[发明专利]一种最大化利益的热门商品榜单制定方法

说明书

一种最大化利益的热门商品榜单制定方法，包括：步骤1.数据预处理；步骤2.潜在热门上榜商品集的筛选；步骤3.潜在热门商品集的重排序并制定榜单。本发明通过对商品历史特征的分析，而不是简单累加，预测出未来的热门商品榜单，使得该榜单上的商品在第二天的总浏览量达到最高。通过对榜单的准确预测，增加在榜单上物品的总点击量，以此来提升榜单的收益。

技术领域

本发明设计一种最大化利益的热门商品榜单制定方法，属于移动互联网电子商务信息检索与处理技术领域。

背景技术

随着互联网的飞速发展和大数据时代的来临，“数据爆炸”已经是所有用户无法避免的问题。面对琳琅满目的种类和商品，用户很难从中挑选出自己满意的商品。为了解决这个问题，各大应用软件推出了排行榜功能，希望为所有用户群体提供一个方便获取热门信息的入口。拥有这样一个准确推荐的热门物品排行榜单，对于用户和运营商来说都是十分重要的。从用户角度考虑，良好的推荐榜单可以帮助用户很快地从大量物品信息中筛选出用户可能感兴趣的物品，降低了用户查询热门和喜好物品的时间。因此，一个良好的物品推荐榜单服务可以有效地帮助用户提升软件的使用体验。另一方面，从运营商角度考虑，热门物品推荐榜单的精确制订，不仅可以提升运营商的收益(例如每一次热门推荐榜单上物品的点击，就给运营商增加了一次广告的收益)，还可以提升软件的用户粘性，例如当用户在一款阅读软件中刚好完整地阅读完一本电子书，并正在寻找新的符合他喜好的书籍，如果没有及时准确的热门书籍推荐榜单，那么该阅读软件就就很可能会丢失这个用户。

传统的物品排行榜单制订，往往只是基于历史数据进行简单的统计。在制订热门榜单时，物品浏览量常常被认为是最重要的排序指标。通过对物品历史浏览量的统计，对物品进行了一个排序，制订出排行榜单推荐给应用软件日后使用的用户。当然，也有一些排行榜会根据其它的指标对物品的排序进行修整以此来使物品推荐排行榜更加准确，例如物品的上架时间(对新老物品上榜的修整)、物品的流览人数等等。如果随着评级指标和物品量不断地增多，用传统的方法对排行榜进行定制，就会变得非常复杂和耗时。另外，传统的榜单制定方法还有一个很大的缺点：因为传统榜单是基于历史数据的简单统计，所以实际上这样的结果只是反映物品历史热门情况，而无法反映物品在未来时刻的热门情况。这就导致传统热门榜单上的物品实际上并不是在未来会受用户喜欢的TopK商品。

热门商品榜单的制定可以抽象成一个排序任务，即以商品的历史特征作为依据，对商品进行排序。目前在工业界，排序算法在搜索引擎领域已被广泛研究，但是它们并不适用于热门商品榜单制定的场景。在搜索引擎领域，为了返回与用户查询最相关的网页，用户需要输入一些关键字。而在榜单推荐场景中，没有用户输入的关键字作为搜索依据，所以这些常见的搜索排序算法都不能被直接应用于热门推荐排行榜单的制订。在学术界，目前已有一些关于论坛热门问题的排序研究。他们主要通过对问题和回答的历史数据的研究，将用户的行为数据(例如用户对回答的点赞和浏览行为等)也加入到论坛热门问题排行榜的定制过程中，以此来提升排行榜推荐的效果。但是在这些方法中也存在着不足之处，这些排序的结果都是对过去热门的一种展现，并不是对未来可能热门物品的预测。对老旧的热门物品一再推荐，会导致这些旧的物品一直霸占着排行榜，而新上架的热门物品难以上榜的问题。因为老的热门商品累积的浏览量等指标上会远远高于新的热门物品。

因此，如何根据商品历史行为信息来制定一个考虑商品未来的热门程度，从而为运营商制订一个浏览总量最高的热门商品榜单服务仍是一个亟需解决的技术难题。

发明内容

本发明要克服现有技术的缺点，提出一种最大化利益的热门商品榜单制定方法，本发明从商家的利益出发，旨在制定一个商品榜单，使该榜单上的商品在第二天的总浏览量是最高的，从而最大化商家收益。为了实现这样的目的，本发明方法需要准确预测出第二天最受欢迎的TopK件商品并排序，作为上榜商品。最终预测得到的榜单应该具有如下特点：(1)榜单上的商品在第二天的点击量服从从多到少的顺序(2)榜单上商品的在第二天真实的点击量总和是所有商品中最高的。