[发明专利]基于日志挖掘的商品推荐方法、装置、服务器及存储介质

权利要求书

1.一种基于日志挖掘的商品推荐方法，其特征在于，所述方法包括以下步骤：

从各用户的购买日志中提取各用户的购买记录，并根据各用户的购买记录建立事务数据库；

根据预设最小支持度通过Apriori算法对所述事务数据库进行逐条扫描，获得各频繁项集，并根据各频繁项集构成频繁项集矩阵；

根据所述频繁项集矩阵计算所述频繁项集中各商品之间的相似度；

根据所述频繁项集矩阵以及各用户对商品的评分计算Pearson相关系数的绝对值；

根据所述频繁项集中各商品之间的相似度以及Pearson相关系数的绝对值确定综合相似度矩阵；获取目标用户的未评分商品，并将所述未评分商品作为待测商品；

基于所述综合相似度矩阵对所述待测商品进行预测评分；

根据预测评分结果确定待推送商品，并将待推送商品推送至所述目标用户的用户设备；

其中，根据所述频繁项集矩阵通过下式计算所述频繁项集中各商品之间的相似度，

其中，k为频繁项集的数量，F_h,i为商品i在所述频繁项集矩阵中的取值，F_h,j为商品j在所述频繁项集矩阵中的取值；

其中，根据所述频繁项集中各商品之间的相似度以及Pearson相关系数的绝对值通过下式确定综合相似度矩阵，

其中，S_i,j为综合相似度矩阵中商品i和商品j之间的综合相似度，为权重，S1_i,j为所述频繁项集中商品i和商品j之间的相似度，S2_i,j为商品i和商品j之间的Pearson相关系数的绝对值。

2.如权利要求1所述的方法，其特征在于，根据所述频繁项集矩阵以及各用户对商品的评分通过下式计算Pearson相关系数的绝对值，

其中，U_i,j为商品i和商品j共同评分过的用户集合，X_u,i为用户u对商品i的评分，X_u,j为用户u对商品j的评分,为用户对商品i的平均评分，为用户对商品j的平均评分。

3.如权利要求1～2中任一项所述的方法，其特征在于，所述基于所述综合相似度矩阵对所述待测商品进行预测评分，具体包括：

从所述综合相似度矩阵中的所有商品与待测商品的相似性值；

选择相似性值最高的K个商品作为所述待测商品的最近邻居集合；

根据所述最近邻居集合对所述待测商品进行预测评分。

4.如权利要求3所述的方法，其特征在于，根据所述最近邻居集合通过下式对所述待测商品进行预测评分，

其中，为用户u对商品I_a的预测评分结果，为待测商品I_a和商品q之间的综合相似度，X_u,q为用户u对项目q的评分，为用户对商品I_a的平均评分，为用户对商品q的平均评分，N_a为所述最近邻居集合。

5.一种服务器，其特征在于，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于日志挖掘的商品推荐程序，所述基于日志挖掘的商品推荐程序配置为实现如权利要求1至4中任一项所述的基于日志挖掘的商品推荐方法的步骤。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于日志挖掘的商品推荐程序，所述基于日志挖掘的商品推荐程序被处理器执行时实现如权利要求1至4中任一项所述的基于日志挖掘的商品推荐方法的步骤。

7.一种基于日志挖掘的商品推荐装置，其特征在于，所述装置包括：

数据库建立模块，用于从各用户的购买日志中提取各用户的购买记录，并根据各用户的购买记录建立事务数据库；

数据库扫描模块，用于根据预设最小支持度通过Apriori算法对所述事务数据库进行逐条扫描，获得各频繁项集，并根据各频繁项集构成频繁项集矩阵；

矩阵确定模块，用于根据所述频繁项集矩阵计算所述频繁项集中各商品之间的相似度；根据所述频繁项集矩阵以及各用户对商品的评分计算Pearson相关系数的绝对值；根据所述频繁项集中各商品之间的相似度以及Pearson相关系数的绝对值确定综合相似度矩阵；

商品获取模块，用于获取目标用户的未评分商品，并将所述未评分商品作为待测商品；

预测评分模块，用于基于所述综合相似度矩阵对所述待测商品进行预测评分；

商品推送模块，用于根据预测评分结果确定待推送商品，并将待推送商品推送至所述目标用户的用户设备；

其中，根据所述频繁项集矩阵通过下式计算所述频繁项集中各商品之间的相似度，

其中，k为频繁项集的数量，F_h,i为商品i在所述频繁项集矩阵中的取值，F_h,j为商品j在所述频繁项集矩阵中的取值；

其中，根据所述频繁项集中各商品之间的相似度以及Pearson相关系数的绝对值通过下式确定综合相似度矩阵，

其中，S_i,j为综合相似度矩阵中商品i和商品j之间的综合相似度，为权重，S1_i,j为所述频繁项集中商品i和商品j之间的相似度，S2_i,j为商品i和商品j之间的Pearson相关系数的绝对值。