專(zhuān)利名稱(chēng)：基于模型匹配的商品推薦方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種適用電子商務(wù)網(wǎng)站的基于商品模型和用戶(hù)模型匹配的商品推薦方法。
背景技術(shù)：
近年來(lái)，隨著計(jì)算機(jī)與網(wǎng)絡(luò)技術(shù)的進(jìn)步，電子商務(wù)得到了快速發(fā)展。電子商務(wù)憑借其方便、快捷、價(jià)廉、品類(lèi)齊全等優(yōu)勢(shì)，市場(chǎng)份額逐年飆升。大型的電子商務(wù)網(wǎng)站往往銷(xiāo)售海量的商品，而網(wǎng)站頁(yè)面所能呈現(xiàn)給用戶(hù)的商品是有限的，所以往往需要一個(gè)商品推薦系統(tǒng)， 能根據(jù)用戶(hù)的偏好，推薦最合適的商品給客戶(hù)。商品推薦算法是整個(gè)商品推薦系統(tǒng)的核心， 很大程度上決定了推薦系統(tǒng)的類(lèi)型和性能優(yōu)劣。目前，對(duì)推薦系統(tǒng)一般可以分為兩種基于內(nèi)容的推薦和協(xié)同推薦?；趦?nèi)容的推薦是指根據(jù)用戶(hù)在網(wǎng)站上瀏覽、選擇的商品，推薦其它類(lèi)似屬性的商品的推薦方法。這種方法僅依賴(lài)商品-商品之間客觀聯(lián)系，通過(guò)提取每個(gè)商品的特征屬性來(lái)表達(dá)商品內(nèi)容，系統(tǒng)根據(jù)用戶(hù)所瀏覽商品的歷史記錄以及商品屬性來(lái)學(xué)習(xí)用戶(hù)的興趣，從而對(duì)用戶(hù)推薦具備類(lèi)似屬性的商品。協(xié)同推薦不同于基于內(nèi)容的推薦，它是基于用戶(hù)-用戶(hù)的模式來(lái)推薦。用戶(hù)所得到的推薦商品是系統(tǒng)從其他用戶(hù)的購(gòu)買(mǎi)行為獲得的。比如，當(dāng)用戶(hù)選擇某商品時(shí)，系統(tǒng)可以給出“購(gòu)買(mǎi)該商品的客戶(hù)同時(shí)購(gòu)買(mǎi)了 X商品”的信息，給出推薦的商品在屬性上與用戶(hù)瀏覽的商品不一定有相關(guān)性，而僅僅是因?yàn)槠渌蛻?hù)的購(gòu)買(mǎi)行為來(lái)得到此次推薦?；趦?nèi)容的推薦和協(xié)同推薦在不同的側(cè)面上反映了用戶(hù)的某種購(gòu)物需求，但是上述推薦方法都沒(méi)有考慮到商品-用戶(hù)之間的內(nèi)在關(guān)系。在很多時(shí)候，用戶(hù)需求和商品屬性之間的關(guān)聯(lián)度比商品-商品或用戶(hù)-用戶(hù)之間的關(guān)系更能反映用戶(hù)的實(shí)際需求。

發(fā)明內(nèi)容
有鑒于此，一種能結(jié)合商品屬性和用戶(hù)需求的個(gè)性化商品推薦系統(tǒng)是十分有益的。為了解決上述問(wèn)題，本發(fā)明提供了一種基于商品模型和用戶(hù)模型匹配的商品推薦方法，其技術(shù)方案包括1)建立商品模型，商品模型表示為G = {GSyno, GAttr}其中，GSyno是由描述該商品的一段文字介紹經(jīng)過(guò)詞法分析后得到的一個(gè)詞庫(kù)， GAttr是該商品的屬性，它由多個(gè)[Key，Value]鍵值對(duì)所組成，其中一個(gè)Key對(duì)應(yīng)的是一個(gè) Value集合2)建立用戶(hù)模型，用戶(hù)的模型基于商品模型，它由多個(gè)商品模型融合而成，用戶(hù)模型表示為U = {USyno, UAttr}
