基於產品相似度的電子商務推薦系統及其方法
2023-05-15 10:06:41
基於產品相似度的電子商務推薦系統及其方法
【專利摘要】本發明實施例公開了一種基於產品相似度的電子商務推薦系統及其方法。其中，通過分析電子商務購物網站日誌信息並對日誌進行過濾統計；從產品資料庫中，獲取產品熱門信息，並進行權重定製；結合用戶搜索日誌和產品熱門信息抽取出相應的推薦元素，運用基於產品相似度的協同過濾算法將這些元素建立相似產品群，並將所述相似產品數據傳入推薦元素redis中；推薦搜尋引擎以http作為請求協議，根據不同的需求(強力推薦和瀏覽歷史推薦)支持兩種推薦功能，並根據用戶參數獲得對應的推薦元素集合，擴展搜索查詢條件進行搜索；最後以Json數據格式返回推薦結果。根據本發明實施例，可以提高推薦的準確性，實現對產品的精準推薦，滿足用戶從龐大的產品中挑選個性化產品的需求。
【專利說明】基於產品相似度的電子商務推薦系統及其方法
【技術領域】
[0001]本發明涉及計算機應用領域，特別是涉及基於產品相似度的電子商務推薦系統及其方法。
【背景技術】
[0002]傳統的協同過濾推薦系統首先搜尋一組與目標用戶興趣相似的用戶，這些興趣相似的用戶常稱為目標用戶的鄰居用戶。實現過程為通過餘弦相似度算法計算目標用戶和其他所有用戶的興趣相似度，具體算法為:
【權利要求】
1.一種基於產品相似度的電子商務推薦系統，其特徵在於，該系統包括: 用戶搜索日誌分析模塊，用於針對每一個用戶，採用數據挖掘工具分析所述用戶的歷史搜索記錄，獲得所述用戶基於產品屬性的用戶行為統計得分； 產品屬性分析模塊，用於針對每一個用戶，按照公式1g2(因素l)*log2(因素2)*因素3，獲得各產品的產品屬性統計得分，其中，因素I為與產品的產品屬性組合方式對應的優先級，因素2為基於產品屬性的用戶行為的統計得分，因素3為當前時間與預設時間的差值； 用戶行為分析模塊，用於針對每一個用戶，根據基於產品屬性的用戶行為統計得分計算產品屬性組合方式相同的各產品之間的相似度，把相似度值大於預設閾值的產品合併為一個群組，建立相似產品群； 推薦元素集合模塊，用於針對每一個用戶，將用戶ID作為鍵，將各個產品屬性組合方式中的相似產品的信息作為值，並按照鍵值對的結構存入緩存中，作為推薦引擎的推薦元素集合； 搜索推薦引擎模塊，用於獲取目標推薦用戶的用戶ID，從推薦元素集合中提取出與該用戶ID對應的各個產品屬性組合方式中的相似產品的信息，並從中選擇排序在前N位的相似產品的信息作為搜索條件進行搜索，並將搜索到的結果推薦給目標推薦用戶，N為任意設定的整數。
2.根據權利要求1所述的系統，其特徵在於，所述用戶搜索日誌分析模塊具體包括: 針對每一個用戶，從所述用戶的歷史搜索日誌中提取出用戶身份標識ID、用戶在搜索產品時選擇的產品屬性以及用戶在搜索到產品後對該產品的點擊次數；其中，用戶在搜索產品時選擇的產品屬性包括用戶在搜索產品時選擇的分類、品牌和型號，以及用戶在搜索產品時輸入的搜索關鍵詞中的任意一個或任意多個組合； 針對每一個用戶，將產品屬性組合方式以及產品屬性值都相同的產品的點擊次數進行匯總，匯總後的點擊次數即為所述用戶基於產品屬性的用戶行為統計得分。
3.根據權利要求1所述的系統，其特徵在於，所述產品屬性分析模塊還用於，當不同產品的產品屬性統計得分相同時，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為任意設定的一個常數，且，對於不同產品，C的取值不同。
4.根據權利要求1所述的系統，其特徵在於，所述用戶行為分析模塊包括: 相似度計算子模塊，用於針對每一個用戶，按照公式
5.根據權利要求1所述的系統，其特徵在於，所述相似產品的信息包括產品的分類ID、品牌ID、型號ID以及用戶在搜索該產品時輸入的搜索關鍵詞中的任意一個或任意多個組合。
