專利名稱：主動(dòng)推薦產(chǎn)品信息服務(wù)的方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及服務(wù)推薦技術(shù)領(lǐng)域，具體涉及一種主動(dòng)推薦產(chǎn)品信息服務(wù)的方法及系統(tǒng)。
背景技術(shù)：
隨著現(xiàn)代信息技術(shù)和互聯(lián)網(wǎng)信息技術(shù)的不斷發(fā)展，打造具有競(jìng)爭(zhēng)力的互聯(lián)網(wǎng)信息服務(wù)、電子商務(wù)等網(wǎng)絡(luò)服務(wù)體系是未來(lái)長(zhǎng)期的發(fā)展趨勢(shì)?，F(xiàn)有技術(shù)中關(guān)于產(chǎn)品信息的服務(wù)都是以產(chǎn)品信息查詢管理、產(chǎn)品庫(kù)存管理、產(chǎn)品配送管理為主；由于現(xiàn)有產(chǎn)品種類繁多，產(chǎn)品數(shù)量多達(dá)5000多種，面對(duì)如此豐富的信息資源，在用戶沒(méi)有確定采購(gòu)相關(guān)產(chǎn)品之前，根據(jù)不同用戶的實(shí)際需求，主動(dòng)化提供其可能采購(gòu)產(chǎn)品的信息服務(wù)，成為了保障產(chǎn)品銷量和滿足用戶實(shí)際需求的關(guān)鍵所在。因此，為了克服現(xiàn)有技術(shù)中互聯(lián)網(wǎng)提供的服務(wù)缺少智能以及主動(dòng)自適應(yīng)功能的缺點(diǎn)，一種主動(dòng)化、個(gè)性化、人性化的推薦產(chǎn)品信息服務(wù)的方法及系統(tǒng)亟待提出。

發(fā)明內(nèi)容
(一)要解決的技術(shù)問(wèn)題本發(fā)明的目的在于提供一種主動(dòng)推薦產(chǎn)品信息服務(wù)的方法及系統(tǒng)，用于根據(jù)不同的用戶屬性特征，主動(dòng)提供產(chǎn)品信息推薦服務(wù)，滿足用戶需求的同時(shí)增加用戶對(duì)互聯(lián)網(wǎng)的黏著性。(二)技術(shù)方案本發(fā)明技術(shù)方案如下—種主動(dòng)推薦產(chǎn)品信息服務(wù)的方法，包括步驟S1.根據(jù)所有用戶的歷史數(shù)據(jù)提取各用戶的屬性特征；S2.計(jì)算任意兩個(gè)用戶的屬性特征相似度，建立每個(gè)用戶的鄰居用戶集合；S3.結(jié)合產(chǎn)品信息以及用戶的鄰居用戶集合的屬性特征計(jì)算用戶對(duì)各產(chǎn)品的興趣度；S4.根據(jù)用戶對(duì)各產(chǎn)品的興趣度主動(dòng)為用戶推薦產(chǎn)品信息。優(yōu)選的，所述歷史數(shù)據(jù)包括用戶注冊(cè)信息、歷史輸入信息、瀏覽行為信息、購(gòu)買行為信息以及評(píng)分信息。優(yōu)選的，所述步驟SI包括S101.對(duì)所有用戶的歷史數(shù)據(jù)進(jìn)行歸一化處理；S102.利用數(shù)據(jù)挖掘算法從歸一化處理后的歷史數(shù)據(jù)中提取各用戶的屬性特征。優(yōu)選的，所述步驟S2包括步驟S201.計(jì)算任意兩個(gè)用戶的屬性特征相似度；S202.設(shè)定選取閾值；S203.若兩個(gè)用戶的屬性特征相似度值大于所述選取閾值則互為鄰居用戶。
