CN114282964A - 一种基于用户偏好过滤推荐商品的方法 - Google Patents

Abstract

本发明提供了一种基于用户偏好过滤推荐商品的方法，包括网上商城系统，还包括用户属性模块：用于记录用户各类属性信息；用户群体模块：由多个具备相同或相近的用户属性的个体集合而成；商品推荐管理模块：确定用户群体对应推荐的商品，所述商品推荐管理模块采用偏好推荐法。本发明克服了现有技术的不足，设计合理，结构紧凑，通过网上商城系统对用户信息进行归纳整理确定出用户属性，同时根据网上商城系统确定出各个用户群体的推荐商品，同时将该用户属性匹配到最契合的用户群体，同时将该用户群体推荐的商品推荐给该用户，过滤掉不契合的商品推荐，提高了推荐商品的效率和质量，具有很强的实用性。

Description

一种基于用户偏好过滤推荐商品的方法

技术领域

本发明涉及网上商城商品推荐技术领域，具体涉及一种基于用户偏好过滤推荐商品的方法。

背景技术

网上商城因为不需要消耗大量的时间去寻找和了解产品，因此在生活节奏逐渐加快的今天，网上商城已经是很多人购物的主要途径。为了促成交易，网上商城大多都设置有商品推荐系统，通过向消费者推荐商品来提升消费者购买商品的几率，并且节省消费者选购商品的时间。

但是现有的商品推荐方法所考虑的因素主要还是消费者的历史消费数据，数据覆盖面太小，导致推荐结果不够准确，促成交易的成功率较低。

为此，我们提出一种基于用户偏好过滤推荐商品的方法。

发明内容

本发明的目的在于解决或者至少缓解现有技术中存在的问题。

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于用户偏好过滤推荐商品的方法，包括网上商城系统，其特征在于：还包括

用户属性模块：用于记录用户各类属性信息；

用户群体模块：由多个具备相同或相近的用户属性的个体集合而成；

商品推荐管理模块：确定用户群体对应推荐的商品，所述商品推荐管理模块采用偏好推荐法；

所述偏好推荐法包括如下步骤：

步骤一：网上商城系统确定出用户属性；

步骤二：网上商城系统自动为用户属性匹配契合度最高的一个或多个用户群体模块；

步骤三：网上商城系统自动导出各个用户群体模块所推荐的商品；

第四步：将该用户对应的契合度最高的用户群体模块所推荐的商品展示到该用户的推荐列表中。

可选地所述用户属性包括但不限于用户的职业、偏好、性别、年龄、购物商品。

可选地，所述用户属性来源包括但不限于用户自己填写的信息，网上商城系统缓存的搜索记录、浏览记录和购买记录。

可选地，所述网上商城系统根据每个商品在不同属性用户中的销售记录，为商品添加对于用户属性契合度的数据。

可选地，所述网上商城系统根据用户属性模块购买的商品记录，商品浏览记录，商品浏览时长，了解到用户需求，同时整理归纳出该用户群体欢迎的商品。

可选地，所述步骤一、步骤二、步骤三可以以任意顺序进行。

可选地，所述偏好推荐法的数学模型为：

(1)商城运营人员根据用户A的用户属性x为(x1，x2，x3，……)、用户B的用户属性y为(y1，y2，y3，……)、用户C的用户属性z为(z1，z2，z3，……)，将用户划分为X(具备x的用户属性)、Y(具备y的用户属性)、Z(具备z的用户属性)三个用户群体模块；

(2)商城运营人员根据各个群体的消费、收藏、浏览记录，设定商品δ为X群体推荐商品，商品为ε群体推荐商品，商品η为Z群体推荐商品；

(3)用户D的用户属性为v(x1、x3、y1、z1)，用户D的用户群体契合度X(所占比例)、Y(所占比例)、Z(所占比例)，根据所占比例确定用户D所处的用户群体，将用户D归纳为X用户群体，根据X用户群体推荐的商品为δ；

(4)为用户D推荐商品δ。

本发明实施例提供了一种基于用户偏好过滤推荐商品的方法。具备以下有益效果：通过网上商城系统对用户信息进行归纳整理确定出用户属性，同时根据网上商城系统确定出各个用户群体的推荐商品，同时将该用户属性匹配到最契合的用户群体，同时将该用户群体推荐的商品推荐给该用户，过滤掉不契合的商品推荐，提高了推荐商品的效率和质量，具有很强的实用性。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种基于用户偏好过滤推荐商品的方法，包括用户属性模块、用户群体模块、推荐商品管理模块；

用户属性模块：用于记录用户各类属性信息，用户属性包括但不限于用户的职业、偏好、性别、年龄、购物商品，同时提供的属性信息越多，该用户的用户属性模块越精准。

用户属性来源包括但不限于用户自己填写的信息，网上商城系统缓存的搜索记录、浏览记录和购买记录。

通过这些多个信息的扩充，能够使得用户属性更加精准。这是因为用户在购买商品时会出现随机样本，偶尔购买的东西可能并不是因为偏好而购买，但是这些购买记录容易导致用户属性出现偏差；再比如，客户的误点导致的浏览记录也会导致用户属性出现偏差，因此通过多个方面的组合，能够对用户属性进行确认，减少误差。

网上商城系统根据每个商品在不同属性用户中的销售记录，为商品添加对于用户属性契合度的数据；

用户群体模块：由具备相同或相近的用户属性的个体集合而成，举例说明：A用户属性为(关注电子设备，男性，IT行业工作)、B用户属性为(女性，关注护肤用品，关注日用品)、C用户属性为(关注母婴，女性，20-40岁)，将所有的A用户的划分为IT产品爱好者群体、将所有的B用户的划分为美妆爱好者群体、所有的C用户的划分为母婴群体。

