[发明专利]一种基于用户信用评估的个性化商品推荐方法

说明书

技术领域

本发明涉及一种基于用户信用评估的个性化商品推荐方法，属于电子商务领域。

背景技术

近年来，随时人们生活模式的变化和生活质量的不断提高，电子商务活动和交易信息量急剧增长、商家所提供的商品种类和数量也与日俱增。面对电子商务系统中海量的商品信息，消费者很难快速有效地挑选出他所需要的商品。如何在消费者选购必需商品后继续为其推荐相关有它有价值、且符合其偏好的商品，如何提升消费者对商家的忠诚度，如何满足用户更个性化的需求等问题成为电子商务发展必须解决的关键问题。

目前很多电子商务企业和许多研究人员提出了许多的服务推荐方法，主要包括基于内容的、基于知识的、基于规则的、基于效用的、以及基于关联规则的推荐方法。近年来，协同过滤方法在商业应用上取得了不错的成绩，例如：Amazon，CDNow，MovieFinder等都采用了协同过滤的技术来提高服务质量，但协同过滤的缺点有:(1)用户对商品的评价非常稀疏，这样基于用户的评价所得到的用户间的相似性可能不准确(即稀疏性问题)；(2)随着用户和商品的增多，系统的性能会越来越低(即可扩展性问题)；(3)如果从来没有用户对某一商品加以评价，则这个商品就不可能被推荐(即最初评价问题)。因此，现在的电子商务推荐都采用多种技术结合来实现服务或者商品的推荐。

但是，目前多数推荐方法主要依赖于用户对商品的评论/评分，或者根据商品特征来预测商品的评分，很多个性化商品推荐系统或者方法主要只是分析用户对商品的偏好或者分析商品的特征来找到相似的用户或者物品，最后计算推荐并将TOP-N的结果展示给消费者，比如专利号ZL 201210050057.3“一种基于关键字的电子商务网站商品推荐方法”，ZL 201010538437.2“一种在线产品推荐选择方法、装置及系统”，以及ZL 201110306941.4“一种结合评分数据与标签数据的个性化推荐方法”的专利；以及申请号201410020517“一种基于用户评论的商品属性聚类方法”，申请号201310332537“基于本体分类的商品特征推荐方法”、申请号201310586279“一种基于可信度评价的产品信息推荐方法及系统”、申请号201410196044“基于产品相似度的电子商务推荐系统及其方法”等专利申请。尽管，人们还提出了一些新的方法，它们结合了用户的地理位置信息、用户随时间的兴趣变化、用户的表情分析、用户的回答方式、用户的意图挖掘、用户的行为趋势预测、以及按所购买商品的用户聚类等方法。但是，在这些方法中，依然存在如下两个问题：第一个问题是，它们都没有 考虑如何通过评估用户的信用，并根据不同用户的信用相似性来进行商品推荐。事实上，用户交易过程中产生的交易记录次数和交易金额对于评估一个用户的偏好具有很好的参考价值。第二个问题是，它们都没有考虑在实际交易过程中的这样一种现象，即一个用户的交易行为中可能蕴含了多个个体的需求，如：在某个家庭中，网上购物通常用的是同一个用户名(即交易的账户名)，但是产生的交易行为实际上涉及到家庭中的多个成员。因此，本发明将针对这两个问题，建立一种基于用户信用评估的个性化商品推荐方法，实现了更加精准、更加个性化的商品推荐服务。

发明内容

为了解决上述问题，本发明提供了一种基于用户信用评估的个性化商品推荐方法。本发明主要是基于用户历史交易行为的信用评估值来提高商品推荐的精准度，同时考虑了一个用户的交易行为中可能蕴含多个个体的需求，如：在某个家庭中，网上购物通常用的是同一个用户名，但是产生的交易行为会涉及到家庭中的多个成员，所以推荐系统将对每个用户产生过交易的商品进行聚类分析，精确地区分每个用户中的多个成员的个性化需求，并通过引入用户的信用值，改进现有基于商品的协同过滤算法，实现更加精准、个性化的商品推荐服务。

本发明的技术方案为：

一种基于用户信用评估的个性化商品推荐方法，其步骤为：

1)根据从电子商务网站收集到的用户-商品订单成交次数、以及用户-商品订单取消次数，构建用户-商品交易次数的矩阵；

2)根据用户-商品交易次数的矩阵，以及每个商品的交易价格，计算每个用户的商品订单成交总金额和商品订单取消总金额，计算每个用户的初始信用值。

3)根据用户-商品交易次数的矩阵，计算每个用户的商品成交总次数和商品取消总次数，计算每个用户的信用指数；

4)根据2)3)计算出的每个用户的初始信用值和信用指数，计算每个用户的信用值，其中还引入了一个在用户发生这些交易时系统或用户可能出现操作失误/出错的概率值。