一種商品候選集推薦方法
【專利摘要】本發(fā)明公開了一種商品候選集推薦方法，包括以下步驟：頻率矩陣的計(jì)算，包括關(guān)聯(lián)矩陣和頻率矩陣的計(jì)算，其中頻率矩陣中的每個(gè)元素表示商品i跳轉(zhuǎn)到商品j占商品i跳轉(zhuǎn)到其他商品的比值。商品推薦候選集的推薦策略，在分析了一種基于閾值的傳統(tǒng)方法與一種前K項(xiàng)最大值的方法的優(yōu)缺點(diǎn)之后，提出了一種綜合的推薦策略。該推薦策略使用用戶瀏覽的會(huì)話序列作為推薦規(guī)則的條件，既考慮到了用戶的歷史瀏覽商品，又考慮到了當(dāng)前瀏覽商品，綜合了前兩種推薦策略的優(yōu)點(diǎn)。
【專利說明】使得很多用戶對在此網(wǎng)站購買商品失去信,增加用戶滿意度、增加競爭力和理論研究，:要內(nèi)容是如何解決從海量的商品和信息中需求，實(shí)時(shí)、主動(dòng)的為顧客提供符合其偏好
5集的選擇；對商品候選集中的商品進(jìn)行排容推薦、協(xié)同過濾推薦、基于關(guān)聯(lián)規(guī)則推薦、息推薦。但是這些方法都存在許多缺點(diǎn):基務(wù)興趣的項(xiàng)目，但是不能發(fā)現(xiàn)用戶以后會(huì)感:的內(nèi)容進(jìn)行分析，但是很多時(shí)候，屬性并不戶統(tǒng)計(jì)信息的推薦技術(shù)雖在一些以會(huì)員制3于普通的電子商務(wù)模式；其實(shí)基于知識和點(diǎn)就是需要對項(xiàng)目即推薦產(chǎn)品的特征進(jìn)行目戶的效用函數(shù)也比較困難。所以這兩種方2技術(shù)的那些局限。它可以依靠網(wǎng)站原有的I足用戶的個(gè)性化偏好，還可以在一定程度商品，B和R是P的兩個(gè)子集，n、p、q分別是P、B、R三個(gè)集合中商品的數(shù)量。B是系統(tǒng)的輸入數(shù)據(jù)，P是系統(tǒng)的輸出數(shù)據(jù)。一個(gè)推薦規(guī)則可以表示成b O P,這里5 c P, iici3,并且B∩R=?o
[0008]一般而言，如果把事務(wù)作為規(guī)則分析的最小單位，那么得到的推薦結(jié)果就應(yīng)該是更加精確的。原因在于:在一次連續(xù)的訪問過程中，用戶的興趣都是穩(wěn)定不變的，每一個(gè)事務(wù)都體現(xiàn)了用戶當(dāng)時(shí)的興趣所在，針對事務(wù)進(jìn)行分析相當(dāng)于針對興趣進(jìn)行分析。同一個(gè)用戶可能會(huì)有多次訪問的經(jīng)歷，會(huì)存在多個(gè)不同的事務(wù)，但是這多個(gè)事務(wù)恰好反映了該用戶在不同時(shí)刻，不同環(huán)境下不同的興趣和愛好。針對訪問事務(wù)進(jìn)行分析就可以發(fā)現(xiàn)用戶當(dāng)前的興趣所在，而以用戶為基本單位進(jìn)行分析得到的結(jié)果往往都是該用戶以前感興趣的產(chǎn)品，也就無法為用戶提供更好的推薦服務(wù)。
[0009]通過掃描事務(wù)集中的全部事務(wù)可以構(gòu)造商品瀏覽的“關(guān)聯(lián)矩陣” A，由于矩陣A是基于全部事務(wù)生成的，所以其包含了所有用戶的瀏覽模式和興趣信息。關(guān)聯(lián)矩陣中的每一項(xiàng)都表不商品i與商品j之間的關(guān)聯(lián)性。
【權(quán)利要求】
1.一種商品候選集推薦方法，其特征在于包括以下步驟: A、頻率矩陣的計(jì)算 推薦模型要完成的任務(wù)就是發(fā)現(xiàn)商品中商品集之間的關(guān)聯(lián)；更確切的說，就是通過量化的數(shù)字描述所有商品集P子集B的出現(xiàn)對子集R的出現(xiàn)有多大的影響；其中P= (P1, P2,——pn}, B=Od1, b2,——bj , R=Ir1, r2,——rn}是商品的集合,其中P包含所有的商品，B和R是P的兩個(gè)子集，n、p、q分別是P、B、R三個(gè)集合中商品的數(shù)量；B是系統(tǒng)的輸入數(shù)據(jù)，P是系統(tǒng)的輸出數(shù)據(jù)；一個(gè)推薦規(guī)則可以表示成這里并且
【文檔編號】G06Q30/02GK103839167SQ201210475495
【公開日】2014年6月4日 申請日期:2012年11月21日 優(yōu)先權(quán)日:2012年11月21日
【發(fā)明者】梅昱婷, 劉博
申請人:大連靈動(dòng)科技發(fā)展有限公司