商品推荐管理模块：网上商城系统根据用户属性模块购买的商品记录，商品浏览记录，商品浏览时长，了解到用户需求，同时整理归纳出该用户群体所推荐的商品。

用于管理不同商品，对于不同用户属性推荐的优先级，商品推荐管理模块为偏好推荐法。

偏好推荐法包括如下步骤：

步骤一：网上商城系统根据用户填写的个人信息、及该用户的商品浏览、购买记录等信息确定出用户属性；

步骤二：网上商城系统自动为用户属性匹配最契合的一个或多个用户群体模块；

步骤三：同时网上商城系统自动导出各个用户群体模块所推荐的商品。

第四步：将该用户对应的契合度最高的用户群体模块所推荐的商品展示到该用户的推荐列表中。

偏好推荐法的数学模型为：

1商城运营人员根据用户A的用户属性x为(x1，x2，x3，……)、用户B的用户属性y为(y1，y2，y3，……)、用户C的用户属性z为(z1，z2，z3，……)，将用户划分为X(具备x的用户属性)、Y(具备y的用户属性)、Z(具备z的用户属性)三个用户群体模块。

2商城运营人员根据各个群体的消费、收藏、浏览记录，设定商品δ为X群体推荐商品，商品为ε群体推荐商品，商品η为Z群体推荐商品。

3用户D的用户属性为v(x1、x3、y1、z1)，用户D的用户群体契合度X(占2项(x1和x3))、Y(占1项(y1))、Z(占1项(z1))。

系统根据用户D在各用户群体的契合度，将用户D归纳为X用户群体，根据X用户群体推荐的商品为δ。

4为用户D推荐商品δ。

偏好推荐法的具体实施方式：

1商城运营人员根据用户A的用户属性(关注电子设备，男性，IT行业工作)、用户B的用户属性(女性，关注护肤用品，关注日用品)、用户C的用户属性(关注母婴，女性，20-40岁)，将上述用户划分为IT产品爱好者群体、美妆爱好者群体、母婴群体三个用户群体模块。

2商城运营人员根据各个群体的消费、收藏、浏览记录，设定商品电脑显卡为X群体推荐商品，商品口红为Y群体推荐商品，商品奶粉为Z群体推荐商品。

3用户D用户属性为(女性，IT行业工作，关注电子设备)，用户D与用户A属性契合度为66.6％，用户D与用户B的用户属性契合度为33.3％，用户D与用户C的用户属性契合度为33.3％，因此用户D的用户群体契合度X(66.6％)、Y(33.3％)、Z(33.3％)。系统根据用户D在各用户群体的契合度，将用户D归纳为X用户群体，推荐商品电脑显卡。

4系统会为用户D推荐商品电脑显卡。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于用户偏好过滤推荐商品的方法，包括网上商城系统，其特征在于：还包括

用户属性模块：用于记录用户各类属性信息；

用户群体模块：由多个具备相同或相近的用户属性的个体集合而成；

商品推荐管理模块：确定用户群体对应推荐的商品，所述商品推荐管理模块采用偏好推荐法；

所述偏好推荐法包括如下步骤：

步骤一：网上商城系统确定出用户属性；

步骤二：网上商城系统自动为用户属性匹配契合度最高的一个或多个用户群体模块；

步骤三：网上商城系统自动导出各个用户群体模块所推荐的商品；

第四步：将该用户对应的契合度最高的用户群体模块所推荐的商品展示到该用户的推荐列表中。

2.如权利要求1所述的一种基于用户偏好过滤推荐商品的方法，其特征在于：所述用户属性包括但不限于用户的职业、偏好、性别、年龄、购物商品。

3.如权利要求2所述的一种基于用户偏好过滤推荐商品的方法，其特征在于：所述用户属性来源包括但不限于用户自己填写的信息，网上商城系统缓存的搜索记录、浏览记录和购买记录。

4.如权利要求3所述的一种基于用户偏好过滤推荐商品的方法，其特征在于：所述网上商城系统根据每个商品在不同属性用户中的销售记录，为商品添加对于用户属性契合度的数据。

5.如权利要求4所述的一种基于用户偏好过滤推荐商品的方法，其特征在于：所述网上商城系统根据用户属性模块购买的商品记录，商品浏览记录，商品浏览时长，了解到用户需求，同时整理归纳出该用户群体所推荐的商品。

6.如权利要求1-5任一项所述的一种基于用户偏好过滤推荐商品的方法，其特征在于：所述步骤一、步骤二、步骤三可以以任意顺序进行。

7.如权利要求1-5任一项所述的一种基于用户偏好过滤推荐商品的方法，其特征在于：所述偏好推荐法的数学模型为：

(1)商城运营人员根据用户A的用户属性x为(x1，x2，x3，……)、用户B的用户属性y为(y1，y2，y3，……)、用户C的用户属性z为(z1，z2，z3，……)，将用户划分为X(具备x的用户属性)、Y(具备y的用户属性)、Z(具备z的用户属性)三个用户群体模块；

(2)商城运营人员根据各个群体的消费、收藏、浏览记录，设定商品δ为X群体推荐商品，商品为ε群体推荐商品，商品η为Z群体推荐商品；

(3)用户D的用户属性为v(x1、x3、y1、z1)，用户D的用户群体契合度X(所占比例)、Y(所占比例)、Z(所占比例)，根据所占比例确定用户D所处的用户群体，将用户D归纳为X用户群体，根据X用户群体推荐的商品为δ；

(4)为用户D推荐商品δ。