[发明专利]一种基于群体社区的商品推荐方法

说明书

技术领域

本发明涉及技术领域，尤其涉及一种基于群体社区的商品推荐方法。

背景技术

随着信息技术产业以及相关领域的飞速发展，使用互联网的人越来越多，每个人的生活跟互联网的联系也越来越紧密，互联网已经成为了人们生活中不可或缺的一部分。近年来随着微博、微信、电子商务、团购网站的兴起，人们越来越倾向于在网络上进行购物、娱乐、沟通，使得人们和互联网的关系变得更密不可分。在这种趋势下，越来越多人选择在网上购物，中国互联网络信息中心(CNNIC)在北京发布的《第38次中国互联网络发展状况统计报告》显示：对中国网络购物发展情况统计分析，截至2016年6月，我国网络用户规模达到4.48亿，较2015年底增加3448万，增长率为8.3％，我国网络购物市场依然保持快速增长，稳健增长趋势。以国内最大的电子商务公司阿里巴巴为例，2016年双11购物狂欢节中，阿里全天交易额超过1207亿元，用户参与的规模和成交量都创造了历史新高。

随着互联网上信息的急剧增长，一方面人们获得的信息资源越来越丰富，选择越来越多，给人们的生活带来了极大便利；另一方面，面对海量的信息资源，人们时常陷入困惑和迷茫，他们不得不花费大量的时间和精力去寻找符合他们要求且对其有帮助的信息，信息过载现象越来越严重，信息的利用率越来越低。传统的信息服务提供了一些使用信息更便利的方法，但是由于网络信息过于庞大，而用户真正需要的信息只是互联网信息资源中很小的一部分。用户希望在信息海洋中依据自己的喜好、消费习惯、购物特点等为自己定制信息进行推荐。推荐系统是解决信息过载，以及推荐符合用户期望的有效方案。它模拟商场的导购人员，通过明确用户的需求，快速帮助用户找到所需的商品，完成购买过程,同时根据对用户浏览及购买过的商品的分析，推荐系统挖掘用户的个人兴趣偏好，给用户推荐已购买的相关产品，或未购买的但符合用户需求有价值的商品，提高用户的期望度，促进商品的销售。此外，如果推荐的商品符合用户的心意以及需求，那么用户会增加对该电子商务平台的使用，并向身边人推荐该平台以扩大平台的影响，以推动商品销售量扩大竞争力。

产品推荐系统的相关研究和应用在20世纪70年代提出。到了90年代，推荐系统的理论框架比较成熟，但缺乏可用于科学研究的大量实际数据。随着电子商务和社会网络的蓬勃发展，推荐算法成为电子商务推荐系统的核心算法，其科学价值和应用价值日益凸显。推荐算法及其性能评价方法受到包括数学、计算机、社会学、管理学等多个学科研究人员的关注。

国外研究现状：Grundy被公认为第一个投入使用的协同过滤系统，该系统通过建立用户兴趣模型给每个用户推荐相关书籍。TYPESTRY：Xerox PARC研究中心提出的一个研究型协同过滤推荐系统，用于过滤电子邮件、推荐电子新闻。它通过自有的TQL语言，客户查询请求中必须明确指出与自己兴趣爱好相似的其它客户，因此只适用于客户群体比较小的场合。GroupLens建立用户信息群，群内的用户可以发布消息，通过社会信息过滤系统计算用户这件的相似性。其他利用协同过滤算法进行推荐的系统还有Amazon.com的书籍推荐系统，Jester的笑话推荐系统，Phoaks的网页信息推荐系统,MIT媒体实验室开发的Ringo研究型协同过滤推荐系统提供音乐推荐服务。Ringo系统可以向用户推荐他们喜欢的音乐，预测用户不喜欢的音乐，并预测用户对特定音乐的评分等。