CN111080411B - 一种基于网络中心度的商品推送方法、***及终端设备 - Google Patents

一种基于网络中心度的商品推送方法、***及终端设备 Download PDF

Info

Publication number
CN111080411B
CN111080411B CN201911305102.3A CN201911305102A CN111080411B CN 111080411 B CN111080411 B CN 111080411B CN 201911305102 A CN201911305102 A CN 201911305102A CN 111080411 B CN111080411 B CN 111080411B
Authority
CN
China
Prior art keywords
commodity
purchase
frequency
proportion
centrality
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911305102.3A
Other languages
English (en)
Other versions
CN111080411A (zh
Inventor
慕畅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Mengwang Video Co ltd
Original Assignee
Shenzhen Mengwang Video Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Mengwang Video Co ltd filed Critical Shenzhen Mengwang Video Co ltd
Priority to CN201911305102.3A priority Critical patent/CN111080411B/zh
Publication of CN111080411A publication Critical patent/CN111080411A/zh
Application granted granted Critical
Publication of CN111080411B publication Critical patent/CN111080411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种基于网络中心度的商品推送方法、***及终端设备，首先计算商品Gi的触发度，根据所述触发度计算商品的触发中心度；接着计算商品的第一比例(即购买商品Gi时触发购买其他商品种类的频次，占商品Gi的总购买频次的比例)、第二比例(即商品Gi的总购买频次占所有商品种类总购买频次之和的比例)；然后将商品的触发中心度、第一比例、第二比例进行加权归一化处理，将归一化处理后的触发中心度、第一比例、第二比例进行加权求和，得到商品的节点度，最后根据节点度对用户进行商品推荐。本发明方法优化了传统推荐后劲不足的问题，另外既考虑商品了的传播性也考虑商品了的权重和影响力，可有效提升推荐效果和准确率。

Description

一种基于网络中心度的商品推送方法、***及终端设备
技术领域
本发明涉及数据挖掘领域，尤其涉及一种基于网络中心度的商品推送方法、***及终端设备。
背景技术
现有技术的商品推荐方法通常采用协同过滤推荐技术或关系网络的点度中心度技术。
协同过滤推荐的缺陷是：(1)其依赖于推荐；即用户只有购买(在实际应用中，购买还可表示点击、喜欢、已选择、已收藏、已加购物车等类似喜好选择情况)了一定数量的商品后，才可以有推荐的目标，属于被动推荐。(2)推荐的商品仅考虑了单次购买(即仅仅基于一次的精准关联行为)，而不考虑二次衍生购买，后续衍生推荐效果差。
关系网络的点度中心度的缺陷是：仅仅考虑了商品的传播性(商品是否与很多其他商品联接)，但未考虑商品的影响力。实际应用中利用关系网络来推送商品时，存在两种情况，一是该商品虽然关联了很多商品，但该商品关联同时购买的次数占该商品的总购买次数的比例很低，例如商品A总共购买10次，9次都是单次购买，仅有1次同时购买其他商品；二是该商品虽与很多其他商品联接，但是其并非热门商品，其影响力很差，很可能观众根本并不想购买；从而导致推荐不精准，效果差。
发明内容
本发明实施例的目的在于提出一种基于网络中心度的商品推送方法、***及终端设备，旨在解决现有的商品推荐方法后续衍生推荐效果差或未考虑商品的影响力和权重而导致的推荐不精准的问题。
本发明实施例的第一目的在于提出一种基于网络中心度的商品推送方法，所述方法包括：
统计商品有向同时购买的频次，并创建有向商品购买频次矩阵；
对所述有向商品购买频次矩阵进行归一化处理，得到有向商品购买加权频次矩阵；
统计每一商品种类的总购买频次；
计算商品的触发中心度；
计算商品的第一比例、第二比例；
分别将商品的触发中心度、第一比例、第二比例进行归一化处理，得到对应的加权触发中心度、第一权度、第二权度；
将所述加权触发中心度、第一权度、第二权度进行加权求和，得到商品的节点度；
根据商品的节点度大小进行商品推荐。
可选地，“将所述加权触发中心度、第一权度、第二权度进行加权求和，得到商品的节点度”替换为“根据层次分析法计算加权触发中心度、第一权度、第二权度在商品推荐决策目标中的权重，将加权触发中心度、第一权度、第二权度进行加权求和，得到商品的节点度”。
本发明实施例的第二目的在于提出一种基于网络中心度的商品推送***。所述***包括：
有向商品购买频次矩阵创建模块，用于统计商品有向同时购买的频次，并创建有向商品购买频次矩阵；
有向商品购买加权频次矩阵创建模块，用于对所述有向商品购买频次矩阵T21进行归一化处理，得到有向商品购买加权频次矩阵；
商品总购买频次统计模块，用于统计各商品种类的总购买频次；
触发中心度计算装置，用于计算商品的触发中心度；
第一比例、第二比例计算模块，用于计算商品的第一比例、第二比例；
第一归一化处理模块，用于分别将商品的触发中心度、第一比例、第二比例进行归一化处理，得到对应的加权触发中心度、第一权度、第二权度；
节点度计算模块，用于将所述加权触发中心度、第一权度、第二权度进行加权求和，得到商品的节点度；
商品推送模块，用于根据商品的节点度大小进行商品推荐。
可选地，所述所述节点度计算模块替换为第二节点度计算模块，
第二节点度计算模块，用于根据层次分析法计算加权触发中心度、第一权度、第二权度在商品推荐决策目标中的权重，将加权触发中心度、第一权度、第二权度进行加权求和，得到商品的节点度。
本发明实施例的第三目的在于提出一种终端设备，包括存储器、处理器以及存储在所述存储器中并可所述处理器运行的计算机程序，所述处理器在执行所述计算机程序时，实现所述基于网络中心度的商品推送方法的步骤。
本发明的有益效果
本发明实施例提出一种基于网络中心度的商品推送方法、***及终端设备，通过首先计算商品Gi的触发度(即购买商品Gi时触发购买其他商品种类的归一化频次)，根据所述触发度计算商品的触发中心度；接着计算商品的第一比例(即购买商品Gi时触发购买其他商品种类的频次，占商品Gi的总购买频次的比例)、第二比例(即商品Gi的总购买频次占所有商品种类总购买频次之和的比例)；然后将商品的触发中心度、第一比例、第二比例进行加权归一化处理，将归一化处理后的触发中心度、第一比例、第二比例进行加权求和，得到商品的节点度，最后根据节点度对用户进行商品推荐。本发明不需要用户事先购买一定数量的商品即可实现较精准的推送，且同时考虑了推送后的二次传播，优化了传统推荐后劲不足的问题，另外本发明计算了商品的双权重(第一比例、第二比例)，既考虑商品了的传播性也考虑商品了的权重和影响力，可有效提升推荐效果和准确率。
附图说明
图1是本发明实施例提供的一种基于网络中心度的商品推送方法流程图；
图2是本发明实施例提供的一种计算商品的触发中心度方法流程图；
图3是本发明实施例提供的一种基于网络中心度的商品推送***结构图；
图4是本发明实施例提供的一种触发中心度计算装置结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明，为了便于说明，仅示出了与本发明实施例相关的部分。应当理解，此处所描写的具体实施例，仅仅用于解释本发明，并不用以限制本发明。
本发明实施例提出一种基于网络中心度的商品推送方法、***及终端设备，通过首先计算商品Gi的触发度(即购买商品Gi时触发购买其他商品种类的归一化频次)，根据所述触发度计算商品的触发中心度；接着计算商品的第一比例(即购买商品Gi时触发购买其他商品种类的频次，占商品Gi的总购买频次的比例)、第二比例(即商品Gi的总购买频次占所有商品种类总购买频次之和的比例)；然后将商品的触发中心度、第一比例、第二比例进行加权归一化处理，将归一化处理后的触发中心度、第一比例、第二比例进行加权求和，得到商品的节点度，最后根据节点度对用户进行商品推荐。本发明不需要用户事先购买一定数量的商品即可实现较精准的推送，且同时考虑了推送后的二次传播，优化了传统推荐后劲不足的问题，另外本发明计算了商品的双权重(第一比例、第二比例)，既考虑商品了的传播性也考虑商品了的权重和影响力，可有效提升推荐效果和准确率。
