[發明專利]一種根據用戶的行為數據進行商品推薦的方法

在審

• 申請號: 201810367578.9
• 申請日: 2018-04-23
• 公開（公告）號: CN108596720A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 楊勝文;劉麗萍;鄧鳳云
• 申請（專利權）人: 廣東奧園奧買家電子商務有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F17/30
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 宋平

本發明公開一種根據用戶的行為數據進行商品推薦的方法，包括有以下步驟：(1)通過用戶的行為記錄來對用戶進行畫像；(2)根據用戶和商品的關系生成用戶對商品的評分，然后根據協同過濾生成一個用戶對商品的評分矩陣；(3)結合用戶畫像和用戶對商品的評分矩陣生成推薦數據。通過利用本發明方法，使得商品推薦更加的精細，能夠真正反映用戶真正實際想要的商品，更加系統化，實際推薦的商品更加的貼合是用戶真正想要的，為商家和用戶都帶來了方便。

技術領域

本發明涉及電子商務領域技術，尤其是指一種根據用戶的行為數據進行商品推薦的方法。

背景技術

隨著互聯網技術的發展和上網用戶人數的激增，網上信息呈指數級增長，信息過載問題日益嚴重。近年來，作為解決信息過載問題的主要技術——推薦系統得到了廣泛的發展和應用。

目前，現有的商城商品推薦不夠精細，主要是基于點擊次數進行商品推薦，用戶對某一商品點擊查看次數多，在用戶再次打開網頁時，該商品的顯示順序就靠前，但此種推薦方法分析考量的維度少，不能真正反映用戶真正實際想要的商品，不夠系統，實際推薦的商品可能不是用戶真正想要的。

發明內容

有鑒于此，本發明針對現有技術存在之缺失，其主要目的是提供一種根據用戶的行為數據進行商品推薦的方法，其能有效解決現有之商品推薦方法不夠精細的問題。

為實現上述目的，本發明采用如下之技術方案：

一種根據用戶的行為數據進行商品推薦的方法，包括有以下步驟：

(1)通過用戶的行為記錄來對用戶進行畫像；

(2)根據用戶和商品的關系生成用戶對商品的評分，然后根據協同過濾生成一個用戶對商品的評分矩陣；

(3)結合用戶畫像和用戶對商品的評分矩陣生成推薦數據。

優選的，所述用戶的行為記錄為瀏覽、下單、收藏、支付和加入購物車。

優選的，所述生成推薦數據包括有在線生成推薦數據和離線生成推薦數據。

優選的，所述在線生成推薦數據的步驟：通過讀取flume或者Kafka的數據生成實時推薦數據的陣列，主要通過用戶標簽分組和瀏覽記錄生成推薦數據，推薦數據：

A：用戶瀏覽了商品A，直接推薦相關類型商品B給用戶；

B：根據用戶選擇的喜好的商品類型推薦；

B：熱門商品；

C：用戶是男的，就推薦男士的商品，用戶是女士就推薦女士的商品；

推薦權重：

A>B>C；

A占：50％；

B占：40％；

C占：10％；

優選的，所述離線生成推薦數據的步驟：

(3.1)獲取用戶數據；

(3.2)生成用戶和商品的評分；

(3.3)根據協同過濾生成用戶和商品的評分矩陣；

(3.4)根據評分來推薦數據。

優選的，所述用戶畫像字段來源：用戶基本屬性、用戶消費特征、用戶價值特征和用戶生命周期。

本發明與現有技術相比具有明顯的優點和有益效果，具體而言，由上述技術方案可知：