专利名称：一种商品推荐方法和商品推荐系统的制作方法
技术领域：
本发明涉及商品应用领域，更具体地说，涉及一种商品推荐方法和商品推荐系统。
背景技术：
商品推荐分发系统可以在恰当的场景给用户推荐恰当的商品。常见的如电子商务推荐系统，在互联网上给用户推荐各种商品，如推荐新的上架的商品，打折的商品，热销的商品。目前互联网上的电子商务推荐系统，一般是基于商品销售排行、用户对商品的评价评分进行商品推荐，由于缺乏对用户个性化推荐所需要使用的智能分析因素，因此在很多情况下推荐给用户的商品并不是用户所喜欢的。目前的电子商务推荐系统主要有以下缺陷1)实时性与推荐质量之间的平衡问题。推荐系统的推荐精度和实时性是一对矛盾，大部分推荐系统在保证实时性要求的同时，是以牺牲推荐系统的推荐质量为前提的。在提供实时推荐服务的同时，如何有效提高推荐系统的推荐质量，是商品推荐系统面临的一个难题。2)当前电子商务推荐系统体系结构不完善，大部分的电子商务推荐系统都只是一个单一的工具，只能提供一种推荐模型。但由于电子商务系统本身的复杂性，不同场合需要不同类型的推荐。3)目前的电子商务推荐系统只能通过简单的销售排行、向用户提供其他用户对商品的评价评分信息等方式来达到上述目的，需要进一步研究更加有效的方法向用户解释产生推荐的原因，从而增加用户对推荐系统的信任程度，说服用户听从推荐系统的推荐。4)提供推荐服务的对象几乎都是注册购买商品的用户，而忽略了那些只访问站点却不购买东西的访问者；而且缺乏对站点专家和分析员指导作用的考虑，仅仅是简单的销售排行。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述商品推荐质量不高、实时性差以及推荐服务的对象单一的缺陷，提供一种商品推荐方法和商品推荐系统。本发明解决其技术问题所采用的技术方案是构造一种商品推荐方法，包括依据用户的浏览记录和/或用户属性获取样本训练数据，并对所述样本训练数据建立关联分析模型；依据关联分析模型生成关联数据；接收商品推荐请求，依据所述商品推荐请求获取用户信息，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户。在本发明所述的商品推荐方法中，依据关联分析模型生成关联数据具体包括依据关联分析模型并基于支持度、置信度、提升度生成关联数据。在本发明所述的商品推荐方法中，所述用户信息包括用户终端机型、浏览的商品；当用户已登录且处于浏览或订购状态时，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户具体包括基于所述用户终端机型、浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给相关门户，以便由相关门户显示给用户；所述门户包括Wffff门户、WAP门户、用户终端门户。在本发明所述的商品推荐方法中，如果推荐给用户的商品数量不足，则从预设商品库中选取适于所述用户终端机型的商品。在本发明所述的商品推荐方法中，所述用户信息包括浏览的商品；当用户未登录且处于浏览或订购状态时，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户具体包括基于所述浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给相关门户，以便由相关门户显示给用户；所述门户包括Wffff门户。在本发明所述的商品推荐方法中，当用户已登录且处于无浏览且无订购状态时，依据关联分析模型生成关联数据具体包括基于所述用户属性划分多个用户群，并对每一用户群设置对应的标识，依据关联分析模型生成关联数据。在本发明所述的商品推荐方法中，所述用户信息包括用户终端机型、用户属性；当用户已登录且处于无浏览且无订购状态时，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户具体包括基于已登录用户的用户属性、用户终端机型以及所述关联数据对用户进行用户群类别标识，将相同用户群中其它用户喜好且与所述用户终端机型相匹配的商品推荐给相关门户，以便由相关门户显示给用户；所述门户包括WWW门户、WAP门户、用户终端门户。