图1是本发明实施例提供的一种基于网络中心度的商品推送方法流程图；所述方法包括：
S1、统计商品有向同时购买的频次，并创建有向商品购买频次矩阵T21；
本发明实施例中，假设商品平台总共有n种商品，用集合G＝{G1，G2，…Gn}表示；n表示商品种类数，也称商品节点数；商品Gi与Gj之间有向同时购买的频次关系用n×n矩阵T21＝{(R4)ij}表示；(R4)ij的值表示购买商品Gi时触发购买商品Gj的频次；
在实际应用中，若商品平台为商超、电商等购物类平台，则商品种类可以为食品，饮料，服饰，家居等商品品类；若商品平台为视频或资讯信息流观看类平，则商品种类可以为电影类型，信息类型等，如惊悚，军事，财经等内容类型；购买还可表示点击、喜欢、已选择、已收藏、已加购物车等类似喜好选择情况；本领域的技术人员可以理解，不用于限制本发明的保护范围。
如表1所示为有向商品购买频次矩阵T21数据表；
表1
S2、对所述有向商品购买频次矩阵T21进行归一化处理，得到有向商品购买加权频次矩阵T22；
归一化计算公式为：
其中，(F2)ij表示购买商品Gi时触发购买商品Gj的归一化频次值，也称加权频次值；(R4)ij表示购买商品Gi时触发购买商品Gj的频次；min(T21)表示有向商品购买频次矩阵T21中的最小频次值；max(T21)表示有向商品购买频次矩阵T21中的最大频次值；
如表2所示为有向商品购买加权频次矩阵T22数据表；
表2
S3、统计各商品种类的总购买频次；
本发明实施例中，(R5)i表示商品Gi的总购买频次
商品Gi的总购买频次(R5)i包括：购买商品Gi时触发购买商品Gj的频次(R4)ij、购买商品Gj时触发购买商品Gi的频次(R4)ji和商品Gi的单独购买频次；
所述商品Gi的单独购买频次表示未购买其他商品，仅仅购买单一商品Gi的频次；
S4、计算各商品的触发中心度D1(i)；
图2是本发明实施例提供的一种计算商品的触发中心度方法流程图；包括S51-S52：
S41，计算商品的触发度；
触发度计算公式为：其中i≠j；
其中，C(i)表示商品Gi的触发度，即购买商品Gi时触发购买其他商品种类的归一化频次；
S42，根据所述触发度，计算商品的触发中心度；
触发中心度计算公式为：
其中，D1(i)表示商品Gi的触发中心度；
S5、计算商品的第一比例W1(i)、第二比例V1(i)；
第一比例计算公式为：其中i≠j；
其中，W1(i)表示商品的第一比例，即购买商品Gi时触发购买其他商品种类的频次，占商品Gi的总购买频次的比例；
假设购买商品G1总次数为200次，其中购买商品G1触发了5次商品G3的购买、15次商品G7的购买，则商品Gi的第一比例W1(i)＝(5+15)/200＝0.1。
第二比例计算公式为：
其中，V1(i)表示商品的第二比例，即商品Gi的总购买频次占所有商品种类总购买频次之和的比例；
S6、分别将商品的触发中心度D1(i)、第一比例W1(i)、第二比例V1(i)进行归一化处理，得到对应的加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)；
归一化计算公式为：
其中，F表示归一化处理后的数值；R分别表示触发中心度、第一比例、第二比例中的某一数值；min分别表示触发中心度、第一比例、第二比例数据中的最小数值；max分别表示触发中心度、第一比例、第二比例数据中的最大数值；
S7、将所述加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)进行加权求和，得到商品的节点度S(i)；
节点度S(i)计算公式为：
S(i)＝(D2(i)+W2(i)+V2(i))/3。
可选地，
根据层次分析法计算加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)在商品推荐决策目标中的权重，将加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)进行加权求和，得到商品的节点度S(i)；
S(i)＝α1D2(i)+α2W2(i)+α3V2(i)
其中，α1、α2、α3分别表示D2(i)、W2(i)、V2(i)商品推荐决策目标中的权重；
具体地，将商品推荐作为决策目标，将加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)做为层次分析法中的判断矩阵元素，对元素的重要性程度进行两两比较评价；层次分析法为常规方法，在此再赘述；
具体在应用场景中，根据具体业务进行判断；假设判断模型的具体评价填充如表3所示；
表3
根据层次分析法计算的加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)的权重α1、α2、α3分别为：0.654，0.258，0.088；
则商品的节点度S(i)为：
S(i)＝0.654D2(i)+0.258W2(i)+0.088V2(i)；
S8、根据商品的节点度大小进行商品推荐。
具体在实施例中，根据商品的节点度的大小，对商品进行排序，选择节点度值大的商品优先进行推送；
对应于上文所述的一种基于网络中心度的商品推送方法，图3是本发明实施例提供的一种基于网络中心度的商品推送***结构图；所述***包括：
有向商品购买频次矩阵创建模块，用于统计商品有向同时购买的频次，并创建有向商品购买频次矩阵T21；
