专利名称：一种电子商务推荐方法
技术领域：
本发明涉及一种电子商务服务平台，具体涉及一种电子商务推荐方法。
背景技术：
随着电子商务的发展，电子商务平台中的商品数量呈指数增长，形成了海量数据，客户很难从如此浩瀚的商品海洋中挑选出对他有价值的商机。如何对商机信息进行有效的组织和展示，如何尽可能地了解客户的兴趣和爱好，以优化网站设计从而方便用户获取商机成为电子商务发展过程中迫切需要解决的问题。
发明内容
有鉴于此，本发明的目的是提供一种电子商务推荐方法，引入电子商务推荐系统理念，利用统计学、人工智能数据挖掘等技术，分析客户在电子商务网站的访问行为(如访问、搜索、评论、收藏等)，产生客户感兴趣的商机信息的推荐结果，从而帮助客户及时准确地捕捉到商机。为了实现上述目的，本发明采用以下技术方案
一种电子商务推荐方法，其中，包括主动式推荐方法和被动式推荐方法，所述主动式推荐方法包括如下步骤
步骤一，用户访问时，由用户选择订阅类型，设定订阅关键词，选择相关行业；
步骤二，将用户设定的订阅条件存储到数据库；
步骤三，提取订阅条件对应的相关字段，根据相关字段进行相识性匹配和排序；
步骤四，将处理后的推荐给用户。作为优选，所述被动式推荐方法包括如下步骤
步骤一，当用户访问时，记录用户访问过程中的所有操作行为及相关数据信息；
步骤二，对用户数据进行整理，形成数据仓库；
步骤三，对数据仓库中的数据进行分析，并提取具有代表性的内容特征值；
步骤四，制定推荐规则，并设定相关的数据字段；
步骤五，根据推荐规则对相关的数据内容特征值进行相关性分析和相识度匹配操作；步骤六，对匹配后的数据按照内容特征值的权重信息进行排序，并将排序后的数据推荐展示给客户。作为优选，所述被动式推荐方法步骤二中的用户数据包括供应数据、商家数据和旺铺点击数据。本发明的有益效果为
本发明包括主动式推荐和被动式推荐两种推荐方式。主动式推荐是指系统根据对用户信息和行为的分析，给出用户感兴趣的商机信息。而被动式推荐是指用户通过自己的努力在系统帮助下获得所需要的商机信息。本发明将主动式推荐和被动式推荐结合起来，以达到最佳的推荐效果。
本发明的推荐方法上采用Iucence技术结合内容过滤和协同过滤两种算法实现推荐。这种推荐方法的优势在于
I.有效集成了搜索和推荐一体化。本发明的站内搜索引擎和推荐引擎都采用Lucene技术，是搜索和推荐有效的整合为一体。搜索是最频繁，最重要的用户操作行为。一体化使推荐系统能够获取更及时，更有效，更全面的用户数据，进而提供更准确的推荐服务。2.采用Iucene技术进行数据的相识度分析，权重排序操作。数据相识度分析和权重排序是推荐系统中的核心技术，他直接关系到推荐给用户数据的准确性。在文本分词，相识度分析，全文检索等方面，Lucene与其他技术相比处于遥遥领先的低位。因此Lucene具有强大的数据相识性分析和权重排序功能。与常用的推荐方案相比Lucene技术结合内容过滤和协同过滤算法能够提供更准确更高效等推荐服务。3.本发明根据不同的推荐需求采用选择不同推荐方法，同时将采用内容过滤和协同过滤结合起来。内容过滤算法基于商品信息，包括商品的属性及商品之间的相关性和客 户的喜恶来向其推荐。其弊端在于不能为用户发现新的感兴趣的商品，只能发现和用户已有兴趣相似的商品，不能为用户发现新的感兴趣的商品。协同过滤算法根据与当前用户具有相似观点的用户的行为对该用户进行推荐和预测。协同过滤算法不需要商品特征的描述，它学习的是用户购买行为之间的相似性，而不依赖商品的特征。
图I为本发明主动式推荐的流程 图2为本发明被动式推荐的流程图。
具体实施例方式下面通过附图对本发明做进一步的描述
电子商务推荐方法在电子商务网站中起到的作用主要包括(1)能够在分析访客在电子商务网站中的访问行为的识别客户的喜好和需求，并向客户推荐对其有用的商机信息(比如商品，采购，采购商，供货商等)。(2)吸引更多访客，增加网站访问量。(3)提高单个商品的曝光度，增加商品的访问机会。(4)增加客户在旺铺上的停留时间，浏览更多的商品。
