一种基于用户信用评估的个性化商品推荐方法
【技术领域】
[0001] 本发明涉及一种基于用户信用评估的个性化商品推荐方法，属于电子商务领域。
【背景技术】
[0002] 近年来，随时人们生活模式的变化和生活质量的不断提高，电子商务活动和交易 信息量急剧增长、商家所提供的商品种类和数量也与日俱增。面对电子商务系统中海量的 商品信息，消费者很难快速有效地挑选出他所需要的商品。如何在消费者选购必需商品后 继续为其推荐相关有它有价值、且符合其偏好的商品，如何提升消费者对商家的忠诚度，如 何满足用户更个性化的需求等问题成为电子商务发展必须解决的关键问题。
[0003] 目前很多电子商务企业和许多研宄人员提出了许多的服务推荐方法，主要包括基 于内容的、基于知识的、基于规则的、基于效用的、以及基于关联规则的推荐方法。近年来， 协同过滤方法在商业应用上取得了不错的成绩，例如：Amazon，⑶Now，MovieFinder等都采 用了协同过滤的技术来提高服务质量，但协同过滤的缺点有：（1)用户对商品的评价非常 稀疏，这样基于用户的评价所得到的用户间的相似性可能不准确（即稀疏性问题）；(2)随 着用户和商品的增多，系统的性能会越来越低（即可扩展性问题）；（3)如果从来没有用户 对某一商品加以评价，则这个商品就不可能被推荐（即最初评价问题）。因此，现在的电子 商务推荐都采用多种技术结合来实现服务或者商品的推荐。
[0004] 但是，目前多数推荐方法主要依赖于用户对商品的评论/评分，或者根据商品 特征来预测商品的评分，很多个性化商品推荐系统或者方法主要只是分析用户对商品的 偏好或者分析商品的特征来找到相似的用户或者物品，最后计算推荐并将T0P-N的结 果展示给消费者，比如专利号ZL201210050057. 3 "一种基于关键字的电子商务网站商 品推荐方法"，ZL201010538437. 2 "一种在线产品推荐选择方法、装置及系统"，以及ZL 201110306941.4 "一种结合评分数据与标签数据的个性化推荐方法"的专利；以及申请号 201410020517 "一种基于用户评论的商品属性聚类方法"，申请号201310332537 "基于本体 分类的商品特征推荐方法"、申请号201310586279"一种基于可信度评价的产品信息推荐方 法及系统"、申请号201410196044 "基于产品相似度的电子商务推荐系统及其方法"等专利 申请。尽管，人们还提出了一些新的方法，它们结合了用户的地理位置信息、用户随时间的 兴趣变化、用户的表情分析、用户的回答方式、用户的意图挖掘、用户的行为趋势预测、以及 按所购买商品的用户聚类等方法。但是，在这些方法中，依然存在如下两个问题：第一个问 题是，它们都没有考虑如何通过评估用户的信用，并根据不同用户的信用相似性来进行商 品推荐。事实上，用户交易过程中产生的交易记录次数和交易金额对于评估一个用户的偏 好具有很好的参考价值。第二个问题是，它们都没有考虑在实际交易过程中的这样一种现 象，即一个用户的交易行为中可能蕴含了多个个体的需求，如：在某个家庭中，网上购物通 常用的是同一个用户名（即交易的账户名），但是产生的交易行为实际上涉及到家庭中的 多个成员。因此，本发明将针对这两个问题，建立一种基于用户信用评估的个性化商品推荐 方法，实现了更加精准、更加个性化的商品推荐服务。
【发明内容】
[0005] 为了解决上述问题，本发明提供了一种基于用户信用评估的个性化商品推荐方 法。本发明主要是基于用户历史交易行为的信用评估值来提高商品推荐的精准度，同时考 虑了一个用户的交易行为中可能蕴含多个个体的需求，如：在某个家庭中，网上购物通常用 的是同一个用户名，但是产生的交易行为会涉及到家庭中的多个成员，所以推荐系统将对 每个用户产生过交易的商品进行聚类分析，精确地区分每个用户中的多个成员的个性化需 求，并通过引入用户的信用值，改进现有基于商品的协同过滤算法，实现更加精准、个性化 的商品推荐服务。
[0006] 本发明的技术方案为：
[0007] -种基于用户信用评估的个性化商品推荐方法，其步骤为：
[0008] 1)根据从电子商务网站收集到的用户_商品订单成交次数、以及用户-商品订单 取消次数，构建用户-商品交易次数的矩阵；
[0009] 2)根据用户-商品交易次数的矩阵，以及每个商品的交易价格，计算每个用户的 商品订单成交总金额和商品订单取消总金额，计算每个用户的初始信用值。
[0010] 3)根据用户-商品交易次数的矩阵，计算每个用户的商品成交总次数和商品取消 总次数，计算每个用户的信用指数；
[0011] 4)根据2)3)计算出的每个用户的初始信用值和信用指数，计算每个用户的信用 值，其中还引入了一个在用户发生这些交易时系统或用户可能出现操作失误/出错的概率 值。
[0012] 5)根据用户-商品交易次数的矩阵，对每个用户成交的商品，按照商品适用用户 的性别、年龄和职业等特点进行分类，产生多个类别，即确定用户中实际蕴含的购买主体类 别。
