一种基于用户交易数据的鞋类流行趋势的预测推荐方法及系统技术方案

本发明专利技术提供了一种基于用户交易数据的鞋类流行趋势的预测推荐方法，涉及数据挖掘技术领域，包括：获取用户的初始交易数据，对其进行分析得到用户行为时序链；根据用户的基本数据对用户进行分类，得到用户类型信息；建立鞋类推荐数据库，所述鞋类推荐数据库包括多种鞋品和用于描述多种鞋品的标签；构建预测推荐模型，通过预测推荐模型为不同类型的目标用户推荐对应的鞋类流行标签；根据推荐的鞋类流行标签，从鞋类推荐数据库中匹配对应的鞋品信息，相应地，本申请还公开了一种基于用户交易数据的鞋类流行趋势的预测推荐系统，本发明专利技术基于用户的历史操作交易数据，分析不同类型用户的隐形偏好，并通过预测推荐模型为用户推荐流行鞋品，精准度更高。精准度更高。精准度更高。

【技术实现步骤摘要】
一种基于用户交易数据的鞋类流行趋势的预测推荐方法及系统


[0001]本专利技术涉及数据挖掘
，具体涉及到一种基于用户交易数据的鞋类流行趋势的预测推荐方法及系统。

技术介绍

[0002]随着电子商务的发展，网上交易数量随之急剧增加，极大的丰富了用户与商家的选择，同时也为传统的鞋品购买交易提供了新的消费方式。但是面对海量的商品信息用户很难筛选出自己合适和喜欢的鞋品种类，且不能很快地分析出当下的流行趋势。如何根据历史交易记录和用户操作信息等进行数据挖掘，为用户推荐喜欢的流行鞋品，对提升用户体验和增加销售量十分重要。目前的推荐方法大多基于单一的协同过滤推荐技术，仅利用简单的评分数据来获取用户偏好，虽然避免了数据复杂的问题，但不能更全面和精确的判断用户偏好和群体趋势。
[0003]综上所述，如何克服上述缺陷，是本领域技术人员急需解决的问题。

