[发明专利]基于单项缺失的负序列模式在商品推荐中的应用

摘要

本发明涉及基于单个不发生项的负序列模式在商品推荐中的应用，本发明应用在进行客户购买行为分析的过程中，可以充分表示顾客的真实购买行为，从而发现顾客真实的频繁购买或不购买商品的行为。这样顾客在购买商品时，利用本发明可以向其推荐一些其他客户购买频率比较大的连带购买的产品，从而增加顾客的交易机会，将网站浏览者转变为购买者，提高交叉销售能力，提高客户的忠诚度，从而提高网站的经济效益。

主权项

基于单项缺失的负序列模式在商品推荐中的应用，其特征在于，包括步骤如下：(1)定义一个数据序列包含一个负序列顾客原本要购买但没有购买的商品为负项，也称为不发生行为；顾客的一次购物记录为元素；包含至少一个负项的元素为负元素；顾客在一段时间内的购物记录称之为数据序列，包含至少一个负元素的序列称之为负序列；MPSE是指一个顾客在一次购物记录中的最大正子元素；1‑negMPSE是指负元素si的子元素，该子元素包括MPSE(si)和一个负项e，一个单项负元素的1‑negMPSE是它本身；MPSE(si)是指负元素si的最大正子元素；MPS(ns)是指一个由顾客购买的商品组成的负序列ns的最大正子序列，其由ns中包含的所有正项按照原顺序组成；NSI‑MSE是指负序列ns的子序列，该子序列包括单项负元素si以及MPSE(si+1)；定义数据序列ds＝<d1 d2 ... dt>包含负序列ns＝<s1 s2 ... sm>；(2)利用NegI‑NSP算法对客户的购物行为进行分析，具体步骤包括：A、使用正序列挖掘算法GSP挖掘得到所有的正序列模式，即在某一段时间内，客户频繁购买的商品；B、基于步骤A挖掘得到的正序列模式，生成相应的负候选序列，所述负候选序列用于判断在某一段时间内，哪些商品客户购买的多，哪些商品客户没有购买；C、利用负候选序列对应的正序列模式的支持度来计算负侯选序列的支持度；D、从步骤B生成的负侯选序列中筛选出符合最小支持度要求的负序列模式，即：从步骤B生成的负侯选序列中筛选出大于用户设定的最小支持度的负序列模式，利用这些筛选后的负序列模式对客户的购买行为进行分析。