【技术实现步骤摘要】
本专利技术涉及跨境电商交易领域，具体地说，涉及一种基于聚类推荐算法的跨境电商产品购买引导系统。
技术介绍
1、跨境电子商务是指分属不同关境的交易主体，通过电子商务平台达成交易、进行电子支付结算，并通过跨境电商物流及异地仓储送达商品，从而完成交易的一种国际商业活动。但在目前的跨境电商商品交易过程中，仍存在商品过度推荐和信息分布时效性低等问题，可利用信息溯源数据库结合聚类算法与推荐搜索算法精准商品的推荐信息，提升购买力，实现跨境电商产品购买引导的动态调度。
技术实现思路
1、本专利技术的目的在于提供一种基于聚类推荐算法的跨境电商产品购买引导系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，提供了一种基于聚类推荐算法的跨境电商产品购买引导系统，包括产品信息溯源数据库模块、产品特征聚类模块和产品推荐搜索模块；具体过程描述如下：
3、s1.将跨境产品成批制地记录原始的产品信息，并且标记相对于跨境电商平台的所属类别；
4、s2.基于产品信息构建系统数据库，服务于跨境电商平台，划分可以描述产品的关键属性参数，以此作为后续聚类和推荐算法中的计算变量，并且设定关键属性参数的索引格式和方法；
5、s3.在跨境电商平台中根据每次用户搜索的不同格式的信息内容，在同类别产品中遍历和选取与该内容相匹配的所有产品信息，利用凝聚层次聚类算法将同类产品中与用户搜索信息特征相关联的数据进行聚类处理，并得到同类产品相似性度量值；
6、s4.根据相似性
7、s5.在产品聚类识别的基础上，结合跨境电商平台关联服务，结合系统数据库中的产品信息索引方式利用推荐系统算法将符合用户搜索信息相匹配的相关产品按照相似度大小和地理位置配送优先级进行排序展示，提高用户的交易质量。
8、进一步的，所述s1中原始的产品信息，包括：产品生产商和经销商的地理位置与所述产品的固有信息的组合。
9、进一步的，所述s2中系统数据库结合sql结构型与nosql非结构型的特点，主要以mongodb数据库为基础方式。
10、进一步的，所述s3中凝聚层次聚类算法将同类产品中与用户搜索信息特征相关联的数据进行聚类处理，详细过程如下：
11、使用凝聚层次聚类算法中的时间序列聚类技术，其主要目的是将待聚类的时间序列数据对象根据其相似性分类为多个类别，且保证不同分类类别中的对象序列之间的相似性尽可能小，而同种分类类别中的对象序列数据之间应该存在有尽可能高的相似关系。凝聚层次聚类，其主要是从每个数据对象或样本作为个体簇开始，然后在每个动作中合并最为邻近的两个簇，直到当所有的簇个体均合并成一个簇为止，关于凝聚层次聚类的算法流程为：(1)选择合适的相似性距离度量公式；(2)计算初始邻近性距离矩阵；(3)重复；(4)使用选择的簇合并函数，合并最为相近的2个簇；(5)更新邻近性距离矩阵，用于反映新的簇与合并前的簇之间的邻近性；(6)直至仅剩下1个簇；(7)结束；在进行时间序列凝聚层次聚类挖掘之前，必须要结合对象序列数据的特点完成邻近性距离度量函数与簇合并标准函数的选择工作；
12、首先计算初始邻近性距离矩阵，使用选择的簇合并函数，合并最为相近的2个簇并更新邻近性距离矩阵，用于反映新的簇与合并前的簇之间的邻近性，剩下最后1个簇时结束迭代。在进行时间序列凝聚层次聚类挖掘之前，必须要结合对象序列数据的特点完成邻近性距离度量函数与簇合并标准函数的选择工作。本专利技术使用改进的动态时间弯曲(dynamictimewrapping简称dtw)与其他算法相比对于时间序列类型数据间的相似性描述具有较高的准确性，核心过程如下：
13、设存在两条时间序列数据设存在两条时间序列数据q＝{q1，q2，q3，...，qn}与s＝{s1，s2，s3，...，sm}，其长度分别为n与m，则存在两序列构成的大小为n*m的矩阵m；其中矩阵元素(i，j)对应的是序列q与s中的元素qi和si之间的基准距离，即(i，j)映射到dbase(qi，sj)；其中基准距离函数dbase选用均方欧式距离；在此基础上，序列q与s的元素之间距离之和的最小值的使用弯曲路径w＝{w1，w2，w3，...，wk，...，wl}进行表达，其中max(m，n)≤l≤m+n-1；该路径的选择采用动态规划方法从起点(1，1)出发到终点(m，n)的最小化累积距离路径，矩阵元素(i，j)的时间序列凝聚dtw(i，j)公式为：
14、
15、同时考虑为了时刻保证生成的新簇簇内平均误差增量最小，使用改进的ward方法作为簇合并所使用的标准函数；ward离差平方和法是基本凝聚层次聚类方法中的一种，其基本策略为：从每个对象作为一个簇开始，逐步合并距离最近的两个簇，循环直到所有的对象都在一个簇中，或者满足预先设定的终结条件。改进的ward方法在合并时同时合并相邻最近的两个簇，相比于传统算法，极大地增加了算法效率。ward方法将簇间的距离定义为两个簇合并时导致的平方误差和，d(ci，cj)公式如下：
16、
17、其中，g为簇的个数；zik为每个簇中数据的具体值；为第k个簇的平均值；nk为第k个簇中的对象个数。
18、进一步的，所述s3中同类产品相似性度量值的方法如下：
19、使用改进的dempster组合规则进行同类产品的相似性度量，dempster组合规则可以将来自同一识别框架下不同信息源的数据组合起来，假设识别框架为θ＝{θ1，θ2，...，θj，...，θn}；其中，θj为识别框架中的元素，在本专利技术中为用户搜索信息特征，n为用户搜索信息特征个数；识别框架θ的幂集中包含2n个子集，子集的数量即为该识别框架中能够产生的命题数量；m1、m2是来自于同一识别框架的2组独立的数据体，ai、bj分别为数据体m1、m2的焦元，其中，i，j＝1，2，...，n，利用dempster组合规则进行两数据合成的结果如下：
20、
21、其中，m(a)为a的基本概率赋值(basic probability assignment简称bpa)，m(a)的值反映了对a的信任程度：
22、
23、其中，k为冲突系数，是度量两证据之间关联大小的最初方法。本专利技术使用改进的dempster组合规则，主要改进了dempster组合规则进行两数据合成时冲突系数的引用，突出了冲突系数的效果，改进后对同类产品的相似性度量更为准确。
24、进一步的，所述s3中用户搜索的不同格式的信息内容包括搜索产品相关的文字，语音，图片和视频的一种与多种组合。
25、进一步的，所述s4中基于系统数据库的索引反演产品信息，详细过程如下：
26、根据相似性度量值来衡量同类产品与用户搜索的信息匹配差异，并且基于系统数本文档来自技高网...
【技术保护点】
1.一种基于聚类推荐算法的跨境电商产品购买引导系统，包括产品信息溯源数据库模块、产品特征聚类模块和产品推荐搜索模块；具体过程描述如下：
2.根据权利要求1所述一种基于聚类推荐算法的跨境电商产品购买引导系统，其特征在于，所述S1中原始的产品信息，包括：产品生产商和经销商的地理位置与所述产品的固有信息的组合。
3.根据权利要求1所述一种基于聚类推荐算法的跨境电商产品购买引导系统，其特征在于，所述S2中系统数据库结合SQL结构型与NoSQL非结构型的特点，主要以MongoDB数据库为基础方式。
4.根据权利要求1所述一种基于聚类推荐算法的跨境电商产品购买引导系统，其特征在于，所述S3中凝聚层次聚类算法将同类产品中与用户搜索信息特征相关联的数据进行聚类处理，详细过程如下：
5.根据权利要求1所述一种基于聚类推荐算法的跨境电商产品购买引导系统，其特征在于，所述S3中同类产品相似性度量值的方法如下：
6.根据权利要求1所述一种基于聚类推荐算法的跨境电商产品购买引导系统，其特征在于，所述S3中用户搜索的不同格式的信息内容包括搜索产品相
7.根据权利要求1所述一种基于聚类推荐算法的跨境电商产品购买引导系统，其特征在于，所述S4中基于系统数据库的索引反演产品信息，详细过程如下：
8.根据权利要求1所述一种基于聚类推荐算法的跨境电商产品购买引导系统，其特征在于，所述S5中推荐系统算法，详细过程如下：
...【技术特征摘要】
1.一种基于聚类推荐算法的跨境电商产品购买引导系统，包括产品信息溯源数据库模块、产品特征聚类模块和产品推荐搜索模块；具体过程描述如下：
2.根据权利要求1所述一种基于聚类推荐算法的跨境电商产品购买引导系统，其特征在于，所述s1中原始的产品信息，包括：产品生产商和经销商的地理位置与所述产品的固有信息的组合。
3.根据权利要求1所述一种基于聚类推荐算法的跨境电商产品购买引导系统，其特征在于，所述s2中系统数据库结合sql结构型与nosql非结构型的特点，主要以mongodb数据库为基础方式。
4.根据权利要求1所述一种基于聚类推荐算法的跨境电商产品购买引导系统，其特征在于，所述s3中凝聚层次聚类算法将同类产品中与用户搜索信息...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：广东德澳智慧医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。