專利名稱：一種基于屬性排序的商品個性化搜索方法及裝置的制作方法
技術領域：
本發明屬于電子商務(計算機管理)技術領域，涉及一種電子商務活動中商品個性化搜索方法和裝置，尤其是一種基于屬性排序的商品個性化搜索方法及裝置，用于網絡購物時用戶利用計算機搜索尋找所需商品。
背景技術：
隨著網絡業務的擴張，電子商務中網上商品的種類和數量逐漸增多，搜索引擎作為用戶和商品之間的橋梁，是購買者在收集、對比和分析商品信息時所使用的重要工具。目前，所使用的絕大多數搜索引擎都是基于關鍵字的，用戶輸入關鍵字，然后系統根據簡單的關鍵字匹配策略進行查找，這種方法得到的結果過于龐大，同時，用戶通常很難用關鍵字來真實的表達自己的檢索需求；由于消費者的消費行為逐漸趨于理性化，在面對琳瑯滿目種類繁多的商品時，通常期望搜集大量相關信息，比較各種同類產品，降低消費風險，做出合理的購買決策。如果電子商務系統能為顧客提供個性化的搜索方式，方便顧客查找、對比和分析已有商品，能大大激發顧客的購買欲望，銷售企業也將實現豐厚的利潤。個性化搜索是通過收集和分析用戶信息來學習用戶的興趣和行為，從而實現個性化搜索。近年來，許多學者已經圍繞個性化搜索展開了相關研究，但現有的個性化搜索系統的研究都很少考慮到商品的屬性信息和商務網站上顧客和商品的屬性之間的關系。商品具有價格、品牌、銷售量、 大小或者尺寸等很多屬性，用戶在購買商品時，往往會通過描述商品的某些屬性來表達自己想要購買什么類型的商品。而且顧客和商品屬性之間有著復雜的關系，顧客購買商品， 商品具有商品屬性，顧客與商品之間發生直接關系。顧客通過查看商品屬性來決定商品是否能夠滿足自己的需求，這樣顧客與商品屬性之間具有間接關系，商品屬性是用戶非常關心的內容，是用戶選購該類商品的依據。近年來，大多研究表明采用半監督學習策略，融合先驗信息以輔助聚類可以有效的提高聚類結果，然而很少有將方法應用到商品個性化搜索中，為了實現商品的個性化搜索，人們可以通過收集和分析用戶信息來學習用戶興趣，將這些信息作為先驗知識融合到聚類結果中；先驗信息包含屬性排序形式的屬性層信息和成對約束形式的實例層信息，文獻[Jun Sun,Wenbo Zhao, Jiangwei Xue,Zhiyong Shen, Yi-Dong Shen. Clustering with feature order preferences. PRICAI 2008, pp. 382-393]定義的屬性排序信息用(s，t，δ ) ( δ > 0)，ws-wt彡δ來進行表示，即屬性s的權重比屬性t的權重大δ，說明屬性s比t要重要得多，利用獲得的商品屬性排序知識指導聚類過程，將商品根據用戶的興趣信息作指導，聚類結果將會更能滿足顧客的需求。

發明內容
本發明的目的在于克服現有技術存在的缺點，尋求設計和提供一種基于屬性排序的電子商務場合使用的商品個性化搜索方法及其裝置，利用屬性排序信息來提高聚類結果的準確性。為了實現上述目的，本發明的方法包括以下步驟
A、用戶從自定義網頁瀏覽器對電子商務網站商品屬性信息進行選擇；B、對用戶選擇的商品屬性進行排序；C、融合商品屬性排序信息進行聚類；D、對聚類結果商品進行排序；E、將商品排序結果呈現給用戶。