一種基于協同過濾的商品推薦方法技術

本發明專利技術公開了一種基于協同過濾的商品推薦方法，其特征在于，包括以下步驟：(1)對每類商品進行分組；(2)計算每個分組中的商品的加權銷量；(3)計算每個分組內的商品與當前客戶瀏覽的商品的屬性的相似度；(4)計算每個分組內的商品的價格與當前客戶瀏覽商品的價格的接近度；(5)計算每個分組內的每個商品的推薦指數，并將每個分組內的所有商品的推薦指數降序輸出。本發明專利技術不僅步驟簡單、方便操作，而且充分考慮到客戶群體的喜好和購買能力，因此能更有效的向消費群體推薦合適客戶的商品，適合推廣使用。

【技術實現步驟摘要】
一種基于協同過濾的商品推薦方法
本專利技術涉及一種商品的推薦方法，尤其涉及一種基于協同過濾的商品推薦方法。
技術介紹
目前，網購商品的推薦方法多是基于商品的相似度和購買歷史進行推薦，因此目前的商品推薦方法沒有考慮到商品的受歡迎程度，即群體的喜好。同時，目前的商品推薦方法還忽略了客戶的購買能力，例如客戶在瀏覽醬香型二鍋頭頁面時，向客戶推薦醬香型茅臺是無效的。
技術實現思路
本專利技術的目的在于克服目前不能有效的向消費群體推薦商品的缺陷，提供一種能有效的向消費群體推薦商品的基于協同過濾的商品推薦方法。本專利技術的目的通過下述技術方案實現：一種基于協同過濾的商品推薦方法，包括以下步驟：(1)對每類商品進行分組；(2)計算每個分組中的商品的加權銷量；(3)計算每個分組內的商品與當前客戶瀏覽的商品的屬性的相似度；(4)計算每個分組內的商品的價格與當前客戶瀏覽商品的價格的接近度；(5)計算每個分組內的每個商品的推薦指數，并將每個分組內的所有商品的推薦指數降序輸出。進一步的，步驟(2)中加權銷量的計算公式為：其中，t為劃分的周期總數，i為分組內的商品編號，Salesiq為商品編號為i的商品在周期q的銷量，θq為商品銷量在周期q的衰減系數。再進一步的，步驟(2)中降序排列分組內的商品的加權銷量，只保留加權銷量排名前N的商品。更進一步的，步驟(3)中相似度的計算公式為：m為分組內的商品屬性的總數，k為商品屬性編號，Ak和Bk分別代表商品A和B是否具有商品編號為k的商品屬性，“∧”指的是按位與，“∨”指的是按位或，Wk代表商品屬性編號為k的商品的屬性所占的權重值。為了更好地實現本專利技術，步驟(4)中接近度的計算公式為：其中，e作為數學常數，是自然對數函數的底數，Pi為分組內的商品的價格，P為當前客戶瀏覽商品的價格。為了確保效果，步驟(5)中推薦指數的計算公式為：RIi＝βi×similarity(Gi,C)×WeightSalesi；其中，Gi指的是商品編號為i的商品，C指的是當前用戶正在瀏覽的商品。本專利技術較現有技術相比，具有以下優點及有益效果：(1)本專利技術不僅步驟簡單、方便操作，而且充分考慮到客戶群體的喜好和購買能力，因此能更有效的向消費群體推薦合適客戶的商品。(2)本專利技術采用衰減后的加權銷量來衡量相似消費群體的喜好程度，并以群體的喜好程度作為商品推薦的參考，因此能更有效的向消費群體推薦合適客戶的商品。(3)本專利技術考慮到大眾消費者的喜好可能發生變化，太久遠的銷量數據不能過多地參考，因此降序排列分組內的商品的加權銷量，只保留加權銷量排名前N的商品，從而能夠更有效的向消費群體推薦合適客戶的商品。具體實施方式下面結合實施例對本專利技術作進一步地詳細說明，但本專利技術的實施方式并不限于此。實施例本專利技術的基于協同過濾的商品推薦方法，首先對每類商品按屬性和價格區間進行分組，然后計算每個分組中的商品的加權銷量，并按加權銷量進行降序排列。其中，所述的加權銷量是指加入衰減機制后的銷量數據，加權銷量的計算公式為其中，t為劃分的周期總數，i為分組內的商品編號，Salesiq為商品編號為i的商品在周期q的銷量，該周期q可以是一周、兩周，也可以是一個月、兩個月或者其他時間周期。θq為商品銷量在周期q的衰減系數，該衰減系數θq可以根據需要進行配置；例如，可以將距今一個月的θq取值為1，將距今兩個月的θq取值為0.85，以此類推逐漸衰減。考慮到大眾消費者的喜好可能發生變化，因此太久遠的銷量數據不能過多地參考。對于每個分組內的商品，只保留加權銷量排名前N的商品，N為≥1的自然數，使用時可以根據需要選擇N為不同的自然數，例如可以選擇N為20、50、100、200或者其他自然數。然后，計算每個分組內的商品與當前客戶瀏覽商品的屬性的相似度，其計算公式為：上述公式中，m為分組內的商品屬性的總數，k為商品屬性編號，屬性編號指的是給商品屬性所編的號。例如，分組內的商品屬性總數為20，即m為20；濃香型編號為1，此時k為1；玻璃瓶裝編號為2······，其中的濃香型和玻璃瓶裝即為商品的屬性，1和2即為給商品屬性為濃香型和玻璃瓶裝所編的號。Ak和Bk分別代表商品A和B是否具有商品編號為k的商品屬性，0代表不具有商品編號為k的商品屬性，1代表具有商品編號為k的商品屬性。“∧”指的是按位與，代表的是交集，即兩類商品都具有的屬性；“∨”指的是按位或，代表的是并集，即兩類商品中其中任何一類商品具有的屬性。Wk代表商品屬性編號為k的商品的屬性所占的權重值，Wk的取值范圍為0<Wk<1，使用時可自行設定該權重值。例如，商品的口味屬性的商品屬性編號為1，其所占的權重值W1為0.3，商品的包裝屬性的商品屬性編號為2，其所占的權重值W2為0.08······。使用時可將用戶更為看重的商品屬性所占的權重值設定得更高，而將用戶不太看重的商品屬性所占的權重值設定得更低。然后，再計算每個分組內的商品的價格Pi與當前客戶瀏覽商品的價格P的接近度βi，其計算公式為：其中，e作為數學常數，是自然對數函數的底數，其值約為2.71828。接近度βi的值介于0.0到1.0之間，當Pi等于P時，βi的值為1.0。再計算每個分組內的每個商品的推薦指數RIi，其計算公式為：RIi＝βi×similarity(Gi,C)×WeightSalesi。其中，Gi指的是商品編號為i的商品，C指的是當前用戶正在瀏覽的商品。最后將計算得出的每個商品的推薦指數RIi降序輸出到推薦商品列表，客戶即可選擇到更適合自己的商品。本專利技術充分考慮到客戶群體的喜好和購買能力，因此能更有效的向消費群體推薦合適客戶的商品。如上所述，便可較好的實現本專利技術。本文檔來自技高網...