技术实现思路

[0004]本方案针对上文提到的问题和需求，提出一种基于用户交易数据的鞋类流行趋势的预测推荐方法，具体由于采取了如下技术方案而能够解决上述技术问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于用户交易数据的鞋类流行趋势的预测推荐方法及系统，包括：获取用户的初始交易数据，并对所述初始交易数据进行分析得到包含用户交易鞋类的标签、选择的个性化服务和用户评分数据的行为时序链；
[0006]获取用户的基本数据，并根据用户的基本数据对用户进行分类，得到用户类型信息；
[0007]建立鞋类推荐数据库，所述鞋类推荐数据库包括多种鞋品和用于描述所述多种鞋品的若干个标签；
[0008]构建预测推荐模型，将得到的时序链信息和用户分类属性作为输入，通过预测推荐模型为不同类型的目标用户推荐对应的鞋类流行标签；
[0009]根据推荐的鞋类流行标签，从所述鞋类推荐数据库中匹配对应的鞋品信息。
[0010]进一步地，所述获取用户的初始交易数据，并对所述初始交易数据进行分析包括：
[0011]从交易终端平台上获取用户的历史交易行为数据，所述历史交易行为数据包括用户在历史时间段上的操作记录，所述操作记录包括用户id信息、商品id信息、浏览行为信息、收藏行为信息、加入购物车行为信息、购买行为信息和信息对应的时间戳；
[0012]对所述操作记录进行特征提取，得到用户数据、鞋品数据和用户
‑
鞋品关联数据特征；
[0013]通过决策树模型对所述用户数据、鞋品数据和用户
‑
鞋品关联数据特征进行特征降维，并对降维后的特征进行筛选和组合，得到特征子集；
[0014]所述特征子集包括用户行为特征、鞋品浏览轨迹特征和关联操作特征，将所述特征子集作为用于描述用户购买意愿的时序链输入所述预测推荐模型进行鞋类流行趋势标签的预测。
[0015]进一步地，所述并根据用户的基本数据对用户进行分类，得到用户类型信息具体包括：
[0016]获取M个用户对N个鞋品流行标签的评分数据，并形成M*N阶的用户评分矩阵T，Tij表示用户Ui对鞋品流行标签Xj的评分；
[0017]然后根据余弦相似度计算公式：对用户a和用户b间的相似度进行评估计算，其中，T
a,
与T
b,
分别表示用户a和用户b对标签i的评分，X
a
和X
b
分别表示用户a和用户b各自的项目评分集合，X
a,
表示用户a和用户b有共同评价的项目集合；
[0018]通过匹配用户之间的相似度，获取用户近邻集合L＝{l1,l2,
…
,lm},用户Li在所述最近邻集合中的顺序依据目标用户a的相似性大小排列，并根据预设的相似性阈值或最近邻数量从所述近邻集合中筛选出最近邻集合La＝{l1,l2,
…
,ln}；
[0019]并对此类用户的职业、年龄、性别和用户ID进行标记，得到各类用户分类属性信息。
[0020]更进一步地，所述建立鞋类推荐数据库包括：
[0021]获取当前待推荐的所有鞋品相关数据，并为各类鞋品进行编号或赋值；
[0022]构建当前对各类鞋品的描述标签集合，并为所述描述标签集合中的流行标签进行编号或赋值；
[0023]根据所述各类鞋品的编号或赋值和所述描述标签集合中的流行标签的编号或赋值，将各类鞋品和所述描述标签集合中的流行标签进行匹配关联，并将关联数据存储至所述鞋类推荐数据库。
[0024]进一步地，所述构建预测推荐模型包括：
[0025]将得到的时序链信息和用户分类属性信息作为输入特征；
[0026]构建深度学习网络，进行各流行标签的评分预测，所述深度学习网络包括一个嵌入层、四个卷积层、两个全连接层和一个输出层，将输入特征输入嵌入层对得到的相关数据进行处理，通过嵌入层特性把相关数据稀疏的特征变化成向量矩阵，通过四个卷积层由不同尺寸的卷积核在矩阵上做卷积对输入的相关数据进行计算，选择各类用户选择和购买频率最高的鞋品对应的流行标签，作为最终的预测结果所述嵌入层的维度为(N,32),四个卷积层对应的卷积核分别为1*32、1*32、1*32和1*64，两个全连接层的尺度分别为1*128和1*200；
[0027]对比预测结果和各类用户实际选择和购买频率高于设置阈值的鞋品对应的流行标签，计算出预测结果的准确率，并采用MSE优化损失，得到优化的预测推荐模型。
[0028]进一步地，在根据推荐的鞋类流行标签，从所述鞋类推荐数据库中匹配对应的鞋品信息之前，需要对预测得到标签的综合匹配值进行计算，标签综合匹配值的计算方法如下：
[0029]从预定规则库中获取每个标签的权重值,得到权重集合W＝{w1,w2,
…
,wn}；
[0030]获取当前类型的目标用户对每个标签的倾向性平均评分P＝{p1,p2,
…
,pn}；
[0031]根据公式R＝w1*p1+w2*p2,
…
,wn*pn计算标签综合匹配值R。
[0032]更进一步地，计算所述鞋类推荐数据库中各鞋品当前对应标签的综合匹配R
′
i
,获取当前目标用户预测标签的综合匹配值R与各综合匹配值R
′
i
的差值，根据设置的差值阈值筛选出对应的鞋品流行标签推荐给用户。
[0033]一种基于用户交易数据的鞋类流行趋势的预测推荐系统，利用上述基于用户交易数据的鞋类流行趋势的预测推荐方法进行流行鞋品推荐，包括：数据分析模块、用户分类模块、数据库建立模块、模型预测模块和匹配推荐模块；
[0034]所述数据分析模块用于获取用户的初始交易数据，并对所述初始交易数据进行分析得到包含用户交易鞋类的标签、选择的个性化服务和用户评分数据的行为时序链；
[0035]所述用户分类模块用于获取用户的基本数据，并根据用户的基本数据对用户进行分类，得到用户类型信息；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用户交易数据的鞋类流行趋势的预测推荐方法，其特征在于，包括以下步骤：获取用户的初始交易数据，并对所述初始交易数据进行分析得到包含用户交易鞋类的标签、选择的个性化服务和用户评分数据的行为时序链；获取用户的基本数据，并根据用户的基本数据对用户进行分类，得到用户类型信息；建立鞋类推荐数据库，所述鞋类推荐数据库包括多种鞋品和用于描述所述多种鞋品的若干个标签；构建预测推荐模型，将得到的时序链信息和用户分类属性作为输入，通过预测推荐模型为不同类型的目标用户推荐对应的鞋类流行标签；根据推荐的鞋类流行标签，从所述鞋类推荐数据库中匹配对应的鞋品信息。2.如权利要求1所述的基于用户交易数据的鞋类流行趋势的预测推荐方法，其特征在于，所述获取用户的初始交易数据，并对所述初始交易数据进行分析包括：从交易终端平台上获取用户的历史交易行为数据，所述历史交易行为数据包括用户在历史时间段上的操作记录，所述操作记录包括用户id信息、商品id信息、浏览行为信息、收藏行为信息、加入购物车行为信息、购买行为信息和信息对应的时间戳；对所述操作记录进行特征提取，得到用户数据、鞋品数据和用户
‑
鞋品关联数据特征；通过决策树模型对所述用户数据、鞋品数据和用户
‑
鞋品关联数据特征进行特征降维，并对降维后的特征进行筛选和组合，得到特征子集；所述特征子集包括用户行为特征、鞋品浏览轨迹特征和关联操作特征，将所述特征子集作为用于描述用户购买意愿的时序链输入所述预测推荐模型进行鞋类流行趋势标签的预测。3.如权利要求1所述的基于用户交易数据的鞋类流行趋势的预测推荐方法，其特征在于，所述并根据用户的基本数据对用户进行分类，得到用户类型信息具体包括：获取M个用户对N个鞋品流行标签的评分数据，并形成M*N阶的用户评分矩阵T，Tij表示用户Ui对鞋品流行标签Xj的评分；然后根据余弦相似度计算公式：对用户a和用户b间的相似度进行评估计算，其中，T
a,
与T
b,
分别表示用户a和用户b对标签i的评分，X
a
和X
b
分别表示用户a和用户b各自的项目评分集合，X
a,
表示用户a和用户b有共同评价的项目集合；通过匹配用户之间的相似度，获取用户近邻集合L＝{l1,l2,
…
,lm},用户Li在所述最近邻集合中的顺序依据目标用户a的相似性大小排列，并根据预设的相似性阈值或最近邻数量从所述近邻集合中筛选出最近邻集合La＝{l1,l2,
…
,ln}；并对此类用户的职业、年龄、性别和用户ID进行标记，得到各类用户分类属性信息。4.如权利要求3所述的基于用户交易数据的鞋类流行趋势的预测推荐方法，其特征在于，所述建立鞋类推荐数据库包括：获取当前待推荐的所有鞋品相关数据，并为各类鞋品进行编号或赋值；构建当前对各类鞋品的描述标签集合，并为所述描述标签集合中的流行标签进行编号
或赋值；根据所述各类鞋品的编号或赋值和所述描...

【专利技术属性】
技术研发人员：潘少宝，曹政敏，
申请(专利权)人：浙江星链数据科技有限公司，
类型：发明
国别省市：