CN108053243A - 一种基于社会网络的商品推荐系统 - Google Patents

一种基于社会网络的商品推荐系统 Download PDF

Info

Publication number
CN108053243A
CN108053243A CN201711321082.XA CN201711321082A CN108053243A CN 108053243 A CN108053243 A CN 108053243A CN 201711321082 A CN201711321082 A CN 201711321082A CN 108053243 A CN108053243 A CN 108053243A
Authority
CN
China
Prior art keywords
label
msub
commodity
mrow
user
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
Application number
CN201711321082.XA
Other languages
English (en)
Inventor
朱明君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201711321082.XA priority Critical patent/CN108053243A/zh
Publication of CN108053243A publication Critical patent/CN108053243A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于社会网络的商品推荐系统，包括：标签标注模块，评分模块，社会网络模块，商品推荐模块，其中：标签标注模块，用于供用户对商品进行标签标注；评分模块，用于将商品获得的标签标注转换为评分信息；社会网络模块，用于建立社会网络模型，将系统中的每个用户表示为社会网络模型中的节点，根据用户对商品的标签标注历史记录，获取用户之间的偏好相似度，并根据偏好相似度标记用户的参考对象；商品推荐模块，用于根据所述参考对象的喜好给用户推荐商品。本申请能够根据用户的标签标准寻找社交网络上和用户偏好相似的其他用户作为参考对象，并且根据参考对象的喜好，为用户推荐最合适的商品，本申请系统针对性强，准确性高。

