[发明专利]电子商务系统中预测流行商品的方法和系统

说明书

技术领域

本发明涉及互联网商品流行趋势预测技术领域，具体来讲，涉及一种电子商务系统中预测流行商品的方法和系统。

背景技术

随着互联网的推广和普及，越来越多的人习惯于在互联网上购买、评论及关注各类商品。而对于提供这些商品的在线服务商而言，预先知道哪些商品在未来一段时间会流行就具有非常重要得意义，同样对于消费个体来说，他们也能根据商品的流行趋势帮助其对商品的选择。

推荐技术在理论和应用层面都具有重大的意义和价值，它不仅是电子商务系统的核心技术，而且是几乎所有WEB应用的必备技术，例如好友推荐，新闻推荐等等。

现有推荐算法通常将注意力集中到系统的微观层面，主要考虑单个用户或者产品找到合适的另一半。事实上，推荐算法不仅能从微观层面上预测单个用户未来可能感兴趣的商品，也能在宏观层面预测商品度的未来演化情况，而且宏观上流行的商品总是会对推荐算法结果产生显著影响。宏观预测可以为用户中的趋势引领者提前提供相关信息来节省他们在众多商品中的搜寻时间，为在线运营商提供库存管理的指导以及为广告商提供广告投放的策略等等。

传统的一些趋势预测方法是根据商品历史或一段时间的流行度的时间序列去预测其未来的流行趋势，然而这类方法存在在以下的问题：一方面由于计算的复杂性，使得在线服务商往往很难将其直接利用到系统中，另一方面传统的方法也不能很好的对前文提到的“潜力商品”进行预测。

本发明将利用推荐算法，把个体用户的微观行为汇聚到宏观的商品流行性。具体而言，若某个商品被广泛的推荐给不同用户，此商品的度在未来将显著增加。这种基于微观的分析方法将使我们得到比基于宏观分析的偏好依附算法更丰富的趋势预测结果。我们将设计合理的整合方法，以达到最好的趋势预测精度。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种能在保证商品流行趋势预测排名的准确性、实时性以及效率的同时，还能提高对“潜力商品”以及商品流行趋势上升或是下降进行预测能力的方法。

本发明提供一种电子商务系统中对商品流行趋势预测的方法，首先按照评分类型对商品进行分类，如：可以对该商品进行评分的为一类，只有“赞”之类二元选择的商品为一类等，选择一类商品，获得该类所有被关注(购买，评论等)过的商品在当前时间段内被关注的次数，统计为流行度向量；再获得该类商品的评分数据，通过流行度向量和评分数据计算出该类所有商品未来一段时间的流行度向量，从而实现发明目的。因而本发明一种电子商务系统中对商品流行趋势预测的方法包括：

步骤1、按评分类型对商品进行分类，选择一类商品，获得当前时间段该类所有被关注过商品的流行度向量，商品的流行度表示为商品被关注的次数；

步骤2、获得步骤1选定的一类商品在当前时间段内系统中所有对该类商品发生评分行为的用户对商品的评分记录，并根据这些评分记录构建用户对商品的评分矩阵；

步骤3、根据该类所有商品在第t个时间段的流行度向量和评分矩阵，预测计算各商品在t+1时间段的流行度，其中t为大于等于1的整数。

其中步骤2中评分矩阵只是其中一种评分表示方法，其它评分表示发方法同样在本专利保护范围内。

其中，所述步骤1中选定一类商品，获得当前时间段该类所有商品的流行度向量，该向量中的第i个元素表示第i个商品在当前时间段的流行度，即该商品在此时间段中被用户关注的次数。

所述步骤1中商品的流行度表示为商品被用户购买、评论或评分等的次数。

根据商品的流行度可以得到商品在该时间段的流行排名，即商品的流行度越大，其排名越靠前。

进一步的，所述步骤1中的时间段可以是周、月、季度等。

所述步骤2的评分矩阵中的每一个元素表示某一用户对某一商品的评分，如评分矩阵第i行第j列元素的值即表示第i个用户对第j个商品的评分值，若用户i未对商品j评分，则其评分值设为0；对于不包含评分的系统，只有“赞”之类二元选择的商品如新闻等，其评分值为只取0和1，即用户对商品发生上述行为的则评分值为1，否则为0；

所述步骤3中利用步骤2得到的评分矩阵及下列公式来计算用户对一类商品的预测评分矩阵：