CN116452304A - 一种跨领域绿色消费场景整合与优惠推荐方法 - Google Patents

Abstract

本发明公开了一种跨领域绿色消费场景整合与优惠推荐方法，涉及绿色消费领域，包括如下步骤：对每个产品进行绿色评分，以反映其环保特性；根据绿色评分计算用户之间的相似度；根据相似度预测用户对末购买产品的评分；根据预测评分计算推荐优先级并根据推荐优先级将产品给用户；引入了动态权重调整机制，根据用户的购买行为和反馈数据，实时更新权重系数，以提供更准确和实用的绿色消费推荐。本发明方法能够促进消费者对绿色产品的推荐和消费，促进环境保护和可持续发展。

Description

一种跨领域绿色消费场景整合与优惠推荐方法

技术领域

本发明涉及绿色消费领域，更具体地说，涉及一种跨领域绿色消费场景整合与优惠推荐方法。

背景技术

目前的消费推荐系统主要基于个性化推荐算法和技术，通过分析用户的历史行为和偏好，为其推荐可能感兴趣的产品或服务。然而，在目前的消费推荐系统中，产品的绿色属性往往未被充分考虑。绿色属性指的是产品的环保程度、可持续性和可循环利用性等与环境保护相关的特征，这些属性对于越来越多关注环保的消费者以及环保本身的意义来说，已经成为购买决策的重要考虑因素。

目前的消费推荐系统在生成推荐结果时，往往只关注用户的个人兴趣和购买历史，而未将产品的绿色属性纳入考虑。这导致消费者无法得到关于产品绿色性能的信息，也无法充分了解和选择符合自己绿色消费需求的产品。例如，一个关心环保的消费者可能希望购买具有较高环保程度的产品，但目前的推荐系统无法准确识别并满足这样的需求。

另外，目前的消费推荐系统在优惠推荐方面较为成熟，可以根据用户的购买历史和偏好，提供适合的促销活动和折扣信息。然而，这些优惠推荐往往忽视了产品的绿色属性。消费者往往需要在经济利益和绿色因素之间做出权衡，无法得到同时满足经济和绿色消费需求的推荐结果。

因此，目前的消费推荐系统中未考虑产品的绿色属性，导致消费者难以获得准确的绿色消费推荐。为了解决这一问题，需要一种新的跨领域绿色消费场景整合与优惠推荐方法，能够在消费推荐的过程中充分考虑产品的绿色属性，为消费者提供更符合其绿色消费倾向的个性化推荐结果。

发明内容

本发明要解决的技术问题是提供一种跨领域绿色消费场景整合与优惠推荐方法，以解决背景技术中提到的问题。

为了达到上述目的，本发明采取以下技术方案：

一种跨领域绿色消费场景整合与优惠推荐方法，包括如下步骤：

S1：对任一产品p按照其环保程度E、可持续性S、可循环利用性R分别进行环保程度因子Ep、可持续性因子Sp和可循环利用性因子Rp的评分，并根据以下公式计算产品p的绿色评分GreenScore_p：

其中w_E、w_S和w_R分别对应Ep、Sp和Rp的权重系数；

S2：计算用户u和v的相似度sim(u, v)：

其中，I_u∩v是用户u和v共同评价的项目集合，r_ui是用户u对项目i的评分，GreenScore_i是项目i的绿色评分；是用户u的平均评分，/>是用户v的平均评分；

S3：预测用户u对于未购买的产品i的评分，计算公式为：

其中，N(u)是与用户u最相似的用户集合，r_vi是用户v对产品i的评分，sim(u, v)是用户u和v的相似度，是用户u的平均评分，/>是用户v的平均评分；

S4：计算产品的推荐优先级Score(u, i)：

其中，β是一个预设的系数，0＜β≤1，表示预测评分和绿色评分/>在推荐优先级中的权重；将产品按Score(u,i)进行排序，并将Score(u,i)值最大的若干个产品推荐给用户u；