Description

一种基于社会网络的商品推荐系统
技术领域
本发明涉及道计算机技术，特别是一种基于社会网络的商品推荐系统。
背景技术
随着网络技术的发展，社交网络在人们的生活中扮演着重要的角色，它已成为人们生活的一部分，并对人们的信息获得、思考和生活产生不可低估的影响。社交网络成为人们获取信息、展现自我、营销推广的窗口。在社交网络中，推荐服务是一项很重要的功能，很多互联网社交产品使用用户之间地理位置的距离、是否同时在线等指标作为社交行为的联系点。随着这类同质化产品的不断增加，这种人与人之间的弱相关属性越来越难得到用户与用户之间的认可。基于相同偏好的社交更受到用户的青睐。具有相同偏好的用户很容易找到共同话题，并进行相应的深入探讨。这种相同偏好也体现在对商品的态度上。
因此，如何将对商品具有相同偏好的用户关联起来，使得商品推荐系统更具针对性，成为了本领域技术人员亟待解决的问题。
发明内容
针对上述问题，本发明旨在提供一种基于社会网络的商品推荐系统。
本发明的目的采用以下技术方案来实现：
一种基于社会网络的商品推荐系统，包括：标签标注模块，评分模块，社会网络模块，商品推荐模块，其中：
标签标注模块，用于供用户对商品进行标签标注；
评分模块，用于将商品获得的标签标注转换为评分信息；
社会网络模块，用于建立社会网络模型，将系统中的每个用户表示为社会网络模型中的节点，根据用户对商品的标签标注历史记录，获取用户之间的偏好相似度，并根据偏好相似度标记用户的参考对象；
商品推荐模块，用于根据所述参考对象的喜好给用户推荐商品。
优选地，商品推荐模块，用于根据所述参考对象的喜好给用户推荐商品，具体包括：在用户没有进行过标签标注的商品中，选取所述参考对象标签标注评分最高的商品推荐给用户。
优选地，所述评分模块包括：冗余标签消除单元和标签评分模型建立单元，其中：
冗余标签消除单元，用于将商品获得的意思相近或重复的标签标注进行合并，降低标签冗余度；
标签评分模型建立单元，用于建立标签评分模型，将商品获得的标签标注转化为评分信息。
本发明的有益效果为：通过获取用户对商品的历史标签标注记录，能够根据用户的标签标准寻找社交网络上和用户偏好相似的其他用户作为参考对象，并且根据参考对象的喜好，为用户推荐最合适的商品，本申请系统针对性强，准确性高。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的框架结构图；
图2为本发明评分模块的框架结构图。
附图标记：
标签标注模块1、评分模块2、社会网络模块3、商品推荐模块4、冗余标签消除单元20和标签评分模型建立单元21
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，一种基于社会网络的商品推荐系统，包括：标签标注模块1，评分模块2，社会网络模块3，商品推荐模块4，其中：
标签标注模块1，用于供用户对商品进行标签标注；
评分模块2，用于将商品获得的标签标注转换为评分信息；
社会网络模块3，用于建立社会网络模型，将系统中的每个用户表示为社会网络模型中的节点，根据用户对商品的标签标注历史记录，获取用户之间的偏好相似度，并根据偏好相似度标记用户的参考对象；
商品推荐模块4，用于根据所述参考对象的喜好给用户推荐商品。
优选地，商品推荐模块4，用于根据所述参考对象的喜好给用户推荐商品，具体包括：在用户没有进行过标签标注的商品中，选取所述参考对象标签标注评分最高的商品推荐给用户。
优选地，参见图2，所述评分模块2包括：冗余标签消除单元20和标签评分模型建立单元21，其中：
冗余标签消除单元20，用于将商品获得的意思相近或重复的标签标注进行合并，降低标签冗余度；
标签评分模型建立单元21，用于建立标签评分模型，将商品获得的标签标注转化为评分信息。
本发明上述实施例，通过获取用户对商品的历史标签标注记录，能够根据用户的标签标准寻找社交网络上和用户偏好相似的其他用户作为参考对象，并且根据参考对象的喜好，为用户推荐最合适的商品，本申请系统针对性强，准确性高。
优选地，所述冗余标签消除单元20，用于将商品获得的意思相近或重复的标签标注进行合并，具体包括：
(1)采集商品获得的所有标签标注，记为标签集合B；
(2)采用下列标签相似度函数获取标签集合中任意两个标签的相似度：
式中，G(Bx,By)表示标签Bx与标签By的相似度，S表示商品集合，Sx表示商品集合中的第x个商品，δ(Sx,Bx)表示商品Sx与标签Bx的相关程度，其中δ(Sx,Bx)＝P(Sx,Bx)×Q(Sx,Bx)，P(Sx,Bx)表示商品Sx中标签评价Bx的次数占所有标签评价的比重，其中 M(Sx,Bx)表示商品Sx被标签Bx标注的数量，Q(Sx,Bx)表示标签Bx在所有商品的标注中出现的频率，S表示标签标注商品的集合，δ(Sx,By)表示商品Sx与标签By的相关程度，M(S)表示商品集合S所包含的商品总数，S(Bx)和S(By)分别表示商品集合S中被标签Bx和By标注的所有商品；
(3)将获取的标签相似度和设定的阈值进行比较，如果标签相似度则将标签Bx和标签By中数量较少的合并为数量较多的标签；
重复上述步骤直到遍历标签集合B中的所有标签组合。
本优选实施例，采用上述的方法判断标签集合中任意两个标签的相似度，挑选出其中相似度高的标签，将其合并，能够有效地降低标签集合的冗余度，简化了标签集合的复杂度，准确性高，且为之后将标签标注转换为评分信息奠定了基础。
优选地，所述社会网络模块3中，获取用户之间的偏好相似度，并根据偏好相似度标记用户的参考对象，具体包括：
(1)建立社交网络模型，将系统中每个用户表示为社交网络模型中的节点；
(2)获取用户节点之间的偏好相似度，具体采用的偏好相似度函数为：
式中，U(i,k)表示用户i和用户k的偏好相似度，其中U(i,k)的值越大代表用户之间的偏好越相似，N(i)和N(k)分别表示用户i和用户k的标签标注商品集合，Cij表示用户i对商品Nj的实际标签标注评分，Ckj表示用户k对商品Nj的实际标签标注评分，表示用户i的平均标签标注评分，表示用户k的平均标签标注评分；
将与目标用户的偏好相似度最高的前R个用户标记为目标用户的参考对象，其中R为设定的大于1的整数。
本优选实施例，采用上述方法获取用户之间的偏好相似度，参考用户对商品给出的标签标注历史记录，从两个用户对不同商品的评价记录来判断用户之间的偏好相似度，能够准确地反映出用户的偏好相似程度，并选取偏好相似度高的用户作为用户的之后商品推荐的参考对象，客观性强，准确度高。
优选地，在社会网络模块3中，对于冷启动用户的商品推荐，由于冷启动用户存在没有对商品进行标签标注的历史记录，因此对冷启动用户的参考对象标记方式具体包括：
(1)建立社交网络模型，将系统中每个用户表示为社交网络中的节点；
(2)获取每个节点的受信度，其中采用的受信度迭代函数为：
式中，D(i)表示用户节点i的受信度，Hb(i)表示用户节点i相应的出度总数，σij表示用户节点i对用户节点j的信任权重，Ha(j)表示用户节点j相应的入度总数，ωkj表示辅助参数，用于量化用户节点k的偏见值对用户节点j的每条出边权值的影响作用，其中，表示量化后的用户节点k对用户节点j的信任权重，n表示迭代的次数；
(3)重复步骤(2)，直到迭代趋于稳定或者达到最大迭代次数，获取用户节点中受信度最大的N个用户作为冷启动用户的参考对象。
针对冷启动用户还没有进行过标签标注，无法根据其标签标注记录寻找与其偏好相似的用户作为其商品推荐的参考对象的问题，本优选实施例通过获取社会网络中用户节点的受信度，选取受信度高的用户作为冷启动用户的参考对象，能够有效地将商品推荐系统覆盖至所有冷启动用户，适应性强，客观性高。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (4)