有向商品购买加权频次矩阵创建模块，用于对所述有向商品购买频次矩阵T21进行归一化处理，得到有向商品购买加权频次矩阵T22；
商品总购买频次统计模块，用于统计各商品种类的总购买频次；
触发中心度计算装置，用于计算商品的触发中心度D1(i)；
第一比例、第二比例计算模块，用于计算商品的第一比例W1(i)、第二比例V1(i)；
第一归一化处理模块，用于分别将商品的触发中心度D1(i)、第一比例W1(i)、第二比例V1(i)进行归一化处理，得到对应的加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)；
节点度计算模块，用于将所述加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)进行加权求和，得到商品的节点度S(i)；
商品推送模块，用于根据商品的节点度大小进行商品推荐。
进一步地，所述节点度计算模块替换为第二节点度计算模块，
第二节点度计算模块，用于根据层次分析法计算加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)在商品推荐决策目标中的权重，将加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)进行加权求和，得到商品的节点度S(i)；
具体地，本发明实施例中，假设商品平台总共有n种商品，用集合G＝{G1，G2，…Gn}表示；n表示商品种类数，也称商品节点数；商品Gi与Gj之间有向同时购买的频次关系用n×n矩阵T21＝{(R4)ij}表示；(R4)ij的值表示购买商品Gi时触发购买商品Gj的频次；
具体地，对所述有向商品购买频次矩阵T21进行归一化处理中，归一化计算公式为：
其中，(F2)ij表示购买商品Gi时触发购买商品Gj的归一化频次值，也称加权频次值；(R4)ij表示购买商品Gi时触发购买商品Gj的频次；min(T21)表示有向商品购买频次矩阵T21中的最小频次值；max(T21)表示有向商品购买频次矩阵T21中的最大频次值；
具体地，所述统计各商品种类的总购买频次中，(R5)i表示商品Gi的总购买频次；商品Gi的总购买频次(R5)i包括：购买商品Gi时触发购买商品Gj的频次(R4)ij、购买商品Gj时触发购买商品Gi的频次(R4)ji和商品Gi的单独购买频次；所述商品Gi的单独购买频次表示未购买其他商品，仅仅购买单一商品Gi的频次；
进一步地，图4是本发明实施例提供的一种触发中心度计算装置结构图；所述触发中心度计算装置包括：
触发度计算模块，用于计算商品的触发度；
其中，C(i)表示商品Gi的触发度，即购买商品Gi时触发购买其他商品种类的归一化频次；
触发中心度计算模块，用于根据所述触发度，计算商品的触发中心度；
其中，D1(i)表示商品Gi的触发中心度；
进一步地，第一比例计算公式为：
其中，W1(i)表示商品的第一比例，即购买商品Gi时触发购买其他商品种类的频次，占商品Gi的总购买频次的比例；
第二比例计算公式为：
其中，V1(i)表示商品的第二比例，即商品Gi的总购买频次占所有商品种类总购买频次之和的比例；
进一步地，所述将商品的触发中心度D1(i)、第一比例W1(i)、第二比例V1(i)进行归一化处理，
归一化计算公式为：
其中，F表示归一化处理后的数值；R分别表示触发中心度、第一比例、第二比例中的某一数值；min分别表示触发中心度、第一比例、第二比例数据中的最小数值；max分别表示触发中心度、第一比例、第二比例数据中的最大数值；
进一步地，所述将所述加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)进行加权求和，得到商品的节点度S(i)；
节点度S(i)计算公式为：
S(i)＝(D2(i)+W2(i)+V2(i))/3。
进一步地，第二节点度计算模块中，商品的节点度S(i)为：
S(i)＝α1D2(i)+α2W2(i)+α3V2(i)
其中，α1、α2、α3分别表示D2(i)、W2(i)、V2(i)在商品推荐决策目标中的权重；
具体地，将商品推荐作为决策目标，将加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)做为层次分析法中的判断矩阵元素，对元素的重要性程度进行两两比较评价；层次分析法为常规方法，在此再赘述；
具体在应用场景中，根据具体业务进行判断；假设判断模型的具体评价填充如表3所示；
表3
根据层次分析法计算的加权触发中心度D2(i)、第一权度W2(i)、第二权度V2(i)的权重α1、α2、α3分别为：0.654，0.258，0.088；
则商品的节点度S(i)为：S(i)＝0.654D2(i)+0.258W2(i)+0.088V2(i)；
进一步地，所述根据商品的节点度大小进行商品推荐具体为：
根据商品的节点度的大小，对商品进行排序，选择节点度值大的商品优先进行推送；
本发明实施例还提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可所述处理器运行的计算机程序，所述处理器在执行所述计算机程序时，实现所述基于网络中心度的商品推送方法的步骤S1-S9。
本领域的普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序指令相关硬件来完成的，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质可以为ROM、RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (15)

