【技术实现步骤摘要】
商品推荐方法和装置
[0001]本专利技术涉及商品推荐
,特别涉及一种商品推荐方法和装置。
技术介绍
[0002]目前,各种电商平台通过获取用户购买商品时的检索关键词、浏览对象等方式,进行针对性的商品推荐。该方式对于普通商品来说,具备一定的效果。但是,上述商品推荐方法缺少针对用户挑选商品模式的细化分析,存在商品推荐处理效率低,推荐效果不佳的问题,尤其针对大量的商品与某些客户之间没有购买信息的前提下,商品推荐的效果较差。例如,针对用户想要挑选意向商品时,可能倾向于在所有商品中选择意向商品,也可能倾向于在多个特定类别中选择意向商品,也可能只是倾向于在某一个特定类别中选择意向商品。若对这三种情况进行细致的分析,分别进行特定的商品推荐方法,则能改善商品推荐的效果。
技术实现思路
[0003]本专利技术的实施例提供一种商品推荐方法和装置,用以提高商品推荐效率,改善商品推荐效果,给予用户良好的体验。
[0004]为达到上述目的,本专利技术的实施例采用如下技术方案:
[0005]一方面,本专利技术实施例提供一种商品推荐方法,包括:
[0006]S1、收集商品信息,并存入商品信息数据库,所述商品信息包括商品类别和商品标识;
[0007]S2、记录用户对商品的触发信息,所述用户对商品的触发信息包括用户浏览的商品信息及浏览时间、用户购买的商品信息及购买时间;
[0008]S3、根据记录的用户对商品的触发信息,判断出用户触发商品所属的商品类别,并表示为意向类别;所述意向类别为一 ...
【技术保护点】
【技术特征摘要】
1.一种商品推荐方法,其特征在于,包括:S1、收集商品信息,并存入商品信息数据库,所述商品信息包括商品类别和商品标识;S2、记录用户对商品的触发信息,所述用户对商品的触发信息包括用户浏览的商品信息及浏览时间、用户购买的商品信息及购买时间;S3、根据记录的用户对商品的触发信息,判断出用户触发商品所属的商品类别,并表示为意向类别;所述意向类别为一个特定类别,或者为多个特定类别,或者为包括所有商品的总体类别;根据记录的用户对商品的触发信息,计算用户对所触发商品的喜好程度,并表示为第一喜好程度值;S4、将用户与商品之间存在的吸引关系表示为关联特征,将所述关联特征与用户之间的关联程度表示为第一关联系数,将所述关联特征与商品之间的关联程度表示为第二关联系数;基于计算出的用户对其所触发商品的第一喜好程度值,推算出用户与商品之间存在不同关联特征数量时的第一关联系数和第二关联系数;S5、基于推算出的用户与商品之间存在不同关联特征数量时的第一关联系数和第二关联系数,再次计算用户对所触发商品的喜好程度,并表示为第二喜好程度值;S6、计算第二喜好程度值与第一喜好程度值之间的差值,确定不同关联特征数量中第二喜好程度值与第一喜好程度值之间的最小差值对应的关联特征数量;S8、基于确定的用户与商品之间存在的关联特征数量所对应的第一关联系数和第二关联系数,计算用户对意向类别商品的喜好程度,并表示为用户对商品的喜好程度预测值;S8、基于用户对商品的喜好程度预测值向用户推荐商品。2.如权利要求1所述的方法,其特征在于,在S3中所述的根据记录的用户对商品的触发信息,计算用户对所触发商品的喜好程度,并表示为第一喜好程度值,具体计算公式为:式中,y
d,m,k
(t)表示在时间t时刻计算出的用户d对m类的第k个商品的第一喜好程度值;T
m
为定义的m类的商品与评价用户喜好程度相关的时间周期;表示用户d在与时间t相距T
m
范围内对m类的第k个商品的浏览次数,α
m
为定义的m类的商品与用户浏览次数相关的权重系数;表示用户d在与时间t相距T
m
范围内对m类的第k个商品的购买次数;β
m
为定义的m类的商品与用户购买次数相关的权重系数。3.如权利要求2所述的方法,其特征在于,将在S3中计算出的用户对所触发商品的第一喜好程度值表示为矩阵A
dk
,具体为:
式中,元素a
dk
表示由公式计算出的用户d对商品k的第一喜好程度值,T(k)为预先设置的对m类的第k个商品的有效推荐时限,当用户d对商品k未触发时,a
dk
的值为空。4.如权利要求3所述的方法,其特征在于,在S4中所述的基于计算出的用户对其所触发商品的第一喜好程度值,推算出用户与商品之间存在不同关联特征数量时的第一...
【专利技术属性】
技术研发人员:霍向,吴新开,
申请(专利权)人:北京洛必德科技有限公司,
类型:发明
国别省市:
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。