[发明专利]一种为汽车行业寻找目标用户并匹配目标产品的推荐方法

说明书

本发明涉及计算机技术中的数据处理及推荐，其公开了一种为汽车行业寻找目标用户并匹配目标产品的推荐方法，自动向具有购买意向的目标用户推荐相应汽车产品，从而降低公司营销成本。该方法可以概括为：a.数据的预处理阶段主要是了解并分析系统的任务，然后通过数据清理、集成、简化等步骤，降低原始数据的维数，从而生成供预测阶段使用的目标数据。b.预测阶段主要是根据关联规则发现具有购买意愿的目标用户，然后通过获取目标用户的网上检索记录挖掘或者通过问卷调查的方式了解目标用户相应的属性偏好获得属性向量，最后采用协同过滤算法利用用户‑属性评分矩阵计算用户之间的相似度，从而基于相似度给出预测结果。c.评价阶段对预测结果进行评价。本发明适用于汽车产品推荐。

技术领域

本发明涉及计算机技术中的数据处理及推荐，具体涉及一种为汽车行业寻找目标用户并匹配目标产品的推荐方法。

背景技术

随着网络技术、信息技术和计算机技术飞速发展，早在2010年，全球就进入了大数据时代。那么，如何准确地发现用户的购买偏好并向其进行推荐是本发明的重点。专利CN1629884A提出了一种基于模糊逻辑的信息推荐方法，将目标商品与用户历史消费相匹配，然后输出目标用户对该件商品的兴趣度。该发明能够运用于电视节目、购物和互联网信息的推荐。专利201310433589收集用户偏好信息，然后根据用户的偏好信息找到相似的用户或者物品，最后计算推荐并将结果展示给消费者。

但是，汽车行业不同于一般的零售商品，普通用户不会频繁购买汽车，也就是说任意两个用户可能没有共同的评分项，因此，传统推荐算法可能没有办法发现相似用户。

发明内容

本发明所要解决的技术问题是：提出一种为汽车行业寻找目标用户并匹配目标产品的推荐方法，自动向具有购买意向的目标用户推荐相应汽车产品，从而降低公司营销成本。

本发明解决上述技术问题所采用的方案是：

一种为汽车行业寻找目标用户并匹配目标产品的推荐方法，包括以下步骤：

a.数据预处理阶段：收集用户特征信息、搜索信息和汽车销售信息，经过预处理后存储至目标数据库中；

b.预测阶段：基于关联规则选择目标用户，基于协同过滤方法对用户的偏好进行预测；

c.评价及推荐阶段：对预测结果进行评价，若用户对评价结果满意，则向用户推荐预测的相应类型车辆，若用户对评价结果不满意，则返回步骤b，给出其它预测结果，然后进入步骤c，对预测结果进行评价。

作为进一步优化，所述用户特征信息、搜索信息和汽车销售信息中包含的属性指标包括：用户名称、性别、职业、婚姻状况、一天内浏览汽车网站的次数、每天停留在汽车网站上的时间、在汽车网站上的搜索行为、每款汽车对应的属性信息、收入状况、购车与否。

作为进一步优化，步骤a中，所述经过预处理包括：利用深度学习的方法对缺失数据进行填补，对于类别型数据则可以直接将其映射为新的布尔型数据(如性别可以直接映射成S1，S2，分别代表男和女)；对于数值型数据(如年龄等)，采用C均值模糊分类法将其划分为多个类，产生隶属度矩阵。

作为进一步优化，步骤b中，所述基于关联规则选择目标用户，基于协同过滤对用户的偏好进行预测，具体包括：

基于目标数据库中的数据，根据关联规则发现具有购买意愿的用户作为目标用户，然后通过获取目标用户的网上检索记录挖掘目标用户相应的属性偏好或者通过问卷调查的方式了解目标用户相应的属性偏好，并构建属性向量，最后采用协同过滤算法利用用户-属性评分矩阵计算用户之间的相似度，从而基于相似度给出预测结果。

作为进一步优化，步骤b中，所述根据关联规则发现具有购买意愿的用户作为目标用户，具体包括：首先检索出目标数据库中的所有频繁项集，然后利用频繁项集构造出满足最小信任度的关联规则，根据该关联规则输出具有购买意愿的目标用户。