[发明专利]一种确定用户群体、信息查询及推荐的方法及系统

说明书

技术领域

本发明涉及互联网信息查询领域，尤其涉及一种确定用户群体、信息查询及推荐的方法及系统。

背景技术

电子商务网站的用户类型是各种各样的，有企业用户也有个人用户，企业用户中又可分为原材料商、生产制造商、批发零售商、贸易商等。一般地企业用户的需求相对个人用户会更稳定更聚焦，而原材料商及生产制造商，相对于批发零售商及贸易商需求又更集中，如何识别用户需求的发散程度，如何确定用户属于哪一类用户群体，并根据用户群体需求类型提供商品/资讯信息查询及推荐，对提升推荐引擎系统的准确度及用户体验非常有意义。

现有的推荐系统一般基于用户的兴趣偏好或用户与商品/资讯的相关性来进行商品/资讯信息的推荐。现有的推荐系统算法对各类用户一般是不加区分的，对个人用户、企业用户采用的是同样的推荐算法。如基于用户兴趣偏好的推荐算法，都是根据用户对类目或叶子类目的访问行为量来确定用户感兴趣的类目或叶子类目类别，然后推荐该类目下的优质或新发商品/资讯。基于用户及商品/资讯相关性的推荐算法，首先找到相关的用户或商品，然后在用户浏览某商品时推荐相关度较高的其它商品，或者推荐相关度较高的其它用户当前关注的商品。

发明人在发明过程中，发现现有推荐系统的这些推荐算法对于不同的用户群体，采用的推荐算法都是一样的，采用的推荐算法都要在多个类目中进行查询，这样查询的商品数量较多，查询速度慢；

而且常规的商品推荐方法在应用到互联网行业进行海量数据(如数千万级的用户，上亿级的商品数据)的算法分析时，由于数据量庞大，运算过程复杂，对系统资源要求高，计算时间长，难以满足互联网行业快速响应信息查询的业务要求。

发明内容

本申请实施例提供一种确定用户群体、信息查询及推荐的方法及系统，用于解决现有技术中常规的商品推荐方法在应用到互联网行业进行海量数据的算法分析时，由于数据量庞大，运算过程复杂，对系统资源要求高，计算时间长，难以满足互联网行业快速响应的业务要求问题。

本申请实施例一提供一种确定用户群体的方法，具体包括：

获得一用户在M个叶子类目上的行为记录信息；

对所述行为记录信息进行统计，分析得到所述用户对所述M个叶子类目的M个偏好度值p_i，其中所述M个叶子类目中每个叶子类目对应所述M个偏好度值p_i中的一个偏好度值p_i，所述M为大于等于1的整数；

基于所述M个偏好度值p_i，计算得到所述用户的需求偏好发散度值H；

比较所述偏好发散度值H与第一阈值G，在所述偏好发散度值H小于或等于所述第一阈值G时，将所述用户列入需求聚焦类用户群体。

其中，所述偏好度值p_i具体为：所述用户访问每个叶子类目的行为记录占该用户访问的M个叶子类目的行为记录的比例值；

优选的，为了更准确的确定用户群体，在分析得到所述M个叶子类目的M个偏好度值p_i之后，还包括：

将小于第二阈值的偏好度值p_i对应的叶子类目进行过滤，得到剩下的大于等于第一阈值的偏好度值p_i对应的N个叶子类目；所述N小于等于M；

基于所述N个偏好度值p_i，计算得到所述用户的需求偏好发散度H。

如上所述的方法，所述基于所述N个偏好度值Pi，计算得到所述用户的需求偏好发散度H，具体为：

通过信息熵公式计算得到所述用户的需求偏好发散度值H。

本申请实施例二提供一种信息查询及推荐的方法，具体包括：

基于用户在M个叶子类目上的行为记录信息而获得的在每个叶子类目的偏好度值p_i以及信息熵公式，确定所述用户属于需求聚焦类用户群体；

查询所述需求聚焦类用户群体在聚类商品单元上的行为记录信息，分析得到所述用户需求偏好的聚类商品信息；其中，所述聚类商品单元具体用以存放将S个叶子类目下的商品信息进行聚类而得到的所述聚类商品信息；所述S为大于等于1的整数；

将所述需求偏好的聚类商品信息查询及推荐给所述用户。

其中，所述基于用户在M个叶子类目上的行为记录信息而获得的在每个叶子类目的偏好度值p_i，具体包括：

获得一用户在M个叶子类目上的行为记录信息；