本发明还构造一种商品推荐系统，包括模型建立单元，用于依据用户的浏览记录和/或用户属性获取样本训练数据，并对所述样本训练数据建立关联分析模型；商品推荐服务器，与所述模型建立单元通信连接，包括生成单元，用于依据关联分析模型生成关联数据；接收单元，用于接收商品推荐请求；推荐单元，用于依据所述商品推荐请求获取用户信息，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户。在本发明所述的商品推荐系统中，所述用户信息包括用户终端机型、浏览的商品；当用户已登录且处于浏览或订购状态时，所述推荐单元具体用于依据所述商品推荐请求获取用户信息，基于所述用户终端机型、浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给相关门户，以便由相关门户显示给用户。在本发明所述的商品推荐系统中，所述用户信息包括浏览的商品；当用户未登录且处于浏览或订购状态时，所述推荐单元具体用于依据所述商品推荐请求获取用户信息，基于所述浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给相关门户，以便由相关门户显示给用户。
采用本发明的技术方案，具有以下有益效果1)门户只需要提供实时业务信息给商品推荐系统，商品推荐系统就能够通过建立关联分析模型并生成关联数据，将推荐商品信息给业务系统。2)将Wffff门户，WAP门户，手机终端门户同时结合起来，使用同一个商品推荐系统，使电子商务智能推荐系统成为现实。3)不同于普通的搜索引擎，也不同于只能通过简单的销售排行、向用户提供其他用户的商品的评价评分信息等方式达到说服用户目的的电子商务推荐系统，而是将多种数据挖掘技术运用于多个推荐场景。4)将用户手机型号也作为商品推荐的一个考虑因素。5)商品推荐方法和系统既保证了推荐质量，又提供实时高速的推荐服务。6)商品推荐系统的可扩展性强，还可以不断增加使用其他数据挖掘方法或者统计分析方法，在更多的场景推荐商品。
下面将结合附图及实施例对本发明作进一步说明，附图中图1是依据本发明一实施例的商品推荐方法流程示意图；图2是依据本发明一实施例的商品推荐系统结构示意图；图3是图2中的商品推荐服务器结构示意图。
具体实施例方式
本发明对用户在WWW门户，WAP门户，手机终端门户的有登陆有订购(浏览)、无登陆有浏览、有登陆无浏览无订购场景，使用数据挖掘技术离线建模，结合在线推荐计算，使用Memcached缓存技术对推荐结果进行缓存处理，在同一推荐分发系统对不同门户不同场景提供不同接口，提供推荐商品数据返回给各大门户展现；引入关联、聚类等现代数据挖掘技术数据分析机制，无需用户输入，就能了解用户偏好；根据业务场景以及业务支撑需要，还可以使用其它数据挖掘技术和统计方法等给各大在线门户或者离线系统布置新的通信接口。图1是依据本发明一实施例的商品推荐方法100流程示意图。商品推荐方法100，包括如下步骤在步骤101中，依据用户的浏览记录和/或用户属性获取样本训练数据，并对所述样本训练数据建立关联分析模型；在步骤102中，依据关联分析模型生成关联数据，也可称为关联规则；这里的关联分析模型包括采用关联分析建模方法或聚类分析建模方法建立的模型，下文将做详细阐述。在步骤103中，接收商品推荐请求，依据所述商品推荐请求获取用户信息，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户。在本发明一实施例中，步骤102具体包括依据关联分析模型并基于支持度、置信度、提升度生成关联数据。关于支持度、置信度、提升度的示例如表1所示
表 1
