[发明专利]一种基于支持向量机SVM的电子商务推荐方法

权利要求书

1.一种基于支持向量机SVM的电子商务推荐方法，其特征在于，包括以下步骤：

预先对电子商务商品进行筛选，获取当前周期商品流行度信息和基于商品流行度订单的用户信息；

获取基于商品流行度订单的用户信息，并基于该用户筛选评价信息，其中包括支持向量机分类器筛选用户评价商品的有效信息，包括：

预先获取任意该用户购买的电子商务商品，并进行属性提取使所有的属性变量均为离散型，并构成商品属性变量集合，表示为：

A＝{X₁，X₁，X₁，…，X_M}；

基于P(C_k)的取值进行累计处理，把概率取值P(C_k)较大的确定为该消费者的消费阈值，记为ε_M，相应的消费类型记为衡量指标M，作为改用户的商品推荐有效信息；

基于获取的有效信息，应用支持向量机SVM把评价表示为多维特征向量，填充用户项目矩阵；

基于用户项目矩阵，使用关联推荐算法，计算待推荐对象之间的相似度，并结合用户行为和支持向量机SVM评价预测进行组合预测；

将获取的预测结果作为推荐结果。

2.根据权利要求1所述的基于支持向量机SVM的电子商务推荐方法，其特征在于，步骤获取当前周期商品流行度信息，包括以下步骤：

预先获取每个商品在各时间段内被用户选择的次数并标记；

确定每一个商品的流行性分数，表示为：

其中，S_rec表示第i个商品的流行性分数，C_ij表示商品i在第j段时间内被用户选择的次数，t_j表示j时间段内的选择次数所乘的系数，表示为：

其中，T_j表示从整个时间范围的开始时刻到j时间段最后时刻的时间长度，T_j-1表示从整个时间范围的开始时刻到j-1时间段最后时刻的时间长度，T表示整个时间范围所持续的时间长度。

3.根据权利要求1所述的基于支持向量机SVM的电子商务推荐方法，其特征在于，步骤所述计算待推荐对象之间的相似度，表示为：

其中，S(x，y)为待推荐对象之间的相似度，x，y分别表示两个待计算相似度的待推荐对象，p_ux为用户u对待推荐对象x的评分，p_uy为用户u对待推荐对象y的评分，为用户对待推荐对象x评分的均值，为用户对待推荐对象y评分的均值，uinu_x，y为对待推荐对象x与待推荐对象y进行过评分的用户u。

4.根据权利要求1所述的基于支持向量机SVM的电子商务推荐方法，其特征在于，所述用户评价商品的有效信息，包括商品品牌、商品外观、商品质量、商品用途和商品体验。