CN114155057A - 一种用于电子商务平台的商品推荐*** - Google Patents
一种用于电子商务平台的商品推荐*** Download PDFInfo
- Publication number
- CN114155057A CN114155057A CN202111386092.8A CN202111386092A CN114155057A CN 114155057 A CN114155057 A CN 114155057A CN 202111386092 A CN202111386092 A CN 202111386092A CN 114155057 A CN114155057 A CN 114155057A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- module
- recommended
- search
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000013598 vector Substances 0.000 claims abstract description 23
- 239000000284 extract Substances 0.000 claims abstract description 17
- 238000010276 construction Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Finance (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及推荐***,具体涉及一种用于电子商务平台的商品推荐***,包括服务器、搜索内容获取模块和基础信息获取模块,基础信息获取模块获取待推荐用户的相关基础信息后,服务器通过基础信息分析模块提取待推荐用户的兴趣标签向量,并通过推荐用户分类模块对待推荐用户进行分类,服务器通过分类关系构建模块构建商品类别与用户类别的对应关系,并利用推荐商品输出模块向待推荐用户输出相应推荐商品;本发明提供的技术方案能够有效克服现有技术所存在的电子商务平台无法向用户提供精准商品推荐服务的缺陷。
Description
技术领域
本发明涉及推荐***,具体涉及一种用于电子商务平台的商品推荐***。
背景技术
电子商务平台是一个为企业或个人提供网上交易洽谈服务的平台,企业电子商务平台是建立在互联网上进行商务活动的虚拟网络空间和保障商务顺利运营的虚拟环境;是协调、整合信息流、货物流、资金流有序、关联、高效流动的重要媒介。企业、商家可以充分利用电子商务平台提供的网络基础设施、支付平台、安全平台、管理平台等共享资源,有效、低成本地开展自己的商业活动。
现有的电商平台大部分都具有商品推荐功能,其判断用户偏好的方法大致有两种,其一为利用用户对商品的打分信息,基于协同过滤的方法寻找具有相似打分行为的邻居,并将该邻居喜欢的商品推荐给用户;其二为利用用户的注册信息和商品基本信息,通过内容的推荐方法,为用户推荐感兴趣的商品。目前,各个网站在推荐方法上都较为类似,即首先分析商品相关数据源,并计算用户对各商品的偏好程度。在需要向用户推荐商品时,获取用户对商品的偏好矩阵,给定推荐数目,将偏好值最高的商品推荐给用户。
现有的商品推荐***存在以下缺点:其对用户和商品之间的偏好挖掘不够充分,因此最后推荐给用户的商品与用户真实喜欢的商品之间存在较大差距,容易引起用户的反感,并且其仅基于用户与商品之间的评分关系进行推荐,忽略了其他重要参考数据源。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点,本发明提供了一种用于电子商务平台的商品推荐***,能够有效克服现有技术所存在的电子商务平台无法向用户提供精准商品推荐服务的缺陷。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种用于电子商务平台的商品推荐***,包括服务器、搜索内容获取模块和基础信息获取模块,所述服务器通过搜索模型构建模块构建根据词语特征在商品数据库中对相应商品进行搜索的商品搜索模型,并分别通过搜索模型训练模块、搜索模型优化模块对商品搜索模型进行训练、优化,所述搜索内容获取模块获取用户在搜索框中输入的搜索内容后,所述服务器通过关键词提取模块对搜索内容进行关键词提取,并通过词语特征提取模块对关键词进行词语特征提取,所述服务器根据词语特征通过优化显示模块对商品搜索模型的搜索结果进行优化显示;
所述基础信息获取模块获取待推荐用户的相关基础信息后,所述服务器通过基础信息分析模块提取待推荐用户的兴趣标签向量,并通过推荐用户分类模块对待推荐用户进行分类,所述服务器通过分类关系构建模块构建商品类别与用户类别的对应关系,并利用推荐商品输出模块向待推荐用户输出相应推荐商品。
优选地,所述搜索模型构建模块构建的商品搜索模型为神经网络模型,所述搜索模型训练模块从商品数据库中调取各商品的图片,同时根据该商品的商品信息编辑内容在图片上选择合适区域标注对应关键词,并将标注关键词的图片输入商品搜索模型进行训练。