優(yōu)選的，所述步驟S4中產(chǎn)品信息按興趣度降序排列，以列表的形式推薦給客戶。優(yōu)選的，所述步驟S4中產(chǎn)品信息按興趣度降序排列，選取其中前20種產(chǎn)品信息，以列表的形式推薦給客戶。本發(fā)明還提供了一種主動(dòng)推薦產(chǎn)品信息服務(wù)的系統(tǒng)一種主動(dòng)推薦產(chǎn)品信息服務(wù)的系統(tǒng)，包括順次連接的數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊、相似度分析模塊以及推薦模塊；所述數(shù)據(jù)處理模塊根據(jù)所述數(shù)據(jù)采集模塊收集的所有用戶歷史數(shù)據(jù)提取各用戶的屬性特征；所述相似度分析模塊根據(jù)各用戶的屬性特征構(gòu)建每個(gè)用戶的鄰居用戶集合；所述推薦模塊結(jié)合產(chǎn)品信息以及用戶的鄰居用戶集合的屬性特征計(jì)算用戶對(duì)各產(chǎn)品的興趣度并根據(jù)用戶對(duì)各產(chǎn)品的興趣度主動(dòng)為用戶推薦產(chǎn)品信息。優(yōu)選的，所述推薦模塊通過(guò)交互模塊與所述數(shù)據(jù)采集模塊連接；所述交互模塊收集用戶對(duì)于推薦的產(chǎn)品信息的反饋信息并發(fā)送至數(shù)據(jù)采集模塊。(三)有益效果本發(fā)明的一種主動(dòng)推薦產(chǎn)品信息服務(wù)的方法根據(jù)用戶的鄰居用戶的具體特征和數(shù)據(jù)記錄，結(jié)合產(chǎn)品信息得到用戶對(duì)各產(chǎn)品的興趣度，從而根據(jù)用戶各產(chǎn)品的興趣度主動(dòng)為用戶推薦產(chǎn)品信息；本發(fā)明能夠結(jié)合不同用戶的潛在需求主動(dòng)提供個(gè)性化的產(chǎn)品信息，滿足用戶的實(shí)際需求，使得互聯(lián)網(wǎng)提供的服務(wù)更加人性化，進(jìn)而增加用戶對(duì)互聯(lián)網(wǎng)的黏著性。


圖1是本發(fā)明的一種主動(dòng)推薦產(chǎn)品信息服務(wù)的方法流程示意圖；圖2是本發(fā)明的一種主動(dòng)推薦產(chǎn)品信息服務(wù)的系統(tǒng)結(jié)構(gòu)示意圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例，對(duì)發(fā)明的具體實(shí)施方式
做進(jìn)一步描述。以下實(shí)施例僅用于說(shuō)明本發(fā)明，但不用來(lái)限制本發(fā)明的范圍。實(shí)施例一流程圖如圖1所示的一種主動(dòng)推薦產(chǎn)品信息服務(wù)的方法，主要包括步驟S1.根據(jù)所有用戶的歷史數(shù)據(jù)提取各用戶的屬性特征；本實(shí)施例中，該步驟具體為首先，通過(guò)隱性和顯性的數(shù)據(jù)獲取方式，采集各用戶的動(dòng)靜態(tài)數(shù)據(jù)，并將其存儲(chǔ)到個(gè)人計(jì)算機(jī)的數(shù)據(jù)庫(kù)中形成歷史數(shù)據(jù)；歷史數(shù)據(jù)包括各用戶注冊(cè)信息、歷史輸入信息、瀏覽行為信息、購(gòu)買行為信息以及評(píng)分信息等；其次，對(duì)歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)換、歸一化等預(yù)處理以適應(yīng)后續(xù)分析；最后，利用數(shù)據(jù)挖掘算法，針對(duì)不同的用戶采用相同標(biāo)準(zhǔn)的數(shù)據(jù)信息，從預(yù)處理后的歷史數(shù)據(jù)中分析、提取各用戶全面的屬性特征；通過(guò)收集用戶的動(dòng)靜態(tài)數(shù)據(jù)，能夠全面獲取用戶數(shù)據(jù)；結(jié)合隱性和顯性兩種方式收集數(shù)據(jù)，能夠彌補(bǔ)單一方式的弊端；通過(guò)數(shù)據(jù)預(yù)處理能夠減少數(shù)據(jù)中的冗余和無(wú)關(guān)信息，提高用戶屬性特征數(shù)據(jù)獲取的效率。