[發明專利]一種基于用戶行為的商品推薦方法及系統

在審

• 申請號: 201611141811.9
• 申請日: 2016-12-12
• 公開（公告）號: CN106600372A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 田松;陳睿
• 申請（專利權）人: 武漢烽火信息集成技術有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F17/30
• 代理公司: 武漢智權專利代理事務所(特殊普通合伙)42225
• 代理人: 沈林華

1.一種基于用戶行為的商品推薦方法，其特征在于，該方法包括以下步驟：

步驟S1：通過APP或者網頁對用戶的行為進行搜集，所述用戶的行為包括：搜索行為、點擊行為、查看商品屬性的行為、購買行為、對商品的評價行為以及對商品的打分行為，轉入步驟S2；

步驟S2：當用戶進行商品的購買時，判斷當前購買的商品是耐耗品還是易耗品，若是耐耗品，轉入步驟S3；若是易耗品，則轉入步驟S4；

步驟S3：根據搜集到的點擊行為和搜索行為，進行物品的聚類，根據聚類結果向用戶進行商品的推薦；

步驟S4：判斷搜集到的用戶行為中是否有對該商品的打分行為，若有，則轉入步驟S5；若沒有，則轉入步驟S6；

步驟S5：直接根據搜集到的對商品的打分行為，按照打分的高低依次向用戶進行商品的推薦；

步驟S6：通過轉換函數，將搜集到的點擊行為、查看商品屬性的行為、購買行為、對商品的評價行為依次轉換為對應的數值分數，即隱性評分數據，轉入步驟S7；

步驟S7：將轉換所得的所有隱性評分數據經過層次分析法進行加權處理，得到總的隱性評分；根據總的隱性評分，利用協同過濾算法向用戶進行商品的推薦。

2.如權利要求1所述的基于用戶行為的商品推薦方法，其特征在于：步驟S3中，進行物品的聚類時，采用KNN分類算法進行物品的聚類。

3.如權利要求1所述的基于用戶行為的商品推薦方法，其特征在于，步驟S6具體包括以下操作：

當轉換點擊行為時，先根據轉換參數a＝avgN/atanh(0.5)，確定轉換參數a，其中，N為正整數表示點擊次數，avgN為平均點擊次數，atanh為反雙曲正切函數；再根據雙曲正切函數2*tanh(N/a)，得到點擊行為轉換后對應的數值分數，即點擊行為對應的隱性評分數據；

當轉換查看商品屬性的行為時，先根據轉換參數b＝avgT/atanh(0.5)，確定轉換參數b，其中，T為正整數表示用戶查看商品屬性停留的時長，avgT為用戶的平均停留時長；再根據雙曲正切函數2*tanh(T/b)，得到查看商品屬性的行為轉換后對應的數值分數，即查看商品屬性的行為對應的隱性評分數據；

當轉換購買行為時，先根據轉換參數c1＝log(99)/(maxM-avgM)以及轉換參數c2＝avgM*c1，確定轉換參數c1和c2，其中，M為正整數表示用戶購買次數，avgM為為正整數表示用戶平均購買次數，maxM為用戶的最大購買次數；再根據2*(exp(c2-c1*M))/(1+exp(c2-c1*M))，得到購買行為轉換后對應的數值分數，即購買行為對應的隱性評分數據；

當轉換對商品的評價行為時，采取-2到2的5分制評分制，直接按照將好評轉換為1、中評轉換為0、差評轉換為-1的規則，得到對商品的評價行為轉換后對應的數值分數，即對商品的評價行為對應的隱性評分數據。

4.如權利要求1所述的基于用戶行為的商品推薦方法，其特征在于：步驟S7中進行加權處理時，點擊行為的隱性評分數據對應的權重為0.0352；查看商品屬性行為的隱性評分數據對應的權重為0.0891；購買行為的隱性評分數據對應的權重為0.3757；對商品的評價行為的隱性評分數據對應的權重為0.5。

5.如權利要求1至4中任一項所述的基于用戶行為的商品推薦方法，其特征在于：步驟S3、S5和S7之后還均包括以下操作：當用戶結束此次商品的購買時，使用Apriori算法及FP-growth算法，向用戶推薦購買該商品的其他用戶還同時購買了哪些其他商品。