[发明专利]一种基于网络路径的商品推送方法、系统及设备

说明书

本发明实施例提出一种基于网络路径的商品推送方法、系统及设备，通过计算商品Gsubgt;i/subgt;的网络核心度、商品的第一比例(商品Gsubgt;i/subgt;的关联购买频次占商品Gsubgt;i/subgt;的总购买频次的比例)、第二比例(商品Gsubgt;i/subgt;的总购买频次占所有商品种类总购买频次之和的比例)；然后将商品的网络核心度、第一比例、第二比例进行加权归一化处理，将归一化处理后的网络核心度、第一比例、第二比例进行加权求和，得到商品的最佳网络核心度，最后根据最佳网络核心度对用户进行商品推荐。本发明方法既考虑商品了的传播性也考虑商品了的权重和影响力，可有效提升推荐效果和准确率。

技术领域

本发明涉及数据挖掘领域，尤其涉及一种基于网络路径的商品推送方法、系统及设备。

背景技术

现有技术的商品推荐方法通常采用协同过滤推荐技术或关系网络的点度中心度技术。

协同过滤推荐的缺陷是：(1)其依赖于推荐；即用户只有购买(在实际应用中，购买还可表示点击、喜欢、已选择、已收藏、已加购物车等类似喜好选择情况)了一定数量的商品后，才可以有推荐的目标，属于被动推荐。(2)推荐的商品仅考虑了单次购买(即仅仅基于一次的精准关联行为)，而不考虑二次衍生购买，后续衍生推荐效果差。

关系网络的点度中心度的缺陷是：仅仅考虑了商品的传播性(商品是否与很多其他商品联接)，但未考虑商品的影响力。实际应用中利用关系网络来推送商品时，存在两种情况，一是该商品虽然关联了很多商品，但该商品关联同时购买的次数占该商品的总购买次数的比例很低，例如商品A总共购买10次，9次都是单次购买，仅有1次同时购买其他商品；二是该商品虽与很多其他商品联接，但其购买频次低，并非热门商品，其影响力很差，很可能观众根本并不想购买，整体效果就较差。

发明内容

本发明实施例的目的在于提出一种基于网络路径的商品推送方法、系统及设备，旨在解决现有的商品推荐方法后续衍生推荐效果差或未考虑商品的影响力和权重而导致的推荐不精准的问题。

本发明实施例的第一目的在于提出一种基于网络路径的商品推送方法，所述方法包括：

统计商品同时购买的频次，并创建商品购买频次矩阵；

统计各商品的单独购买频次、关联购买频次,并计算各商品的总购买频次；

根据所述商品购买频次矩阵，构建商品连接关系网络；

计算各商品节点的网络核心度；

计算各商品的第一比例、第二比例；

分别将商品节点的网络核心度、第一比例、第二比例进行归一化处理，得到对应的加权网络核心度、第一权度、第二权度；

将加权网络核心度、第一权度、第二权度进行加权求和，得到商品的最佳网络核心度；

根据商品的最佳网络核心度大小进行商品推荐。

可选地，“将加权网络核心度、第一权度、第二权度进行加权求和，得到商品的最佳网络核心度”替换为“根据层次分析法计算加权网络核心度、第一权度、第二权度在商品推荐决策目标中的权重，将加权网络核心度、第一权度、第二权度进行加权求和，得到商品的最佳网络核心度”。

本发明实施例的第二目的在于提出一种基于网络路径的商品推送系统，所述系统包括：

商品购买频次矩阵创建模块，用于统计商品同时购买的频次，并创建商品购买频次矩阵；

商品购买频次统计及计算模块，用于统计各商品的单独购买频次、关联购买频次,并计算各商品的总购买频次；

商品连接关系网络构建模块，用于根据所述商品购买频次矩阵，构建商品连接关系网络；