專利名稱：基于客戶購物意圖挖掘的實時商品推薦方法
技術(shù)領(lǐng)域：
本發(fā)明涉及應(yīng)用于電子商務(wù)領(lǐng)域，尤其涉及的是一種基于客戶購物意圖挖掘的實時商品推薦方法。
背景技術(shù)：
最接近本發(fā)明的同類技術(shù)，大致分為兩類(I)、電子商務(wù)的購物意圖研究。(2)、電子商務(wù)的個性化推薦研究。
下面分別介紹上述兩種技術(shù)及其不足之處(I)、電子商務(wù)的購物意圖研究。從商業(yè)的角度，研究客戶選擇電子商務(wù)的原因。研究的方法，是通過調(diào)查問卷、訪談等，對調(diào)研數(shù)據(jù)進行統(tǒng)計分析，并得到結(jié)論。例如，相關(guān)文獻通過調(diào)查、訪談等研究方法，把電子商務(wù)的購物意圖，劃分為12類。此研究的內(nèi)容，是一種商業(yè)現(xiàn)象，并分析這種商業(yè)現(xiàn)象的成因。當前的研究過于簡單，流于表面化，對電子商務(wù)購物意圖深層次的內(nèi)容，幾乎沒有涉及。例如電子商務(wù)的意圖識別、意圖分析、意圖推理、意圖模型、意圖挖掘、意圖跳轉(zhuǎn)、意圖偏離等深層次內(nèi)容，當前研究幾乎沒有涉及。而且，當前研究沒有涉及進一步的商業(yè)應(yīng)用，沒有說明當前的研究有哪些具體的商業(yè)應(yīng)用。(2)、電子商務(wù)的個性化推薦研究。電子商務(wù)的個性化推薦研究目前主要包括兩種類型的推薦一種是基于內(nèi)容的個性化推薦；另外一種是基于協(xié)同過濾的個性化推薦。基于內(nèi)容的個性化推薦，有單純基于商品信息的推薦和商品信息結(jié)合客戶信息、歷史行為、個人喜好等進行的推薦。單純基于商品信息的推薦，因為商品屬性很多，系統(tǒng)無法獲取客戶興趣所在，存在較大的盲目性；結(jié)合用戶歷史行為，喜好等的推薦，由于客戶的歷史行為無法準確反映客戶實時的購物意圖，同樣不適合客戶即時購物過程中的推薦。目前很多電子商務(wù)網(wǎng)站，采用基于協(xié)同過濾的個性化推薦，由于存在冷啟動問題、數(shù)據(jù)稀疏等問題，所以同樣不能為客戶提供理想的實時推薦結(jié)果?？傊?，當前的研究，無法為客戶提供精準的實時推薦。理想的推薦應(yīng)該迎合客戶的意圖。自動識別客戶購物意圖，進行相關(guān)推薦；實時跟蹤客戶購物意圖的變化，智能調(diào)整推薦策略；同時跟蹤客戶意圖跳轉(zhuǎn)軌跡，基于用戶意圖模型對客戶離散的意圖進行聚合，深入挖掘客戶的真正意圖，并向客戶推薦相關(guān)商品。為客戶提供專業(yè)的推薦服務(wù)。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足提供一種基于客戶購物意圖挖掘的實時商品推薦方法。本發(fā)明的技術(shù)方案如下一種基于客戶購物意圖挖掘的實時商品推薦方法，包括以下步驟
步驟I :構(gòu)建樹狀的客戶購物意圖模型；步驟2 :實時檢測用戶行為，識別用戶意圖；步驟3 :實時檢測用戶意圖變化；步驟4 :跟蹤用戶意圖變化軌跡，進行用戶深層意圖的推測基于用戶離散的意圖，對用戶深層的意圖進行推測，具體實現(xiàn)方式是記錄用戶意圖變化的軌跡，分析不同意圖之間的關(guān)聯(lián)關(guān)系；步驟5 :確定商品推薦策略；根據(jù)客戶的購物意圖，確定商品的推薦策略(a).如果獲取的是客戶的初次購物意圖，或者意圖沒有發(fā)生跳轉(zhuǎn)，則結(jié)合用戶意圖和當前商品信息進行推薦··具體實現(xiàn)方式是對用戶的購物意圖進行分詞獲取主題詞，對當前商品信息進行分析，獲取當前商品信息中的主題詞；將意圖主題詞和商品信息主題詞進行融合，對于不重合的進行合并，對于重合的進行權(quán)重的加權(quán)累加；然后對融合的主題詞做語義擴展，與網(wǎng)站中其他產(chǎn)品進行匹配，尋找最相似的產(chǎn)品；產(chǎn)品的相似度用命中的主題詞及其語義擴展的累加權(quán)重進行度量；(b).如果客戶的購物意圖發(fā)生跳轉(zhuǎn)，并且根據(jù)意圖推測方法沒有獲取深層意圖，則結(jié)合用戶新的購物意圖和當前產(chǎn)品信息進行推薦如果通過意圖分析和比較，發(fā)現(xiàn)客戶的購物意圖發(fā)生了跳轉(zhuǎn)，但是根據(jù)已有的跳轉(zhuǎn)軌跡沒有獲取深層次意圖；對應(yīng)于用戶意圖模型，用戶的各個離散的意圖之間沒有直接的共同父結(jié)點；或者有共同的父結(jié)點，但是父結(jié)點已經(jīng)標識的字節(jié)點比例較低；以上兩種情況下均不做用戶深層意圖的推測，根據(jù)當前的用戶購物意圖推薦相關(guān)的產(chǎn)品；(c).如果用戶意圖發(fā)生跳轉(zhuǎn)，并且獲取了用戶深層次的意圖，則按照一定比例分別推薦跟用戶當前意圖和用戶深層次意圖相關(guān)的產(chǎn)品如果通過意圖分析和比較，發(fā)現(xiàn)客戶的購物意圖發(fā)生了跳轉(zhuǎn)，并且根據(jù)跳轉(zhuǎn)軌跡和意圖推薦方法獲取了用戶深層的意圖，該情況下按照一定比例分別推薦跟當前用戶意圖和用戶深層次意圖相關(guān)的產(chǎn)品；具體實現(xiàn)方式如下假設(shè)在當前推薦位上可以推薦產(chǎn)品個數(shù)為x，根據(jù)意圖模型，當前意圖的父結(jié)點共有n個子結(jié)點，已經(jīng)標注為I的為m，則結(jié)合當前意圖和產(chǎn)品信息推薦產(chǎn)品個數(shù)為xX I l|min,結(jié)合其他子結(jié)點意圖推薦產(chǎn)品個數(shù)為
XX-其它子結(jié)點意圖的選擇方式為隨機選取。
H ，所述的方法，所述步驟2中，系統(tǒng)通過三種途徑獲取用戶的購物意圖，具體包括4)分析用戶在搜索引擎中輸入的內(nèi)容；5)分析用戶通過多維導航獲取產(chǎn)品的路徑；6)提取用戶購買/瀏覽產(chǎn)品的共同特征；當用戶通過搜索引擎進行搜索時，對搜索內(nèi)容進行分詞、語義擴展等得到特征向量，將特征向量與意圖模型中的結(jié)點進行匹配，將匹配的結(jié)點及其各層父結(jié)點標識為I ;當用戶通過多為導航獲取所需商品時，記錄用戶導航的完整路徑，對路徑信息進行基于語義的分析，將所有導航信息及其語義擴展與意圖模型中結(jié)點匹配，將匹配結(jié)點及其各層父結(jié)點標識為I ;
在用戶購買/瀏覽的過程中，將用戶的行為信息放入緩存。對于一定時間段內(nèi)積累的緩存信息進行分析，提取共同特征，進行語義擴展?；谝鈭D模型進行匹配，標識相應(yīng)意圖結(jié)點及其各層父結(jié)點。所述的方法，所述步驟3中，系統(tǒng)實時檢查用戶的意圖，將每次獲取的歷史信息進行記錄，每次獲取用戶意圖后，都會與用戶之前的意圖進行比較；具體實現(xiàn)方式是對兩次意圖向量基于電子商務(wù)領(lǐng)域語義字典進行比較，如果語義完全相同，則認為用戶意圖沒有變化，否則認為用戶意圖發(fā)生了變化。本發(fā)明的優(yōu)點(a).自動識別客戶購物意圖，進行精準的個性化推薦，提高客戶滿意度；根據(jù)客戶的搜索特征向量、多維導航路徑、用戶購買/瀏覽的產(chǎn)品信息，自動識別客戶的購物意圖，了解客戶真正感興趣的商品屬性，從而進行相關(guān)商品的推薦，推薦結(jié)果更加精準。同時客戶的購物意圖與客戶的購物滿意度之間，存在著正相關(guān)的關(guān)系。識別客戶 的購物意圖，并根據(jù)客戶的購物意圖向客戶推薦相關(guān)的商品，就會提高客戶的購物滿意度，增強客戶的粘性，培養(yǎng)忠誠客戶。(b).自動檢測客戶購物意圖的變化，并調(diào)整商品推薦策略。實時適應(yīng)客戶不斷變化的興趣；根據(jù)客戶搜索特征向量的變化、客戶關(guān)注商品類別以及購買/瀏覽產(chǎn)品信息的變化等，自動檢測客戶購物意圖的變化，同時根據(jù)客戶新的購物意圖，調(diào)整推薦策略，推薦與客戶最新意圖相關(guān)度最高的商品。這樣的商品推薦更加有針對性、更加準確、更加智能化。隨著客戶購物意圖的變化，客戶的購物意圖模型通過機器學習，調(diào)整自身的參數(shù)，可以自適應(yīng)客戶購物意圖的變化，并有針對性的向客戶推薦商品。實時適應(yīng)用戶不斷變化地購物興趣。(c).基于用戶意圖模型，深入挖掘客戶深層購物意圖，為用戶提供專業(yè)化的推薦服務(wù)；在樹狀的客戶購物意圖模型上面，客戶的購物意圖表現(xiàn)為一個個離散的點，每個點代表某時間段客戶對某商品類別的購物意圖，將這些離散的點進行聚類和深層挖掘，從而得到客戶真正的購物意圖，為用戶提供專業(yè)化的推薦服務(wù)。


圖I基于用戶購物意圖推薦流程圖；圖2樹狀的客戶購物意圖模型；
具體實施例方式以下結(jié)合具體實施例，對本發(fā)明進行詳細說明。Stepl :構(gòu)建樹狀的客戶購物意圖模型。基于電子商務(wù)網(wǎng)站的分類體系，構(gòu)建樹形的用戶意圖模型，意圖模型的深度以4層左右為宜。每一個用戶意圖模型都是電子商務(wù)網(wǎng)站分類體系的子部分。如圖2所示，每一個結(jié)點對應(yīng)一個標識0或者1，初始值均為0，用于標識用戶的購物意圖。當系統(tǒng)獲取用戶意圖時，判斷是否當前意圖已經(jīng)標識為1，若已經(jīng)標識則意圖模型不變，否則將相應(yīng)意圖結(jié)點及其各層父結(jié)點標識為I。說明用戶有相應(yīng)的購物意圖。St印2 :實時檢測用戶行為，識別用戶意圖。系統(tǒng)通過三種途徑獲取用戶的購物意圖，具體包括7)分析用戶在搜索引擎中輸入的內(nèi)容8)分析用戶通過多維導航獲取產(chǎn)品的路徑 9)提取用戶購買/瀏覽產(chǎn)品的共同特征。當用戶通過搜索引擎進行搜索時，對搜索內(nèi)容進行分詞、語義擴展等得到特征向量，將特征向量與意圖模型中的結(jié)點進行匹配，將匹配的結(jié)點及其各層父結(jié)點標識為I。當用戶通過多為導航獲取所需商品時，記錄用戶導航的完整路徑，對路徑信息進行基于語義的分析，將所有導航信息及其語義擴展與意圖模型中結(jié)點匹配，將匹配結(jié)點及其各層父結(jié)點標識為I。在用戶購買/瀏覽的過程中，將用戶的行為信息放入緩存。對于一定時間段內(nèi)積累的緩存信息進行分析，提取共同特征，進行語義擴展?；谝鈭D模型進行匹配，標識相應(yīng)意圖結(jié)點及其各層父結(jié)點。