[发明专利]一种基于用户行为的商品推荐方法及系统

权利要求书

1.一种基于用户行为的商品推荐方法，其特征在于，该方法包括以下步骤：

步骤S1：通过APP或者网页对用户的行为进行搜集，所述用户的行为包括：搜索行为、点击行为、查看商品属性的行为、购买行为、对商品的评价行为以及对商品的打分行为，转入步骤S2；

步骤S2：当用户进行商品的购买时，判断当前购买的商品是耐耗品还是易耗品，若是耐耗品，转入步骤S3；若是易耗品，则转入步骤S4；

步骤S3：根据搜集到的点击行为和搜索行为，进行物品的聚类，根据聚类结果向用户进行商品的推荐；

步骤S4：判断搜集到的用户行为中是否有对该商品的打分行为，若有，则转入步骤S5；若没有，则转入步骤S6；

步骤S5：直接根据搜集到的对商品的打分行为，按照打分的高低依次向用户进行商品的推荐；

步骤S6：通过转换函数，将搜集到的点击行为、查看商品属性的行为、购买行为、对商品的评价行为依次转换为对应的数值分数，即隐性评分数据，转入步骤S7；

步骤S7：将转换所得的所有隐性评分数据经过层次分析法进行加权处理，得到总的隐性评分；根据总的隐性评分，利用协同过滤算法向用户进行商品的推荐。

2.如权利要求1所述的基于用户行为的商品推荐方法，其特征在于：步骤S3中，进行物品的聚类时，采用KNN分类算法进行物品的聚类。

3.如权利要求1所述的基于用户行为的商品推荐方法，其特征在于，步骤S6具体包括以下操作：

当转换点击行为时，先根据转换参数a＝avgN/atanh(0.5)，确定转换参数a，其中，N为正整数表示点击次数，avgN为平均点击次数，atanh为反双曲正切函数；再根据双曲正切函数2*tanh(N/a)，得到点击行为转换后对应的数值分数，即点击行为对应的隐性评分数据；

当转换查看商品属性的行为时，先根据转换参数b＝avgT/atanh(0.5)，确定转换参数b，其中，T为正整数表示用户查看商品属性停留的时长，avgT为用户的平均停留时长；再根据双曲正切函数2*tanh(T/b)，得到查看商品属性的行为转换后对应的数值分数，即查看商品属性的行为对应的隐性评分数据；

当转换购买行为时，先根据转换参数c1＝log(99)/(maxM-avgM)以及转换参数c2＝avgM*c1，确定转换参数c1和c2，其中，M为正整数表示用户购买次数，avgM为为正整数表示用户平均购买次数，maxM为用户的最大购买次数；再根据2*(exp(c2-c1*M))/(1+exp(c2-c1*M))，得到购买行为转换后对应的数值分数，即购买行为对应的隐性评分数据；

当转换对商品的评价行为时，采取-2到2的5分制评分制，直接按照将好评转换为1、中评转换为0、差评转换为-1的规则，得到对商品的评价行为转换后对应的数值分数，即对商品的评价行为对应的隐性评分数据。

4.如权利要求1所述的基于用户行为的商品推荐方法，其特征在于：步骤S7中进行加权处理时，点击行为的隐性评分数据对应的权重为0.0352；查看商品属性行为的隐性评分数据对应的权重为0.0891；购买行为的隐性评分数据对应的权重为0.3757；对商品的评价行为的隐性评分数据对应的权重为0.5。

5.如权利要求1至4中任一项所述的基于用户行为的商品推荐方法，其特征在于：步骤S3、S5和S7之后还均包括以下操作：当用户结束此次商品的购买时，使用Apriori算法及FP-growth算法，向用户推荐购买该商品的其他用户还同时购买了哪些其他商品。