S2.計(jì)算任意兩個(gè)用戶的屬性特征相似度，建立每個(gè)用戶的鄰居用戶集合；本實(shí)施例中該步驟具體為
首先，依據(jù)步驟SI中提取的用戶屬性特征，通過(guò)相似性分析方法分析兩兩用戶屬性特征之間的相似性，計(jì)算任意兩個(gè)用戶的屬性特征的相似度；其次，設(shè)定選取閾值，例如可以認(rèn)為相似度達(dá)到90%以上，互為鄰居用戶，則可以設(shè)定選取閾值為相似度達(dá)到90% ;最后，若兩個(gè)用戶的屬性特征相似度值大于選取閾值則互為鄰居用戶，每個(gè)用戶的所有所有鄰居用戶構(gòu)成該用戶的鄰居用戶集合；每個(gè)鄰居用戶集合中的所有用戶有著相似的屬性特征，因此很大概率上有著相似的產(chǎn)品信息需求。S3.結(jié)合產(chǎn)品信息以及用戶的鄰居用戶集合的屬性特征計(jì)算用戶對(duì)各產(chǎn)品的興趣度；本實(shí)施例中該步驟具體為結(jié)合該用戶的鄰居用戶對(duì)各產(chǎn)品的評(píng)價(jià)的加權(quán)平均值，利用協(xié)同過(guò)濾方法或者現(xiàn)有技術(shù)中其他算法分析用戶對(duì)各產(chǎn)品的偏好程度，進(jìn)而結(jié)合產(chǎn)品信息，計(jì)算用戶對(duì)該產(chǎn)品的興趣度，形成用戶對(duì)該產(chǎn)品信息的喜好程度預(yù)測(cè)。S4.根據(jù)用戶對(duì)各產(chǎn)品的興趣度主動(dòng)為用戶推薦產(chǎn)品信息；本實(shí)施例中該步驟具體為按照步驟S3中得到的用戶對(duì)各產(chǎn)品的興趣度，將產(chǎn)品信息按興趣度降序排列，可以選取其中排名靠前的若干種(例如前20種)產(chǎn)品信息，以列表的形式顯式輸出推薦給客戶。 步驟S4之后還可以包括步驟S5.在為用戶主動(dòng)推薦產(chǎn)品信息服務(wù)之后，可以通過(guò)與用戶進(jìn)行一些交互活動(dòng)等方式，收集用戶對(duì)于本次推薦的產(chǎn)品信息的反饋信息；然后根據(jù)收集到的反饋信息更新步驟SI中所述用戶歷史數(shù)據(jù)，并重復(fù)步驟S1-S4，生成更加符合用戶主觀選擇的產(chǎn)品信息推薦結(jié)果。實(shí)施例二結(jié)構(gòu)圖如圖2中所示的一種主動(dòng)推薦產(chǎn)品信息服務(wù)的系統(tǒng)，包括順次連接的數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊、相似度分析模塊以及推薦模塊；其中，各模塊的主要功能如下所述采集模塊通過(guò)隱性和顯性的數(shù)據(jù)獲取方式，采集各用戶的動(dòng)靜態(tài)數(shù)據(jù)，并將其存儲(chǔ)到個(gè)人計(jì)算機(jī)的數(shù)據(jù)庫(kù)中形成歷史數(shù)據(jù)；歷史數(shù)據(jù)包括各用戶注冊(cè)信息、歷史輸入信息、瀏覽行為信息、購(gòu)買行為信息以及評(píng)分信息等；數(shù)據(jù)處理模塊首先對(duì)數(shù)據(jù)采集模塊