一種基于案例推理的電商網(wǎng)站商品的個(gè)性化推薦方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計(jì)算機(jī)技術(shù)領(lǐng)域，涉及電子商務(wù)個(gè)性化推薦技術(shù)，尤其涉及一種基于 案例推理的電商網(wǎng)站商品的個(gè)性化推薦方法。，
【背景技術(shù)】
[0002] 在"大數(shù)據(jù)網(wǎng)絡(luò)環(huán)境下"要求電商運(yùn)用大數(shù)據(jù)處理系統(tǒng)對(duì)消費(fèi)者從無意識(shí)的網(wǎng)站 瀏覽到商品購買以及購買后行為的跟蹤，針對(duì)不同消費(fèi)者的個(gè)性化需求做出更加實(shí)時(shí)和更 富個(gè)性化推薦。常規(guī)的個(gè)性化推薦技術(shù)通過收集和分析用戶信息來學(xué)習(xí)用戶的興趣和行 為，很難做到實(shí)時(shí)更新和主動(dòng)向用戶提供精細(xì)的個(gè)性化推薦信息。同時(shí)，系統(tǒng)收集到用戶的 信息和行為具體高維稀疏性，很難利用這些稀少的信息來為其他用戶提供精確的推薦，隨 著用戶的增多，信息越來越豐富，為了更好地提供個(gè)性化推薦，如何快速有效利用這些用戶 偏好和歷史購買行為就成為非常重要的問題。
[0003] 目前的個(gè)性化推薦可以在已知用戶的特征和對(duì)商品評(píng)價(jià)的海量信息的基礎(chǔ)上對(duì) 用戶進(jìn)行個(gè)性化推薦，然而，在實(shí)際的電子商務(wù)個(gè)性化推薦中，希望避免過多地依賴用戶對(duì) 商品的評(píng)價(jià)，并提供更實(shí)時(shí)的個(gè)性化推薦是當(dāng)前推薦方案所不能實(shí)現(xiàn)的。

【發(fā)明內(nèi)容】

[0004] 發(fā)明是為了解決當(dāng)前個(gè)性化推薦算法所存在的一些問題和不足，在結(jié)合案例推理 技術(shù)的基礎(chǔ)上引進(jìn)了模糊聚類分析，提出一種基于案例推理的電商網(wǎng)站商品的個(gè)性化推薦 方法。
[0005] 為了實(shí)現(xiàn)上述目的，本發(fā)明提出了一種基于案例推理的電商網(wǎng)站商品的個(gè)性化推 薦方法，包括以下步驟。
[0006] 步驟S1:將當(dāng)前訪問用戶的特征和訪問行為構(gòu)建目標(biāo)問題，其他用戶的特征和其 歷史訪問行為以及和購買記錄構(gòu)建原始案例；
[0007] 步驟S2 :引入模糊聚類，系統(tǒng)根據(jù)案例的特征進(jìn)行聚類，用戶的特征、興趣相似程 度高的案例聚集到同一類并標(biāo)識(shí)，建立高相似性案例庫；
[0006] 步驟S3 :運(yùn)用用戶案例相似性檢索，計(jì)算被檢索原始案例屬性與目標(biāo)問題屬性指 標(biāo)要求的滿足程度，找出對(duì)目標(biāo)問題大于一定相似度水平a的案例集；
[0009]步驟S4:檢索出的目標(biāo)案例屬于哪個(gè)案例類，如果屬于多個(gè)類，那么平均距離最 小的即是目標(biāo)案例所屬的類；
[0008] 步驟S5 :用模糊平均聚類算法為目標(biāo)案例進(jìn)行推薦；
[0009] 步驟S6:如果匹配相似值Jmix>給定的閾值，且在分類門限下不隸屬于任何一個(gè) 聚類子集，則將新目標(biāo)問題結(jié)果案例加入案例庫，自動(dòng)完成案例學(xué)習(xí)。
[0010] 所述的案例建立方法包括：
[0011] 101 :建立一個(gè)四元組（u，A，V，F(xiàn))的案例系統(tǒng)；其中，U= {Ul，u2，…，uj為案例 實(shí)體集合，稱為論域；案例空間A=CUD，cn/) = 0，C為條件屬性集，D為決策集；V=VVa 是全體屬性值集合，va是屬性a的值域；F是UXA-V的一個(gè)函數(shù)?？梢愿鶕?jù)條件屬性對(duì)論 域進(jìn)行劃分，論域中的對(duì)象根據(jù)條件屬性的不同，被劃分到具有不同決策屬性的決策類中。
[0012] 102:用戶的的特征以及歷史訪問行為歸于條件屬性集，用戶的歷史購買記錄歸 于決策集，原始成熟案例的任一個(gè)案例由m個(gè)特征指標(biāo)表示，即C={apa2，…，am}，D={fiCtviv ...，rp)，...fqCtviv...，rp)}，其中，a!是歷史用戶特征和訪 問行為的條件屬性，fi是歷史購買記錄，屬于決策集或推薦集，ri是購買記錄的相關(guān)對(duì)象屬 性，案例結(jié)構(gòu)如圖1所示，案例描述特征如圖2所示。
[0013]所述步驟S2具體為：
[0014] 201 :對(duì)原始案例數(shù)據(jù)標(biāo)準(zhǔn)化，如式（1)所示：
【主權(quán)項(xiàng)】