step3 :實時檢測用戶意圖變化系統(tǒng)實時檢查用戶的意圖，將每次獲取的歷史信息進行記錄，每次獲取用戶意圖后，都會與用戶之前的意圖進行比較。具體實現(xiàn)方式是對兩次意圖向量基于電子商務(wù)領(lǐng)域語義字典進行比較。如果語義完全相同，則認為用戶意圖沒有變化，否則認為用戶意圖發(fā)生了變化。step4 :跟蹤用戶意圖變化軌跡，進行用戶深層意圖的推測基于用戶離散的意圖，對用戶深層的意圖進行推測。具體實現(xiàn)方式是記錄用戶意圖變化的軌跡，分析不同意圖之間的關(guān)聯(lián)關(guān)系，比如用戶多次跳轉(zhuǎn)的意圖都屬于意圖模型中同一個父結(jié)點的子節(jié)點，并且用戶已經(jīng)關(guān)注的結(jié)點個數(shù)大于一定閥值(比如大于2)或者所占百分比大于一定的比例(比如大于50%，用于子結(jié)點個數(shù)較少的情況，比如總共三個子結(jié)點)，則認為用戶實際上對父類的其他產(chǎn)品應(yīng)該也有興趣。比如用戶先后從冰箱類、跳轉(zhuǎn)到洗衣機類、然后是空調(diào)類，這時可以判斷用戶對其他大家電可能會有興趣，比如平板電視、家庭影院等。step5 :確定商品推薦策略根據(jù)客戶的購物意圖，確定商品的推薦策略。(a).如果獲取的是客戶的初次購物意圖，或者意圖沒有發(fā)生跳轉(zhuǎn)，則結(jié)合用戶意圖和當前商品信息進行推薦。具體實現(xiàn)方式是對用戶的購物意圖進行分詞獲取主題詞，對當前商品信息進行分析，獲取當前商品信息中的主題詞。將意圖主題詞和商品信息主題詞進行融合，對于不重合的進行合并，對于重合的進行權(quán)重的加權(quán)累加。大部分情況下意圖主題詞跟產(chǎn)品信息主題詞是重合的，至少語義上是重合的，因此能夠突顯用戶的購物意圖。然后對融合的主題詞做語義擴展，與網(wǎng)站中其他產(chǎn)品進行匹配，尋找最相似的產(chǎn)品。產(chǎn)品的相似度用命中的主題詞及其語義擴展的累加權(quán)重進行度量(b).如果客戶的購物意圖發(fā)生跳轉(zhuǎn)，并且根據(jù)我們的意圖推測方法沒有獲取深層意圖，則結(jié)合用戶新的購物意圖和當前產(chǎn)品信息進行推薦
如果通過意圖分析和比較，發(fā)現(xiàn)客戶的購物意圖發(fā)生了跳轉(zhuǎn)，但是根據(jù)已有的跳轉(zhuǎn)軌跡沒有獲取深層次意圖。對應(yīng)于我們的用戶意圖模型，用戶的各個離散的意圖之間沒有直接的共同父結(jié)點。比如用戶從冰箱跳轉(zhuǎn)到了加濕器，我們認為用戶的購物意圖之間沒有關(guān)聯(lián)或者關(guān)聯(lián)較弱，如果進行用戶意圖進行推測，只能推測出用戶對家用電器有興趣，基于此進行推薦因為范圍過于寬泛而沒有意義。或者有共同的父結(jié)點，但是父結(jié)點已經(jīng)標識的字節(jié)點比例較低，比如大家電有13個子類，目前用戶只瀏覽過兩個子類，比如從冰箱跳轉(zhuǎn)到洗衣機，該情況下我們認為規(guī)律性還不夠強，進行意圖推測準確率可能不高。因此以上兩種情況下均不做用戶深層意圖的推測，根據(jù)當前的用戶購物意圖推薦相關(guān)的產(chǎn)品，既推薦加濕器相關(guān)的產(chǎn)品。(c).如果用戶意圖發(fā)生跳轉(zhuǎn)，并且獲取了用戶深層次的意圖，則按照一定比例分別推薦跟用戶當前意圖和用戶深層次意圖相關(guān)的產(chǎn)品。