收集的所有用戶歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)轉(zhuǎn)換、歸一化等預(yù)處理，然后利用數(shù)據(jù)挖掘算法提取各用戶的屬性特征；相似度分析模塊根據(jù)各用戶的屬性特征計(jì)算任意兩個(gè)用戶的屬性特征的相似度并設(shè)定設(shè)定合適的選取閾值，根據(jù)選取閾值建立每個(gè)用戶的鄰居用戶集合；推薦模塊結(jié)合產(chǎn)品信息以及用戶的鄰居用戶集合的屬性特征利用協(xié)同過(guò)濾算法計(jì)算用戶對(duì)各產(chǎn)品的興趣度，根據(jù)用戶對(duì)各產(chǎn)品的興趣度主動(dòng)為用戶推薦產(chǎn)品信息。進(jìn)一步的，本發(fā)明的主動(dòng)推薦產(chǎn)品信息服務(wù)的系統(tǒng)還可以包括交互模塊，推薦模塊通過(guò)交互模塊與數(shù)據(jù)采集模塊連接；交互模塊可以與用戶進(jìn)行一些交互活動(dòng)，收集用戶對(duì)于每次推薦的產(chǎn)品信息的反饋信息并發(fā)送至數(shù)據(jù)采集模塊，數(shù)據(jù)采集模塊更新用戶歷史數(shù)據(jù)后，推薦模塊為用戶提供更加符合其主觀選擇的產(chǎn)品信息服務(wù)。以上實(shí)施方式僅用于說(shuō)明本發(fā)明，而并非對(duì)本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明的保護(hù)范疇。
權(quán)利要求
1.一種主動(dòng)推薦產(chǎn)品信息服務(wù)的方法，其特征在于，包括步驟 51.根據(jù)所有用戶的歷史數(shù)據(jù)提取各用戶的屬性特征； 52.計(jì)算任意兩個(gè)用戶的屬性特征相似度，建立每個(gè)用戶的鄰居用戶集合； 53.結(jié)合產(chǎn)品信息以及用戶的鄰居用戶集合的屬性特征計(jì)算用戶對(duì)各產(chǎn)品的興趣度； 54.根據(jù)用戶對(duì)各產(chǎn)品的興趣度主動(dòng)為用戶推薦產(chǎn)品信息。
2.根據(jù)權(quán)利要求1所述的主動(dòng)推薦產(chǎn)品信息服務(wù)的方法，其特征在于，所述歷史數(shù)據(jù)包括用戶注冊(cè)信息、歷史輸入信息、瀏覽行為信息、購(gòu)買行為信息以及評(píng)分信息。
3.根據(jù)權(quán)利要求1或2所述的主動(dòng)推薦產(chǎn)品信息服務(wù)的方法，其特征在于，所述步驟SI包括 5101.對(duì)所有用戶的歷史數(shù)據(jù)進(jìn)行歸一化處理； 5102.利用數(shù)據(jù)挖掘算法從歸一化處理后的歷史數(shù)據(jù)中提取各用戶的屬性特征。
4.根據(jù)權(quán)利要求3所述的主動(dòng)推薦產(chǎn)品信息服務(wù)的方法，其特征在于，所述步驟S2包括步驟 5201.計(jì)算任意兩個(gè)用戶的屬性特征相似度； 5202.設(shè)定選取閾值； 5203.若兩個(gè)用戶的屬性特征相似度值大于所述選取閾值則互為鄰居用戶。
5.根據(jù)權(quán)利要求4所述的主動(dòng)推薦產(chǎn)品信息服務(wù)的方法，其特征在于，所述步驟S4中產(chǎn)品信息按興趣度降序排列，以列表的形式推薦給客戶。
6.根據(jù)權(quán)利要求5所述的主動(dòng)推薦產(chǎn)品信息服務(wù)的方法，其特征在于，所述步驟S4中產(chǎn)品信息按興趣度降序排列，選取其中前20種產(chǎn)品信息，以列表的形式推薦給客戶。
