[发明专利]一种用户网购行为预测推荐方法及系统

权利要求书

1.一种用户网购行为预测推荐方法，其特征在于，所述方法至少包括以下步骤：

S1.采集用户信息：通过数据挖掘，采集用户的社交行为和购物行为，以获取用户兴趣偏好特征并储存；

S2.分析用户兴趣偏好特征，将采集的用户信息提取特征向量，获取用户属性特征并对用户属性特征进行预处理，筛选出网购行为预测推荐所需的用户特征；

S3.采集商品特征标签，将商品按照其不同的特征标签进行分类并存储；

S4.以用户根据其兴趣偏好特征购买的商品作为母事件，以商品特征标签作为子事件，分析母事件与子事件之间的关系；

S5.根据母事件与子事件之间的关系，构建因果结构图，得到基于因果关系的规则，完成因果关系的挖掘；

S6.结合步骤S2～步骤S5的输出，分析用户的社交行为和购物行为，根据因果关系进行特征选择，构建用户网购行为预测推荐模型；

步骤S6中分析用户的社交行为和购物行为时，还需对社交行为和购物行为进行优化；对待优化的社交行为和购物行为进行赋值，生成N个个体行为数据，N个个体行为数据独立同分布，将N个个体行为数据样本作为输入，每个样本有M个随机变量作为观察变量，根据因果关系进行特征选择，具体过程为：

首先构造M个随机变量的全连接图，其次设置显著性水平为α，在显著性水平α下对M个随机变量中相邻两个变量执行条件独立性检验，若相邻两个变量存在条件独立性，则删除两个变量之间的边，剔除冗余关系，最终得到剔除冗余关系后最简单直接的因果关系；

在显著性水平α下对M个随机变量中相邻两个变量执行条件独立性检验的过程为：

设相邻两个变量为X、Y，给定变量Z，对Z分别进行X和Y的多元回归，然后分别对X和Y的残差进行相关性检验，得到偏相关系数将偏相关系数转换为高斯分布，进行计算：

设置信度水平为α，若：

则X非条件独立于Y；否则X条件独立于Y，利用Z-Fisher将偏相关系数转换为高斯分布，在条件独立性检验中，若即给定Z,X和Y非条件独立，则X-Z-Y三个变量指向表示为X→Z←Y；

M个随机变量中剩余变量之间的指向规则为：

当存在一个箭头X→Y的时候，将Y-Z的方向确定为Y→Z；

当存在一条链X→Z→Y的时候，将X-Y的方向确定为X→Y；

当存在两条链X→Z→Y和X→L→Y的时候，将X-Y的方向确定为X→Y；

最终输出M个随机变量节点的有向无环图DAG模型，有向无环图DAG模型作为用户网购行为预测推荐模型；

S7.根据用户网购物行为预测推荐模型，对用户的网络购物行为进行兴趣预测，生成推荐信息；

S8.推荐信息返回给用户端，用户端根据所述推荐信息向购物首页提供数据以供呈现用户购物推荐内容。

2.根据权利要求1所述的用户网购行为预测推荐方法，其特征在于，步骤S1中所述用户的社交行为包括用户的网络关注、评论、点赞、访问主页、写日志及传照片行为；用户的购物行为包括购买服装鞋帽、购买电子产品及购买日用百货。

3.根据权利要求1所述的用户网购行为预测推荐方法，其特征在于，步骤S2所述的对用户属性特征进行预处理的方法为特征工程处理法。