本發明實現商品個性化搜索方法的裝置分為客戶端和服務器端兩個功能結構部分，各模塊單元電信息連通構成一體結構裝置，客戶端包括自定義網頁瀏覽器、屬性選擇模塊和個性化搜索結果單元；服務器端包括商品數據庫、屬性排序聚類模塊和聚類結果排序模塊，其中屬性排序聚類模塊包括屬性排序模塊和融合屬性排序聚類模塊；自定義網頁瀏覽器實現用戶查看、搜索商品信息并記錄用戶查詢信息；屬性選擇模塊實現用戶對感興趣的商品類別進行屬性選擇；商品數據庫存儲電子商務網站商品的所有信息，包括商品的品牌、價格、規格的基礎信息以及商品的購買信息和評論信息；屬性排序聚類模塊實現對用戶選擇的商品屬性進行排序，轉化成屬性排序知識集合，然后融合到聚類算法中實現對商品的聚類劃分；聚類結果排序模塊實現對聚類后的結果進行規整和排序，按照排序規則對商品列表進行排序；在個性化搜索結果單元中得到最終的搜索結果；由屬性排序模塊和融合屬性排序聚類模塊組成的屬性排序聚類模塊實現用戶在選擇商品屬性后，服務器端響應屬性排序模塊，對商品屬性進行計算，并得到商品屬性知識的排序集合；在得到屬性排序集合后，融合屬性排序聚類模塊將屬性排序集合融合到聚類算法中對商品進行聚類劃分，并返回聚類后的劃分結果；各功能模塊或單元協調工作實現商品的個性化搜索。本發明所述搜索方法及裝置，通過分析來自互聯網的電子商務數據，收集和分析用戶對商品屬性信息的興趣，將用戶關注的商品屬性轉化為數據挖掘中的屬性排序知識， 然后融合這些屬性排序知識一起作為先驗知識，再利用半監督聚類的方法進行聚類，最后通過對聚類結果中的商品進行排序，將商品搜索結果呈現給用戶以指導用戶對商品進行選擇。本發明與現有技術相比，其工藝過程簡單，使用操作方便，商品信息采集準確，排列順序科學合理，搜索速度快，其使用的裝置結構簡單，操作靈活，可以替代現有的電子商務中的商品搜索技術和設備。


圖1為本發明涉及的搜索工作流程示意框圖。圖2為本發明方法實施的裝置結構原理示意圖。
具體實施例方式下面結合附圖并通過實施例對本發明作進一步描述。實施例本實施例的電子商務網站中商品信息和顧客信息都存儲在服務器端，用戶通過客戶端從自定義瀏覽器對商品進行搜索，調用服務器端的后臺程序對商品進行選擇，然后呈現給用戶；其具體包括以下幾個步驟步驟101，用戶從自定義網頁瀏覽器201對電子商務網站發起訪問，并通過查詢搜索選擇關注的商品屬性信息作為搜索條件；例如，用戶要購買一臺筆記本電腦，首先訪問電子商務網站，選擇筆記本電腦商品類別，然后根據個人關注程度選擇筆記本電腦屬性中的品牌、價格、CPU類型、內存大小和硬盤容量這幾個屬性作為搜索條件；步驟102，對用戶選擇的商品屬性進行排序；用戶只知道自己關注商品的某幾個屬性，出于對這幾個屬性綜合考慮，對于大多數用戶來講，很難區分商品的一個屬性究竟要比另一個屬性重要多少，所以要對商品的屬性信息進行排序；[J Sun，W. Zhao, J. Xue Ζ. Shen, and Y. Shen. Clustering with Feature Order Preferences. In :proc. of PRICAI 2008.Trends in Artificial Intelligence，382-393， 2008]文獻中提出的利用屬性排序輔助聚類能夠很好的解決好聚類劃分問題，其中，對屬性排序的定義如下屬性排序屬性排序集合P表示所有滿足屬性排序關系Pi = (Si，ti; δ》， (i = 1，2，...，m)的集合，即戶={/U: ,Pi = (si; t" Si)；屬性排序表達了兩屬性重要性的差異，(s，t，δ) (δ >0)代表屬性s比屬性t重要得多，而(s，t，- O和(t，s，- O (ε是一個很小的正數)代表屬性s和屬性t的重要性相似；當用戶選擇了比較關注的屬性后，米用類似于[A. Banerjee, S. Merugu, I. S. Dhillon, et al. Clustering with bregman divergences [J]. Journal of Machine Learning Research，2005，6 :1705-1749]的方法對 Sim的方法進行改進，定義用戶關注的屬性信息為(s，δ)，即屬性權重Ws > δ，并設置δ 為一個較大的值，屬性排序的懲罰項用max ( δ -ws, 0)表示；通過上述方法，在上述實例中獲取了用戶關注筆記本電腦商品的幾個屬性后，就可以得到這些屬性的屬性排序集合P;步驟103，融合商品屬性排序信息進行聚類；在引入定義好的屬性排序集合P，將 Sim文中給出的聚類目標函數改寫成如下的形式
