[发明专利]基于O2O数据的推荐方法和系统

说明书

本发明提供了基于O2O数据的推荐方法和系统，包括：采集业务数据信息，并对业务数据信息在预设时间内进行更新；统计消费数据信息，消费数据信息包括每个商家消费的用户数、同一用户在不同商家消费的用户数和每个用户在不同商家的消费次数；对每个商家消费的用户数和同一用户在不同商家消费的用户数进行计算，得到余玄相似度；根据每个用户在不同商家的所述消费次数，得到用户的兴趣度；根据用户的兴趣度和距离的权重模型，得到用户的偏好度，可以提供更精准的推荐服务，提高用户体验。

技术领域

本发明涉及信息处理技术领域，尤其是涉及基于O2O数据的推荐方法和系统。

背景技术

目前，传统的推荐系统一般是基于线上的用户交易数据，根据线上的用户交易数据获取用户的喜好程度，从而根据用户的喜好程度进行推荐，这种推荐方式通常只考虑线上的用户交易数据，而不考虑线下因素，例如线下服务店铺的位置和距离等信息，例如，推荐的服务距离用户太远，用户很可能就会放弃消费，从而导致用户体验差。

发明内容

有鉴于此，本发明的目的在于提供基于O2O数据的推荐方法和系统，可以提供更精准的推荐服务，提高用户体验。

第一方面，本发明实施例提供了基于O2O数据的推荐方法，所述方法包括：

采集业务数据信息，并对所述业务数据信息在预设时间内进行更新；

统计消费数据信息，所述消费数据信息包括每个商家消费的用户数、同一用户在不同商家消费的用户数和每个用户在不同商家的消费次数；

对所述每个商家消费的所述用户数和所述同一用户在所述不同商家消费的所述用户数进行计算，得到余玄相似度；

根据每个所述用户在所述不同商家的所述消费次数，得到所述用户的兴趣度；

根据所述用户的兴趣度和距离的权重模型，得到所述用户的偏好度。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述对所述每个商家消费的所述用户数和所述同一用户在所述不同商家消费的所述用户数进行计算，得到余玄相似度，包括：

对所述每个商家消费的所述用户数和所述同一用户在所述不同商家消费的所述用户数进行计算，得到第一矩阵和第二矩阵；

根据所述第一矩阵和所述第二矩阵，得到所述余玄相似度。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述根据所述第一矩阵和所述第二矩阵，得到所述余玄相似度，包括：

根据下式计算所述余玄相似度：

其中，W_uv为所述余玄相似度，N(u)∩N(v)为所述第一矩阵，|N(u)|×|N(v)| 为所述第二矩阵。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述根据每个所述用户在所述不同商家的所述消费次数，得到所述用户的兴趣度包括：

根据下式计算所述用户的所述兴趣度：

其中，P_uj为所述用户的兴趣度，N(u)为所述用户喜欢的物品的集合， S(j,k)为是和物品j相似的k个物品的集合，W _ij 是物品j和i的余弦 相似度，r是所述用户u对物品i的兴趣。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述业务数据信息包括用户数据信息、用户消费数据信息和物品数据信息，所述方法还包括：

判断所述用户数据信息或所述物品数据信息是否有更新；