一种基于搜索行为的电商网站商品推荐方法
【专利摘要】一种基于搜索行为的电商网站商品精准推荐方法，通过关联规则算法，计算用户搜索关键词和购买商品之间的关联关系和用户浏览商品和购买商品之间的关联关系，并计算电商网站当前的热销商品排序，通过所述关系和排序向用户进行个性化推荐。本发明基于用户的搜索行为，能够推荐最适合用户的前N个商品。能够针对不同的用户搜索，推荐的商品也不一样，极具个性化。
【专利说明】一种基于搜索行为的电商网站商品推荐方法
【技术领域】
[0001] 本发明属于计算机【技术领域】，涉及个性化推荐技术，为一种基于搜索行为的电商 网站商品推荐方法。
【背景技术】
[0002] 电商网站商品搜索结果繁多，用户想找到感兴趣的商品，需要点击多次搜索结果， 既耗时，也费力，用户购物体验极差；如果在用户的搜索结果中，电商网站能够根据个人的 需求自动列出适量的个性化的商品，避免在众多的搜索结果中盲目寻找，花最小的时间和 精力找到适合商品，这将极大提升用户的购物体验。
[0003] 与本发明近似的2个实现方案：
[0004] 1)、通过对搜索结果可选择不同的排序关键词重排搜索结果，例如销量，价格，人 气等。
[0005] 2)、通过计算电商网站的热销商品，摆放在商品搜索结果页面，以供参考。
[0006] 上述两个方案具有以下缺点：
[0007] 1)、将商品搜索结果根据可选排序关键词重排以后，搜索结果的数量并没有发生 变化，不同组合的排序关键词下，商品的展现很死板，用户仍然需要去不断的甑别判断，找 到合适商品同样耗时费力。
[0008] 2)、通过在商品搜索结果中，添加热销商品，虽然针对部分以销量判断是否购买商 品的用户很有用，但是，不同的用户，从商品搜素结果中看到的都是相同的热销商品，难免 千遍一律，应用到个人，也不具有个性化。
【发明内容】
[0009] 本发明要解决的问题是：针对现有技术的缺点，提供一种新的推荐方法帮助用户 从众多商品搜索结果中快速定位合适的商品，满足1)基于用户的搜索行为，推荐最适合用 户的前N个商品；2)针对不同的用户搜索，推荐的商品也不一样，极具个性化。
[0010] 本发明的技术方案为：一种基于搜索行为的电商网站商品精准推荐方法，包括以 下步骤：
[0011] 步骤一，根据关联规则算法，离线计算历史数据中用户搜索关键词和购买商品之 间的关联关系，作为关系数据一；
[0012] 步骤二，根据关联规则算法，离线计算历史数据中用户浏览商品和购买商品之间 的关联关系，作为关系数据二；
[0013] 步骤三，离线计算出电商网站当前的热销商品排序，作为关系数据三；
[0014] 步骤四，给当前用户推荐：根据当前用户输入的搜索关键词A，从关系数据一中找 到与搜索关键词A-样的，根据关系数据一的关联关系，选择其中关联度大的前i个购买商 品作为推荐商品；计算推荐商品是否满足需求的个数，如果满足，将推荐商品返回给搜索结 果页，推荐结束，如不满足，则进行步骤五；
[0015] 步骤五，根据用户搜索前最近浏览的1一5个商品，从关系数据二中找到与浏览 商品一样的，选择其中关联度大的前j个的购买商品作为步骤四推荐结果的补足商品，然 后再计算推荐商品是否满足需求的个数，如果满足，将推荐商品返回给搜索结果页，结束推 荐；如不满足，则进行步骤六；
[0016] 步骤六，根据当前电商网站中热销商品的销量从大到小排序，即关系数据三，获取 销量大的前k个商品作为步骤五推荐结果的补足商品，然后，再计算推荐商品是否满足需 求的个数，如果满足，将推荐商品返回给搜索结果页，结束推荐；如不满足，也结束推荐。
[0017] 步骤一具体为：
[0018] 11)获取用户近期内所有的搜索词以及购买的商品数据，样本数据包括用户标识、 搜索关键词和搜索后购买产品；
