[發明專利]一種確定用戶群體、信息查詢及推薦的方法及系統

有效

• 申請號: 201110445052.6
• 申請日: 2011-12-27
• 公開（公告）號: CN103186539A
• 公開（公告）日: 2013-07-03
• 發明（設計）人: 蘇寧軍;顧海杰
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 郭潤湘

技術領域

本發明涉及互聯網信息查詢領域，尤其涉及一種確定用戶群體、信息查詢及推薦的方法及系統。

背景技術

電子商務網站的用戶類型是各種各樣的，有企業用戶也有個人用戶，企業用戶中又可分為原材料商、生產制造商、批發零售商、貿易商等。一般地企業用戶的需求相對個人用戶會更穩定更聚焦，而原材料商及生產制造商，相對于批發零售商及貿易商需求又更集中，如何識別用戶需求的發散程度，如何確定用戶屬于哪一類用戶群體，并根據用戶群體需求類型提供商品/資訊信息查詢及推薦，對提升推薦引擎系統的準確度及用戶體驗非常有意義。

現有的推薦系統一般基于用戶的興趣偏好或用戶與商品/資訊的相關性來進行商品/資訊信息的推薦。現有的推薦系統算法對各類用戶一般是不加區分的，對個人用戶、企業用戶采用的是同樣的推薦算法。如基于用戶興趣偏好的推薦算法，都是根據用戶對類目或葉子類目的訪問行為量來確定用戶感興趣的類目或葉子類目類別，然后推薦該類目下的優質或新發商品/資訊。基于用戶及商品/資訊相關性的推薦算法，首先找到相關的用戶或商品，然后在用戶瀏覽某商品時推薦相關度較高的其它商品，或者推薦相關度較高的其它用戶當前關注的商品。

發明人在發明過程中，發現現有推薦系統的這些推薦算法對于不同的用戶群體，采用的推薦算法都是一樣的，采用的推薦算法都要在多個類目中進行查詢，這樣查詢的商品數量較多，查詢速度慢；

而且常規的商品推薦方法在應用到互聯網行業進行海量數據(如數千萬級的用戶，上億級的商品數據)的算法分析時，由于數據量龐大，運算過程復雜，對系統資源要求高，計算時間長，難以滿足互聯網行業快速響應信息查詢的業務要求。

發明內容

本申請實施例提供一種確定用戶群體、信息查詢及推薦的方法及系統，用于解決現有技術中常規的商品推薦方法在應用到互聯網行業進行海量數據的算法分析時，由于數據量龐大，運算過程復雜，對系統資源要求高，計算時間長，難以滿足互聯網行業快速響應的業務要求問題。

本申請實施例一提供一種確定用戶群體的方法，具體包括：

獲得一用戶在M個葉子類目上的行為記錄信息；

對所述行為記錄信息進行統計，分析得到所述用戶對所述M個葉子類目的M個偏好度值p_i，其中所述M個葉子類目中每個葉子類目對應所述M個偏好度值p_i中的一個偏好度值p_i，所述M為大于等于1的整數；

基于所述M個偏好度值p_i，計算得到所述用戶的需求偏好發散度值H；

比較所述偏好發散度值H與第一閾值G，在所述偏好發散度值H小于或等于所述第一閾值G時，將所述用戶列入需求聚焦類用戶群體。

其中，所述偏好度值p_i具體為：所述用戶訪問每個葉子類目的行為記錄占該用戶訪問的M個葉子類目的行為記錄的比例值；

優選的，為了更準確的確定用戶群體，在分析得到所述M個葉子類目的M個偏好度值p_i之后，還包括：

將小于第二閾值的偏好度值p_i對應的葉子類目進行過濾，得到剩下的大于等于第一閾值的偏好度值p_i對應的N個葉子類目；所述N小于等于M；

基于所述N個偏好度值p_i，計算得到所述用戶的需求偏好發散度H。

如上所述的方法，所述基于所述N個偏好度值Pi，計算得到所述用戶的需求偏好發散度H，具體為：

通過信息熵公式計算得到所述用戶的需求偏好發散度值H。

本申請實施例二提供一種信息查詢及推薦的方法，具體包括：

基于用戶在M個葉子類目上的行為記錄信息而獲得的在每個葉子類目的偏好度值p_i以及信息熵公式，確定所述用戶屬于需求聚焦類用戶群體；

查詢所述需求聚焦類用戶群體在聚類商品單元上的行為記錄信息，分析得到所述用戶需求偏好的聚類商品信息；其中，所述聚類商品單元具體用以存放將S個葉子類目下的商品信息進行聚類而得到的所述聚類商品信息；所述S為大于等于1的整數；

將所述需求偏好的聚類商品信息查詢及推薦給所述用戶。

其中，所述基于用戶在M個葉子類目上的行為記錄信息而獲得的在每個葉子類目的偏好度值p_i，具體包括：

獲得一用戶在M個葉子類目上的行為記錄信息；