关联规则提升度支持度置信度规则左边规则右边音虫手机琴=>手机电筒2. 4813. 954. 47音虫手机琴手机电筒推箱子=>数独4. 974. 4759. 61推箱子数独 表1以手机应用软件为例进行阐述，“音虫手机琴”、“手机电筒”、“推箱子”、“数独”都是游戏软件名称。本发明并不限于软件应用，还可以是其它的实际的商品。提升度，采用该规则比在总体样本的比例提高的倍数——规则的有效性(深)；支持度，规则左右边同时出现在全体样本中的比例——规则的覆盖面(广)；置信度，规则右边之于规则左边的条件概率——规则的度量值。第一条关联规则的解释订购了应用音虫手机琴同时订购了应用手机电筒的用户占总用户量的13.9% ；在订购了应用音虫手机琴的总用户中有47%的用户订购了应用手机电筒；在订购了应用音虫手机琴的用户中，也订购应用手机电筒的概率，是总用户中订购应用手机电筒的概率的2. 48倍。第二条关联规则的解释订购了应用推箱子同时订购了应用数独的用户占总用户量的4. 47% ；在订购了应用推箱子的总用户中有59. 61%的用户订购了应用数独；在订购了应用推箱子的用户中，也订购应用数独的概率，是总用户中订购应用数独的概率的4. 97倍。在本发明一实施例中，图1的用户信息包括用户终端机型、浏览的商品。当用户已登录且处于浏览或订购状态时，步骤103中基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户具体包括基于所述用户终端机型、浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给相关门户，以便由相关门户显示给用户，所述门户包括WWW门户、WAP门户、用户终端门户。这里的关联数据是指商品关联数据。在本发明一实施例中，如果推荐给用户的商品数量不足，则从预设商品库中选取适于所述用户终端机型的商品。这里的预设商品库可以是例如机型匹配成功且订购量排名靠前的商品，例如但不限于排名前40的商品。关于用户已登录且处于浏览或订购状态的应用场景，本发明商品推荐方法的过程详述如下Si)业务分析人员通过对所有用户订购(浏览)商品行为的历史数据进行清洗、过滤、转换后，取70%的样本数据作为关联分析模型的样本训练数据。使用数据挖掘工具，用关联分析算法对样本训练数据进行关联分析模型建模。S2)模型训练完成得出模型结果后，对模型结果进行评估，选取效果较好的模型，导出模型结果(即关联规则)，然后将关联规则导入到智能分发平台。S3)智能分发平台(即下文描述的商品推荐服务器，下同)通过对模型生成的关联规则，从支持度、置信度、提升度、业务角度进行确认，得到业务使用的关联规则。S4)当用户在Wffff门户/WAP门户/终端门户登陆后，在订购(浏览)商品页面时，需要给用户推荐与该商品有关联的其它商品；S5)Wffff门户/WAP门户/终端门户向智能分发平台请求推荐的商品；智能分发平台根据用户号码、用户机型、浏览的商品为用户准备推荐商品，推荐的规则如下；a、依据用户机型、订购(浏览)的商品，通过关联规则，把与订购(浏览)的商品对应的关联的商品推荐给用户；该最近一段时间内订购过的商品不再推荐；若需推荐多个商品，则需选取多条与订购(浏览)的商品对应的关联规则。关联规则选取原则对关联规则按照置信度TOPn选取(比如η取5)b、在a规则下如果推荐的商品数量不足，则从精品库中随机选取适配用户终端的商品补齐，用户三个月内订购过的商品及在a步骤推荐过的商品不再推荐。精品商品的判断条件机型适配成功且订购量在T0P40。C、如b步骤无法取得足够数量的商品，则直接返回能够推荐数量的商品。d、如果无法识别用户机型，则不推荐商品。在本发明又一实施例中，图1的用户信息包括浏览的商品。当用户未登录且处于浏览或订购状态时，步骤103中基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户具体包括基于所述浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给相关门户，以便由相关门户显示给用户；所述门户为WWW门户。由于WAP门户/终端门户上的用户能获取到用户的手机号码，此应用场景不适用。这里的关联数据是指商品关联数据。关于用户无登录且处于浏览或订购状态的应用场景，本发明商品推荐方法的过程详述如下Si，)业务分析人员通过对所有用户订购(浏览)商品行为的历史数据进行清洗、过滤、转换后，取70%的样本数据作为关联分析模型的样本训练数据。使用数据挖掘工具，用关联分析算法对样本训练数据进行关联分析模型建模。S2’)模型训练完成得出模型结果后，对模型结果进行评估，选取效果较好的模型，导出模型结果(即关联规则)，然后将关联规则导入到智能分发平台。S3’ )智能分发平台通过对模型生成的关联规则，从支持度、置信度、提升度、业务角度进行确认，得到业务使用的关联规则。