[发明专利]一种基于家庭及社区购物大数据的商品推荐的方法及装置

权利要求书

1.一种基于家庭及社区购物大数据的商品推荐的方法，其特征在于，包括：

获取智慧社区中用户的标签信息，所述用户的标签信息包括所述用户的用户标签、家庭标签和社区标签；

根据所述用户标签、家庭标签和社区标签分别确定出所述用户的用户推荐商品列表、家庭推荐商品列表和社区推荐商品列表；其中，每个推荐商品列表中包括各商品的推荐系数；

对所述每个推荐商品列表中的前N个商品进行聚类，并确定出所述每个推荐商品列表中每个类别的特征向量；N为正整数；

根据所述每个推荐商品列表中每个类别的特征向量，确定出所述用户推荐商品列表与所述家庭推荐商品列表中同一类别的相似度以及所述用户推荐商品列表与所述社区推荐商品列表中同一类别的相似度；

根据所述用户推荐商品列表与所述家庭推荐商品列表中同一类别的相似度以及所述用户推荐商品列表与所述社区推荐商品列表中同一类别的相似度，确定出用户购买一类商品的影响系数；

根据所述用户购买一类商品的影响系数，修正所述用户推荐商品列表中的各商品的推荐系数，并将修正后的所述用户推荐商品列表推送给所述用户。

2.如权利要求1所述的方法，其特征在于，根据下述公式(1)确定出用户购买一类商品的影响系数；

其中，SIM_i为用户购买第i类商品的影响系数；a为家庭推荐商品列表对用户推荐商品列表的第一预设影响加权值，为所述用户推荐商品列表与所述家庭推荐商品列表中第i个类别的相似度；为所述用户推荐商品列表中的前N个商品中第i个类别的特征向量；为所述家庭推荐商品列表中的前N个商品中第i个类别的特征向量；b为社区推荐商品列表对用户推荐商品列表的第二预设影响加权值；为所述用户推荐商品列表与所述社区推荐商品列表中第i个类别的相似度；为所述社区推荐商品列表中的前N个商品中第i个类别的特征向量；i为正整数。

3.如权利要求1所述的方法，其特征在于，根据下述公式(2)确定出修正所述用户推荐商品列表中的各商品的推荐系数；

其中，P_x^′为用户推荐商品列表中第x个商品修正后的推荐系数；P_x为所述用户推荐商品列表中第x个商品修正前的推荐系数；x为正整数；SIM_i为所述用户购买i类商品的影响系数；i为正整数；n为所述用户推荐商品列表中第x个商品所属的类别的数量。

4.如权利要求1所述的方法，其特征在于，所述并将修正后的用户推荐商品列表推送给所述用户，包括：

根据所述修正所述用户推荐商品列表中的各商品的推荐系数，将推荐系数按照由大到小的方式将所述用户推荐商品列表中的商品进行排列，生成修正后的用户推荐商品列表，并发送至用户的终端设备，以使所述用户的终端设备向所述用户展示所述修正后的用户推荐商品列表。

5.如权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

分别获取家庭推荐商品列表和社区推荐商品列表中前M个商品，M为正整数；

将家庭推荐商品列表和社区推荐商品列表中前M个商品根据修正后的所述用户推荐商品列表中前K个商品进行商品类别去重，K为n与M的乘积；

将去重后的商品插入到修正后的所述用户推荐商品列表中商品序列靠前的位置；

将商城中L个未在修正后的所述用户推荐商品列表中的商品插入到修正后的所述用户推荐商品列表中商品序列中间的位置，L为正整数；

结合所述去重后的商品与商城中L个商品，生成新的用户推荐商品列表；

将所述新的用户推荐商品列表推送给所述用户。