[发明专利]一种网络商品个性化推荐方法及系统

说明书

技术领域

本发明属于网络数据挖掘领域的信息个性化推荐技术，具体来讲，涉及一种网络商品个性化推荐方法及系统。

背景技术

随着互联网的发展普及，电子商务正以令人难于置信的速度发展，极大地改变着人们的生活方式。根据权威数据统计，2012年中国电子商务市场整体交易规模与2011年相比，增长了近2万多亿元。未来3-5年内，中国电子商务市场将继续保持其增长态势，2013年有望突破10万亿元。对于很多人来说，网上购物已成为日常消费的重要组成部分。

电子商务服务改善人们生活方式的同时，商品信息过载问题也越来越严重，成了困扰人们的一大难题。在淘宝网输入“连衣裙”，搜索结果多达18911171件。人们很难用有限的精力从数以千万记的商品中快速找到自己需要的商品。通过搜索关键词可以帮人们通过关键词匹配找到相关的信息，但是简单的关键词搜索没有考虑人的个性化需求问题，对于同样的搜索条件，会返回同样的结果给不同的人。在这种情况下，个性化推荐系统应运而生。个性化推荐系统的目的是根据不同顾客的兴趣偏好，推荐相关商品，以提高顾客的购物体验，最终有效提升销售额。

目前主流的网络商品推荐系统主要采用两种方法：基于内容的推荐方法和协同过滤方法。基于内容的推荐，其基本思想是根据用户过去购买或收藏的产品，为用户推荐和他购买或收藏过的产品内容相似的产品。例如，一个推荐图书的系统可以依据某个用户之前购买很多的英语学习书籍而为他推荐其他英语学习书籍。协同过滤方法又分为基于用户的协同过滤和基于商品的协同过滤。基于用户的协同过滤方法会分析用户兴趣，在用户群中找到指定用户的相似用户，综合这些相似用户对某一商品的购买情况，形成系统对该指定用户对此商品的喜好程度预测。而基于商品的协同过滤方法会分析商品的关联性，根据用户的购买历史，得到该用户所有购买过的商品与某一指定商品的关联程度，从而预测用户对该商品的喜好程度。

不管是基于内容的推荐方法还是协同过滤的方法，他们都是基于商品或用户的相似性的。这类基于相似性的方法有个通病，就是推荐结果会比较集中，造成的结果就是大部分用户都会被推荐一些热销的商品。当然，推荐热销的商品可能会有较高的推荐准确度，因为大部分人都喜欢热销商品。但是热销的商品可以通过很多渠道（如“热销榜”等）被用户发现。如果推荐系统能推荐一些用户正真需要的冷门商品，会更有意义。有效的推荐系统仅仅做到推荐结果准确是远远不够的，还应该具备以下几个特点：首先，应该推荐给用户一些他们正真想要的而又难于被发现的商品；其次，对于不同用户来说，推荐结果应具有多样性，既不同用户应该得到不同的推荐结果；再次，对于同一用户来说，推荐结果应具有多样性。

发明内容

本发明在于克服上述现有技术的不足，公开了一种网络商品个性化推荐方法及系统，可以提供一种高效合理的、适用于海量数据的网络商品个性化推荐方法，为用户推荐需要的商品。

为实现上述发明目的，本发明公开了一种网络商品个性化推荐方法，包括以下步骤：

（1）根据用户在用户终端的操作行为，记录用户与商品的购买关系，将数据保存在数据库里。

（2）根据数据库中存储的所有用户与商品的历史购买关系，建立一个以用户和商品为节点，他们的关系为连边的二部分图。如果用户购买了某个产品，则他们之间就有一条连边。

（3）在步骤（2）建立的二部分图中，添加一个虚拟用户节点，该节点与所有商品节点相连。

（4）对于某一特定推荐目标用户，设定与他有边相连的商品的初始能量值为1，其他商品的初始能量值都为0。

（5）商品的能量值依照连边关系传递给每个用户。

（6）步骤（5）得到的所有用户的能量值，再依照连边关系传递回商品。

（7）步骤（6）得到的各个商品的新的能量值即为步骤（4）中的推荐目标用户对该商品的喜好程度，能量值越大表示越喜欢。

（8）将未被推荐目标用户购买过的商品按照能量值从大到小排序。

（9）根据推荐列表长度的要求，选择步骤（8）中排在前面的商品生成针对目标用户的个性化推荐列表。

（10）将商品推荐结果列表展示在用户终端。