优选地,所述搜索模型训练模块对商品搜索模型进行一段时间训练后,所述搜索模型优化模块对相应时间段内商品搜索模型的搜索结果准确度进行评价,并根据评价结果通过随机梯度下降法对商品搜索模型进行优化。
优选地,所述关键词提取模块通过自然语言分析从搜索内容中提取关键词,所述词语特征提取模块从关键词中提取至少一个词语特征,并对词语特征进行归一化处理。
优选地,所述词语特征提取模块将提取的词语特征输入优化后的商品搜索模型,所述优化显示模块综合该用户的消费水平、经常消费店铺以及各搜索商品销售量对商品搜索模型的搜索结果进行优化显示。
优选地,所述基础信息分析模块对基础信息获取模块获取待推荐用户的相关基础信息进行预处理,并从预处理后的相关基础信息中提取待推荐用户的兴趣标签向量及对应向量权重。
优选地,所述推荐用户分类模块对兴趣标签向量进行加权融合,得到待推荐用户的兴趣特征,并基于兴趣特征通过聚类算法对待推荐用户进行分类。
优选地,所述推荐用户分类模块基于兴趣特征通过聚类算法对待推荐用户进行分类,包括:
S1、从用户数据库中各用户的兴趣特征中随机抽取k个,分别作为k个用户类别的类别中心;
S2、计算其余用户的兴趣特征到各类别中心的相似度,并将这些用户划归至相似度最高的用户类别;
S3、重新计算各用户类别的类别中心,并重新进行聚类运算;
S4、重复S2和S3,直至本轮聚类结果与上轮聚类结果之间的相异性小于设定阈值;
S5、将待推荐用户的兴趣特征与S4中距离最近类别中心对应的用户类别,作为待推荐用户的用户类别。
优选地,所述分类关系构建模块构建商品类别与用户类别的对应关系,包括:
获取商品数据库中各商品对应的商品数据,并构建商品标签向量;
根据商品标签向量将商品划分为不同的商品类别,计算商品类别与用户类别之间的匹配度;
基于匹配度构建商品类别与用户类别的对应关系。
(三)有益效果
与现有技术相比,本发明所提供的一种用于电子商务平台的商品推荐***,通过建立商品搜索模型,并对商品搜索模型进行优化,能够有效提高搜索结果与用户搜索需求之间的匹配度;获取待推荐用户的相关基础信息后,提取待推荐用户的兴趣标签向量,并基于兴趣标签向量对待推荐用户进行分类,通过构建商品类别与用户类别的对应关系,向待推荐用户输出相应推荐商品,从而能够为用户提供精准商品推荐服务。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的***示意图;
图2为本发明中利用推荐商品输出模块向待推荐用户输出相应推荐商品的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种用于电子商务平台的商品推荐***,如图1所示,包括服务器、搜索内容获取模块和基础信息获取模块,服务器通过搜索模型构建模块构建根据词语特征在商品数据库中对相应商品进行搜索的商品搜索模型,并分别通过搜索模型训练模块、搜索模型优化模块对商品搜索模型进行训练、优化,搜索内容获取模块获取用户在搜索框中输入的搜索内容后,服务器通过关键词提取模块对搜索内容进行关键词提取,并通过词语特征提取模块对关键词进行词语特征提取,服务器根据词语特征通过优化显示模块对商品搜索模型的搜索结果进行优化显示。
搜索模型构建模块构建的商品搜索模型为神经网络模型,搜索模型训练模块从商品数据库中调取各商品的图片,同时根据该商品的商品信息编辑内容在图片上选择合适区域标注对应关键词,并将标注关键词的图片输入商品搜索模型进行训练。
搜索模型训练模块对商品搜索模型进行一段时间训练后,搜索模型优化模块对相应时间段内商品搜索模型的搜索结果准确度进行评价,并根据评价结果通过随机梯度下降法对商品搜索模型进行优化。对商品搜索模型进行优化,能够有效提高搜索结果与用户搜索需求之间的匹配度。
关键词提取模块通过自然语言分析从搜索内容中提取关键词,词语特征提取模块从关键词中提取至少一个词语特征,并对词语特征进行归一化处理。通过归一化处理的词语特征具有相同长度,便于优化后的商品搜索模型能够根据关键词的词语特征对商品进行快速搜索。
词语特征提取模块将提取的词语特征输入优化后的商品搜索模型,优化显示模块综合该用户的消费水平、经常消费店铺以及各搜索商品销售量对商品搜索模型的搜索结果进行优化显示。
其中,优化显示模块在对商品搜索模型的搜索结果进行优化显示时,按照经常消费店铺、搜索商品销售量、消费水平的优先级顺序对商品搜索模型的搜索结果进行优化排序,并显示于用户输入搜索框的下方区域。
如图1、2所示,基础信息获取模块获取待推荐用户的相关基础信息后,服务器通过基础信息分析模块提取待推荐用户的兴趣标签向量,并通过推荐用户分类模块对待推荐用户进行分类,服务器通过分类关系构建模块构建商品类别与用户类别的对应关系,并利用推荐商品输出模块向待推荐用户输出相应推荐商品。
基础信息分析模块对基础信息获取模块获取待推荐用户的相关基础信息(包括用户注册时的个人登记信息、实时浏览记录和实时评论数据等)进行预处理(包括对基础信息进行有效性检查、无效数据剔除、填补空缺值等),并从预处理后的相关基础信息中提取待推荐用户的兴趣标签向量及对应向量权重。
