CN112819570B - 一种基于机器学习的商品智能搭配推荐方法 - Google Patents

Abstract

本发明公开一种基于机器学习的商品智能搭配推荐方法，该方法通过对商品属性信息(包括类目和分词)、用户购买历史和商品图像数据集进行分析和建模，为商品推荐可搭配的商品集。其中，借助基于内容的推荐算法，利用商品分词属性进行商品相似度计算；借助基于商品的协同过滤算法进行相似度计算；针对图像数据，利用聚类算法对图像进行聚类，然后计算图像像素相似度；构造了不同的候选集，再对不同的候选集进行加权平均。本发明将文本数据和图像数据进行综合使用，使最终的搭配推荐结果可以实现高效有效识别。

Description

一种基于机器学习的商品智能搭配推荐方法

技术领域

本发明涉及商品推荐技术领域，尤其涉及一种基于机器学习的商品智能搭配推荐方法。

背景技术

推荐算法发展由来已久，目前已经有了很广泛的应用场景和商业价值，可以为不同用户提供个性化的推荐结果。

推荐算法有很多种，现有技术中应用最广泛的推荐方法一般基于内容的推荐和协同过滤推荐。基于内容的推荐主要根据商品本身固有属性来决定，通过商品分词、商品类目等属性可以计算商品之间的相似度，从而确定两个商品之间是否可以搭配。协同过滤推荐算法包括基于商品的协同过滤算法和基于用户的协同过滤算法，基于用户的协同过滤首先找到兴趣相似的用户集合，然后找到这个集合中用户喜欢的且目标用户没有听说过的物品给目标用户；基于商品的协同过滤算法主要相似的商品集合，然后为用户推荐买过商品的相似商品，这主要借助对用户购买历史数据进行处理来实现。

不管是基于内容的推荐还是协同过滤推荐，在为用户推荐商品时，总会有一个标准去衡量商品与用户是否匹配，商品与商品是否相似，而这个标准可以通过一系列相似度算法去进行计算。

不管是基于内容的推荐、协同过滤推荐，还是其他主流推荐算法，采用的数据都是以文本数据为主——商品分词、商品类目、用户购买历史数据，没有能借助商品的视觉信息，给出能够对商品做出更好的搭配推荐方案。

发明内容

针对上述现有技术的不足，本发明提供一种基于机器学习的商品智能搭配推荐方法。

为解决上述技术问题，本发明所采取的技术方案是：一种基于机器学习的商品智能搭配推荐方法，包括如下步骤：

步骤1：对于给定的待搭配推荐商品，根据商品分词，借助基于内容的推荐算法计算商品间的相似度，将相似度值Term_similarity(x,y)排名前M的商品作为候选集1，过程如下：

步骤1.1：根据商品分词计算每个商品分词的tf值和idf值；其中，tf指的是该分词在这个商品分词中出现的频率，tf越高表示分词对这个商品越重要；idf指的是逆向文件频率，由总商品数量除以包含这个分词的商品数量进行数值决定，idf越低说明分词对商品越重要，计算过程如下：

idf(x_k)＝log₂(count/count_k)

其中，x_k是商品x的第k个分词，count_x是商品x的分词个数，count是总商品个数，是商品x的x_k的个数，count_k是包含分词x_k的商品数量；

步骤1.2：计算每个商品分词的重要性，也即Tf-idf值，如下：

g1(x_j)＝tf(x_k)*idf(x_k)

