[发明专利]一种基于历史数据的商品推荐方法及系统

摘要

本发明的技术方案包括一种基于历史数据的商品推荐方法及系统，用于实现：结合目标用户的购物信息，通过用户往期购买物品或者服务的记录，找到与目标用户拥有相似兴趣或者购买记录的用户，再根据聚合拟态函数计算出邻居中用户与目标用户的潜在附着关系大小，根据相关用户的购买信息，得到目标用户的推荐商品信息。本发明的有益效果为：对商品进智能化展示，改善了用户体验，可以提高用户忠诚度，并且在用户购买自己目标商品时可以看到多个与目标商品类似的商品，可以提高用户的消费选择对象，该方法可以减少候选对象的维度，提高服务选着效率，且具有较好的抗干扰能力以及优秀的负载能力，更能贴近用户，增加用户的消费舒适度。

主权项

1.一种基于历史数据的商品推荐方法，其特征在于，包括以下步骤：S100、采集用户的购物信息，录入数据库，其中购物信息包括用户的购买过的商品以及用户的兴趣标签；S200、选取数据库中一定数量的用户作为对比样本，结合目标用户的购物信息，计算目标用户与对比样本中各个用户的相似兴趣值，其中一定数量可自定义；S300、将得到的多个相似兴趣值进行聚合，得到聚合参数矩阵；S400、将对比样本中用户的购物信息进行提取处理，得到样本用户矩阵；S500、将商品信息进行提取处理，得到商品属性矩阵，其中商品信息包括商品类型；S600、根据聚合矩阵、样本用户矩阵以及物品属性矩阵，得到类比矩阵；S700、通过聚合拟态函数计算用户相关性系数，以类比矩阵为基础，结合用户相关性系数，得到目标用户的推荐商品信息。