一种基于长尾理论的个性化商品组合推荐方法和装置制造方法及图纸

本发明专利技术公开一种基于长尾理论的个性化商品组合推荐方法和装置，该方法及装置在目标客户关注当前对象(触发点)后，搜寻与该对象存在组合关系的其它品类并存在关联关系的所有候选对象，基于事前生成的客户偏好以及商品长尾规则，筛选出与上述当前对象搭配的至少一个目标对象，以预定展示方式向目标客户推荐与当前对象搭配的至少一个目标对象。本发明专利技术实现了一种能够对对象进行搭配推荐的方案，针对网络商品推荐等场景，利用本发明专利技术方案可实现网络商品的搭配式推荐，从而可有效丰富网络商城的商品推荐功能，并提升用户体验。并提升用户体验。并提升用户体验。

【技术实现步骤摘要】
一种基于长尾理论的个性化商品组合推荐方法和装置


[0001]本专利技术属于基于机器学习的网络商品推荐
，尤其涉及一种对象的搭配推荐方法及装置。

技术介绍

[0002]现今，网络购物已成为人们日常生活中一种主要的购物方式。针对网络购物，各大网上商城一般都提供有商品推荐功能，当客户在浏览某商品时，通过向客户推荐其可能感兴趣的其他商品来为客户提供更多选择，以此促进客户消费、提高网站收益。
[0003]目前已经存在一些关于商品推荐的相关技术，这些技术一般是基于商品相似度或商品互补性，来向客户推荐与当前商品(客户浏览或选择的商品)较为相似或互补的其他商品。比如，专利US20070168357A1描述了一种推荐与当前商品的图片相似的商品的方法，该方法是基于所选择商品和推荐商品的图片相似度来实现的，例如，若客户选择了一件衣服，系统会向客户推荐与所选衣服具有相同/相似轮廓、式样或颜色的其他衣服。再比如，专利US7437344B2描述了一种推荐与当前商品互补的商品的方法，该方法基于一套预先设定的互补规则来实现与当前商品互补的商品的推荐，如假设制定的该互补规则包括“口红和润唇膏互补，粉色和白色兼容”，则当客户选择了一款粉色的口红时，系统会向客户推荐一款白色的润唇膏。
[0004]商品推荐是一种对客户购买决策的预测行为，需要考虑影响客户决策的因素，进一步理解客户、商品和社会三个影响购买决策的因子。客户偏好是决策的出发点，任何选择都基于偏好，但偏好的形成受到社会趋势的影响。商品组合是客户生活需求的组合满足，由于原料、价格和工艺影响，商品具有自身的组合规律。社会对不同的人有不同的影响，在电商的角度，体现为商品销售上，销量、购物篮中的组合等。长尾理论是一种塑造社会或者行业趋势的一种新的思路，通过“小批量、多频次”来显性化小众需求，引导流行趋势。
[0005]电商的客户、商品都没有实体的限制，可以充分做到个性化，基于客户、商品、商品和客户以及社会趋势的关系，结合客户偏好、商品组合、关联规则和长尾理论进行推荐，提供一种商品搭配推荐的实现方案。
[0006]目标客户关注当前对象(触发点)后，搜寻与该对象存在组合关系的其它品类并存在关联关系的所有候选对象，基于事前生成的客户偏好以及商品长尾规则，筛选出与上述当前对象搭配的至少一个目标对象，以预定展示方式向目标客户推荐与当前对象搭配的至少一个目标对象。

