[发明专利]一种基于长尾效应的卷烟惊喜度推荐方法及系统

权利要求书

1.一种基于长尾效应的卷烟惊喜度推荐方法，其特征在于：具体包括以下步骤：

S1、数据集选取：根据销售指标对用户进行分档，从分档用户中选取训练集；

S2、建立模型：根据商品和用户的订购行为建立用户概率模型，根据用户概率模型对训练集验证；

S3、计算各用户主题分布的余弦相似度，使用用户主题分布间的余弦相似度来刻画用户相似度；

S4、寻找紧邻用户生成推荐卷烟集合。

2.根据权利要求1所述的基于长尾效应的卷烟惊喜度推荐方法，其特征在于：步骤S1中，选取训练集后，统计用户的卷烟品规订购数量，卷烟品规和订购的数量生成商品层W_i，用户对卷烟品规订购总量为用户订购行为层U_j。

3.根据权利要求2所述的基于长尾效应的卷烟惊喜度推荐方法，其特征在于：步骤S2中，将U_ij作为用户订购卷烟出现的概率，如公式(1)所示

p(θ)＝u_j/w_i (1)

通过用户概率模型分解得到卷烟-主题阵W和主题-用户阵K。

4.根据权利要求3所述的基于长尾效应的卷烟惊喜度推荐方法，其特征在于：步骤S3中，各用户主题分布的余弦相似度计算如公式(2)所示

其中S_ij表示用户u_i和u_j的相似度；U_i和U_j表示两用户的概率主题分布。

5.根据权利要求4所述的基于长尾效应的卷烟惊喜度推荐方法，其特征在于：步骤S4中，通过用户标签取出推荐用户的地理位置，使用K紧邻算法计算地理位置与目标用户最接近的推荐用户，将最接近的推荐用户订购卷烟集合推送给目标用户，K紧邻计算公式如公式(3)所示

其中，目标用户地理位置坐标为P(x₁，y₁)，推荐用户地理位置坐标为Q(x₂，y₂)。

6.一种基于长尾效应的卷烟惊喜度推荐系统，其特征在于：包括以下模块：

数据集选取模块：用于根据销售指标对用户进行分档，从分档用户中选取训练集；

模型模块：用于根据商品和用户的订购行为建立用户概率模型，根据用户概率模型对训练集验证；

各用户主题分布的余弦相似度计算模块：使用用户主题分布间的余弦相似度来刻画用户相似度；

卷烟集合生成模块：用于寻找紧邻用户生成推荐卷烟集合。

7.根据权利要求6所述的基于长尾效应的卷烟惊喜度推荐系统，其特征在于：所述数据集选取模块选取训练集后，统计用户的卷烟品规订购数量，卷烟品规和订购的数量生成商品层W_i，用户对卷烟品规订购总量为用户订购行为层U_j。

8.据权利要求7所述的基于长尾效应的卷烟惊喜度推荐系统，其特征在于：卷烟集合生成模通过用户标签取出推荐用户的地理位置，使用K紧邻算法计算地理位置与目标用户最接近的推荐用户，将最接近的推荐用户订购卷烟集合推送给目标用户。