[发明专利]一种电子商务网站中顾客好友关系网络的挖掘方法

说明书

技术领域

本发明涉及电子商务领域，具体涉及一种电子商务网站中顾客好友关系网络的挖掘方法。

背景技术

随着互联网技术的发展，人们越来越多地在网上购物和消费，电子商务行业爆炸式发展。电子商务网站侧重商品的展示、交易、结算以及支付平台的安全性，包含一定的社交功能，如商家和顾客的在线沟通等。然而这种社交业务局限于顾客和商家的交互，对于增加顾客的信任度作用不大，商家也可能会利用这种直接的交互方式欺诈顾客，尽管有其他顾客对商品的评价，但这些顾客之间没有任何联系，商家甚至会强制顾客对商品做出好评。如果这些评价的顾客中有该顾客的好友，那么好友的评价与陌生人的评价相比可信度更高，对该顾客的最终决策具有更重要的导向作用。然而现在的电子商务网站并没有充分利用人与人在现实生活中好友关系，顾客的信任不足已经成为制约电子商务发展发展的重要因素。

顾客的好友关系网络在电商网站中并没有被利用，甚至并不显式存在。针对这一问题，目前业界考虑将电子商务和社交网络融合，把社交网站流量导入到电子商务网站，期望利用社交网络的朋友关系增强人们对电子商务网站的信任度。但是社交网站和电商网站属于独立的平台，架构不同，从技术层面融合颇具难度，而且会涉及商业利益等问题，另外电子商务网站的用户和社交网络的用户重合度未必高。因此构建电子商务网站内部的好友关系将是很好的解决方案，确定好友关系后，熟人评价以及商品推荐等功能将给顾客带来更好的购物体验。在社交网络中用户通过加好友等主动行为建立关系网络并积极参与到和好友的互动中，然而从已有的电子商务网站来看，顾客对社交功能的参与度并不高，用户更关注商品本身，对于好友管理并不主动。

发明内容

发明目的：本发明的目的在于解决现有技术中存在的不足，为了利用熟人评价在电子商务网站中的积极导向作用，增强顾客购物体验，本发明要解决的技术问题是提供一种电子商务网站中顾客好友关系网络的挖掘方法，不需要顾客主动参与好友关系的管理和维护，而是由系统根据消费记录估计得出提供一种电子商务网站中顾客好友关系网络的挖掘方法。

技术方案：本发明的一种电子商务网站中顾客好友关系网络的挖掘方法,包括以下步骤：

(1)数据准备；

(2)数据过滤；

(3)计算影响概率；

(4)挖掘电子商务网站中顾客线下好友关系网络。

进一步的，所述步骤(1)中的数据准备步骤如下：

(11)将要分析的电子商务中用户的好友关系抽象成一个网络，每个顾客表示网络中一个节点，好友关系抽象成边，符号记为G＝(V；E)，其中V为顾客集合，E表示好友关系集合，网络G即为要求解的目标；初始假设所有节点连通，那么N个节点构成的网络中最多有N(N-1)条有向边，最后需要从该全连通网络中筛选出最具影响的K条边，即顾客的好友关系；且两个节点之间只要存在至少一条有向边，则认为这两个节点表示的顾客之间具有好友关系；

(12)建立线上销售记录模型：提取商品刚上架一段时间内的销售记录，构成商品销售数据集，其中每一条销售记录包括商品ID、顾客ID和购买时间，定义(u,t_u)_a为用户u在时间t_u购买商品a，如果顾客没有购买，则t_u＝∞；那么商品a的销售过程便可以用一个集合c_a表示，其中每一个元素为顾客的一条购买记录，所有商品的销售记录用集合C表示；

(13)将销售记录建模为商品在顾客好友关系网络中的流行过程，用户对商品有两种状态：购买或者没购买；顾客购买后即处于活跃状态，反之为非活跃状态；处于活跃状态的顾客会影响自己的好友，使得非活跃状态好友也可能购买该商品，进而该好友也处于活跃状态；所以商品的流行过程便可以建模为活跃顾客以一定概率影响非活跃顾客，使得非活跃状态的好友也变为活跃状态的过程。

进一步的，所述步骤(2)中的数据过滤方法为基于地理位置筛选：顾客在网上购物后，物流服务将商品送至顾客手中，送货地址将成为挖掘用户好友的关系又一因素，因为地理位置靠近的用户在线下会更有可能认识，可以先将同一城市(或其他基于距离的划分方式)的用户预先模糊地划到一起，以此来缩小影响源头的集合。

进一步的，所述步骤(2)中的数据过滤方法为基于时间信息筛选：购买时间距离顾客v的购买时间t_v较近的顾客有更大的可能会影响到顾客v，在商品a的流行过程中设置时间间隔阈值Δ_a，将购买时间早于t_v的所有顾客分为和两个集合；