[发明专利]一种基于客户行为的商品推荐优化方法

权利要求书

1.一种基于客户行为的商品推荐优化方法，其特征在于，包括以下步骤：

步骤1：客户对所有商品的购买兴趣值，进行初始化；客户对所有商品类别的购买兴趣值，进行初始化；

步骤2：根据畅销商品，调整注册客户的购买兴趣配置文件：包括调整客户对畅销商品的购买兴趣值、调整客户对畅销商品所在类别的购买兴趣值、调整客户对其他商品的购买兴趣值、调整客户对其他类别商品的购买兴趣值；

步骤3：根据客户对推荐商品点击，调整注册客户的购买兴趣配置文件：包括调整客户对该商品的购买兴趣值、调整客户对该商品所在类别的购买兴趣值、调整客户对其他商品的购买兴趣值、调整客户对其他类别商品的购买兴趣值；

步骤4：根据客户对推荐商品的购买，调整注册客户的购买兴趣配置文件：包括调整客户对该商品的购买兴趣值、调整客户对该商品所在类别的购买兴趣值、调整客户对其他商品的购买兴趣值、调整客户对其他类别商品的购买兴趣值；

步骤5：根据客户低关注推荐商品，调整注册客户的购买兴趣配置文件：大幅降低客户对该商品的购买兴趣值、大幅降低客户对该商品所在类别的购买兴趣值；

步骤6：根据客户对推荐商品的关注度，调整商品的推荐位排名；

步骤7：根据客户对商品的购买兴趣值，调整注册客户的购买兴趣配置文件，将购买兴趣值排名靠前的商品，放在推荐位上。

2.根据权利要求1所述的方法，其特征在于，所述步骤1的具体方法为：

buyInterest(u，s)＝clickWeight×clickCount(u，s)+buyWeight×buyCount(u，s)

buyInterestType(u，Type[s])＝type Weight×buyInterest(u，s)

上述公式中，buyInterest(u，s)表示客户u商品s的购买兴趣，clickCount(u，s)，表示客户u对推荐商品s的点击次数，clickWeight表示客户点击推荐商品的权重，buyCount(u，s)，表示客户u对推荐商品s的购买个数，buyWeight表示客户购买推荐商品的权重，typeWeight表示商品类别的权重；

buyInterestType(u，Type[s])表示客户u对商品s所在商品类别的购买兴趣。Type[s]表示商品s所在的商品类别，buyInterest(u，s)表示客户u对商品s的购买兴趣，typeWeight表示商品所在类别的权重。各权重参数的设定，通过机器学习获得，并在系统运行过程中，根据商品推荐效果，不断调整；

初始化的时候，buyInterest(u，S[i])＝iniBuyInterest，buyInterestType(u，Type[j])＝iniInterestType。表示客户u对所有商品的购买兴趣值为iniBuyInterest，对所有商品类别的购买兴趣值为iniInterestType。