[发明专利]一种基于大数据的用户购物行为识别方法、储存设备及移动终端

摘要

本发明公开了一种基于大数据的用户购物行为识别方法，适用于计算机设备中执行，该方法包括以下步骤：基础数据准备；用户行为采集：通过采集模块采集用户打开网页时的浏览、点击，收藏、转发和购买的行为数据；用户行为量化：对采集的行为数据进行归类汇总，并建立用户，商品标签以及用户在某个商品标签上的行为关注度函数关系建立用户喜好矩阵：根据用户，商品标签以及用户在某个商品标签上的行为关注度函数关系，建立用户喜好函数：建立用户相似度；商品展示。本发明对用户行为进行了量化处理，并建立用户喜好度和相似度函数，逻辑理论简单，可操作性强，同时考虑了购买场景以及用户参与度，分析结果更为准确。

主权项

一种基于大数据的用户购物行为识别方法，适用于计算机设备中执行，其特征在于，该方法包括以下步骤：基础数据准备：建立商品的标签，多个维度描述商品；建立消费人群标签，多个维度体现用户特征，将建立好的商品的标签和消费人群标签存储到数据库中；用户行为采集：通过采集模块采集用户打开网页时的浏览、点击，收藏、转发和购买的行为数据；用户行为量化：对采集的行为数据进行归类汇总，并建立用户，商品标签以及用户在某个商品标签上的行为关注度函数关系，其公式为：其中：i：表示用户；j：表示商品标签；p：表示操作的类型，共n种操作；T(i,j)：表示用户i在商品标签j上发生的操作次数；T(i,j)p：表示用户i在商品标签j上发生p操作的次数；Wp：表示p操作的的权重，用户的参与度越大，权重越大；Sp：表示发生p操作时的场景系数，该系数越大，表示场景对用户行为的干扰越低；V(i,j)：为用户i在商品标签j上的行为关注度量化值；建立用户喜好矩阵：根据用户，商品标签以及用户在某个商品标签上的行为关注度函数关系，建立用户喜好函数：其中：K(i,j)old：表示用户i对商品标签j历史的喜好度；V(i,j)：为本次操作用户i在商品标签j上的行为关注度量化值；Rj：为商品标签的叠加系数，与商品的消耗频率有关；K(i,j)new：表示发生本次操作后，用户i对商品标签j的喜好度；多个用户喜好度形成用户喜欢矩阵；建立用户相似度：根据所述用户喜好矩阵，形成用户相似度，并根据用户相似度对用户进行分类，用于基于用户的推荐以及基于相似度创建新的人群标签；商品展示：根据所述用户喜好矩阵以及用户相似度，将户喜好度高于60％以及用户相似度高于60％的商品展示给用户。