[发明专利]一种向客户推荐商品的方法

说明书

技术领域

本发明属于信息与电子商务技术领域，更为具体来讲，涉及电子商务网站推荐系统中一种向客户推荐商品的方法。

背景技术

随着WEB技术的飞速发展，互联网上的信息越来越丰富。然而，这些繁多的信息在方便人们获取信息的同时，也带来了严重的信息过载问题。所谓信息过载，就是指可用信息过多，甚至超过了个人的思考和处理能力，以至于人们虽然面对一大堆信息，却往往难以确定究竟哪些信息是真正需要的。

为帮助用户从海量的网络数据(信息)中找到有用的信息，有两种方案已被人们广泛采用。

一是使用搜索引擎，比如Google和百度可以根据用户键入的关键词或者关键词组自动寻找相关的信息，并返回经过系统排序后的搜索结果。搜索引擎极大地简化了信息的检索工作，然而这种方法有其固有缺点。比如，搜索是非个性化的，而用户需求是个性化的，这就导致任何人，无论需求如何，只要键入相同的关键字，搜索引擎总是返回相同的结果。

另一种解决信息过载的技术是个性化技术，其中最突出的是信息过滤技术，或称推荐系统。推荐系统采用的推荐方法有多种，其中一种流行的且取得成功应用的是协同过滤推荐技术。

协同过滤推荐技术的基本原理是建立在用户协同的基础上的，也就是说，该技术根据用户以往的历史信息来计算用户之间的相似关系，并认为以前具有相似兴趣或者需求的用户在未来也具有相同或者相似的需求，因此就可以根据其中一些用户发生的行为，比如购买商品(此时用户在电子商务中称之为客户)等，来推断和他相似而暂无该行为的用户可能也会发生相同的行为。如2001年7月24日授权的美国专利US006266649公开了一种基于项目相似性的一种推荐方法。再如2009年08月19日授权公告的，授权公告号为CN 100530185C，名称为“基于网络行为的个性化推荐方法和系统”的中国发明专利采用这种方式，只不过该专利中推荐的文件资源。

协同过滤推荐技术主要分为两大类：基于用户的协同过滤推荐技术和基于项目的协同过滤推荐技术。

基于用户的协同过滤推荐技术通过寻找目标用户的最近邻居，并将这些邻居选择的商品或文件资源等推荐给目标用户。

基于项目的协同过滤推荐技术首先寻找目标用户喜爱商品的相似商品或文件资源等，然后选择最相似的商品或文件资源等推荐给目标用户。经验表明，基于项目的协同过滤推荐技术的准确度通常优于基于用户的协同过滤推荐技术。

在电子商务网站推荐系统中，无论哪种推荐方法都是针对需要推荐的客户给出一个商品推荐列表。现有的推荐技术，比如协同过滤推荐技术首先计算客户与其未选商品之间的预测评分值，然后将预测评分值最高的前K个商品(K可以为5，10，20，50等)推荐给客户。

然而现有技术的这种通用的按照预测评分值排序推荐商品的方法，由于仅仅考虑了单个客户的本次的个性化需求，并没有考虑推荐的商品对整个推荐系统准确率的影响。

发明内容

本发明的目的在于克服现有技术的不足，提供一种在电子商务网站推荐系统中应用的向客户推荐商品的方法，使得商品推荐更为准确。

为实现上述发明目的，本发明向客户推荐商品的方法，包括以下步骤：

(1)、在电子商务网站推荐系统中设置一个客户评分管理模块，用于记录客户已购买的商品和相应的评分值，并构成客户商品评分矩阵R，存储到客户评分数据库中。

该模块还提供检索功能，对任意客户u，从客户评分数据库中读出该客户已购买商品集合：

Ou={ou_1,ou_2,···,ou_nu}]]>

以及对应的评分值集合为：