一種基于支持向量機(jī)svm的電子商務(wù)推薦方法
【專利摘要】本發(fā)明公開了一種基于SVM的電子商務(wù)推薦方法，包括，建立基于SVM的用戶評(píng)價(jià)預(yù)測(cè)模型，基于機(jī)器學(xué)習(xí)進(jìn)行含語義的文本特征提取，把評(píng)價(jià)表示為多維特征向量，并對(duì)評(píng)價(jià)進(jìn)行分類，支持向量機(jī)分類器對(duì)商品評(píng)價(jià)分為有用和無用兩類，實(shí)現(xiàn)評(píng)價(jià)的自動(dòng)識(shí)別；根據(jù)分類器中的評(píng)價(jià)有用性分值，按照分值大小，通過訓(xùn)練樣本預(yù)測(cè)評(píng)分的方法填充用戶項(xiàng)目矩陣；根據(jù)各個(gè)項(xiàng)目的重要性對(duì)核函數(shù)相應(yīng)的分量賦予相應(yīng)的權(quán)重，同時(shí)根據(jù)用戶過程行為，修正相應(yīng)分量權(quán)重，以達(dá)到提高預(yù)測(cè)精度、產(chǎn)生理想的推薦效果目的。本發(fā)明利用統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、智能模式識(shí)別分類等技術(shù)，分析客戶電子商務(wù)訪問行為和商品的評(píng)價(jià)，通過模型預(yù)測(cè)客戶興趣商品，產(chǎn)生推薦結(jié)果并推薦給客戶，幫助客戶及時(shí)快捷準(zhǔn)確地發(fā)現(xiàn)真正需要的商品。
【專利說明】—種基于支持向量機(jī)SVM的電子向務(wù)推薦方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明設(shè)計(jì)一種電子商務(wù)的推薦方法，具體涉及一種基于支持向量機(jī)(SVM)的電子商務(wù)推薦方法。
【背景技術(shù)】
[0002]互聯(lián)網(wǎng)及電子商務(wù)的快速發(fā)展，電子商務(wù)在給用戶帶來無限的便利性的同時(shí)，隨著信息的急劇增長(zhǎng)，信息過載也使得整個(gè)系統(tǒng)變得更為復(fù)雜，用戶無法順利找到需要查找的商品信息，電子商務(wù)推薦系統(tǒng)能夠有效地動(dòng)態(tài)捕獲用戶需求及偏好，預(yù)測(cè)可能的用戶偏好，推薦其可能感興趣的商品，順利完成購物的整個(gè)過程。電子商務(wù)推薦系統(tǒng)具有良好的發(fā)展和應(yīng)用前景，目前如亞馬遜、當(dāng)當(dāng)、eBay、淘寶等都不同程度的使用了電子商務(wù)推薦系統(tǒng)，各種Web網(wǎng)站也支持推薦系統(tǒng)進(jìn)行個(gè)性化的需求預(yù)測(cè)。
[0003]國內(nèi)外目前電子商務(wù)推薦算法可分為三大類，(I)、基于內(nèi)容的推薦算法?；趦?nèi)容的過濾是信息檢索推薦領(lǐng)域的重要研究?jī)?nèi)容，基于內(nèi)容的推薦技術(shù)需要分析資源內(nèi)容信息，根據(jù)用戶興趣建立用戶檔案(Profile)，用戶檔案中包含了用戶的偏好和需求信息，然后根據(jù)資源內(nèi)容與用戶檔案之間的相似性向用戶提供推薦服務(wù)。(2)、基于規(guī)則的推薦算法。隨著數(shù)據(jù)挖掘的興起，關(guān)聯(lián)規(guī)則被應(yīng)用于推薦系統(tǒng)，形成了 一種新的推薦技術(shù)基于規(guī)則的推薦技術(shù)。基于規(guī)則的推薦技術(shù)在評(píng)價(jià)表上挖掘項(xiàng)目間的關(guān)聯(lián)規(guī)則和用戶間的關(guān)聯(lián)規(guī)則為當(dāng)前用戶進(jìn)行推薦。使用項(xiàng)目關(guān)聯(lián)進(jìn)行推薦時(shí)，每條項(xiàng)目關(guān)聯(lián)的前件相當(dāng)于一個(gè)興趣組，而規(guī)則的后件則相當(dāng)于這個(gè)興趣組的推薦(3)協(xié)同過濾的推薦算法。目前協(xié)同過濾推薦主要是以屬性或興趣相近的用戶經(jīng)驗(yàn)與建議作為提供個(gè)性化推薦的基礎(chǔ)。透過協(xié)同過濾，有助于搜集具有類似偏好或?qū)傩缘挠脩?，并將其意見提供給同一集群中的用戶作為參考，以滿足人們通常在決策之前參考他人意見的心態(tài)。
[0004]電子商務(wù)推薦方法在理論和實(shí)踐中都得到較大發(fā)展，但電子商務(wù)推薦方法也面臨一系列的挑戰(zhàn)，現(xiàn)有技術(shù)存在的問題如下:
(一)用戶數(shù)據(jù)稀疏性問題
