[发明专利]商品推荐方法

说明书

技术领域

本发明涉及商品推荐技术。

背景技术

随着电子商务规模的不断扩大，商品个数和种类的快速增长，如何从大量商品中选择出自己想要购买的个性化商品，已成为急需解决的问题。个性化商务模式和应用如：个性化定价与促销、个性化新闻、个性化广告、个性化搜索引擎、个性化社交网络等。个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。个性化推荐的目的主要有三个：一是可以将网站访问者转化为购买者；二是提高网站的交叉销售能力；三是提高用户对网站的忠诚度。

发明内容

本发明的目的是提供一种商品推荐方法，能够准确地对用户在电子商务网站上的商品信息及评论信息进行特征好评率分析，并结合客户的兴趣爱好及网购习惯进行商品推荐。

本发明解决其技术问题，采用的技术方案是：商品推荐方法，其特征在于，包括以下步骤：

步骤1、获取电商网站的所有商品及其对应的评论信息，并获取各类商品的关注度；

步骤2、将各商品对应的评论文本进行预处理；

步骤3、根据预处理后的评论文本提取出对应商品的商品特征，并分析所有商品不同商品特征的好评率；

步骤4、按照受关注度的由高到低提取出各类商品与之对应的供选择的商品特征；

步骤5、选择某类商品，并在该类商品与之对应的供选择的商品特征中选择需要的商品特征，然后对选择出的商品特征进行排序；

步骤6、分别计算选择的某类商品下与选择出的商品特征相对应的权重；

步骤7、根据选择出的商品特征在选择的某类商品下所有商品中对应的好评率及其对应的权重计算该类商品下所有商品与用户对该类商品的需求的相似度；

步骤8、按照相似度的由高到低将对应的商品推荐给用户。

进一步的是，步骤1中，所述获取电商网站的所有商品及其对应的评论信息的方法具体如下：

101、从指定的站点开始，以宽度优先搜索算法来获取网页；

102、针对每一个获取到的网页，对其页面源代码进行解析，获取网页内相关的信息，所述相关信息指用户的评论信息；

103、将用户的评论信息写入数据库。

进一步的是，步骤2中，所述预处理具体包括对用户的评价文本进行分词，并对分词标注词性。

进一步的是，步骤3中，提取对应商品的商品特征的具体方法包括以下步骤：

301、在分词结果的基础上，采用关联挖掘算法Apriori在数据库中扫描到出现频率最高的名词和/或名词词组，并将其视为典型特征；

302、对于包含典型特征的评价文本，对出现频率最高的名词和/或名词词组逐一匹配所在评论文本中与之对应的距离最近的形容词，并生成对应的特征向量。

进一步的是，步骤3中，所述分析该商品不同商品特征的好评率的方法具体为：结合情感词典逐一对特征向量所在评论文本中的每一个典型特征进行极性标注，所述极性包括好评和差评。

进一步的是，步骤4和/或步骤5中，某类商品与之对应的供选择的商品特征具体是利用词频统计的方法，从数据库中提取大部分客户最关注的N个商品特征，放到交互界面供客户选择。

进一步的是，步骤6中，所述计算选择的某类商品下与选择出的商品特征相对应的权重的公式具体为：

其中，n为选择的某类商品下选择出的商品特征的总数，i为选择的某类商品下选择出的商品特征中的每一个商品特征的序列号。

进一步的是，步骤7和/或步骤8中，所述相似度的计算公式具体如下：

其中，Sim(j)为选择的某类商品下第j个商品与用户对商品的需求的相似度，α_(j)k为选择的某类商品下第j个商品的第k个商品特征的好评率，ω_k为选择的某类商品下需要的商品特征中的第k个商品特征的权重，n该选择的某类商品下选择出的商品特征的总数。

本发明的有益效果是，通过上述商品推荐方法，根据用户需要选择出某类商品对应商品的商品特征，并根据选择出的商品特征的好评率及其对应的权重计算出对应商品的相似度，并按相似度的由高到低将对应商品推荐给用户，所以能够将关注度高且用户需要的商品准确的推荐给用户。

具体实施方式

下面结合实施例，详细描述本发明的技术方案。

本发明所述商品推荐方法，包括以下步骤：

步骤1、获取电商网站的所有商品及其对应的评论信息，并获取各类商品的关注度；