[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

说明书

本发明公开了一种基于长尾效应的卷烟惊喜度推荐方法及系统，属于计算机技术领域。本发明的基于长尾效应的卷烟惊喜度推荐方法包括以下步骤：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。该发明的基于长尾效应的卷烟惊喜度推荐方法能够将客户信息、卷烟销售数据和指标进行建模，挖掘卷烟长尾中的销售机会，增加卷烟销量，具有很好的推广应用价值。

技术领域

本发明涉及计算机技术领域，具体提供一种基于长尾效应的卷烟惊喜度推荐方法及系统。

背景技术

目前卷烟行业的市场行情普遍存在畅销烟、紧俏烟占据了整个卷烟市场80％的销量，特别是一些畅销、紧俏卷烟的限量供应在一定程度上影响到零售客户的运营。如何针对“需求不旺、销量不佳”的品牌，进行营销已迫在眉睫。

“长尾理论”阐述了：只要存储和流通的渠道足够大，需求不旺或销量不佳的产品所共同占据的市场份额可以和那些少数热销产品所占据的市场份额相匹敌甚至更大。也就是说，众多小市场汇聚成的市场能量可与主流大市场相抗衡。本文从“长尾理论”角度出发，将客户信息、卷烟销售数据和指标进行建模，挖掘卷烟长尾中的销售机会，增加卷烟销量。可以采用LDA主题文档模型进行长尾推荐。LDA主题文档模型是一种文档主题生成模型，也称为三层贝叶斯概率模型，传统的LDA主题文档模型为文档-主题-词。所谓生成模型为文档-主题-词三层结构，就是说，我们认为一篇文章的每个词都是通过“以一定概率选择了某个主题，并从这个主题中以一定概率选择某个词语”这样一个过程得到。文档到主题服从多项式分布，主题到词服从多项式分布。但是传统的LDA主题文档模型并不能满足分析卷烟行业行情的需求。

发明内容

本发明的技术任务是针对上述存在的问题，提供一种能够将客户信息、卷烟销售数据和指标进行建模，挖掘卷烟长尾中的销售机会，增加卷烟销量的基于长尾效应的卷烟惊喜度推荐方法。

本发明进一步的技术任务是提供一种基于长尾效应的卷烟惊喜度推荐系统。

为实现上述目的，本发明提供了如下技术方案：

一种基于长尾效应的卷烟惊喜度推荐方法，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。

作为优选，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。

根据各类销售指标对用户进行分档，一般分为30档用户，从30档用户中采用随机抽样的方法，每档用户取200个用户共6000户作为训练集，统计抽样用户各种品规卷烟的订购数量，将各品规卷烟和订购的数量生成商品层W_i。每个用户的对于各品规卷烟订购总量看成客户订购行为层U_j。相同主题下的用户是爱好相近的用户，可以作为长尾推荐的用户。

作为优选，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。