[發(fā)明專利]一種為汽車行業(yè)尋找目標(biāo)用戶并匹配目標(biāo)產(chǎn)品的推薦方法

有效

• 申請?zhí)枺?/td>: 201710157474.0
• 申請日: 2017-03-16
• 公開（公告）號: CN106844787B
• 公開（公告）日: 2020-06-16
• 發(fā)明（設(shè)計）人: 姚黎明;徐忠雯;李曉非;周曉陽
• 申請（專利權(quán)）人: 四川大學(xué)
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q10/04
• 代理公司: 成都虹橋?qū)＠聞?wù)所(普通合伙) 51124
• 代理人: 吳中偉

本發(fā)明涉及計算機技術(shù)中的數(shù)據(jù)處理及推薦，其公開了一種為汽車行業(yè)尋找目標(biāo)用戶并匹配目標(biāo)產(chǎn)品的推薦方法，自動向具有購買意向的目標(biāo)用戶推薦相應(yīng)汽車產(chǎn)品，從而降低公司營銷成本。該方法可以概括為：a.數(shù)據(jù)的預(yù)處理階段主要是了解并分析系統(tǒng)的任務(wù)，然后通過數(shù)據(jù)清理、集成、簡化等步驟，降低原始數(shù)據(jù)的維數(shù)，從而生成供預(yù)測階段使用的目標(biāo)數(shù)據(jù)。b.預(yù)測階段主要是根據(jù)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)具有購買意愿的目標(biāo)用戶，然后通過獲取目標(biāo)用戶的網(wǎng)上檢索記錄挖掘或者通過問卷調(diào)查的方式了解目標(biāo)用戶相應(yīng)的屬性偏好獲得屬性向量，最后采用協(xié)同過濾算法利用用戶?屬性評分矩陣計算用戶之間的相似度，從而基于相似度給出預(yù)測結(jié)果。c.評價階段對預(yù)測結(jié)果進(jìn)行評價。本發(fā)明適用于汽車產(chǎn)品推薦。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機技術(shù)中的數(shù)據(jù)處理及推薦，具體涉及一種為汽車行業(yè)尋找目標(biāo)用戶并匹配目標(biāo)產(chǎn)品的推薦方法。

背景技術(shù)

隨著網(wǎng)絡(luò)技術(shù)、信息技術(shù)和計算機技術(shù)飛速發(fā)展，早在2010年，全球就進(jìn)入了大數(shù)據(jù)時代。那么，如何準(zhǔn)確地發(fā)現(xiàn)用戶的購買偏好并向其進(jìn)行推薦是本發(fā)明的重點。專利CN1629884A提出了一種基于模糊邏輯的信息推薦方法，將目標(biāo)商品與用戶歷史消費相匹配，然后輸出目標(biāo)用戶對該件商品的興趣度。該發(fā)明能夠運用于電視節(jié)目、購物和互聯(lián)網(wǎng)信息的推薦。專利201310433589收集用戶偏好信息，然后根據(jù)用戶的偏好信息找到相似的用戶或者物品，最后計算推薦并將結(jié)果展示給消費者。

但是，汽車行業(yè)不同于一般的零售商品，普通用戶不會頻繁購買汽車，也就是說任意兩個用戶可能沒有共同的評分項，因此，傳統(tǒng)推薦算法可能沒有辦法發(fā)現(xiàn)相似用戶。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是：提出一種為汽車行業(yè)尋找目標(biāo)用戶并匹配目標(biāo)產(chǎn)品的推薦方法，自動向具有購買意向的目標(biāo)用戶推薦相應(yīng)汽車產(chǎn)品，從而降低公司營銷成本。

本發(fā)明解決上述技術(shù)問題所采用的方案是：

一種為汽車行業(yè)尋找目標(biāo)用戶并匹配目標(biāo)產(chǎn)品的推薦方法，包括以下步驟：

a.數(shù)據(jù)預(yù)處理階段：收集用戶特征信息、搜索信息和汽車銷售信息，經(jīng)過預(yù)處理后存儲至目標(biāo)數(shù)據(jù)庫中；

b.預(yù)測階段：基于關(guān)聯(lián)規(guī)則選擇目標(biāo)用戶，基于協(xié)同過濾方法對用戶的偏好進(jìn)行預(yù)測；

c.評價及推薦階段：對預(yù)測結(jié)果進(jìn)行評價，若用戶對評價結(jié)果滿意，則向用戶推薦預(yù)測的相應(yīng)類型車輛，若用戶對評價結(jié)果不滿意，則返回步驟b，給出其它預(yù)測結(jié)果，然后進(jìn)入步驟c，對預(yù)測結(jié)果進(jìn)行評價。

作為進(jìn)一步優(yōu)化，所述用戶特征信息、搜索信息和汽車銷售信息中包含的屬性指標(biāo)包括：用戶名稱、性別、職業(yè)、婚姻狀況、一天內(nèi)瀏覽汽車網(wǎng)站的次數(shù)、每天停留在汽車網(wǎng)站上的時間、在汽車網(wǎng)站上的搜索行為、每款汽車對應(yīng)的屬性信息、收入狀況、購車與否。

作為進(jìn)一步優(yōu)化，步驟a中，所述經(jīng)過預(yù)處理包括：利用深度學(xué)習(xí)的方法對缺失數(shù)據(jù)進(jìn)行填補，對于類別型數(shù)據(jù)則可以直接將其映射為新的布爾型數(shù)據(jù)(如性別可以直接映射成S1，S2，分別代表男和女)；對于數(shù)值型數(shù)據(jù)(如年齡等)，采用C均值模糊分類法將其劃分為多個類，產(chǎn)生隸屬度矩陣。

作為進(jìn)一步優(yōu)化，步驟b中，所述基于關(guān)聯(lián)規(guī)則選擇目標(biāo)用戶，基于協(xié)同過濾對用戶的偏好進(jìn)行預(yù)測，具體包括：

基于目標(biāo)數(shù)據(jù)庫中的數(shù)據(jù)，根據(jù)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)具有購買意愿的用戶作為目標(biāo)用戶，然后通過獲取目標(biāo)用戶的網(wǎng)上檢索記錄挖掘目標(biāo)用戶相應(yīng)的屬性偏好或者通過問卷調(diào)查的方式了解目標(biāo)用戶相應(yīng)的屬性偏好，并構(gòu)建屬性向量，最后采用協(xié)同過濾算法利用用戶-屬性評分矩陣計算用戶之間的相似度，從而基于相似度給出預(yù)測結(jié)果。

作為進(jìn)一步優(yōu)化，步驟b中，所述根據(jù)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)具有購買意愿的用戶作為目標(biāo)用戶，具體包括：首先檢索出目標(biāo)數(shù)據(jù)庫中的所有頻繁項集，然后利用頻繁項集構(gòu)造出滿足最小信任度的關(guān)聯(lián)規(guī)則，根據(jù)該關(guān)聯(lián)規(guī)則輸出具有購買意愿的目標(biāo)用戶。