[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

本發明適用于計算機領域，提供了一種基于大數據的商品推薦方法和推薦系統，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，本發明的有益效果在于：有效提升用戶的潛在交互使用體驗，有效減輕服務器數據分析和存儲壓力。

技術領域

本發明屬于計算機技術領域，尤其涉及一種基于大數據的商品推薦方法和推薦系統。

背景技術

在電子商務領域，大多數的消費者喜歡并且習慣在網上進行商品購買，這是建立在成熟的信用體系和支付體系的基礎上進行的，網購是現在人們討論的話題。

大數據的來臨，數據逐漸被意識到大有用處，大量數據通過提取分析，分類出有用數據，通過分析有用數據對目標進行判別，一方面，利用大數據技術獲取用戶行為數據并對其進行量化處理，獲取更為準確的用戶對商品的評分值，另一方面，通過在推薦引薦模塊中將用戶的興趣隨時間推移的衰減程度考慮在內，該做法可以更準確地把握用戶的興趣愛好的變化趨勢，以及準確地為用戶推薦商。

現有的商品推薦，基本都是基于個人的瀏覽日志來進行推薦的，如果要推送足夠多的個性化商品，推薦服務器要承載較大的緩存和分析壓力。

發明內容

本發明實施例的目的在于提供一種基于大數據的商品推薦方法和推薦系統，旨在解決上述背景技術中提出的問題。

本發明實施例是這樣實現的，一方面，一種基于大數據的商品推薦方法，所述方法包括以下步驟：

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。

作為本發明的進一步方案，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。

作為本發明的再進一步方案，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。