买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安银信博锐信息科技有限公司

摘要：本发明涉及数据处理技术领域，具体涉及基于用户采集信息的用户智能匹配方法及系统，包括：获取用户的若干购买记录，将用户分为多个类簇；得到每一类簇的频繁项集；得到每一类簇中每一商品的重要性指标与每一频繁项集的重要性；根据每一类簇中每一用户的购买记录与每一频繁项集中所含的商品，得到每一类簇中每一频繁项集对每一用户的重要性；结合每一类簇中每一用户的购买记录时序序列中相邻的时序序列与每一商品的重要性指标，得到每一用户的推荐商品。本发明旨在解决通过关联算法获取用户的推荐商品时，未考虑用户在每次购买商品时的数量，使得用户的推荐商品与购买需求存在较大差异的问题。

主权项：1.基于用户采集信息的用户智能匹配方法，其特征在于，该方法包括以下步骤：获取一段时间内网络购物平台中所有用户的购买记录的时序序列；所述用户的购买记录中包括商品的名称、商品的购买数量以及付款金额；根据所有用户的购买记录的时序序列，将所有用户分为多个类簇；根据每一类簇中所有用户的购买记录，得到每一类簇的若干频繁项集；根据每一类簇中每一用户的购买记录中每一商品的购买数量与每一商品在购买记录中出现的次数，得到每一类簇中每一商品的重要性指标，进而得到每一类簇中每一频繁项集的重要性；根据每一类簇中每一用户的购买记录与每一频繁项集中所含的商品，得到每一类簇中每一用户的购买频率向量与每一频繁项集的向量；根据每一类簇中每一频繁项集的重要性以及每一用户的购买频率向量与每一频繁项集的向量的差异，得到每一类簇中每一频繁项集对每一用户的重要性；根据每一类簇中每一用户的购买记录时序序列中相邻的购买记录与每一类簇中每一频繁项集对每一用户的重要性，得到每一类簇中每一频繁项集对每一用户的推荐程度；根据每一类簇中每一用户的购买记录与每一类簇中每一频繁项集对每一用户的推荐程度，得到每一类簇中每一商品对每一用户的商品推荐指数；所述根据所有用户的购买记录的时序序列，将所有用户分为多个类簇，包括的具体方法为：根据所有用户的购买记录中所含有的商品，得到一个商品集；将任一用户的所有购买记录中的付款金额的均值，记为该用户的初始向量中的第一个元素；将任一用户的购买记录中包含商品集中第个商品的购买记录的个数与该用户的购买记录的个数的比值，记为该用户的初始向量中的第个元素；根据每一用户的初始向量中的每一元素，得到每一用户的初始向量；将每一用户的初始向量与其他用户的初始向量作差后的向量的模长作为距离度量，使用K-means聚类算法将所有用户聚为多个类簇；所述根据每一类簇中所有用户的购买记录，得到每一类簇的若干频繁项集，包括的具体方法为：将任意一个类簇作为目标簇；将目标簇中任一用户的一次购买记录中所含的商品，作为该用户的一次购买记录事务中所含的元素，得到该用户的一次购买记录事务；将目标簇中所有用户的购买记录事务作为FP-growth算法的输入，将FP-growth算法输出的频繁项集，记为目标簇的频繁项集；所述根据每一类簇中每一用户的购买记录中每一商品的购买数量与每一商品在购买记录中出现的次数，得到每一类簇中每一商品的重要性指标，包括的具体方法为：将目标簇中所有用户的购买记录作为目标簇的购买记录集中的元素，得到目标簇的购买记录集；将目标簇的购买记录集中的第个购买记录，记为目标簇中第个购买记录；将目标簇中所有用户的购买记录中的商品作为目标簇的商品集中的元素，得到目标簇的商品集；将目标簇的商品集中的第个商品，记为目标簇中第个商品；根据目标簇中的购买记录，得到目标簇中每一商品的重要性指标，具体计算公式如下： 