(5)提高商品访问的转换率，增加商品的销售量。主动式推荐方式中常用的推荐算法包括推荐引擎常用基于内容过滤(Content-Based)算法及协同过滤算法(Item-Based、User_based)。它们普遍存在比较复杂，使用门槛较高，具有很强的局限性并不能直接应用于互联网规模的数据挖掘及推荐引擎使用等疑难问题。本发明在深入研究就电子商务推荐系统原理的基础上，采用主动推荐和被动式推荐相结合的推荐方式，结合全球最优秀，使用最广泛的Lucene全文检索技术，研发出了自己独特的电子商务推荐方法。常用的推荐引擎算法比较复杂，使用门槛较高，具有很强的局限性并不能直接应用于互联网规模的数据挖掘及推荐引擎使用等疑难问题。本发明结合内容过滤算法和协同过滤算法的优缺点，结合Iucene全文检索技术很好地解决了这些问题。本发明包括主动式推荐方法和被动式推荐方法，在旺铺后台的商机订阅，商机快递模块采用了主动式推荐。旺铺后台的买家推荐，买家询盘，买卖速配均采用了被动式推荐。如图I所示，主动式推荐方法包括如下步骤
步骤一，当用户访问时，由用户选择订阅类型(采购或供应)，设定订阅关键词，选择相关行业；
步骤二，将用户设定的订阅条件存储到数据库；
步骤三，获取并分析订阅条件，提取出与订阅条件相关的字段(标题，行业，时间)，根据提取的相关字段进行相识性匹配和排序；
步骤四，将处理后的推荐给用户。如图2所示，被动式推荐方法包括如下步骤 步骤一，当用户访问时，记录用户访问过程中的所有操作行为及相关数据信息；利用平台监控系统监控并记录用户访问企汇网时的所有操作行为(包括浏览，询盘，报价，评论等)以及用户对企汇网和客户商铺的访问情况(包括访问涉及到模块，访问时间，页面的停留时间等信息)。步骤二，对用户数据进行整理，形成数据仓库。将监控数据提交给推荐引擎，由推荐引擎进行分类，聚合等数据整理操作形成数据仓库。步骤三，对数据仓库中的不同类型的数据进行挖掘分析，并提取具有代表性的内容特征值。步骤四，制定推荐规则，并设定相关的数据字段(如产品名称，产品分类，产品标签，产品摘要)。步骤五，根据不同的推荐需求调用不同的推荐规则，根据推荐规则对相关的数据内容特征值进行相关性分析和相识度匹配操作；
步骤六，推荐引擎根据相关权重对匹配后的数据进行排序，并将排序后的数据推送给客户。买家推荐和买家询盘模块根据不同的推荐需求定期从推荐引擎中获取推荐数据。最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。
权利要求
1.一种电子商务推荐方法，其特征在于包括主动式推荐方法和被动式推荐方法，所述主动式推荐方法包括如下步骤 步骤一，用户访问吋，由用户选择订阅类型，设定订阅关键词，选择相关行业； 步骤ニ，将用户设定的订阅条件存储到数据库； 步骤三，提取订阅条件对应的相关字段，根据相关字段进行相识性匹配和排序； 步骤四，将处理后的推荐给用户。
2.根据权利要求I所述的ー种电子商务推荐方法，其特征在于所述被动式推荐方法包括如下步骤 步骤一，当用户访问时，记录用户访问过程中的所有操作行为及相关数据信息； 步骤ニ，对用户数据进行整理，形成数据仓库； 步骤三，对数据仓库中的数据进行分析，并提取具有代表性的内容特征值； 步骤四，制定推荐规则，并设定相关的数据字段； 步骤五，根据推荐规则对相关的数据内容特征值进行相关性分析和相识度匹配操作；步骤六，对匹配后的数据按照内容特征值的权重信息进行排序，并将排序后的数据推荐展示给客户。
3.根据权利要求2所述的ー种电子商务推荐方法，其特征在于所述被动式推荐方法步骤ニ中的用户数据包括供应数据、商家数据和旺铺点击数据。
全文摘要
本发明公开了一种电子商务推荐方法，其中，包括主动式推荐方法和被动式推荐方法，所述主动式推荐方法包括如下步骤步骤一，用户访问时，由用户选择订阅类型，设定订阅关键词，选择相关行业；步骤二，将用户设定的订阅条件存储到数据库；步骤三，提取订阅条件对应的相关字段，根据相关字段进行相识性匹配和排序；步骤四，将处理后的推荐给用户。本发明引入电子商务推荐系统理念，利用统计学、人工智能数据挖掘等技术，分析客户在电子商务网站的访问行为(如访问、搜索、评论、收藏等)，产生客户感兴趣的商机信息的推荐结果，从而帮助客户及时准确地捕捉到商机。
文档编号G06Q30/02GK102831543SQ201210348588
公开日2012年12月19日 申请日期2012年9月19日 优先权日2012年9月19日
发明者李超, 周朋辉, 吴继平, 李沛 申请人:河南锐之旗信息技术有限公司