[发明专利]一种用于网上商场系统的混合推荐方法

摘要

本发明请求保护一种用于网上商场系统的混合推荐方法，其包括以下步骤：用户输入购买请求信息，并获取用户的历史购买信息，对所述用户的历史购买信息进行筛选，获取与网上商场及用户相关的信息，得到用户—网上商品评分矩阵，构建历史评分记录集合，构造最终的相似商品集，利用目标商品的相似商品集对用户—网上商品评分矩阵进行填充；并利用相似网上商品来对用户—网上商品评分矩阵进行再次填充，进行网上商品的初步推荐；将用户的历史购买数据分为单维度用户特征值和多维度用户特征值，确定推荐列表。本发明混合推荐方法可以提高商品推荐的准确性。

主权项

1.一种用于网上商场系统的混合推荐方法，其特征在于，包括以下步骤：用户输入购买请求信息，并获取用户的历史购买信息，对所述用户的历史购买信息进行筛选，获取与网上商场及用户相关的信息，得到用户—网上商品评分矩阵，从预设的用户属性项集合中确定出与所述购买请求信息关联的目标属性项，并利用建立的用户—网上商品评分矩阵，为每个用户和每个网上商品端构建历史评分记录集合，同时构建用户集合，按照用户的评分网上商品从大到小对用户集合中的用户排序；按用户在用户集合中的顺序，选取一个评分最高的网上商品作为目标商品；根据用户—网上商品评分矩阵，计算其余商品与目标商品的相似度；选取与目标商品相似度大于第一设定值的商品构建目标用户的优先商品集；计算目标商品与各优先商品的历史共同评分差均值，若两个用户历史本身没有共同商品，则不做计算；选取共同评分差均值小于第二设定值的商品构造最终的相似商品集，利用目标商品的相似商品集对用户—网上商品评分矩阵进行填充；对用户—网上商品评分矩阵中剩下的未填充数据，同样采用相似度阈值法和共同评分差均值来选取最相似网上商品，并利用相似网上商品来对用户—网上商品评分矩阵进行再次填充，进行网上商品的初步推荐；将用户的历史购买数据分为单维度用户特征值和多维度用户特征值，其中，所述单维度用户特征值为能够直观判断用户对推荐算法兴趣度的用户信息，所述多维度用户特征值为多维的、隐形的、不能够直观判断用户对推荐算法兴趣度的用户信息；采用贝叶斯平均算法对所述单维度用户特征值进行计算，获得所述单维度用户的推荐算法兴趣度，其中，采用并行计算方法计算所述单维度用户的推荐算法兴趣度；以及，采用朴素贝叶斯模型对所述多维度用户特征值进行计算，建立多维度用户兴趣模型，并对所述多维度用户兴趣模型进行训练，获得所述多维度用户的推荐算法兴趣度，其中，采用并行计算方法计算所述多维度用户的推荐算法兴趣度；根据所述单维度用户的推荐算法兴趣度和所述多维度用户的推荐算法兴趣度，确定推荐列表，并将所述推荐列表推荐给所述数据库的用户；若和网上商品初步推荐结果有一半一样则按此推荐，若不一样则选取评分第二高的网上商品作为目标商品，重复以上步骤进行填充，直到超过一半相同则推荐商品类别给用户。