CN104616178A - 一种基于大数据多标记分类方法的电子商务商品推荐方法 - Google Patents
一种基于大数据多标记分类方法的电子商务商品推荐方法 Download PDFInfo
- Publication number
- CN104616178A CN104616178A CN201510099174.2A CN201510099174A CN104616178A CN 104616178 A CN104616178 A CN 104616178A CN 201510099174 A CN201510099174 A CN 201510099174A CN 104616178 A CN104616178 A CN 104616178A
- Authority
- CN
- China
- Prior art keywords
- model
- commercial product
- user
- product recommending
- commodity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据多标记分类方法的电子商务商品推荐方法,该电子商务商品推荐方法是在系统中建立商品推荐模型,商品推荐模型由分类模型和倾向模型结合建立而成,通过商品推荐模型对用户进行商品推荐。本发明的一种基于大数据多标记分类方法的电子商务商品推荐方法和现有技术相比,能有效的引导用户购物,满足用户购物体验,在提高电子商务网站的点击率和知名度方面具有非常重要的作用。
Description
技术领域
本发明涉及计算机数据处理技术领域,具体地说是一种基于大数据多标记分类方法的电子商务商品推荐方法。
背景技术
近年来,随着信息技术和互联网的不断迅速发展,电子商务在社会和生活中的地位越来越显著,电子商务系统为用户提供越来越多的选择。与此同时,电子商务规模的急剧扩大使得用户耗费大量的时间浏览无关商品,对于销售商而言,以最合适的方式将商品推荐给用户是他们迫切希望的。随着大数据时代的到来,电子商务网站的商品以指数速度增长,不论其数量上还是种类上都是人们难以想象的,这更增大了迅速准确获取自己想要商品的难度。互联网犹如一把双刃剑,虽然很大程度上它推动了电子商务的迅猛发展,使商家能够通过电子商务平台将自己的商品展示给消费者,消费者足不出户便可对商品信息完全掌握,并与商家达成交易,双方各取所需。但是,网络用户在得到便利消费的同时一定程度上也陷入了前所未有的尴尬境地。所以商品的推荐功能是极为必要的,它能模拟实体店中的销售员向客户推荐他们感兴趣的商品,使消费者对商品有一定的认知,从而提高商家的销售额。
多标记学习问题是国际机器学习领域的一个研究热点,它最初来源于文档分类问题中所遇到的歧义性问题。在传统监督学习框架下,真实世界的对象与其概念标记之间是一一对应的关系,一般认为,这样的学习问题是没有歧义性的,称这类问题为单标记分类问题,即一个样例仅具有单一的标记。然而,在真实世界的问题中,歧义性对象却是广泛存在的。由于歧义性问题的存在,一个样例可能与多个标记相关联,这类问题为多标记分类问题。多标记学习在现实生活中具有广泛的应用,像视频自动标注、生物信息学、Web挖掘、信息检索、个性化推荐等现实应用中。
关联规则(Association rule)是知识发现领域中最活跃的研究方法之一,是Agrawal等在1993年首先提出的,用于挖掘顾客交易数据库中不同商品(项)之间的关联关系,这些规则反映了用户购买行为模式。关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品(项)之间的联系,找出顾客购买行为模式,如购买了某一商品对购买其他商品的影响。分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类。
发明内容
本发明的技术任务是提供一种基于大数据多标记分类方法的电子商务商品推荐方法。
本发明的技术任务是按以下方式实现的,该电子商务商品推荐方法是在系统中建立商品推荐模型,商品推荐模型由分类模型和倾向模型结合建立而成,通过商品推荐模型对用户进行商品推荐。
所述的电子商务商品推荐方法的操作步骤如下:
步骤1:数据获取,获取所有商品及其现有标签;
步骤2:数据处理,将获取到的商品信息进行转换预处理,得到分类需要的训练样例;
步骤3:建立分类模型,根据步骤2中的训练样例进行分类器学习,最终建立分类模型;
步骤4:根据关联规则挖掘用户的购买倾向,获取用户的注册信息与购买记录和浏览记录,根据购买记录与浏览记录相应的权重获得购买倾向模型;
步骤5:根据十折交叉验证方式多次训练分类模型与倾向模型,使得模型的性能更加稳定;
步骤6:根据类别与购买倾向间的对应关系.通过商品推荐模型对用户进行商品推荐。
所述的步骤3中对于未知的样例,根据模型预测其可能具有的标记,并根据可能性大小计算持有概率。
本发明的一种基于大数据多标记分类方法的电子商务商品推荐方法和现有技术相比,能有效的引导用户购物,满足用户购物体验,在提高电子商务网站的点击率和知名度方面具有非常重要的作用。
附图说明
附图1为一种基于大数据多标记分类方法的电子商务商品推荐方法的流程框图。
具体实施方式
实施例1:
该电子商务商品推荐方法是在系统中建立商品推荐模型,商品推荐模型由分类模型和倾向模型结合建立而成,通过商品推荐模型对用户进行商品推荐;
操作步骤如下:
步骤1:数据获取,获取所有商品及其现有标签;
步骤2:数据处理,将获取到的商品信息进行转换预处理,得到分类需要的训练样例;
步骤3:建立分类模型,根据步骤2中的训练样例进行分类器学习,最终建立分类模型;
步骤4:根据关联规则挖掘用户的购买倾向,获取用户的注册信息与购买记录和浏览记录,根据购买记录与浏览记录相应的权重获得购买倾向模型;
步骤5:根据十折交叉验证方式多次训练分类模型与倾向模型,使得模型的性能更加稳定;
步骤6:根据类别与购买倾向间的对应关系.通过商品推荐模型对用户进行商品推荐。
实施例2:
该电子商务商品推荐方法的操作步骤如下:
步骤1:数据获取,获取所有商品及其现有标签;
步骤2:数据处理, 将获取到的商品信息进行转换预处理,得到分类需要的训练样例,表示为x1=[x11,x12,x13,…,x1n],对应结果集y={L1,L2,…,Lm}(标记L取值为0或1,0表示样例不具有该标记,1表示样例具有该标记);
步骤3:建立分类模型,根据步骤2中的训练样例进行分类器学习,最终建立分类模型Y=f(x),对于未知的样例x,根据模型可预测其可能具有的标记,并根据可能性大小计算持有概率;如新增商品,根据商品分类模型获取其可能具有的标记;
步骤4:根据关联规则挖掘用户的购买倾向,获取用户的注册信息与购买记录和浏览记录,根据购买记录与浏览记录相应的权重获得购买倾向模型;若是新增用户,根据注册信息预测其可能存在的购买倾向;
步骤5:根据十折交叉验证方式多次训练分类模型与倾向模型,使得模型的性能更加稳定;
步骤6:根据类别与购买倾向间的对应关系.通过商品推荐模型对用户进行商品推荐。
通过上面具体实施方式,所述技术领域的技术人员可容易的实现本发明。但是应当理解,本发明并不限于上述的几种具体实施方式。在公开的实施方式的基础上,所述技术领域的技术人员可任意组合不同的技术特征,从而实现不同的技术方案。
Claims (3)
1.一种基于大数据多标记分类方法的电子商务商品推荐方法,其特征在于,该电子商务商品推荐方法是在系统中建立商品推荐模型,商品推荐模型由分类模型和倾向模型结合建立而成,通过商品推荐模型对用户进行商品推荐。
2.根据权利要求1所述的一种基于大数据多标记分类方法的电子商务商品推荐方法,其特征在于,所述的电子商务商品推荐方法的操作步骤如下:
步骤1:数据获取,获取所有商品及其现有标签;
步骤2:数据处理,将获取到的商品信息进行转换预处理,得到分类需要的训练样例;
步骤3:建立分类模型,根据步骤2中的训练样例进行分类器学习,最终建立分类模型;
步骤4:根据关联规则挖掘用户的购买倾向,获取用户的注册信息与购买记录和浏览记录,根据购买记录与浏览记录相应的权重获得购买倾向模型;
步骤5:根据十折交叉验证方式多次训练分类模型与倾向模型,使得模型的性能更加稳定;
步骤6:根据类别与购买倾向间的对应关系.通过商品推荐模型对用户进行商品推荐。
3. 根据权利要求1所述的一种基于大数据多标记分类方法的电子商务商品推荐方法,其特征在于,所述的步骤3中对于未知的样例,根据模型预测其可能具有的标记,并根据可能性大小计算持有概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510099174.2A CN104616178A (zh) | 2015-03-06 | 2015-03-06 | 一种基于大数据多标记分类方法的电子商务商品推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510099174.2A CN104616178A (zh) | 2015-03-06 | 2015-03-06 | 一种基于大数据多标记分类方法的电子商务商品推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104616178A true CN104616178A (zh) | 2015-05-13 |
Family
ID=53150612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510099174.2A Pending CN104616178A (zh) | 2015-03-06 | 2015-03-06 | 一种基于大数据多标记分类方法的电子商务商品推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104616178A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046274A (zh) * | 2015-07-13 | 2015-11-11 | 浪潮软件集团有限公司 | 一种电子商务商品类别自动标注方法 |
CN105678567A (zh) * | 2015-12-31 | 2016-06-15 | 宁波领视信息科技有限公司 | 一种基于大数据深度学习的精准预测系统 |
WO2017012406A1 (zh) * | 2015-07-22 | 2017-01-26 | 中兴通讯股份有限公司 | 一种商品推荐方法及系统 |
