[發明專利]一種電子商務中的商品推薦方法及其系統

在審

• 申請號: 201410564376.5
• 申請日: 2014-10-21
• 公開（公告）號: CN105528374A
• 公開（公告）日: 2016-04-27
• 發明（設計）人: 陳雪峰;陸罡;王文琪
• 申請（專利權）人: 蘇寧云商集團股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/00
• 代理公司: 北京萬慧達知識產權代理有限公司 11111
• 代理人: 代峰;楊穎

技術領域

本發明涉及互聯網領域，尤其涉及互聯網領域中電子商務中的商品推薦方法及其系統。

背景技術

隨著互聯網的普及和電子商務的發展，電子商務系統在為用戶提供越來越多選擇的同時，其結構也變得更加復雜，用戶經常會迷失在大量的商品信息空間中，無法順利找到自己需要的商品。為此，電子商務網站都以獲得最大利益為目標，用技術和非技術的方法，增加注冊顧客、增加訂單量、提供優質的服務。在這些前提下，個性化的商品推薦技術應運而生。

現有技術中，使用“數據庫查詢”，通過sql語句找到數據庫中和顧客瀏覽、收藏或是購買的商品有相同作者、相同分類、相同主題等的其他一些商品，推薦給顧客。“問卷反饋”方式，通過提問，讓顧客回答一些問題，直接了解顧客的喜好，推薦合適的商品。此外還有“關聯規則”等等形式的商品推薦方法。以上這些方法，在推薦的準確性、實時性等方面不夠理想，推薦的自動化程度和持久性程度低，缺乏個性化。

發明內容

為了解決上述問題，本發明的技術方案涉及一種電子商務中商品推薦方法及其系統，其具體技術方案如下：

一種電子商務中的商品推薦方法，包括以下步驟：

步驟S1、采集用戶在電子商務網站的歷史行為數據；

步驟S2、根據用戶的歷史行為數據進行商品特征計算，輸出用戶的關于購買商品概率預測特征向量；

步驟S3、根據輸出的用戶關于購買商品概率預測特征向量分別按特征和分類代入統計函數計算用戶購買概率預測模型，獲得購買概率預測模型；

步驟S4、根據用戶的購買概率預測模型以及用戶登錄信息進行商品推薦。

還包括：

步驟S5、利用購買概率預測模型計算相關或相似商品的購買概率；

步驟S6、根據計算得到的購買概率，將相關或相似商品推薦給用戶。

所述的歷史行為數據包括：用戶登錄信息，用戶瀏覽的網頁，瀏覽網頁的時長，用戶搜索過的商品，用戶加入收藏夾的商品，用戶加入購物車的商品，用戶提交訂單的商品，購買與瀏覽占比。

基于用戶的歷史行為數據構造用戶購買商品概率預測特征向量，具體包括以下步驟：

1)根據用戶歷史數據，進行電子商務網站上不同類型頁面權重計算，不同商品品類的時間衰減函數計算和不同商品的相關或相似商品集合計算；其中，所述的頁面權重計算，是統計不同頁面來源的轉化率，即頁面對轉化率貢獻權重計算，根據轉化率計算同來源頁面權重；

2)根據1)中獲得的用戶歷史數據計算的結果，構造商品購買預測特征向量。

其中步驟1)中所述的不同商品的相關或相似商品集合計算，是獲得每個商品的相關或相似商品集合，計算每個商品品類的相關或相似商品，具體包括：

1.1)將商品根據商品的相似性進行分類，每一類為一個商品組；

1.2)采用協同過濾或者關聯規則計算每個商品的關聯商品組；

1.3)采取每個商品組下相關性最高的前N個商品組下的全部商品作為該商品組下商品的相關或者相似商品。

其中步驟2)中所述的構造商品購買預測特征向量包括：分別計算加入購物車中商品的相關或相似商品、加入收藏夾的商品的相關或相似商品，瀏覽該商品的次數和時長、瀏覽相似或相關商品的次數和、時長、購買過相關商品記錄的特征值。

還包括，對所述購買預測模型進行訓練。

其中步驟S4具體包括：

步驟S401、基于用戶的購買歷史行為數據，采用關聯規則或者協同過濾算法，計算該商品的關聯商品，取關聯度最高的前n個商品，作為該商品的相關或相似商品集合；

步驟S402、利用購買概率預測模型和用戶登錄信息計算相關或相似商品的購買概率。

一種采用電子商務中商品推薦方法的系統，包括：

用戶行為數據獲取模塊，用于采集用戶在電子商務網站的歷史行為，或采集用戶登錄信息，獲取登錄用戶的歷史信息；

用戶購買預測特征向量計算模塊，用于基于用戶歷史行為或歷史信息構造用戶特征向量，或根據登錄用戶的歷史行為數據，構造用戶特征向量；

購買概率預測模型模塊，根據用戶特征向量訓練購買概率預測模型模塊，從而計算獲得商品的購買概率；或，根據登錄用戶的特征向量和訓練購買概率預測模型模塊計算用戶對商品的購買概率；

用戶商品推薦模塊，用于根據商品的購買概率，將商品推薦給用戶。其中，用戶購買預測特征向量計算模塊，還包括：

相似性計算模塊，將商品根據商品的相似性進行分類，每一類為一個商品組；