生成用戶偏好信息的方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本公開涉及數(shù)據(jù)分析領(lǐng)域，特別涉及一種生成用戶偏好信息的方法及裝置。
【背景技術(shù)】
[0002] 目前電子商務(wù)的競爭日趨激烈，在電子商務(wù)網(wǎng)站中提供商品的個性化推薦服務(wù)， 輔助用戶進(jìn)行購物決策，可以有效地提高用戶的交易體驗，對于保持客戶忠誠度有著重要 意義。
[0003] 電子商務(wù)網(wǎng)站提供個性化服務(wù)的前提是能夠盡可能準(zhǔn)確地獲取用戶的偏好信息， 基于此才能準(zhǔn)確地提供個性化服務(wù)。因此如何分析生成相對準(zhǔn)確的用戶偏好信息就顯得尤 為重要。

【發(fā)明內(nèi)容】

[0004] 本公開實施例提供了一種生成用戶偏好信息的方法及裝置，所述技術(shù)方案如下：
[0005] 根據(jù)本公開實施例的第一方面，提供了一種生成用戶偏好信息的方法，由網(wǎng)絡(luò)服 務(wù)器執(zhí)行，該方法包括：
[0006] 對于η個用戶中的第i個用戶，統(tǒng)計m個葉分類中的每一個葉分類包含的商品中 被所述第i個用戶瀏覽過的商品的數(shù)量、被所述第i個用戶收藏的商品的數(shù)量以及被所述 第i個用戶購買的商品的數(shù)量；
[0007] 根據(jù)所述每一個葉分類包含的商品中被所述第i個用戶瀏覽過的商品的數(shù)量、被 所述第i個用戶收藏的商品的數(shù)量以及被所述第i個用戶購買的商品的數(shù)量計算生成所述 第i個用戶對所述每一個葉分類的偏好信息；
[0008] 其中，所述葉分類是商品分類樹中、底層商品的上一級分類，所述商品分類樹指示 各個商品的分類結(jié)構(gòu)，m和η為大于等于2的整數(shù)，1 <i<η。
[0009] 可選的，所述根據(jù)所述每一個葉分類包含的商品中被所述第i個用戶瀏覽過的商 品的數(shù)量、被所述第i個用戶收藏的商品的數(shù)量以及被所述第i個用戶購買的商品的數(shù)量 計算生成所述第i個用戶對所述每一個葉分類的偏好信息，包括：
[0010] 對于所述每一個葉分類中的第j個分類，根據(jù)下列公式計算生成所述第i個用戶 對第j個葉分類的偏好信息rlj:
[0011]
[0012] 其中，&是第J個葉分類中被所述第i個用戶瀏覽過的商品的數(shù)量，^是第J個 葉分類中被所述第i個用戶收藏的商品的數(shù)量，^是第J個葉分類中被所述第i個用戶購 買的商品的數(shù)量，1彡j彡m。
[0013] 可選的，所述方法還包括：
[0014] 對于所述各個用戶中的目標(biāo)用戶，根據(jù)所述各個用戶各自對每一個葉分類的偏好 信息計算所述目標(biāo)用戶與其他用戶之間的偏好相似度；
[0015] 將與所述目標(biāo)用戶的偏好相似度最高的前X個用戶確定為所述目標(biāo)用戶的鄰居 用戶，X為預(yù)設(shè)的正整數(shù)；
[0016] 根據(jù)所述鄰居用戶對所述各個商品的偏好信息確定待推薦商品；
[0017] 向所述目標(biāo)用戶對應(yīng)的終端推送推薦信息，所述推薦信息用于指示所述待推薦商 品。
[0018] 可選的，所述根據(jù)所述各個用戶各自對每一個葉分類的偏好信息計算所述目標(biāo)用 戶與其他用戶之間的偏好相似度，包括：
[0019] 對于所述各個用戶中，除了目標(biāo)用戶a之外的任一用戶b，根據(jù)下列公式計算所述 目標(biāo)用戶與其他用戶之間的偏好相似度sim(a，b):
[0020]
[0021] 其中，ra]表示目標(biāo)用戶a對第j個葉分類的偏好值，rb]表示用戶b對第j個葉分 類的偏好值，ξ表示目標(biāo)用戶a對各個葉分類的偏好的平均值，5表示用戶b對各個葉分類 的偏好的平均值，1 <j<m。
[0022] 可選的，所述根據(jù)所述鄰居用戶對所述各個商品的偏好信息確定待推薦商品，包 括：
[0023] 確定被所述鄰居用戶瀏覽、收藏以及購買過的商品；
