[发明专利]移动O2O推荐方法及其系统

说明书

本发明公开一种移动O2O推荐方法：服务器根据消费者的消费清单自动生成消费矩阵，服务器从消费者的历次消费矩阵中，对于同类消费项目在某个频繁消费时间，将商户的商业信息生成消费者可能需要的推送信息，并在合适的时候将该推送信息发送给消费者；通过GPS定位系统，当消费者携带的移动端频繁消费地点可以感知的范围时，则服务器将该推送信息通过移动端发送给消费者。本发明还公开一种实现上述方法的移动O2O推荐系统。本发明能精准推荐，综合了现有常见的基于内容的推荐系统，并在此基础上增加了位置属性，移动感知属性等，有利于商户实现线上线下资源的综合利用，精确实现O2O应用，大大增强用户粘性。

技术领域

本发明涉及一种基于用户智能终端的位置感知，结合历史交易数据在电子商务系统及线下实体店中实现精准移动O2O推荐。

背景技术

目前主流的推荐系统主要分为以下4类：

(1)基于内容的推荐：即通过用户的搜索关键字、在线标准、消费记录等，从后台数据裤中找到最匹配的信息向用户推荐；虽然推荐的准确度很高，无需学习，但其本质依然是被动推荐，无法发现用户的多样化需要。

(2)协同过滤推荐：先将用户分类，再利用分类中其他成员的消费、评价记录，向用户推荐商品。一般分为两种：

1)基于模型：此方法先在训练集上构建某种模型，如统计模型、贝叶斯模型、决策树、概率相关等，并通过该模型向用户推荐信息。这种方法虽然稳定性好、匹配度较高，但是训练时间长、计算复杂性高。

2)启发式：该方法先建立用户消费项目评分矩阵，根据相似用户具有相似偏好的假设进行推荐，通过相似度的计算，如各种距离的计算：欧氏距离、明可夫斯基距离、曼哈顿距离、皮尔森相关系数、Jaccard相似系数等计算，找到与用户兴趣相似的其他用户，并将其他用户的消费项目向目标用户推荐，从而实现协同推荐。虽然能实现多样化推荐，但是存在冷启动问题，即当用户是刚刚加入的新用户时，因为其没有加入其他组，故无法实现推荐。

(3)基于知识的推荐：利用在特定领域中的某些规则或实例实现推荐，虽然不需要建立用户需求偏好模型，但是领域内合理的推理规则很难制定。

(4)组合推荐：综合以上各种推荐方法，目前基于内容的推荐与协同过滤推荐组合比较普遍。

发明内容

有鉴于此，本发明的目的在于提供一种针对位置有效推荐的移动O2O推荐方法。

本发明的目的在于还提供一种针对位置有效推荐的移动O2O推荐系统。

为了达成上述目的，本发明的解决方案是：

一种移动O2O推荐方法，通过以下步骤实现：

1)服务器根据消费者的任一消费清单，自动生成对应的消费矩阵，即：

式中：第i次消费清单生成的第i次消费矩阵，每一行分别表示各消费项目对应的各种消费信息，消费信息包括：名称、数量、时间和地点；

2)服务器从历次所述消费矩阵中，根据同类消费项目的所述数量和所述时间跨度，预测该消费者从第i次消费到第k次消费的时间间隔d内的同类消费项目的平均消费周期t，即：

其中

式中：表示消费者第n次消费，消费第j种消费项目的数量；表示第i次消费的时间，表示第k次消费的时间；

3)根据所述地点统计该消费者在各地点消费的地点频次，设该消费者在设定的时间周期D内，共计在m个所述地方消费，分别为则该消费者在所述地点第i次消费第j种消费项目则地点频次如下：

如果:

对所述地点place排序，计算出消费任一消费项目的地点频次排前的若干个地点；