[發(fā)明專利]一種基于用戶地理位置信息的產品推薦方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710153366.6
• 申請日: 2017-03-15
• 公開（公告）號: CN106934696A
• 公開（公告）日: 2017-07-07
• 發(fā)明（設計）人: 廖好;張曉潔;吳佼;沈婧;陸克中
• 申請（專利權）人: 深圳大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F17/30
• 代理公司: 深圳市恒申知識產權事務所(普通合伙)44312
• 代理人: 王利彬

1.一種基于用戶地理位置信息的產品推薦方法，其特征在于，包括：

獲取使用產品的用戶的地理位置信息；

根據所述地理位置信息，利用聚類算法計算得到用戶的若干待確認常駐地址區(qū)域；

按照預置確認算法從若干所述待確認常駐地址區(qū)域中確認最優(yōu)區(qū)域，以所述最優(yōu)區(qū)域的中心作為所述用戶的常駐地址；

計算所述用戶的常駐地址和產品使用地址的距離，得到目標距離；

計算物質擴散和熱傳導耦合算法的混合矩陣，并根據計算得到的混合算法矩陣計算加入時間因素的初始產品推薦分數；

根據所述初始產品推薦分數計算加入所述目標距離的產品推薦分數，得到目標產品推薦分數，并根據所述目標產品推薦分數進行產品推薦。

2.如權利要求1所述的產品推薦方法，其特征在于，以所述地理位置信息為數據集，則所述根據所述地理位置信息，利用聚類算法計算得到用戶的若干待確認常駐地址區(qū)域包括：

掃描所述數據集，找到任意一個核心點產品；

尋找從所述核心點產品出發(fā)的所有密度相連的數據點；

遍歷所述核心點產品的預置鄰域內的所有核心點產品，尋找與所有所述數據點密度相連的核心點產品，直至確定沒有可以擴充的數據點，得到基于所述核心點產品的簇；

重新掃描所述數據集，尋找沒有被聚類的核心點產品，并執(zhí)行所述尋找從所述核心點產品出發(fā)的所有密度相連的數據點的步驟，直至確定所述數據集中不存在新的核心點產品，得到若干簇；

以所述數據集中不包含于任何簇中的數據點為異常點，以得到的所有的簇作為用戶的若干待確認常駐地址區(qū)域。

3.如權利要求1所述的產品推薦方法，其特征在于，所述按照預置確認算法從若干所述待確認常駐地址區(qū)域中確認最優(yōu)區(qū)域包括：

獲取用戶在所述待確認常駐地址區(qū)域點評的次數值，并判斷所述點評的次數值是否滿足預置次數值；

若不滿足，則確定所述待確認常駐地址區(qū)域非最優(yōu)區(qū)域；

若滿足，獲取用戶在所述待確認常駐地址區(qū)域點評的時間間隔，并確定滿足預置時間間隔的點評次數；

比較所有所述待確認常駐地址區(qū)域滿足預置時間間隔的點評次數，以滿足預置時間間隔的點評次數最多的待確認常駐地址區(qū)域為所述最優(yōu)區(qū)域。

4.如權利要求1所述的產品推薦方法，其特征在于，所述計算物質擴散和熱傳導耦合算法的混合矩陣，并根據計算得到的混合算法矩陣計算加入時間因素的初始產品推薦分數包括：

在物質擴散和熱傳導耦合算法的基礎上，為每對用戶和產品分配初始分數；

計算物質擴散和熱傳導耦合算法的混合矩陣，得到混合算法矩陣，以表示所述混合算法矩陣，其中，U表示用戶的數量，k_j表示用戶j點評的產品數量，t表示時間，k_β表示點評產品β的用戶數量，a_jα＝0表示用戶j未點評產品α，a_jα＝1表示用戶j已點評產品α；

利用所述混合算法矩陣，求出所述每對用戶和產品的初始分數，其中以表示所述初始分數，其中α表示第α產品，i表示第i個用戶，則：

將時間因素加入所述初始分數，得到初始產品推薦分數，以表示所述初始產品推薦分數，則

5.如權利要求4所述的產品推薦方法，其特征在于，所述根據所述初始產品推薦分數計算加入所述目標距離的產品推薦分數包括：

將所述目標距離加入所述初始產品推薦分數的計算中，并添加預置參數進行調節(jié)用于調節(jié)，得到產品推薦分數；

以表示所述產品推薦分數，以θ表示所述預置參數，以d_iα表示所述目標距離，則其中d_iα＝Distance(user position，item position)，user position表示所述用戶的常駐地址，item position表示所述產品使用地址。