[发明专利]电子商务团购推荐方法及系统

权利要求书

1.一种电子商务团购推荐系统，其特征在于，包括：交易数据处理模块、团购商品推荐模块、团购参与用户推荐模块、推荐展示模块；

交易数据处理模块将交易记录处理成用户-商品评分矩阵R，商品-内容属性矩阵I，团购交易网络G；

其中，用户-商品评分矩阵R是一个m*n的矩阵，m是用户数量，n是商品数量，矩阵中数值U_jk表示j用户对k商品的喜好程度，喜好程度U_jk＝α*BUY_jk+β*PV_jk+γ*FAV_jk,BUY_jk表示j用户购买k商品数量，PV_jk表示j用户点击k商品次数，FAV_jk表示j用户收藏k商品次数，α、β、γ分别代表购买数量、点击次数、收藏次数的喜好权重；

商品-内容属性矩阵I是一个n*l的矩阵，n是商品数量，l是商品内容属性数量，矩阵中布尔值i_jk表示j商品是否有k内容属性；

团购交易网络G是一个由t个顶点和e条边构成的图，t是交易记录中所有元素，包括商品、用户、种类、店铺的集合；e是交易记录元素之间所有关联项的集合，一个交易记录中的商品元素与其他任一元素形成一个关联项，其中，i商品为p用户所购买，则i,p,U_ip就是一个关联项；U_ip是i与p的关联值，也作为边的权值，在这里使用的是i对p的喜好程度；

团购商品推荐模块根据用户-商品评分矩阵度量两件商品i与k在用户群体上的相似性S_R(i,k)；

上式中cov(r_i,r_k)表示两件商品评分向量r_i和r_k，即矩阵R的第i列和第k列的协方差，向量r_i中元素均值用表示，标准差用σr_i表示，U是两件商品的共同用户集合；

根据商品-内容属性矩阵计算两件商品在内容上的相似性S_I(i,k)；

通过上式计算，获得商品i和商品k之间关于内容的余弦相似性；

通过融合用户-商品矩阵的相似性和商品-内容属性矩阵的相似性，得到一个综合的商品相似性度量指标Sim(i,k)；

Sim(i，k)＝εS_R(i，k)+(1-ε)S_I(i，k)

上式中ε表示用户-商品评分矩阵的置信度，若一件商品无交易记录，则ε为0，之后根据商品综合相似性度量指标向用户推荐与其交易记录高相似的商品集I；

当发起用户进入交易状态时，系统向用户推荐此次交易的意向参与用户；基于团购拼单交易网络G，选取待交易商品i节点作为意向参与用户基准节点；

首先，选取商品i的近似商品集J(i)，满足θ是一个近似阈值；根据近似商品集选择意向用户候选集；C＝Γ(J₁)∪Γ(J₂)∪……Γ(J_n)，Γ(J₁)表示商品J₁在拼单团购交易网络中所有用户类型的邻居节点；

通过基于路径的近似性度量方法来计算候选集C中用户参与度，即候选用户对于发起用户发起交易的参与意向；参与用户参与意向越高，越有可能参与交易；参与度P计算如下：

csim(i，L)＝∑_T∈Lo sim(i，T)

osim(i，T)＝Π_j∈Tsim(i，j)

P_U→V：P_U→V∈T＝(M^KT)_UV

上式中ε是路径最大复杂度，路径复杂度用路径中商品数量表示，复杂度越大，计算量越大，不应超过3；

csim是一类复杂度下，所有路径中的商品相似度之和；

osim是一种特定路径中，商品相似度之积；数值越高，说明参与度越受这种路径的影响；

P_U→V∈T是在团购拼单交易网络G中T种路径标准下，U到V的路径数量；M是拼单交易网络G的连接矩阵，KT是路径具体长度；

计算出候选集合中所有候选用户的参与度，从大到小排序，选择参与度最高的N个候选用户作为系统推荐参与用户，将他们推荐给发起用户；

通过推荐展示模块，将推荐参与用户显示在发起用户的交易界面上。