[发明专利]一种基于大数据的商品推荐方法及装置

权利要求书

1.一种基于大数据的商品推荐方法，其特征在于，包括以下步骤：

步骤A、收集已成交商品的商品数据和用户数据，对所述用户数据进行预处理，形成包含商品数据和用户数据的特征样本；

步骤B、根据所述特征样本构建模型；

步骤C、获取新用户的行为记录数据；

步骤D、为新用户发送排序后的推荐商品数据。

2.根据权利要求1所述的一种基于大数据的商品推荐方法，其特征在于，所述步骤A中：

所述商品数据包括；商品的名称、型号、规格、价格；

所述用户数据包括：用户的个人基本信息、地理位置信息、浏览记录信息、消费记录信息、与所述浏览记录信息、消费记录信息对应的时间信息；

所述预处理包括：数据清洗、填充、归一化在内的操作。

3.根据权利要求1所述的一种基于大数据的商品推荐方法，其特征在于，所述步骤B具体包括：

步骤B1、设置使损失函数极小化的常数值，计算损失函数的负梯度在当前模型的值，作为残差值；

步骤B2、设置回归树的叶节点区域，拟合得出残差值；

步骤B3、利用线性搜索估计节点区域的值，使损失函数极小化；

步骤B4、更新回归树，得到输出的模型。

4.根据权利要求1所述的一种基于大数据的商品推荐方法，其特征在于，所述步骤C中新用户的行为记录数据具体包括：用户的个人基本信息、地理位置信息、浏览记录信息、与所述浏览记录信息对应的时间信息。

5.根据权利要求1所述的一种基于大数据的商品推荐方法，其特征在于，所述步骤D具体包括：

步骤D1、将所述新用户的行为记录数据与所述模型进行关联度匹配，按关联度排序；

步骤D2、根据匹配的结果获取待推荐的商品数据；

步骤D3、将所述待推荐商品按照商品被购买的概率由大到小排列进行排序，生成推荐商品集合；

步骤D4、将所述推荐商品集合的商品数据发送给所述新用户。

6.根据权利要求5所述的一种基于大数据的商品推荐方法，其特征在于，所述步骤D1还包括：

对所述新用户的行为记录数据的地理位置信息、浏览记录信息、与所述浏览记录信息对应的时间信息、用户的个人基本信息按由大到小的顺序赋予不同权重。

7.根据权利要求5所述的一种基于大数据的商品推荐方法，其特征在于，所述步骤D3中商品被购买的概率由如下公式计算获得：

d表示用户购买商品的概率，u表示新用户，in(i)表示指向商品i的商品集合，out(j)表示商品j指向的商品集合，PR(j)表示商品j的被购买概率，PR(i)即为商品i的被购买概率。

8.根据权利要求7所述的一种基于大数据的商品推荐方法，其特征在于，所述商品集合根据大于支持度阈值的商品组成，所述支持度表示商品同时被购买的概率，由如下公式计算获得：

Freq(A∩B)表示商品A和商品B同时被购买的次数，N表示总销售笔数，Support(A∩B)为商品A和商品B同时被购买的概率，即为商品A和商品B的支持度。

9.一种基于大数据的商品推荐装置，其特征在于，包括计算机可读介质，所述介质存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1～8中任一项所述的方法。