基于產(chǎn)品相似度的電子商務(wù)推薦系統(tǒng)及其方法
【專利摘要】本發(fā)明實(shí)施例公開了一種基于產(chǎn)品相似度的電子商務(wù)推薦系統(tǒng)及其方法。其中，通過分析電子商務(wù)購物網(wǎng)站日志信息并對(duì)日志進(jìn)行過濾統(tǒng)計(jì)；從產(chǎn)品數(shù)據(jù)庫中，獲取產(chǎn)品熱門信息，并進(jìn)行權(quán)重定制；結(jié)合用戶搜索日志和產(chǎn)品熱門信息抽取出相應(yīng)的推薦元素，運(yùn)用基于產(chǎn)品相似度的協(xié)同過濾算法將這些元素建立相似產(chǎn)品群，并將所述相似產(chǎn)品數(shù)據(jù)傳入推薦元素redis中；推薦搜索引擎以http作為請(qǐng)求協(xié)議，根據(jù)不同的需求(強(qiáng)力推薦和瀏覽歷史推薦)支持兩種推薦功能，并根據(jù)用戶參數(shù)獲得對(duì)應(yīng)的推薦元素集合，擴(kuò)展搜索查詢條件進(jìn)行搜索；最后以Json數(shù)據(jù)格式返回推薦結(jié)果。根據(jù)本發(fā)明實(shí)施例，可以提高推薦的準(zhǔn)確性，實(shí)現(xiàn)對(duì)產(chǎn)品的精準(zhǔn)推薦，滿足用戶從龐大的產(chǎn)品中挑選個(gè)性化產(chǎn)品的需求。
【專利說明】基于產(chǎn)品相似度的電子商務(wù)推薦系統(tǒng)及其方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)應(yīng)用領(lǐng)域，特別是涉及基于產(chǎn)品相似度的電子商務(wù)推薦系統(tǒng)及其方法。
【背景技術(shù)】
[0002]傳統(tǒng)的協(xié)同過濾推薦系統(tǒng)首先搜尋一組與目標(biāo)用戶興趣相似的用戶，這些興趣相似的用戶常稱為目標(biāo)用戶的鄰居用戶。實(shí)現(xiàn)過程為通過余弦相似度算法計(jì)算目標(biāo)用戶和其他所有用戶的興趣相似度，具體算法為:
【權(quán)利要求】
1.一種基于產(chǎn)品相似度的電子商務(wù)推薦系統(tǒng)，其特征在于，該系統(tǒng)包括: 用戶搜索日志分析模塊，用于針對(duì)每一個(gè)用戶，采用數(shù)據(jù)挖掘工具分析所述用戶的歷史搜索記錄，獲得所述用戶基于產(chǎn)品屬性的用戶行為統(tǒng)計(jì)得分； 產(chǎn)品屬性分析模塊，用于針對(duì)每一個(gè)用戶，按照公式1g2(因素l)*log2(因素2)*因素3，獲得各產(chǎn)品的產(chǎn)品屬性統(tǒng)計(jì)得分，其中，因素I為與產(chǎn)品的產(chǎn)品屬性組合方式對(duì)應(yīng)的優(yōu)先級(jí)，因素2為基于產(chǎn)品屬性的用戶行為的統(tǒng)計(jì)得分，因素3為當(dāng)前時(shí)間與預(yù)設(shè)時(shí)間的差值； 用戶行為分析模塊，用于針對(duì)每一個(gè)用戶，根據(jù)基于產(chǎn)品屬性的用戶行為統(tǒng)計(jì)得分計(jì)算產(chǎn)品屬性組合方式相同的各產(chǎn)品之間的相似度，把相似度值大于預(yù)設(shè)閾值的產(chǎn)品合并為一個(gè)群組，建立相似產(chǎn)品群； 推薦元素集合模塊，用于針對(duì)每一個(gè)用戶，將用戶ID作為鍵，將各個(gè)產(chǎn)品屬性組合方式中的相似產(chǎn)品的信息作為值，并按照鍵值對(duì)的結(jié)構(gòu)存入緩存中，作為推薦引擎的推薦元素集合； 搜索推薦引擎模塊，用于獲取目標(biāo)推薦用戶的用戶ID，從推薦元素集合中提取出與該用戶ID對(duì)應(yīng)的各個(gè)產(chǎn)品屬性組合方式中的相似產(chǎn)品的信息，并從中選擇排序在前N位的相似產(chǎn)品的信息作為搜索條件進(jìn)行搜索，并將搜索到的結(jié)果推薦給目標(biāo)推薦用戶，N為任意設(shè)定的整數(shù)。
