一种基于大数据和数据挖掘的个性化订单推荐方法技术领域
本发明涉及数据分析技术领域，具体涉及一种基于大数据和数据挖掘的个性化订
单推荐方法。
背景技术
现在社会每天都会产生海量的信息。面对这么多信息好多人都不知道什么信息是
自己需要的。
随着烟草行业电子商务的发展，积累了大量的用户数据和行为数据，如何有效的
利用这些数据提高用户的体验和烟草企业的经济效益，改变传统的零售户订货方式。
数据挖掘技术是近年来计算机技术发展的热点之一。通过对历史积累的大量数据
的有效挖掘，可以发现隐藏的规律或模式，为决策提供支持，而这些规律或模式是不能够依
靠简单的数据查询得到，或者是不能在可接受的时间内得到。这些规律或模式可以进一步
在专业人员的识别下成为知识。数据挖掘面对的任务是复杂的，通常包括分类、预测、关联
规则发现和聚类分析等。
Web数据挖掘建立在对大量的网络数据进行分析的基础上，采用相应的数据挖掘
算法，在具体的应用模型上进行数据的提取、数据筛选、数据转换、数据挖掘和模式分析，最
后做出归纳性的推理、预测客户的个性化行为以及用户习惯，从而帮助进行决策和管理，减
少决策的风险。
Web数据挖掘涉及多个领域，除数据挖掘外，还涉及计算机网络、数据库与数据仓
储、人工智能、信息检索、可视化、自然语言理解等技术。
发明内容
本发明要解决的技术问题是：本发明提供一种基于大数据和数据挖掘的个性化订
单推荐方法，通过对用户数据和行为的挖掘，让零售户能够快速找到合适自己销售的卷烟，
让烟草企业能够将卷烟推荐给适合的零售户。
本发明所采用的技术方案为：
一种基于大数据和数据挖掘的个性化订单推荐方法，所述方法通过计算用户之间
的相似度，找到与用户有相似经营特征的用户，基于用户的相似度向用户推荐相似用户购
买的商品，提高推荐的准确性。
所述方法中相似用户生成过程如下：
对一个用户，找到与该用户有相似经营特征的用户，并且把这组用户购买过的商
品作为候选的推荐商品，一个用户包含一组购买历史，即用户购买过的商品和数量，使用用
户的购买数量向量来标识用户，使用Pearson关联度量公式计算两两用户向量之间的相似
度sim(x,y):
其中：Pxy表示用户x，y共同购过的一组商品；
对一个用户，选择与其相似度由高到低排名前N个用户作为相似用户。
所述方法中预测商品评分过程如下：
对一个用户，根据相似用户购买商品的数量，预测该用户候选商品的可能性，并根
据下述公式计算一组相似用户候选商品的加权和：
ru,p＝k∑u′∈U sim(u,u′)×ru′,p
其中k表示归一化因子；
最后通过使用概率模型建模，计算用户喜爱某件候选商品的概率。
本发明的有益效果为：
本发明通过对用户数据和行为的挖掘，让零售户能够快速找到合适自己销售的卷
烟，让烟草企业能够将卷烟推荐给适合的零售户，在帮助烟草企业推销商品，增大经济收益
的同时，也节省了用户挑选商品的时间和精力。
具体实施方式
下面根据具体实施方式对本发明进一步说明：
实施例1：
一种基于大数据和数据挖掘的个性化订单推荐方法，所述方法通过计算用户之间
的相似度，找到与用户有相似经营特征的用户，基于用户的相似度向用户推荐相似用户购
买的商品，提高推荐的准确性。
实施例2
在实施例1的基础上，本实施例所述方法中相似用户生成过程如下：
对一个用户，找到与该用户有相似经营特征的用户，并且把这组用户购买过的商
品作为候选的推荐商品，一个用户包含一组购买历史，即用户购买过的商品和数量，使用用
户的购买数量向量来标识用户，使用Pearson关联度量公式计算两两用户向量之间的相似
度sim(x,y):
其中：Pxy表示用户x，y共同购过的一组商品；
对一个用户，选择与其相似度由高到低排名前N个用户作为相似用户。
实施例3
在实施例2的基础上，本实施例所述方法中预测商品评分过程如下：
对一个用户，根据相似用户购买商品的数量，预测该用户候选商品的可能性，并根
据下述公式计算一组相似用户候选商品的加权和：
ru,p＝k∑u′∈U sim(u,u′)×ru′,p
其中k表示归一化因子；
所述方法通过使用概率模型建模，计算用户喜爱某件候选商品的概率。
实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术
人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同
的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。