[发明专利]一种根据用户的行为数据进行商品推荐的方法

说明书

本发明公开一种根据用户的行为数据进行商品推荐的方法，包括有以下步骤：(1)通过用户的行为记录来对用户进行画像；(2)根据用户和商品的关系生成用户对商品的评分，然后根据协同过滤生成一个用户对商品的评分矩阵；(3)结合用户画像和用户对商品的评分矩阵生成推荐数据。通过利用本发明方法，使得商品推荐更加的精细，能够真正反映用户真正实际想要的商品，更加系统化，实际推荐的商品更加的贴合是用户真正想要的，为商家和用户都带来了方便。

技术领域

本发明涉及电子商务领域技术，尤其是指一种根据用户的行为数据进行商品推荐的方法。

背景技术

随着互联网技术的发展和上网用户人数的激增，网上信息呈指数级增长，信息过载问题日益严重。近年来，作为解决信息过载问题的主要技术——推荐系统得到了广泛的发展和应用。

目前，现有的商城商品推荐不够精细，主要是基于点击次数进行商品推荐，用户对某一商品点击查看次数多，在用户再次打开网页时，该商品的显示顺序就靠前，但此种推荐方法分析考量的维度少，不能真正反映用户真正实际想要的商品，不够系统，实际推荐的商品可能不是用户真正想要的。

发明内容

有鉴于此，本发明针对现有技术存在之缺失，其主要目的是提供一种根据用户的行为数据进行商品推荐的方法，其能有效解决现有之商品推荐方法不够精细的问题。

为实现上述目的，本发明采用如下之技术方案：

一种根据用户的行为数据进行商品推荐的方法，包括有以下步骤：

(1)通过用户的行为记录来对用户进行画像；

(2)根据用户和商品的关系生成用户对商品的评分，然后根据协同过滤生成一个用户对商品的评分矩阵；

(3)结合用户画像和用户对商品的评分矩阵生成推荐数据。

优选的，所述用户的行为记录为浏览、下单、收藏、支付和加入购物车。

优选的，所述生成推荐数据包括有在线生成推荐数据和离线生成推荐数据。

优选的，所述在线生成推荐数据的步骤：通过读取flume或者Kafka的数据生成实时推荐数据的阵列，主要通过用户标签分组和浏览记录生成推荐数据，推荐数据：

A：用户浏览了商品A，直接推荐相关类型商品B给用户；

B：根据用户选择的喜好的商品类型推荐；

B：热门商品；

C：用户是男的，就推荐男士的商品，用户是女士就推荐女士的商品；

推荐权重：

A>B>C；

A占：50％；

B占：40％；

C占：10％；

优选的，所述离线生成推荐数据的步骤：

(3.1)获取用户数据；

(3.2)生成用户和商品的评分；

(3.3)根据协同过滤生成用户和商品的评分矩阵；

(3.4)根据评分来推荐数据。

优选的，所述用户画像字段来源：用户基本属性、用户消费特征、用户价值特征和用户生命周期。

本发明与现有技术相比具有明显的优点和有益效果，具体而言，由上述技术方案可知：