[0019] 12)根据关联规则算法的需要，计算出每条规则的置信度、支持度、提升度的分子 和分母，即事物总数、前项总数、后项总数和规则总数，根据步骤11)的样本数据，事物指用 户标识，事物总数为4 ;前项为搜索关键词，前项总数指各个搜索关键词出现的次数；后项 为搜索后购买产品，后项总数为搜索后购买产品的购买次数，规则为搜索关键词和搜索后 购买产品之间的对应关系，规则总数为所述对应关系出现的次数；
[0020] 13)根据关联规则算法公式，计算：置信度=规则总数/前项总数、支持度=规则 总数/事物总数、提升度=置信度/自然置信度，其中自然置信度=后项总数/事物总数， 置信度表示关联规则中某条关系的可信性；支持度表示关联规则中某条关系出现的概率； 提升度表示关联规则中某条关系是否可用，即可得到搜索词和购买商品之间的关联关系。
[0021] 步骤二具体为：
[0022] 21)获取用户近期内所有的浏览以及购买的商品数据，样本数据包括用户标识、浏 览商品和搜索后购头广品；
[0023] 22)根据关联规则算法的需要，计算出置信度、支持度、提升度的分子和分母，即 事物总数、前项总数、后项总数和规则总数，根据步骤21)的样本数据，事物指用户标识，事 物总数为4 ;前项为浏览商品，前项总数指各个浏览商品出现的次数；后项为搜索后购买产 品，后项总数为搜索后购买产品的购买次数，规则为浏览商品和搜索后购买产品之间的对 应关系，规则总数为所述对应关系出现的次数；
[0024] 23)根据关联规则算法公式，计算：置信度=规则总数/前项总数、支持度=规则 总数/事物总数、提升度=置信度/自然置信度，其中自然置信度=后项总数/事物总数， 置信度表示关联规则中某条关系的可信性；支持度表示关联规则中某条关系出现的概率； 提升度表示关联规则中某条关系是否可用，即可得到浏览商品和购买商品之间的关联关 系。
[0025] 本发明基于用户的搜索行为，能够推荐最适合用户的前N个商品。能够针对不同 的用户搜索，推荐的商品也不一样，极具个性化。
【专利附图】
【附图说明】
[0026] 图1为本发明流程图。
[0027] 图2为本发明步骤一的流程图。
[0028] 图3为本发明步骤二的流程图。
【具体实施方式】
[0029]本发明主要解决电商网站商品搜索结果繁多，用户寻找心仪商品耗时费力；同时， 站内的热销推荐技术不具个性化的问题。针对用户个人喜好，给用户推荐有限个适合的商 品，以实现对用户精准推荐，具体的实现步骤分六大步，如图1
[0030] 步骤一，根据关联规则算法，离线计算历史数据中用户搜索关键词和购买商品之 间的关联关系，作为关系数据一。
[0031] 步骤二，根据关联规则算法，离线计算历史数据中用户浏览商品和购买商品之间 的关联关系，作为关系数据二。
[0032] 步骤三，离线计算出电商网站当前的热销商品排序，作为关系数据三。
[0033] 步骤四，给当前用户推荐：根据当前用户输入的搜索关键词A，从关系数据一中找 到与搜索关键词A-样的，根据关系数据一的关联关系，选择其中关联度大的前i个购买商 品作为推荐商品；计算推荐商品是否满足需求的个数，如果满足，将推荐商品返回给搜索结 果页，推荐结束，如不满足，则进行步骤五。
[0034] 步骤五，根据用户搜索前最近浏览的1一5个商品，从关系数据二中找到与浏览 商品一样的，选择其中关联度大的前j个的购买商品作为步骤四推荐结果的补足商品，然 后再计算推荐商品是否满足需求的个数，如果满足，将推荐商品返回给搜索结果页，结束推 荐；如不满足，则进行步骤六。
[0035] 步骤六，根据当前电商网站中热销商品的销量从大到小排序，即关系数据三，获取 销量大的前k个商品作为步骤五推荐结果的补足商品，然后，再计算推荐商品是否满足需 求的个数，如果满足，将推荐商品返回给搜索结果页，结束推荐；如不满足，也结束推荐。
[0036] 步骤一的离线计算搜索词和购买商品之间的关系，具体计算过程又可分三个步 骤，如图2,具体为 ：
