基于移动互联网的电子商城用户消费偏好处理分析系统技术方案

本发明专利技术公开了用户消费偏好分析技术领域的基于移动互联网的电子商城用户消费偏好处理分析系统，包括消费获取单元，用于获取不同类型用户在移动互联网电子商城中的消费行为数据，同时获取不同类型用户下的商品销售数据；偏好处理单元用于对消费获取单元所获取的消费行为数据进行近期购物特征提取，得到不同类型用户的在移动互联网电子商城中的近期购物特征数据；对消费获取单元所获取的商品销售数据进行商品特征提取；偏好分析单元基于联合聚类与用户特征提取的协同过滤推荐算法，定义用户偏好相似性；当可用数据还包括用户的属性信息时，算法提取共同偏好的用户的公共特征，定义基于属性的相似性，结合属性的相似性与打分相似性产生排序推荐。分相似性产生排序推荐。分相似性产生排序推荐。

【技术实现步骤摘要】
基于移动互联网的电子商城用户消费偏好处理分析系统


[0001]本专利技术涉及用户消费偏好分析的
，尤其是涉及基于移动互联网的电子商城用户消费偏好处理分析系统。

技术介绍

[0002]对于移动互联网电子商城中的用户消费行为时刻在发生，但是，目前的电子商城只能根据当前的数据信息对用户消费行为提供对应的服务，或者是提供对应的数据存储管理服务。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。
[0003]在大数据时代，可获取的数据种类繁多，除了用户对商品的评分外，还可能得到用户的社交网络信息，用户个人特征信息，可以利用这些属性信息分析解释聚类结果，提取同一类中用户的共同特征，这些共同特征使得他们对这一类产生有所偏好。
[0004]针对上述中的相关技术，本专利技术提供基于移动互联网的电子商城用户消费偏好处理分析系统。

