技术特征：
1.一种网购信息推荐方法，其特征在于，所述方法包括如下步骤：步骤1：收集用户的已购买的商品数据并分析出影响购买的因素数据；步骤2：根据用户信息设计推荐目标商品，并分析目标商品的影响因素；步骤3：根据已收集的用户的已购买的商品数据计算商品购买的相关属性和影响权重；步骤4：将已购买商品相关属性进行趋势比较得到所有商品性能数据数量，然后将所有商品性能数据数量与网络销售的推荐目标商品的性能数据对比得到聚类商品性能数据数量；步骤5：聚类商品性能数据数量进行求和，然后结合价格的影响因素x
k
即为准确推荐的商品。2.根据权利要求1所述的一种网购信息推荐方法，其特征在于：步骤1的具体过程为：收集用户已购买的商品种类数据集case，表示为，m为商品种类的个数，每个商品种类包含商品的性能数据、商品归属和价格数据，将数据集case划分为价格的影响因素x
k
和性能数据y
j ，其中k =1，2，...，t，t表示价格影响因素的个数，其中j =1，2，...，n，n表示性能参数的个数，用户关联数据样本s
i
的对应推荐序数数据分别为x
ik
和y
ij
。3.根据权利要求1所述的一种网购信息推荐方法，其特征在于：步骤2的具体过程为：根据用户基本信息、时间信息和用户日常行为信息设计目标推荐商品，然后得到目标推荐商品的性能数据，成为目标性能数据，对应值为y
oj
，从价格的影响因素x
k
中选取直接影响该目标性能数据的相关属性，设为。4.根据权利要求1所述的一种网购信息推荐方法，其特征在于：步骤3的具体过程为：选取用户已购买的商品种类数据集case中的性能数据及相关属性所对应的数据，表示为case
*
，基于熵权法和数据集case
*
计算商品种类数据集case选取的相关属性的权重，区分对性能数据的影响程度，得到相关属性的权重记为。5.根据权利要求1所述的一种网购信息推荐方法，其特征在于：步骤4的具体过程为：进行相关属性的相对变化趋势的衡量和商品数据筛选，将商品性能数据视为n维变量集合，不同商品性能数据的差异可视为n维变量运动、变化和发展的结果，根据相关属性，计算衡量用户原来购买商品性能数据和待推荐的目标商品性能数据的相关属性的相对变化趋势，并筛选出与待推荐的商品性能数据的相关属性相对变化趋势程度最相近的商品性能数据，设为s
*
={s
1*
，s
2*
，...，s
p*
}，p为聚类所得的商品性能数据数量。6.根据权利要求1所述的一种网购信息推荐方法，其特征在于：步骤5的具体过程为：对聚类结果s
*
={s
1*
，s
2*
，...，s
p*
}加权聚类，然后对聚类结果进行加权求和，得到求和结果即为所需推荐的商品性能数据，然后结合价格的影响因素x
k
，即可得到推荐的具体商品。7.根据权利要求3所述的一种网购信息推荐方法，其特征在于：步骤1中，价格的影响因素x
k
和性能数据y
j
作为训练模型的数据输入，使用特征变量训练模型，计算每个特征变量的重要性排序标准，剔除最不重要的k个特征，保留其余特征，并判断剩余特征数量达到确定选购要求，如果达到，从价格的影响因素x
k
中选取性能数据y
j
的相关属性
，如果没有达到重复计算。8.根据权利要求4所述的一种网购信息推荐方法，其特征在于：基于熵权法的相关属性的权重分配过程为：步骤3.1：将case*按下公式组成一个新的矩阵：步骤3.2：采用极差化法将标准化得到新的矩阵，然后对进行归一化处理，极差化法和归一化方法如下式：化法和归一化方法如下式：；其中，为中的第i行第s列元素；为中的第s列；同理，为中的第i行第s列元素，为归一化的后的值；步骤3.3：则中第s个相关属性的信息熵定义为：步骤3.4：性能数据y
j
有s个相关属性，则设定影响因素x
c
对性能数据y
j
的影响权重为：的影响权重为：为影响因素x
c
的信息熵。
技术总结
本发明提供一种网购信息推荐方法，属于网购商品推荐技术领域，方法如下，收集用户的已购买的商品数据并分析，根据用户信息设计推荐目标商品和分析目标商品的影响因素，根据已收集的用户的已购买的商品数据计算商品购买的相关属性和影响权重，然后将所有商品性能数据数量与网络销售的推荐目标商品的性能数据对比得到聚类商品性能数据数量，然后结合价格的影响因素即为准确推荐的商品。通过收集已购买商品的数据中提取相应的影响因素，然后从影响的因素和相关的属性中提取用户的购买的兴趣点，根据处理相关属性与推荐商品进行变化趋势的衡量和商品数据筛选，得到推荐商品的性能属性数据，然后再结合用户实际的消费能力和习惯确定推荐的商品。确定推荐的商品。确定推荐的商品。
技术研发人员：陈妍 周黎耀 文泽雄 罗雪琴 金赞
受保护的技术使用者：湖南工商大学
技术研发日：2022.05.18
技术公布日：2022/6/21