[发明专利]一种适用于电子商务的商品与信息分类推荐方法及系统

说明书

技术领域

本发明涉及互联网领域，特别适用于综合性B2C电子商务网站的商品分类和推荐，也适用于基于B2C电子商务网站的信息分类和推荐。

背景技术

传统实体商店(超市)商品分类方式是按照商品属性进行的，例如食品、化妆品、服装、电器等，每个大的分类还会有小的分类。分类摆放的目的是方便用户(顾客)找到自己需要的商品，当顾客需要几种不同的商品时只要按分类顺序选择购买就能实现。

现有的电子商务网站的商品分类同样遵循实体商店的原则，电子商务鼻祖美国的亚马逊(Amazon)，中国的京东商城、当当网、一号店等等都是按照商品属性进行分类的。同样在电子商务网站购物也和逛实体商店的过程相类似。网站按照商品属性分类方式有一个巨大缺陷，就是当用户想要购买多件商品时，他要把网站所有的商品分类列表点击一遍才能购买到他所有想要的商品，非常费时间并且可能需要做一个需求列表，否则可能会忘记购买某件商品(这在传统超市购物是很普遍的事情)，另外每个用户购买商品的流程也都是一样的，无法达到为每个用户进行个性化商品推荐。

商品不仅要分类，还要根据用户的需求进行有针对性的展示与推荐。目前电子商务网站的商品推荐技术主要有Bayesian网络(Bayesian Network)，关联规则(Association Rules)，聚类(Clustering)，Horting图技术，协同过滤技术(Collaborative Filtering)等等。协同过滤技术和聚类应用最为广泛。在商品推荐技术实践上亚马逊做的是非常出色的。无论哪种技术都是通过用户点击(浏览)或购物或评价以后对用户进行购物需求分析，建立相关算法，然后有针对性的推荐商品。然而现有大多数算法存在着几个主要问题：一、精确性差，因为对用户信息(人群属性)了解的越少推荐的精度就越差；二、数据稀疏和冷启动问题，用户第一次登陆电子商务网站，无法获取相关信息就无法为他进行推荐；三、推荐信息滞后，一个用户已经购买了某种商品仍然进行推荐，例如某位用户在亚马逊购买了一部手机，但当他再次进入该网站后仍然进行相关商品推荐，而用户现在需要的是手机的使用说明或维修点地址等后续服务。

另一方面，现有电子商务网站还无法为用户推荐信息资讯，特别是个性的信息资讯。同样，无论是综合性的门户网站，还是垂直类的资讯网站，用户只能按照网站的标准分类标签进行查找需要的资讯，无法达到为一个或一类用户群进行推荐服务。

发明内容

本发明实施例将提供一种适用于电子商务网站的商品与信息的分类推荐方法及系统，解决现有电子商务网站商品与信息的分类没有个性，推荐不够精准，推荐滞后等问题。

一种适用于电子商务网站的商品与信息的分类推荐方法，方法包括：

1、按人群属性对商品与信息进行分类。根据性别、年龄、职业、工作或生活状态等人群属性对商品及信息资讯进行分类描述，例如剃须刀是男性商品，唇彩是女士商品等，不同于亚马逊、京东商城等按照商品属性(例如图书、影视音乐、手机数码、电脑、软件、食品、母婴等)进行分类，此分类完全针对特定消费者(一类人群)进行。

2、根据人群分类建立人群分类列表。人群分类列表包括人群分类标签，用于用户购物导航。人群分类标签依据人群定义，按年龄分为婴儿、儿童、小学生、中学生、大学生、中年人、老年人等；按性别分为男性和女性；按职业分为家庭主妇、律师、教师等；按身体状态分为肥胖、糖尿病人、身高、脚的尺码等；按行为状态分为走亲访友、出差旅游、装修、滑雪、各种节目等等，总之可定义各种类型，因为每一类人群的需求是相似的。

3、用户点击人群分类标签后，服务器系统自动生成推荐商品列表和推荐信息资讯列表。推荐商品列表和推荐信息资讯列表中的商品与信息资讯都是对应人群可能需要的各种商品组合以及各种信息资讯组合。

推荐商品与推荐信息列表包括以下信息：

类别导航标签(食品、个人护理、清洁用品、信息资讯等)，功能为在用户购物时起导航作用；

商品图片，功能为商品展示作用，与现有电子商务网站的功能相同；

购买按钮，功能为点击购买作用，与现有电子商务网站的功能相同；

替换(更改或更多)按钮，功能为替换其他规格或品牌的商品，方便用户进行选择；

收藏按钮，对需要的信息资讯进行收藏；

分享按钮，将喜欢的商品或信息资讯分享给好友。