基于数据挖掘的顾客推荐系统及其方法

1.一种基于数据挖掘的顾客推荐系统，由数据准备和实时推荐两部分组成，数据准备部 分包括如下模块：
源数据提取模块：从数据库中提取一定时间跨度的能反映“顾客一商品”关系的数据集；
订单数据提取模块：提取每条订单中的有用信息数据；
计算模型模块：通过分析这些信息，建立“顾客-商品”计算模型；
相似顾客计算模块：按照顾客——该顾客购买的商品——该商品被其他顾客购买的关系， 运用核心公式计算他们之间的相似度，得到相似顾客的倒排文件和索引以及顾客购买记录；
实时推荐部分包括如下模块：
推荐结果生成模块：找到该顾客的相似顾客集合和相应的购买记录；通过排序算法，从纵 向给顾客排序，从横向给每个相似顾客的购买商品排序，尽可能体现原顾客的兴趣；将展示 推荐的结果。
2.一种基于数据挖掘的顾客推荐方法，具体包括以下步骤：
A.准备原始数据源：订单数据、浏览日志、搜索日志等；
B.提取数据项：取得数据源中有用的计算信息，如时间、人、商品等；
C.建立计算模型：通过分析提取的数据，建立“顾客-商品”计算模型；
D.计算相似顾客：用核心计算公式计算每个顾客的相似顾客集合；
E.顾客推荐：为顾客显示他的相似顾客及他们所购买过的商品。
3.如权利要求2所述的一种基于数据挖掘的顾客推荐方法，其特征在于其中D步骤的核 心计算公式可选择：L1-Norm算法、L2-Norm算法、MI1算法、COS算法等，可单独使用， 也可以组合使用。

暂无