【技术实现步骤摘要】
一种基于综合相似度的电商平台潜在客户推荐方法及系统
[0001]本专利技术涉及一种基于综合相似度的电商平台潜在客户推荐方法及系统。
技术介绍
[0002]社会成员之间由于在工作、学习、生活、娱乐等活动中的互相作用而逐渐形成了某种稳定的关系，进而构成了社交网络。随着互联网技术的飞速发展，人们将早期社会性网络的概念引入互联网，创立了面向社会性网络服务的在线社交网络。在线社交网络的代表性产品有国内的微信、微博、淘宝和国外的Facebook、Twitter等。在线社交网络的蓬勃发展极大地改变了人们的生活方式，例如网上购物已经成为主流购物方式，超过80％的网络客户经常使用网上购物。网络用户可以利用社交网络与世界各地的客户进行交友、游戏、互动、协作，拉进了人们之间的距离。通过对社交网络进行分析，为用户推荐特征相似和同属群体的好友能够加强用户对软件的粘性，提高经济效益。电商平台的推荐系统又是目前提高营销水平的重要技术，通过对客户进行划分，为同属群体的客户之间推荐该群体经常购买的物品能够有效提升推荐的成功率，进而为商品带来更高的销量。但是，...
【技术保护点】
【技术特征摘要】
1.一种基于综合相似度的电商平台潜在客户推荐方法，其特征在于，包括如下步骤：步骤S1、首先选定一种motif，并找出社交网络中该motif的全部实例，构造客户的高阶邻接矩阵；然后，分别在客户的低阶邻接矩阵和高阶邻接矩阵上进行随机游走，获取客户序列；最后，使用Skip
‑
gram模型训练客户序列得到客户的表示向量，根据客户的表示向量计算客户之间的联系紧密度；步骤S2、计算客户所携带的特征之间的相似程度；步骤S3、用自适应加权策略将客户的联系紧密度和特性相似性进行加权，得到客户的综合相似度；然后，根据客户的综合相似度为每个客户保留相似度最大的K个客户作为邻居，生成以综合相似度为权值的KNN图；步骤S4、计算客户的核心性，并选取还未分配群体的客户中核心性最大的作为核心客户；步骤S5、将步骤S4选取的核心客户作为初始群体，依次将群体邻居客户中使得群体适应度函数增量最大的客户加入群体，重复这个过程直到适应度函数不能继续增大；步骤S6、重复步骤S5和步骤S6直到电商平台客户网络中的所有客户都有所属群体，找出同一群体里购买次数最多的某类商品，推荐给群体里的其他客户。2.根据权利要求1所述的一种基于综合相似度的电商平台潜在客户推荐方法，其特征在于，所述步骤S1具体实现如下：步骤S11、选定一种motif，搜索网络中的该motif所有的实例，根据找出的motif实例生成高阶邻接矩阵；其中，计算公式如公式(1)所示：其中，M表示motif的类型，表示客户u和客户v在该类型motif实例中出现的次数；步骤S12、分别在低阶邻接矩阵和高阶邻接矩阵上进行随机游走获得客户序列；每个客户会执行多次游走，每次游走生成长度固定的客户序列；随机游走过程随机并均匀地从网络中选取初始客户v
i
，然后将客户的转移概率作为随机选择的概率来选出一个邻居客户v
j
加入当前序列；接着，继续选取v
j
的邻居客户加入序列，重复该过程直到序列长度达到预设值；对于低阶邻接矩阵，到邻居客户的转移概率均相等；而对于高阶邻接矩阵，到邻居客户的转移概率等于其边权除以该客户与所有邻居的总边权；步骤S13、将客户的随机游走序列都放入Skip
‑
gram模型中进行训练生成客户的表示向量；使用Skip
‑
gram模型对客户序列进行训练，则对于每个客户对有以下目标函数：其中为v
i
的中心向量表示，为v
j
的上下文向量表示，为负样本随机采样的经验分布，σ为sigmoid函数，K为负样本的数量；步骤S14、为每个客户计算客户之间的联系紧密度，联系紧密度的计算公式如公式(3)所示：
其中，v1,v2表示网络中任意两个客户，表示对应的客户向量，表示客户向量之间的余弦相似度。3.根据权利要求2所述的一种基于综合相似度的电商平台潜在客户推荐方法，其特征在于，所述步骤S2具体实现如下：计算客户的特征相似性，计算方法如公式(4)所示：其中，S
c
(u,v)表示类别型属性的相似度，S
n
(u,v)表示数值型属性的相似度，其计算公式分别如下所示：式分别如下所示：式分别如下所示：其中，T
uj
表示客户u拥有属性j，η(T
uj
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。