CN107092591A (zh) * | 2017-03-30 | 2017-08-25 | 南京理工大学 | 基于关联规则的多标记中文情感分类方法 |
CN108109009A (zh) * | 2017-12-22 | 2018-06-01 | 罗华文 | 一种基于大数据分析的商品商场陈列方法 |
CN108921673A (zh) * | 2018-07-16 | 2018-11-30 | 广州友米科技有限公司 | 基于大数据的商品推荐方法 |
CN111090756A (zh) * | 2020-03-24 | 2020-05-01 | 腾讯科技(深圳)有限公司 | 基于人工智能的多目标推荐模型的训练方法及装置 |
WO2020110664A1 (ja) * | 2018-11-27 | 2020-06-04 | 日本電信電話株式会社 | 受注予測モデルの生成方法、受注予測モデル、受注予測装置、受注予測方法および受注予測プログラム |
CN112287199A (zh) * | 2020-10-29 | 2021-01-29 | 黑龙江稻榛通网络技术服务有限公司 | 一种基于云服务器的大数据中心处理系统 |
US11250338B2 (en) | 2016-11-29 | 2022-02-15 | Industrial Technology Research Institute | Method for enhancing association rules, apparatus using the same and computer readable medium therefor |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7756753B1 (en) * | 2006-02-17 | 2010-07-13 | Amazon Technologies, Inc. | Services for recommending items to groups of users |
US20120084155A1 (en) * | 2010-10-01 | 2012-04-05 | Yahoo! Inc. | Presentation of content based on utility |
CN103886074A (zh) * | 2014-03-24 | 2014-06-25 | 江苏名通信息科技有限公司 | 基于社交媒体的商品推荐系统 |
CN103886486A (zh) * | 2014-03-21 | 2014-06-25 | 吉首大学 | 一种基于支持向量机svm的电子商务推荐方法 |
-
2015
- 2015-03-06 CN CN201510099174.2A patent/CN104616178A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7756753B1 (en) * | 2006-02-17 | 2010-07-13 | Amazon Technologies, Inc. | Services for recommending items to groups of users |
US20120084155A1 (en) * | 2010-10-01 | 2012-04-05 | Yahoo! Inc. | Presentation of content based on utility |
CN103886486A (zh) * | 2014-03-21 | 2014-06-25 | 吉首大学 | 一种基于支持向量机svm的电子商务推荐方法 |
CN103886074A (zh) * | 2014-03-24 | 2014-06-25 | 江苏名通信息科技有限公司 | 基于社交媒体的商品推荐系统 |
Non-Patent Citations (2)
Title |
---|
李晓丽: "电子商务个性化推荐系统的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》 * |
邱继钊: "基于数据及标记关联的多标记学习算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046274A (zh) * | 2015-07-13 | 2015-11-11 | 浪潮软件集团有限公司 | 一种电子商务商品类别自动标注方法 |
WO2017012406A1 (zh) * | 2015-07-22 | 2017-01-26 | 中兴通讯股份有限公司 | 一种商品推荐方法及系统 |
CN105678567A (zh) * | 2015-12-31 | 2016-06-15 | 宁波领视信息科技有限公司 | 一种基于大数据深度学习的精准预测系统 |
US11250338B2 (en) | 2016-11-29 | 2022-02-15 | Industrial Technology Research Institute | Method for enhancing association rules, apparatus using the same and computer readable medium therefor |