S5：每隔一个时间段T，收集用户的购买行为和反馈，然后使用以下公式来调整权重系数w_E、w_S和w_R：

其中，U是所有用户的集合，Pu是用户u在时间段T内购买的产品的集合，Score_ip是用户u对产品p在维度i上的评分，维度i包括环保程度E、可持续性S和可循环利用性R。

优选的，所述的环保程度因子Ep、可持续性因子Sp和可循环利用性因子Rp的评分通过以下方式评定：

收集多位专家对产品在环保程度、可持续性和可循环利用性上的评分并取均值，记为Eep、Esp 和 Erp；

收集所有用户对产品在环保程度、可持续性和可循环利用性上的评分并取均值，记为Eup、Sup 和 Rup；

将专家评分与用户反馈评分进行加权平均，得到最终的评分Ep、Sp 和 Rp：

Ep=α×Eep+(1-α)×Eup

Sp=α×Esp+(1-α)×Sup

Rp=α×Erp+(1-α)×Rup

其中α为权重系数。

优选的，其中α取为固定值0.7。

优选的，在步骤S4中，β取为固定值0.7。

优选的，在S5步骤中，时间段T的取值根据被推荐用户u的购买频率进行动态调整，具体计算公式如下：

其中，f表示用户的平均购买频率，n表示用户的购买总数量。

优选的，在步骤S1中，初始时权重系数w_E、w_S和w_R均设置为1/3。

本发明相对于现有技术的优点在于：

1、综合考虑绿色消费因素：本发明考虑了产品的环保程度、可持续性和可循环利用性等绿色消费因素，通过对每个产品进行相应因子的评分，计算绿色评分GreenScore。这使得消费者能够在购买决策中更加全面地了解产品的绿色属性，促进绿色消费的实现。

2、个性化的优惠推荐：本发明基于用户对产品的评分、相似度和预测评分，通过S4步骤将最高预测评分对应的产品推荐给用户。同时，通过S5步骤中的权重系数调整，结合用户的购买行为和反馈数据，实现个性化的优惠推荐。这使得消费者能够根据自身的绿色消费倾向和经济需求，获得符合其个性化需求的绿色产品优惠推荐。

3、动态调整权重系数：本发明通过S5步骤中的权重系数调整公式，根据用户在时间段T内的购买行为和反馈数据，动态调整环保程度、可持续性和可循环利用性的权重系数。这使得推荐系统能够根据实际用户行为和态度的变化，实时更新权重系数，提供更准确和实用的绿色消费推荐。

4、提升用户满意度和环境效益：本发明通过综合考虑绿色消费因素和个性化优惠推荐，旨在帮助消费者做出更符合绿色消费倾向的购买决策。这有助于提升消费者的满意度，并推动绿色消费的普及和可持续发展，为环境效益做出贡献。

附图说明

图1是本发明方法示意图。

具体实施方式

下面结合附图对本发明的具体实施方式作描述。

如图1所示为本发明方法示意图，具体包括如下步骤：

S1：对任一产品p按照其环保程度E、可持续性S、可循环利用性R分别进行环保程度因子Ep、可持续性因子Sp和可循环利用性因子Rp的评分，并根据以下公式计算产品p的绿色评分GreenScore_p：

其中w_E、w_S和w_R分别对应Ep、Sp和Rp的权重系数；

S2：计算用户u和v的相似度sim(u, v)：

其中，I_u∩v是用户u和v共同评价的项目集合，r_ui是用户u对项目i的评分，GreenScore_i是项目i的绿色评分；是用户u的平均评分，/>是用户v的平均评分；

这个公式基于协同过滤中的余弦相似度公式进行扩展获得，余弦相似度常常被用于衡量两个用户在产品评分上的相似度，它通过计算两个用户对共同评价过的产品评分向量的夹角来衡量他们的相似度，如果两个用户对相同的产品有着相似的评分，那么他们的相似度就较高。