協(xié)同過濾推薦是基于評(píng)分相似的最近鄰居向目標(biāo)客戶產(chǎn)生推薦的一種算法，但隨著電子商務(wù)系統(tǒng)規(guī)模的擴(kuò)大，用戶數(shù)目和商品數(shù)據(jù)急劇增加，一段時(shí)間內(nèi)，一個(gè)用戶購買的商品是極其有限的，對(duì)購買的商品評(píng)價(jià)就更少，使得用戶項(xiàng)目矩陣的極端稀疏性，導(dǎo)致用戶最近鄰居和項(xiàng)目最近鄰居的計(jì)算準(zhǔn)確性降低，使得推薦系統(tǒng)的推薦質(zhì)量急劇下降。
[0005](二)評(píng)價(jià)有效性和權(quán)重問題
傳統(tǒng)的協(xié)同過濾推薦技術(shù)對(duì)未評(píng)價(jià)商品和無效評(píng)價(jià)，因評(píng)分少或無效的數(shù)據(jù)，存在推薦質(zhì)量低的問題，針對(duì)這種情況提出多種解決方法，其中包括矩陣填充、矩陣降維等技術(shù)?；蚝?jiǎn)單的將用戶對(duì)未評(píng)分項(xiàng)目的評(píng)分設(shè)為一個(gè)固定的缺省值，或設(shè)為其他用戶對(duì)該項(xiàng)目的平均評(píng)分。然而用戶對(duì)未評(píng)分項(xiàng)目的評(píng)分不可能完全相同，另外對(duì)于同一種商品，不同用戶評(píng)價(jià)的側(cè)重是不一樣的，有些關(guān)注產(chǎn)品的外觀，有些關(guān)注的是品牌，有些關(guān)注的是質(zhì)量，有些關(guān)注的是服務(wù)。
【發(fā)明內(nèi)容】

[0006]本發(fā)明所解決的技術(shù)問題是，提供一種基于SVM的電子商務(wù)推薦方法，解決了協(xié)同過濾模型中用戶數(shù)據(jù)稀疏性及用戶評(píng)價(jià)有效性和權(quán)重問題。
[0007]技術(shù)方案如下:
一種基于SVM的電子商務(wù)推薦方法,包括 建立SVM預(yù)測(cè)模型
首先設(shè)樣本集{Xi，yj, i=l,…，n, n為樣本總數(shù)。利用非線性映射K)到高維空間，則所構(gòu)成的最優(yōu)回歸函數(shù)為:f(x)=WT.φ(x)+b 式中，w為權(quán)向量，6為常數(shù)，A為矢量Xi(Xi1, Xi2.., Xi1) °根據(jù)SRM準(zhǔn)則,優(yōu)化目標(biāo)
為
(2)
【權(quán)利要求】
1.一種基于支持向量機(jī)SVM的電子商務(wù)組合推薦方法,其特征在于,所述支持向量機(jī)SVM推薦方法包括如下步驟: 步驟一，提取商品的用戶評(píng)價(jià)信息，支持向量機(jī)分類器對(duì)商品評(píng)價(jià)分為有效和無效兩類； 步驟二，對(duì)有效評(píng)價(jià)，應(yīng)用SVM把評(píng)價(jià)表示為多維特征向量，填充用戶項(xiàng)目矩陣； 步驟三，對(duì)無效評(píng)價(jià)，通過訓(xùn)練樣本預(yù)測(cè)評(píng)分的方法填充用戶項(xiàng)目矩陣； 步驟四，根據(jù)各個(gè)項(xiàng)目的重要性對(duì)核函數(shù)相應(yīng)的分量賦予相應(yīng)的權(quán)重； 步驟五，結(jié)合用戶行為和支持向量機(jī)SVM評(píng)價(jià)預(yù)測(cè)方法進(jìn)行組合預(yù)測(cè)； 步驟六，預(yù)測(cè)結(jié)果并進(jìn)行推薦。
2.根據(jù)權(quán)利要求1中所述的方法，其特征在于，支持支持向量機(jī)分類器SVM，是基于統(tǒng)計(jì)學(xué)習(xí)理論的一種最優(yōu)判別函數(shù)，并確定分類映射， ，其中
3.根據(jù)權(quán)利要求1中所述的方法，其特征在于，所述的用戶商品項(xiàng)目矩陣
4.根據(jù)權(quán)利要求1中所述的方法，其特征在于，所述的核函數(shù)在
5.根據(jù)權(quán)利要求1中所述的方法，其特征在于，所述項(xiàng)目的重要性包括外觀、品牌、質(zhì)量、服務(wù)等商品屬性值。
6.根據(jù)權(quán)利要求1中所述的方法，其特征在于，所述用戶行為，包括瀏覽商品、收藏商品、加入購入車、購買商品等。
【文檔編號(hào)】G06Q30/02GK103886486SQ201410107196
【公開日】2014年6月25日 申請(qǐng)日期:2014年3月21日 優(yōu)先權(quán)日:2014年3月21日
【發(fā)明者】楊正華, 曾愛華, 丁雷, 唐潔 申請(qǐng)人:吉首大學(xué)