[发明专利]一种基于客户行为的商品推荐优化方法

说明书

技术领域

本发明应用于B2C电子商务的商品推荐系统。能基于客户行为得到反馈信息，发现客户的购买兴趣，调整推荐的商品，有针对性的改进商品推荐系统的性能。

背景技术

随着B2C电子商务的迅猛发展，对商品推荐方法的研究也越发深入，但是从整体上来讲，相关研究还不够成熟，有很大的研究空间。

目前主流的商品推荐方法有两种：(1)、基于内容的推荐方法；(2)、基于协同过滤的推荐方法。这两种推荐方法都有不足之处，需要改进。

(1)、在基于内容的推荐方法中，根据客户u曾经购买过的商品，向客户u推荐类似商品，推荐结果多样性差。对于没有购买过任何商品的新客户，无法推荐商品，存在冷启动问题。自动化特征提取的方法，很难应用于多媒体商品。

(2)、在基于协同过滤的推荐方法中，基于客户购买商品的历史数据，离线计算客户相似度、商品相似度。以客户为行，以商品为列，构成一个矩阵M。如果客户i购买了商品j，那么M[i，j]＝1，否则M[i，j]＝0。

计算方法是通过余弦定理，计算向量之间夹角的余弦。例如商品向量X＝<x₁，x₂，...，x_n>，商品向量Y＝<y₁，y₂，...，y_n>，那么这两个商品向量X、Y之间夹角(设为θ)的余弦计算公式为(cosθ的值越小，商品向量X、Y的相似度越大)：

cosθ=X→·Y→|X→||Y→|=x1y1+x2y2+...+xnynx12+x22+...+xn2y12+y22+...+yn2]]>

上述方法存在数据稀疏问题和冷启动问题(新客户问题、新商品问题)。只能离线计算，不能在线更新，计算结果的更新有延迟。不够个性化，没有考虑客户的购买兴趣有很大的差别，并且客户的购买兴趣是不停变化的。

发明内容