【技術保護點】
一種基于協同過濾的商品推薦方法，其特征在于，包括以下步驟：(1)對每類商品進行分組；(2)計算每個分組中的商品的加權銷量；(3)計算每個分組內的商品與當前客戶瀏覽的商品的屬性的相似度；(4)計算每個分組內的商品的價格與當前客戶瀏覽商品的價格的接近度；(5)計算每個分組內的每個商品的推薦指數，并將每個分組內的所有商品的推薦指數降序輸出。

【技術特征摘要】
1.一種基于協同過濾的商品推薦方法，其特征在于，包括以下步驟：(1)對每類商品進行分組；(2)計算每個分組中的商品的加權銷量；(3)計算每個分組內的商品與當前客戶瀏覽的商品的屬性的相似度；(4)計算每個分組內的商品的價格與當前客戶瀏覽商品的價格的接近度；(5)計算每個分組內的每個商品的推薦指數，并將每個分組內的所有商品的推薦指數降序輸出。2.根據權利要求1所述的一種基于協同過濾的商品推薦方法，其特征在于：步驟(2)中加權銷量的計算公式為：其中，t為劃分的周期總數，i為分組內的商品編號，Salesiq為商品編號為i的商品在周期q的銷量，θq為商品銷量在周期q的衰減系數。3.根據權利要求2所述的一種基于協同過濾的商品推薦方法，其特征在于：步驟(2)中降序排列分組內的商品的加權銷量，只保留加權銷量排名前N的商品。4.根據權利...

【專利技術屬性】
技術研發人員：王戀，
申請(專利權)人：丹露成都網絡技術有限公司，
類型：發明
國別省市：四川,51