S4’)当用户在WWW门户浏览商品页面时，需要给用户推荐与该商品有关联的其它商品；S5’ )Wffff门户向智能分发平台请求推荐的商品；S6’ )智能分发平台根据用户浏览的商品为用户准备推荐商品，推荐的规则如下；a、依据用户浏览的商品，通过关联规则，把与浏览的商品对应的关联的商品推荐给用户；若需推荐多个商品，则需选取多条与浏览的商品对应的关联规则。关联规则选取原则对关联规则按照置信度TOPn选取(比如η取5)b、在a规则下如果推荐的商品数量不足，则从同类商品中的精品应用中随机选取商品补齐，在a步骤推荐过的商品不再推荐。精品商品的判断条件同类商品中订购量T0P40。
S7’)智能分发平台把推荐应用返回WWW门户根据智能分发返回的应用，找到应用对应的商品向用户推荐。在本发明再一实施例中，当用户已登录且处于无浏览且无订购状态时，图1中的步骤102具体包括基于所述用户属性划分多个用户群，并对每一用户群设置对应的标识，依据关联分析模型生成关联数据。步骤102中的关联分析模型就具体化为聚类分析模型，这里的关联数据为用户分群数据，采用聚类分析模型来得到用户分群数据。在此实施例中，用户信息包括用户终端机型、用户属性；当用户已登录且处于无浏览且无订购状态时，步骤103基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户具体包括基于已登录用户的用户属性、用户终端机型以及所述关联数据对用户进行用户群类别标识，将相同用户群中其它用户喜好且与所述用户终端机型相匹配的商品推荐给相关门户，以便由相关门户显示给用户；所述门户包括WWW门户、WAP门户、用户终端门户。关于用户已登录且处于无浏览且无订购状态的应用场景，本发明商品推荐方法的过程详述如下Si，，)业务分析人员通过对所有用户属性数据(包括是否飞信用户、是否手机定制用户、是否集团用户、是否使用天气预报、属于哪个品牌、资费套餐费用)进行清洗、过滤、转换后，取70%的样本数据作为聚类分析模型的样本训练数据。使用数据挖掘工具，用聚类算法对样本训练数据进行聚类模型建模。S2”)模型训练完成得出模型结果后，对模型结果进行评估，选取效果较好的模型，导出模型结果(即聚类规则)，并且对每个用户群进行分析描述，给各个群体进行标识，然后将群体标识以及各个群体对应的聚类规则导入到智能分发平台。商品聚类规则如下形式如果用户具有以下特点是飞信、手机定制用户、集团用户、使用天气预报、动感地带品牌、资费套餐中等，则该用户被标识为偏好软件群。S3”)当用户在Wffff门户/WAP门户/终端门户登陆时，需要给用户推荐用户喜爱的商品；S4”)WWW门户/WAP门户/终端门户向智能分发平台传送用户信息、请求推荐商S5”)智能分发平台根据用户属性、用户机型为用户准备推荐商品，推荐的规则如下；a、依据用户属性，根据聚类规则，对用户进行类别标识，选取相同用户群的其他用户喜爱的并且与用户机型相匹配的商品推荐给用户；相同群的其他用户喜爱的商品选取原则对相同群的其他用户喜爱的商品按照订购量TOPn选取(比如η取5)。b、在a规则下如果推荐的商品数量不足，则从相同群的其他用户喜爱的商品类中的精品应用中随机选取适配用户终端的商品补齐，在a步骤推荐过的商品不再推荐。精品商品的判断条件机型适配成功且订购量在T0P40。C、如b步骤无法取得足够数量的商品，则直接返回能够推荐数量的商品。d、如果无法识别用户机型，则不推荐商品。
S6”)智能分发平台把推荐应用返回Wffff门户/WAP门户/终端门户S7'OffWff门户/WAP门户/终端门户根据智能分发返回的商品，找到用户对应的商