1.一种基于网络中心度的商品推送方法，其特征在于，所述方法包括：
统计商品有向同时购买的频次，并创建有向商品购买频次矩阵，其中，商品平台总共有n种商品，用集合G＝{G1，G 2，…Gn}表示；n表示商品种类数，也称商品节点数；商品Gi与G j之间有向同时购买的频次关系用n×n矩阵T21＝{(R4)ij}表示；(R4)ij的值表示购买商品Gi时触发购买商品G j的频次；
对所述有向商品购买频次矩阵进行归一化处理，得到有向商品购买加权频次矩阵；
统计每一商品种类的总购买频次；
计算商品的触发中心度：
计算商品的触发度，i≠j；
其中，C(i)表示商品Gi的触发度，即购买商品G i时触发购买其他商品种类的归一化频次，(F2)ij表示购买商品Gi时触发购买商品Gj的归一化频次值；
根据所述触发度，计算商品的触发中心度，n>1；
其中，D1(i)表示商品Gi的触发中心度；
计算商品的第一比例、第二比例；
第一比例计算公式为：其中i≠j；
其中，W1(i)表示商品的第一比例，即购买商品Gi时触发购买其他商品种类的频次，占商品Gi的总购买频次的比例，(R5)i为商品Gi的总购买频次；
第二比例计算公式为：
其中，V1(i)表示商品的第二比例，即商品Gi的总购买频次占所有商品种类总购买频次之和的比例；
分别将商品的触发中心度、第一比例、第二比例进行归一化处理，得到对应的加权触发中心度、第一权度、第二权度；
将所述加权触发中心度、第一权度、第二权度进行加权求和，得到商品的节点度；
根据商品的节点度大小进行商品推荐。
2.如权利要求1所述的基于网络中心度的商品推送方法，其特征在于，所述对所述有向商品购买频次矩阵进行归一化处理中，
归一化计算公式为：
其中，(F2)ij表示购买商品Gi时触发购买商品G j的归一化频次值，也称加权频次值；(R4)ij表示购买商品Gi时触发购买商品G j的频次；min(T21)表示所述有向商品购买频次矩阵中的最小频次值；max(T21)表示所述有向商品购买频次矩阵中的最大频次值。
3.如权利要求2所述的基于网络中心度的商品推送方法，其特征在于，所述统计各商品种类的总购买频次中，
商品Gi的总购买频次(R5)i包括：购买商品Gi时触发购买商品Gj的频次(R4)ij、购买商品Gj时触发购买商品Gi的频次(R4)ji和商品Gi的单独购买频次；所述商品Gi的单独购买频次表示未购买其他商品，仅仅购买单一商品Gi的频次。
4.如权利要求3所述的基于网络中心度的商品推送方法，其特征在于，所述分别将商品的触发中心度、第一比例、第二比例进行归一化处理，
归一化计算公式为：
其中，F表示归一化处理后的数值；R分别表示触发中心度、第一比例、第二比例中的某一数值；min分别表示触发中心度、第一比例、第二比例数据中的最小数值；max分别表示触发中心度、第一比例、第二比例数据中的最大数值。
5.如权利要求4所述的基于网络中心度的商品推送方法，其特征在于，
所述商品的节点度S(i)计算公式为：
S(i)＝(D2(i)+W2(i)+V2(i))/3；
其中，S(i)表示商品的节点度；D2(i)、W2(i)、V2(i)分别表示将商品的触发中心度、第一比例、第二比例进行归一化处理，得到的对应的加权触发中心度、第一权度、第二权度。
6.如权利要求4所述的基于网络中心度的商品推送方法，其特征在于，
“将所述加权触发中心度、第一权度、第二权度进行加权求和，得到商品的节点度”替换为“根据层次分析法计算加权触发中心度、第一权度、第二权度在商品推荐决策目标中的权重，将加权触发中心度、第一权度、第二权度进行加权求和，得到商品的节点度”。
7.如权利要求6所述的基于网络中心度的商品推送方法，其特征在于，
所述商品的节点度S(i)计算公式为：S(i)＝α1D2(i)+α2W2(i)+α3V2(i)；
其中，α1、α2、α3分别表示D2(i)、W2(i)、V2(i)在商品推荐决策目标中的权重。
8.一种基于网络中心度的商品推送***，其特征在于，所述***包括：
有向商品购买频次矩阵创建模块，用于统计商品有向同时购买的频次，并创建有向商品购买频次矩阵，其中，商品平台总共有n种商品，用集合G＝{G1，G 2，…Gn}表示；n表示商品种类数，也称商品节点数；商品Gi与G j之间有向同时购买的频次关系用n×n矩阵T21＝{(R4)ij}表示；(R4)ij的值表示购买商品Gi时触发购买商品G j的频次；
有向商品购买加权频次矩阵创建模块，用于对所述有向商品购买频次矩阵T21进行归一化处理，得到有向商品购买加权频次矩阵；
商品总购买频次统计模块，用于统计各商品种类的总购买频次；
触发中心度计算装置，用于计算商品的触发中心度：