1.一种基于社会网络的商品推荐系统，其特征在于，包括：标签标注模块，评分模块，社会网络模块，商品推荐模块，其中：
标签标注模块，用于供用户对商品进行标签标注；
评分模块，用于将商品获得的标签标注转换为评分信息；
社会网络模块，用于建立社会网络模型，将系统中的每个用户表示为社会网络模型中的节点，根据用户对商品的标签标注历史记录，获取用户之间的偏好相似度，并根据偏好相似度标记用户的参考对象；
商品推荐模块，用于根据所述参考对象的喜好给用户推荐商品。
2.根据权利要求1所述的一种基于社会网络的商品推荐系统，其特征在于，商品推荐模块，用于根据所述参考对象的喜好给用户推荐商品，具体包括：在用户没有进行过标签标注的商品中，选取所述参考对象标签标注评分最高的商品推荐给用户。
3.根据权利要求1所述的一种基于社会网络的商品推荐系统，其特征在于，所述评分模块包括：冗余标签消除单元和标签评分模型建立单元，其中：
冗余标签消除单元，用于将商品获得的意思相近或重复的标签标注进行合并，降低标签冗余度；
标签评分模型建立单元，用于建立标签评分模型，将商品获得的标签标注转化为评分信息。
4.根据权利要求1所述的一种基于社会网络的商品推荐系统，其特征在于，所述冗余标签消除单元，用于将商品获得的意思相近或重复的标签标注进行合并，具体包括：
(1)采集商品获得的所有标签标注，记为标签集合B；
(2)采用下列标签相似度函数获取标签集合中任意两个标签的相似度：
<mrow> <mi>G</mi> <mrow> <mo>(</mo> <msub> <mi>B</mi> <mi>x</mi> </msub> <mo>,</mo> <msub> <mi>B</mi> <mi>y</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mo>&amp;Sigma;</mo> <mrow> <msub> <mi>S</mi> <mi>X</mi> </msub> <mo>&amp;Element;</mo> <mi>S</mi> </mrow> </msub> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mo>|</mo> <mfrac> <mrow> <mi>&amp;delta;</mi> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mi>x</mi> </msub> <mo>,</mo> <msub> <mi>B</mi> <mi>x</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mi>&amp;delta;</mi> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mi>x</mi> </msub> <mo>,</mo> <msub> <mi>B</mi> <mi>y</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mi>&amp;delta;</mi> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mi>x</mi> </msub> <mo>,</mo> <msub> <mi>B</mi> <mi>x</mi> </msub> <mo>)</mo> </mrow> <mo>+</mo> <mi>&amp;delta;</mi> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mi>x</mi> </msub> <mo>,</mo> <msub> <mi>B</mi> <mi>y</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>|</mo> <mo>)</mo> </mrow> </mrow> <mrow> <mi>M</mi> <mrow> <mo>(</mo> <mi>S</mi> <mo>(</mo> <msub> <mi>B</mi> <mi>x</mi> </msub> <mo>)</mo> <mo>&amp;cup;</mo> <mi>S</mi> <mo>(</mo> <msub> <mi>B</mi> <mi>y</mi> </msub> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mi>M</mi> <mrow> <mo>(</mo> <mi>S</mi> <mo>(</mo> <msub> <mi>B</mi> <mi>x</mi> </msub> <mo>)</mo> <mo>&amp;cap;</mo> <mi>S</mi> <mo>(</mo> <msub> <mi>B</mi> <mi>y</mi> </msub> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
式中，G(Bx,By)表示标签Bx与标签By的相似度，S表示商品集合，Sx表示商品集合中的第x个商品，δ(Sx,Bx)表示商品Sx与标签Bx的相关程度，其中δ(Sx,Bx)＝P(Sx,Bx)×Q(Sx,Bx)，P(Sx,Bx)表示商品Sx中标签评价Bx的次数占所有标签评价的比重，其中 M(Sx,Bx)表示商品Sx被标签Bx标注的数量，Q(Sx,Bx)表示标签Bx在所有商品的标注中出现的频率，S表示标签标注商品的集合，δ(Sx,By)表示商品Sx与标签By的相关程度，M(S)表示商品集合S所包含的商品总数，S(Bx)和S(By)分别表示商品集合S中被标签Bx和By标注的所有商品；
(3)将获取的标签相似度和设定的阈值进行比较，如果标签相似度则将标签Bx和标签By中数量较少的合并为数量较多的标签；
重复上述步骤直到遍历标签集合B中的所有标签组合。
CN201711321082.XA 2017-12-12 2017-12-12 一种基于社会网络的商品推荐系统 Pending CN108053243A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711321082.XA CN108053243A (zh) 2017-12-12 2017-12-12 一种基于社会网络的商品推荐系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711321082.XA CN108053243A (zh) 2017-12-12 2017-12-12 一种基于社会网络的商品推荐系统