6.根據權利要求1所述的系統，其特徵在於，所述推薦引擎模塊的推薦結果包括產品ID、產品標題、產品圖片和推薦產品的個數。
7.根據權利要求1所述的系統，其特徵在於，所述推薦引擎模塊的推薦模式包括強力推薦和瀏覽歷史推薦，其中，所述強力推薦通過用戶ID獲得產品的搜索關鍵詞，品牌ID，分類ID，型號ID中任意一個或者任意多個組合併作為搜索條件進行搜索推薦，進而得到產品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品ID集合。
8.一種基於產品相似度的電子商務推薦系統方法，其特徵在於，包括: A、針對每一個用戶，採用數據挖掘工具分析所述用戶的歷史搜索記錄，獲得所述用戶基於產品屬性的用戶行為統計得分； B、針對每一個用戶，按照公式1g2(因素l)*log2 (因素2)*因素3，獲得各產品的產品屬性統計得分，其中，因素I為與產品的產品屬性組合方式對應的優先級，因素2為基於產品屬性的用戶行為的統計得分，因素3為當前時間與預設時間的差值；C、針對每一個用戶，根據基於產品屬性的用戶行為統計得分計算產品屬性組合方式相同的各產品之間的相似度，把相似度值大於預設閾值的產品合併為一個群組，建立相似產品群； D、針對每一個用戶，將用戶ID作為鍵，將各個產品屬性組合方式中的相似產品的信息作為值，並按照鍵值對的結構存入緩存中，作為推薦引擎的推薦元素集合； E、獲取目標推薦用戶的用戶ID，從推薦元素集合中提取出與該用戶ID對應的各個產品屬性組合方式中的相似產品的信息，並從中選擇排序在前N位的相似產品的信息作為搜索條件進行搜索，並將搜索到的結果推薦給目標推薦用戶，N為任意設定的整數。
9.根據權利要求8所述的方法，其特徵在於，所述步驟E包括: El、在Iucene的基礎上進行二次開發，以http作為請求協議，設定推薦模式，所述推薦模式包括強力推薦和瀏覽歷史推薦； E2、根據獲取的用戶ID在推薦元素集合中得到推薦元素，並根據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，確定為強力推薦模式，則執行步驟E3，若推薦模式指示值為1，確定為瀏覽歷史推薦模式，則執行步驟E4，若推薦模式指示值為2，確定為強力推薦和瀏覽歷史推薦，則同時執行步驟E3和E4 ； E3、創建一個強力推薦搜索對象，並且設定搜索請求參數，所述搜索請求參數包括:用戶ID、搜索關鍵詞、請求推薦個數、品牌ID、分類ID和型號ID，然後執行步驟E5 ； E4、創建一個瀏覽歷史推薦搜索對象，並且設定搜索請求參數，所述搜索請求參數包括:用戶ID和請求推薦個數，然後執行步驟E5 ； E5、根據用戶ID，判斷用戶是否輸入的查詢詞，若是，則執行步驟E6，若否，則執行步驟E7 ； E6、通過分詞器對查詢詞進行預處理，並將預處理後的查詢詞也作為一個搜索請求參數與步驟E3中的其它搜索請求參數一起，傳入強力推薦的搜索方法進行搜索，然後執行步驟E8 ； E7、根據用戶ID獲得產品ID列表，並將得到產品ID和請求推薦個數，傳入瀏覽歷史推薦的搜索方法進行搜索，然後執行步驟ES ； ES、從資料庫中提取搜索結果所指示的產品的產品信息，並建立索引文件。
10.根據權利要求9所述產品相似度的電子商務推薦系統方法，其特徵在於，在步驟E6之前還包括: E60、當用戶輸入的查詢詞為空或者都是空格時，直接返回空；當用戶輸入的查詢詞中包含有空格，將空格兩端的字符串用AN D進行連接；當用戶輸入的查詢詞中含有非法字符時，將查詢詞中的非法字符去掉。
【文檔編號】G06F17/30GK103942712SQ201410196044
【公開日】2014年7月23日 申請日期:2014年5月9日 優先權日:2014年5月9日
【發明者】王清霞, 張海旭, 楊威, 田列, 王振 申請人:北京聯時空網絡通信設備有限公司