[发明专利]用户跨网站购物模式信息的抽取系统和方法

权利要求书

1.用户跨网站购物模式信息的抽取方法，其特征在于包括：

A.输入记录着用户在线浏览和购买行为的数据；

B.找出用户频繁购买的商品类别或类别组合，每个这样的类别或类别组合都称为一个项；

C.遍历已有的数据，寻找用户在不同网站上购买的频繁的项集；

D.将寻找到的项集还原成商品类别或类别组合，并作为结果输出。

2.根据权利要求1所述的方法，其特征在于所述步骤A包括从外部数据库中输入记录用户在线浏览和购买行为的数据。

3.根据权利要求1所述的方法，其特征在于所述步骤B进一步包括：

B1.将每个用户所购买的所有商品及购买商品所在的网站组合到一起，成为一个第一数据库(d1)；

B2.对购买的每一种商品类别或类别组合进行计数，且当一个用户在同一个网站上购买了某种商品类别或类别组合时，该类别或类别组合的计数加1；

B3.当某种商品类别或类别组合出现的频率大于某一事先设定的阈值时，则认为该商品类别或类别组合是频繁的；

B4.对每一个频繁的商品类别或类别组合，都用一个项来代替；

B5.将所述第一数据库(d1)中所有频繁的商品类别或类别组合用所述项来替换，并删除不频繁的类别或类别组合，从而形成一个第二数据库(d2)，

其中所述步骤B3中计算商品类别或类别组合出现的频率的公式为：

sup(P|d1)=ΣP⋐Ui1D]]>

其中P表示某一商品类别或类别组合，d1表示所述第一数据库(d1)，U_i表示第i个用户购买的所有商品，D表示所有用户的个数。

4.根据权利要求3所述的方法，其特征在于所述步骤C进一步包括：

C1.在所述第二数据库(d2)中取出所有含有1个项的项集，他们都是由频繁的商品类别或类别组合转换而来，所以他们的频率均大于所述阈值，即所有这些1项集都是频繁的；

C2.用所有频繁的1项集组合出所有可能的2项集，并对这些所有的2项集进行计数；最后检查所有2项集，当某个2项集出现的频率大于所述阈值时，则认为该2项集是频繁的；

C3.用所有频繁的2项集组合出所有可能的3项集；对所有候选的3项集计数；最后检查所有3项集，当某个3项集出现的频率大于所述阈值时，则认为该3项集是频繁的；

C4.用类似3项集的处理方法，来寻找4项频繁集以及更大的频繁项集，直到找不出频繁项集为止。

上述步骤C1-C4中计算每个k项集(k≥2)出现的频率的公式为：

sup(I|d2)=ΣI⋐Ui1D]]>

其中I表示候选的项集，d2表示所述第二数据库(d2)，表示用户U_i在不同的网站上购买了I中的各个项。

5.根据权利要求1所述的方法，其特征在于所述步骤D包括：

将寻找到的频繁的的项集还原成商品类别或类别组合，并作为结果输出。