户之间的相似性采用距离来衡量，则两者之间的相似性计算将是计算两者之间的距离，即D(i，j) = distance (S(i)，S(j))，其中，S(i)是记录矩阵第i行矢量，S(J)是记录矩阵第j行矢量。
[0136]商户排序单元215，用于根据相似性计算得到的数值排序得到的对应商户形成每一商户关联的推荐列表。
[0137]本实施例中，相似性计算得到的数值将用于衡量目标商户和商户之间的相近程度，因此，在每一目标商户所进行的相似性计算中，商户排序单元215对相似性计算得到的数值进行排序，以按照一定的顺序得到与目标商户最为相近的若干个商户，进而由这些商户形成目标商户所关联的推荐列表。
[0138]此外，在通过相似性计算得到目标商户关联的商户之后，商户排序单元215还将根据广告优先级对其相似性计算得到的数值进行调整之后，再进行商户的排序，以得到该目标商户所关联的推荐列表。
[0139]进一步的，广告优先级是根据收集的广告商户信息预先进行设置的，例如，可预先将广告优先级定为{1，2，3}中的某一个数值，为3的优先级最高，表示广告推广力度最大，因此，根据广告优先级可将目标商户S(m)和商户S(n(k))之间的相似性计算得到的数值D(m，n(k))变为0(111，11(10)/(1+?)，其中？为广告优先级。
[0140]例如，在进行了目标商户和商户之间的相似性计算之后中，若其中的商户S(m)为广告商户，则查找和S (m)最近的K个商户，即{S (n (I))，S (η (2))……S (n (k))}，对于这K个商户，将根据广告优先级进行调整。
[0141]如图9所示，在一个实施例中，上述系统还包括用户量化模块310和聚类模块330。
[0142]用户量化模块310，用于获取用户信息，并量化用户信息得到用户特征矢量。
[0143]本实施例中，用户信息将包括了用户浏览历史、查询记录和用户登录时的信息，其中，用户登录时的信息可包括用户注册系统帐号时的个人项信息，例如，年龄、性别等；也可包括用户注册系统帐号时所选择的个人喜好的项目，例如，用户选择“儿童用品”、“化妆品”或者“古典音乐”、“男歌手”等，还可以是用户的收藏夹所记录的内容等。
[0144]用户量化模块310量化获取得到的用户信息，例如，年龄本身即为数字化的，性别则可以采用I表示男，2表示女，O表示未填写；个人喜好的项目则根据可选项目表示，例如，第一项为1，第二项为2，未选择为O ;用户的收藏夹所记录的内容将用字符串的方式表示，每条记录位即为用户特征矢量的一维；用户浏览历史为商户的标识号码构成的序列，每一商户均有唯一对应的标号号码。
[0145]聚类模块330，用于根据用户特征矢量聚类用户以得到同类用户。
[0146]本实施例中，聚类模块330应用量化得到的用户特征矢量进行相似性计算，以聚类得到同类用户。具体的，对用户特征矢量所进行的相似性计算可以是相似度的计算，也可以是用户之间距离的计算，例如，距离的计算可以是欧氏距离的计算；而相似度的计算则可以采用余弦相似度等算法。
[0147]此外，还可以采用聚类算法对用户进行聚类，例如，该聚类算法可以是模糊聚类方法和K-均值聚类方法等。
[0148]以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
【主权项】
1.一种推荐商户的方法，包括以下步骤: 获取用户的查询请求和位置； 根据所述查询请求进行商户搜索得到搜索结果，并按照所述位置从所述搜索结果中提取得到商户的候选列表； 根据所述候选列表中记录的商户提取所述商户的关联推荐列表，所述商户的关联推荐列表是根据所述用户的同类用户浏览记录生成的； 筛选所述候选列表和所述关联推荐列表得到商户推荐结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述查询请求进行商户搜索得到搜索结果，并按照所述位置从所述搜索结果中提取得到商户的候选列表的步骤为: 根据所述查询请求对已有的商户数据资源进行搜索得到搜索结果； 从所述搜索结果中根据所述位置提取介于有效距离范围的商户，并按照所述位置与所述提取的商户之间的距离对所述提取得到的商户进行排序，以得到所述商户的候选列表。