一种基于案例推理的电商网站商品的个性化推荐方法

技术领域

本发明涉及电商数据分析与模糊控制处理电商数据技术领域，具体为一种基于案例推理的电商网站商品的个性化推荐方法。

背景技术

案例推理(Case-based Reasoning)技术起源于美国耶鲁大学Roger Schank于1982年在Dynamic Memory中的描述，是人工智能领域中较新崛起的一种重要的基于知识的问题求解和学习方法，它解决问题是通过重用或修改以前解决相似问题的方案来实现的。CBR研究方法源自人类的认知心理活动,缓解了常规的知识系统中知识获取的瓶颈问题,它将定量分析与定性分析相结合,具有动态知识库和增量学习的特点.另外,早期对类比推理的研究,哲学和心理学中对概念形式理论及问题求解和经验学习理论的研究,也对CBR思想产生一定的影响。

目前，现有基于案例推理的电商网站商品的个性化推荐方法，缺乏良好的案例推理分析方法，无法针对问题进行高效的处理分析，且缺乏用户信息的收集分析，无法针对用户进行准确可靠的基于案例推理的电商网站商品的个性化推荐，同时缺乏良好的安全交易性，实际电商网络交易安全无法得到保障。

为此，我们研发出了新的一种基于案例推理的电商网站商品的个性化推荐方法。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于案例推理的电商网站商品的个性化推荐方法，解决了上述问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于案例推理的电商网站商品的个性化推荐方法，包括以下具体步骤：

S1.针对问题进行处理分析，提交至案例库，由案例库进行检索，匹配出已解决案例，根据已解决案例的实用性进行重用或是修正，重用后的已解决案例交由至案例库进行保存，修正后的案例存放至案例库的已学习案例，用以重新检索与分配工作；

S2.整合多家电商网站信息于一个引导网站，通过商务目的和业务功能进行分类，即按构建网站的主体分类、按商务网站开办者分类、按网站运作广度和深度分类与按业务范畴和运作方式分类；

S3.整合大数据信息，收集用户的网购信息，通过AI智能分析，得到用户的偏好信息，具体为面对的客户群体采用不同的推广方式，具体为B2B、B2C、C2C等几种，主要分为以下几种方式，以垂直细分为主，内容丰富多彩，给用户足够的自由度，对企业主不能急功近利，提供一些附加的服务给企业；

S4.采用多种安防措施，为了提高电子商务网站的安全指数，可于客户互联网移动端安装杀毒软件，筛选不正当的购物网站，并引导分流至正当网站购物，交易需要在个人网络移动端进行，并通过经过网络安全认证的第三方交易平台进行中转交易，并支持货到付款模式；

S5.通过将当前访问用户的特征和访问行为构建目标问题，其他用户的特征和其历史访问行为以及和购买记录构建原始案例，应用模糊聚类，根据目标案例特征进行聚类，用户的特征、兴趣等相似程度高的案例聚集到同一类并标识，建立高相似性案例库，运用用户案例相似性检索和改进的模糊均值聚类算法推荐出与目标用户案例最相似的解案例集，对其进行修正并重用，并用于更新动态案例库。

优选的，所述个性化推荐算法分为类别,主要包括基于内容的推荐、协同过滤、SVD、基于知识的推荐以及混合推荐算法，基于内容的推荐算法只有一个关键点——标签，推荐算法将产品分解为一系列标签,并根据用户对产品的行为将用户也描述为一系列标签，所述电商网站为企业、机构或者个人在互联网上建立的一个站点，是企业、机构或者个人开展电商的基础设施和信息平台，是实施电商的交互窗口，是从事电商的一种手段，所述案例推理问题求解过程的基本步骤可以归纳为四个主要过程为案例检索(Retrieve)、案例重用(Reuse)、案例修正(Revise)和案例保存(Retain)。

(三)有益效果

本发明提供了一种基于案例推理的电商网站商品的个性化推荐方法。具备以下有益效果：

1、该一种基于案例推理的电商网站商品的个性化推荐方法，通过采用良好的案例推理分析方法，可以针对问题进行高效的处理分析。

2、该一种基于案例推理的电商网站商品的个性化推荐方法，通过进行用户信息的收集分析，可以针对用户进行准确可靠的基于案例推理的电商网站商品的个性化推荐，同时设置有多重安全交易措施，实际电商网络交易安全可以得到保障。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

针对问题进行处理分析，提交至案例库，由案例库进行检索，匹配出已解决案例，根据已解决案例的实用性进行重用或是修正，重用后的已解决案例交由至案例库进行保存，修正后的案例存放至案例库的已学习案例，用以重新检索与分配工作，整合多家电商网站信息于一个引导网站，通过商务目的和业务功能进行分类，即按构建网站的主体分类、按商务网站开办者分类、按网站运作广度和深度分类与按业务范畴和运作方式分类，整合大数据信息，收集用户的网购信息，通过AI智能分析，得到用户的偏好信息，具体为面对的客户群体采用不同的推广方式，具体为B2B、B2C、C2C等几种，主要分为以下几种方式，以垂直细分为主，内容丰富多彩，给用户足够的自由度，对企业主不能急功近利，提供一些附加的服务给企业，采用多种安防措施，为了提高电子商务网站的安全指数，可于客户互联网移动端安装杀毒软件，筛选不正当的购物网站，并引导分流至正当网站购物，交易需要在个人网络移动端进行，并通过经过网络安全认证的第三方交易平台进行中转交易，并支持货到付款模式。

实施例二：

通过将当前访问用户的特征和访问行为构建目标问题，其他用户的特征和其历史访问行为以及和购买记录构建原始案例，应用模糊聚类，根据目标案例特征进行聚类，用户的特征、兴趣等相似程度高的案例聚集到同一类并标识，建立高相似性案例库，运用用户案例相似性检索和改进的模糊均值聚类算法推荐出与目标用户案例最相似的解案例集，对其进行修正并重用，并用于更新动态案例库。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。