[发明专利]基于购物行为的商品聚类系统及其方法

权利要求书

1.一种商品凝聚聚类系统，由数据准备和凝聚聚类处理两个部分组成，其中：

(1)数据准备部分：是从保存了以前大量用户每次每个人同时购买了哪些商品的数据库中找出所有被共同购买次数大于某个阈值TB≥2的商品对，按以下公式计算这些商品对之间的原始距离：

similarity(a‾,b‾)=cos(a‾,b‾)=a‾·b‾||a‾||·||b‾||]]>

其中，向量a表示包含商品a的订单，向量b表示包含商品b的订单，分子含义是同时包含a和b的订单数，分母含义是表示包含商品a的订单数量的开方和表示包含商品b的订单数量的开方的乘积；

然后按以下公式从原始距离得到聚类用的距离：

distance(a,b)=-log(similarity(a‾,b‾));]]>

(2)凝聚聚类处理部分：

——最初每个商品是单独的一个小类；

——对于任意给定两类商品A与B，A、B各包含至少1种商品，假定顾客从A、B中购买了一些商品对(a₁，b₁)，...，(a_n，b_n)，每一对里两个商品的距离是按前面的定义算好的；

——两类商品A与B的距离定义为从A与B各取一个商品的所有商品对的距离的平均值；

——用聚类技术里的凝聚算法，把足够相关的商品，即每次把达到最低共同购买次数阈值且距离最近的两类产品聚为一类，添加到商品类集合里，删除原来的这两类，同时更新结果类与其他类的距离；依次进行，较小的类慢慢聚成较大的类，直至总的类数小于某个阈值TC，或者类间距离的最小值大于某个阈值TD后停止，从而得到聚类商品。