[发明专利]一种基于大数据的用户购物行为识别方法、储存设备及移动终端

说明书

本发明公开了一种基于大数据的用户购物行为识别方法，适用于计算机设备中执行，该方法包括以下步骤：基础数据准备；用户行为采集：通过采集模块采集用户打开网页时的浏览、点击，收藏、转发和购买的行为数据；用户行为量化：对采集的行为数据进行归类汇总，并建立用户，商品标签以及用户在某个商品标签上的行为关注度函数关系建立用户喜好矩阵：根据用户，商品标签以及用户在某个商品标签上的行为关注度函数关系，建立用户喜好函数：建立用户相似度；商品展示。本发明对用户行为进行了量化处理，并建立用户喜好度和相似度函数，逻辑理论简单，可操作性强，同时考虑了购买场景以及用户参与度，分析结果更为准确。

技术领域

本发明涉及大数据分析领域，具体是一种基于大数据的用户购物行为识别方法。

背景技术

随着移动互联网的飞速发展以及在线网购的大量普及，商品信息爆炸性增长，海量的信息带来的问题有：

信息利用率低下，面对海量的商品，用户没有足够的耐心和时间去浏览排在后面的商品；时效性差，当信息即时更新时，用户也无法第一时间获取自己感兴趣的商品；操作难度大，需要找到自己感兴趣的商品，往往要经过大量的条件设置、排序，要求用户有相当的技术知识；用户如何选择？对于商家，如何为用户提供所感兴趣的商品？

针对上述问题，急需对用户的购物行为进行识别，分析用户的偏向和喜好，并根据用户的偏向和喜好来推荐商品，现有技术中已经有一些推荐算法来根据用户的偏向和喜好来推荐商品但是这些技术存在一些不足：理论性强，基于用户的评分机制，缺乏对购物行为、购物场景的量化；实时性差，通过经过大量的计算和分析，无法快速响应；缺乏考虑时间对用户喜好的影响。

因此有待对现有技术进行进一步地改进，开发一种理论操作简单，实时性好的基于大数据的用户购物行为识别方法。

发明内容

本发明的目的在于克服上述现有技术的不足，提供理论操作简单，实时性好的基于大数据的用户购物行为识别方法。

为达到上述目的，本发明是这样实现的：

一种基于大数据的用户购物行为识别方法，适用于计算机设备中执行，该方法包括以下步骤：

基础数据准备：建立商品的标签，多个维度描述商品；建立消费人群标签，多个维度体现用户特征，将建立好的商品的标签和消费人群标签存储到数据库中；

用户行为采集：通过采集模块采集用户打开网页时的浏览、点击，收藏、转发和购买的行为数据；

用户行为量化：对采集的行为数据进行归类汇总，并建立用户，商品标签以及用户在某个商品标签上的行为关注度函数关系，其公式为：

其中：

i：表示用户；

j：表示商品标签；

p：表示操作的类型，共n种操作；

T(i,j)：表示用户i在商品标签j上发生的操作次数；

T(i,j)p：表示用户i在商品标签j上发生p操作的次数；

Wp：表示p操作的权重，用户的参与度越大，权重越大；

Sp：表示发生p操作时的场景系数，该系数越大，表示场景对用户行为的干扰越低；

V(i,j)：为用户i在商品标签j上的行为关注度量化值；

建立用户喜好矩阵：根据用户，商品标签以及用户在某个商品标签上的行为关注度函数关系，建立用户喜好函数：

其中：

K(i,j)_old：表示用户i对商品标签j历史的喜好度；