技术实现思路

[0007]有鉴于此，本专利技术的目的在于提供一种对象的搭配推荐方法和装置，旨在实现针对网络商品推荐等场景能够进行商品的搭配推荐，从而丰富网络商城的商品推荐功能，提升用户体验。
[0008]一种对象的搭配推荐方法，包括：
[0009]搜寻与该对象存在组合关系的其它品类并存在关联关系的候选对象
[0010]基于预先制定并存储的组合关系，确定与所述当前对象所属品类具有组合关系的其它品类，根据关联关系，过滤出来组合品类下所有候选对象；其中，所述组合包括当前对象所属的品类和组合中的品类的信息和商品信息，关联关系包括销售或者收藏记录中与该对象一起出现的商品对象的关联度；
[0011]基于事前生成的客户偏好以及商品长尾规则，筛选出与上述当前对象搭配的至少一个目标对象。客户偏好表包括多个客户对多个搭配对的偏好值信息，搭配对由两个不同类别的对象组成的对象搭配对或由两个不同类别对象的特征组成的特征搭配对，所述候选对象与所述当前对象或者所述候选对象与所述当前对象的相应特征在所述客户偏好表中互为搭配对；
[0012]基于候选对象与当前对象所在的搭配对在所述客户偏好表中对应的偏好值信息，结合预定的长尾筛选规则，从所述至少一个候选对象中筛选出与所述当前对象最为搭配的至少一个目标对象；
[0013]以预定展示方式向目标客户推荐所述至少一个目标对象。
[0014]上述方法，优选的，所述基于预先制定并存储的客户偏好表和长尾规则，确定与所述当前对象具有关联关系的至少一个候选对象，包括：
[0015]若客户偏好表中的搭配对为对象搭配对，则：
[0016]从客户偏好表中查找出至少一个候选对象搭配对，其中，所述候选对象搭配对中包括所述当前对象；
[0017]从所述至少一个候选对象搭配对中确定出除所述当前对象之外的其他对象作为候选对象；
[0018]若客户偏好表中的搭配对为特征搭配对，则：
[0019]从客户偏好表中查找出至少一个候选特征搭配对，其中，所述候选特征搭配对中包括所述当前对象的相应特征；
[0020]从所述至少一个候选特征搭配对中确定出除所述当前对象的特征之外的其他特征，并确定出满足所述其他特征中至少一项特征的对象作为候选对象。
[0021]上述方法，优选的，所述基于候选对象与当前对象所在的搭配对在所述客户偏好表中对应的偏好值信息，并利用预定长尾筛选规则，从所述至少一个候选对象中筛选出与所述当前对象最为搭配的至少一个目标对象，包括：
[0022]从所述客户偏好表中查找出每个候选对象与当前对象所在的对象搭配对或特征搭配对对应于所述目标客户的偏好值信息，和/或对应于所有客户的偏好值信息；
[0023]基于获得的偏好值信息计算各个候选对象与所述当前对象的搭配度；
[0024]筛选出与所述当前对象搭配度最高的预定数量的候选对象作为目标对象。
[0025]上述方法，优选的，所述以预定展示方式向客户推荐所述至少一个目标对象，包括：
[0026]以对象列表方式向目标客户推荐所述至少一个目标对象；或者，
[0027]以对象搭配组合的方式向目标客户推荐所述至少一个目标对象，其中，推荐的每个对象搭配组合为至少一个目标对象与所述当前对象的搭配组合。
[0028]上述方法，优选的，在所述获得目标客户的待搭配的当前对象之前，还包括预处理
步骤：生成客户偏好表；
[0029]所述生成客户偏好表，包括：
[0030]确定各个可能的对象搭配对或特征搭配对；
[0031]获得各个客户对对象搭配组合的收藏信息，并基于每个客户对对象搭配组合的收藏信息，计算每个客户对所收藏的对象搭配组合中对应包含的对象搭配对或特征搭配对的偏好值；
[0032]利用预定算法，预测每个客户对所述各个可能的对象搭配对或特征搭配对中未计算出偏好值的搭配对的偏好值；
[0033]依据所述各个可能的对象搭配对或特征搭配对，以及各个客户对所述各个可能的对象搭配对或特征搭配对的偏好值，生成客户偏好表。
[0034]一种对象的搭配推荐装置，包括：
[0035]获取单元，用于获得目标客户的待搭配的当前对象；
[0036]确定单元，用于基于预先制定并存储的组合关系，确定与所述当前对象所属品类具有组合关系的其它品类，根据关联关系，过滤出来组合品类下所有候选对象；其中，所述组合包括当前对象所属的品类和组合中的品类的信息和商品信息，关联关系包括销售或者收藏记录中与该对象一起出现的商品对象的关联度；
...