在本发明的情况中，不仅希望考虑用户对产品的评分，还希望考虑产品的绿色评分（GreenScore）。因此，本发明加入了GreenScore。这样，如果两个用户都倾向于购买高GreenScore的产品，即使他们购买的具体产品不同，他们也会被认为是相似的。这也反映出了本发明的核心目标，那就是鼓励用户进行绿色消费。

S3：预测用户u对于未购买的产品i的评分，计算公式为：

其中，N(u)是与用户u最相似的用户集合，r_vi是用户v对产品i的评分，sim(u, v)是用户u和v的相似度，是用户u的平均评分，/>是用户v的平均评分；对其公式解释如下：

r_u表示用户u对所有产品的平均评分。这是预测公式的基础，如果没有任何其他信息，本发明预期用户u对任何产品的评分都会接近他的平均评分。

对于用户u和用户v，r_vi-表示用户v对产品i的评分偏离其平均评分的程度。如果这个值是正的，那么意味着用户v对产品i的评价超过了他的平均水平。如果这个值是负的，那么意味着用户v对产品i的评价低于他的平均水平。

sim(u, v) 是用户u和用户v的相似度。在这个公式中，本发明将用户v对产品i的评分偏离其平均评分的程度，乘以用户u和用户v的相似度，得到了一个调整后的评分偏离值。这个值表示了如果用户u和用户v足够相似，那么本发明期望用户u对产品i的评分偏离其平均评分的程度也会接近这个值。

Σ_v∈N(u)|sim(u, v)| 是用户u和他所有相似用户的相似度之和。这个值是一个归一化因子，用来保证预测评分不会超过评分的最大可能范围。

因此S3的整个公式表示，本发明预测的用户u对产品i的评分，等于用户u的平均评分，加上所有相似用户的调整后的评分偏离值的加权平均值。权重就是用户u和相似用户的相似度。

S4：计算产品的推荐优先级Score(u, i)：

其中，β是一个预设的系数，0＜β≤1，表示预测评分和绿色评分/>在推荐优先级中的权重；将产品按Score(u,i)进行排序，并将Score(u,i)值最大的若干个产品推荐给用户u；

S5：每隔一个时间段T，收集用户的购买行为和反馈，然后使用以下公式来调整权重系数w_E、w_S和w_R：

其中，U是所有用户的集合，Pu是用户u在时间段T内购买的产品的集合，Score_ip是用户u对产品p在维度i上的评分，维度i包括环保程度E、可持续性S和可循环利用性R。

这个公式基于以下的理念：用户的购买行为反映了他们对于不同绿色产品特性（如环保程度E、可持续性S、可循环利用性R）的偏好。如果用户在购买产品时，更倾向于选择在某一特性（如可持续性S）上评分较高的产品，那么本发明应该提高这个特性的权重，以便在未来的推荐中更好地反映出这种偏好。

公式中的分子部分表示所有用户在某一特性（如环保程度E）上的购买评分总和。而分母部分表示所有用户在所有特性（环保程度E、可持续性S、可循环利用性R）上的购买评分总和。所以，这个公式计算出的是某一特性的购买评分在所有特性购买评分中的比例，这个比例就被用作这个特性的权重。

这样，当用户的购买行为发生变化时，例如用户开始更关心产品的可持续性，他们会更倾向于购买在可持续性上评分较高的产品，这时可持续性S的权重就会相应地提高。这就是本发明为什么要使用这个公式来动态调整权重的原因。

