[发明专利]一种基于大数据用户行为分析的个性化推荐方法

权利要求书

1.一种基于大数据用户行为分析的个性化推荐方法，其特征在于，所述方法包括以下步骤：

S1、分析用户的基本特征以及近期购物特征，构建用户召回模型，用于评估用户的购买欲望，通过极限梯度提升树xgboost分类器选取有购买欲望的用户作为待推荐用户；

S2、分析商品的销售情况，提取出商品特征，构建商品召回模型，用于评估商品的销售情况；利用xgboost分类器选择具有高成交率商品作为待推荐商品集合；

S3、为待推荐用户集合中的每个用户分别随机匹配待推荐商品集合中的商品，形成用户商品对；

S4、分析用户商品交互行为，提取出用户产品行为特征、用户对同类别商品的排名特征以及不同时间粒度下的行为次数特征，构建个性化商品推荐模型，利用xgboost分类器预测每个用户商品对成交概率，并按照成交概率进行降序排列；

S5、过滤不符合条件的相关用户商品对，并对符合条件的用户商品对执行推荐操作。

2.根据权利要求1所述的一种基于大数据用户行为分析的个性化推荐方法，其特征在于，所述步骤S1包括从总体用户集合中剔除异常行为数据，提取用户近期购物特征，构建用户召回模型，通过xgboost预测得到用户对商品的购买概率，选取输出购买概率大于0.5的用户作为待推荐用户集合。

3.根据权利要求2所述的一种基于大数据用户行为分析的个性化推荐方法，其特征在于，所述用户近期购物特征包括分析用户历史购买记录提取用户行为特征，具体包括用户浏览商品详情页次数、用户加入购物车次数、用户购物车删除次数、用户下单次数、用户删除购物车次数、用户下单次数最大商品类别、用户下单次数最大商品品牌、用户最近浏览商品、用户最近购买商品、用户最近添加购物车商品以及用户最近删除购物车商品。

4.根据权利要求1所述的一种基于大数据用户行为分析的个性化推荐方法，其特征在于，所述步骤S2包括提取商品特征，包括该商品被浏览次数统计、被点击次数、被购买次数、被添加购物车次数、该品牌在同类别中销量排名、该品牌在同类别中销量占比、品牌周一到周日平均每日下单次数、品牌当月最大下单日下单数、品牌当月最小下单日下单数、品牌下单数除以品牌添加购物车数以及品牌下单数处理品牌浏览详情页次数构建商品召回模型，通过xgboost分类器选择成交概率大于0.5的作为待推荐商品集合。

5.根据权利要求1所述的一种基于大数据用户行为分析的个性化推荐方法，其特征在于，所述步骤S3包括将步骤S2得到的待推荐商品集合为每个待推荐用户随机匹配1500个商品组成用户商品对；随后提取用户产品行为特征，包括每天交互频率，最近一次交互时间，起始交互时间，是否添加过购物车，是否购买过，首次交互后两天交互次数，添加购物车前一天交互次数，添加购物车后一天交互次数，末次交互前一天交互次数，近 3 天、5 天、7天、9 天以及11 天的交互情况、首次交互时间、末次交互时间、用户偏好交互时间段以及平均交互时间长度。

6.根据权利要求1所述的一种基于大数据用户行为分析的个性化推荐方法，其特征在于，所述步骤S5包括加入过滤条件，按照过滤条件，过滤掉黑名单用户、过滤不合规商品、过滤敏感词语以及过滤掉敏感商品；并未符合过滤条件的用户商品对执行推荐操作。