其中，USyno是包含用戶(hù)所購(gòu)買(mǎi)商品的全部Gsyno詞庫(kù)，即USyno = U GsynoUAttr是用戶(hù)所購(gòu)買(mǎi)商品的全部GAttr的集合，UAttr的表示方法如下UAttr = {[Key, (Value, Weight) ], . . . }其中Key和Value與GAttr —致，Weight是一個(gè)權(quán)重值，表示用戶(hù)購(gòu)買(mǎi)的多個(gè)商品擁有同樣的屬性值，Weight的值等于擁有同樣屬性值的商品數(shù)量；3)相似性計(jì)算，基于商品模型U和用戶(hù)模型G計(jì)算商品和用戶(hù)的相似性；4)根據(jù)相似性大小排序，推薦商品給用戶(hù)。本發(fā)明還可以通過(guò)如下途徑強(qiáng)化推薦方法1)商品模型U和用戶(hù)模型G的相似性計(jì)算方法如下SIM (G, U) = aX SIMS (GSyno, USyno)+b X SIMA (GAttr, UAttr)其中，a、b是常數(shù)，SIMS (GSyno, USyno)計(jì)算詞庫(kù)相似性，SIMA (GAttr, UAttr)計(jì)算屬性相似性。2)詞庫(kù)相似性計(jì)算函數(shù)表達(dá)式如下
權(quán)利要求
1.一種用于電子商務(wù)網(wǎng)站的商品推薦方法，其特征在于，包括如下步驟1)建立商品模型，商品模型表示為G = {GSyno, GAttr}其中，GSyno是由描述該商品的一段文字介紹經(jīng)過(guò)詞法分析后得到的一個(gè)詞庫(kù)，GAttr 是該商品的屬性，它由多個(gè)[Key，Value]鍵值對(duì)所組成，其中一個(gè)Key對(duì)應(yīng)的是一個(gè)Value 集合；2)建立用戶(hù)模型，用戶(hù)的模型基于商品模型，它由多個(gè)商品模型融合而成，用戶(hù)模型表示為U = {USyno，UAttr}其中，USyno是包含用戶(hù)所購(gòu)買(mǎi)商品的全部(isyno詞庫(kù)，即USyno = U GsynoUAttr是用戶(hù)所購(gòu)買(mǎi)商品的全部GAttr的集合，UAttr的表示方法如下UAttr = {[Key, (Value, Weight)]，···}其中Key和Value與GAttr —致，Weight是一個(gè)權(quán)重值，表示用戶(hù)購(gòu)買(mǎi)的多個(gè)商品擁有同樣的屬性值，Weight的值等于擁有同樣屬性值的商品數(shù)量；3)相似性計(jì)算，基于商品模型U和用戶(hù)模型G計(jì)算商品和用戶(hù)的相似性；4)根據(jù)相似性大小排序，推薦商品給用戶(hù)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，商品模型U和用戶(hù)模型G的相似性計(jì)算方法如下SIM (G, U) = aX SIMS (GSyno, USyno)+b X SIMA (GAttr, UAttr)其中，a、b是常數(shù)，SIMS (GSyno, USyno)計(jì)算詞庫(kù)相似性，SIMA (GAttr, UAttr)計(jì)算屬性相似性。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，詞庫(kù)相似性計(jì)算函數(shù)表達(dá)式如下
4.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，屬性相似性計(jì)算函數(shù)表達(dá)式如下
全文摘要
本發(fā)明公開(kāi)了一種基于模型匹配的商品推薦方法，主要包括以下步驟建立商品的描述模型，其中包括兩個(gè)部分文字介紹描述部分和屬性信息部分；建立用戶(hù)的偏好模型，用戶(hù)偏好模型基于商品描述模型，它能將多個(gè)商品描述模型進(jìn)行融合；計(jì)算商品模型和用戶(hù)模型的相似度；根據(jù)相似度大小排序，對(duì)用戶(hù)進(jìn)行推薦。本發(fā)明能充分發(fā)掘用戶(hù)的潛在興趣，實(shí)現(xiàn)商品推薦的準(zhǔn)確性。
文檔編號(hào)G06Q30/02GK102542490SQ201110447980
公開(kāi)日2012年7月4日 申請(qǐng)日期2011年12月27日 優(yōu)先權(quán)日2011年12月27日
發(fā)明者韓軍 申請(qǐng)人:紐海信息技術(shù)(上海)有限公司