7.根據(jù)權(quán)利要求1或2所述的主動(dòng)推薦產(chǎn)品信息服務(wù)的方法，其特征在于，所述步驟S4之后還包括步驟 55.收集用戶對(duì)于推薦的產(chǎn)品信息的反饋信息；根據(jù)所述反饋信息更新步驟SI中所述用戶歷史數(shù)據(jù)并重復(fù)步驟S1-S4。
8.根據(jù)權(quán)利要求4-6任意一項(xiàng)所述的主動(dòng)推薦產(chǎn)品信息服務(wù)的方法，其特征在于，所述步驟S4之后還包括步驟 S5.收集用戶對(duì)于推薦的產(chǎn)品信息的反饋信息；根據(jù)所述反饋信息更新步驟SI中所述用戶歷史數(shù)據(jù)并重復(fù)步驟S1-S4。
9.一種主動(dòng)推薦產(chǎn)品信息服務(wù)的系統(tǒng)，其特征在于，包括順次連接的數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊、相似度分析模塊以及推薦模塊； 所述數(shù)據(jù)處理模塊根據(jù)所述數(shù)據(jù)采集模塊收集的所有用戶歷史數(shù)據(jù)提取各用戶的屬性特征；所述相似度分析模塊根據(jù)各用戶的屬性特征構(gòu)建每個(gè)用戶的鄰居用戶集合；所述推薦模塊結(jié)合產(chǎn)品信息以及用戶的鄰居用戶集合的屬性特征計(jì)算用戶對(duì)各產(chǎn)品的興趣度并根據(jù)用戶對(duì)各產(chǎn)品的興趣度主動(dòng)為用戶推薦產(chǎn)品信息。
10.根據(jù)權(quán)利要求9所述的主動(dòng)推薦產(chǎn)品信息服務(wù)的系統(tǒng)，其特征在于，所述推薦模塊通過(guò)交互模塊與所述數(shù)據(jù)采集模塊連接；所述交互模塊收集用戶對(duì)于推薦的產(chǎn)品信息的反饋信息并發(fā)送至數(shù)據(jù)采集模塊。
全文摘要
本發(fā)明涉及服務(wù)推薦技術(shù)領(lǐng)域，具體涉及一種主動(dòng)推薦產(chǎn)品信息服務(wù)的方法及系統(tǒng)。該方法包括步驟S1.根據(jù)所有用戶的歷史數(shù)據(jù)提取各用戶的屬性特征；S2.計(jì)算任意兩個(gè)用戶的屬性特征相似度，建立每個(gè)用戶的鄰居用戶集合；S3.結(jié)合產(chǎn)品信息以及用戶的鄰居用戶集合的屬性特征計(jì)算用戶對(duì)各產(chǎn)品的興趣度；S4.根據(jù)用戶對(duì)各產(chǎn)品的興趣度主動(dòng)為用戶推薦產(chǎn)品信息。本發(fā)明根據(jù)用戶的鄰居用戶的具體特征和數(shù)據(jù)記錄，結(jié)合產(chǎn)品信息得到用戶對(duì)各產(chǎn)品的興趣度，從而主動(dòng)為用戶推薦產(chǎn)品信息；本發(fā)明能夠結(jié)合不同用戶的潛在需求主動(dòng)提供個(gè)性化的產(chǎn)品信息，滿足用戶的實(shí)際需求，使得互聯(lián)網(wǎng)提供的服務(wù)更加人性化，進(jìn)而增加用戶對(duì)互聯(lián)網(wǎng)的黏著性。
文檔編號(hào)G06F17/30GK103049865SQ20121054894
公開(kāi)日2013年4月17日 申請(qǐng)日期2012年12月17日 優(yōu)先權(quán)日2012年12月17日
發(fā)明者高萬(wàn)林, 賀媛婧, 王坤, 王冠 申請(qǐng)人:中國(guó)農(nóng)業(yè)大學(xué)