【技术保护点】

【技术特征摘要】
1.一种基于长尾理论的个性化商品组合推荐方法，其特征在于，包括：获得目标客户的待搭配的当前对象；搜寻与该对象存在组合关系的其它品类并存在关联关系的所有候选对象。其中，所述组合关系为预先计算并存储的合适的商品类别的组合信息，搜寻获得待搭配的品类。关联规则为预先计算并存储的基于销售数据的关联规则，经过品类过滤和关联规则的匹配，得到所有可以推荐的商品；基于事前生成的客户偏好以及商品长尾规则，筛选出与上述当前对象搭配的至少一个目标对象。基于预先制定并存储的客户偏好表，确定与所述当前对象具有关联关系的至少一个候选对象；其中，所述用客户偏好表包括多个客户对多个搭配对的偏好值信息，所述搭配对为由两个不同类别的对象组成的对象搭配对或由两个不同类别对象的特征组成的特征搭配对，所述候选对象与所述当前对象或者所述候选对象与所述当前对象的相应特征在所述客户偏好表中互为搭配对；在候选对象中根据预先计算并存储的长尾规则，从所述至少一个候选对象中筛选出与所述当前对象最为搭配的至少一个目标对象；以预定展示方式向目标客户推荐所述至少一个目标对象。2.根据权利要求1所述的方法，其特征在于，搜寻与该对象存在组合关系的其它品类并存在关联关系所有候选对象，包括：组合关系为基于商品品类组合关系，得到与该对象组合的所有品类。关联关系为基于已销售商品的关联规则，得到所有与该对象存在关联关系并且品类上存在组合关系的所有商品。3.根据权利要求1所述的方法，其特征在于，基于事前生成的客户偏好以及商品长尾规则，筛选出与上述当前对象搭配的至少一个目标对象，包括：若客户偏好表中的搭配对为对象搭配对，则：从客户偏好表中查找出至少一个候选对象搭配对，其中，所述候选对象搭配对中包括所述当前对象；从所述至少一个候选对象搭配对中确定出除所述当前对象之外的其他对象作为候选对象；若客户偏好表中的搭配对为特征搭配对，则：从客户偏好表中查找出至少一个候选特征搭配对，其中，所述候选特征搭配对中包括所述当前对象的相应特征；从所述至少一个候选特征搭配对中确定出除所述当前对象的特征之外的其他特征，并确定出满足所述其他特征中至少一项特征的对象作为候选对象。4.根据权利要求1所述的方法，其特征在于，所述基于候选对象与当前对象所在的搭配对在所述客户偏好表中对应的偏好值信息，并利用预定长尾规则，从所述至少一个候选对象中筛选出与所述当前对象最为搭配的至少一个目标对象，包括：从所述客户偏好表中查找出每个候选对象与当前对象所在的对象搭配对或特征搭配对对应于所述目标客户的偏好值信息，和/或对应于所有客户的偏好值信息；基于获得的偏好值信息计算各个候选对象与所述当前对象的搭配度；筛选出与所述当前对象搭配度最高的预定数量的候选对象作为目标对象。
5.根据权利要求1所述的方法，其特征在于，所述以预定展示方式向客户推荐所述至少一个目标对象，包括：以对象列表方式向目标客户推荐所述至少一个目标对象；或者，以对象搭配组合的方式向目标客户推荐所述至少一个目标对象，其中，推荐的每个对象搭配组合为至少一个目标对象与所述当前对象的搭配组合。6.根据权利要求1
‑
5任一项所述的方法，其特征在于，在所述获得目标客户的待搭配的当前对象之前，还包括预处理步骤：生成商品组合、关联规则、客户偏好表和长尾规则；所述生成客户偏好表，包括：确定各个可能的对象搭配对或特征搭配对；获得各个客户对对象搭配组合的收藏信息，并基于每个客户对对象搭配组合的收藏信息，计算每个客户对所收藏的对象搭配组合中对应包含的对象搭配对或特征搭配对的偏好值；利用预定算法，预测每个客...

【专利技术属性】
技术研发人员：王睿宇，刘志荣，高文飞，江茜，王宇航，石志国，
申请(专利权)人：北京市大数据中心，
类型：发明
国别省市：