Publications (1)

Publication Number Publication Date
CN108053243A true CN108053243A (zh) 2018-05-18

Family

ID=62123805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711321082.XA Pending CN108053243A (zh) 2017-12-12 2017-12-12 一种基于社会网络的商品推荐系统

Country Status (1)

Country Link
CN (1) CN108053243A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109272390A (zh) * 2018-10-08 2019-01-25 中山大学 融合评分和标签信息的个性化推荐方法
CN110647551A (zh) * 2018-06-25 2020-01-03 北京正和岛信息科技有限公司 标签信息处理方法、装置、设备和介质
CN111932321A (zh) * 2020-09-23 2020-11-13 北京每日优鲜电子商务有限公司 针对用户的物品信息推送方法、装置、电子设备和介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944218A (zh) * 2010-01-27 2011-01-12 北京大学 社会网络下的基于图的个性化推荐方法及其系统
CN102073720A (zh) * 2011-01-10 2011-05-25 北京航空航天大学 一种对个性化推荐结果进行优化的fr方法
CN104881459A (zh) * 2015-05-22 2015-09-02 电子科技大学 一种移动社会网络的好友推荐方法
CN106339483A (zh) * 2016-08-30 2017-01-18 电子科技大学 一种移动社交网络中的社交活动推荐算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944218A (zh) * 2010-01-27 2011-01-12 北京大学 社会网络下的基于图的个性化推荐方法及其系统
CN102073720A (zh) * 2011-01-10 2011-05-25 北京航空航天大学 一种对个性化推荐结果进行优化的fr方法
CN104881459A (zh) * 2015-05-22 2015-09-02 电子科技大学 一种移动社会网络的好友推荐方法
CN106339483A (zh) * 2016-08-30 2017-01-18 电子科技大学 一种移动社交网络中的社交活动推荐算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭亚琼: "基于标签和评分的协作过滤推荐算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110647551A (zh) * 2018-06-25 2020-01-03 北京正和岛信息科技有限公司 标签信息处理方法、装置、设备和介质
CN110647551B (zh) * 2018-06-25 2023-04-07 北京正和岛信息科技有限公司 标签信息处理方法、装置、设备和介质
CN109272390A (zh) * 2018-10-08 2019-01-25 中山大学 融合评分和标签信息的个性化推荐方法
CN111932321A (zh) * 2020-09-23 2020-11-13 北京每日优鲜电子商务有限公司 针对用户的物品信息推送方法、装置、电子设备和介质

Similar Documents

Publication Publication Date Title
US8271585B2 (en) Identifying intermediaries and potential contacts between organizations
CN108921486B (zh) 基于区块链的贸易供应链推荐方法及装置
US8478515B1 (en) Collaborative driving directions
US20130171605A1 (en) Method and system for determining answerer
CN107368488A (zh) 一种确定用户行为偏好的方法、推荐信息的展示方法和装置
CN101944218A (zh) 社会网络下的基于图的个性化推荐方法及其系统
CN102982109B (zh) 所供给的广告的数量的动态确定
CN101542516A (zh) 基于位置的、内容定向的信息
CN108053243A (zh) 一种基于社会网络的商品推荐系统
CN103577549A (zh) 一种基于微博标签的人群画像系统和方法
CN105025091A (zh) 一种基于移动用户位置的商铺推荐方法
US20130091025A1 (en) Methods and systems for measuring advertisement effectiveness
JP2012190459A (ja) ソーシャルネットワーキングサービスのノードの検索と分析方法及び検索システム
US20160034968A1 (en) Method and device for determining target user, and network server
Alavi New paradigm of digital marketing in emerging markets: from social media to social customer relationship management
CN105335515A (zh) 一种信息推荐方法和装置
CN105677867A (zh) 一种用户标签的生成方法和装置
US20140136618A1 (en) Method, device and recording media for searching target clients
CN105404687A (zh) 学习行为的个性化推荐方法及系统
CN105224545A (zh) 一种位置推荐方法及装置
CN105989107A (zh) 一种应用推荐方法及装置
CN115131088A (zh) 用于定位用户附近感兴趣的商品的智能计算机搜索功能
KR20200122701A (ko) 맛집 정보 제공 방법 및 이를 위한 서비스 서버
CN104680393A (zh) 一种基于图像内容及匹配的交互广告方法
CN110688407A (zh) 一种社会关系挖掘的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination