一种基于大数据分析的智能推荐方法及系统的制作方法
【专利摘要】本发明提供了一种基于大数据分析的智能推荐方法及系统，所述方法包括：步骤101，提取用户在电商应用或信息平台的行为数据，存储到大数据平台；步骤102，对存储在大数据平台的用户行为数据进行分析，根据预设的维度空间的量化值，查找获得用户关注商品的各维度空间的量化值，并且根据用户对该维度空间的点击率，获得每个量化值对应的权重值；步骤103，根据用户关注商品的各维度空间的量化值及每个量化值对应的权重值，与单个商品的数据作匹配运算，获得单个商品推荐指数。本发明可以提升推荐数据的准确及有效性，提高商品成交可能性，为企业带来更多的收益。
【专利说明】
-种基于大数据分析的智能推荐方法及系统
技术领域
[0001] 本发明属于大数据处理技术领域，特别设及一种基于大数据分析的智能推荐方法 及系统。
【背景技术】
[0002] 随着大数据时代的来临，网络中的信息量呈现指数式增长，随之带来了信息过载 问题。推荐系统是解决信息过载最有效的方式之一，大数据推荐系统已经逐渐成为信息领 域的研究热点。
[0003] 基于大数据的推荐系统通过研究用户的历史信息，得出用户的兴趣偏好，从而可 W向用户推荐他们现在和将来可能会喜欢的项目。推荐数据的有效性、准确性已经成为衡 量推荐系统的一个重要指标，如何确保推荐数据的准确性，成为技术人员首先要考虑的问 题。
[0004] 目前推荐系统大都应用于电商类的购物网站及网络信息平台，作相关商品及目标 对象的推荐。
[0005] 推荐系统通常是通过计算用户浏览、收藏的商品与系统所有商品的相似度。将相 似度较高的商品推荐给用户。并不是通过大数据综合分析用户的所有行为，作商品推荐。而 且用户在实际查找商品过程中，由于每个人对商品要求的侧重点不同。有的看重商品的价 格，有的看重商品的品牌，款式，材质，产地等。如果只是基于上述运些商品的维度属性来作 数据匹配，推荐数据的准确度不高，也无法达到提升转化率，促进商品线上成交量的效果。
【发明内容】
[0006] 本发明所要解决的技术问题是提供一种基于大数据分析的智能推荐方法及系统， 实现更加准确的数据推荐，达到提升转化率，促进商品线上成交量的效果。
[0007] 为了解决上述技术问题，本发明提供了一种基于大数据分析的智能推荐方法，所 述方法包括：
[0008] 步骤101，提取用户在电商应用或信息平台的行为数据，存储到大数据平台；
[0009] 步骤102,对存储在大数据平台的用户行为数据进行分析，根据预设的维度空间的 量化值，查找获得用户关注商品的各维度空间的量化值，并且根据用户对该维度空间的点 击率，获得每个量化值对应的权重值；
[0010] 步骤103,根据用户关注商品的各维度空间的量化值及每个量化值对应的权重值， 与单个商品的数据作匹配运算，获得单个商品推荐指数。
[0011] 可选的，所述方法还包括：
[0012] 步骤104,根据单个商品推荐指数生成推荐商品列表。
[OOU] 可选的，
[0014]步骤104具体为，设置推荐指数阔值，当单个商品的推荐指数大于所述推荐指数阔 值，则将所述单个商品加入推荐商品列表。
[0015] 可选的，步骤101中所述行为包括W下行为中的一种或者多种:浏览、点击、收藏、 捜索;步骤103中所述单个商品的数据包括:单个商品维度空间量化值。
[0016] 可选的，所述方法还包括：
[0017] 步骤105,统计用户对推荐商品的点击率、转化购买率，评估推荐结果的准确性。
[0018] 为了解决上述技术问题，本发明还提供了一种基于大数据分析的智能推荐系统， 所述系统包括：
[0019] 数据集成模块，提取用户在电商应用或信息平台的行为数据，存储到大数据平台；
[0020] 大数据处理模块，对存储在大数据平台的用户行为数据进行分析，根据预设的维 度空间的量化值，查找获得用户关注商品的各维度空间的量化值，并且根据用户对该维度 空间的点击率，获得每个量化值对应的权重值；
[0021] 推荐引荐模块，根据用户关注商品的各维度空间的量化值及每个量化值对应的权 重值，与单个商品的数据作匹配运算，获得单个商品推荐指数。
[0022] 可选的，所述推荐引荐模块，进一步用于根据单个商品推荐指数生成推荐商品列 表。
[0023] 可选的，所述推荐引荐模块，用于设置推荐指数阔值，当单个商品的推荐指数大于 所述推荐指数阔值，则将所述单个商品加入推荐商品列表。
[0024] 可选的，数据集成模块，用于提取的所述行为数据包括W下行为中的一种或者多 种:浏览、点击、收藏、捜索;所述推荐引荐模块，作匹配运算的单个商品的数据包括:单个商 品维度空间量化值。
[00巧]可选的，所述系统还包括：
[0026] 推荐效果评估模块104,用于统计用户对推荐商品的点击率、转化购买率，评估推 荐结果的准确性。
[0027] 本发明基于对用户在网站上浏览，点击，捜索，收藏W及其它反馈行为留下的日志 数据，将运些用户日志行为数据，通过大数据技术作分析挖掘处理。对用户进行画像(描述 用户对关注商品属性各维度要求及其所占权重），并通过多种推荐算法组合使用将用户画 像数据与商品数据作匹配，最终生成与用户匹配度较高的商品推荐数据，提升推荐数据的 准确及有效性，提高商品成交可能性，为企业带来更多的收益。
【附图说明】
[0028] 图1为本发明智能推荐方法流程图。
[0029] 图2为本发明智能推荐系统功能模块图。
【具体实施方式】
[0030] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅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。
[0031] 本发明的主要思想是通过大数据技术，对用户在网站上浏览，点击，捜索，收藏W 及其它反馈形为留下的日志数据，进行分析挖掘处理，对用户进行画像(描述用户对商品各 维度属性要求及其所占权重），采用加权相似度匹配及其它算法，与商品数据进行匹配，得 到相似度较高的推荐数据。
[0032] 如果只是基于商品的维度属性来作数据匹配，忽视了属性权重的重要性，推荐数 据的准确度也不高，也无法达到提升转化率，促进商品线上成交量的效果。本发明通过综合 分析用户关注的商品属性维度信息W及其所占权重，更加全面地分析用户行为数据，从而 提高了推荐数据的准确度。
[0033] 首先介绍一下本发明中需要用到的几个名词。
[0034] 商品的维度，是指表征商品属性的各个方面，W房屋信息平台为例，表征商品的维 度可W包括:面积、单价、总价、交通条件等；
[0035] 维度空间，是指每个维度的区间，比如面积区间为80-100平米，单价区间为2000- 2500元等；
[0036] 维度空间的量化值，是指为了查找计算方便，而对每个维度空间设置的对应值，比 如量化值7表示面积区间为80-100平米;量化值6表示单价区间为2000-2500元等；
[0037] 权重值，用W表征用户对于商品每个维度空间的关注程度。
[0038] 参照图1所示，为本发明智能推荐方法流程图。所述方法包括W下步骤：
[0039] 步骤101，提取用户在电商应用或信息平台（PC网站，APP)的行为数据(浏览，点击， 收藏，捜索等），存储到大数据平台；
[0040] 步骤102,对存储在大数据平台的用户行为数据进行分析，对用户进行画像，具体 为根据预设的维度空间的量化值，查找获得用户关注商品的各维度空间的量化值，并且根 据用户对该维度空间的点击率，获得每个量化值对应的权重值；
[0041] 步骤103,根据用户关注商品的各维度空间的量化值及每个量化值对应的权重值， 与单个商品的数据作匹配运算，获得单个商品推荐指数。
[0042] 在本发明的一个优选实施例中，所述方法还包括：
[0043] 步骤104,根据单个商品推荐指数生成与用户匹配度较高的推荐商品列表。具体 为，设置一定的推荐指数阔值，当单个商品的推荐指数大于所述推荐指数阔值，则将所述单 个商品加入推荐商品列表；
[0044] 步骤105,统计用户对推荐商品的点击率、转化购买率，评估推荐结果的准确性。
[0045] 参照图2所示，为本发明智能推荐系统功能模块图。为本发明的推荐系统功能模块 描述如下：
[0046] 数据集成模块201，用于提取用户在电商应用或信息平台（PC网站，APP)的行为数 据(浏览，点击，收藏，捜索等），存储到大数据平台。
[0047] 大数据处理模块202,用于对存储在大数据平台的用户行为数据进行分析，对用户 进行画像，具体为根据预设的维度空间的量化值，查找获得用户关注商品的各维度空间的 量化值，并且根据用户对该维度空间的点击率，获得每个量化值对应的权重值；
[004引下面举两个例子对量化值及权重值进行说明。
[0049] 例一：W房屋信息平台为例，用户对房源各维度属性要求，比如：
[0050] 面积的量化值为7(对应面积区间80-100平米），权重值为8; (W下所有的权重值表 征用户对商品的关注程度，根据点击率获得）；
[0051 ]价格的量化值为6(对应价格区间2000-2500元），权重值为5，
[0052] 交通条件的量化值为8(对应交通便利），权重值为6，
[0053] 例二:针对电商平台WB2C平台为例，用户对服装类商品各维度属性要求，比如：
[0054] 价格的量化值为4(对应价格区间150-200元），权重值为7，
[0055] 品牌的量化值为5(对应中端品牌），权重值为8，
[0化6] 颜色的量化值为4 (对应白色），权重值为6等。
[0057] 推荐引荐模块203,用于根据用户关注商品的各维度空间的量化值及每个量化值 对应的权重值，与单个商品的数据作匹配运算，获得单个商品推荐指数。
