[发明专利]电子商务网站相关商品推荐系统及其方法

说明书

技术领域

本发明涉及电子商务网站的相关商品推荐领域，特别是涉及电子商务网站的基于购物行为Item的商品推荐技术和基于内容的商品推荐技术。

背景技术

当今时代是信息技术的时代，互联网在人们的生活中占据了相当大的比重，网上购物就是其中之一。为此，电子商务网站都以获得最大利益为目标，用技术和非技术的方法，增加注册顾客、增加订单量、提供优质的服务。在这些前提下，个性化的商品推荐技术应运而生。

目前，国内的一些推荐技术大多采用比较原始的方法。

最原始的方法是“数据库查询”，通过sql语句找到数据库中和顾客浏览、收藏或是购买的商品有相同作者、相同分类、相同主题等的其他一些商品，推荐给顾客。“问卷反馈”方式，通过提问，让顾客回答一些问题，直接了解顾客的喜好，推荐合适的商品。此外还有“关联规则”等等形式的商品推荐方法。以上这些方法，在推荐的准确性、实时性等方面不够理想，推荐的自动化程度和持久性程度低，缺乏个性化。总结起来，目前国内商品推荐存在以下缺点：

缺乏个性化的推荐。很多的推荐结果是针对所有用户的，或者是针对大部分用户的，不是针对某个用户当前行为的个性化的推荐。这些推荐结果中，可能很多的推荐与某些用户的兴趣并不相符。这是我国电子商务推荐的最大缺点。

推荐的自动化程度低。大多数的推荐功能都需要用户经过一段时间与计算机的交互，输入自己的兴趣信息，然后才能得到结果(“问卷反馈”方式)。

推荐的持久性程度低。目前国内大部分的推荐技术都是建立在当前用户会话基础上的，不能利用用户以前的会话信息，推荐的持久性程度非常低，这也是国内推荐技术的一个主要缺点。

推荐方法单一。所运用的大多数推荐策略基本上就是分类浏览和基于内容的检索，缺乏多种推荐策略的混合使用，尤其是缺少个性化的与非个性化的推荐策略的混合使用。

实时性差，不能在线推荐。有的推荐策略不能做到在线推荐，如信函式推荐，推荐结果不能及时反馈给用户。

推荐的局限性大。大部分只能推荐那些有一定销售量、关注量的商品，而对于那些刚刚上架的新进的商品，无所适从——冷开始问题。

发明内容

为了解决以上问题，给顾客推荐他们可能要购买的商品，同时又能推荐新上架的商品，本发明提供一种简便的在电子商务网站使用的方法：

首先使用基于购物历史挖掘的推荐技术，从顾客的实际购物数据出发进行挖掘，得到的相关推荐商品符合顾客客观的实际的购物趋势和兴趣习惯。

然后，使用基于内容挖掘的自然语言处理相关技术，挖掘商品信息的特征词，把商品表示成相关的信息特征向量，根据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。

综上所述，系统由基于购物历史挖掘部分和基于内容挖掘部分构成。第一部分基于购物历史挖掘部分：

如图1所示，本发明系统所使用的功能模块包括：源数据准备模块、数据字段提取模块、计算模型模块、相关商品计算模块。其中的每个部分都是本发明得以实现并成功应用的基础，构成了一个技术系统。

1.源数据准备模块：从数据库中提取一定时间跨度的订单数据、浏览日志、搜索日志等等，能反映“商品-顾客”关系的数据集。

2.数据字段提取模块：提取每条订单中的有用信息，如：购买日期、购买人、购买商品等数据。

3.计算模型模块：通过分析这些数据，建立“商品-顾客”计算模型。

4.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，针对模型中的每个商品，从该商品本身出发，找到购买过它的顾客，再从顾客出发，找到和它存在关系的商品，然后运用核心公式计算这两个商品之间的相似度。

最后，计算完毕后得到每个商品的推荐结果的倒排文件。

具体包括以下步骤：

1)原始数据准备：可以是订单数据，或是浏览日志，搜索日志等等。

2)数据字段提取：取得数据源中有用的计算信息，如时间、人、商品等。

3)建立计算模型：通过分析提取的数据，建立“商品-顾客”计算模型(表示哪些顾客购买了哪些商品、哪些商品被哪些顾客购买过等关系)。

4)相关商品计算模型：用核心计算公式计算每个商品的相关商品集合。

其中，上述步骤4的核心计算公式有很多种选择，比如：

(1)L1-Norm算法：