[发明专利]一种动态自适应的商品推荐方法

摘要

本发明公开了一种动态自适应的商品推荐方法，具体分为以下步骤建立推荐对象生长阶段与商品需求列表一对多的关系模型M1、建立商品与推荐周期对应关系模型M2；生成通用推荐商品集合S；通过基于物品的协同过滤算法，计算获得历史数据推荐商品集合P；得到整合商品集合Q’；对集合Q’进行过滤，得到商品集合Q；计算商品推荐度D(qj)，再根据公式计算推荐度，并进行排序，将前λ个商品推荐给用户。本发明缩小了候选推荐商品的候选集；保证了商品推荐的全面性、实用性和准确性；根据用户历史数据自动更新推荐计划，保证了推荐商品的实时性。

主权项

一种动态自适应的商品推荐方法，其特征在于：该方法具体分为以下步骤：(1)根据推荐对象的适用生长阶段属性，建立推荐对象生长阶段与商品需求列表一对多的关系模型M1；根据商品的消耗速度，建立商品与推荐周期对应关系模型M2；(2)通过推荐对象的生长阶段属性对模型M1进行查询，生成通用推荐商品集合S＝{s1,s2...sn},(n>0)；其中，,s为单个商品；(3)利用用户历史数据，通过基于物品的协同过滤算法，计算获得历史数据推荐商品集合P＝{p1,p2...pm}，(m>＝0)；其中，{p为单个商品；(4)对集合S和集合P取并集，得到整合商品集合Q’＝S∪P；(5)根据模型M2与购买历史，对集合Q’进行过滤，排除暂时不用购买的商品，得到商品集合Q＝{q1,q2...qi},(i>0)；其中，{q为单个商品；(6)对Q中每一件商品qj近一月的销量因素、是否属于特殊品类、是否促销以及商品好评度计算商品推荐度D(qj)，计算公式为：D(qj)=Σi=14αi·Wi(qj)]]>其中α为每个维度的调整参数，可以根据推荐效果适当调整；销量权重W1(qj)为商品销量N(qj)与其所属品类C(qj)中商品的最高销量Nmax(C(qj))的比例，计算公式为：W1(qj)=N(qj)Nmax(C(qj))]]>按照品类计算销量比例，保证每个品类的商品都有平等的推荐概率，再根据公式计算推荐度，并进行排序，将前λ个商品推荐给用户。