计算商品的触发度，i≠j；
其中，C(i)表示商品Gi的触发度，即购买商品G i时触发购买其他商品种类的归一化频次，(F2)ij表示购买商品Gi时触发购买商品Gj的归一化频次值，也称加权频次值；
根据所述触发度，计算商品的触发中心度，n>1；
其中，D1(i)表示商品Gi的触发中心度；
第一比例、第二比例计算模块，用于计算商品的第一比例、第二比例：
第一比例计算公式为：其中i≠j；
其中，W1(i)表示商品的第一比例，即购买商品Gi时触发购买其他商品种类的频次，占商品Gi的总购买频次的比例，(R5)i为商品Gi的总购买频次；
第二比例计算公式为：
其中，V1(i)表示商品的第二比例，即商品Gi的总购买频次占所有商品种类总购买频次之和的比例；
第一归一化处理模块，用于分别将商品的触发中心度、第一比例、第二比例进行归一化处理，得到对应的加权触发中心度、第一权度、第二权度；
节点度计算模块，用于将所述加权触发中心度、第一权度、第二权度进行加权求和，得到商品的节点度；
商品推送模块，用于根据商品的节点度大小进行商品推荐。
9.如权利要求8所述的基于网络中心度的商品推送***，其特征在于，所述对所述有向商品购买频次矩阵进行归一化处理中，
归一化计算公式为：
其中，(F2)ij表示购买商品Gi时触发购买商品G j的归一化频次值，也称加权频次值；(R4)ij表示购买商品Gi时触发购买商品G j的频次；min(T21)表示有向商品购买频次矩阵T21中的最小频次值；max(T21)表示有向商品购买频次矩阵T21中的最大频次值。
10.如权利要求9所述的基于网络中心度的商品推送***，其特征在于，
所述统计各商品种类的总购买频次中，(R5)i表示商品Gi的总购买频次；商品Gi的总购买频次(R5)i包括：购买商品Gi时触发购买商品G j的频次(R4)ij、购买商品G j时触发购买商品Gi的频次(R4)ji和商品Gi的单独购买频次；所述商品Gi的单独购买频次表示未购买其他商品，仅仅购买单一商品Gi的频次。
11.如权利要求10所述的基于网络中心度的商品推送***，其特征在于，
所述将商品的触发中心度、第一比例、第二比例进行归一化处理，
归一化计算公式为：
其中，F表示归一化处理后的数值；R分别表示触发中心度、第一比例、第二比例中的某一数值；min分别表示触发中心度、第一比例、第二比例数据中的最小数值；max分别表示触发中心度、第一比例、第二比例数据中的最大数值。
12.如权利要求11所述的基于网络中心度的商品推送***，其特征在于，
所述将所述加权触发中心度、第一权度、第二权度进行加权求和，得到商品的节点度；
节点度计算公式为：S(i)＝(D2(i)+W2(i)+V2(i))/3；
其中，S(i)表示商品的节点度；D2(i)、W2(i)、V2(i)分别表示将商品的触发中心度、第一比例、第二比例进行归一化处理，得到的对应的加权触发中心度、第一权度、第二权度。
13.如权利要求11所述的基于网络中心度的商品推送***，其特征在于，
所述节点度计算模块替换为第二节点度计算模块，
第二节点度计算模块，用于根据层次分析法计算加权触发中心度、第一权度、第二权度在商品推荐决策目标中的权重，将加权触发中心度、第一权度、第二权度进行加权求和，得到商品的节点度。
14.如权利要求13所述的基于网络中心度的商品推送***，其特征在于，
第二节点度计算模块中，商品的节点度S(i)为：
S(i)＝α1D2(i)+α2W2(i)+α3V2(i)；
其中，α1、α2、α3分别表示D2(i)、W2(i)、V2(i)在商品推荐决策目标中的权重。
15.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器在执行所述计算机程序时，实现权利要求1-7任一项所述基于网络中心度的商品推送方法的步骤。
CN201911305102.3A 2019-12-17 2019-12-17 一种基于网络中心度的商品推送方法、***及终端设备 Active CN111080411B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911305102.3A CN111080411B (zh) 2019-12-17 2019-12-17 一种基于网络中心度的商品推送方法、***及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911305102.3A CN111080411B (zh) 2019-12-17 2019-12-17 一种基于网络中心度的商品推送方法、***及终端设备

