【技术实现步骤摘要】
本专利技术涉及关联规则挖掘技术，尤其涉及基于关联规则挖掘的搭配推荐方法及系统。
技术介绍
1、随着电子商务的快速发展，商品搭配推荐已成为提升用户购物体验和平台销售额的重要手段。目前，主流电商平台普遍采用基于关联规则挖掘的方法进行商品搭配推荐，通过分析用户历史交易数据，挖掘商品间的关联关系，从而为用户提供个性化的商品搭配建议。这种方法能够有效捕捉用户的购物习惯和商品间的搭配规律；
2、传统的关联规则挖掘方法主要依赖静态的历史交易数据，未能充分考虑商品价格的动态变化特征，导致推荐结果可能与实时市场状况不匹配；现有方法在进行商品搭配时往往仅关注单一维度的相似性度量，忽视了价格匹配度、类目多样性等多维度评估指标的综合影响；现有推荐系统缺乏对不同场景下用户偏好的动态感知能力，无法根据实时市场环境和用户行为及时调整推荐策略；
3、本专利技术旨在解决上述技术问题，提出一种能够综合考虑商品价格动态变化、多维度评估指标和场景适应性的搭配推荐方法。该方法通过构建动态价格匹配度和多维度评估体系，结合非支配排序遗传算法和深度q网络，实现...
【技术保护点】
1.基于关联规则挖掘的搭配推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述标准化评分矩阵，采用余弦相似度计算用户之间的余弦相似度值，生成用户相似度矩阵；根据所述用户相似度矩阵对每个商品的缺失评分进行预测，得到评分预测矩阵包括：
3.根据权利要求1所述的方法，其特征在于，对所述初始商品候选集中的商品价格进行对数归一化处理，生成价格特征向量；基于所述价格特征向量计算商品之间的价格距离，构建价格相似度矩阵；获取商品类目层级结构，计算商品之间的类目路径距离，生成类目相似度矩阵；将所述价格相似度矩阵与所述类目相似度矩阵进行...
【技术特征摘要】
1.基于关联规则挖掘的搭配推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述标准化评分矩阵，采用余弦相似度计算用户之间的余弦相似度值，生成用户相似度矩阵；根据所述用户相似度矩阵对每个商品的缺失评分进行预测，得到评分预测矩阵包括：
3.根据权利要求1所述的方法，其特征在于，对所述初始商品候选集中的商品价格进行对数归一化处理，生成价格特征向量；基于所述价格特征向量计算商品之间的价格距离，构建价格相似度矩阵；获取商品类目层级结构，计算商品之间的类目路径距离，生成类目相似度矩阵；将所述价格相似度矩阵与所述类目相似度矩阵进行加权融合，得到商品综合相似度矩阵包括：
4.根据权利要求1所述的方法，其特征在于，基于所述商品综合相似度矩阵，对所述初始商品候选集中的商品进行聚类分组，得到价格区间与类目相似的商品组合集合；计算所述商品组合集合中每个商品组合的支持度与置信度，筛选满足最小支持度阈值与最小置信度阈值的组合作为频繁项集包括：
5.根据...
【专利技术属性】
技术研发人员：刘勇，
申请(专利权)人：深圳市秦丝科技有限公司，
类型：发明
国别省市：
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。