[發明專利]基于模型匹配的商品推薦方法

有效

• 申請號: 201110447980.6
• 申請日: 2011-12-27
• 公開（公告）號: CN102542490A
• 公開（公告）日: 2012-07-04
• 發明（設計）人: 韓軍
• 申請（專利權）人: 紐海信息技術(上海)有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及計算機技術領域，尤其涉及一種適用電子商務網站的基于商品模型和用戶模型匹配的商品推薦方法。

背景技術

近年來，隨著計算機與網絡技術的進步，電子商務得到了快速發展。電子商務憑借其方便、快捷、價廉、品類齊全等優勢，市場份額逐年飆升。大型的電子商務網站往往銷售海量的商品，而網站頁面所能呈現給用戶的商品是有限的，所以往往需要一個商品推薦系統，能根據用戶的偏好，推薦最合適的商品給客戶。商品推薦算法是整個商品推薦系統的核心，很大程度上決定了推薦系統的類型和性能優劣。

目前，對推薦系統一般可以分為兩種：基于內容的推薦和協同推薦。基于內容的推薦是指根據用戶在網站上瀏覽、選擇的商品，推薦其它類似屬性的商品的推薦方法。這種方法僅依賴商品-商品之間客觀聯系，通過提取每個商品的特征屬性來表達商品內容，系統根據用戶所瀏覽商品的歷史記錄以及商品屬性來學習用戶的興趣，從而對用戶推薦具備類似屬性的商品。

協同推薦不同于基于內容的推薦，它是基于用戶-用戶的模式來推薦。用戶所得到的推薦商品是系統從其他用戶的購買行為獲得的。比如，當用戶選擇某商品時，系統可以給出“購買該商品的客戶同時購買了X商品”的信息，給出推薦的商品在屬性上與用戶瀏覽的商品不一定有相關性，而僅僅是因為其他客戶的購買行為來得到此次推薦。

基于內容的推薦和協同推薦在不同的側面上反映了用戶的某種購物需求，但是上述推薦方法都沒有考慮到商品-用戶之間的內在關系。在很多時候，用戶需求和商品屬性之間的關聯度比商品-商品或用戶-用戶之間的關系更能反映用戶的實際需求。

發明內容

有鑒于此，一種能結合商品屬性和用戶需求的個性化商品推薦系統是十分有益的。

為了解決上述問題，本發明提供了一種基于商品模型和用戶模型匹配的商品推薦方法，其技術方案包括：

1)建立商品模型，商品模型表示為：

G＝{GSyno，GAttr}

其中，GSyno是由描述該商品的一段文字介紹經過詞法分析后得到的一個詞庫，GAttr是該商品的屬性，它由多個[Key，Value]鍵值對所組成，其中一個Key對應的是一個Value集合：

2)建立用戶模型，用戶的模型基于商品模型，它由多個商品模型融合而成，用戶模型表示為：

U＝{USyno，UAttr}

其中，USyno是包含用戶所購買商品的全部Gsyno詞庫，即：

USyno＝∪Gsyno

UAttr是用戶所購買商品的全部GAttr的集合，UAttr的表示方法如下：

UAttr＝{[Key，(Value，Weight)]，...}

其中Key和Value與GAttr一致，Weight是一個權重值，表示用戶購買的多個商品擁有同樣的屬性值，Weight的值等于擁有同樣屬性值的商品數量；

3)相似性計算，基于商品模型U和用戶模型G計算商品和用戶的相似性；

4)根據相似性大小排序，推薦商品給用戶。

本發明還可以通過如下途徑強化推薦方法：

1)商品模型U和用戶模型G的相似性計算方法如下：

SIM(G，U)＝a×SIMS(GSyno，USyno)+b×SIMA(GAttr，UAttr)

其中，a、b是常數，SIMS(GSyno，USyno)計算詞庫相似性，SIMA(GAttr，UAttr)計算屬性相似性。

2)詞庫相似性計算函數表達式如下：