Publications (2)

Publication Number Publication Date
CN111080411A CN111080411A (zh) 2020-04-28
CN111080411B true CN111080411B (zh) 2023-09-15

Family

ID=70315371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911305102.3A Active CN111080411B (zh) 2019-12-17 2019-12-17 一种基于网络中心度的商品推送方法、***及终端设备

Country Status (1)

Country Link
CN (1) CN111080411B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112052403B (zh) * 2020-09-11 2024-01-02 深圳市梦网视讯有限公司 一种基于商品社区分类的链接度传播方法、***及设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002279279A (ja) * 2001-03-22 2002-09-27 Just Syst Corp 商品推薦装置、商品推薦方法、及び商品推薦プログラム
CN103208073A (zh) * 2012-01-17 2013-07-17 阿里巴巴集团控股有限公司 获得推荐商品信息及提供商品信息的方法、装置
CN103246980A (zh) * 2012-02-02 2013-08-14 阿里巴巴集团控股有限公司 信息输出方法及服务器
JP2013257793A (ja) * 2012-06-13 2013-12-26 Nippon Telegr & Teleph Corp <Ntt> 商品多様化推薦装置及び方法及びプログラム
CN104317900A (zh) * 2014-10-24 2015-01-28 重庆邮电大学 一种面向社交网络的多属性协同过滤推荐方法
CN106251178A (zh) * 2016-08-08 2016-12-21 北京京东尚科信息技术有限公司 数据挖掘方法以及装置
US9619831B1 (en) * 2014-03-24 2017-04-11 Square, Inc. Determining item recommendations from merchant data
US10049375B1 (en) * 2015-03-23 2018-08-14 Amazon Technologies, Inc. Automated graph-based identification of early adopter users
CN109062955A (zh) * 2018-06-25 2018-12-21 广东神马搜索科技有限公司 项目间关联关系挖掘方法、装置、计算设备及存储介质
CN110197390A (zh) * 2019-04-09 2019-09-03 深圳市梦网百科信息技术有限公司 一种基于关联规则关联度和经济值的推荐方法和***
CN110544140A (zh) * 2018-05-29 2019-12-06 北京京东尚科信息技术有限公司 一种处理浏览数据的方法和装置
CN110555712A (zh) * 2018-05-31 2019-12-10 北京京东尚科信息技术有限公司 商品关联程度确定方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020174087A1 (en) * 2001-05-02 2002-11-21 Hao Ming C. Method and system for web-based visualization of directed association and frequent item sets in large volumes of transaction data
US7672865B2 (en) * 2005-10-21 2010-03-02 Fair Isaac Corporation Method and apparatus for retail data mining using pair-wise co-occurrence consistency
US20140207619A1 (en) * 2013-01-24 2014-07-24 Simplex Point Inc. System and Method for Multiple Product and Price Discovery

