[发明专利]一种基于用户网上动作信息的推荐方法

说明书

技术领域

本发明涉及电子商务系统技术领域，更具体地涉及一种基于用户网上动作信息的推荐方法。

背景技术

电子商务在日常的商务行为和交易行为中的比重越来越大，也将成为未来商务活动的主要形式之一。目前电子商务系统主要关注交易环节，即模拟传统商务中的商品展示、购物车管理、订单管理、订单结算、电子支付和物流过程管理等，而对于交易前的商品促销过程还相对不足。在电子商务活动中，由于产品的种类繁多，而且新产品层出不穷，消费者在众多产品挑选时可能出现无所适从的情况，所以电子商务系统不应该仅仅模拟交易流程，还应该能够促进交易的达成，所以未来电子商务要有方向性的突破，就需要具备了解用户需求并提供准确产品的能力，这些都有赖于推荐系统的发展。

正因如此，国内外的电子商务理论研究者和实践者非常重视这方面的研究。经过近二十年的发展，推荐技术已经有了很大的进步，也给电子商务系统带来了巨大的商业利益。就现有的推荐技术的理论进展和实践运用来看，推荐技术可以分为三类，即基于内容相似性、用户协作和混和推荐技术(曾春, 刑春晓 et al. 2002; Albadvi and Shahbazi 2009; 黄文荣 and 周长征 2009)。

基于内容相似性的推荐技术是通过推荐给用户与他过去的偏好相似的产品进行的，所以这种推荐技术的关键是研究如何发现和比较“内容/产品”之间的关联性和相似性，然后将和过去所喜欢的东西最相似的东西推荐给被推荐者（Adomavicius和Tuzhilin，2005）。该方式的经典做法是通过多个“关键词”及其权重为“内容/产品”构建描述文件（表现为向量），然后通过计算向量之间的相似度来描述和比较不同的“内容/产品”之间的相似性。其中关键词的权重可用的方法很多，运用最广泛的是词频/反向文档频率法（TF-IDF），计算向量之间的相似度也有多种方法可以运用，向量余弦法是最常用的一种（Michael和Daniel，1997）。

基于用户协作的推荐技术是通过推荐给用户与他最相似的用户过去所喜欢的产品进行的，所以这种推荐技术的关键是如何发现和比较“用户”之间的关联性和相似性，进而找到最相似的用户，并将最相似用户所喜欢的东西推荐给被推荐者（Xiaoyuan和Taghi，2009）。

由于基于内容相似性的推荐技术和基于用户协作的推荐技术都存在很大的局限性，所以研究者尝试将二者结合起来进行混合推荐的办法（Mohammad等，2008）。由于混合推荐技术同时结合了两种推荐技术的优势较单独的一种推荐技术有更高的准确性（Adomavicius和Tuzhilin，2005）。

推荐系统虽然需要借助于数据挖掘的理论和工具，但是推荐系统不是数据挖掘系统的简单运用。推荐系统的目的是运用信息技术在更少代价基础上实现更高效的用户需求和产品之间的匹配。所以，对推荐系统的研究应该建立在了解和掌握用户需求的基础上，特别是电子商务环境下消费者需求特征和需求模式识别的研究基础上。但是，直接对用户需求的了解比较困难，需要借助消费者心理学和行为学的理论，同时结合电子商务环境下用户的行为特征以及信息技术自身的特点进行规划才能更有效的挖掘用户的内在需求。所以，目前的推荐系统多数不是以直接的方式了解用户的需求，并因此识别用户的特征和需求模式，而是以间接的方式完成。这样，推荐系统提供的推荐商品的准确度很低，推荐系统应该克服这种缺陷，加强用户需求的识别能力，提高推荐系统的准确度。

发明内容

本发明就是为了解决以上缺陷的，其目的是提供一种基于用户网上动作信息的推荐方法，能够自动捕捉用户的网上浏览记录，即用户浏览特定网页的时间长度和距推荐时点的长度，并将网页保护的关键词转换为用户的关键词，形成用户关键词向量。随着用户对网站网页的不断浏览，系统能够不断地更新用户的关键词向量。实际上，该关键词向量反应了用户的内在的需求。通过用户关键词向量和产品的关键词向量的相关程度，系统就能够为用户推荐需要的产品。从而节约用户的产品搜索时间，为用户创造更多价值。

一种基于用户网上动作信息的推荐方法，其特征在于，包括如下步骤：

记录用户浏览某个网页的打开时间和离开时间，计算浏览的时间长短和离推荐时点的滞后时间长度；利用浏览网页对应的关键词和浏览行为收集、更新和排序反应用户需求的关键词列表；利用用户关键词列表为用户推荐商品。

根据嵌入现有网页的代码，收集用户的进入页面的时间和退出该网页的信息。