一种基于社区发现的商品推荐方法技术

本发明专利技术公开了一种基于社区发现的商品推荐方法，其包括通过销售数据，提取用户购买行为，构建商品网络，采用局部扩展的方法找到网络中的社区，获取该社区中的所有推荐商品信息；将所有推荐商品推荐给用户。本发明专利技术通过用户消费数据构建商品网络，利用社区发现算法找到网络中的社区结构，并以此搭建推荐商品信息库，用户选择商品后，及时收集推荐商品信息库里的推荐商品信息，并按照商品相似度以此展示给用户，本发明专利技术方法不用考虑数据稀疏性问题以及冷启动问题。及冷启动问题。及冷启动问题。

【技术实现步骤摘要】
一种基于社区发现的商品推荐方法


[0001]本专利技术属于商品推荐
，尤其涉及一种基于社区发现的商品推荐方法及系统。

技术介绍

[0002]互联网的出现和普及给人们带来了巨大的便利，使人们的生活发生了翻天覆地的变化，渗入到生活的方方面面。目前，世界正处在大数据时代的浪口，线下移动智能终端的广泛部署使得获得数据变得容易，可靠的数据有助于人们进行决策。借助于网络，新兴的消费主义使得消费者的选择越来越多，而卖家则面临个性化推荐的挑战。企业收集用户交易数据变得普遍，基于此类数据，企业通过基于数据分析对用户进行个性化推荐，满足了消费双方的需求。目前，推荐系统通常用于新闻推荐、搜索推荐、商品推荐等。
[0003]目前应用于推荐系统的方法很多，可以大致分为以下几类：(1)协同过滤(Collaborative Filtering，简称CF)，根据所有用户的过去评分进行推荐。(2)基于内容的推荐：这类方法推荐的产品与用户过去喜欢的产品内容相似，或者与用户预定义的属性匹配。(3)混合方法：这类方法是前面两类方法的结合。现在，大多数推荐系统采用协同过滤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于社区发现的商品推荐方法，其特征在于，其包括以下步骤：(1)构建商品网络：通过销售数据，提取用户购买行为，销售数据包括订单编号，商品编号，商品描述和购买时间，将商品编号作为商品网络中的节点，满足条件的商品之间具有边连接，构建商品网络。(2)社区发现：采用局部扩展的方法找到网络中的社区，先通过中心性系数找到种子节点，再通过扩展种子节点进行社区发现，最后将孤立节点加入到与其相似度最高的社区，重叠节点加入到使社区连接紧密度增幅最大的社区，并从其他社区中删除；(3)选择商品：获取用户将商品添加到购物车、收藏或者购买完成的操作，定位到商品所属社区，获取该社区中的所有推荐商品信息；(4)推荐商品：将所有推荐商品推荐给用户，并且所推荐的商品按照与选择商品相似度由高到低进行排列展示。2.根据权利要求1所述的基于社区发现的商品推荐方法，其特征在于，步骤(1)中，所有订单里的商品作为网络节点，相同商品只看做一个节点，订单里同时出现次数与订单数量的比率大于设定阈值r的商品之间有边连接。3.根据权利要求1所述的基于社区发现的商品推荐方法，其特征在于，步骤(2)中，局部扩展的方法具体包括以下步骤：(2.1)定义中心系数，计算得到网络中所有节点的中心性系数(2.2)随机选择一个节点作为初始节点，与其邻居节点的中心性系数进行比较，沿着该中心性系数值增大的方向比较，直到网络中没有比该节点更大...

【专利技术属性】
技术研发人员：邓琨，姚继强，刘星妍，
申请(专利权)人：嘉兴学院，
类型：发明
国别省市：