其中，g1是商品的tf-idf值，其意义是商品分词重要性。

所述商品分词的重要性保存为字典的形式，在python中将其保存为.npy文件的形式，而非.txt文件或者.csv文件，便于更加高效地调用，如下所示：

{商品1：{分词1：tf-idf1，分词2：tf-idf2，…}，…}

计算相似度时，直接从字典里提取相应数据，借助公式计算即可。

步骤1.3：利用余弦相似度计算商品相似性，计算公式如下：

其中，x和y是两件商品，g1(x_j)为商品x的第j个分词的重要性，g1(x_k)为商品y的第k个分词的重要性；

步骤1.4：商品筛选：对于指定商品求搭配集，过滤掉同类目商品之后筛选出与其相相似度排名前M的商品，作为候选集1。

步骤2：根据用户购买历史，采用基于内容的协同过滤搭配算法，以Jaccard系数为基础进行建模，计算商品对x和y的协同过滤相似度cf_sim(x,y)；

所述商品之间的协同过滤相似度的计算公式如下：

其中，Union(x,y)表示购买商品x和商品y的用户的并集，Intersection(x,y)表示购买商品x和商品y的用户的交集。

步骤3：利用降低活跃用户在相似性中的贡献度，对购买商品x和商品y的用户的交集做改进来改进Jaccard系数，改进后的协同过滤相似度记为cf_sim1(x,y)，过程如下：

步骤3.1：为降低活跃用户在相似性中的贡献度，将Intersection(x,y)改进为down_activeuser(x,y)，计算公式如下：

down_activeuser(x，y)＝∑1/log₂(Count(u_i))

其中，Count(u_i)表示同时购买了商品x和商品y的用户在用户购买历史数据集中购买商品总数量；

步骤3.2：计算改进后的协同过滤相似度：

步骤4：对同一用户购买的商品对间隔时间差作出惩罚，对购买商品x和商品y的用户的交集做改进来改进Jaccard系数，改进后的协同过滤相似度记为cf_sim2(x,y)，过程如下：

步骤4.1：对商品对间隔时间差作出惩罚，将Intersection(x,y)提升为down_timediff(x,y)，计算公式如下：

down_timediff(x,y)＝∑1/(1+μ*Time_diff(u_i,x，y))

其中，Time_diff(u_i,x,y)表示同时购买了商品x和商品y的用户u_i购买商品x和商品y的时间间隔，μ为一个系数，在[0,1]之间变化，表明商品之间相似度被商品后买时间间隔影响程度的大小；

步骤4.2：计算改进后的协同过滤相似度：

步骤5：对于指定商品求搭配集，利用步骤2至步骤4计算的协同过滤相似度cf_sim(x,y)，cf_sim1(x,y)和cf_sim2(x,y)，分别过滤掉同类目商品之后筛选出与其相似度排名前M的商品，作为候选集2、候选集3、候选集4；

步骤6：对于给定的待搭配推荐商品，从K-Means聚类结果的聚类簇中选择该商品所在簇的所有商品，剔除掉同类目商品，过程如下：

步骤6.1：对图像数据进行归一化处理后，再在零均值化基础上采用ZCA做白化处理；

步骤6.2：采用PCA方法，对于每一张图像，将在前30个主成分上投影后的系数作为其特征向量；

步骤6.3：采用K-Means聚类算法对图像进行聚类，得到不同类型的聚类簇；

步骤6.4：在给定的待预测商品，在其聚类簇中剔除掉同类目商品。

步骤7：利用步骤6中的得到的结果进行补充，利用两张图像的像素方差对比求图像相似度diff_sim(x,y)，选取排名前M的商品作为候选集5，过程如下：

步骤7.1：对于待预测商品，根据步骤6确定其搭配推荐候选集；

步骤7.2：对待预测商品和其推荐候选集进行缩放和灰度处理操作；

步骤7.3：对每张图像依次计算其图像每行像素点的平均值，对所有平均值进行方差计算，得到每张图像的特征值；

步骤7.4：对待预测商品和候选集每张图像进行方差比较，方差差值diff_var越小表明图像越相似，两张图像的相似度为并选取相似度最大的M个商品作为搭配推荐候选集5。

步骤8：对候选集1、候选集2、候选集3、候选集4和候选集5中的相似度进行加权平均，然后选取排名前M的商品推荐给用户。

采用上述技术方案所产生的有益效果在于：

1、本发明提供的方法基于文本数据和图像数据进行综合分析，取得更好的搭配效果。

2、本发明借助基于内容的推荐算法，利用商品分词属性进行商品相似度计算；借助基于商品的协同过滤算法进行相似度计算；针对图像数据，利用聚类算法对图像进行聚类，然后计算图像像素相似度；构造了不同的候选集，再对不同的候选集进行加权平均，考虑的范围更广，得到的推荐商品符合个性化推荐的标准。

