[发明专利]一种基于交易网络的商家推荐方法

权利要求书

1.一种基于交易网络的商家推荐方法，其特征在于包括以下步骤：

1）整理交易数据并建立交易网络，包括为每个用户，即买家和卖家，建立和维护偏好向量；并根据历史交易记录在用户之间建立交易网络；

2）根据用户交易历史对用户聚类；采用期望最大化算法EM，通过用户偏好向量进行用户聚类，形成偏好相似的用户簇；

3）对交易网络进行社团划分；采用K均值算法KM，根据交易网络中各用户节点的连接模式划分社团；

4）应用随机行走方法实现商家推荐，从买家出发，在社团间随机行走，根据用户簇决定停止概率，完成商家推荐。

2.根据权利要求1所述的基于交易网络的商家推荐方法，其特征在于，上述步骤1）中用户的偏好向量用数组表示：令                                               表示电子商务网站中商品类别的数量；用户的偏好向量为；其中元素（）的定义如下：

。

3.根据权利要求1所述的基于交易网络的商家推荐方法，其特征在于，上述步骤1）中的交易网络是一个有向图，其中表示电子商务网站中的用户集合；有向边集合反映用户之间的交易历史，对于任意两个用户和（），有向边表示用户曾经从用户购买过商品；是一个映射，其中为自然数集，作用是为中的每一条有向边赋予权重；简化处理：有向边的权重表示为，代表向购买商品的次数，若，则，另有。

4.根据权利要求1、2或3所述的基于交易网络的商家推荐方法，其特征在于，上述步骤2）中的EM算法包含两个阶段：E-Step根据用户簇的当前组成计算每个簇的中心点；M-Step将每个用户重新分配到从属概率最高的用户簇；具体过程为：

2.1）考虑E-Step，计算用户簇的中心点，其中表示商品类别的数量，元素的计算公式如下：

其中表示用户簇的规模，即簇中包含的用户数量；是用户的偏好向量中的对应元素，必须属于；

2.2）考虑M-Step，用户属于用户簇的从属概率由表示，为计算，引入背景向量，其中元素的计算公式如下：

其中为用户集合；再引入平滑因子，可设为0.01，取值范围0.001~0.06，交易数据越稀疏，取值越大；计算用户簇的特征向量，其中元素的计算公式如下：

进一步计算系数向量，其中元素的计算公式如下：

基于上述，计算用户属于用户簇的从属概率，公式如下：

将每个用户重新分配到从属概率最大的用户簇中，即：

。

5.根据权利要求4所述的基于交易网络的商家推荐方法，其特征在于，上述步骤2）中采用EM算法完成用户聚类的过程是：首先根据电子商务网站中的用户总数设置用户簇的数量，保证用户簇规模的平均范围为500~3000个用户；随机设定个用户簇，对每一个用户，以均一概率分配到某一个簇中；然后开始迭代：第一步执行EM算法为每一个用户重新分配用户簇；第二步对过大和过小的用户簇做处理，过程是：

2.3）判定过小的用户簇：设定用户簇规模的最小值，一般；如果存在用户簇的规模小于，则解散，其成员以均一概率分配到其他用户簇中；

2.4）判定过大的用户簇：计算所有用户簇规模取对数后的均值，用表示，再计算用户簇规模取对数后的方差值，用表示，如果用户簇满足以下公式：

则过大，在其中随机设定2个用户簇，的每个成员以均一概率分配到一个新簇中；

迭代结束时判断用户簇的组成是否发生变化：如果发生变化，则进入下一次迭代；如果没有发生变化，则迭代结束，输出聚类好的用户簇。