[发明专利]基于多算法融合的电子商务推荐方法和系统

说明书

技术领域

本发明涉及电子商务技术领域，特别涉及一种基于多算法融合的电子商务推荐方法和系统。

背景技术

随着互联网的普及和电子商务的发展，电子商务系统在为用户提供越来越多选择的同时，其结构也变得更加复杂，用户经常会迷失在大量的商品信息空间中，无法顺利找到自己需要的商品，从而降低了推荐系统的稳定性和多样性。

发明内容

针对现有技术的上述缺陷，本发明所要解决的技术问题是如何通过多种推荐算法的融合，提高商品推荐系统的稳定性和多样性。

为实现上述目的，一方面，本发明提供一种基于多算法融合的电子商务推荐方法，该方法包括步骤：

步骤S1、采集电子商务网站上用户的历史行为数据；

步骤S2、根据用户的历史行为数据的购买偏好对用户进行分群，将购买偏好相似的用户划分至同一个用户群内；

步骤S3、根据商品的属性对商品进行分层，将相同属性的商品对应相同的商品分层目录下；

步骤S4、根据用户的分群、商品分层目录构造商品推荐规则；

步骤S5、根据商品推荐规则，将商品推荐给用户。

优选地，所述构造商品推荐规则包括：

根据历史行为数据计算商品的相关性；

根据商品的相关性保留和/或补全相似商品组，构造商品关联表；

根据所述商品关联表获取关联商品。

优选地，所述构造商品推荐规则具体包括：

根据历史行为数据分别对商品三级目录和相似商品组计算关联关系；

根据商品三级目录和相似商品组计算每个相似商品组之间的相关性得分；

在每个相似商品组中保留相似性大于设定阈值的相似商品组；

在相似商品组的关联商品组数量小于设定的最小关联相似商品组阈值时，根据关联的商品三级目录，取关联商品三级目录下销量最高的商品组对该相似商品组进行补全；

根据构造的商品关联表，确定每个商品所属相似商品组，取该相似商品组关联的相似商品组，每个商品关联组下根据销量最高的商品作为该商品的关联商品。

优选地，采集电子商务网站上用户的历史行为数据后还包括：

通过基于时间序列的算法将采集到的用户的历史行为数据中的异常数据进行过滤。

优选地，所述异常数据进行过滤包括：

通过限制用户购买商品的种类数量和每个种类商品购买的商品总数，过滤掉异常购买行为数据；

根据商品的历史销量纪录的时间序列，检测出商品促销异常数据；

对所述异常数据进行处理。

优选地，所述对商品促销异常信息进行检测，并对异常销售数据进行平滑处理具体包括：

根据商品的历史销量纪录的时间序列，检测出商品促销异常数据；

对所述异常数据进行平滑处理。

优选地，所述根据商品推荐规则，将商品推荐给用户具体包括：

根据用户的分群，获取该分群下的商品关联表，根据用户行为对应的商品，从关联表中依据商品之间的关联分数，选择关联分数高的商品推荐给用户。

另一方面，本发明还提供一种基于多算法融合的电子商务推荐系统，该系统包括：

用户行为数据采集模块，用于采集用户的历史行为数据；

用户分群模块，用于根据用户的历史行为数据的购买偏好对用户进行分群，将购买偏好相似的用户划分至同一个用户群内；

商品分层模块，用于根据商品的属性对商品进行分层，将相同属性的商品对应相同的商品分层目录下；

推荐规则构造模块，用于根据分群、商品分层目录构造商品推荐规则；

用户商品推荐模块，用于根据构造出的商品推荐规则，将商品推荐给用户。

优选地，该系统还包括：

用户行为数据处理模块，用于通过基于时间序列的算法将采集到的用户的历史行为数据中的异常数据进行过滤。

优选地，所述用户行为数据处理模块具体包括：

第一行为数据处理模块，用于通过限制用户购买商品的种类数量和每个种类商品购买的商品总数，过滤掉异常购买行为数据；

第二行为数据处理模块，用于对商品促销异常信息进行检测，并对异常销售数据进行平滑处理。

优选地，所述推荐规则构造模块包括：

相关性计算模块，用于根据历史行为数据计算商品的相关性；

关联表构造模块，用于根据商品的相关性保留和/或补全相似商品组，构造商品关联表；

商品获取模块，用于根据所述商品关联表获取关联商品。