3、本发明提供的方法搭配推荐时会过滤掉同类目的商品，解决了买过什么又推荐什么的问题，能更好地满足用户需求。

附图说明

图1为本发明实施例中基于机器学习的商品智能搭配推荐方法的流程图；

图2为本发明实施例中商品数据的基本介绍图；

图3为本发明实施例中数据融合示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1所示，本实施例中基于机器学习的商品智能搭配推荐方法如下所述。

本实施例中所用到的商品的数据如图2所示，包括以文本数据为主的商品分词、商品类目、用户购买历史数据，还包括商品的图像数据，给定商品x，要从商品总集中选取与其搭配的300件商品推荐给用户，通过本发明的方法完成服装商品的搭配推荐过程如下。

步骤1：给定商品x根据商品分词，借助基于内容的推荐算法计算商品间的相似度，将相似度值Term_similarity(x,y)排名前M的商品作为候选集1，过程如下：

步骤1.1：对商品分词进行处理，利用发明内容中的计算公式得到所有服装商品的tf和idf值。

步骤1.2：计算出每个服装商品每个分词的重要性，并存到字典中。在计算机上的存储格式为.npy文件，以便下次调用。此过程在流程开始之前已经完成，在实际的流程中，直接调用tfidf.npy文件即可获取。

步骤1.3：计算商品x和其他商品的余弦相似度(考虑到与服装x同类目的服装商品要被剔除，所以不计算同类目商品与x的相似度)，python中提供向量二范式函数，在计算服装x和服装y相似度时，从tfidf.npy中读取商品x和商品y的分词重要性数据分别为：

x:{x₁:gx(x₁),x₂:gx(x₂),...,x_n:gx(x_n)}

y:{y₁:gy(y₁)，y₂:gy(y₂),...,y_m:gy(y_m)}

根据公式Term-similarity的计算公式，其分子部分由多项和组成。商品x和商品y分词交集为{k1,k2,…,ks}，那么Term-similarity的分子部分为gx(k1)*gy(k1)+gx(k2)*gy(k2)+…+gx(kn)*gy(kn)，分母部分是两个分词重要性向量二范式的乘积。

步骤1.4：选取1.3中相似度排名靠前的300件商品形成候选集1。

步骤2：给定服装商品x，根据基于商品的系统过滤算法，使用Jaccard系数计算与其他商品的相似度cf_sim。过程如下：

步骤2.1：从用户购买历史中获取与商品x同时被购买过的服装商品集，剔除同类目商品后得到商品集S＝{a0,a1,a2,…,an}。

步骤2.2：对于S中的每件服装商品，利用计算相似度。

步骤3：给定商品x，改进基于商品的协同过滤算法，改进方法为惩罚活跃用户影响，得到相似度为cf_sim1。过程如下：

步骤3.1：从用户购买历史中获取与商品x同时被购买过的服装商品集，剔除同类目商品后得到商品集S＝{a0,a1,a2,…,an}。

步骤3.2：将分子部分改进为down_activeuser(x，y)＝∑1/log₂(Count(u_i))，当某个用户，比如零售商大批量某两件服装时，只能说他们一个人大批量购买过，但是这两件服装却不定是搭配的，尤其，该用户越活跃，其对搭配度的影响越低，当购买了x和y的所有用户都只购买了一件x和y的时候，与3中公式一致。

步骤4：给定商品x，改进基于商品的协同过滤算法，改进方法为惩罚时间间隔，得到相似度为cf_sim2。过程如下：

步骤4.1：从用户购买历史中获取与商品x同时被购买过的服装商品集，剔除同类目商品后得到商品集S＝{a0,a1,a2,…,an}。

步骤4.2：将分子部分改进为down_timediff(x，y)＝∑1/(1+μ*Time_diff(u_i，x，y))，其中，Time_diff(u_i,x,y)表示同时购买了商品x和商品y的用户u_i购买商品x和商品y的时间间隔，μ为一个系数，在[0,1]之间变化，表明商品之间相似度被商品后买时间间隔影响程度的大小，在本实例中μ取0.2。