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002279279A (ja) * 2001-03-22 2002-09-27 Just Syst Corp 商品推薦装置、商品推薦方法、及び商品推薦プログラム
CN103208073A (zh) * 2012-01-17 2013-07-17 阿里巴巴集团控股有限公司 获得推荐商品信息及提供商品信息的方法、装置
CN103246980A (zh) * 2012-02-02 2013-08-14 阿里巴巴集团控股有限公司 信息输出方法及服务器
JP2013257793A (ja) * 2012-06-13 2013-12-26 Nippon Telegr & Teleph Corp <Ntt> 商品多様化推薦装置及び方法及びプログラム
US9619831B1 (en) * 2014-03-24 2017-04-11 Square, Inc. Determining item recommendations from merchant data
CN104317900A (zh) * 2014-10-24 2015-01-28 重庆邮电大学 一种面向社交网络的多属性协同过滤推荐方法
US10049375B1 (en) * 2015-03-23 2018-08-14 Amazon Technologies, Inc. Automated graph-based identification of early adopter users
CN106251178A (zh) * 2016-08-08 2016-12-21 北京京东尚科信息技术有限公司 数据挖掘方法以及装置
CN110544140A (zh) * 2018-05-29 2019-12-06 北京京东尚科信息技术有限公司 一种处理浏览数据的方法和装置
CN110555712A (zh) * 2018-05-31 2019-12-10 北京京东尚科信息技术有限公司 商品关联程度确定方法及装置
CN109062955A (zh) * 2018-06-25 2018-12-21 广东神马搜索科技有限公司 项目间关联关系挖掘方法、装置、计算设备及存储介质
CN110197390A (zh) * 2019-04-09 2019-09-03 深圳市梦网百科信息技术有限公司 一种基于关联规则关联度和经济值的推荐方法和***

Also Published As

Publication number Publication date
CN111080411A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
CN106570718B (zh) 信息的投放方法及投放***
TWI512653B (zh) Information providing method and apparatus, method and apparatus for determining the degree of comprehensive relevance
CN110555712B (zh) 商品关联程度确定方法及装置
CN111524273B (zh) 一种出货检测方法及装置、无人售货设备、存储介质
US20170068966A1 (en) Sales analysis system of online shopping mall and online sales analysis server
CN112184399A (zh) 一种基于互联网的商品销售推荐***及方法
CN111161021A (zh) 基于实时特征的推荐商品的快速二次排序方法和工具
US20170255948A1 (en) Business to Consumer Enterprise Software System
CN110647679A (zh) 一种o2o场景下的搜索结果综合排序方法
TW202207118A (zh) 主播選品相關系統、方法、裝置及設備
CN111626767B (zh) 资源数据的发放方法、装置及设备
CN111754287B (zh) 物品筛选方法、装置、设备和存储介质
CN111080411B (zh) 一种基于网络中心度的商品推送方法、***及终端设备
CN108268519B (zh) 一种推荐网络对象的方法和装置
CN107093122B (zh) 对象分类方法及装置
CN112560105B (zh) 保护多方数据隐私的联合建模方法及装置
CN106204163B (zh) 一种用户属性特征的确定方法和装置
CN110969491B (zh) 一种基于网络路径的商品推送方法、***及设备
CN111340566B (zh) 一种商品分类方法、装置、电子设备及存储介质
CN105512914B (zh) 一种信息处理方法及电子设备
CN112085537A (zh) 一种基于大数据分析商品的方法及***
CN112036987A (zh) 确定推荐商品的方法和装置
CN110968670A (zh) 一种流行商品的属性获取方法、装置、设备及存储介质
CN110992153B (zh) 基于用户属性和商品类型的商品推荐方法、***及设备
CN110544140A (zh) 一种处理浏览数据的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518000 Guangdong city of Shenzhen province Nanshan District Guangdong streets high in the four Longtaili Technology Building Room 325 No. 30

Applicant after: Shenzhen mengwang video Co.,Ltd.

Address before: 518000 Guangdong city of Shenzhen province Nanshan District Guangdong streets high in the four Longtaili Technology Building Room 325 No. 30

Applicant before: SHENZHEN MONTNETS ENCYCLOPEDIA INFORMATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant