一种基于大数据用户行为分析的个性化推荐方法技术

本发明专利技术属于个性化推荐领域，具体而言，涉及一种基于大数据用户行为分析的个性化推荐方法；所述方法包括通过分析用户基本特征，近期购物特征，量化用户的购物欲望；接下来通过分析商品近期的销售情况，筛选出多个商品作为用户的待推荐商品集；然后构建用户商品对，构建用户商品交互特征；随后利用梯度提升决策树模型预测每个用户商品对成交概率并按照概率排序选取靠前的用户商品对；最后过滤不符合相关规定的用户商品对并执行推荐操作；本发明专利技术充分利用了用户的历史行为数据，通过分析用户的浏览，关注或加入购物车等行为，量化用户对某件商品的购买意向。

A Personalized Recommendation Method Based on Large Data User Behavior Analysis

The invention belongs to the field of personalized recommendation, in particular, relates to a personalized recommendation method based on the analysis of large data user behavior; the method includes analyzing the basic characteristics of users, recent shopping characteristics, quantifying users'shopping desire; next, by analyzing the recent sales situation of goods, screening out multiple products as users' recommended commodity set; and then, building up a set of products. User commodity pairs are constructed to construct user commodity interaction characteristics; then the gradient lifting decision tree model is used to predict the transaction probability of each user commodity pair and select the leading user commodity pairs according to the probability ranking; finally, the user commodity pairs that do not meet the relevant provisions are filtered and the recommendation operation is executed; the invention makes full use of the user's historical behavior data to analyze the user's browsing and pay attention to them. Or join the shopping cart and other behaviors to quantify the user's purchasing intention for a certain commodity.

【技术实现步骤摘要】
一种基于大数据用户行为分析的个性化推荐方法
本专利技术属于个性化推荐领域，具体而言，涉及一种基于大数据用户行为分析的个性化推荐方法。
技术介绍
近年来，电商购物高速发展，各大购物网站在完成数以亿计的交易同时也积累了海量真实数据。如何从历史数据中找出规律，去预测用户未来的购买需求，让最合适的商品遇见最需要的人，是大数据应用在精准营销中的关键问题，也是所有电商平台在做智能化升级时所需要的核心技术。现有的推荐算法大致可以分为三类：基于内容的推荐算法、协同过滤推荐算法和基于知识的推荐算法。基于内容的推荐算法，原理是用户喜欢和自己关注过的Item在内容上类似的Item，比如用户看了哈利波特I，基于内容的推荐算法发现哈利波特II-VI，与用户以前观看的在内容上(共有很多关键词)有很大关联性，就把后者推荐给用户，这种方法可以避免Item的冷启动问题(冷启动：如果一个Item从没有被关注过，其他推荐算法则很少会去推荐，但是基于内容的推荐算法可以分析Item之间的关系，实现推荐)，但该方法弊端在于推荐的Item可能会重复，典型的就是新闻推荐，如果用户看了一则关于MH370的新闻，推荐的新闻和用户浏览过本文档来自技高网...

【技术保护点】
1.一种基于大数据用户行为分析的个性化推荐方法，其特征在于，所述方法包括以下步骤：S1、分析用户的基本特征以及近期购物特征，构建用户召回模型，用于评估用户的购买欲望，通过极限梯度提升树xgboost分类器选取有购买欲望的用户作为待推荐用户；S2、分析商品的销售情况，提取出商品特征，构建商品召回模型，用于评估商品的销售情况；利用xgboost分类器选择具有高成交率商品作为待推荐商品集合；S3、为待推荐用户集合中的每个用户分别随机匹配待推荐商品集合中的商品，形成用户商品对；S4、分析用户商品交互行为，构建个性化商品推荐模型，利用xgboost分类器预测每个用户商品对成交概率，并按照成交概率进行降序...

【技术特征摘要】
1.一种基于大数据用户行为分析的个性化推荐方法，其特征在于，所述方法包括以下步骤：S1、分析用户的基本特征以及近期购物特征，构建用户召回模型，用于评估用户的购买欲望，通过极限梯度提升树xgboost分类器选取有购买欲望的用户作为待推荐用户；S2、分析商品的销售情况，提取出商品特征，构建商品召回模型，用于评估商品的销售情况；利用xgboost分类器选择具有高成交率商品作为待推荐商品集合；S3、为待推荐用户集合中的每个用户分别随机匹配待推荐商品集合中的商品，形成用户商品对；S4、分析用户商品交互行为，构建个性化商品推荐模型，利用xgboost分类器预测每个用户商品对成交概率，并按照成交概率进行降序排列；S5、过滤不符合条件的相关用户商品对，并对符合条件的用户商品对执行推荐操作。2.根据权利要求1所述的一种基于大数据用户行为分析的个性化推荐方法，其特征在于，所述步骤S1包括从总体用户集合中剔除异常行为数据，提取用户近期购物特征，构建用户召回模型，通过xgboost预测得到用户对商品的购买概率，选取输出购买概率大于0.5的用户作为待推荐用户集合。3.根据权利要求2所述的一种基于大数据用户行为分析的个性化推荐方法，其特征在于，所述用户近期购物特征包括分析用户历史购买记录提取用户行为特征，具体包括用户浏览商品详情页次数、用户加入购物车次数、用户购物车删除次数、用户下单次数、用户删除购物车次数、用户下单次数最大商品类别、用户下单次数最大商品品牌、用户最近浏览商品、用户最近...

【专利技术属性】
技术研发人员：童毅，周波依，
申请(专利权)人：博拉网络股份有限公司，
类型：发明
国别省市：重庆,50