[發明專利]基于大數據的商品推薦方法和推薦系統

在審

• 申請號: 202210087743.1
• 申請日: 2022-01-25
• 公開（公告）號: CN114493784A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 徐麗麗
• 申請（專利權）人: 徐麗麗
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F16/9535;G06F16/9537
• 代理公司: 合肥市科融知識產權代理事務所(普通合伙) 34126
• 代理人: 陳麗娜

1.一種基于大數據的商品推薦方法，其特征在于，所述方法包括：

獲取用戶的瀏覽行為信息，基于瀏覽行為信息建立第一興趣標簽；

基于用戶與其他用戶的交互熱度信息，至少選定一名其他用戶建立第二興趣標簽；

基于第一興趣標簽和第二興趣標簽建立關聯興趣標簽；

分別計算第一興趣標簽、第二興趣標簽與關聯興趣標簽之間的差異值，基于計算結果獲取偏重差異信息，所述偏重差異信息用于表征第一興趣標簽和第二興趣標簽與關聯興趣標簽之間的共性信息和特性信息；

基于偏重差異信息分別對用戶進行商品推薦，在設定時間內分別檢測用戶對推薦商品瀏覽量的大小；

當該瀏覽量小于第一預設閾值時，分別調整共性信息和特性信息對應項的修正量，以使得偏重差異信息能夠傾斜于瀏覽量高于用戶的其他用戶對應的興趣標簽。

2.根據權利要求1所述的基于大數據的商品推薦方法，其特征在于，所述獲取用戶的瀏覽行為信息，基于瀏覽行為信息建立第一興趣標簽具體包括：

獲取用戶的下單購買信息，統計下單購買信息中的下單商品；

統計用戶的瀏覽量超過設定基準量但未下單的商品；

分別提取下單商品和瀏覽量超過設定條件但未下單的商品對應的商品特征；

對商品特征中相似度高于設定程度的商品特征進行過濾去重；

根據過濾去重結果建立第一興趣標簽。

3.根據權利要求1所述的基于大數據的商品推薦方法，其特征在于，所述基于用戶與其他用戶的交互熱度信息，至少選定一名其他用戶建立第二興趣標簽具體包括：

檢測用戶分享或者用戶被分享商品的次數；

獲取其他用戶商品推薦信息，所述商品推薦信息至少包括商品推薦次數以及商品推薦種類；

分別設定用戶分享或者用戶被分享的商品次數、推薦商品次數、商品推薦種類中各項評分項目的評分比重；

根據評分項目和對應的評分比重乘積之和計算對應的其他用戶交互熱度評分；

將其他用戶交互熱度評分進行正向排序，標記最高得分對應的其他用戶為建立第二興趣標簽的對象，根據該對象建立第二興趣標簽。

4.根據權利要求3所述的基于大數據的商品推薦方法，其特征在于，所述標記最高得分對應的其他用戶為建立第二興趣標簽的對象，根據該對象建立第二興趣標簽具體包括：

判斷最高得分對應的其他用戶是否為列表好友，當最高得分對應的其他用戶不是列表好友時，獲取該用戶的ID或用戶名；

基于該用戶的ID或用戶名發送添加該用戶為好友的提示信息；

當用戶確認該提示信息后添加該用戶為列表好友。

5.根據權利要求1所述的基于大數據的商品推薦方法，其特征在于，所述基于第一興趣標簽和第二興趣標簽建立關聯興趣標簽具體包括：

分別對第一興趣標簽和第二興趣標簽進行歸類，在興趣標簽庫中對歸類結果進行區別標記；

將區別標記中處于同等層級卻不同名稱的非底層興趣標簽進行排列組合，過濾排列組合結果中不包含于興趣標簽庫中的興趣標簽以及已經存在于第一興趣標簽或第二興趣標簽中的興趣標簽；

基于過濾結果建立關聯興趣標簽。

6.根據權利要求5所述的基于大數據的商品推薦方法，其特征在于，所述基于偏重差異信息分別對用戶進行商品推薦，在設定時間內分別檢測用戶對推薦商品的瀏覽量大小具體包括：

調用用戶對應的偏重差異信息，將偏重差異信息分解為共性興趣標簽和特性興趣標簽；

基于共性興趣標簽和特性興趣標簽向用戶推薦商品；

統計在設定時間內用戶對推薦商品的瀏覽量大小。

7.根據權利要求1所述的基于大數據的商品推薦方法，其特征在于，所述在設定時間內分別檢測用戶對推薦商品的瀏覽量大小之后，所述方法還包括：

判斷設定時間內用戶對推薦商品的累計瀏覽量；

比較該累計瀏覽量與第一預設閾值的大小。