[发明专利]一种基于位置的易货电子交易商品推荐方法

摘要

本发明涉及一种基于位置的易货电子交易商品推荐方法。传统的自动化的协同过滤推荐算法直接应用到现代易货交易平台上，很难取得同样的推荐效果。因为现代易货主要是以物易物的交易，为了获得满意的推荐效果，需要结合现代易货的自身特点进行更多的考虑。本发明通过分析现代易货需要着重考虑的环境因素，基于这些环境提出了对于推荐算法范围的参考，然后通过计算得出这个范围，在范围内筛选出用户的评价信息，接着构建基于这些评价信息的矩阵，在矩阵中计算用户之间的相似度从而得到目标用户的相邻用户集，最后对相邻用户的评价信息排序即可得到所要的推荐结果。本发明方法具有简单快速、方便可靠的优点。

主权项

一种基于位置的易货电子交易商品推荐方法，其特征在于该方法包含以下步骤：步骤(1)、基于易货环境因素的范围参考：1‑1以目标用户的地理位置为圆心，按不同距离为半径划分为不同的同心圆；1‑2为每一个范围创建一个组，这个组里存有这个范围内所有用户的数据，包括用户的地理位置，各个用户提供的待交易商品的价值量；1‑3将每个组里各个用户提供的待交易商品的价值量与目标用户的商品进行匹配，该目标用户商品的商品权值随着匹配值差别的增大而减小；1‑4将某个组里各个用户提供的待交易商品的商品权值计算出来，再乘以该目标用户的权重比，累加后再乘以该组的权重比即得到该组的权值；具体的计算方法由如下公式表示：i表示第i个组，j表示第j个与目标用户相匹配的待交易商品，j＝1～m，m为第i个组内所有与目标用户相匹配的待交易商品数量，Ii表示第i个组的权值，Wi表示第i个组的权重比，aj表示各个待交易商品所对应用户的权重比，bj表示各个待交易商品的商品权值；1‑5比较所有组的权值大小，权值最大的组所代表的范围即为参考范围；步骤(2)、筛选用户评价信息：将参考范围内的所有用户的待交易商品信息与目标用户的商品信息进行比较，得到相似度最高的用户；步骤(3)、基于参考改进的协同过滤算法过程：3‑1构建用户—商品评价矩阵：假定此时参考范围内的用户数量为M，待交易商品数量为N；对评价系统中保存的数据进行整理，得出M个用户分别对N个待交易商品的评价信息；此时通过一个M*N的矩阵来表示，在矩阵中的元素rij表示的是第i个用户对第j个待交易商品的喜爱程度；3‑2计算相似性：为了找到目标用户的最近邻集合，必须计算用户之间的相似度；这是基于用户的协同过滤推荐算法的关键部分，通过修正的余弦相似度方法来计算，该方法同时将用户u与用户v的对商品的评价集合考虑在内，表示如下：sim=Σc∈Iuv(ruc-r‾u)(rvc-r‾v)Σc∈Iu(ruc-r‾u)2Σc∈Iv(rvc-r‾v)2]]>Iu和Iv分别表示用户u和用户v商品的权值，Iuv代表了用户u和v两者共有的商品的评价集合,ruc和rvc分别代表用户u和v对商品c的评分，与分别表示用户u和用户v对商品的平均评分；3‑3获得最近邻居：通过修正的余弦相似度方法找出目标用户的最近邻居后，整理得到目标用户对商品的评价集，然后将评分进行降序排列，最后得到的位于前列的数据就是用户能够直观感受到的推荐系统的最终结果。