[发明专利]预测用户对商品的兴趣的方法、装置和广告发布方法

权利要求书

1、一种预测用户对商品的兴趣的方法，其特征在于，所述方法包括步骤：

获取用户对商品的兴趣度的历史时间序列信息；

根据用户对商品的兴趣度的历史时间序列信息确定有关联关系的商品，将有关联关系的商品聚集为一类，并确定每个聚类中的中心商品、及关联商品；

根据聚类的中心商品对应的历史时间序列信息、利用灰色建模获得聚类的中心商品的中心兴趣变化模型；

根据聚类的关联商品对应的历史时间序列信息、利用中心商品和关联商品的关系获得聚类的关联商品的关联兴趣影响模型；

利用中心兴趣变化模型、关联兴趣影响模型预测在下一个时间，用户对中心商品、和/或关联商品的兴趣度，并输出所述预测的在下一个时间用户对中心商品、和/或关联商品的兴趣度。

2、如权利要求1所述的方法，其特征在于，所述根据用户对商品的兴趣度的历史时间序列信息确定有关联关系的商品，将有关联关系的商品聚集为一类，并确定每个聚类中的中心商品、及关联商品的步骤包括：

根据所述历史时间序列信息、利用自组织神经网络对用户有兴趣的商品进行聚类；

将聚类中的神经元确定为中心商品，将聚类中的除神经元之外的其它商品确定为关联商品。

3、如权利要求2所述的方法，其特征在于，所述根据所述历史时间序列信息、利用自组织神经网络对用户有兴趣的商品进行聚类的步骤包括：

设置神经元初始个数、并初始化神经元向量；

根据历史时间序列信息确定各商品的历史时间序列的向量信息与各神经元向量的距离；

根据所述距离将商品添加在相应神经元代表的聚类中，或者将商品创建为新的神经元。

4、如权利要求3所述的方法，其特征在于，所述根据历史时间序列信息确定各商品的历史时间序列的向量信息与各神经元向量的距离的步骤包括：

商品的历史时间序列的向量信息与各神经元向量的距离为：

Dist | | X 1 , X 2 | | = Σ i = 1 n ( X 1 i - X 2 i ) 2 n × Σ i = 1 n | ( X 1 i - X 2 i ) 2 - Σ i = 1 n ( X 1 i - X 2 i ) 2 n | ; ]]>

其中：X₁为商品的历史时间序列的向量信息，X₂为神经元向量，n为根据商品的历史时间序列获得的时间间隔。