[0058] 在本发明的一个优选实施例中，所述推荐引荐模块203进一步用于根据单个商品 推荐指数生成与用户匹配度较高的推荐商品列表。具体为，设置一定的推荐指数阔值，当单 个商品的推荐指数大于所述推荐指数阔值，则将所述单个商品加入推荐商品列表。推荐引 荐模块203主要采用加权相似度匹配算法，采用加权欧式距离算法，对比用户维度数据与商 品维度数据，计算数据样本之间的相似度，通过加权充分体现各个属性的重要性，从而提高 结果的准确性和有效性。
[0化9]算法公式如下：
[0060]
[0061] 设两个9维向量义1 = ^;11,义12,，，，，义19)和幻=(幻1,幻2,，，，，幻9)，分别表示两个 对比对象的维度量化值，W为维度权重，它们的欧氏距离越近表示相似度越高，推荐指数就 越高。
[0062] 算法的计算过程：
[0063] 算法输入：
[0064] 对比对象I(Xj):用户关注的某类商品各维度空间（共P个)量化值及对应的权重 值；
[0065] 对比对象2(xi):单个商品维度空间量化值；
[0066] 算法输出：d(xi，xj)表示两个对比对象距离值。
[0067] 输出结果值越小表示两个对象的相似度越高，推荐指数就越高。
[0068] 推荐效果评估模块204,用于通过统计用户对推荐商品的点击率、转化购买率，来 评估推荐算法的准确性，将评估结果发送给推荐引荐模块203。
[0069] 可W根据推荐效果评估模块的评估结果，推荐引荐模块203不断优化推荐算法，提 升推荐数据的准确性。
[0070] 推荐效果评估模块204主要通过计算推荐商品的转化率来评估推荐数据的准确 性，推荐引荐模块203调整算法中要求的商品维度权重或者维度值参数的大小，或者再加入 一些别的推荐算法(如协同过滤算法)综合起来作数据推荐。运样反复的调整，直到能达到 一个满意的转化率。最终的目的是提升商品在线成交量。
[0071] W上所述的【具体实施方式】，对本发明的目的、技术方案和有益效果进行了进一步 详细说明，所应理解的是，W上所述仅为本发明的【具体实施方式】而已，并不用于限定本发明 的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含 在本发明的保护范围之内。
【主权项】
1. 一种基于大数据分析的智能推荐方法，其特征在于，所述方法包括： 步骤101，提取用户在电商应用或信息平台的行为数据，存储到大数据平台； 步骤102,对存储在大数据平台的用户行为数据进行分析，根据预设的维度空间的量化 值，查找获得用户关注商品的各维度空间的量化值，并且根据用户对该维度空间的点击率， 获得每个量化值对应的权重值； 步骤103,根据用户关注商品的各维度空间的量化值及每个量化值对应的权重值，与单 个商品的数据作匹配运算，获得单个商品推荐指数。2. 如权利要求1所述的方法，其特征在于，所述方法还包括： 步骤104,根据单个商品推荐指数生成推荐商品列表。3. 如权利要求2所述的方法，其特征在于， 步骤104具体为，设置推荐指数阈值，当单个商品的推荐指数大于所述推荐指数阈值， 则将所述单个商品加入推荐商品列表。4. 如权利要求1所述的方法，其特征在于，步骤101中所述行为包括以下行为中的一种 或者多种:浏览、点击、收藏、搜索;步骤103中所述单个商品的数据包括:单个商品维度空间 量化值。5. 如权利要求1所述的方法，其特征在于，所述方法还包括： 步骤105,统计用户对推荐商品的点击率、转化购买率，评估推荐结果的准确性。6. -种基于大数据分析的智能推荐系统，其特征在于，所述系统包括： 数据集成模块，提取用户在电商应用或信息平台的行为数据，存储到大数据平台； 大数据处理模块，对存储在大数据平台的用户行为数据进行分析，根据预设的维度空 间的量化值，查找获得用户关注商品的各维度空间的量化值，并且根据用户对该维度空间 的点击率，获得每个量化值对应的权重值； 推荐引荐模块，根据用户关注商品的各维度空间的量化值及每个量化值对应的权重 值，与单个商品的数据作匹配运算，获得单个商品推荐指数。7. 如权利要求6所述的系统，其特征在于，所述推荐引荐模块，进一步用于根据单个商 品推荐指数生成推荐商品列表。8. 如权利要求7所述的系统，其特征在于，所述推荐引荐模块，用于设置推荐指数阈值， 当单个商品的推荐指数大于所述推荐指数阈值，则将所述单个商品加入推荐商品列表。9. 如权利要求6所述的系统，其特征在于，数据集成模块，用于提取的所述行为数据包 括以下行为中的一种或者多种:浏览、点击、收藏、搜索;所述推荐引荐模块，作匹配运算的 单个商品的数据包括:单个商品维度空间量化值。10. 如权利要求6所述的系统，其特征在于，所述系统还包括： 推荐效果评估模块，用于统计用户对推荐商品的点击率、转化购买率，评估推荐结果的 准确性。
【文档编号】G06F17/30GK106021337SQ201610300499
【公开日】2016年10月12日
【申请日】2016年5月9日
【发明人】马跃
【申请人】房加科技（北京）有限公司