[发明专利]基于协同过滤算法的供应商推荐方法、系统及相关设备在审
| 申请号: | 202210680497.0 | 申请日: | 2022-06-16 |
| 公开(公告)号: | CN114840769A | 公开(公告)日: | 2022-08-02 |
| 发明(设计)人: | 曾俊宁;邢玛丽;鲁仁全;吴元清;叶燕燕 | 申请(专利权)人: | 广东工业大学 |
| 主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06F16/9536;G06Q50/00 |
| 代理公司: | 佛山市禾才知识产权代理有限公司 44379 | 代理人: | 刘羽波;陈嘉琦 |
| 地址: | 510062 广东*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 协同 过滤 算法 供应商 推荐 方法 系统 相关 设备 | ||
1.一种基于协同过滤算法的供应商推荐方法,其特征在于,所述方法包括以下步骤:
S1、构建关于生产商、商品之间的RFMC模型,并计算所述RFMC模型对应的RFMC值,所述生产商和所述商品均包括多种,每一种所述商品对应一个供应商,所述RFMC值包括购买时间跨度R、购买次数F、购买总金额M、购买总量C的四项指标;
S2、对不同的所述RFMC值赋予权重,并根据所述权重对所述RFMC值进行加权求和,得到关于所述生产商、所述商品之间的RFMC评分;
S3、利用所述RFMC评分填充构建关于所述生产商、所述商品之间的评分矩阵;
S4、使用聚类算法对所述评分矩阵进行划分,得到评分子矩阵,并利用Baseline算法结合所述评分子矩阵对所述评分矩阵进行填充,得到填充评分矩阵;
S5、根据所述填充评分矩阵计算不同的所述商品之间的相似度,并构建商品相似度矩阵;
S6、根据所述RFMC模型查询所述生产商购买过的所述商品,并根据所述商品相似度矩阵计算具有高相似度的多种所述商品,将所述商品按照所述供应商的类别进行分组,并获取所述生产商对于所述商品的兴趣度,根据所述相似度和所述兴趣度生成供应商推荐列表。
2.如权利要求1所述的基于协同过滤算法的供应商推荐方法,其特征在于,步骤S1中,计算所述RFMC模型对应的所述RFMC值时,使用的方法为在五分评价法的基础上简化得到的三分评价法。
3.如权利要求1所述的基于协同过滤算法的供应商推荐方法,其特征在于,步骤S2中,使用优序图法对不同的所述RFMC值计算各自的权重。
4.如权利要求1所述的基于协同过滤算法的供应商推荐方法,其特征在于,步骤S4中,所述聚类算法为K-means聚类算法。
5.如权利要求1所述的基于协同过滤算法的供应商推荐方法,其特征在于,步骤S6中,所述供应商推荐列表中,所述供应商的排序策略为Top-N策略。
6.如权利要求1所述的基于协同过滤算法的供应商推荐方法,其特征在于,步骤S6中,定义所述生产商为f,所述商品为c,所述生产商f对于所述商品c的所述兴趣度为Ifc,所述兴趣度Ifc满足如下计算式:
其中,N(f)代表所述生产商f所偏好的所述商品的集合,代表所述商品c1与所述商品c2的所述相似度,代表所述生产商f对所述商品c2的偏好度,X(c1,K)代表与所述商品c1具有最高所述相似度的前K个所述商品的集合。
7.如权利要求6所述的基于协同过滤算法的供应商推荐方法,其特征在于,步骤S6中,定义所述供应商为s,所述生产商f对所述供应商s所具有的厂商兴趣度为Qfs,所述厂商兴趣度Qfs满足如下计算式:
其中,T(s)代表所述供应商s所提供的所有所述商品的集合。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210680497.0/1.html,转载请声明来源钻瓜专利网。





