采用如下技术方案：第一方面，本申请实施例提供了一种商品推荐方法，包括：获取历史购物记录；根据所述历史购物记录，建立商品同购关系网络；其中，所述商品同购关系网络中包括N个商品，N≥2；根据所述历史购物记录，若确定两种商品被同时购买过，则将所述两种商品进行连接；所述N个商品中包括目标商品；在所述商品同购关系网络中，利用随机游走算法，分别计算所述N个商品对应的随机游走序列；根据所述N个商品对应的随机游走序列，确定所述目标商品与其他商品之间的关联度；根据所述目标商品与其他商品之间的关联度，确定需要推荐的商品。可选的，该方法还包括：根据所述N个商品对应的随机游走序列，利用Word2vec算法，分别计算所述N个商品的实数向量；根据所述N个商品的实数向量，计算所述目标商品与所述N个商品中其他商品之间的余弦相似度。可选的，所述需要推荐的商品包括：所述N个商品中与所述目标商品的余弦相似度大于预定阈值的商品。所述预定阈值可以更好的限定与目标商品相似的商品，所述预定阈值设为ε。可选的，所述余弦相似度计算公式为：其中n表示商品的实数向量的向量维度，表示目标商品的实数向量，表示N个商品中除目标商品外其他商品的实数向量，当且仅当预定阈值ε≤similarityx时，保留对应的商品名称，其余的去除。可选的，所述历史购物记录，包括：获取预设时间段内，不同顾客购买商品时的购物记录。本专利技术所提供的商品推荐方法中，通过获取历史购物记录，构建商品同购关系网络，利用随机游走算法，获得每一种商品随机游走序列，根据商品对应的随机游走序列，计算目标商品与其他商品之间的关联度，根据关联度，确定需要推荐的商品，将相似度高的商品推荐给客户。本商品推荐方法有效地避免了物品的“冷启动”的问题，使新用户在购买商品时得到合理的推荐，而且解决了热门项目被过度推荐的问题，提高商品推荐的准确度，为电商超市商品推荐或者超市货架摆放提供参考，提升顾客购买便利程度，促进超市营收。第二方面，本申请实施例提供了一种商品推荐装置，包括：获取模块，用于获取历史购物记录；构建模块，用于在所述获取模块获取所述历史购物记录后，建立商品同购关系网络；其中，所述商品同购关系网络中包括N个商品，N≥2；根据所述历史购物记录，若确定两种商品被同时购买过，则将所述两种商品进行连接；所述N个商品中包括目标商品；序列生成模块，用于在所述构建模块构建所述商品同购关系网络后，在所述商品同购关系网络中，利用随机游走算法，分别得到所述N个商品对应的随机游走序列；确定模块，用于在所述序列生成模块得到所述随机游走序列后，确定所述目标商品与其他商品之间的关联度；推荐模块，用于在所述确定模块计算出所述目标商品与其他商品之间的关联度后，确定需要推荐的商品。可选的，所述确定模块具体包括：向量计算单元和相似度计算单元；所述向量计算单元，用于根据所述N个商品对应的随机游走序列，利用Word2vec算法，分别计算所述N个商品的实数向量；所述相似度计算单元，用于在所述向量计算单元分别得到所述N个商品的实数向量后，计算所述目标商品与所述N个商品中其他商品之间的余弦相似度。可选的，所述需要推荐的商品包括：所述N个商品中与所述目标商品的余弦相似度大于预定阈值的商品。可选的，所述相似度计算单元的余弦相似度计算公式为：其中n表示商品的实数向量的向量维度，表示目标商品的实数向量，表示N个商品中除目标商品外其他商品的实数向量，当且仅当预定阈值ε≤similarityx时，保留对应的商品名称，其余的去除。可选的，所述获取模块获取的所述历史购物记录，包括：获取预设时间段内，不同顾客购买商品时的购物记录。由于上述第二方面所提供的商品推荐装置带来的技术效果是基于上述第一方面所提供的商品推荐方法实现的，故该商品推荐装置带来的技术效果与该商品推荐方法带来的技术效果相同，这里不再赘述。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术实施例所提供的商品推荐方法的步骤示意图；图2为本专利技术实施例所提供的商品推荐方法的流程示意图；图3为本专利技术实施例所提供的一种顾客所购买商品的同购关系示意图；图4为本专利技术实施例所提供的另一种顾客所购买商品的同购关系结构示意图；图5为商品同购关系网络构建示意图；图6为本专利技术商品推荐装置结构模块示意图；图7为本专利技术商品推荐装置确定模块的结构示意图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有、做出创造性劳动的前提下所获得的所有其它实施例，均属于本专利技术保护的范围。针对本申请的实施例用到的技术术语描述如下:本专利技术所述的Word2vec算法是Google公司开放本文档来自技高网...

【技术保护点】
1.一种商品推荐方法，其特征在于，包括以下步骤：获取历史购物记录；根据所述历史购物记录，建立商品同购关系网络；其中，所述商品同购关系网络中包括N个商品，N≥2；根据所述历史购物记录，若确定两种商品被同时购买过，则将所述两种商品进行连接；所述N个商品中包括目标商品；在所述商品同购关系网络中，利用随机游走算法，分别计算所述N个商品对应的随机游走序列；根据所述N个商品对应的随机游走序列，确定所述目标商品与其他商品之间的关联度；根据所述目标商品与其他商品之间的关联度，确定需要推荐的商品。

【技术特征摘要】
1.一种商品推荐方法，其特征在于，包括以下步骤：获取历史购物记录；根据所述历史购物记录，建立商品同购关系网络；其中，所述商品同购关系网络中包括N个商品，N≥2；根据所述历史购物记录，若确定两种商品被同时购买过，则将所述两种商品进行连接；所述N个商品中包括目标商品；在所述商品同购关系网络中，利用随机游走算法，分别计算所述N个商品对应的随机游走序列；根据所述N个商品对应的随机游走序列，确定所述目标商品与其他商品之间的关联度；根据所述目标商品与其他商品之间的关联度，确定需要推荐的商品。2.根据权利要求1所述的商品推荐方法，其特征在于，根据所述N个商品对应的随机游走序列，确定所述目标商品与其他商品之间的关联度，包括：根据所述N个商品对应的随机游走序列，利用Word2vec算法，分别计算所述N个商品的实数向量；根据所述N个商品的实数向量，计算所述目标商品与所述N个商品中其他商品之间的余弦相似度。3.根据权利要求2所述的商品推荐方法，其特征在于，所述需要推荐的商品包括：所述N个商品中与所述目标商品的余弦相似度大于预定阈值的商品。4.根据权利要求2所述的商品推荐方法，其特征在于，所述余弦相似度计算公式为：其中n表示商品的实数向量的向量维度，表示目标商品的实数向量，表示另一种商品的实数向量。5.根据权利要求1-4任一项所述的商品推荐方法，其特征在于，所述历史购物记录，包括：获取预设时间段内，不同顾客购买商品时的购物记录。6.一种商品推荐装置，其特征在于，包括：获取模块，用于获取历史购物记录；构建模块，用于在所述获取模块获取所述历史...

【专利技术属性】
技术研发人员：张玉桃，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京,11