一种基于关联规则关联度和经济值的推荐方法和系统技术方案

本发明专利技术提出一种基于关联规则关联度和经济值的推荐方法和系统，本发明专利技术方法综合考虑关联度与经济价值两个重要维度，使二者达到了较为理想的平衡点；在推荐商品关联度的基础上考虑了推荐商品的经济价值，避免推荐商品点击率高但商业价值相对较低的商品；也在推荐商品经济价值的基础上考虑了关联度，舍弃经济价值高但关联度过低的商品推荐，避免了高价值但过低点击率致使总推荐价值低的情况。由此可使推荐商品的整体商业价值相对最优，较好利用了推荐位或商场布局的资源空间，有效避免现有技术商品关联规则推荐方法中经济价值损失与重复推荐的情况。

A Recommendation Method and System Based on Association Rule Association Degree and Economic Value

【技术实现步骤摘要】
一种基于关联规则关联度和经济值的推荐方法和系统
本专利技术涉及数据挖掘
，尤其涉及一种基于关联规则关联度和经济值的推荐方法和系统。
技术介绍
现有技术商品购买推荐方法中，仅考虑关联强弱为依据的关联推荐算法，不考虑整体的经济价值，会造成推荐资源的浪费与潜在经济价值的损失。比如：按既有Apriori或Eclat算法，A商品B商品关联度较A与c商品高1倍，但当B商品价值仅为C商品的1/10时，顾客在购买了A商品后，按照既有算法，同时推荐位资源有限时，会优先推荐B商品，而c商品则靠后甚至消失，则推荐B产生的商业价值仅为推荐c的20％，损失了80％的潜在商业价值。这种仅考虑关联度与点击率的既有关联算法，造成了潜在商业价值的巨大损失，极大地浪费了推荐位的宝贵资源。现有技术商品购买推荐方法中，关联度高的购物组合，购买频次也很高，很多时候会造成重复推荐，或者已在其他场合购买。
技术实现思路
本专利技术实施例的目的在于提出一种基于关联规则关联度和经济值的推荐方法，旨在解决现有技术现有技术商品购买推荐方法中不考虑整体的经济价值，会造成推荐资源的浪费与潜在经济价值的损失的问题。本专利技术实施例是这样实现本文档来自技高网...

【技术保护点】
1.一种基于关联规则关联度和经济值的推荐方法，其特征在于，所述方法包括，根据商品购买数据挖掘商品购买的关联组合；提取所述关联组合的关联规则；获取关联规则的关联值；获取关联规则的经济值；计算关联规则的关联度‑经济值的联合推荐值；根据联合推荐值选择相应关联规则进行商品推荐。

