[發明專利]一種智能商品推薦系統

在審

• 申請號: 201910089640.7
• 申請日: 2019-01-30
• 公開（公告）號: CN109886779A
• 公開（公告）日: 2019-06-14
• 發明（設計）人: 徐亞元;樊蓓蓓;吳肖琳
• 申請（專利權）人: 上海大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02
• 代理公司: 上海上大專利事務所(普通合伙) 31205
• 代理人: 陸聰明

本發明涉及一種智能商品推薦系統，包括依次連接的信息初始化模塊，商品展示模塊和調整模塊，所述信息初始化模塊用于構建用戶和物品的評分矩陣、用戶和用戶之間的信任矩陣、用戶物品的評論文檔集，初始化用戶對物品的偏好矩陣；所述商品展示模塊用于識別當前場景，通過用戶對物品的偏好矩陣計算得到偏好值排在前K位的商品，并將商品信息展示在軟件頁面，并收集用戶對商品的反饋信息；所述調整模塊用于調整評分矩陣、信任矩陣、評論文檔集和偏好矩陣。本發明實現了對多種數據源的融合利用，為用戶個性化推薦一個商品列表，并根據反饋信息對用戶喜歡的商品列表進行實時調整，提高了系統的推薦質量。

技術領域

本發明涉及信息處理技術領域，尤其涉及一種智能商品推薦系統。

背景技術

現有的網站中都有喜好推薦的功能，通過其系統內部的一系列核心算法尋找到用戶可能感興趣的新聞或商品，并顯示在首頁靠前的位置。其判斷用戶偏好的方法大致有兩種，其一為利用用戶對物品的打分信息，基于協同過濾的方法尋找具有相似打分行為的鄰居，并將該鄰居喜歡的商品推薦給用戶；其二為利用用戶注冊信息和商品基本信息，通過內容的推薦方法，為用戶推薦其感興趣的物品。目前各個網站在推薦方法上都較為類似，即首先分析商品相關數據源，并計算用戶對各商品的偏好程度。在需要向用戶推薦商品時，獲取計算好了的用戶對物品的偏好矩陣，給定推薦數目K，將偏好值最高的前K個商品推薦給用戶。

現有的推薦方法存在如下的缺點：其對用戶和物品之間偏好的挖掘不充分，因此最后推薦給用戶的商品與用戶真實喜歡的商品存在較大差距。其基于用戶與物品的評分關系做出推薦，忽略了其它數據源，如社交信息、評分信息，并且在為用戶推薦其感興趣的商品列表時，忽略了商品之間的排序關系。每次推薦都是采用相同的數據得到相似結果，忽略了用戶偏好的動態性，當推薦商品與用戶偏好不符合時系統不能自行調整使其下次推薦更加準確。

發明內容

本發明的目的在于克服現有技術的不足，提供一種智能商品推薦系統，該系統能夠收集用戶、物品的基本信息以及用戶對物品的交互行為數據，并對數據進行分析處理，挖掘用戶偏好，提高系統為用戶推薦商品列表的排序質量，并為用戶生成其感興趣的個性化商品庫，根據用戶的偏好自行調整推薦的商品列表，為用戶進行個性化推薦，提高推薦質量。

為達到上述目的，本發明采用如下技術方案：

一種智能商品推薦系統，包括依次連接的信息初始化模塊，商品展示模塊和調整模塊，所述信息初始化模塊用于構建用戶和物品的評分矩陣、用戶和用戶之間的信任矩陣、用戶物品的評論文檔集，初始化用戶對物品的偏好矩陣；所述商品展示模塊用于識別當前場景，通過用戶對物品的偏好矩陣計算得到偏好值排在前K位的商品，并將商品信息展示在軟件頁面，并收集用戶對商品的反饋信息；所述調整模塊用于調整評分矩陣、信任矩陣、評論文檔集和偏好矩陣。

所述信息初始化模塊包括獲取單元和計算單元，所述獲取單元用于獲取商品相關的數據源；所述計算單元用于計算用戶u和用戶v之間的信任強度TN[u,v]、相似度TS[u,v]、綜合信任度T[u,v]，并計算更新用戶對物品的偏好矩陣RP。

所述獲取單元獲取的商品相關的數據源的形式為：

P＝{Ui|i＝1,2,3,…}

Q＝{Vj|j＝1,2,3,…}

R＝{Rij|i∈U,j∈V}

S＝{Sij|i,j∈U}

RP＝{RPij|i∈U,j∈V}

其中：P為用戶集，Ui為用戶集合中的用戶；Q為物品集，Vj為物品集合中的物品；R為評分矩陣，Rij表示用戶i對物品j的評分值；S為社交矩陣，Sij為用戶i對用戶j的信任關系；RP是偏好矩陣，RPij表示用戶i對物品j預測的評分值。