3.根据权利要求1所述的方法，其特征在于，所述根据所述候选列表中的记录的商户提取所述商户的关联推荐列表的步骤之前，所述方法还包括: 预先计算并生成每一商户对应的关联推荐列表的步骤。4.根据权利要求3所述的方法，其特征在于，所述预先计算并生成每一商户对应的关联推荐列表的步骤包括: 获取同类用户对商户的浏览记录并量化得到记录矩阵，所述记录矩阵的元素即为商户被每一同类用户浏览的量化值； 逐一以记录矩阵中每一商户为目标商户，根据所述商户被每一同类用户浏览的量化值对目标商户与所述记录矩阵中的商户进行相似性计算，以得到所述记录矩阵中与所述目标商户关联的商户； 根据所述相似性计算得到的数值排序所述得到的对应商户形成每一商户关联的推荐列表。5.根据权利要求4所述的方法，其特征在于，所述获取同类用户对商户的浏览记录并量化得到记录矩阵，所述记录矩阵的元素即为商户被每一同类用户浏览的量化值的步骤之前，所述方法还包括: 获取用户信息，并量化所述用户信息得到用户特征矢量； 根据所述用户特征矢量聚类用户以得到同类用户。6.一种推荐商户的系统，其特征在于，包括: 输入获取模块，用于获取用户的查询请求和位置； 请求处理模块，用于根据所述查询请求进行商户搜索得到搜索结果，并按照所述位置从所述搜索结果中提取得到商户的候选列表； 关联提取模块，用于根据所述候选列表中记录的商户提取所述商户的关联推荐列表，所述商户的关联推荐列表是根据所述用户的同类用户浏览记录生成的； 筛选模块，用于筛选所述候选列表和所述关联推荐列表得到商户推荐结果。7.根据权利要求6所述的系统，其特征在于，所述请求处理模块包括: 搜索单元，用于根据所述查询请求对已有的商户数据资源进行搜索得到搜索结果； 结果提取单元，用于从所述搜索结果中根据所述位置提取介于有效距离范围的商户，并按照所述位置与所述提取的商户之间的距离对所述提取得到的商户进行排序，以得到所述商户的候选列表。8.根据权利要求6所述的系统，其特征在于，所述系统还包括: 预计算模块，用于预先计算并生成每一商户对应的关联推荐列表。9.根据权利要求8所述的系统，其特征在于，所述预计算模块包括: 量化处理单元，用于获取同类用户对商户的浏览记录并量化得到记录矩阵，所述记录矩阵的元素即为商户被每一同类用户浏览的量化值； 相似性计算单元，用于逐一以记录矩阵中每一商户为目标商户，根据所述商户被每一同类用户浏览的量化值对目标商户与所述记录矩阵中的商户进行相似性计算，以得到所述记录矩阵中与所述目标商户关联的商户； 商户排序单元，用于根据所述相似性计算得到的数值排序所述得到的对应商户形成每一商户关联的推荐列表。10.根据权利要求9所述的系统，其特征在于，所述系统还包括: 用户量化模块，用于获取用户信息，并量化所述用户信息得到用户特征矢量； 聚类模块，用于根据所述用户特征矢量聚类用户以得到同类用户。
【专利摘要】本发明提供了一种推荐商户的方法及系统。所述方法包括：获取用户的查询请求和位置；根据查询请求进行商户搜索得到搜索结果，并按照位置从搜索结果中提取得到商户的候选列表；根据候选列表中记录的商户提取商户的关联推荐列表，商户的关联推荐列表是根据用户的同类用户浏览记录生成的；筛选候选列表和关联推荐列表得到商户推荐结果。所述系统包括：输入获取模块、请求处理模块、关联提取模块和筛选模块。采用本发明有效提高了推荐的准确度。
【IPC分类】G06F17/30, G06Q30/02
【公开号】CN105205689
【申请号】CN201510533122
【发明人】冯雁, 史乐, 杨永胜, 张志舜
【申请人】深圳市万音达科技有限公司
【公开日】2015年12月30日
【申请日】2015年8月26日