推荐用户分类模块对兴趣标签向量进行加权融合(利用各兴趣标签向量及对应向量权重),得到待推荐用户的兴趣特征,并基于兴趣特征通过聚类算法对待推荐用户进行分类。
其中,推荐用户分类模块基于兴趣特征通过聚类算法对待推荐用户进行分类,包括:
S1、从用户数据库中各用户的兴趣特征中随机抽取k个,分别作为k个用户类别的类别中心;
S2、计算其余用户的兴趣特征到各类别中心的相似度,并将这些用户划归至相似度最高的用户类别;
S3、重新计算各用户类别的类别中心,并重新进行聚类运算;
S4、重复S2和S3,直至本轮聚类结果与上轮聚类结果之间的相异性小于设定阈值;
S5、将待推荐用户的兴趣特征与S4中距离最近类别中心对应的用户类别,作为待推荐用户的用户类别。
分类关系构建模块构建商品类别与用户类别的对应关系,包括:
获取商品数据库中各商品对应的商品数据,并构建商品标签向量;
根据商品标签向量将商品划分为不同的商品类别,计算商品类别与用户类别之间的匹配度;
基于匹配度构建商品类别与用户类别的对应关系。
本申请技术方案中,基于兴趣特征通过聚类算法对待推荐用户进行分类,从而能够根据待推荐用户的相关基础信息对其进行准确分类,并且根据计算得到的商品类别与用户类别之间的匹配度,准确构建商品类别与用户类别的对应关系,进而实现“待推荐用户-商品类别”之间的精准关联,使得电子商务平台能够向用户提供精准商品推荐服务。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种用于电子商务平台的商品推荐***,其特征在于:包括服务器、搜索内容获取模块和基础信息获取模块,所述服务器通过搜索模型构建模块构建根据词语特征在商品数据库中对相应商品进行搜索的商品搜索模型,并分别通过搜索模型训练模块、搜索模型优化模块对商品搜索模型进行训练、优化,所述搜索内容获取模块获取用户在搜索框中输入的搜索内容后,所述服务器通过关键词提取模块对搜索内容进行关键词提取,并通过词语特征提取模块对关键词进行词语特征提取,所述服务器根据词语特征通过优化显示模块对商品搜索模型的搜索结果进行优化显示;
所述基础信息获取模块获取待推荐用户的相关基础信息后,所述服务器通过基础信息分析模块提取待推荐用户的兴趣标签向量,并通过推荐用户分类模块对待推荐用户进行分类,所述服务器通过分类关系构建模块构建商品类别与用户类别的对应关系,并利用推荐商品输出模块向待推荐用户输出相应推荐商品。
2.根据权利要求1所述的用于电子商务平台的商品推荐***,其特征在于:所述搜索模型构建模块构建的商品搜索模型为神经网络模型,所述搜索模型训练模块从商品数据库中调取各商品的图片,同时根据该商品的商品信息编辑内容在图片上选择合适区域标注对应关键词,并将标注关键词的图片输入商品搜索模型进行训练。
3.根据权利要求2所述的用于电子商务平台的商品推荐***,其特征在于:所述搜索模型训练模块对商品搜索模型进行一段时间训练后,所述搜索模型优化模块对相应时间段内商品搜索模型的搜索结果准确度进行评价,并根据评价结果通过随机梯度下降法对商品搜索模型进行优化。
4.根据权利要求1所述的用于电子商务平台的商品推荐***,其特征在于:所述关键词提取模块通过自然语言分析从搜索内容中提取关键词,所述词语特征提取模块从关键词中提取至少一个词语特征,并对词语特征进行归一化处理。
5.根据权利要求4所述的用于电子商务平台的商品推荐***,其特征在于:所述词语特征提取模块将提取的词语特征输入优化后的商品搜索模型,所述优化显示模块综合该用户的消费水平、经常消费店铺以及各搜索商品销售量对商品搜索模型的搜索结果进行优化显示。
6.根据权利要求1所述的用于电子商务平台的商品推荐***,其特征在于:所述基础信息分析模块对基础信息获取模块获取待推荐用户的相关基础信息进行预处理,并从预处理后的相关基础信息中提取待推荐用户的兴趣标签向量及对应向量权重。
7.根据权利要求6所述的用于电子商务平台的商品推荐***,其特征在于:所述推荐用户分类模块对兴趣标签向量进行加权融合,得到待推荐用户的兴趣特征,并基于兴趣特征通过聚类算法对待推荐用户进行分类。
8.根据权利要求7所述的用于电子商务平台的商品推荐***,其特征在于:所述推荐用户分类模块基于兴趣特征通过聚类算法对待推荐用户进行分类,包括:
S1、从用户数据库中各用户的兴趣特征中随机抽取k个,分别作为k个用户类别的类别中心;
S2、计算其余用户的兴趣特征到各类别中心的相似度,并将这些用户划归至相似度最高的用户类别;
S3、重新计算各用户类别的类别中心,并重新进行聚类运算;
S4、重复S2和S3,直至本轮聚类结果与上轮聚类结果之间的相异性小于设定阈值;
S5、将待推荐用户的兴趣特征与S4中距离最近类别中心对应的用户类别,作为待推荐用户的用户类别。
9.根据权利要求7所述的用于电子商务平台的商品推荐***,其特征在于:所述分类关系构建模块构建商品类别与用户类别的对应关系,包括:
获取商品数据库中各商品对应的商品数据,并构建商品标签向量;
根据商品标签向量将商品划分为不同的商品类别,计算商品类别与用户类别之间的匹配度;
