[發明專利]基于客戶購物意圖挖掘的實時商品推薦方法

有效

• 申請號: 201210255692.5
• 申請日: 2012-07-23
• 公開（公告）號: CN102800006A
• 公開（公告）日: 2012-11-28
• 發明（設計）人: 姚明東
• 申請（專利權）人: 姚明東
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及應用于電子商務領域，尤其涉及的是一種基于客戶購物意圖挖掘的實時商品推薦方法。

背景技術

最接近本發明的同類技術，大致分為兩類：

(1)、電子商務的購物意圖研究。

(2)、電子商務的個性化推薦研究。

下面分別介紹上述兩種技術及其不足之處：

(1)、電子商務的購物意圖研究。

從商業的角度，研究客戶選擇電子商務的原因。研究的方法，是通過調查問卷、訪談等，對調研數據進行統計分析，并得到結論。例如，相關文獻通過調查、訪談等研究方法，把電子商務的購物意圖，劃分為12類。此研究的內容，是一種商業現象，并分析這種商業現象的成因。當前的研究過于簡單，流于表面化，對電子商務購物意圖深層次的內容，幾乎沒有涉及。例如：電子商務的意圖識別、意圖分析、意圖推理、意圖模型、意圖挖掘、意圖跳轉、意圖偏離等深層次內容，當前研究幾乎沒有涉及。而且，當前研究沒有涉及進一步的商業應用，沒有說明當前的研究有哪些具體的商業應用。

(2)、電子商務的個性化推薦研究。

電子商務的個性化推薦研究目前主要包括兩種類型的推薦：一種是基于內容的個性化推薦；另外一種是基于協同過濾的個性化推薦。

基于內容的個性化推薦，有單純基于商品信息的推薦和商品信息結合客戶信息、歷史行為、個人喜好等進行的推薦。單純基于商品信息的推薦，因為商品屬性很多，系統無法獲取客戶興趣所在，存在較大的盲目性；結合用戶歷史行為，喜好等的推薦，由于客戶的歷史行為無法準確反映客戶實時的購物意圖，同樣不適合客戶即時購物過程中的推薦。

目前很多電子商務網站，采用基于協同過濾的個性化推薦，由于存在冷啟動問題、數據稀疏等問題，所以同樣不能為客戶提供理想的實時推薦結果。

總之，當前的研究，無法為客戶提供精準的實時推薦。理想的推薦應該迎合客戶的意圖。自動識別客戶購物意圖，進行相關推薦；實時跟蹤客戶購物意圖的變化，智能調整推薦策略；同時跟蹤客戶意圖跳轉軌跡，基于用戶意圖模型對客戶離散的意圖進行聚合，深入挖掘客戶的真正意圖，并向客戶推薦相關商品。為客戶提供專業的推薦服務。

發明內容

本發明所要解決的技術問題是針對現有技術的不足提供一種基于客戶購物意圖挖掘的實時商品推薦方法。

本發明的技術方案如下：

一種基于客戶購物意圖挖掘的實時商品推薦方法，包括以下步驟：

步驟1：構建樹狀的客戶購物意圖模型；

步驟2：實時檢測用戶行為，識別用戶意圖；

步驟3：實時檢測用戶意圖變化；

步驟4：跟蹤用戶意圖變化軌跡，進行用戶深層意圖的推測：

基于用戶離散的意圖，對用戶深層的意圖進行推測，具體實現方式是記錄用戶意圖變化的軌跡，分析不同意圖之間的關聯關系；

步驟5：確定商品推薦策略；

根據客戶的購物意圖，確定商品的推薦策略：

(a).如果獲取的是客戶的初次購物意圖，或者意圖沒有發生跳轉，則結合用戶意圖和當前商品信息進行推薦：

具體實現方式是：對用戶的購物意圖進行分詞獲取主題詞，對當前商品信息進行分析，獲取當前商品信息中的主題詞；將意圖主題詞和商品信息主題詞進行融合，對于不重合的進行合并，對于重合的進行權重的加權累加；然后對融合的主題詞做語義擴展，與網站中其他產品進行匹配，尋找最相似的產品；產品的相似度用命中的主題詞及其語義擴展的累加權重進行度量；

(b).如果客戶的購物意圖發生跳轉，并且根據意圖推測方法沒有獲取深層意圖，則結合用戶新的購物意圖和當前產品信息進行推薦：

如果通過意圖分析和比較，發現客戶的購物意圖發生了跳轉，但是根據已有的跳轉軌跡沒有獲取深層次意圖；對應于用戶意圖模型，用戶的各個離散的意圖之間沒有直接的共同父結點；或者有共同的父結點，但是父結點已經標識的字節點比例較低；以上兩種情況下均不做用戶深層意圖的推測，根據當前的用戶購物意圖推薦相關的產品；

(c).如果用戶意圖發生跳轉，并且獲取了用戶深層次的意圖，則按照一定比例分別推薦跟用戶當前意圖和用戶深層次意圖相關的產品：