[发明专利]一种基于用户行为分析的个性化商品推荐方法及系统

说明书

本发明提供了一种基于用户行为分析的个性化商品推荐方法及系统。所述基于用户行为分析的个性化商品推荐方法包括如下步骤：提取商品的属性信息，提取用户对商品的访问行为；通过用户对商品基于时间维度的访问行为，得到衰减因子，所述商品属性信息，建立用户模型；根据用户模型，得到用户在各个属性维度的兴趣属性信息；根据用户兴趣属性信息、商品属性信息和用户对商品的访问行为建立基于商品属性的回归树模型；根据用户的访问记录得到用户的候选推荐商品列表；利用商品属性的回归树模型预测用户的候选推荐商品评分；根据用户对候选推荐商品的预测评分进行排序，将排名较高的商品作为候选推荐推荐给用户。

技术领域

本发明属于计算机技术领域，具体地涉及一种基于用户行为分析的个性化商品推荐方法及系统。

背景技术

随着互联网信息技术的发展，网络服务商为用户提供了诸如新闻、商品、图片、视频、音频、文档等以下统一简称为物品的在线服务。为了更好的为用户提供服务，服务商会记录用户的历史行为，尤其是用户的点击行为。用户对物品的点击行为是分析用户偏好的重要信息，用户对某商品的点击查看次数越多，说明用户对该商品的属性特征越感兴趣。由于每一个用户消费的物品数量有限，如何根据有限的行为数据挖掘用户偏好,进而据此为用户提供推荐是推荐领域面临的重要问题。所谓推荐即是预测用户可能喜欢的商品、按照可能的喜欢程度排序,并把这个商品列表推荐给用户。

目前，个性化推荐系统能够在用户没有明确目的时候，帮助发现那些他们感兴趣但很难发现的商品。但是也存在诸多难点：

1、用户兴趣的量化：正所谓一千个人中有一千个汉姆雷特；个人的兴趣千差万别,如何给出一种能准确量化用户兴趣的指标，用以表征用户的偏好。比如如何判断用户喜欢小户型还是大户型，如何量化对各个维度、标签的偏好程度；

2、用户行为模式挖掘：用户行为的点击数据代表了用户的明确需求,每一次的鼠标点击都是用户本质需求的反应，如何正确衡量不同时间点的鼠标点击权重，如何将用户的点击行为和用户的偏好进行结合；

3、个性化的精准性：如何保证个性化的推荐结果是真正符合用户需求，一直也都是业界都在绞尽脑汁解决的问题。

发明内容

本发明的目的在于针对现有技术的缺陷或问题，提供一种基于用户行为分析的个性化商品推荐方法及系统。

本发明的技术方案如下：一种基于用户行为分析的个性化商品推荐方法包括如下步骤：步骤1：提取商品的属性信息，提取用户对商品的访问行为；步骤2：通过用户对商品基于时间维度的访问行为，得到衰减因子，所述商品属性信息，建立用户模型；步骤3：根据用户模型，得到用户在各个属性维度的兴趣属性信息；步骤4：根据用户兴趣属性信息、商品属性信息和用户对商品的访问行为建立基于商品属性的回归树模型；步骤5：根据用户的访问记录得到用户的候选推荐商品列表；步骤6：利用商品属性的回归树模型预测用户的候选推荐商品评分；步骤7：根据用户对候选推荐商品的预测评分进行排序，将排名较高的商品作为候选推荐推荐给用户。

优选地，步骤1具体包括如下步骤：

步骤1-1：提取得到的商品以及商品的属性信息；所述商品是在不同场景下，待推荐主体；属性信息为：

itemid,category₁:feature₁,category₂:feature₂……category_n:feature_n》

其中itemid表示唯一标识一个商品，category_n:feature_n中category_n表示商品属性的维度，feature_n表示商品属性的值；

步骤1-2：提取得到用户对于商品的访问记录；所述访问记录是用户在不同场景下，所包含的点击、查看行为：