[0013] 6)根据5)的分类结果，针对每个用户中蕴含的每一类购买主体，分别采用基于商 品的协同过滤算法，同时引入每个用户的信用值，最终形成对每个用户的推荐商品。
[0014] 进一步的，在构建用户-商品交易次数的矩阵M时，矩阵的行是用户名，矩阵的列 是商品名，矩阵项11^表示用户Ui对商品item/"生交易的次数，若成交1次，该项值累加 +1，若取消1次，该项值累加-1。
[0015] 进一步的，在计算每个用户的初始信用值时，将商品iten^的交易价格计为 p(itemp，则用户Ui的商品订单成交总金额是这个用户的所有商品成交价格和成交次数乘 积的总和，计为
【主权项】
1. 一种基于用户信用评估的个性化商品推荐方法，其步骤为： 1) 根据收集到的用户-商品订单成交次数、用户-商品订单取消次数，构建用户-商品 交易次数矩阵M; 2) 根据用户-商品交易次数矩阵M以及每个商品的交易价格，计算每个用户的商品订 单成交总金额和商品订单取消总金额，然后根据商品订单成交总金额和商品订单取消总金 额计算对应用户的初始信用值； 3) 根据用户-商品交易次数矩阵M，计算每个用户的商品成交总次数和商品取消总次 数，然后根据商品成交总次数和商品取消总次数计算对应用户的信用指数； 4) 根据2)、3)计算的初始信用值和信用指数，计算每个用户的信用值； 5) 根据用户-商品交易次数矩阵M，对每个用户成交的商品进行分类，确定每一用户蕴 含的购买主体类别； 6) 对于任一用户A，确定一信用值区间，然后选取出位于该信用值区间的用户，如果选 取出的用户B购买的商品b的特征属于该用户A中的购买主体类别对应特征，则将该商品 b推荐给该用户A。
2. 如权利要求1所述的方法，其特征在于，用户的所述初始信用值与该用户的成交金 额占比成正比；用户的所述信用指数与该用户的成交次数占比成正比。
3. 如权利要求1或2所述的方法，其特征在于，所述初始信用值的计算方法为： 将商品itenij的交易价格计为p(itemj)，首先计算用户1^的商品订单成交总金额
、商品订单取消总金额
///.-1m.. <-1 " 2j 然后计算用户Ui的初始信用值
_，其中CredQ(Ui)e[0，1]， mu表示用户ui对商品itemj产生交易的次数。
4. 如权利要求3所述的方法，其特征在于，每一用户ui的所述信用值的计算方法为：
其中CrecKUi)G[〇，1]，概率值eG[〇，1]表示的是系 统或用户可能发生误操作或意外出错的概率，A(Ui)为用户Ui的信用指数。
5. 如权利要求1或2所述的方法，其特征在于，所述信用指数的计算方法为：将商品 itenij的交易价格计为p(itemp，首先计算用户w的商品成交总次数fs '取消 订购商品总次数f。化'Z;然后计算用户Ui的信用指数：
其中A(Ui)G[〇, 1]，!!^表示用户Ui对商品item』产生交易的次数。
6. 如权利要求1或2所述的方法，其特征在于，所述用户-商品交易次数矩阵M的构 建方法为：将用户名作为矩阵的行，商品名作为矩阵的列，用矩阵项表示用户ui对商品 item/"生交易的次数，若成交1次，则该项值累加+1，若取消1次，该项值累加-1。
7. 如权利要求1或2所述的方法，其特征在于，所述确定每一用户蕴含的购买主体类 别的方法为：首先提取用户Ui已购买商品的特征，然后计算该用户ui中包含的购买主体类 别：[尸={^，b，…，T为总分类集合，m为分类集合大小，ti是第i个分 类。
8. 如权利要求7所述的方法，其特征在于，所述特征包括商品适用用户的性别、年龄和 职业。
9. 如权利要求1或2所述的方法，其特征在于，针对用户A中的每一购买主体类别，分 别采用基于商品的协同过滤方法选取出各个分类的TOP-N位用户，将这些用户的成交商品 列表推荐给该用户A。
【专利摘要】本发明公开了一种基于用户信用评估的个性化商品推荐方法。本方法为：1)根据收集到的用户-商品订单成交次数、订单取消次数，构建矩阵M；2)根据矩阵M计算每个用户的商品订单成交总金额和订单取消总金额，得到用户的初始信用值；3)根据矩阵M，计算用户的商品成交总次数和取消总次数，得到用户的信用指数；4)根据初始信用值和信用指数，计算用户的信用值；5)根据矩阵M，对每个用户成交的商品分类，确定每一用户蕴含的购买主体类别；6)对于任一用户A，然后选取出位于相同信用值区间的用户，如果用户B购买的商品的特征属于用户A中的购买主体类别对应特征，则将该商品推荐给该用户A。本发明实现了更加精准、个性化的商品推荐服务。
【IPC分类】G06Q30-02
【公开号】CN104809626
【申请号】CN201510117889
【发明人】徐邑江
【申请人】徐邑江
【公开日】2015年7月29日
【申请日】2015年3月17日