[发明专利]一种有效的动态商品推荐方法及商品推荐系统

说明书

技术领域

本发明属于电子商务领域，主要采用数据库信息检索技术及数据挖掘技术向顾客推荐感兴趣商品。

背景技术

随着信息时代网络技术的发展和网上交易平台的不断完善，网上购物已逐渐成为人们的一种生活习惯。各个电子商务网站瞄准了这一市场，在争夺顾客方面竞争十分激烈。如何提高用户黏性，是电子商务网站要考虑的一个重要问题。除了线下相关的商品质量、快递速度等，线上也有许多方式可吸引客户。为用户进行个性化推荐，不但会使用户更加感兴趣，在一定程度上，还会增加网站的订单量，挖掘潜在客户，提高最终收益。因此，各种个性化的商品推荐技术应运而生。

目前已经商业化的商品推荐技术一般是采用数据库查询的方式，通过在数据库中的搜索，为浏览某种商品用户推荐同类商品。这种推荐方法成本低，有一定作用，但是准确性不够高，针对用户的个性化程度不够明显。而且当用户已经购买某种商品后，再为其推荐同类商品，显然用处不大。当前有关商品推荐的热点主要是基于协同过滤技术的推荐。这种推荐方式基于这样一个认识：购买过许多相似商品的用户具有共同爱好，因此可以为某一用户推荐和他具有共同爱好的其它顾客所购买的商品。这种推荐方式能够挖掘用户的潜在兴趣，个性化和自动化程度非常高；但采用这种推荐技术，需要具备大量的用户数据及历史交易记录，对于初始加入的用户，则无法为其准确地推荐合适的商品。

以上技术都是针对用户浏览时进行的推荐，倾向于挖掘用户的购买潜能。事实上，当用户购买完一件商品后，极有可能会购买相关商品。比如购买完电脑后，会更倾向于再购买一个电脑包；或者在购买帽子之后，会更乐于买一条围巾。根据用户所购买的东西进行下一步推荐，会增加用户实际购买的可能，提高推荐准确率，且推荐内容更加个性化、动态化。这种推荐方式与基于关联规则的推荐颇有相似之处，后者通过大量用户常常购买某几种商品，推断这些商品之间具有一定关联，因此对用户进行推荐。但不同的是，商品之间的关联规则不具有时间上的联系，不能证明买一件商品的用户一定会马上购买另一件商品。且关联规则不仅来自于商品间的潜在关系，也可能来自于用户的兴趣。比如喜欢苹果产品的用户可能购买iphone和iPad，两件商品通过大量的用户购买记录建立起一定的联系。但是很难想象当用户购买iphone之后，为其推荐iPad，用户会立刻大感兴趣，这时推荐一款个性化的iphone手机套会更有用一些。

发明内容

为了弥补一般推荐方法的不足，本发明提供一种根据商品之间的时间关联为商品建立起联系，并提供一种有效且动态性极强的商品推荐方法及推荐系统。

为了解决上述技术问题，本发明的技术方案如下：

一种有效的动态商品推荐方法，包括如下步骤：

1)通过购买记录表记录用户购买商品时的信息；所述信息包括用户名、购买的商品名称、商品分类、购买时间；

2)对于所述购买记录表，以购买者用户名为标准，将商品按照用户名进行分组，并在组内按照商品名称进行排序，形成一张临时记录表，扫描临时记录表，以购买者用户名为基准，抽取出所有同时出现的商品对；

3)将所有相同的商品对进行合并，在合并的时候，加入时间作为权重系数，所述权重系数通过公式(a)来计算第i个用户购买的商品A和B组成商品对

其中wt_ABi表示权重系数，t_iA、t_iB分别表示同一用户购买商品A和B的时间点，k，□都是调节系数，k为正数且其值视时间取值精确程度而定；□为可变量，绝对值取定后，其正负随情况而定，t_A-t_B为正时，□取非负；t_iA-t_iB为负时，□取非正；

4)计算全部商品对的发生频率，对于商品A和B组成商品对的出现频率，采用公式(b)和公式(c)进行计算