[发明专利]一种个性化商品推荐系统

说明书

技术领域

本发明涉及商品推荐领域，更具体的讲是一种个性化商品推荐系统。 

背景技术

随时信息量不断的增长和社会生产能力的提高，商家所提供的商品种类和数量与日俱增，面对商品信息的“海洋”，消费者很难快速有效地挑选出他所需要的商品，如何在浏览中唤起消费者的欲望，如何在消费者选购必需商品后继续推荐相关有它有价值的商品，如何提升消费者对商家的忠诚度等问题便摆在了商家面前。在这个背景下，商品推荐系统应运而生，它是根据用户的特征，比如兴趣爱好，推荐满足用户要求的对象，也称个性化推荐系统。 

为了解决上述问题，本发明公开了一种个性化商品推荐系统。协同过滤 (Collaborative Filtering, 简称 CF)是利用集体智慧的一个典型方法。当我们想看个电影，但我们不知道具体看哪部，这时候我们会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。 

本发明是在海量的用户中发掘出一小部分和消费者品位比较类似的，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其它东西组织成一个排序的目录作为推荐给消费者。基于以上内容被发明要解决的核心问题是： 

如何确定一个用户是不是和消费者有相似的品位？

如何将邻居们的喜好组织成一个排序的目录？

协同过滤相对于集体智慧而言，它从一定程度上保留了个体的特征，就是消费者品位偏好，所以它更多可以作为个性化推荐的算法思想。

发明内容

本发明公开了一种个性化商品推荐系统，目的在于在充分了解消费者的购物习惯后，给出最适合的推荐。 

本发明是采取以下技术方案实现的：一种个性化商品推荐系统，包括收集用户偏好、找到相似的用户或物品和计算推荐三个步骤；上述步骤的实现方式首先收集用户偏好信息，然后根据用户的偏好信息找到相似的用户或者物品，最后计算推荐并将结果展示给消费者。 

本发明的实现还包括以下的技术方案： 

上述收集用户偏好步骤的作用是要从用户的行为和偏好中发现规律，并基于此给予推荐，收集用户的偏好信息成为系统推荐效果最基础的决定因素。用户有很多方式向系统提供自己的偏好信息，而且不同的应用也可能大不相同，系统设计人员可以根据自己应用的特点添加特殊的用户行为，并用它们表示用户对物品的喜好。

收集了用户行为数据，还需要对数据进行一定的预处理，进行的预处理后，根据不同应用的行为分析方法，可以选择分组或者加权处理。 

经过以上步骤之后可以得到一个用户偏好的二维矩阵，一维是用户列表，另一维是物品列表，值是用户对物品的偏好，一般是 [0,1] 或者 [-1, 1] 的浮点数值。 

上述找到相似的用户或物品步骤的作用是当已经对用户行为进行分析得到用户喜好后，可以根据用户喜好计算相似用户和物品，然后基于相似用户或者物品进行推荐，这就是最典型的 CF 的两个分支：基于用户的 CF 和基于物品的 CF。这两种方法都需要计算相似度通过相似度的计算方法，我们可以根据相似度找到用户-物品的邻居，常用的挑选邻居的原则可以分为两类： 固定数量的邻居：K-neighborhoods 或者 Fix-size neighborhoods和基于相似度门槛的邻居：Threshold-based neighborhoods。 

上述计算推荐步骤的作用是基于前期计算得到的相邻用户和相邻物品，为用户进行推荐。本发明中基于协同过滤的推荐算法可以分为基于用户的 CF 和基于物品的 CF。 

本发明如果用于电子商务网站，优点和有益效果具体体现在以下几个方面： 

1. 将电子商务网站的浏览者转变为购买者：电子商务系统的访问者在浏览过程中经常并没有购买欲望，个性化推荐系统能够向用户推荐他们感兴趣的商品，从而促成购买过程。

2. 提高电子商务网站的交叉销售能力：个性化推荐系统在用户购买过程中向用户提供其他有价值的商品推荐，用户能够从系统提供的推荐列表中购买自己确实需要但在购买过程中没有想到的商品，从而有效提高电子商务系统的交叉销售。