[發明專利]一種基于大數據的商品推薦方法及裝置

在審

• 申請號: 201811233897.7
• 申請日: 2018-10-23
• 公開（公告）號: CN109493123A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 譚宜頌;陳家旺
• 申請（專利權）人: 佛山歐神諾云商科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 王國標

本發明涉及大數據處理技術領域，具體涉及一種基于大數據的商品推薦方法及裝置，通過收集已成交商品的商品數據和用戶數據，形成特征樣本，進而構建模型；通過獲取新用戶的行為記錄數據，為新用戶推薦排序后的商品數據，本發明能夠對新用戶提供較高準確度的商品推薦。

技術領域

本發明涉及大數據處理技術領域，具體涉及一種基于大數據的商品推薦方法及裝置。

背景技術

在家裝領域，尤其是地板、瓷磚等用品，用戶的復購率一般較低，難以通過用戶的歷史數據預測購買行為，而在銷售過程中，如何準確把握用戶的購買需求，進而推薦用戶需要的商品是一個十分重要的環節。傳統的推薦行為大多根據銷售人員的行業經驗來判斷，而面對新用戶時，不確定因素太多，導致推薦商品的準確度起伏較大。

基于大數據，通過對前期沉淀的消費者購買行為和商品信息形成比較穩定的購物模型，通過獲取新用戶的信息數據，形成用戶畫像，可以提供一種比較穩定的商品推薦方式，因此，如何利用大數據對新用戶提供較高準確度的商品推薦成為值得解決的問題。

發明內容

本發明提供一種基于大數據的商品推薦方法及裝置，能夠對新用戶提供較高準確度的商品推薦。

本發明提供的一種基于大數據的商品推薦方法，包括以下步驟：

步驟A、收集已成交商品的商品數據和用戶數據，對所述用戶數據進行預處理，形成包含商品數據和用戶數據的特征樣本；

步驟B、根據所述特征樣本構建模型；

步驟C、獲取新用戶的行為記錄數據；

步驟D、為新用戶發送排序后的推薦商品數據。

進一步，所述步驟A中：

所述商品信息包括；商品的名稱、型號、規格、價格；

所述用戶數據包括：用戶的個人基本信息、地理位置信息、瀏覽記錄信息、消費記錄信息、與所述瀏覽記錄信息、消費記錄信息對應的時間信息；

所述預處理包括：數據清洗、填充、歸一化在內的操作。

進一步，所述步驟B具體包括：

步驟B1、設置使損失函數極小化的常數值，計算損失函數的負梯度在當前模型的值，作為殘差值；

步驟B2、設置回歸樹的葉節點區域，擬合得出殘差值；

步驟B3、利用線性搜索估計節點區域的值，使損失函數極小化；

步驟B4、更新回歸樹，得到輸出的模型。

進一步，所述步驟C中新用戶的行為記錄數據具體包括：用戶的個人基本信息、地理位置信息、瀏覽記錄信息、與所述瀏覽記錄信息對應的時間信息。

進一步，所述步驟D具體包括：

步驟D1、將所述新用戶的行為記錄數據與所述模型進行關聯度匹配，按關聯度排序；其中，對地理位置信息、瀏覽記錄信息、與所述瀏覽記錄信息對應的時間信息、用戶的個人基本信息按由大到小的順序賦予不同權重；

步驟D2、根據匹配的結果獲取待推薦的商品信息；

步驟D3、將所述待推薦商品按照商品被購買的概率由大到小排列進行排序，生成推薦商品集合；

步驟D4、將所述推薦商品集合的商品數據發送給所述新用戶。

進一步，所述步驟D3中商品被購買的概率由如下公式計算獲得：