【技术特征摘要】
1.一种基于关联规则关联度和经济值的推荐方法，其特征在于，所述方法包括，根据商品购买数据挖掘商品购买的关联组合；提取所述关联组合的关联规则；获取关联规则的关联值；获取关联规则的经济值；计算关联规则的关联度-经济值的联合推荐值；根据联合推荐值选择相应关联规则进行商品推荐。2.如权利要求1所述的基于关联规则关联度和经济值的推荐方法，其特征在于，商品购买的关联组合以数据表呈现，数据表包括字段：商品的关联组合，购买金额、分类编码。3.如权利要求1或2所述的基于关联规则关联度和经济值的推荐方法，其特征在于，所述根据商品购买数据挖掘商品购买的关联组合之前还包括：步骤C1：创建用户商品购买数据表并导入原始数据；步骤C2：对用户商品购买数据表中的数据进行预处理；步骤C3：对预处理后的数据进行数据间隔处理。4.如权利要求3所述的基于关联规则关联度和经济值的推荐方法，其特征在于，所述用户商品购买数据表包括字段：购买人员ID，商品名称，购买金额，购买日期，商品分类，商品分类编码。5.如权利要求4所述的基于关联规则关联度和经济值的推荐方法，其特征在于，数据预处理包括：消除缺失值；消除异常值；异常值的甄别方法采用距离甄别法或密度甄别法。6.如权利要求5所述的基于关联规则关联度和经济值的推荐方法，其特征在于，所述数据间隔处理具体为：将同一顾客特定时间间隔内的的购买行为视为同次购买，间隔外的为不同次购买；所述特定时间间隔根据业务类型设置。7.如权利要求6所述的基于关联规则关联度和经济值的推荐方法，其特征在于，所述获取关联规则的关联值具体包括：步骤A1：提取各关联规则对应的支持度、置信度、提升度；步骤A2：对关联规则的支持度，置信度，提升度进行归一化处理；步骤A3：计算关联规则的关联值；8.如权利要求7所述的基于关联规则关联度和经济值的推荐方法，其特征在于，提取各关联规则对应的支持度，置信度，提升度具体为：支持度：项集中X，Y同时发生的概率；Support(X＝＞Y)＝P(X∩Y)/P(I)＝num(X∩Y)/num(I)其中，Support(X＝＞Y)表示关联规则(X＝＞Y)的支持度；P(X∩Y)表示X，Y同时在总项集里出现的概率；X，Y表示项集中的项；I表示总项集；num()表示求总项集里特定项集出现的次数；num(X∩Y)表示含有X和Y的项集的个数；num(I)表示总项集的个数；项集即项的集合，包含K个项的项集称为K项集；置信度：项集中X发生的情况下，Y发生的概率；Confidence(X＝＞Y)＝P(Y|X)＝P(X∩Y)/P(X)其中，Confidence(X＝＞Y)表示关联规则(X＝＞Y)的置信度；P(Y|X)表示在发生X的项集中，同时会发生Y的概率；P(X∩Y)表示X，Y同时在总项集里出现的概率，P(X)表示X在总项集里出现的概率；提升度：表示含有X的条件下同时含有Y的概率，与Y总体发生的概率之比；Lift(X→Y)＝P(Y|X)/P(Y)其中，Lift(X＝＞Y)表示关联规则(X＝＞Y)的提升度；P(Y)表示项集{Y}在总项集里出现的概率。对关联规则的支持度，置信度，提升度进行归一化处理，具体为：其中，jn分别表示归一化处理后的支持度，置信度，提升度值，分别取j1，j2，j3；j分别表示归一化处理前的支持度，置信度，提升度原始值；计算关联规则的关联值，具体为：r＝w1j1+w2j2+w3j3其中，w1，w2，w3分别为支持度，置信度，提升度的权重。9.如权利要求8所述的基于关联规则关联度和经济值的推荐方法，其特征在于，所述获取关联规则的经济值包括：步骤B1：计算关联规则的推荐值与交易值；步骤B2，对关联规则的推荐值和交易值进行归一化处理；步骤B3：，计算关联规则的经济值。10.如权利要求9所述的基于关联规则关联度和经济值的推荐方法，其特征在于，所述推荐值包括推荐值(次)、推荐值(总)；所述交易值包括交易值(次)、交易值(总)；推荐值(次)：表示达成一次关联规则推荐，推荐的项的购买金额均值；推荐值(总)：表示达成关联规则推荐的次数×推荐的项的购买金额均值；交易值(次)：表示达成一次关联规则推荐，关联规则推荐组合中所有项的购买金额均值之和；交易值(总)：表示达成关联规则推荐的次数×关联规则推荐组合中所有项的购买金额均值之和；其中，购买金额均值计算方法如下：计算关联规则(X＝＞Y)中X，Y的购买均值包括：a，首先提取关联组合项集中所有包含X和Y的关联组合项集的行；b，接着计算X的购买金额均值，计算Y的购买金额均值。对关联规则的推荐值和交易值进行归一化处理，具体为：其中，in分别表示归一化处理后的推荐值(次)，推荐值(总)，交易值(次)，交易值(总)，分别取i1，i2，i3，i4；i分别表示归一化处理前的推荐值(次)，推荐值(总)，交易值(次)，交易值(总)原始值；计算关联规则的经济值，具体为：关联规则(X＝＞Y)的经济值为：e＝v1i1+v2i2+v3i3+v4i4其中，v1，v2，v3，v4为权重，i1，i2，i3，i4分别为推荐值(次)，推荐值(总)，交易值(次)，交易值(总)。11.如权利要求10所述的基于关联规则关联度和经济值的推荐方法，其特征在于，所述关联度-经济值的联合推...

【专利技术属性】
技术研发人员：慕畅，
申请(专利权)人：深圳市梦网百科信息技术有限公司，
类型：发明
国别省市：广东,44