步骤5：对于指定商品求搭配集，利用步骤2至步骤4计算的协同过滤相似度cf_sim(x,y)，cf_sim1(x,y)和cf_sim2(x,y)，分别选出与x相似度排名前300的服装商品，作为候选集2、候选集3、候选集4；

步骤6：对于给定的待搭配推荐商品，从K-Means聚类结果的聚类簇中选择该商品所在簇的所有商品，剔除掉同类目商品。步骤6.1、6.2和6.3在流程开始之前已经全部完成，在流程中只是调用结果，得到商品x的分类簇S之后调用步骤6.4。过程如下：

步骤6.1：数据预处理，采取ZCA操作。

步骤6.2：PCA分析主成分得到每张服装图像的数据特征。

步骤6.3：K-Means聚类，在聚类过程中使用手肘法和轮廓系数法结合的方法确定最优的聚类数k，在本实例中k取252。

步骤6.4：在S中剔除掉与商品x同类目商品。

步骤7：利用步骤6中的得到的结果进行补充，利用两张图像的像素方差对比求图像相似度diff_sim(x,y)，选取排名前M的商品作为候选集5。步骤7.1-7.3在流程开始之前已经完成，并把每张图像的像素均值方差存到字典中，保存为var.npy文件，步骤7.4直接调用var.npy中数据。实现过程如下：

步骤7.1：对于待预测商品，根据步骤6确定商品集Set；

步骤7.2：对待步骤1中商品集Set进行缩放和灰度处理操作；

本实施例中，将候选集统一缩放为64*64。

步骤7.3：对于服装商品x和商品集Set中每张图像数据，计算每行像素点的平均值，并在每张图像内进行每行像素点均值的方差。

步骤7.4：利用diff_sim对x和Set中每件服装商品进行相似度计算，获取排名前300的商品作为候选集5.

步骤8：对候选集1、候选集2、候选集3、候选集4和候选集5中的相似度进行加权平均，然后选取排名前300的商品推荐给用户，其数据融合如图3所示。

Claims (6)

1.一种基于机器学习的商品智能搭配推荐方法，其特征在于，包括如下步骤：

步骤1：对于给定的待搭配推荐商品，根据商品分词，借助基于内容的推荐算法计算商品间的相似度，将相似度值Term_similarity(x,y)排名前M的商品作为候选集1；

步骤2：根据用户购买历史，采用基于内容的协同过滤搭配算法，以Jaccard系数为基础进行建模，计算商品对x和y的协同过滤相似度cf_sim(x,y)；

步骤3：利用降低活跃用户在相似性中的贡献度，对购买商品x和商品y的用户的交集做改进来改进Jaccard系数，改进后的协同过滤相似度记为cf_sim1(x,y)；

步骤3.1：为降低活跃用户在相似性中的贡献度，将Intersection(x,y)改进为down_activeuser(x,y)，计算公式如下：

down_activeuser(x,y))∑1/log2(Count(u_i))

其中，Count(u_i)表示同时购买了商品x和商品y的用户在用户购买历史数据集中购买商品总数量；

步骤3.2：计算改进后的协同过滤相似度：

步骤4：对同一用户购买的商品对间隔时间差作出惩罚，对购买商品x和商品y的用户的交集做改进来改进Jaccard系数，改进后的协同过滤相似度记为cf_sim2(x,y)；

步骤4.1：对商品对间隔时间差作出惩罚，将Intersection(x,y)提升为down_timediff(x,y)，计算公式如下：

其中，Time_diff(u_i,x,y)表示同时购买了商品x和商品y的用户u_i购买商品x和商品y的时间间隔，μ为一个系数，在[0,1]之间变化，表明商品之间相似度被商品后买时间间隔影响程度的大小；

