[发明专利]一种网购信息推荐方法

说明书

本发明提供一种网购信息推荐方法，属于网购商品推荐技术领域，方法如下，收集用户的已购买的商品数据并分析，根据用户信息设计推荐目标商品和分析目标商品的影响因素，根据已收集的用户的已购买的商品数据计算商品购买的相关属性和影响权重，然后将所有商品性能数据数量与网络销售的推荐目标商品的性能数据对比得到聚类商品性能数据数量，然后结合价格的影响因素即为准确推荐的商品。通过收集已购买商品的数据中提取相应的影响因素，然后从影响的因素和相关的属性中提取用户的购买的兴趣点，根据处理相关属性与推荐商品进行变化趋势的衡量和商品数据筛选，得到推荐商品的性能属性数据，然后再结合用户实际的消费能力和习惯确定推荐的商品。

技术领域

本发明涉及网购商品推荐技术领域，尤其涉及一种网购信息推荐方法。

背景技术

随着电子商务规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。

现在的推荐系统主要是利用用户的历史购买记录和用户的社交网络关系来对用户进行推荐，这些方法只能被动的去预测和推荐用户下一次购买的商品，很少能够去指导或者吸引用户去选择购买一些商品。在现在的推荐方法中，利用了已购买的商品之间的相似性去分析用户的喜好，但是却忽略了已购买的商品内部之间的关系，商品之间不是相互独立的，而是存在依赖关系。比如：我们在选择购买上衣的时候，我们会分析这件上衣是否与已购买中的哪些下装，鞋子，配饰比较协调，然后在选择是否购买。评分高的商品并不是和其他任何商品的组合都是评分高，同理评分中等的商品不是和其他任何商品的组合都是中等，有可能会组合成高评分。这些商品的组合不是简单的线性相加，而是一种非线性的关系，有些商品组合甚至是指数递增的关系。如果考虑购买的东西和已有的商品之间不能够达到最小的匹配度或者是中等匹配，那么购买的这件商品将无法与任何商品搭配协调或者是与任何商品的搭配效果平平，则用户不能最大化对它进行使用，可能这件商品只能够成为“透明的”。

此外，虽然有一些推荐是关于搭配，利用一些人为的搭配准则和图片的卷积，并且产生的这种搭配组合是主观意识上搭配协调的商品组合，并不针对某个特定的目标用户。

发明内容

本发明的目的在于提供一种网购信息推荐方法，解决背景技术中提到的技术问题。

为了实现上述目的，本发明采用的技术方案如下：

一种网购信息推荐方法，所述方法包括如下步骤：

步骤1：收集用户的已购买的商品数据并分析出影响购买的因素数据；

步骤2：根据用户信息设计推荐目标商品，并分析目标商品的影响因素；

步骤3：根据已收集的用户的已购买的商品数据计算商品购买的相关属性和影响权重；

步骤4：将已购买商品相关属性进行趋势比较得到所有商品性能数据数量，然后将所有商品性能数据数量与网络销售的推荐目标商品的性能数据对比得到聚类商品性能数据数量；

步骤5：聚类商品性能数据数量进行求和，然后结合价格的影响因素X_k即为准确推荐的商品。