[发明专利]一种基于用户行为的电子商务信息推荐方法与装置

说明书

技术领域

本申请涉及电子商务信息推荐技术领域，尤其涉及一种基于用户行为的电子商务信息推荐方法与装置。

背景技术

随着互联网技术的发展，电子商务蓬勃兴起。电子商务是利用计算机技术、网络技术和远程通信技术，使商务交易中的买卖双方在不需谋面的情况下实现各种商贸活动。要实现商贸交易，买方必须预先获知商品的内容信息以便决策是否购买该商品。商品内容信息包括商品所属行业类目、商品的提供商、商品价格以及与该商品相关的资讯信息等。在电子商务信息交易平台上，获知所述内容信息的方式主要有两种：一种是用户(买方)主动搜索方式，即用户在明确自己的购买需求后，将需求以关键词的形式体现出来，然后利用该关键词在海量的多样性数据中检索，从而获得需要的内容信息；另一种是用户被动接受型，即卖方通过电子商务交易平台向用户推荐商品的内容信息，用户被动接受卖方推荐的商品内容信息后，在该内容信息的导引下购买相关产品。对于第二种方式，商贸交易的卖方为了提高交易成功率，往往不会将自己的所有信息直接推荐给用户，而是首先分析用户过去的行为建立用户偏好数据，然后根据用户偏好针对性地推荐用户可能感兴趣的特定信息。这种推荐方式在电子商务信息交易中能显著提高用户体验，增加卖家曝光的精准度，能有效引导用户迅速成为买家，从而降低交易成本。但是，电子商务信息的信息推荐者进行用户偏好分析时获取的用户历史行为数据可能存在偏差、错误，甚至包括以用户名义恶意引导消费倾向的作弊数据，建立在这些数据基础上的分析结果必然不能真实地反映用户偏好特点，从而导致推荐内容信息偏离用户需求，推荐效果受到影响。另外，由于电子商务网站的信息访问量特别巨大，电子商务网站服务器中存在海量的用户行为数据，针对海量用户行为数据分析得到用户偏好数据对推荐系统自身处理能力是一种严峻考验，海量的用户行为数据减缓了推荐系统的分析处理速度。

发明内容

有鉴于此，本申请的发明目的在于提供一种基于用户行为的电子商务信息推荐方法与装置，通过对用户行为数据的优化，一方面滤除可能存在的“伪数据”以校正用户偏好数据，从而确保根据用户偏好数据推荐的内容信息符合用户的真实偏好；另一方面减少用于用户偏好分析的数据量以提高偏好数据的分析速度，从而确保用户快速的获取到推荐的内容信息。

本申请提供的基于用户行为的电子商务信息推荐方法包括：

统计预设时期内用户行为类型和各行为类型对应的用户行为的频率；

判断用户行为类型数是否超过预设类型阀值，如果是，则保留小于等于预设类型阀值数的用户行为类型；和/或，判断各用户行为的频率是否超过预设频率阀值，如果是，则将预设频率阀值作为该用户行为的频率；

根据上述处理后的用户行为类型和用户行为的频率分析用户行为指向的内容信息，得到用户偏好数据，所述用户偏好数据为各内容信息的频率分布；

利用用户偏好数据向用户推荐内容信息。

本申请还提供了一种基于用户行为的电子商务信息推荐装置，该装置包括：

统计模块、判断模块、偏好分析模块和信息推荐模块，其中：

所述统计模块，用于统计预设时期内的用户行为类型和各行为类型对应的用户行为的频率；

所述判断模块，用于判断用户行为类型数是否超过预设类型阀值，如果是，则保留小于等于预设类型阀值数的用户行为类型；和/或，判断各用户行为的频率是否超过预设频率阀值，如果是，则将预设频率阀值作为该用户行为的频率；

所述偏好分析模块，用于根据上述处理后的用户行为类型和用户行为的频率分析用户行为指向的内容信息，得到用户偏好数据，所述用户偏好数据为各内容信息的频率分布；

所述信息推荐模块，用于利用用户偏好数据向用户推荐内容信息。