[发明专利]一种基于多维度用户消费倾向建模的商品推荐方法

摘要

本发明公开了一种基于多维度用户消费倾向建模的商品推荐方法，本发明通过分析用户浏览记录、消费记录以及用户行为记录等多维度信息，推测用户的真实消费倾向，对提升个性化商品推荐效果并将之有效转化为实际购买行为具有十分重要的实际应用价值。一是能获取面向电子商务领域的多维度用户消费倾向模型，为后续个性化推荐奠定基础；二是结合用户兴趣分类以及周期性消费维度倾向分析，可向客户提供符合其消费倾向的个性化的商品推荐结果。该方法成果可广泛应用于电子商务推荐应用系统中。

主权项

1.一种基于多维度用户消费倾向建模的商品推荐方法，包括以下步骤：步骤1：根据用户的浏览和购买记录获取用户感兴趣的分类；步骤2：在每一个分类下面，建立多维度倾向向量模型，确定评判的维度：步骤3：根据用户的购买浏览记录，计算用户对商品的各个维度属性分量的倾向度：对每一个维度，计算用户购买商品关联某个属性分量的百分比p₁，同时计算各个维度中关联向量的商品的离散度D；公式如下：其中p₁为属于每一个属性分量的商品比例，为均值，m为分量个数；离散度表明用户对该维度向量的倾向程度，值越大，则倾向越明显；步骤4：对每一个用户感兴趣的分类，对步骤3中获取的各个维度的离散度进行降序排序，同时选取各个维度中最大的一个向量作为用户在该维度的倾向值，最终形成用户的消费倾向模型；步骤5：周期性消费维度倾向：首先可以根据用户的购买记录确定用户是否有周期性购买的倾向，如果没有则通过其他用户的购买记录进行确认；如果有周期性消费倾向，则计算消费周期，实时更新预计下次消费时间，选择精准的时机为客户推荐；对于非周期性消费的商品，则随机选择推荐关联商品或附件；步骤6：根据用户消费倾向模型和是否周期性消费选择精准的时机向客户推荐用户倾向度高的商品。