1 kmin ^n - Σ Σ ) + Λ YjVdSK(S-Ws^)-A2H(W)
” C=I XiGTTc(s,S)Gpsubject to :w e AdWs ^ δ ,Vp = (s,^)GP目標函數第一項以最小化每一類中所有商品到簇中心之間的距離為目標，通過參
數化的距離度量把相似的商品劃分到同一個類別中；由于采用基于距離度量的軟約束策
略，第二項為商品屬性排序的懲罰項，對屬性排序知識的滿足程度越高，懲罰項的值越小，
反之越大。這樣就把獲取的用戶比較關注的商品屬性信息引入到聚類中，用這種信息指導
聚類，目標函數值的大小反映了每次聚類的好差程度；添加了商品屬性排序知識后，為了避
免可能出現的不確定性，盡量保證數據的一致性添加第三項規整項；使用12熵作為規整
權利要求
1.一種基于屬性排序的商品個性化搜索方法，其特征在于包括以下步驟A、用戶從自定義網頁瀏覽器對電子商務網站商品屬性信息進行選擇；B、對用戶選擇的商品屬性進行排序；C、融合商品屬性排序信息進行聚類；D、對聚類結果商品進行排序；E、將商品排序結果呈現給用戶。
2.一種基于屬性排序的商品個性化搜索裝置，其特征在于實現商品個性化搜索方法的裝置分為客戶端和服務器端兩個功能結構部分，各模塊單元電信息連通構成一體結構裝置，客戶端包括自定義網頁瀏覽器、屬性選擇模塊和個性化搜索結果單元；服務器端包括商品數據庫、屬性排序聚類模塊和聚類結果排序模塊，其中屬性排序聚類模塊包括屬性排序模塊和融合屬性排序聚類模塊；自定義網頁瀏覽器實現用戶查看、搜索商品信息并記錄用戶查詢信息；屬性選擇模塊實現用戶對感興趣的商品類別進行屬性選擇；商品數據庫存儲電子商務網站商品的所有信息，包括商品的品牌、價格、規格的基礎信息以及商品的購買信息和評論信息；屬性排序聚類模塊實現對用戶選擇的商品屬性進行排序，轉化成屬性排序知識集合，然后融合到聚類算法中實現對商品的聚類劃分；聚類結果排序模塊實現對聚類后的結果進行規整和排序，按照排序規則對商品列表進行排序；在個性化搜索結果單元中得到最終的搜索結果；由屬性排序模塊和融合屬性排序聚類模塊組成的屬性排序聚類模塊實現用戶在選擇商品屬性后，服務器端響應屬性排序模塊，對商品屬性進行計算，并得到商品屬性知識的排序集合；在得到屬性排序集合后，融合屬性排序聚類模塊將屬性排序集合融合到聚類算法中對商品進行聚類劃分，并返回聚類后的劃分結果；各功能模塊或單元協調工作實現商品的個性化搜索。
全文摘要
本發明屬于電子商務技術領域，涉及一種電子商務活動中商品個性化搜索方法和裝置，尤其是一種基于屬性排序的商品個性化搜索方法及裝置，用于網絡購物時用戶利用計算機搜索尋找所需商品，通過分析來自互聯網的電子商務數據，收集和分析用戶對商品屬性信息的興趣，將用戶關注的商品屬性轉化為數據挖掘中的屬性排序知識，然后融合屬性排序知識作為先驗知識，再利用半監督聚類的方法進行聚類，最后通過對聚類結果中的商品進行排序，將商品搜索結果呈現給用戶以指導用戶對商品進行選擇；其工藝過程簡單，操作方便，信息采集準確，排列順序科學，搜索速度快，裝置結構簡單，操作靈活，可替代現有的電子商務中的商品搜索技術和設備。
文檔編號G06Q30/02GK102419779SQ201210009669
公開日2012年4月18日 申請日期2012年1月13日 優先權日2012年1月13日
發明者朱旺南, 杜中國, 王金龍 申請人:青島理工大學