[發明專利]一種個性化商品排序的方法及系統

在審

• 申請號: 201710101299.3
• 申請日: 2017-02-24
• 公開（公告）號: CN106779985A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 謝晉;柴楹;夏里峰;黃承松
• 申請（專利權）人: 武漢奇米網絡科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02;G06F17/30
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙)42231
• 代理人: 黃君軍

1.一種個性化商品排序的方法，其特征在于：其包括下列步驟：

S1：收集人群維度和商品維度的信息，對用戶維度和商品維度進行聚類分析，得到含有人群信息的聚類商品集；

S2：為當前人群劃分聚類商品集；

S3：獲取用戶的行為特點，構建用戶的特征集合，確定用戶所屬人群；

S4：為用戶選擇聚類商品集，采用二元邏輯回歸方式，分出用戶偏好和不偏好的聚類商品集，將用戶偏好的聚類商品集靠前；

S5：將用戶偏好的聚類商品集內的商品按商品的曝光點擊率、點擊轉化率和商品價格綜合計算后按得分排序，按順序展示商品。

2.如權利要求1所述的個性化商品排序的方法，其特征在于：所述用戶維度的信息包括：用戶性別、年齡段、用戶地域、消費能力；所術商品維度包括類目、品牌、價格區間、風格、款式。

3.如權利要求1所述的個性化商品排序的方法，其特征在于：所述聚類的方法為：先將收集到的人群維度信息和商品維度信息轉化為第一商品集信息，第一商品集信息轉化為SimHash值，根據SimHash值差值來作為聚類的距離度量參數，采用k-means聚類算法得出聚類商品集，最終聚類數量可以根據聚類收斂程度具體定量。

4.如權利要求1所述的個性化商品排序的方法，其特征在于：為當前人群劃分商品集的方法為優先匹配類目范圍，然后在各個類目下選擇年齡特征、價格檔次、地域等相關度高的商品。

5.如權利要求1所述的個性化商品排序的方法，其特征在于：所述按商品的曝光點擊率、點擊轉化率和商品價格綜合計算方法為：提取每個商品的CTR、CVR，并做平滑處理，所述平滑處理公式為r＝(C+alpha)/(I+alpha+beta)(其中C為CTR或者CVR，I為展示次數，alpha、beta為平滑因子)，然后根據公式：W＝CTR*CVR*商品售價，對每個商品進行打分，根據得分情況對商品進行排序。

6.一種個性化商品排序的系統，其特征在于：其包括：

用戶商品信息收集和聚類分析模塊：用于收集人群維度和商品維度的信息，對用戶維度和商品維度進行聚類分析，得到含有人群信息的聚類商品集；

聚類商品集劃分模塊：為當前人群劃分聚類商品集；

用戶行為特點收集模塊：用于獲取用戶的行為特點，構建用戶的特征集合，確定用戶所屬人群；

聚類商品集分析模塊：用于為用戶選擇聚類商品集，采用二元邏輯回歸方式，分出用戶偏好和不偏好的聚類商品集，將用戶偏好的聚類商品集靠前；

聚類商品集內部排序模塊：將用戶偏好的聚類商品集內的商品按商品的曝光點擊率、點擊轉化率和商品價格綜合計算后按得分排序，按順序展示商品。

7.如權利要求1所述的個性化商品排序的系統，其特征在于：所述用戶商品信息收集和聚類分析模塊包括：

用戶維度的信息模塊，用于收集用戶性別、年齡段、用戶地域、消費能力；

商品維度信息收集模塊：用于收集商品類目、品牌、價格區間、風格、款式。

8.如權利要求1所述的個性化商品排序的系統，其特征在于：所述用戶商品信息收集和聚類分析模塊包括聚類分析模塊，所述聚類分析模塊用于將用戶維度和商品維度進行聚類分析，聚類分析的方法為：先將收集到的人群維度信息和商品維度信息轉化為第一商品集信息，第一商品集信息轉化為SimHash值，根據SimHash值差值來作為聚類的距離度量參數，采用k-means聚類算法得出聚類商品集，最終聚類數量可以根據聚類收斂程度具體定量。

9.如權利要求1所述的個性化商品排序的系統，其特征在于：所述商品集選擇模塊具體選擇商品集的方法為優先匹配類目范圍，然后在各個類目下選擇年齡特征、價格檔次、地域等相關度高的商品。

10.如權利要求1所述的個性化商品排序的系統，其特征在于：所述商品集內部排序模塊按產品的曝光點擊率、點擊轉化率和商品價格綜合計算方法為：提取每個商品的CTR、CVR，并做平滑處理，所述平滑處理公式為r＝(C+alpha)/(I+alpha+beta)(其中C為CTR或者CVR，I為展示次數，alpha、beta為平滑因子)，然后根據公式：W＝CTR*CVR*商品售價，對每個商品進行打分，根據得分情況對商品進行排序。