步骤4.2：计算改进后的协同过滤相似度：

步骤5：对于指定商品求搭配集，利用步骤2至步骤4计算的协同过滤相似度cf_sim(x,y)，cf_sim1(x,y)和cf_sim2(x,y)，分别过滤掉同类目商品之后筛选出与其相似度排名前M的商品，作为候选集2、候选集3、候选集4；

步骤6：对于给定的待搭配推荐商品，从K-Means聚类结果的聚类簇中选择该商品所在簇的所有商品，剔除掉同类目商品；

步骤7：利用步骤6中的得到的结果进行补充，利用两张图像的像素方差对比求图像相似度diff_sim(x,y)，选取排名前M的商品作为候选集5；

步骤8：对候选集1、候选集2、候选集3、候选集4和候选集5中的相似度进行加权平均，然后选取排名前M的商品推荐给用户。

2.根据权利要求步骤1所述的基于机器学习的商品智能搭配推荐方法，其特征在于：所述步骤1的过程如下：

步骤1.1：根据商品分词计算每个商品分词的tf值和idf值；其中，tf指的是该分词在这个商品分词中出现的频率，tf越高表示分词对这个商品越重要；idf指的是逆向文件频率，由总商品数量除以包含这个分词的商品数量进行数值决定，idf越低说明分词对商品越重要，计算过程如下：

idf(x_k)＝log₂(count/count_k)

其中，x_k是商品x的第k个分词，count_x是商品x的分词个数，count是总商品个数，是商品x的x_k的个数，count_k是包含分词x_k的商品数量；

步骤1.2：计算每个商品分词的重要性，也即Tf-idf值，如下：

g1(x_j)＝tf(x_k)*idf(x_k)

其中，g1是商品的tf-idf值；

步骤1.3：利用余弦相似度计算商品相似性，计算公式如下：

其中，x和y是两件商品，g1(x_j)为商品x的第j个分词的重要性，g1(x_k)为商品y的第k个分词的重要性；

步骤1.4：商品筛选：对于指定商品求搭配集，过滤掉同类目商品之后筛选出与其相相似度排名前M的商品，作为候选集1。

3.根据权利要求2所述的基于机器学习的商品智能搭配推荐方法，其特征在于：所述商品分词的重要性保存为字典的形式，在python中将其保存为.npy文件的形式，而非.txt文件或者.csv文件，便于更加高效地调用，如下所示：

{商品1：{分词1：tf-idf1，分词2：tf-idf2，…}，…}

计算相似度时，直接从字典里提取相应数据，借助公式计算即可。

4.根据权利要求1所述的基于机器学习的商品智能搭配推荐方法，其特征在于，所述商品之间的协同过滤相似度的计算公式如下：

其中，Union(x,y)表示购买商品x和商品y的用户的并集，Intersection(x,y)表示购买商品x和商品y的用户的交集。

5.根据权利要求1所述的基于机器学习的商品智能搭配推荐方法，其特征在于，所述步骤6的过程如下：

步骤6.1：对图像数据进行归一化处理后，再在零均值化基础上采用ZCA做白化处理；

步骤6.2：采用PCA方法，对于每一张图像，将在前30个主成分上投影后的系数作为其特征向量；

步骤6.3：采用K-Means聚类算法对图像进行聚类，得到不同类型的聚类簇；

步骤6.4：在给定的待预测商品，在其聚类簇中剔除掉同类目商品。

6.根据权利要求1所述的基于机器学习的商品智能搭配推荐方法，其特征在于，所述步骤7的过程如下：

步骤7.1：对于待预测商品，根据步骤6确定其搭配推荐候选集；

步骤7.2：对待预测商品和其推荐候选集进行缩放和灰度处理操作；

步骤7.3：对每张图像依次计算其图像每行像素点的平均值，对所有平均值进行方差计算，得到每张图像的特征值；

步骤7.4：对待预测商品和候选集每张图像进行方差比较，方差差值diff_var越小表明图像越相似，两张图像的相似度为并选取相似度最大的M个商品作为搭配推荐候选集5。