[发明专利]基于产品相似度的电子商务推荐系统及其方法

权利要求书

1.一种基于产品相似度的电子商务推荐系统，其特征在于，该系统包括： 

用户搜索日志分析模块，用于针对每一个用户，采用数据挖掘工具分析所述用户的历史搜索记录，获得所述用户基于产品属性的用户行为统计得分； 

产品属性分析模块，用于针对每一个用户，按照公式log₂(因素1)*log₂(因素2)*因素3，获得各产品的产品属性统计得分，其中，因素1为与产品的产品属性组合方式对应的优先级，因素2为基于产品属性的用户行为的统计得分，因素3为当前时间与预设时间的差值； 

用户行为分析模块，用于针对每一个用户，根据基于产品属性的用户行为统计得分计算产品属性组合方式相同的各产品之间的相似度，把相似度值大于预设阈值的产品合并为一个群组，建立相似产品群； 

推荐元素集合模块，用于针对每一个用户，将用户ID作为键，将各个产品属性组合方式中的相似产品的信息作为值，并按照键值对的结构存入缓存中，作为推荐引擎的推荐元素集合； 

搜索推荐引擎模块，用于获取目标推荐用户的用户ID，从推荐元素集合中提取出与该用户ID对应的各个产品属性组合方式中的相似产品的信息，并从中选择排序在前N位的相似产品的信息作为搜索条件进行搜索，并将搜索到的结果推荐给目标推荐用户，N为任意设定的整数。 

2.根据权利要求1所述的系统，其特征在于，所述用户搜索日志分析模块具体包括： 

针对每一个用户，从所述用户的历史搜索日志中提取出用户身份标识ID、用户在搜索产品时选择的产品属性以及用户在搜索到产品后对该产品的点击次数；其中，用户在搜索产品时选择的产品属性包括用户在搜索产品时选择的分类、品牌和型号，以及用户在搜索产品时输入的搜索关键词中的任意一个或任意多个组合； 

针对每一个用户，将产品属性组合方式以及产品属性值都相同的产品的点击次数进行汇总，汇总后的点击次数即为所述用户基于产品属性的用户行为统计得分。 

3.根据权利要求1所述的系统，其特征在于，所述产品属性分析模块还用于，当不同产品的产品属性统计得分相同时，将公式log₂(因素1)*log₂(因 素2)*因素3修正为C+log₂(因素1)*log₂(因素2)*因素3，C为任意设定的一个常数，且，对于不同产品，C的取值不同。 

4.根据权利要求1所述的系统，其特征在于，所述用户行为分析模块包括： 

相似度计算子模块，用于针对每一个用户，按照公式 计算产品属性组合方式相同的各产品之间的相似度；其中，sim(i,j)表示产品i和产品j之间的相似度值，r_u,i表示用户u在搜索产品i时的基于产品属性的用户行为统计得分，r_u,j表示用户u在搜索产品j时的基于产品属性的用户行为统计得分，产品i和产品j的产品属性组合方式相同，表示用户u在搜索产品属性组合方式相同的各产品时的基于产品属性的用户行为统计得分的平均分； 

相似产品群合并子模块，用于将计算得到的相似度值大于预设阈值的产品合并为一个相似产品群，并针对每一种产品属性组合方式中的相似产品群，选出相似度值最大的前k个的最相似的产品，针对k个最相似的产品，按照产品属性统计得分从高到低的顺序进行排序，k为任意设定的整数。 

5.根据权利要求1所述的系统，其特征在于，所述相似产品的信息包括产品的分类ID、品牌ID、型号ID以及用户在搜索该产品时输入的搜索关键词中的任意一个或任意多个组合。 

6.根据权利要求1所述的系统，其特征在于，所述推荐引擎模块的推荐结果包括产品ID、产品标题、产品图片和推荐产品的个数。 

7.根据权利要求1所述的系统，其特征在于，所述推荐引擎模块的推荐模式包括强力推荐和浏览历史推荐，其中，所述强力推荐通过用户ID获得产品的搜索关键词，品牌ID，分类ID，型号ID中任意一个或者任意多个组合并作为搜索条件进行搜索推荐，进而得到产品ID集合，所述浏览历史推荐直接通过用户ID获得是用户浏览记录的产品ID集合。