[发明专利]一种基于用户行为的商品推荐方法及系统

摘要

本发明公开了一种基于用户行为的商品推荐方法及系统，涉及商品推荐技术领域。该方法包括通过APP或者网页对用户的行为进行搜集；当用户进行商品的购买时，判断商品是耐耗品还是易耗品，若是耐耗品，根据点击行为和搜索行为进行物品的聚类，向用户推荐商品；若是易耗品，判断是否有对商品的打分行为，若有，根据对商品的打分行为向用户推荐商品；若没有，则将点击行为、查看商品属性的行为、购买行为、对商品的评价行为转换为对应的隐性评分数据；将所有隐性评分数据经过层次分析法进行加权处理，得到总的隐性评分；根据总的隐性评分，利用协同过滤算法向用户进行商品的推荐。本发明不但推荐的准确度高且符合实际应用需求，用户体验佳。

主权项

一种基于用户行为的商品推荐方法，其特征在于，该方法包括以下步骤：步骤S1：通过APP或者网页对用户的行为进行搜集，所述用户的行为包括：搜索行为、点击行为、查看商品属性的行为、购买行为、对商品的评价行为以及对商品的打分行为，转入步骤S2；步骤S2：当用户进行商品的购买时，判断当前购买的商品是耐耗品还是易耗品，若是耐耗品，转入步骤S3；若是易耗品，则转入步骤S4；步骤S3：根据搜集到的点击行为和搜索行为，进行物品的聚类，根据聚类结果向用户进行商品的推荐；步骤S4：判断搜集到的用户行为中是否有对该商品的打分行为，若有，则转入步骤S5；若没有，则转入步骤S6；步骤S5：直接根据搜集到的对商品的打分行为，按照打分的高低依次向用户进行商品的推荐；步骤S6：通过转换函数，将搜集到的点击行为、查看商品属性的行为、购买行为、对商品的评价行为依次转换为对应的数值分数，即隐性评分数据，转入步骤S7；步骤S7：将转换所得的所有隐性评分数据经过层次分析法进行加权处理，得到总的隐性评分；根据总的隐性评分，利用协同过滤算法向用户进行商品的推荐。