[0037] 11)获取用户近期内所有的搜索词以及购买的商品数据，样本数据包括用户标识、 搜索关键词和搜索后购买产品；
【权利要求】
1. 一种基于搜索行为的电商网站商品推荐方法，其特征是包括以下步骤： 步骤一，根据关联规则算法，离线计算历史数据中用户搜索关键词和购买商品之间的 关联关系，作为关系数据一； 步骤二，根据关联规则算法，离线计算历史数据中用户浏览商品和购买商品之间的关 联关系，作为关系数据二； 步骤三，离线计算出电商网站当前的热销商品排序，作为关系数据三； 步骤四，给当前用户推荐：根据当前用户输入的搜索关键词A，从关系数据一中找到与 搜索关键词A -样的，根据关系数据一的关联关系，选择其中关联度大的前i个购买商品 作为推荐商品；计算推荐商品是否满足需求的个数，如果满足，将推荐商品返回给搜索结果 页，推荐结束，如不满足，则进行步骤五； 步骤五，根据用户搜索前最近浏览的1一5个商品，从关系数据二中找到与浏览商品一 样的，选择其中关联度大的前j个的购买商品作为步骤四推荐结果的补足商品，然后再计 算推荐商品是否满足需求的个数，如果满足，将推荐商品返回给搜索结果页，结束推荐；如 不满足，则进行步骤六； 步骤六，根据当前电商网站中热销商品的销量从大到小排序，即关系数据三，获取销量 大的前k个商品作为步骤五推荐结果的补足商品，然后，再计算推荐商品是否满足需求的 个数，如果满足，将推荐商品返回给搜索结果页，结束推荐；如不满足，也结束推荐。
2. 根据权利要求1所述的一种基于搜索行为的电商网站商品推荐方法，其特征是步骤 一具体为： 11) 获取用户近期内所有的搜索词以及购买的商品数据，样本数据包括用户标识、搜索 关键词和搜索后购买广品； 12) 根据关联规则算法的需要，计算出每条规则的置信度、支持度、提升度的分子和分 母，即事物总数、前项总数、后项总数和规则总数，根据步骤11)的样本数据，事物指用户标 识，事物总数为4 ;前项为搜索关键词，前项总数指各个搜索关键词出现的次数；后项为搜 索后购买产品，后项总数为搜索后购买产品的购买次数，规则为搜索关键词和搜索后购买 产品之间的对应关系，规则总数为所述对应关系出现的次数； 13) 根据关联规则算法公式，计算：置信度=规则总数/前项总数、支持度=规则总数/ 事物总数、提升度=置信度/自然置信度，其中自然置信度=后项总数/事物总数，置信度 表示关联规则中某条关系的可信性；支持度表示关联规则中某条关系出现的概率；提升度 表示关联规则中某条关系是否可用，即可得到搜索词和购买商品之间的关联关系。
3. 根据权利要求1所述的一种基于搜索行为的电商网站商品推荐方法，其特征是步骤 二具体为： 21) 获取用户近期内所有的浏览以及购买的商品数据，样本数据包括用户标识、浏览商 品和搜索后购头广品； 22) 根据关联规则算法的需要，计算出置信度、支持度、提升度的分子和分母，即事物 总数、前项总数、后项总数和规则总数，根据步骤21)的样本数据，事物指用户标识，事物总 数为4 ;前项为浏览商品，前项总数指各个浏览商品出现的次数；后项为搜索后购买产品， 后项总数为搜索后购买产品的购买次数，规则为浏览商品和搜索后购买产品之间的对应关 系，规则总数为所述对应关系出现的次数； 23)根据关联规则算法公式，计算：置信度=规则总数/前项总数、支持度=规则总数/ 事物总数、提升度=置信度/自然置信度，其中自然置信度=后项总数/事物总数，置信度 表示关联规则中某条关系的可信性；支持度表示关联规则中某条关系出现的概率；提升度 表示关联规则中某条关系是否可用，即可得到浏览商品和购买商品之间的关联关系。
【文档编号】G06Q30/02GK104317945SQ201410606971
【公开日】2015年1月28日 申请日期:2014年10月31日 优先权日:2014年10月31日
【发明者】冒少华, 刘开周, 闫晓春, 陈宥光, 侯兵 申请人:亚信科技（南京）有限公司