[发明专利]一种基于历史数据的商品推荐方法及系统

权利要求书

1.一种基于历史数据的商品推荐方法，其特征在于，包括以下步骤：

S100、采集用户的购物信息，录入数据库，其中购物信息包括用户的购买过的商品以及用户的兴趣标签；

S200、选取数据库中一定数量的用户作为对比样本，结合目标用户的购物信息，计算目标用户与对比样本中各个用户的相似兴趣值，其中一定数量可自定义；

S300、将得到的多个相似兴趣值进行聚合，得到聚合参数矩阵；

S400、将对比样本中用户的购物信息进行提取处理，得到样本用户矩阵；

S500、将商品信息进行提取处理，得到商品属性矩阵，其中商品信息包括商品类型；

S600、根据聚合矩阵、样本用户矩阵以及物品属性矩阵，得到类比矩阵；

S700、通过聚合拟态函数计算用户相关性系数，以类比矩阵为基础，结合用户相关性系数，得到目标用户的推荐商品信息。

2.根据权利要求1所述的基于历史数据的商品推荐方法，其特征在于，所述S200包括：

选取数据库中一定数量的用户作为对比样本，得到用户的兴趣标签；

提取目标用户的购物信息，得到目标用户的兴趣标签；

计算目标用户与样布用户的相似兴趣值，计算式如下：

其中x为目标用户的兴趣标签，

其中y为样本用户的兴趣标签，

其中m为兴趣标签数量。

3.根据权利要求1所述的基于历史数据的商品推荐方法，其特征在于，所述S300包括：

将得到的n个相似兴趣值进行聚合，得到聚合参数矩阵

∑_n×m

其中n为n个样本用户数量

其中m为一个样本用户的兴趣标签数量。

4.根据权利要求1所述的基于历史数据的商品推荐方法，其特征在于，所述S400包括：

提取对比样本中用户的购物信息，得到用户的购买过的商品以及用户的兴趣标签；

根据购买过的商品以及用户的兴趣标签，得到样本用户矩阵

U_n×n

其中n为用户的n个购买过的商品和n个兴趣标签。

5.根据权利要求1所述的基于历史数据的商品推荐方法，其特征在于，所述S500包括：

将商城出售的商品信息统计处理，得到商品属性矩阵

V_m×m

其中m为商品属性类型数量。

6.根据权利要求1所述的基于历史数据的商品推荐方法，其特征在于，所述S600包括：

根据聚合矩阵、样本用户矩阵以及物品属性矩阵，得到类比矩阵

R_n×m＝U_n×n×∑_n×m×V_m×m

其中R_n×m为类比矩阵，

其中U_n×n为样本用户矩阵，

其中∑_n×m为聚合参数矩阵，

其中V_m×m为商品属性矩阵。

7.根据权利要求1所述的基于历史数据的商品推荐方法，其特征在于，所述S700包括：

计算目标用户与对比样本中各个用户的相关性系数：

结合类比矩阵，选取指定数量的各个用户与目标用户的相关系数，将相关系数由大到小依次排列，根据大小向目标用户推荐一定数量的商品，其中指定数量可自行设置，但不能大于对比样本中用户的数量，其中一定数量可自行设置，但不能大于商品属性矩阵中商品属性的数量。