[發明專利]一種基于大數據的電商商品推薦方法

在審

• 申請號: 201810088583.6
• 申請日: 2018-01-30
• 公開（公告）號: CN110163693A
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 王克朝
• 申請（專利權）人: 哈爾濱學院
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙) 11548
• 代理人: 李靜

本發明涉及一種基于大數據的電商商品推薦方法，包括數據采集模塊、數據處理模塊、數據推薦模塊，數據處理模塊根據數據采集模塊基于地域、年齡段采集的用戶商品特征喜好進行排序，并根據商品特征喜好的排序進行商品數據的排序，數據推薦模塊根據商品數據的排序進行商品推薦。

技術領域

本發明涉及大數據以及電商領域，尤其涉及一種基于大數據的電商商品推薦方法。

背景技術

國內最大的電商平臺淘寶網每日訪問用戶達6000萬，每日在線商品數目已經超過了8億件。面對急速增長的數據規模，用戶正面臨著“信息超載問題”，如果不借助于搜索引擎、推薦系統或者信息分類等輔助技術，用戶從海量的互聯網資源中找到自己真正感興趣的信息是一件非常困難的事情,使得信息的有效利用率反而降低了。搜索引擎和個性化推薦系統是解決“信息超載”問題的兩種手段。搜索引擎根據用戶輸入的關鍵字反饋給用戶查詢的結果，由于搜索引擎根據的是所有人的行為規律返回搜索結果，無法根據每個用戶提供個性化服務，使得可能用戶真正感興趣的內容被海量的搜索結果所掩蓋。個性化推薦在此問題上彌補了搜索引擎的不足，即代替用戶評估其所有未看過的產品，并通過分析用戶的興趣愛好和歷史行為，主動推薦符合用戶喜好的項目。

在大數據時代下的推薦系統會面臨海量的訓練規模，傳統單機環境下的推薦系統不能滿足大數據時代推薦的需求。因此以分布式計算平臺作為模型計算平臺的推薦系統漸次誕生。進入Web2.0時代后，實時推薦的需求越來越多，而傳統推薦系統，都是定期對數據進行分析，然后對模型進行更新，進而使用新的模型進行個性化推薦，訓練效率低下，同時因為沒有完善的機制配合對實時用戶做出反饋，因此存在著推薦滿意度以及交易轉化率低下的問題。因此構建基于新型分布式流并行處理技術,能夠分析實時用戶行為并且做出實時推薦反饋的系統是非常有研究意義的。

發明內容

發明目的：

針對上述問題，本發明提供一種基于大數據的電商商品推薦方法。

技術方案：

一種基于大數據的電商商品推薦方法，包括：數據采集模塊、數據處理模塊、數據推薦模塊，所述方法包括以下步驟：

S010：數據采集模塊根據用戶輸入的關鍵詞搜索采集商品數據；

S020：根據用戶所使用的終端所在位置的地域劃分，數據采集模塊采集該地域的對商品特征喜好的數據；

S030：數據處理模塊根據該地域基于以往的購買記錄進行商品特征喜好數據的一次排序；

S040：數據處理模塊根據地域喜好特征數據的排序進行商品數據的篩選以及一次排序；

S050：數據采集模塊根據用戶年齡所在的年齡段搜索采集該年齡段對商品特征喜好的數據；

S060：數據處理模塊根據數據采集模塊針對用戶年齡搜索采集的商品特征喜好的數據進行針對地域的商品喜好特征的數據篩選；

S070：數據處理模塊根據篩選結果對商品特征喜好數據進行二次排序；

S080：數據處理模塊根據商品特征喜好數據的二次排序進行商品數據二次排序；

S090：數據處理模塊根據一次排序以及二次排序進行商品數據最終排序；

S100：數據推薦模塊根據商品數據最終排序的結果進行商品推薦；

作為本發明的一種優選方式，所述步驟S090包括以下步驟：

S091：數據處理模塊提取同時出現在一次排序以及二次排序的商品數據；

S092：數據處理模塊根據同一商品數據在一次排序以及二次排序中的排列位置計算最終排序位置。