如果通過意圖分析和比較，發(fā)現(xiàn)客戶的購物意圖發(fā)生了跳轉(zhuǎn)，并且根據(jù)跳轉(zhuǎn)軌跡和我們的意圖推薦方法獲取了用戶深層的意圖。該情況下按照一定比例分別推薦跟當前用戶意圖和用戶深層次意圖相關(guān)的產(chǎn)品。具體實現(xiàn)方式如下假設(shè)在當前推薦位上可以推薦產(chǎn)品個數(shù)為x，根據(jù)意圖模型，當前意圖的父結(jié)點共有n個子結(jié)點，已經(jīng)標注為I的為m。則結(jié)合當前意圖和產(chǎn)品信息推薦產(chǎn)品個數(shù)為xX 11 |min)，結(jié)合其他子結(jié)點意圖推薦產(chǎn)品個數(shù)
為XX=其它子結(jié)點意圖的選擇方式為隨機選取。該推薦方式既考慮了用戶的當前意圖， n
又考慮了用戶深層次的意圖。隨著用戶深層意圖的逐漸突顯，結(jié)合用戶深層次意圖推薦的產(chǎn)品數(shù)目逐漸增加。比如用戶先后瀏覽了大家電13個子分類中的3個跟10個的意圖明顯程度不同，因此推薦大家電其它產(chǎn)品的數(shù)量也不同。系統(tǒng)會自適應(yīng)于深層意圖的顯現(xiàn)程度進行相應(yīng)推薦策略的調(diào)整。推薦更加智能。應(yīng)當理解的是，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進或變換，而所有這些改進和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護范圍。
權(quán)利要求
1.一種基于客戶購物意圖挖掘的實時商品推薦方法，其特征在于，包括以下步驟 步驟I:構(gòu)建樹狀的客戶購物意圖模型； 步驟2 :實時檢測用戶行為，識別用戶意圖； 步驟3 :實時檢測用戶意圖變化； 步驟4 :跟蹤用戶意圖變化軌跡，進行用戶深層意圖的推測 基于用戶離散的意圖，對用戶深層的意圖進行推測，具體實現(xiàn)方式是記錄用戶意圖變化的軌跡，分析不同意圖之間的關(guān)聯(lián)關(guān)系； 步驟5 :確定商品推薦策略； 根據(jù)客戶的購物意圖，確定商品的推薦策略 (a).如果獲取的是客戶的初次購物意圖，或者意圖沒有發(fā)生跳轉(zhuǎn)，則結(jié)合用戶意圖和當前商品信息進行推薦 具體實現(xiàn)方式是對用戶的購物意圖進行分詞獲取主題詞，對當前商品信息進行分析，獲取當前商品信息中的主題詞；將意圖主題詞和商品信息主題詞進行融合，對于不重合的進行合并，對于重合的進行權(quán)重的加權(quán)累加；然后對融合的主題詞做語義擴展，與網(wǎng)站中其他產(chǎn)品進行匹配，尋找最相似的產(chǎn)品；產(chǎn)品的相似度用命中的主題詞及其語義擴展的累加權(quán)重進行度量； (b).如果客戶的購物意圖發(fā)生跳轉(zhuǎn)，并且根據(jù)意圖推測方法沒有獲取深層意圖，則結(jié)合用戶新的購物意圖和當前產(chǎn)品信息進行推薦 如果通過意圖分析和比較，發(fā)現(xiàn)客戶的購物意圖發(fā)生了跳轉(zhuǎn)，但是根據(jù)已有的跳轉(zhuǎn)軌跡沒有獲取深層次意圖；對應(yīng)于用戶意圖模型，用戶的各個離散的意圖之間沒有直接的共同父結(jié)點；或者有共同的父結(jié)點，但是父結(jié)點已經(jīng)標識的字節(jié)點比例較低；以上兩種情況下均不做用戶深層意圖的推測，根據(jù)當前的用戶購物意圖推薦相關(guān)的產(chǎn)品； (c).