在一个实施例中，所述的环保程度Ep、可持续性Sp和可循环利用性Rp的评分通过以下方式评定：

收集多位专家对产品在环保程度、可持续性和可循环利用性上的评分并取均值，记为Eep、Esp 和 Erp；

收集所有用户对产品在环保程度、可持续性和可循环利用性上的评分并取均值，记为Eup、Sup 和 Rup；

将专家评分与用户反馈评分进行加权平均，得到最终的评分Ep、Sp 和 Rp：

Ep=α×Eep+(1-α)×Eup

Sp=α×Esp+(1-α)×Sup

Rp=α×Erp+(1-α)×Rup

其中α为权重系数。

可以将α取为固定值0.7，也可以根据具体情况进行动态调整。

在步骤S4中，β可具体取为固定值0.7。

在另一个实施例中，在S5步骤中，时间段T的取值根据被推荐用户u的购买频率进行动态调整，具体计算公式如下：

其中，f表示用户的平均购买频率，n表示用户的购买总数量。

在步骤S1中，初始时权重系数w_E、w_S和w_R均设置为1/3。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种跨领域绿色消费场景整合与优惠推荐方法，其特征在于，包括如下步骤：

S1：对任一产品p按照其环保程度E、可持续性S、可循环利用性R分别进行环保程度因子Ep、可持续性因子Sp和可循环利用性因子Rp的评分，并根据以下公式计算产品p的绿色评分GreenScore_p：

；

其中w_E、w_S和w_R分别对应Ep、Sp和Rp的权重系数；

S2：计算用户u和v的相似度sim(u, v)：

；

其中，I_{u ∩ v}是用户u和v共同评价的项目集合，r_ui是用户u对项目i的评分，GreenScore_i是项目i的绿色评分；是用户u的平均评分，/>是用户v的平均评分；

S3：预测用户u对于未购买的产品i的评分，计算公式为：

；

其中，N(u)是与用户u最相似的用户集合，r_vi是用户v对产品i的评分，sim(u, v)是用户u和v的相似度，是用户u的平均评分，/>是用户v的平均评分；

S4：计算产品的推荐优先级Score(u, i)：

；

其中，β是一个预设的系数，0＜β≤1，表示预测评分和绿色评分/>在推荐优先级中的权重；将产品按Score(u,i)进行排序，并将Score(u,i)值最大的若干个产品推荐给用户u；

S5：每隔一个时间段T，收集用户的购买行为和反馈，然后使用以下公式来调整权重系数w_E、w_S和w_R：

；

其中，U是所有用户的集合，Pu是用户u在时间段T内购买的产品的集合，Score_ip是用户u对产品p在维度i上的评分，维度i包括环保程度E、可持续性S和可循环利用性R。

2.根据权利要求1所述跨领域绿色消费场景整合与优惠推荐方法，其特征在于，所述的环保程度因子Ep、可持续性因子Sp和可循环利用性因子Rp的评分通过以下方式评定：

收集多位专家对产品在环保程度、可持续性和可循环利用性上的评分并取均值，记为Eep、Esp 和 Erp；

收集所有用户对产品在环保程度、可持续性和可循环利用性上的评分并取均值，记为Eup、Sup 和 Rup；

将专家评分与用户反馈评分进行加权平均，得到最终的评分Ep、Sp 和 Rp：

Ep=α×Eep+(1-α)×Eup

Sp=α×Esp+(1-α)×Sup

Rp=α×Erp+(1-α)×Rup

其中α为权重系数。

3.根据权利要求2所述跨领域绿色消费场景整合与优惠推荐方法，其特征在于，其中α取为固定值0.7。

4.根据权利要求1所述跨领域绿色消费场景整合与优惠推荐方法，其特征在于，在步骤S4中，β取为固定值0.7。

5.根据权利要求1所述跨领域绿色消费场景整合与优惠推荐方法，其特征在于，在S5步骤中，时间段T的取值根据被推荐用户u的购买频率进行动态调整，具体计算公式如下：

；

其中，f表示用户的平均购买频率，n表示用户的购买总数量。

6.根据权利要求1所述跨领域绿色消费场景整合与优惠推荐方法，其特征在于，在步骤S1中，初始时权重系数w_E、w_S和w_R均设置为1/3。