基于匹配度构建商品类别与用户类别的对应关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111386092.8A CN114155057A (zh) | 2021-11-22 | 2021-11-22 | 一种用于电子商务平台的商品推荐*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111386092.8A CN114155057A (zh) | 2021-11-22 | 2021-11-22 | 一种用于电子商务平台的商品推荐*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114155057A true CN114155057A (zh) | 2022-03-08 |
Family
ID=80457319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111386092.8A Pending CN114155057A (zh) | 2021-11-22 | 2021-11-22 | 一种用于电子商务平台的商品推荐*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114155057A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115796924A (zh) * | 2023-01-31 | 2023-03-14 | 武汉亿诚同创科技有限公司 | 一种基于大数据的云平台电子商务数据处理方法及*** |
-
2021
- 2021-11-22 CN CN202111386092.8A patent/CN114155057A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115796924A (zh) * | 2023-01-31 | 2023-03-14 | 武汉亿诚同创科技有限公司 | 一种基于大数据的云平台电子商务数据处理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222272B (zh) | 一种潜在客户挖掘与推荐方法 | |
CN107861972B (zh) | 一种用户录入商品信息后显示商品全结果的方法及设备 | |
CN107391493B (zh) | 一种舆情信息提取方法、装置、终端设备及存储介质 | |
CN107833082B (zh) | 一种商品图片的推荐方法和装置 | |
CN109711955B (zh) | 基于当前订单的差评预警方法、***、黑名单库建立方法 | |
CN111047412A (zh) | 一种大数据电商运营平台 | |
KR102142126B1 (ko) | 계층적 카테고리 군집 기반 장바구니 상품 추천 방법 | |
CN111667337A (zh) | 一种商品评价的排序方法和*** | |
CN113946754A (zh) | 基于用户画像的权益推荐方法、装置、设备及存储介质 | |
CN116739836B (zh) | 一种基于知识图谱的餐饮数据分析方法及*** | |
CN111429161A (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
CN114596031A (zh) | 基于全生命周期数据的快递终端用户画像模型 | |
CN114997956A (zh) | 基于大数据的母婴产品智能推荐*** | |
CN113837844A (zh) | 一种多级联下游企业推荐***、方法及可存储介质 | |
CN116579351B (zh) | 一种用户评价信息的分析方法及装置 | |
CN114155057A (zh) | 一种用于电子商务平台的商品推荐*** | |
CN113095904A (zh) | 一种基于用户需求的推荐*** | |
KR102449602B1 (ko) | 멀티미디어 콘텐츠 내 상품 정보 처리 장치 및 그 방법 | |
CN112949322A (zh) | 线上文本评论驱动的电商意见挖掘推荐*** | |
KR102404247B1 (ko) | 고객 관리 시스템 | |
KR101754124B1 (ko) | 레스토랑 추천 시스템 및 추천 방법 | |
CN115563176A (zh) | 一种电子商务数据处理***及方法 | |
CN115131108A (zh) | 一种电商商品筛选*** | |
CN113254775A (zh) | 一种基于客户浏览行为序列的***产品推荐方法 | |
KR20180092053A (ko) | 지능형 쇼핑 관리시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220308 |
|
WD01 | Invention patent application deemed withdrawn after publication |