技术实现思路

[0005]本专利技术提供基于移动互联网的电子商城用户消费偏好处理分析系统，以解决上述
技术介绍
中提出的问题。
[0006]本专利技术提供基于移动互联网的电子商城用户消费偏好处理分析系统，采用如下的技术方案：包括，
[0007]消费获取单元，用于获取不同类型用户在移动互联网电子商城中的消费行为数据，同时获取不同类型用户下的商品销售数据；
[0008]偏好处理单元，用于对所述消费获取单元所获取的消费行为数据进行近期购物特征提取，得到不同类型用户的在移动互联网电子商城中的近期购物特征数据；对所述消费获取单元所获取的商品销售数据进行商品特征提取；
[0009]偏好分析单元，基于联合聚类与用户特征提取的协同过滤推荐算法，识别用户偏好，定义用户偏好相似性；在偏好分析单元中，当可用数据还包括用户的属性信息时，所述算法提取共同偏好的用户的公共特征，进一步定义基于属性的相似性，结合属性的相似性与打分相似性产生排序推荐。
[0010]可选的，所述消费获取单元包括
[0011]消费数据获取模块，用于获取不同类型用户在移动互联网电子商城中的消费行为数据；
[0012]商品数据获取模块，用于获取不同类型用户下的商品销售数据。
[0013]可选的，所述偏好处理单元包括
[0014]近期购物特征提取模块，用于对所述消费获取单元所获取的消费行为数据进行近
期购物特征提取；
[0015]商品特征提取模块，对所述消费获取单元所获取的商品销售数据进行商品特征提取。
[0016]可选的，所述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、用户最近购买商品、用户最近添加购物车商品以及用户最近删除购物车商品。
[0017]可选的，所述商品特征包括该商品被浏览次数统计、被点击次数、被购买次数、被添加购物车次数、该品牌在同类别中销量排名、该品牌在同类别中销量占比、品牌周一到周日平均每日下单次数、品牌当月最大下单日下单数、品牌当月最小下单日下单数、品牌下单数除以品牌添加购物车数以及品牌下单数处理品牌浏览详情页次数。
[0018]可选的，所述偏好分析单元包括
[0019]输入模块，用于输入用户打分矩阵，用户u
i
，产品i
j
；
[0020]计算模块，将用户打分矩阵转换成二部图后，利用基于边的社团检测算法对二部图聚类得到二部图社团集合，根据用户u
i
和产品i
j
是否属于同一个二部图社团，对产品i
j
的打分
[0021]输出模块，用于输出用户u
i
对产品i
j
的打分
[0022]偏好排序模块，用于对打分排名进行排序，按照推荐顺序越靠前，推荐商品更受用户偏爱。
[0023]可选的，所述基于联合聚类与用户特征提取的协同过滤推荐算法步骤如下：
[0024]S1：输入：用户打分矩阵R
m
×
n
，所述用户的属性向量，用户u
i
，产品i
j
；
[0025]S2：(1)将打分矩阵R
m
×
n
转换成二部图；
[0026](2)利用基于边的社团检测算法对二部图聚类，得到二部图社团集合 C＝{c1,
…
,c
k
}，其中，k代表找到的社团数；
[0027](3)如果存在社团c
g
＝(U
g
,I
g
)，其中，c
g
＝(U
g
,I
g
)代表找到的第g个社团，使得u
i
∈U
g
，i
j
∈I
g
，计算
[0028][0029]其中，u
i
′
为一个二部图社团内的另一个用户，为用户u
i
和u
i
′
基于产品集合I
g
的相似性，即是用户u
i
和u
i
′
的偏好相似性，r
i
′
j
为用户u
i
′
对产品i
j
的打分；
[0030](4)如果用户u
i
和产品i
j
不在同一个社团中，产品i
j
属于社团c
g
，提取用户属性attribute(u
i
)和社团特征attribute(c
g
)；
[0031](5)计算用户u
i
与社团c
g
之间的属性相似性S
a
＝(u
i
,c
g
)，计算社团c
g
中的用户对产品i
j
的平均打分avg(i
j
)，计算
[0032][0033]其中，d(u
i
)为用户u
i
选择过的产品总数，S(u
i
,u
i
′
)为用户u
i
和u
i
′
的相似性；
[0034]S3：输出：用户u
i
对产品i
j
的打分
[0035]综上所述，本专利技术包括以下至少一种有益效果：
[0036]本专利技术通过不同类型用户的消费行为数据以及商品销售数据，通过提取同一类中用户的共同特征以及商品的共同特征，通过用户们的属性信息和商品本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于移动互联网的电子商城用户消费偏好处理分析系统，其特征在于：包括，消费获取单元，用于获取不同类型用户在移动互联网电子商城中的消费行为数据，同时获取不同类型用户下的商品销售数据；偏好处理单元，用于对所述消费获取单元所获取的消费行为数据进行近期购物特征提取，得到不同类型用户的在移动互联网电子商城中的近期购物特征数据；对所述消费获取单元所获取的商品销售数据进行商品特征提取；偏好分析单元，基于联合聚类与用户特征提取的协同过滤推荐算法，识别用户偏好，定义用户偏好相似性；在偏好分析单元中，当可用数据还包括用户的属性信息时，所述算法提取共同偏好的用户的公共特征，进一步定义基于属性的相似性，结合属性的相似性与打分相似性产生排序推荐。2.根据权利要求1所述的基于移动互联网的电子商城用户消费偏好处理分析系统，其特征在于：所述消费获取单元包括消费数据获取模块，用于获取不同类型用户在移动互联网电子商城中的消费行为数据；商品数据获取模块，用于获取不同类型用户下的商品销售数据。3.根据权利要求1所述的基于移动互联网的电子商城用户消费偏好处理分析系统，其特征在于：所述偏好处理单元包括近期购物特征提取模块，用于对所述消费获取单元所获取的消费行为数据进行近期购物特征提取；商品特征提取模块，对所述消费获取单元所获取的商品销售数据进行商品特征提取。4.根据权利要求1所述的基于移动互联网的电子商城用户消费偏好处理分析系统，其特征在于：所述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、用户最近购买商品、用户最近添加购物车商品以及用户最近删除购物车商品。5.根据权利要求1所述的基于移动互联网的电子商城用户消费偏好处理分析系统，其特征在于：所述商品特征包括该商品被浏览次数统计、被点击次数、被购买次数、被添加购物车次数、该品牌在同类别中销量排名、该品牌在同类别中销量占比、品牌周一到周日平均每日下单次数、品牌当月最大下单日下单数、品牌当月最小下单日下单数、品牌下单数除以品牌添加购物车数以及品牌下单数处理品牌浏览详情页次数。6.根据权利要求1所述的基于移动互联网的电子商城用户消费偏好处理分析系统，其特征在于：所述偏好分析单元包括输入模块，用于输入用户打分矩阵，用户u
i
，产品i
j
；计算模块，将用户打分矩阵转换成二部图后，利用基于边的社团检测算法对二部图聚类得到二部图社团集合，根据用户u
i
和产品i
j
是否属于同一个二部图社团，对产品i
j
的打分输出模块，用于输出用户u
i
对产品i
j
的打分偏好排序模块，用于对打分排名进行排序，按照推荐顺序越靠前，推荐商品更受用户偏
爱。7...

【专利技术属性】
技术研发人员：张心怡，胡伦志，徐顺，陈勇，
申请(专利权)人：武汉休格科技有限公司，
类型：发明
国别省市：