[发明专利]一种店铺推荐方法、装置及计算机介质

说明书

本发明涉及数据分析领域，具体提供了一种店铺推荐方法，以平台自有的历史评论为基础，设置店铺属性并计算店铺属性分值和用户属性偏好值，构建出适用于层次分析法的目标层、准则层和方案层，计算店铺推荐的权重向量，从而给出当前用户的最优推荐店铺。与现有技术相比，本发明给出适合用户的最优推荐店铺列表，进一步节约用户时间、平台资源，提升用户体验的同时也能加快促成交易。

技术领域

本发明涉及数据分析领域，具体提供一种店铺推荐方法、装置及计算机介质。

背景技术

网上购物，就是通过互联网检索商品信息，并通过电子订购单发出购物请求，然后填上私人支票帐号或信用卡的号码，厂商通过邮购的方式发货，或是通过快递公司送货上门。中国国内的网上购物，一般付款方式是款到发货(直接银行转账，在线汇款)和担保交易则是货到付款等。

当用户浏览购物或服务类平台网站时,需要自行进行搜索查找目标,不仅占用用户时间同时也耗费平台网站的互联网资源。

发明内容

本发明是针对上述现有技术的不足，提供一种实用性强的店铺推荐方法。

本发明进一步的技术任务是提供一种设计合理，安全适用的店铺推荐装置。

本发明进一步的技术任务是提供一种计算机可读介质。

本发明解决其技术问题所采用的技术方案是：

一种店铺推荐方法，以平台自有的历史评论为基础，设置店铺属性并计算店铺属性分值和用户属性偏好值，构建出适用于层次分析法的目标层、准则层和方案层，计算店铺推荐的权重向量，从而给出当前用户的最优推荐店铺。

进一步的，具体分为如下步骤：

S1、设置店铺属性；

S2、计算属性分值；

S3、计算用户属性偏好；

S4、层次分析法计算权重。

进一步的，在步骤S1中，设置店铺维度属性，假设店铺属性一共有t个。

进一步的，在步骤S2中，根据店铺积累的历史评论，统计涉及属性的评论数量及平均分值，若店铺的历史评论中，属性评论一共有n条，评论分值分别为s₁、s₂、s₃…s_n，则店铺属性A分值为：

依次计算平台所用店铺的所用属性分值。

进一步的，在步骤S3中，根据用户的历史评论记录，统计所述用户的偏好属性值，若某用户一共有m条历史评论，其中，提及属性A的评论一共有m₁条，提及属性B的评论一共有m₂，提及属性C的评论一共有m_t条

计算所述用户各属性的偏好值：

将偏好值归一化处理，满足P_A+P_B+…P_C＝1。

进一步的，在步骤S4中，当用户浏览平台网页时，根据用户的当前浏览店铺类型，筛选出浏览店铺类型下的所有店铺，将当前浏览用户作为目标层，店铺属性作为准则层，所有店铺作为方案层，构建判断矩阵，运用层次分析法，计算类型店铺对所述用户的组合权向量，按相对的权重进行倒序展示，权重最高的即为该用户的最优推荐。

一种店铺推荐装置，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行一种店铺推荐方法。