一种消费网点推荐方法及系统与流程

本发明涉及互联网技术领域，具体涉及一种消费网点推荐方法及系统。

背景技术：

随着移动数据业务的普及，用户可在移动终端上通过各种推荐类的应用程序(app)获取餐馆、商场等消费网点的相关推荐信息，并根据推荐信息选定所需的消费网点，再进一步在选定的消费网点进行排队等，极大的方便了用户的出行和消费。

现有的为用户推荐消费网点的应用程序中，所采用的推荐方法通常为，根据消费网点被点击次数的多少以及消费网点与用户距离的远近进行组合排序，再根据排序的结果向用户推荐消费网点，但由于不同的用户具有不同的消费习惯，不同的消费网点也具有不同的人均消费水平，单纯根据消费网点被点击次数的多少和距离的远近为用户所推荐的消费网点，往往与用户个体的消费习惯有很大的差异，导致推荐效果不理想。因此，如何为用户推荐更符合个人消费习惯的的消费网点成为互联网技术领域的新课题。

技术实现要素：

本发明所要解决的技术问题是针对现有技术中所存在的上述缺陷，提供一种消费网点推荐方法及系统，用以解决现有技术中存在的为用户推荐的消费网点不符合用户的个人消费习惯的问题。

为实现上述目的，本发明提供一种消费网点推荐方法，包括：

确定各待推荐消费网点；

获取所述各待推荐消费网点预设时长内的消费次数、消费金额信息和位置信息；

计算所述各待推荐消费网点的消费次数权重值、消费金额权重值和距离权重值；

根据所述各待推荐消费网点的消费次数权重值、消费金额权重值和距离权重值为待推荐用户推荐消费网点。

优选的，所述计算所述各待推荐消费网点的消费次数权重值、消费金额权重值，具体包括：

根据公式(1)计算各待推荐消费网点的消费次数权重值：

其中，j为待推荐消费网点，x_j为待推荐消费网点j的消费次数，m为待推荐消费网点的总数量，p₁[j]为待推荐消费网点j的消费次数权重值；

根据公式(2)计算各待推荐消费网点的消费金额权重值：

其中，j为待推荐消费网点，yj为待推荐消费网点j的消费金额，m为待推荐消费网点的总数量，p₂[j]为待推荐消费网点j的消费金额权重值。

优选的，所述计算各待推荐消费网点的距离权重值，具体包括：

根据所述各待推荐消费网点的位置信息和待推荐用户的位置信息计算所述各待推荐消费网点的距离系数；

根据所述距离系数，计算所述各待推荐消费网点的距离权重值。

优选的，所述根据所述距离系数，计算所述各待推荐消费网点的距离权重值，具体包括：

根据公式(3)计算所述距离权重值：

其中，j为待推荐消费网点，z_j为待推荐消费网点j的距离系数，m为待推荐消费网点的总数量，p₃[j]为待推荐消费网点j的距离权重值。

优选的，所述确定各待推荐消费网点，具体包括：根据所述待推荐用户在所述预设时长内消费过的消费网点确定潜在相似用户，所述潜在相似用户为在所述预设时长内与所述待推荐用户具有相同消费网点的用户；获取所述潜在相似用户在所述相同消费网点的消费金额和/或消费次数；根据所述潜在相似用户在所述相同消费网点的消费金额和/或消费次数，确定所述待推荐用户的相似用户；将所述相似用户的消费过的消费网点确定为待推荐消费网点。

本发明还提供一种消费网点推荐系统，包括：

待推荐消费网点模块，用于确定各待推荐消费网点；

获取模块，用于获取所述各待推荐消费网点预设时长内的消费次数、消费金额信息和位置信息；

计算模块，用于计算所述各待推荐消费网点的消费次数权重值、消费金额权重值和距离权重值；

推荐消费网点模块，用于根据所述各待推荐消费网点的消费次数权重值、消费金额权重值和距离权重值为待推荐用户推荐消费网点。

优选的，所述计算模块，包括：

消费次数单元，用于根据公式(1)计算各待推荐消费网点的消费次数权重值：

其中，j为待推荐消费网点，x_j为待推荐消费网点j的消费次数，m为待推荐消费网点的总数量，p₁[j]为待推荐消费网点j的消费次数权重值；

消费金额单元，用于根据公式(2)计算各待推荐消费网点的消费金额权重值：

其中，j为待推荐消费网点，yj为待推荐消费网点j的消费金额，m为待推荐消费网点的总数量，p₂[j]为待推荐消费网点j的消费金额权重值。

优选的，所述计算模块，还包括：距离单元，用于根据所述各待推荐消费网点的位置信息和待推荐用户的位置信息计算所述各待推荐消费网点的距离系数；根据所述距离系数，计算所述各待推荐消费网点的距离权重值。

优选的，所述根据所述距离单元，具体用于：

根据公式(3)计算所述距离权重值：

其中，j为待推荐消费网点，z_j为待推荐消费网点j的距离系数，m为待推荐消费网点的总数量，p₃[j]为待推荐消费网点j的距离权重值。

优选的，所述待推荐消费网点模块，具体用于：根据所述待推荐用户在所述预设时长内消费过的消费网点确定潜在相似用户，所述潜在相似用户为在所述预设时长内与所述待推荐用户具有相同消费网点的用户；获取所述潜在相似用户在所述相同消费网点的消费金额和/或消费次数；根据所述潜在相似用户在所述相同消费网点的消费金额和/或消费次数，确定所述待推荐用户的相似用户；将所述相似用户的消费过的消费网点确定为待推荐消费网点。

本发明所提供的消费网点推荐方法及系统，从待推荐网点的消费金额、消费次数及于待推荐用户的距离三个方面进行分析，为待推荐用户推荐消费网点，使得推荐结果更加符合待推荐用户的消费习惯，提高推荐的准确性。

附图说明

为了更清楚的说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的消费网点推荐方法流程示意图；

图2为本发明提供的待推荐网点确定方法流程示意图；

图3为本发明提供的消费网点推荐系统结构示意图。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和实施例对本发明作进一步详细描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明提供的消费网点推荐方法流程示意图，如图1所示的消费网点推荐方法包括：

步骤S101，确定各待推荐消费网点。

具体的，首先需要确定为待推荐用户推荐那些消费网点，本发明所提供的方法中，所述各待推荐网点，可以是所有的消费网点，也可以是经过初步筛选的消费网点，如经过了距离筛选选择出的距离待推荐用户较近的消费网点，也可以是经过了点击次数筛选选择出的人气较高的消费网点。

本发明还提供一种利用待推荐用户的相似用户去过的消费网点，作为待推荐网点的筛选方法，将进一步提升消费网点推荐的准确率，在后续进行详细的描述。

步骤S102,获取所述各待推荐消费网点预设时长内的消费次数、消费金额信息和位置信息。

具体的，在确定好待推荐消费网点后，需要获取预设时长内所述各待推荐消费网点的所有用户的消费次数、消费金额信息和位置信息。其中，预设时长可以设定为一个月或一周，消费次数和消费金额信息，可以是经过各种应用程序(app)进行买单的统计，也可以是通过其他各种渠道统计到的消费次数和消费金额信息。所述位置信息，可以是经过app获取到的消费网点的位置信息。

步骤S103,计算所述各待推荐消费网点的消费次数权重值、消费金额权重值和距离权重值。

具体的，根据获取到的消费次数、消费金额和位置信息，分别计算消费次数权重值、消费金额权重值和位置权重值。

所述计算所述各待推荐消费网点的消费次数权重值、消费金额权重值，具体包括：

根据公式(1)计算各待推荐消费网点的消费次数权重值：

其中，j为待推荐消费网点，x_j为待推荐消费网点j的消费次数，m为待推荐消费网点的总数量，p₁[j]为待推荐消费网点j的消费次数权重值；即，将所有待推荐消费网点的消费次数求和，再于所有待推荐消费网点的总数量相除，获取到所有待推荐消费网点的平均消费次数，再将所述各待推荐消费网点与平均消费次数进行比较，获取所述各待推荐消费网点的消费次数和所有待推荐消费网点的消费次数的比值，做为各待推荐消费网点的消费次数的权重值。经过公式(1)计算获取的各待推荐消费网点的消费次数权重值，如一个待推荐消费网点的消费次数远高于平均值，则其消费次数权重值会高于消费次数远低于平均值的待推荐网点。由于消费次数可以直接反映出待推荐消费网点的受关注度，消费次数高的待推荐消费网点更值得向用户推荐。根据公式(2)计算各待推荐消费网点的消费金额权重值：

其中，j为待推荐消费网点，yj为待推荐消费网点j的消费金额，m为待推荐消费网点的总数量，p₂[j]为待推荐消费网点j的消费金额权重值。即，将所有待推荐消费网点的消费金额求和，再于所有待推荐消费网点的总数量相除，获取到所有待推荐消费网点的平均消费金额，再将所述各待推荐消费网点与平均消费金额进行比较，获取所述各待推荐消费网点的消费金额和所有待推荐消费网点的消费金额的比值，做为各待推荐消费网点的消费金额的权重值。经过公式(2)计算获取的各待推荐消费网点的消费金额权重值，如一个待推荐消费网点的消费金额远高于平均值，则其消费金额权重值会高于消费金额远低于平均值的待推荐网点。由于消费金额可以直接反映出待推荐消费网点的受关注度，消费金额高的待推荐消费网点也更值得向用户推荐。

将所述各待推荐消费网点的消费次数和消费金额进行了分析后，消费网点距离待推荐用户的距离，也是待推荐用户最重选择消费网点时一个很重要的考虑因素。因此，需要计算各待推荐消费网点的距离权重值。

所述计算各待推荐消费网点的距离权重值，具体包括：

根据所述各待推荐消费网点的位置信息和待推荐用户的位置信息计算所述各待推荐消费网点的距离系数；根据所述距离系数，计算所述各待推荐消费网点的距离权重值。其中，所述的距离系数，可以根据按照待推荐消费网点与待推荐用户之间距离的远近预设一个范围值，如在500米范围内的消费网点优先考虑，其距离系数设定为1，大于500米范围或大于1000米范围内的消费网点由于距离较远，其距离系数设定为0.5等，可以根据实际情况灵活设置即可。

所述根据所述距离系数，计算所述各待推荐消费网点的距离权重值，具体包括：

根据公式(3)计算所述距离权重值：

其中，j为待推荐消费网点，z_j为待推荐消费网点j的距离系数，m为待推荐消费网点的总数量，p₃[j]为待推荐消费网点j的距离权重值。

本发明还提供一种优选的距离系数的设定方法，如下：

所述根据所述各待推荐消费网点的位置信息和待推荐用户的位置信息计算所述各待推荐消费网点的距离系数，具体包括：

根据所述各待推荐消费网点的位置信息和待推荐用户的位置信息，计算所述各待推荐消费网点和所述待推荐用户之间的距离；

若所述距离小于预设的第一阈值，即位于第一距离区间的距离系数等于1；

若所述距离大于预设的第一阈值且小于预设的第二阈值，即位于第二距离区间的距离系数根据公式(4)计算：

y_j＝-a×dis_j+b 公式(4)

其中，j为待推荐消费网点，zj为待推荐消费网点j的距离系数，disj为待推荐消费网点j和所述待推荐用户之间的距离，a、b为大于零的常数，经过公式(4)计算得出的距离系数能够反映出位于第二距离区间内的消费网点与待推荐用户之间的距离变化对最终的距离系数产生的影响，是呈线性直线下降的。

若所述距离大于预设的第二阈值，即位于第三距离区间的距离系数根据公式(5)计算：

其中，j为待推荐消费网点，zj为待推荐消费网点j的距离系数，disj为待推荐消费网点j和所述待推荐用户之间的距离，c为大于零的常数。经过公式(5)计算得出的距离系数反映出位于第三距离区间的消费网点与待推荐用户之间的距离变化对最终的酒系数产生的影响，是比较平缓的，即距离超过一定范围的消费网点，其距离的远近不同对最终的距离系数的影响不大。

且，上述的距离系数的计算公式为连续的计算公式，其计算结果需保证位于第一距离区间的距离系数大于位于第二距离区间的距离系数大于位于第三距离区间的距离系数。

步骤S104,根据所述各待推荐消费网点的消费次数权重值、消费金额权重值和距离权重值为待推荐用户推荐消费网点。

具体的，根据各待推荐网点的消费次数权重值和消费次数权重值系数、消费金额权重值和消费金额权重值系数、距离权重值和距离权重值系数，计算各待推荐网点的推荐值，再将推荐值进行排序后，获取为待推荐用户推荐的消费网点。

可以根据实际的需求，将消费次数权重值系数、消费金额权重值系数和酒权重值系数分别进行调整，以使最后的为待推荐用户推荐的消费网点的准确率更高。

本发明所提供的消费网点推荐方法，将各待推荐网点的消费金额、消费次数以及距离进行了综合的分析，使得最终确定出的为待推荐用户推荐的消费网点，使真正值得推荐的消费热点，从而提高推荐消费网点的准确率。

图2为本发明提供的待推荐网点确定方法流程示意图，如图2所示的待推荐网点确定方法包括：

步骤S201，根据所述待推荐用户在所述预设时长内消费过的消费网点确定潜在相似用户，所述潜在相似用户为在所述预设时长内与所述待推荐用户具有相同消费网点的用户。

具体的，将所述待推荐用户的消费习惯，如待推荐用户的在预设时长内的消费金额和消费次数等，均做为待推荐消费网点筛选的条件，即，将待推荐用户自身的消费习惯引入待推荐网点的筛选中，将使待推荐网店的推荐结果更加符合待推荐用户个人的消费习惯，提高推荐的针对性，并进一步提高准确率。

首先，寻找出待推荐用户消费过的消费网点，并找出在所述相同的各消费网点消费过的用户，做为潜在相似用户。

步骤S202，获取所述潜在相似用户在所述相同消费网点的消费金额和/或消费次数。

具体的，将潜在相似用户在所述相同的消费网点的消费金额和/或消费次数，从消费金额和/或消费次数的异同，可以清晰的界定一个用户的消费习惯。

步骤S203，根据所述潜在相似用户在所述相同消费网点的消费金额和/或消费次数，确定所述待推荐用户的相似用户。

具体的，根据所述潜在相似用户在所述相同消费网点的消费金额和/或消费次数，将符合一定预设条件的消费金额，如消费金额月均五百元至八百元的潜在相似用户做为月均六百元的待推荐用户的相似用户。所述消费金额和/或消费次数的权值系数可以根据实际使用情况灵活设定。

步骤S204，将所述相似用户的消费过的消费网点确定为待推荐消费网点。

具体的，讲所述相似用户的消费过的所有消费网点，确定为待推荐消费网点。如待推荐用户在预设的时长一个月内去过三家消费网点，分别为网点A，网点B和网点C，对在上述三个网点消费过的潜在相似用户进行消费次数和/或消费金额的考量后，找出最终的相似用户，如，找出了相似用户甲和相似用户乙，则相似用户甲在预设的时长一个月内消费过的网点X、网点Y,以及相似用户乙在预设的时长一个月内消费过的网点M、网点N和网点L，均为所述待推荐用户确定的待推荐消费网点。

本发明所提供的消费网点推荐方法，能够根据待推荐用户自身的消费习惯，首先筛选出与所述待推荐用户具有相似的消费习惯的相似用户，并将所述相似用户消费过的消费网点确定为待推荐消费网点，在根据所述各待推荐消费网点的消费金额、消费金额和距离等进行分析，确定最终的推荐消费网点，找出真正符合待推荐用户自身消费习惯的，又真正具有推荐价值的消费网点。

图3为本发明提供的消费网点推荐系统结构示意图，如图3所示的消费网点推荐系统包括：

待推荐消费网点模块301，用于确定各待推荐消费网点；具体用于根据所述待推荐用户在所述预设时长内消费过的消费网点确定潜在相似用户，所述潜在相似用户为在所述预设时长内与所述待推荐用户具有相同消费网点的用户；获取所述潜在相似用户在所述相同消费网点的消费金额和/或消费次数；根据所述潜在相似用户在所述相同消费网点的消费金额和/或消费次数，确定所述待推荐用户的相似用户；将所述相似用户的消费过的消费网点确定为待推荐消费网点。

获取模块302，用于获取所述各待推荐消费网点预设时长内的消费次数、消费金额信息和位置信息；

计算模块303，用于计算所述各待推荐消费网点的消费次数权重值、消费金额权重值和距离权重值；包括：

消费次数单元，用于根据公式(1)计算各待推荐消费网点的消费次数权重值：

其中，j为待推荐消费网点，x_j为待推荐消费网点j的消费次数，m为待推荐消费网点的总数量，p₁[j]为待推荐消费网点j的消费次数权重值；

消费金额单元，用于根据公式(2)计算各待推荐消费网点的消费金额权重值：

其中，j为待推荐消费网点，yj为待推荐消费网点j的消费金额，m为待推荐消费网点的总数量，p₂[j]为待推荐消费网点j的消费金额权重值。

还包括：

距离单元，用于根据所述各待推荐消费网点的位置信息和待推荐用户的位置信息计算所述各待推荐消费网点的距离系数；根据所述距离系数，计算所述各待推荐消费网点的距离权重值。具体用于根据公式(3)计算所述距离权重值：

其中，j为待推荐消费网点，z_j为待推荐消费网点j的距离系数，m为待推荐消费网点的总数量，p₃[j]为待推荐消费网点j的距离权重值。

推荐消费网点模块304，用于根据所述各待推荐消费网点的消费次数权重值、消费金额权重值和距离权重值为待推荐用户推荐消费网点。

本发明所提供的消费网点推荐系统，能够根据待推荐用户自身的消费习惯，首先筛选出与所述待推荐用户具有相似的消费习惯的相似用户，并将所述相似用户消费过的消费网点确定为待推荐消费网点，在根据所述各待推荐消费网点的消费金额、消费金额和距离等进行分析，确定最终的推荐消费网点，找出真正符合待推荐用户自身消费习惯的，又真正具有推荐价值的消费网点。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法、设备和系统，可以通过其它的方式实现。例如，以上所描述的设备实施例仅是是示意性的，所述功能模块的划分，仅为一种逻辑功能的划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或者一些特征可以忽略，或不执行。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。