[发明专利]基于大数据和网络社区的产品推荐方法

说明书

本发明涉及一种基于大数据和网络社区的产品推荐方法，包括：对社交用户历史产生的第一社交特征数据、第二社交特征数据和第三社交特征数据进行关联建模以得到社交用户的用户数据模型；基于所述用户数据模型的特征向量对所有社交用户进行聚类以形成多个网络用户社区，并基于更新后的用户数据模型对网络用户社区进行重新划分；对更新后的所有用户数据模型进行频繁事件节点和频繁路径的挖掘以构建对应网络用户社区的频繁事件模式，基于序列化后的频繁事件模式确定各个网络用户社区之间的行为相似度以对重新划分后的网络用户社区进行合并更新，为合并更新后的网络用户社区中的各个相似社交用户推送目标社交用户已购买产品的产品推荐信息。

技术领域

本发明涉及智慧电商和大数据领域，尤其涉及一种基于大数据和网络社区的产品推荐方法。

背景技术

大数据的研究与应用已经在互联网、商业智能、咨询与服务以及医疗服务、零售业、金融业、通信等行业显现，并产生了巨大的社会价值和产业空间。大数据是指那些大小已经超出了传统意义上的尺度，一般的软件工具难以捕捉、存储、管理和分析的数据。大数据具有数据体量巨大、数据类型繁多、价值密度低、处理速度快等特点。从大数据的处理过程来看，大数据处理的关键技术包括：大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用。

商品推荐的基本思想是根据用户的历史以及实时行为挖掘用户的兴趣，从而将用户感兴趣的商品推荐给用户，避免了用户在庞杂的商品项目中的搜索行为，更好地方便用户。社区发现是指在一个集合中，根据元素之间的某种关系，将集合划分为若干社区(可交叉的子集)的过程。社区发现最基本的作用是将个体进行社区分类，将个体划分到若干社区中，划分的社区可以为成员提供个性化服务和信息推荐。

现有的社区推荐方法无法尽可能适应社区中的每个用户的实时浏览兴趣，因此，难以自适应的调整并满足各个用户兴趣的动态变化，造成社区划分结果的不准确，从而导致对社区内的各个用户进行协同推荐的效果不佳。

发明内容

针对现有技术之不足，本发明提供了一种基于大数据和网络社区的产品推荐方法，包括：

对社交用户历史产生的所有用户数据进行分解以得到所述社交用户的第一社交特征数据、第二社交特征数据和第三社交特征数据，基于第一社交特征数据与第二社交特征数据之间的第一关联数据和第二社交特征数据与第三社交特征数据之间的第二关联数据对第一社交特征数据、第二社交特征数据和第三社交特征数据进行关联建模以得到社交用户的用户数据模型；

将各个社交用户历史对应的用户数据模型转化为相应的特征向量，并基于各个特征向量之间的相似度对所有社交用户进行聚类以形成多个网络用户社区，基于对应社交用户实时产生的第二社交特征数据对社交用户的用户数据模型进行信息更新，基于更新后的用户数据模型重新划分所述社交用户所属的网络用户社区；

对更新后的所有用户数据模型进行频繁事件节点和频繁路径的挖掘以构建对应网络用户社区的频繁事件模式，将序列化后的频繁事件模式进行对比以得到各个网络用户社区之间的行为相似度，基于各个网络用户社区之间的行为相似度对网络用户社区进行合并更新以得到所有网络用户社区的实时划分结果；

向目标社交用户实时所属的网络用户社区中的各个相似社交用户分别推送所述目标社交用户已购买产品的产品推荐信息。

根据一个优选实施方式，所述产品推荐信息包括对应产品的推荐产品类型、推荐产品名称和产品广告内容。

根据一个优选实施方式，所述产品广告内容包括宣传视频、宣传网页、宣传海报、宣传音频和宣传动画。

根据一个优选实施方式，所述对社交用户历史产生的所有用户数据进行分解以得到所述社交用户的第一社交特征数据、第二社交特征数据和第三社交特征数据包括：