[发明专利]一种基于贝叶斯回归分析的大宗商品推荐方法及系统

说明书

本发明属于数据处理技术领域，提供了一种基于贝叶斯回归分析的大宗商品推荐方法及系统。该方法包括，基于商家信息和大宗商品信息生成各商家的总喜好评分矩阵和商家对商品类型的偏好评分矩阵；其中，所述各商家的总喜好评分矩阵的生成考虑包括：各商家对不同商品的喜好程度、各商品的质量以及各商品的价格；基于各商家的总喜好评分矩阵和商家对商品类型的偏好评分矩阵构建贝叶斯回归分析模型；基于贝叶斯回归分析模型将评分高于设定阈值的商品推荐给商家。

技术领域

本发明属于数据处理技术领域，尤其涉及一种基于贝叶斯回归分析的大宗商品推荐方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

大宗商品是用于工农业生产与消费使用的大批量买卖的物质商品，具体涉及到有色金属、黑色、贵金属、谷物、软产品、油脂、化工产品、鸡蛋、建筑材料等产业，42个交易品种。在部分突发情况下，大宗商品价格出现了一定程度的涨幅，一方面，货物消费对服务消费出现了大规模的替代，推动了全球货物贸易和工业生产的迅速正常化，从而助推了价格；另一方面，对基础商品供应能力的抑制，以及对供应链的扰动从供给端推动价格上涨。大宗商品价格的变动，在很大程度上影响了商家对大宗商品的喜好程度和采购。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于贝叶斯回归分析的大宗商品推荐方法及系统，其能够为商家找到适合自己的大宗产品。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于贝叶斯回归分析的大宗商品推荐方法。

一种基于贝叶斯回归分析的大宗商品推荐方法，包括：

基于商家信息和大宗商品信息生成各商家的总喜好评分矩阵和商家对商品类型的偏好评分矩阵；其中，所述各商家的总喜好评分矩阵的生成考虑包括：各商家对不同商品的喜好程度、各商品的质量以及各商品的价格；

基于各商家的总喜好评分矩阵和商家对商品类型的偏好评分矩阵构建贝叶斯回归分析模型；

基于贝叶斯回归分析模型将评分高于设定阈值的商品推荐给商家。

进一步的，所述各商家的总喜好评分矩阵生成包括：基于商家信息和大宗商品信息，利用主成分分析法获得每个商家对每种大宗商品的喜好程度，得到商家的总喜好评分矩阵。

进一步的，利用奇异值分解方法，将商家的总喜好评分矩阵分解成具有发展潜力的商家矩阵和具有发展潜力的大宗商品矩阵，基于具有发展潜力的商家矩阵和具有发展潜力的大宗商品矩阵得到某个商家对某种商品的喜好程度评分。

进一步的，所述各商家对不同商品的喜好程度包括：商家对不同商品的购买次数、浏览次数和每次浏览的时间。

进一步的，各商品的质量和各商品的价格的获取包括：采用网上公开数据和/或线下问卷调查的数据，获取各商品的质量和各商品的价格数据。

进一步的，所述商家对商品类型的偏好评分矩阵的生成，基于商家对某类型大宗商品评分的产品数量和该类型产品数量的关系。

进一步的，所述商品类型包括：能源商品、基础原材料和农副产品。

本发明的第二个方面提供一种基于贝叶斯回归分析的大宗商品推荐系统。

一种基于贝叶斯回归分析的大宗商品推荐系统，包括：

总喜好和类型偏好获取单元，其被配置为：基于商家信息和大宗商品信息生成各商家的总喜好评分矩阵和商家对商品类型的偏好评分矩阵；其中，所述各商家的总喜好评分矩阵的生成考虑包括：各商家对不同商品的喜好程度、各商品的质量以及各商品的价格；