品向用户推荐。图2是依据本发明一实施例的商品推荐系统200结构示意图。商品推荐系统200包括模型建立单元201和商品推荐服务器202。商品推荐服务器202与WWW门户/WAP门户/终端门户通信连接。商品推荐服务器202包括生成单元2021、接收单元2022、推荐单元2023，详见图3。模型建立单元201，用于依据用户的浏览记录和/或用户属性获取样本训练数据，并对所述样本训练数据建立关联分析模型；商品推荐服务器202，与模型建立单元201通信连接，包括生成单元2021，用于依据关联分析模型生成关联数据；接收单元2022，用于接收商品推荐请求；推荐单元2023，用于依据所述商品推荐请求获取用户信息，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户。商品推荐服务器202与相关门户例如Wffff门户/WAP门户/终端门户之间通过例如通信接口进行数据传送。在本发明一实施例中，用户信息包括用户终端机型、浏览的商品。当用户已登录且处于浏览或订购状态时，所述推荐单元具体用于依据所述商品推荐请求获取用户信息，基于所述用户终端机型、浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给用户。在本发明又一实施例中，用户信息包括浏览的商品。当用户未登录且处于浏览或订购状态时，所述推荐单元具体用于依据所述商品推荐请求获取用户信息，基于所述浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给相关门户，以便由相关门户显示给用户。在本发明再一实施例中，用户信息包括用户终端机型、用户属性。当用户已登录且处于无浏览且无订购状态时，生成单元2021具体用于基于所述用户属性划分多个用户群，并对每一用户群设置对应的标识，依据关联分析模型生成关联数据。推荐单元2023具体用于基于已登录用户的用户属性、用户终端机型以及所述关联数据对用户进行用户群类别标识，将相同用户群中其它用户喜好且与所述用户终端机型相匹配的商品推荐给相关门户，以便由相关门户显示给用户。所述门户包括WWW门户、WAP门户、用户终端门户。上文关于商品推荐方法的描述同样适用于商品推荐系统，此处不做赘述。本发明的技术方案，具有以下优点1、智能分发平台是首个为互联网移动手机应用商城而做的数据业务推荐分发系统，给移动手机应用商城的WWW门户，WAP门户，手机终端门户运营提供数据支撑。2、首次将传统的数据挖掘技术和各个门户结合起来，在商品推荐方面发挥作用。Wffff门户，WAP门户，手机终端门户各个业务系统不需要关心智能分发平台纷繁芜杂的实现细节，只需要按照接口提供实时业务信息给智能分发平台，智能分发平台以约定的接口返回推荐商品信息给业务系统。3、首次将WWW门户，WAP门户，手机终端门户同时结合起来，使用同一个推荐分发平台。同时使用了近代发展起来的数据挖掘技术，使电子商务智能推荐系统成为现实。4、不同于普通的搜索引擎，也不同于目前的只能通过简单的销售排行、向用户提供其他用户的商品的评价评分信息等方式达到说服用户目的的电子商务推荐系统，而是将多种数据挖掘技术运用于多个推荐场景。5、首次将用户手机型号也作为商品推荐的一个考虑因素。6、智能分发平台通过将复杂耗时的数据挖掘模型建模以及模型评估放在离线部分，推荐计算部分放在在线部分，同时使用缓存技术对推荐结果进行缓存处理，再将它们有机结合，既保证了推荐质量，又提供实时高速的推荐服务。由于数据挖掘模型在模型训练、评估的时间较长，且使用的样本数据是已有的历史数据，所以放在离线部分；而在门户上是需要即时推荐服务的，所以需要在线进行推荐计算。再把由数据挖掘模型生成好的推荐规则数据放在缓存处理，就可以提供实时的推荐。7.智能分发平台的可扩展性强，还可以不断增加使用其他数据挖掘方法或者统计分析方法，在更多的场景推荐商品。本发明的技术方案对用户在WWW门户，WAP门户，手机终端门户的有登陆有订购(浏览)、无登陆有浏览、有登陆无浏览无订购场景，使用数据挖掘技术离线建模，结合在线推荐计算，使用例如Memcached缓存技术对推荐结果进行缓存处理，在同一推荐分发系统对不同门户不同场景提供不同接口，提供推荐商品数据返回给各大门户展现；引入关联、聚类等现代数据挖掘技术数据分析机制，无需用户输入，就能了解用户偏好；根据业务场景以及业务支撑需要，还可以使用其它数据挖掘技术和统计方法等给各大在线门户或者离线系统布置新的通信接口。
权利要求
1.一种商品推荐方法，其特征在于，包括依据用户的浏览记录和/或用户属性获取样本训练数据，并对所述样本训练数据建立关联分析模型；依据关联分析模型生成关联数据；接收商品推荐请求，依据所述商品推荐请求获取用户信息，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户。
