亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于模型匹配的商品推薦方法

文檔序號(hào):6355057閱讀:1361來(lái)源:國(guó)知局
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
網(wǎng)友詢(xún)問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1