[发明专利]电子商务网站相关商品推荐系统及其方法

权利要求书

1.一种电子商务网站相关商品推荐系统，从顾客的购物历史数据和购物内容出发挖掘特征词，利用数学方法建立不同特征向量间的相似关系，得到商品间的相似关系，从而为顾客推荐相关商品，其中顾客的购物历史部分包括：

源数据准备模块：从数据库中提取一定时间跨度的能反映“商品-顾客”关系的数据集；

数据字段提取模块：提取每条订单中的有用信息，建立“商品-顾客”计算模型；

相关商品计算模块：按照商品——购买该商品的顾客——该顾客购买其他商品的关系，运用核心公式计算它们之间的相似度；

最后，得到每个商品的推荐结果的倒排文件；

其中购物内容部分包括：

商品信息初始化模块：读取每条商品相关的信息，建立商品ID和描述信息的对应集；

分词模块：对描述信息进行中文分词，获得分词后的结果；

特征词组模块：计算商品描述信息分词后的特征词组；

特征词模块：计算商品描述信息分词后的特征词；

向量组合模块：将特征词组和特征词表示成商品特征向量的集合；

相关度计算模块：通过特征向量的集合，计算商品间的相似度，作为相关商品的备选集合。

2.如权利要求1所述的一种电子商务网站相关商品推荐系统，其特征在于源数据准备模块是指执行从数据库中提取一定时间跨度的订单数据、浏览日志、搜索日志。

3.如权利要求1所述的一种电子商务网站相关商品推荐系统，其特征在于数据字段提取模块是指执行提取每条订单中的购买日期、购买人、购买商品数据。

4.如权利要求1所述的一种电子商务网站相关商品推荐系统，其特征在于相关商品计算模型是指采用L1-Norm算法、L2-Norm算法、MI1算法、COS算法中的一种或几种组合。

5.一种电子商务网站相关商品推荐方法，包括如下步骤：

(1)处理购物历史数据库中的数据部分：

①从数据库中准备原始数据，

②提取数据源中有用的计算信息数据字段，

③通过分析提取的数据，建立“商品-顾客”计算模型，

④用核心计算公式计算每个商品的相关商品集合；

(2)处理购物商品内容的数据部分：

①准备相关商品的信息，

②对商品信息进行词法分析，得到计算特征词组和特征词的备选集合，

③计算特征词组，把备选词组合作为特征词组，

④计算特征词，对备选词排序，得到备选词的权重，

⑤将特征词组和特征词联合构成代表商品特征的向量集，

⑥计算每个商品的相关商品，并显示推荐的结果给顾客。

6.如权利要求5所述的一种电子商务网站相关商品推荐方法，其特征在于核心计算公式是指采用L1-Norm算法、L2-Norm算法、M11算法、COS算法中的一种或几种组合。

7.如权利要求5所述的一种电子商务网站相关商品推荐方法，其特征在于使用基于n元语法的组合词抽取来计算计算特征词组。

8.如权利要求5所述的一种电子商务网站相关商品推荐方法，其特征在于使用词的TFIDF值来计算词的权重。