[发明专利]一种基于用户行为的商品推荐方法及系统

说明书

技术领域

本发明涉及商品推荐技术领域，具体来讲是一种基于用户行为的商品推荐方法及系统。

背景技术

随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客陷入海量信息中，需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失，很难快速且有效地做出购买决策。为了解决这些问题，个性化推荐系统应运而生。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品；是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

目前，在个性化推荐领域常用基于历史用户购买商品后对商品的评分结果，来对商品进行推荐。然而，实际操作中商品的评分信息并不容易获得且相对与商品的数量来说非常稀疏，因此，单纯的基于用户对商品的评分来进行商品的推荐，推荐的准确度较低且并不符合实际应用需求，进而使得用户体验差。

发明内容

本发明的目的是为了克服上述背景技术的不足，提供一种基于用户行为的商品推荐方法及系统，能针对用户购买的耐耗品和易耗品进行区分推荐；而且在进行商品推荐时仅将用户对商品的评分这种显性评分数据作为首选推荐依据，在不具备首选推荐依据的情况下，还可以将用户点击行为、查看属性行为、购买行为、评价行为这种隐性评分数据作为推荐依据，进行商品的推荐，不但推荐的准确度高且符合实际应用需求，用户体验佳。

为达到以上目的，本发明提供一种基于用户行为的商品推荐方法，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。

本发明同时还提供一种基于用户行为的商品推荐系统，包括用户行为搜集模块、购买商品类型判断模块、耐耗品推荐模块、显性评分判断模块、显性评分推荐模块、隐性评分推荐模块；

所述用户行为搜集模块用于：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；

所述购买商品类型判断模块用于：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，向耐耗品推荐模块发送耐耗品推荐信号；若是易耗品，向显性评分判断模块发送判断信号；

所述耐耗品推荐模块用于：收到耐耗品推荐信号后，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；

所述显性评分判断模块用于：收到判断信号后，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，则向显性评分推荐模块发送显性评分推荐信号；若没有，则隐性评分推荐模块发送隐性评分推荐信号；

所述显性评分推荐模块用于：收到显性评分推荐信号后，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；

所述隐性评分推荐模块用于：收到隐性评分推荐信号后，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；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。

本发明的有益效果在于：