[發明專利]一種基于支持向量機SVM的電子商務推薦方法

在審

• 申請號: 201410107196.4
• 申請日: 2014-03-21
• 公開（公告）號: CN103886486A
• 公開（公告）日: 2014-06-25
• 發明（設計）人: 楊正華;曾愛華;丁雷;唐潔
• 申請（專利權）人: 吉首大學
• 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

????本發明設計一種電子商務的推薦方法，具體涉及一種基于支持向量機（SVM）的電子商務推薦方法。

背景技術

互聯網及電子商務的快速發展，電子商務在給用戶帶來無限的便利性的同時，隨著信息的急劇增長，信息過載也使得整個系統變得更為復雜，用戶無法順利找到需要查找的商品信息，電子商務推薦系統能夠有效地動態捕獲用戶需求及偏好，預測可能的用戶偏好，推薦其可能感興趣的商品，順利完成購物的整個過程。電子商務推薦系統具有良好的發展和應用前景，目前如亞馬遜、當當、eBay、淘寶等都不同程度的使用了電子商務推薦系統，各種Web網站也支持推薦系統進行個性化的需求預測。

國內外目前電子商務推薦算法可分為三大類，（1）、基于內容的推薦算法。基于內容的過濾是信息檢索推薦領域的重要研究內容，基于內容的推薦技術需要分析資源內容信息，根據用戶興趣建立用戶檔案(Profile),用戶檔案中包含了用戶的偏好和需求信息，然后根據資源內容與用戶檔案之間的相似性向用戶提供推薦服務。（2）、基于規則的推薦算法。隨著數據挖掘的興起，關聯規則被應用于推薦系統，形成了一種新的推薦技術基于規則的推薦技術。基于規則的推薦技術在評價表上挖掘項目間的關聯規則和用戶間的關聯規則為當前用戶進行推薦。使用項目關聯進行推薦時，每條項目關聯的前件相當于一個興趣組，而規則的后件則相當于這個興趣組的推薦（3）協同過濾的推薦算法。目前協同過濾推薦主要是以屬性或興趣相近的用戶經驗與建議作為提供個性化推薦的基礎。透過協同過濾，有助于搜集具有類似偏好或屬性的用戶，并將其意見提供給同一集群中的用戶作為參考，以滿足人們通常在決策之前參考他人意見的心態。

電子商務推薦方法在理論和實踐中都得到較大發展，但電子商務推薦方法也面臨一系列的挑戰，現有技術存在的問題如下：

（一）用戶數據稀疏性問題

協同過濾推薦是基于評分相似的最近鄰居向目標客戶產生推薦的一種算法，但隨著電子商務系統規模的擴大,用戶數目和商品數據急劇增加，一段時間內，一個用戶購買的商品是極其有限的，對購買的商品評價就更少，使得用戶項目矩陣的極端稀疏性，導致用戶最近鄰居和項目最近鄰居的計算準確性降低,使得推薦系統的推薦質量急劇下降。

（二）評價有效性和權重問題

傳統的協同過濾推薦技術對未評價商品和無效評價，因評分少或無效的數據，存在推薦質量低的問題，針對這種情況提出多種解決方法,其中包括矩陣填充、矩陣降維等技術。或簡單的將用戶對未評分項目的評分設為一個固定的缺省值,或設為其他用戶對該項目的平均評分。然而用戶對未評分項目的評分不可能完全相同,另外對于同一種商品，不同用戶評價的側重是不一樣的，有些關注產品的外觀，有些關注的是品牌，有些關注的是質量，有些關注的是服務。

發明內容

本發明所解決的技術問題是，提供一種基于SVM的電子商務推薦方法，解決了協同過濾模型中用戶數據稀疏性及用戶評價有效性和權重問題。

?技術方案如下：

一種基于SVM的電子商務推薦方法，包括

建立SVM預測模型

首先設樣本集{x_i,?y_i},?i=1,?…,?n,?n為樣本總數。利用非線性映射????????????????????????????????????????????????到高維空間，則所構成的最優回歸函數為：

,????????????????????????????????????????????????????????????????????????????????????????????????????????????????(1)

式中，w為權向量，b為常數，x_i為矢量x_i(x_i1,?x_i2,…,?x_il)。根據SRM準則，優化目標為

???????????????????????????????????????????????????????????????????????????(2)

式中，為函數擬合精度，為松弛變量，C>0為懲罰參數。利用上式的對偶式，可以將上式轉化為