2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述用戶搜索日志分析模塊具體包括: 針對(duì)每一個(gè)用戶，從所述用戶的歷史搜索日志中提取出用戶身份標(biāo)識(shí)ID、用戶在搜索產(chǎn)品時(shí)選擇的產(chǎn)品屬性以及用戶在搜索到產(chǎn)品后對(duì)該產(chǎn)品的點(diǎn)擊次數(shù)；其中，用戶在搜索產(chǎn)品時(shí)選擇的產(chǎn)品屬性包括用戶在搜索產(chǎn)品時(shí)選擇的分類、品牌和型號(hào)，以及用戶在搜索產(chǎn)品時(shí)輸入的搜索關(guān)鍵詞中的任意一個(gè)或任意多個(gè)組合； 針對(duì)每一個(gè)用戶，將產(chǎn)品屬性組合方式以及產(chǎn)品屬性值都相同的產(chǎn)品的點(diǎn)擊次數(shù)進(jìn)行匯總，匯總后的點(diǎn)擊次數(shù)即為所述用戶基于產(chǎn)品屬性的用戶行為統(tǒng)計(jì)得分。
3.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述產(chǎn)品屬性分析模塊還用于，當(dāng)不同產(chǎn)品的產(chǎn)品屬性統(tǒng)計(jì)得分相同時(shí)，將公式1g2(因素l)*log2(因素2)*因素3修正為C+log2(因素l)*log2 (因素2)*因素3，C為任意設(shè)定的一個(gè)常數(shù)，且，對(duì)于不同產(chǎn)品，C的取值不同。
4.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述用戶行為分析模塊包括: 相似度計(jì)算子模塊，用于針對(duì)每一個(gè)用戶，按照公式
5.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述相似產(chǎn)品的信息包括產(chǎn)品的分類ID、品牌ID、型號(hào)ID以及用戶在搜索該產(chǎn)品時(shí)輸入的搜索關(guān)鍵詞中的任意一個(gè)或任意多個(gè)組合。
6.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述推薦引擎模塊的推薦結(jié)果包括產(chǎn)品ID、產(chǎn)品標(biāo)題、產(chǎn)品圖片和推薦產(chǎn)品的個(gè)數(shù)。
7.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述推薦引擎模塊的推薦模式包括強(qiáng)力推薦和瀏覽歷史推薦，其中，所述強(qiáng)力推薦通過用戶ID獲得產(chǎn)品的搜索關(guān)鍵詞，品牌ID，分類ID，型號(hào)ID中任意一個(gè)或者任意多個(gè)組合并作為搜索條件進(jìn)行搜索推薦，進(jìn)而得到產(chǎn)品ID集合，所述瀏覽歷史推薦直接通過用戶ID獲得是用戶瀏覽記錄的產(chǎn)品ID集合。
8.一種基于產(chǎn)品相似度的電子商務(wù)推薦系統(tǒng)方法，其特征在于，包括: A、針對(duì)每一個(gè)用戶，采用數(shù)據(jù)挖掘工具分析所述用戶的歷史搜索記錄，獲得所述用戶基于產(chǎn)品屬性的用戶行為統(tǒng)計(jì)得分； B、針對(duì)每一個(gè)用戶，按照公式1g2(因素l)*log2 (因素2)*因素3，獲得各產(chǎn)品的產(chǎn)品屬性統(tǒng)計(jì)得分，其中，因素I為與產(chǎn)品的產(chǎn)品屬性組合方式對(duì)應(yīng)的優(yōu)先級(jí)，因素2為基于產(chǎn)品屬性的用戶行為的統(tǒng)計(jì)得分，因素3為當(dāng)前時(shí)間與預(yù)設(shè)時(shí)間的差值；C、針對(duì)每一個(gè)用戶，根據(jù)基于產(chǎn)品屬性的用戶行為統(tǒng)計(jì)得分計(jì)算產(chǎn)品屬性組合方式相同的各產(chǎn)品之間的相似度，把相似度值大于預(yù)設(shè)閾值的產(chǎn)品合并為一個(gè)群組，建立相似產(chǎn)品群； D、針對(duì)每一個(gè)用戶，將用戶ID作為鍵，將各個(gè)產(chǎn)品屬性組合方式中的相似產(chǎn)品的信息作為值，并按照鍵值對(duì)的結(jié)構(gòu)存入緩存中，作為推薦引擎的推薦元素集合； E、獲取目標(biāo)推薦用戶的用戶ID，從推薦元素集合中提取出與該用戶ID對(duì)應(yīng)的各個(gè)產(chǎn)品屬性組合方式中的相似產(chǎn)品的信息，并從中選擇排序在前N位的相似產(chǎn)品的信息作為搜索條件進(jìn)行搜索，并將搜索到的結(jié)果推薦給目標(biāo)推薦用戶，N為任意設(shè)定的整數(shù)。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述步驟E包括: El、在Iucene的基礎(chǔ)上進(jìn)行二次開發(fā)，以http作為請(qǐng)求協(xié)議，設(shè)定推薦模式，所述推薦模式包括強(qiáng)力推薦和瀏覽歷史推薦； E2、根據(jù)獲取的用戶ID在推薦元素集合中得到推薦元素，并根據(jù)推薦模式指示值判斷返回的推薦模式，若推薦模式指示值為0，確定為強(qiáng)力推薦模式，則執(zhí)行步驟E3，若推薦模式指示值為1，確定為瀏覽歷史推薦模式，則執(zhí)行步驟E4，若推薦模式指示值為2，確定為強(qiáng)力推薦和瀏覽歷史推薦，則同時(shí)執(zhí)行步驟E3和E4 ； E3、創(chuàng)建一個(gè)強(qiáng)力推薦搜索對(duì)象，并且設(shè)定搜索請(qǐng)求參數(shù)，所述搜索請(qǐng)求參數(shù)包括:用戶ID、搜索關(guān)鍵詞、請(qǐng)求推薦個(gè)數(shù)、品牌ID、分類ID和型號(hào)ID，然后執(zhí)行步驟E5 ； E4、創(chuàng)建一個(gè)瀏覽歷史推薦搜索對(duì)象，并且設(shè)定搜索請(qǐng)求參數(shù)，所述搜索請(qǐng)求參數(shù)包括:用戶ID和請(qǐng)求推薦個(gè)數(shù)，然后執(zhí)行步驟E5 ； E5、根據(jù)用戶ID，判斷用戶是否輸入的查詢?cè)~，若是，則執(zhí)行步驟E6，若否，則執(zhí)行步驟E7 ； E6、通過分詞器對(duì)查詢?cè)~進(jìn)行預(yù)處理，并將預(yù)處理后的查詢?cè)~也作為一個(gè)搜索請(qǐng)求參數(shù)與步驟E3中的其它搜索請(qǐng)求參數(shù)一起，傳入強(qiáng)力推薦的搜索方法進(jìn)行搜索，然后執(zhí)行步驟E8 ； E7、根據(jù)用戶ID獲得產(chǎn)品ID列表，并將得到產(chǎn)品ID和請(qǐng)求推薦個(gè)數(shù)，傳入瀏覽歷史推薦的搜索方法進(jìn)行搜索，然后執(zhí)行步驟ES ； ES、從數(shù)據(jù)庫中提取搜索結(jié)果所指示的產(chǎn)品的產(chǎn)品信息，并建立索引文件。
10.根據(jù)權(quán)利要求9所述產(chǎn)品相似度的電子商務(wù)推薦系統(tǒng)方法，其特征在于，在步驟E6之前還包括: E60、當(dāng)用戶輸入的查詢?cè)~為空或者都是空格時(shí)，直接返回空；當(dāng)用戶輸入的查詢?cè)~中包含有空格，將空格兩端的字符串用AN D進(jìn)行連接；當(dāng)用戶輸入的查詢?cè)~中含有非法字符時(shí)，將查詢?cè)~中的非法字符去掉。
【文檔編號(hào)】G06F17/30GK103942712SQ201410196044
【公開日】2014年7月23日 申請(qǐng)日期:2014年5月9日 優(yōu)先權(quán)日:2014年5月9日
【發(fā)明者】王清霞, 張海旭, 楊威, 田列, 王振 申請(qǐng)人:北京聯(lián)時(shí)空網(wǎng)絡(luò)通信設(shè)備有限公司