式中，表示目标簇中第个商品的重要性指标，表示目标簇的购买记录集中购买记录的个数，表示目标簇中第个购买记录中商品的购买数量与第个购买记录中所有商品的购买数量总数的比值，表示目标簇中包含商品的购买记录的个数与购买记录集中购买记录的个数的比值；所述得到每一类簇中每一频繁项集的重要性，包括的具体方法为：将目标簇的第个频繁项集中所有商品的重要性指标的均值，记为目标簇的第个频繁项集的重要性；所述根据每一类簇中每一用户的购买记录与每一频繁项集中所含的商品，得到每一类簇中每一用户的购买频率向量与每一频繁项集的向量，包括的具体方法为：在目标簇中第个用户的购买记录中，将包含目标簇中第个商品的购买记录的个数与目标簇中第个用户的购买记录的个数的比值，记为目标簇中第个用户的向量中的第个元素；根据目标簇中第个用户的向量中的所有元素，得到目标簇中第个用户的向量，记为目标簇中第个用户的购买频率向量；如果目标簇中第个商品为目标簇的第个频繁项集中的商品，则目标簇的第个频繁项集的向量中的第个元素为1；如果目标簇中第个商品不为目标簇的第个频繁项集中的商品，则目标簇的第个频繁项集的向量中的第个元素为0；得到目标簇的第个频繁项集的向量；所述根据每一类簇中每一频繁项集的重要性以及每一用户的购买频率向量与每一频繁项集的向量的差异，得到每一类簇中每一频繁项集对每一用户的重要性，包括的具体方法为： 式中，表示目标簇的第个频繁项集对目标簇中第个用户的重要性，表示目标簇的第个频繁项集的重要性，表示目标簇中第个用户的购买频率向量，表示目标簇的第个频繁项集的向量，表示目标簇中第个用户的购买频率向量与目标簇的第个频繁项集的向量作差后所得向量的模长，表示sigmoid函数，为以自然常数为底的指数函数；所述根据每一类簇中每一用户的购买记录时序序列中相邻的购买记录与每一类簇中每一频繁项集对每一用户的重要性，得到每一类簇中每一频繁项集对每一用户的推荐程度，包括的具体方法为：将目标簇的购买记录集中含有目标簇的第个频繁项集中的商品的购买记录，记为第个频繁项集的初始对应购买记录；将第个频繁项集的初始对应购买记录对应的用户，记为第个频繁项集的对应用户；将第个频繁项集的对应用户的购买记录的时序序列中的第个频繁项集的初始对应购买记录的下一个购买记录，记为第个频繁项集的最终对应购买记录，得到第个频繁项集的最终对应购买记录集；将第个频繁项集的所有最终对应购买记录视为第个频繁用户的所有购买记录；根据目标簇中第个频繁用户的所有购买记录，以及目标簇中第个频繁项集，得到第个频繁项集对目标簇中第个频繁用户的重要性，记为在第个频繁项集下第个频繁项集的重要程度；则目标簇的每一频繁项集对目标簇中每一用户的重要程度的具体计算公式如下： 式中，表示目标簇的第个频繁项集对目标簇中第个用户的重要程度，表示目标簇中频繁项集的个数，表示目标簇的第个频繁项集对目标簇中第个用户的重要性，表示在第个频繁项集下第个频繁项集的重要程度；根据目标簇的第个频繁项集对目标簇中第个用户的重要程度与目标簇的第个频繁项集对目标簇中第个用户的重要性，得到目标簇的第个频繁项集对目标簇中第个用户的推荐程度，具体计算公式如下： 式中，表示目标簇的第个频繁项集对目标簇中第个用户的推荐程度，表示目标簇的第个频繁项集对目标簇中第个用户的重要程度，表示目标簇的第个频繁项集对目标簇中第个用户的重要性；所述根据每一类簇中每一用户的购买记录与每一类簇中每一频繁项集对每一用户的推荐程度，得到每一类簇中每一商品对每一用户的商品推荐指数，包括的具体方法为：根据目标簇中第个商品在第个用户的购买记录中对应的购买记录，得到目标簇中第个商品在第个用户下的重要性，则目标簇中第个商品对目标簇中第个用户的商品推荐指数的具体计算公式如下： 式中，表示目标簇中第个商品对目标簇中第个用户的商品推荐指数，表示目标簇中包含第个商品的频繁项集的个数，表示目标簇中包含第个商品的第个频繁项集对目标簇中第个用户的推荐程度，表示目标簇中第个商品在第个用户下的重要性。

全文数据：

权利要求：

百度查询： 西安银信博锐信息科技有限公司 基于用户采集信息的用户智能匹配方法及系统