如果用戶意圖發(fā)生跳轉(zhuǎn)，并且獲取了用戶深層次的意圖，則按照一定比例分別推薦跟用戶當前意圖和用戶深層次意圖相關(guān)的產(chǎn)品 如果通過意圖分析和比較，發(fā)現(xiàn)客戶的購物意圖發(fā)生了跳轉(zhuǎn)，并且根據(jù)跳轉(zhuǎn)軌跡和意圖推薦方法獲取了用戶深層的意圖，該情況下按照一定比例分別推薦跟當前用戶意圖和用戶深層次意圖相關(guān)的產(chǎn)品；具體實現(xiàn)方式如下假設(shè)在當前推薦位上可以推薦產(chǎn)品個數(shù)為X，根據(jù)意圖模型，當前意圖的父結(jié)點共有η個子結(jié)點，已經(jīng)標注為I的為m，則結(jié)合當前意圖和產(chǎn)品信息推薦產(chǎn)品個數(shù)為XX |1|1^11，結(jié)合其他子結(jié)點意圖推薦產(chǎn)品個數(shù)為^￥2其它 H ，子結(jié)點意圖的選擇方式為隨機選取。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟2中，系統(tǒng)通過三種途徑獲取用戶的購物意圖，具體包括 1)分析用戶在搜索引擎中輸入的內(nèi)容； 2)分析用戶通過多維導航獲取產(chǎn)品的路徑； 3)提取用戶購買/瀏覽產(chǎn)品的共同特征； 當用戶通過搜索引擎進行搜索時，對搜索內(nèi)容進行分詞、語義擴展等得到特征向量，將特征向量與意圖模型中的結(jié)點進行匹配，將匹配的結(jié)點及其各層父結(jié)點標識為I ; 當用戶通過多為導航獲取所需商品時，記錄用戶導航的完整路徑，對路徑信息進行基于語義的分析，將所有導航信息及其語義擴展與意圖模型中結(jié)點匹配，將匹配結(jié)點及其各層父結(jié)點標識為I; 在用戶購買/瀏覽的過程中，將用戶的行為信息放入緩存。對于一定時間段內(nèi)積累的緩存信息進行分析，提取共同特征，進行語義擴展。基于意圖模型進行匹配，標識相應(yīng)意圖結(jié)點及其各層父結(jié)點。
3.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述步驟3中，系統(tǒng)實時檢查用戶的意圖，將每次獲取的歷史信息進行記錄，每次獲取用戶意圖后，都會與用戶之前的意圖進行比較；具體實現(xiàn)方式是對兩次意圖向量基于電子商務(wù)領(lǐng)域語義字典進行比較，如果語義完全相同，則認為用戶意圖沒有變化，否則認為用戶意圖發(fā)生了變化。
全文摘要
本發(fā)明公開了一種基于客戶購物意圖挖掘的實時商品推薦方法，包括以下步驟步驟1構(gòu)建樹狀的客戶購物意圖模型；步驟2實時檢測用戶行為，識別用戶意圖；步驟3實時檢測用戶意圖變化；步驟4跟蹤用戶意圖變化軌跡，進行用戶深層意圖的推測基于用戶離散的意圖，對用戶深層的意圖進行推測；步驟5確定商品推薦策略；根據(jù)客戶的購物意圖，確定商品的推薦策略。本發(fā)明的優(yōu)點自動識別客戶購物意圖，進行精準的個性化推薦，提高客戶滿意度；自動檢測客戶購物意圖的變化，并調(diào)整商品推薦策略。實時適應(yīng)客戶不斷變化的興趣；基于用戶意圖模型，深入挖掘客戶深層購物意圖，為用戶提供專業(yè)化的推薦服務(wù)。
文檔編號G06Q30/02GK102800006SQ20121025569
公開日2012年11月28日 申請日期2012年7月23日 優(yōu)先權(quán)日2012年7月23日
發(fā)明者姚明東 申請人:姚明東