[发明专利]基于协同过滤算法的发票购销方推荐方法及装置

说明书

本发明提供的基于协同过滤算法的发票购销方推荐方法及装置，发票数据票面信息包含用户在不同销货方的日常消费数据，数据覆盖面相对单一销货平台更加全面，一种基于协同过滤算法的发票购销方推荐方法，通过协同过滤算法，构建购销方推荐模型，挖掘出购货方的潜在购物需求，从而实现销货方货物对购货方的精准推荐，提高营销转化率。

技术领域

本发明涉及数据处理技术领域，特别是涉及一种基于协同过滤算法的发票购销方推荐方法及装置。

背景技术

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。

各大电商平台为了提高订单转化率纷纷根据用户消费行为进行个性化推荐，但是受限于平台获得的用户消费数据多为平台内行为数据，对用户消费倾向的挖掘具有局限性。

发明内容

本发明的目的是提供一种基于协同过滤算法的发票购销方推荐方法及装置，基于协同过滤算法的发票购销方推荐方法，主要为了挖掘购货方的潜在购物需求，实现销货方货物对购货方的精准推荐，提高营销转化率。

第一方面，本发明提供一种基于协同过滤算法的发票购销方推荐方法，所述方法包括：

获取发票票面信息中购货方的消费行为数据，所述消费行为数据至少包括商品明细；

根据所述消费行为数据建立销货方商品与所述购货方之间的关系数据；

利用所述关系数据建立所述购货方与所述销货方商品之间的协同过滤算法模型；

通过对所述协同过滤算法模型迭代计算得到的推荐商品。

在一种可能的实施方式中，所述根据所述消费行为数据建立销货方商品与所述购货方之间的关系数据，包括：

根据所述消费行为数据建立销货方商品与所述购货方之间的关系数据，利用标准分数处理法对所述消费行为数据进行标准化处理。

在一种可能的实施方式中，所述利用所述关系数据建立所述购货方与所述销货方商品之间的协同过滤算法模型，包括：

对所述关系数据进行降维处理，将所述购货方和所述销货方商品的对应关系映射到低维空间；

利用聚类方法将所述购货方和所述销货方商品聚类得到多个分组；

利用协同过滤算法对每个分组进行处理得到预测值；

所述通过对所述协同过滤算法模型迭代计算得到的推荐商品，包括：

将每个分组对应的预测值进行合并处理得到N个预测值最高的推荐商品。

在一种可能的实施方式中，所述利用协同过滤算法对每个分组进行处理得到预测值，包括：

收集可以代表购货方兴趣的信息；