[发明专利]基于产品相似度的电子商务推荐系统及其方法

说明书

技术领域

本发明涉及计算机应用领域，特别是涉及基于产品相似度的电子商务推荐系统及其方法。

背景技术

传统的协同过滤推荐系统首先搜寻一组与目标用户兴趣相似的用户，这些兴趣相似的用户常称为目标用户的邻居用户。实现过程为通过余弦相似度算法计算目标用户和其他所有用户的兴趣相似度,具体算法为：

T(x,y)=x•y||x||2×||y||2=ΣxiyiΣxi2Σyi2]]>

其中，T(x,y)表示用户x与用户y之间的兴趣相似度值，x,y分别表示用户x和用户y的兴趣向量，x·y表示向量x和向量y的内积值，||x||表示向量x的长度，||y||表示向量y的长度。

利用该算法可以确定目标用户的邻居用户,即，先设定一个兴趣相似度阈值然后再筛选出与目标用户之间的兴趣相似度值大于该兴趣相似度阈值的用户,最后设定一个邻居数P,从筛选出的用户中选择兴趣相度性值最大的前P个用户作为最终的邻居用户。

找到与目标用户兴趣相似的用户(即，邻居用户)之后，再将邻居用户具有而目标用户不具有的兴趣作为共同兴趣推荐给目标用户。

然而，在实现本发明的过程中，本发明的发明人发现现有技术中至少存在如下问题：目标用户的邻居用户和目标用户的共同兴趣并不只是针对产品的兴趣，也可能是针对其它方面的兴趣。如果采用传统的协同过滤推荐系统预测目标用户对产品的兴趣，预测的误差会比较大，相应地，推荐的准确性也会降低(即，推荐给目标用户的产品可能并不是目标用户感兴趣的产品)。

因此，现有的协同过滤推荐系统在推荐的准确性上存在局限性，也就不能实现对产品的精准推荐，不能满足用户从庞大的产品中挑选个性化产品的需求。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于产品相似度的电子商务推荐系统及其方法，以提高推荐的准确性，实现对产品的精准推荐，满足用户从庞大的产品中挑选个性化产品的需求。

本发明实施例公开了如下技术方案：

一种基于产品相似度的电子商务推荐系统，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；