生成用户偏好信息的方法及装置的制造方法
【技术领域】
[0001] 本公开涉及数据分析领域，特别涉及一种生成用户偏好信息的方法及装置。
【背景技术】
[0002] 目前电子商务的竞争日趋激烈，在电子商务网站中提供商品的个性化推荐服务， 辅助用户进行购物决策，可以有效地提高用户的交易体验，对于保持客户忠诚度有着重要 意义。
[0003] 电子商务网站提供个性化服务的前提是能够尽可能准确地获取用户的偏好信息， 基于此才能准确地提供个性化服务。因此如何分析生成相对准确的用户偏好信息就显得尤 为重要。
【发明内容】
[0004] 本公开实施例提供了一种生成用户偏好信息的方法及装置，所述技术方案如下：
[0005] 根据本公开实施例的第一方面，提供了一种生成用户偏好信息的方法，由网络服 务器执行，该方法包括：
[0006] 对于η个用户中的第i个用户，统计m个叶分类中的每一个叶分类包含的商品中 被所述第i个用户浏览过的商品的数量、被所述第i个用户收藏的商品的数量以及被所述 第i个用户购买的商品的数量；
[0007] 根据所述每一个叶分类包含的商品中被所述第i个用户浏览过的商品的数量、被 所述第i个用户收藏的商品的数量以及被所述第i个用户购买的商品的数量计算生成所述 第i个用户对所述每一个叶分类的偏好信息；
[0008] 其中，所述叶分类是商品分类树中、底层商品的上一级分类，所述商品分类树指示 各个商品的分类结构，m和η为大于等于2的整数，1 <i<η。
[0009] 可选的，所述根据所述每一个叶分类包含的商品中被所述第i个用户浏览过的商 品的数量、被所述第i个用户收藏的商品的数量以及被所述第i个用户购买的商品的数量 计算生成所述第i个用户对所述每一个叶分类的偏好信息，包括：
[0010] 对于所述每一个叶分类中的第j个分类，根据下列公式计算生成所述第i个用户 对第j个叶分类的偏好信息rlj:
[0011]
[0012] 其中，&是第J个叶分类中被所述第i个用户浏览过的商品的数量，^是第J个 叶分类中被所述第i个用户收藏的商品的数量，^是第J个叶分类中被所述第i个用户购 买的商品的数量，1彡j彡m。
[0013] 可选的，所述方法还包括：
[0014] 对于所述各个用户中的目标用户，根据所述各个用户各自对每一个叶分类的偏好 信息计算所述目标用户与其他用户之间的偏好相似度；
[0015] 将与所述目标用户的偏好相似度最高的前X个用户确定为所述目标用户的邻居 用户，X为预设的正整数；
[0016] 根据所述邻居用户对所述各个商品的偏好信息确定待推荐商品；
[0017] 向所述目标用户对应的终端推送推荐信息，所述推荐信息用于指示所述待推荐商 品。
[0018] 可选的，所述根据所述各个用户各自对每一个叶分类的偏好信息计算所述目标用 户与其他用户之间的偏好相似度，包括：
[0019] 对于所述各个用户中，除了目标用户a之外的任一用户b，根据下列公式计算所述 目标用户与其他用户之间的偏好相似度sim(a，b):
[0020]
[0021] 其中，ra]表示目标用户a对第j个叶分类的偏好值，rb]表示用户b对第j个叶分 类的偏好值，ξ表示目标用户a对各个叶分类的偏好的平均值，5表示用户b对各个叶分类 的偏好的平均值，1 <j<m。
[0022] 可选的，所述根据所述邻居用户对所述各个商品的偏好信息确定待推荐商品，包 括：
[0023] 确定被所述邻居用户浏览、收藏以及购买过的商品；
[0024] 根据被所述邻居用户浏览、收藏以及购买过的商品确定待推荐商品。
[0025] 根据本公开实施例的第二方面，提供了一种生成用户偏好信息的装置，用于网络 服务器中，所述装置包括：
[0026] 统计模块，用于对于η个用户中的第i个用户，统计m个叶分类中的每一个叶分类 包含的商品中被所述第i个用户浏览过的商品的数量、被所述第i个用户收藏的商品的数 量以及被所述第i个用户购买的商品的数量；
[0027] 生成模块，用于根据所述每一个叶分类包含的商品中被所述第i个用户浏览过的 商品的数量、被所述第i个用户收藏的商品的数量以及被所述第i个用户购买的商品的数 量计算生成所述第i个用户对所述每一个叶分类的偏好信息；
[0028] 其中，所述叶分类是商品分类树中、底层商品的上一级分类，所述商品分类树指示 各个商品的分类结构，m和η为大于等于2的整数，1 <i<η。
[0029] 可选的，所述生成模块，用于对于所述每一个叶分类中的第j个分类，根据下列公 式计算生成所述第i个用户对第j个叶分类的偏好信息r1]:
[0030]
[0031] 其中，&是第J个叶分类中被所述第i个用户浏览过的商品的数量，^是第J个 叶分类中被所述第i个用户收藏的商品的数量，d是第J个叶分类中被所述第i个用户购 买的商品的数量，1彡j彡m。
[0032] 可选的，所述装置还包括：
[0033] 相似度计算模块，用于对于所述各个用户中的目标用户，根据所述各个用户各自 对每一个叶分类的偏好信息计算所述目标用户与其他用户之间的偏好相似度；
[0034] 邻居确定模块，用于将与所述目标用户的偏好相似度最高的前X个用户确定为所 述目标用户的邻居用户，X为预设的正整数；
[0035] 商品确定模块，用于根据所述邻居用户对所述各个商品的偏好信息确定待推荐商 品；
[0036] 推荐模块，用于向所述目标用户对应的终端推送推荐信息，所述推荐信息用于指 示所述待推荐商品。
[0037] 可选的，所述相似度计算模块，用于对于所述各个用户中，除了目标用户a之外的 任一用户b，根据下列公式计算所述目标用户与其他用户之间的偏好相似度sim(a，b):
[0038]
[0039] 其中，ra]表示目标用户a对第j个叶分类的偏好值，rb]表示用户b对第j个叶分 类的偏好值，ξ表示目标用户a对各个叶分类的偏好的平均值，尽表示用户b对各个叶分类 的偏好的平均值，1 <j<m。
[0040] 可选的，所述商品确定模块，包括：
[0041] 第一确定单元，用于确定被所述邻居用户浏览、收藏以及购买过的商品；
[0042] 第二确定单元，用于根据被所述邻居用户浏览、收藏以及购买过的商品确定待推 荐商品。
[0043] 本公开实施例提供的技术方案可以包括以下有益效果：
[0044] 对于η个用户中的第i个用户，通过统计m个叶分类中的每一个叶分类包含的商 品中被该第i个用户浏览过的商品的数量、被该第i个用户收藏的商品的数量以及被该第i 个用户购买的商品的数量，根据统计获得的信息计算生成第i个用户对每一个叶分类的偏 好信息，通过用户对叶分类的偏好信息来表征用户对该叶分类下的商品的偏好，能够准确 的获取用户的偏好信息的前提下，从而保证后续个性化服务的准确性。
[0045] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不 能限制本公开。
【附图说明】
[0046] 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施 例，并与说明书一起用于解释本公开的原理。
[0047] 图1是根据一示例性实施例示出的一种生成用户偏好信息的方法的流程图；