[0024] 根據(jù)被所述鄰居用戶瀏覽、收藏以及購買過的商品確定待推薦商品。
[0025] 根據(jù)本公開實施例的第二方面，提供了一種生成用戶偏好信息的裝置，用于網(wǎng)絡(luò) 服務(wù)器中，所述裝置包括：
[0026] 統(tǒng)計模塊，用于對于η個用戶中的第i個用戶，統(tǒng)計m個葉分類中的每一個葉分類 包含的商品中被所述第i個用戶瀏覽過的商品的數(shù)量、被所述第i個用戶收藏的商品的數(shù) 量以及被所述第i個用戶購買的商品的數(shù)量；
[0027] 生成模塊，用于根據(jù)所述每一個葉分類包含的商品中被所述第i個用戶瀏覽過的 商品的數(shù)量、被所述第i個用戶收藏的商品的數(shù)量以及被所述第i個用戶購買的商品的數(shù) 量計算生成所述第i個用戶對所述每一個葉分類的偏好信息；
[0028] 其中，所述葉分類是商品分類樹中、底層商品的上一級分類，所述商品分類樹指示 各個商品的分類結(jié)構(gòu)，m和η為大于等于2的整數(shù)，1 <i<η。
[0029] 可選的，所述生成模塊，用于對于所述每一個葉分類中的第j個分類，根據(jù)下列公 式計算生成所述第i個用戶對第j個葉分類的偏好信息r1]:
[0030]
[0031] 其中，&是第J個葉分類中被所述第i個用戶瀏覽過的商品的數(shù)量，^是第J個 葉分類中被所述第i個用戶收藏的商品的數(shù)量，d是第J個葉分類中被所述第i個用戶購 買的商品的數(shù)量，1彡j彡m。
[0032] 可選的，所述裝置還包括：
[0033] 相似度計算模塊，用于對于所述各個用戶中的目標(biāo)用戶，根據(jù)所述各個用戶各自 對每一個葉分類的偏好信息計算所述目標(biāo)用戶與其他用戶之間的偏好相似度；
[0034] 鄰居確定模塊，用于將與所述目標(biāo)用戶的偏好相似度最高的前X個用戶確定為所 述目標(biāo)用戶的鄰居用戶，X為預(yù)設(shè)的正整數(shù)；
[0035] 商品確定模塊，用于根據(jù)所述鄰居用戶對所述各個商品的偏好信息確定待推薦商 品；
[0036] 推薦模塊，用于向所述目標(biāo)用戶對應(yīng)的終端推送推薦信息，所述推薦信息用于指 示所述待推薦商品。
[0037] 可選的，所述相似度計算模塊，用于對于所述各個用戶中，除了目標(biāo)用戶a之外的 任一用戶b，根據(jù)下列公式計算所述目標(biāo)用戶與其他用戶之間的偏好相似度sim(a，b):
[0038]
[0039] 其中，ra]表示目標(biāo)用戶a對第j個葉分類的偏好值，rb]表示用戶b對第j個葉分 類的偏好值，ξ表示目標(biāo)用戶a對各個葉分類的偏好的平均值，盡表示用戶b對各個葉分類 的偏好的平均值，1 <j<m。
[0040] 可選的，所述商品確定模塊，包括：
[0041] 第一確定單元，用于確定被所述鄰居用戶瀏覽、收藏以及購買過的商品；
[0042] 第二確定單元，用于根據(jù)被所述鄰居用戶瀏覽、收藏以及購買過的商品確定待推 薦商品。
[0043] 本公開實施例提供的技術(shù)方案可以包括以下有益效果：
[0044] 對于η個用戶中的第i個用戶，通過統(tǒng)計m個葉分類中的每一個葉分類包含的商 品中被該第i個用戶瀏覽過的商品的數(shù)量、被該第i個用戶收藏的商品的數(shù)量以及被該第i 個用戶購買的商品的數(shù)量，根據(jù)統(tǒng)計獲得的信息計算生成第i個用戶對每一個葉分類的偏 好信息，通過用戶對葉分類的偏好信息來表征用戶對該葉分類下的商品的偏好，能夠準(zhǔn)確 的獲取用戶的偏好信息的前提下，從而保證后續(xù)個性化服務(wù)的準(zhǔn)確性。
[0045] 應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不 能限制本公開。
【附圖說明】
[0046] 此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本公開的實施 例，并與說明書一起用于解釋本公開的原理。
[0047] 圖1是根據(jù)一示例性實施例示出的一種生成用戶偏好信息的方法的流程圖；