[发明专利]一种基于两两物品差异相关性的商品推荐方法

说明书

本发明公开了一种基于两两物品差异相关性的商品推荐方法，其包括以下步骤：S1、获取每个用户购买每个物品的次数和每个用户的初始行为向量；S2、获取任一物品与每个物品之间差异相关性值；S3、获取基于该物品的差异相关性矩阵；S4、根据初始行为向量和差异相关性矩阵得到物品的推荐值；S5、对于任一用户，去除该用户已购买的物品及对应的推荐值，并将剩下的物品按照该用户给出的推荐值的大小进行排序，得到针对于该用户的商品推荐列表。本发明充分考虑了用户购买行为的随机性，根据用户的历史行为，使得推荐的商品更符合每个用户的需求，有效解决了电子商务中信息过载导致用户选择难的问题。

技术领域

本发明涉及商品推荐领域，具体涉及一种基于两两物品差异相关性的商品推荐方法。

背景技术

随着电子商务的发展，越来越多的人投身电商，使得电商业大力发展，但对于用户来说，信息过载就是最大的问题。以淘宝为例：当用户在网购过程中输入需要的商品进行搜索时，会出现大量的同一商品供用户选择，这时用户可能会遇到选择难的问题，通常会出现的情况如：便宜但担心质量；既担心质量又觉得贵等问题，使得用户在挑选物品时难以选择，这也就是信息过载带来的问题，故如何在大量商品中找到用户需要的商品，是电子商务急需解决的一个问题。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于两两物品差异相关性的商品推荐方法解决了电子商务中信息过载导致用户选择难的问题。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种基于两两物品差异相关性的商品推荐方法，其包括以下步骤：

S1、获取每个用户购买每个物品的次数，并获取每个用户的初始行为向量；

S2、根据每个用户购买每个物品的次数得到任一物品与每个物品之间两两物品差异相关性值；

S3、将同一物品与每个物品之间两两物品差异相关性值组合成基于该物品的差异相关性矩阵；

S4、根据每个用户的初始行为向量和任一物品的差异相关性矩阵得到每个用户对每个物品的推荐值；

S5、对于任一用户，去除该用户已购买的物品及对应的推荐值，并将剩下的物品按照该用户给出的推荐值的大小进行排序，得到针对于该用户的商品推荐列表。

进一步地，步骤S1中获取每个用户的初始行为向量的具体方法包括以下步骤：

S1-1、对所有物品进行随机排序，并根据公式

建立一个与第i个用户相对应且项数等于物品总数的初始向量f⁽ⁱ⁾，使初始向量的每一项与每个物品一一对应；其中m表示物品总数；j表示随机排序后第j个物品，j∈(1,2,…,m)；表示第i个用户对于第j个物品的初始行为，即初始向量f⁽ⁱ⁾中的第j项；|·|^T为矩阵转置；

S1-2、将第i个用户购买过的物品在初始向量中所对应的项取值为1，将第i个用户未购买过的物品在初始向量f⁽ⁱ⁾中所对应的项取值为0，得到该用户的初始行为向量

进一步地，步骤S2的具体方法包括以下步骤：

S2-1、根据公式

和

分别得到任一物品α被购买次数的平均值和任一物品β被购买次数的平均值其中n为总用户数，k_α为物品α被购买的总次数，k_β为物品β被购买的总次数；

S2-2、根据公式