1. 一種基于案例推理技術(shù)的電商網(wǎng)站商品的個(gè)性化推薦方法，其特征在于，該方法包 括如下步驟： 步驟S1;將當(dāng)前訪問用戶的特征和訪問行為構(gòu)建目標(biāo)問題，其他用戶的特征和其歷史 訪問行為W及和購買記錄構(gòu)建原始案例； 步驟S2;引入模糊聚類，系統(tǒng)根據(jù)案例的特征進(jìn)行聚類，用戶的特征、興趣相似程度高 的案例聚集到同一類并標(biāo)識(shí)，建立高相似性案例庫； 步驟S3;運(yùn)用用戶案例相似性檢索，計(jì)算被檢索原始案例屬性與目標(biāo)問題屬性指標(biāo)要 求的滿足程度，找出對(duì)目標(biāo)問題大于一定相似度水平a的案例集； 步驟S4;檢索出的目標(biāo)案例屬于哪個(gè)案例類。如果屬于多個(gè)類，那么平均距離最小的 即是目標(biāo)案例所屬的類； 步驟S5;用模糊平均聚類算法為目標(biāo)案例進(jìn)行推薦； 步驟S6 ;如果匹配相似值Jmh>給定的闊值，且在分類口限下不隸屬于任何一個(gè)聚類 子集，則將新目標(biāo)問題結(jié)果案例加入案例庫，自動(dòng)完成案例學(xué)習(xí)。
2.根據(jù)權(quán)利要求1所述的一種基于案例推理技術(shù)的電商網(wǎng)站商品的個(gè)性化推薦方法， 其特征在于，所述的案例模型的建立方法包括： 101 ;建立一個(gè)四元組化A，V，巧的案例系統(tǒng)；其中，U =咕，U2, . . .，U。}為案例實(shí)體 集合，稱為論域；案例空間A = C U D，CnD = 0，C為條件屬性集，D為決策集；V =vF。是全 體屬性值集合，V。是屬性a的值域；F是UXA - V的一個(gè)函數(shù)?？蒞根據(jù)條件屬性對(duì)論域 進(jìn)行劃分，論域中的對(duì)象根據(jù)條件屬性的不同，被劃分到具有不同決策屬性的決策類中。 102 ;用戶的的特征W及歷史訪問行為歸于條件屬性集，用戶的歷史購買記錄歸于決策 集，原始成熟案例的任一個(gè)案例由m個(gè)特征指標(biāo)表示，即C=咕，32, . . .，a。}，D=化h， r]，. . .，r。），f2(ri，r]，. . .，r。），. . .fqCri，r2, . . .，r。)}，其中，a;是歷史用戶特征和訪問行 為的條件屬性，是歷史購買記錄，屬于決策集或推薦集，ri是購買記錄的相關(guān)對(duì)象屬性。
3.根據(jù)權(quán)利要求1所述的一種基于案例推理技術(shù)的電商網(wǎng)站商品的個(gè)性化推薦方法， 其特征在于，所述的步驟S2具體為： 201 ;對(duì)原始案例數(shù)據(jù)標(biāo)準(zhǔn)化，如式（1)所示：
如果得到的標(biāo)準(zhǔn)化數(shù)據(jù)不在[〇，1]內(nèi)，則采用極值規(guī)格化處理，如式（2)所示：
口） 其中，Mi=max(u。'，U2J'，. . .，Unj)，mi=min(u。'，U2J'，. . .，Unj)，i= 1，2,. ..，n;j= 1， 2，. ..，m 202 ;案例Ui= (u。!!。，. ..，uj與Uj= (Uji，Uj2，. . .，Ujm)之間的相似程度記為[0， 1]，采用相關(guān)系數(shù)法計(jì)算案例之間的相似性，如式（3)所示：
203;模糊傳遞閉包法聚類，具體為： 1) 求出傳遞閉包t(R); 2) 在[0，1]區(qū)間上適當(dāng)選取置信水平值A(chǔ)，求出t(R),的截矩陣，得到水平上的等價(jià) 分類； 3) 按照從大到小的順序排。
4.根據(jù)權(quán)利要求1所述的一種基于案例推理技術(shù)的電商網(wǎng)站商品的個(gè)性化推薦方法， 其特征在于，所述的原始案例集U= {ui，U2,. . .，U。}經(jīng)過模糊聚類后被自動(dòng)劃分為N(2《N <n)個(gè)分類，其中，UiGRP，F(xiàn)CM的目標(biāo)函數(shù)，如式（4)所示： Jmh(〇,Xi，X2, . . .，Xn) = (Ujm| |0-Xj|2 (4) 其中，m> 1的常數(shù)，該里去m= 2,Xi為i類聚類的中心u。甫（i= 1，2,...，腳為 目標(biāo)案例0對(duì)案例類i的隸屬度，滿足M。,. G化=1。
【專利摘要】本發(fā)明涉及一種基于案例推理的電商網(wǎng)站商品的個(gè)性化推薦方法，通過將當(dāng)前訪問用戶的特征和訪問行為構(gòu)建目標(biāo)問題，其他用戶的特征和其歷史訪問行為以及和購買記錄構(gòu)建原始案例，應(yīng)用模糊聚類，根據(jù)目標(biāo)案例特征進(jìn)行聚類，用戶的特征、興趣等相似程度高的案例聚集到同一類并標(biāo)識(shí)，建立高相似性案例庫，運(yùn)用用戶案例相似性檢索和改進(jìn)的模糊均值聚類算法推薦出與目標(biāo)用戶案例最相似的解案例集，對(duì)其進(jìn)行修正并重用，并用于更新動(dòng)態(tài)案例庫。本發(fā)明不但增強(qiáng)了系統(tǒng)的實(shí)時(shí)性，還避免了以往推薦系統(tǒng)過多地依賴用戶對(duì)商品的評(píng)價(jià)。
【IPC分類】G06Q30-02
【公開號(hào)】CN104851025
【申請(qǐng)?zhí)枴緾N201510244401
【發(fā)明人】陳雪剛
【申請(qǐng)人】湘南學(xué)院
【公開日】2015年8月19日
【申請(qǐng)日】2015年5月9日