[发明专利]一种基于位置的易货电子交易商品推荐方法

说明书

技术领域

本发明属于计算机应用技术领域，涉及一种基于用户的协同过滤推荐算法，具体涉及一种基于位置的易货电子交易商品推荐方法。 

背景技术

协同过滤推荐（collaborative filtering recommendation）技术诞生于 1992年，由Goldberg等研究人员提出并应用于Tapestry系统。作为协同过滤推荐系统的雏形，该系统展示了一种新的推荐思想，但存在很多技术上的不足。随后出现了基于评分的自动协同过滤推荐系统，例如推荐新闻和电影的GroupLens。这种自动化的协同过滤系统通过计算用户之间的相似性，而不需要再关注其信息内容便能了解用户的兴趣，同时还能够发现其隐藏兴趣，因此受到了越来越多研究者的关注，在推荐领域中得到了越来越广泛的应用。 

目前的协同过滤推荐算法主要分为两类：基于用户的协同过滤推荐算法和基于项目的协同过滤推荐算法。前者是最早出现的协同过滤算法，也是迄今为止使用最多的协同过滤算法，它以用户-项目评分矩阵中的行数据（用户数据）计算用户之间的相似性，而后者以用户-项目评分矩阵中的列数据（项目数据）计算项目之间的相似性。两种协同过滤算法都是将用户评分矩阵作为其推荐的数据基础，通过计算相似性，从而得到推荐结果。          目前，大多数协同过滤的改进算法都是在这两种协同过滤算法的基础上，特别是基于用户（user-based）的协同过滤基础上产生的。 

在传统电子商务交易中，为了让顾客在短时间内找到自己感兴趣的商品，需要借助于个性化推荐系统。但是若将已有的推荐算法直接应用到现代易货交易平台上，很难取得同样的推荐效果。因为现代易货主要是以物易物的交易，为了获得满意的推荐效果，需要结合现代易货的自身特点进行更多的考虑。 

发明内容

本发明的目的是针对现有技术的不足，提供了一种基于位置的易货电子交易商品推荐方法。 

本发明方法的具体步骤是： 

步骤(1).基于易货环境因素的分析

首先根据两个用户与目标用户的地理位置距离远近，寻找一个与目标用户的地理位置距离较近的用户；若两个用户与目标用户的地理位置距离均在目标用户的考虑范围内，则根据用户提供的待交易商品的价值量匹配程度进行选择所要交易的用户；

所述的两个用户的地理位置可根据用户的IP地址进行定位。

所述的待交易商品的价值量匹配程度为两个用户用来交换的货物的价值量差别。 

步骤(2).基于环境因素的范围参考 

2-1.以目标用户的地理位置为圆心，按不同距离为半径划分为不同的同心圆，例如每增加10公里（具体数值视情况而定）为一个新的范围，这个范围的权重比随着距离的增加而减少。

2-2.为每一个范围创建一个组，这个组里存有这个范围内所有用户的数据，包括用户的地理位置，各个用户提供的待交易商品的价值量。 

2-3.将每个组里各个用户提供的待交易商品的价值量与目标用户的商品进行匹配，该目标用户商品的商品权值随着匹配值差别的增大而减小。 

2-4.将某个组里各个用户提供的待交易商品的商品权值计算出来，再乘以该目标用户的权重比，累加后再乘以该组的权重比即得到该组的权值。 

2-5.比较所有组的权值大小，权值最大的组所代表的范围即为参考范围。 

具体的计算方法可由如下公式表示： 

i表示第i个组，j表示第i个组内所有与目标用户相匹配的待交易商品数量，I_i表示第i个组的权值，W_i表示第i个组的权重比，a_j表示各个待交易商品所对应用户的权重比，b_j表示各个商品的权各个待交易商品的权值。 

步骤(3).筛选用户评价信息 

在参考范围内的所有用户的待交易商品信息与目标用户的商品信息进行比较，得到相似度最高的用户；

步骤(4).基于参考改进的协同过滤算法过程

4-1.构建用户—项目评价矩阵

假定此时参考范围内的用户数量为M，待交易商品数量为N。对评价系统中保存的数据进行整理，得出M个用户分别对N个待交易商品的评价信息。此时可以通过一个M*N的矩阵来表示，在矩阵中的元素r_ij表示的是第个用户对第j个待交易商品的喜爱程度。矩阵表示参见附图3。

4-2.计算相似性