申请/专利权人：江苏大学

申请日：2020-05-19

公开（公告）日：2024-03-19

公开（公告）号：CN111612583B

主分类号：G06Q30/0601

分类号：G06Q30/0601;G06F18/214;G06F18/23213;G06F18/2415;G06F16/9535

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2020.09.25#实质审查的生效;2020.09.01#公开

摘要：本发明涉及电子商务技术领域，特别涉及一种利用商品属性和用户历史评分数据等信息向目标用户提供个性化推荐的导购系统。包括数据收集模块、行为量化模块、商品类别筛选模块、矩阵填充模块、用户聚类模块和生成推荐模块；数据收集模块用于收集商品属性和用户行为数据；行为量化模块用于量化用户的操作行为；商品类别筛选模块用于对所有商品进行类别的筛选；矩阵填充模块利用朴素贝叶斯算法进行矩阵填充，初步预测出未操作商品的评分；用户聚类模块利用基于密度划分准则的二分K均值算法，为用户进行聚类；生成推荐模块，用于将推荐的结果呈现给用户。本发明解决了现有技术中存在的导购系统推荐准确率低的问题。

主权项：1.一种基于聚类的个性化导购系统，其特征在于，所述导购系统包括数据收集模块、行为量化模块、商品类别筛选模块、矩阵填充模块、用户聚类模块和生成推荐模块；所述数据收集模块用于收集商品属性和用户行为数据；所述商品属性包括商品名称、分类、品牌、价格、产地；所述行为量化模块用于量化用户的操作行为；所述商品类别筛选模块用于对所有商品进行类别的筛选；所述矩阵填充模块利用朴素贝叶斯算法进行矩阵填充，初步预测出未操作商品的评分；所述用户聚类模块利用基于密度划分准则的二分K均值算法，为用户进行聚类；所述生成推荐模块，用于将推荐的结果呈现给用户；用户聚类模块利用基于密度划分准则的二分K均值算法，为用户进行聚类，包括如下步骤：步骤1、初始化点数阈值M和变化量阈值δ，其中，M表示核心点邻域内至少应包含的点的个数，即核心点邻域内包含的点数必须大于或等于M，δ代表SSE的变化量阈值，SSE为误差平方和； 其中，k是簇的个数，ci是第i个簇的聚类中心，x是数据点，Si是第i个簇中所有数据点的集合，d是距离函数；步骤2、计算数据集P的邻域半径R，其中，数据集P＝{p1，p2…pn}；步骤3、利用最大最小距离方法选择数据集的初始聚类中心；步骤4、将数据集划分成两个子簇，即利用步骤3的两个初始聚类中心，执行二分K均值算法，将数据集划分成两个簇；步骤5、判断SSE的变化量是否小于δ，如果小于δ，转步骤7，否则，转步骤6；步骤6、选择可进一步划分的簇，即利用参数M和R对每一个簇遍历执行dbscan算法，得到所有簇可以划分成的子簇数目，将子簇最多的簇作为二分K均值算法进一步划分的簇；转步骤3；步骤7、完成聚类。

全文数据：

权利要求：

百度查询： 江苏大学 一种基于聚类的个性化导购系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD