[发明专利]物品推荐引导方法、装置及计算机设备

说明书

本发明公开了一种物品推荐引导方法、装置及计算机设备，该方法包括：采集用户的历史行为数据，根据历史行为数据构建物品‑用户评分矩阵；对所述物品‑用户评分矩阵中的特征值进行向量化处理，得到特征向量；根据所述特征向量分别计算不同物品之间的相似度参数，生成物品相似度矩阵；根据所述物品相似度矩阵中的相似度参数与物品‑用户评分矩阵中的特征值确定每个用户对应的不同物品的推荐度；识别用户的登录操作，将根据所述推荐度确定的推荐物品信息下发给用户终端；本发明通过改进的协同过滤推荐算法进行物品推荐，同时结合室内三边定位方法，给每位用户推送较为准确的目标物品的同时进行实时导航，帮助用户快速准确的找到所需物品。

技术领域

本发明属于互联网技术领域，更具体地，涉及一种物品推荐引导方法、装置及计算机设备。

背景技术

目前全国各地都出现了各种大型商超、图书馆，这种大型商超、图书馆内部物品繁多，用户很难快速找到自己心仪的商品；随着计算机技术的迅速发展，商品管理系统、图书管理系统也在不断的更新换代，个性化推荐就首当其冲，例如各种电商平台、媒体客户端就会进行资源推荐。目前常见的协同推荐算法大多基于用户已有的购买行为进行商品推荐，推荐的产品并不十分贴合用户的感兴趣产品；推荐产品的准确度有待提高；另外，由于室内布置规划复杂，用户找到目标物品也需要浪费较多时间。

发明内容

针对现有技术的至少一个缺陷或改进需求，本发明提供了一种物品推荐引导方法、装置及计算机设备。

为实现上述目的，按照本发明的第一个方面，提供了一种物品推荐引导方法，该方法包括以下步骤：

采集用户的历史行为数据，根据所述历史行为数据构建物品-用户评分矩阵，所述物品-用户评分矩阵中的特征值用于表征每个用户对不同物品的感兴趣度；

对所述物品-用户评分矩阵中的特征值进行向量化处理，得到特征向量；根据所述特征向量分别计算不同物品之间的相似度参数，生成物品相似度矩阵；

根据所述物品相似度矩阵中的相似度参数与物品-用户评分矩阵中的特征值确定每个用户对应的不同物品的推荐度；

识别用户的登录操作，将根据所述推荐度确定的推荐物品信息下发给用户终端。

优选的，上述物品推荐引导方法还包括：

获取用户选择的目标物品，根据所述目标物品的位置信息以及用户当前所处位置进行路径规划，以引导用户按照规划的路径查找目标物品。

优选的，上述物品推荐引导方法，所述根据所述历史行为数据构建物品-用户评分矩阵，包括：

获取预先配置的权重分配表；所述权重分配表中包括不同物品对应的不同类型的用户行为的权重参数，所述用户行为包括搜索行为、导航行为、收藏行为和购买行为；

分别采集每个用户对不同物品执行的历史行为数据，根据所述历史行为数据以及所述权重分配表确定该用户对不同商品的感兴趣度，生成物品-用户评分矩阵。

优选的，上述物品推荐引导方法，所述权重分配表中不同物品对应的同一用户行为的权重可以相同或不同。

优选的，上述物品推荐引导方法，所述根据所述历史行为数据以及所述权重分配表确定该用户对不同商品的感兴趣度之前还包括：

收集每个用户针对不同物品执行的历史行为数据，并基于自定义策略滤除所述历史行为数据中的无效数据。

优选的，上述物品推荐引导方法还包括：根据时间因子对物品-用户评分矩阵中的感兴趣度进行修正，所述时间因子与当前时间距离用户的历史行为发生时间的时间差呈反比。

优选的，上述物品推荐引导方法，采用余弦相似度Cosine 进行相似度参数的计算：