CN107092591A (zh) * | 2017-03-30 | 2017-08-25 | 南京理工大学 | 基于关联规则的多标记中文情感分类方法 |
CN107092591B (zh) * | 2017-03-30 | 2020-06-30 | 南京理工大学 | 基于关联规则的多标记中文情感分类方法 |
CN108109009A (zh) * | 2017-12-22 | 2018-06-01 | 罗华文 | 一种基于大数据分析的商品商场陈列方法 |
CN108921673A (zh) * | 2018-07-16 | 2018-11-30 | 广州友米科技有限公司 | 基于大数据的商品推荐方法 |
CN108921673B (zh) * | 2018-07-16 | 2021-06-01 | 广州天高软件科技有限公司 | 基于大数据的商品推荐方法 |
WO2020110664A1 (ja) * | 2018-11-27 | 2020-06-04 | 日本電信電話株式会社 | 受注予測モデルの生成方法、受注予測モデル、受注予測装置、受注予測方法および受注予測プログラム |
CN111090756A (zh) * | 2020-03-24 | 2020-05-01 | 腾讯科技(深圳)有限公司 | 基于人工智能的多目标推荐模型的训练方法及装置 |
CN112287199A (zh) * | 2020-10-29 | 2021-01-29 | 黑龙江稻榛通网络技术服务有限公司 | 一种基于云服务器的大数据中心处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11301761B2 (en) | Behavioral prediction for targeted end users | |
CN104616178A (zh) | 一种基于大数据多标记分类方法的电子商务商品推荐方法 | |
Su et al. | A method for discovering clusters of e-commerce interest patterns using click-stream data | |
US10373177B2 (en) | Dynamic prediction of online shopper's intent using a combination of prediction models | |
CN103886074B (zh) | 基于社交媒体的商品推荐系统 | |
KR101511050B1 (ko) | 상품 정보를 제공하고 표시하는 방법, 장치, 시스템 및 컴퓨터 프로그램 | |
KR100961783B1 (ko) | 인공지능에 기반한 제품 및 제품 벤더 추천 장치 및 방법, 그 기록 매체 | |
CN106204239A (zh) | 一种基于大数据多标记的电子商务商品推荐方法 | |
TWI512653B (zh) | Information providing method and apparatus, method and apparatus for determining the degree of comprehensive relevance | |
CN107633430A (zh) | 一种基于群体社区的商品推荐方法 | |
CN109684538A (zh) | 一种基于用户个人特征的推荐方法及推荐系统 | |
CN107516235B (zh) | 商品偏好预估方法和装置 | |
CN108960945A (zh) | 商品推荐方法和装置 | |
CN106708821A (zh) | 基于用户个性化购物行为进行商品推荐的方法 | |
CN106600372A (zh) | 一种基于用户行为的商品推荐方法及系统 | |
CN106202516A (zh) | 一种根据时间节点的电子商务平台商品展示方法 | |
US11321724B1 (en) | Product evaluation system and method of use | |
JP7066872B2 (ja) | データ処理方法、装置、電子機器、プログラム、及び記憶媒体 | |
CN105976229A (zh) | 一种基于用户和项目混合的协同过滤算法 | |
US9639848B1 (en) | Diffusion prediction based on indicator scoring | |
CN104615721B (zh) | 用于基于退货关联信息推荐商品的方法和系统 | |
WO2019072098A1 (zh) | 一种识别核心产品词的方法和系统 | |
CN104751354A (zh) | 一种广告人群筛选方法 | |
CN109299426A (zh) | 一种精确头条信息的推荐方法及装置 | |
CN110226180A (zh) | 购买信息应用系统和购买信息应用方法以及程序 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150513 |