2.根据权利要求1所述的商品推荐方法，其特征在于，依据关联分析模型生成关联数据具体包括依据关联分析模型并基于支持度、置信度、提升度生成关联数据。
3.根据权利要求2所述的商品推荐方法，其特征在于，所述用户信息包括用户终端机型、浏览的商品；当用户已登录且处于浏览或订购状态时，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户具体包括基于所述用户终端机型、浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给相关门户，以便由相关门户显示给用户，所述门户包括WWW门户、WAP门户、用户终端门户。
4.根据权利要求3所述的商品推荐方法，其特征在于，如果推荐给用户的商品数量不足，则从预设商品库中选取适于所述用户终端机型的商品。
5.根据权利要求2所述的商品推荐方法，其特征在于，所述用户信息包括浏览的商品；当用户未登录且处于浏览或订购状态时，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户具体包括基于所述浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给相关门户，以便由相关门户显示给用户；所述门户包括WWW门户。
6.根据权利要求1所述的商品推荐方法，其特征在于，当用户已登录且处于无浏览且无订购状态时，依据关联分析模型生成关联数据具体包括基于所述用户属性划分多个用户群，并对每一用户群设置对应的标识，依据关联分析模型生成关联数据。
7.根据权利要求6所述的商品推荐方法，其特征在于，所述用户信息包括用户终端机型、用户属性；当用户已登录且处于无浏览且无订购状态时，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户具体包括基于已登录用户的用户属性、用户终端机型以及所述关联数据对用户进行用户群类别标识，将相同用户群中其它用户喜好且与所述用户终端机型相匹配的商品推荐给相关门户，以便由相关门户显示给用户；所述门户包括WWW门户、WAP门户、用户终端门户。
8.—种商品推荐系统，其特征在于，包括模型建立单元，用于依据用户的浏览记录和/或用户属性获取样本训练数据，并对所述样本训练数据建立关联分析模型；商品推荐服务器，与所述模型建立单元通信连接，包括生成单元，用于依据关联分析模型生成关联数据；接收单元，用于接收商品推荐请求；推荐单元，用于依据所述商品推荐请求获取用户信息，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户。
9.根据权利要求8所述的商品推荐系统，其特征在于，所述用户信息包括用户终端机型、浏览的商品；当用户已登录且处于浏览或订购状态时，所述推荐单元具体用于依据所述商品推荐请求获取用户信息，基于所述用户终端机型、浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给相关门户，以便由相关门户显示给用户。
10.根据权利要求8所述的商品推荐系统，其特征在于，所述用户信息包括浏览的商品；当用户未登录且处于浏览或订购状态时，所述推荐单元具体用于依据所述商品推荐请求获取用户信息，基于所述浏览的商品以及所述关联数据将与所述浏览的商品对应的相关联的商品推荐给相关门户，以便由相关门户显示给用户。
全文摘要
本发明涉及一种商品推荐方法和商品推荐系统，方法包括依据用户的浏览记录和/或用户属性获取样本训练数据，并对所述样本训练数据建立关联分析模型；依据关联分析模型生成关联数据；接收商品推荐请求，依据所述商品推荐请求获取用户信息，基于所述用户信息以及所述关联数据将与所述用户信息相关联的商品推荐给相关门户，以便由相关门户显示给用户。商品推荐系统包括模型建立单元和商品推荐服务器。本发明的技术方案既保证了推荐质量，又提供实时高速的推荐服务，且可扩展性强，适于不同的应用场景。
文档编号G06F17/30GK102592223SQ201110020649
公开日2012年7月18日 申请日期2011年1月18日 优先权日2011年1月18日
发明者吴亚雪, 曾华维, 潘柱新, 龚剑辉 申请人:卓望数码技术(深圳)有限公司