[发明专利]一种商品推荐方法及装置

说明书

本发明提供一种商品推荐方法及装置，其中，方法包括如下步骤：针对每一商品，获取所有用户的购买信息，所述购买信息包括购买、未购买以及购买时间；根据所述用户的购买信息对应每一商品分别建立时间序列；根据所述时间序列重构用户之间的社会关系网络；根据所述社会关系网络和所述购买信息向所述用户推荐对应商品。本发明解决了采用当前商品推荐方式仅能判断出用户当前的购买喜好，不能对用户购物喜好潜在地受到身边社交圈或者人际关系的影响，导致购买倾向发生变化进行事先预测的问题，提高了商品推荐的预见性。

技术领域

本发明涉及计算机网络领域，具体涉及一种商品推荐方法及装置。

背景技术

随着电子商务的不断发展，市场上的电子购物平台越来越多，提供的商品种类也越来越齐全，人们越来越依赖网络购物。因此，商品推荐成为各个电子购物平台以及电子商家的促进销售的方式。

相关技术中，商品推荐一般利用客户的购买历史进行同类商品推荐，但利用此种方式只能推断出购买者当前的购买喜好，事实上，人们的购买喜好会潜在地受到身边社交圈或者人际关系的影响，导致购买倾向发生变化，以往的商品推荐方式不能做到事先预测用户购买喜好的变化以及倾向进行相应的商品推荐。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的商品推荐无法事先预测的缺陷，从而提供一种商品推荐方法及装置。

根据第一方面，本发明实施例提供一种商品推荐方法，包括如下步骤：针对每一商品，获取所有用户的购买信息，所述购买信息包括购买、未购买以及购买时间；根据所述用户的购买信息对应每一商品分别建立时间序列；根据所述时间序列重构用户之间的社会关系网络；根据所述社会关系网络和所述购买信息向所述用户推荐对应商品。

结合第一方面，在第一方面第一实施方式中，所述根据所述用户的购买信息对应每一商品建立时间序列的步骤，包括：针对每一商品，对应每个用户是否购买该商品建立行向量，以购买的时间序列为列向量，建立时间矩阵，如下：

其中，j表示时间序列数，N表示用户数，i表示第i个用户，矩阵中所有数值S_ji表示用户是否购买该商品，S_ji＝1表示用户购买该商品，S_ji＝0表示用户未购买该商品。

结合第一方面，在第一方面第二实施方式中，所述根据所述时间序列重构用户之间的社会关系网络，步骤包括：选取有效的所述时间序列，作为节点状态序列；根据压缩感知算法求解所述节点状态序列，获取节点之间关系变量，所述关系标量表示节点之间的关系；根据所述关系变量建立所述用户之间的社会关系网络。

结合第一方面，在第一方面第三实施方式中，所述根据所述社会关系网络和所述购买信息对所述用户推荐商品，包括：获取任一商品在所述社会关系网络中的用户购买情况；获取与所述用户存在关联的其他用户；向所述社会关系网络中未购买该商品的其他用户进行商品推荐。

结合第一方面第二实施方式，在第一方面第四实施方式中，所述根据压缩感知算法求解所述节点状态序列，获取节点之间关系变量，包括利用压缩感知构建矩阵关系式：

其中，表示第i个用户在tm+1时刻附近用户购买状态的平均值；表示第i个用户在t_m时刻附近购买状态的平均值；λ_i表示用户i购买的该商品的概率；a_iN表示用户i和用户N的关系，取值为0或1，当a_iN＝1时，表示用户i和用户N为好友或者购买爱好相同；当a_iN＝0时，表示用户i和用户N不为好友且购买爱好不相同。