CN115983952A - 一种定制服装设计推荐*** - Google Patents

Abstract

本发明涉及定制服装设计推荐技术领域，具体涉及一种定制服装设计推荐***，所述***包括：数据获取模块，用于基于大数据技术获取用户的历史浏览数据与历史订单数据；类型分析模块，用于对用户的所述历史浏览数据和所述历史订单数据进行用户类型分析；风格分析模块，用于对用户的所述历史浏览数据和所述历史订单数据进行用户风格分析；推荐模块，用于向用户进行服装推荐。本发明通过获取用户的历史浏览数据与历史订单数据，对用户进行类型分析和风格分析，得到用户的实际消费分析结果，根据实际消费分析结果针对性地对用户进行定制服装设计相关内容的推荐，以便让实际需要服装定制服务的用户能对服装定制有更好地了解。

Description

一种定制服装设计推荐***

技术领域

本发明涉及定制服装设计推荐技术领域，特别地涉及一种定制服装设计推荐***。

背景技术

服装定制可以让用户拥有适合自己穿衣风格的衣服，通过服装定制可以让一些选择衣服困难的人更快地找到适合自己的衣服。一些商家通过广撒网的方式向用户推荐服装定制，想让更多的用户了解服装定制的相关知识，以便引导一些实际需要这项服务的用户能更好地享受服装定制带来的好处。

但是，在当前的信息时代，人们接收到的信息太繁杂，很容易错过一些信息，广撒网的推荐方式没有考虑到用户的实际消费情况，没有针对性地对用户进行内容推送，以至于部分实际需要服装定制服务的用户对服装定制这一服务依旧接触不多。

发明内容

本申请提供一种定制服装设计推荐***，针对性地根据用户的实际消费情况进行定制服装设计推荐，以解决上述技术问题。

公开一种定制服装设计推荐***，所述***包括：

数据获取模块，用于基于大数据技术获取用户的历史浏览数据与历史订单数据；此步骤中，先向用户发出信息获取申请，在接收到用户的同意回复后，获取用户的历史浏览数据与历史订单数据，其中，历史浏览数据是关于用户对服装的浏览数据，历史订单数据是用户购买服装的订单数据。

类型分析模块，用于对用户的所述历史浏览数据和所述历史订单数据进行用户类型分析，得到类型分析结果，根据所述类型分析结果为用户添加类别标签；进行用户类型分析包括：获取用户的历史浏览数据和历史订单数据，根据历史订单数据确定用户的消费等级和服装尺码等级，根据历史浏览数据和历史订单数据确定用户的服装选择倾向等级。

风格分析模块，用于对用户的所述历史浏览数据和所述历史订单数据进行用户风格分析，得到风格分析结果，根据所述风格分析结果为用户添加风格标签；进行用户风格分析包括：

获取用户的历史浏览数据和历史订单数据，按照时间顺序将历史浏览数据分割为多个子数据集合，根据历史订单数据创建得到多个订单集合，每个订单集合包括一个历史订单和与该历史订单对应的一个子数据集合。

对于任意一个订单集合，识别该订单集合中子数据集合的第一标签，根据出现频次对第一标签进行排序，识别该订单集合中历史订单的第二标签，判断第二标签在第一标签中的排序是否大于预设排名，若是则将第二标签作为该订单集合的第三标签。

对所有订单集合的第三标签进行统计分析，根据出现频次确定每个标签的频次权重参数，根据季节属性确定每个标签的时间权重参数，根据用户的类型确定每个用户的修正参数，根据频次权重参数、时间权重参数和修正参数计算每个标签的参考值，根据参考值对第三标签进行排序，得到风格分析结果；

任一标签的参考值的计算公式如下：

R_e=((n₁P)(n₂+n₃))/(n₁+n₂+n₃)；

式中，R_e表示参考值，P表示标签的出现频次，n₁为频次权重参数，n₂为时间权重参数，n₃为修正参数。

所述风格标签为从所述风格分析结果中按照大小顺序选取的预设数量的标签。

推荐模块，用于对用户进行标签识别，得到用户的类别标签和风格标签，根据所述类别标签从服装数据库中选择出第一目标服装，根据所述风格标签从所述第一目标服装中选择出第二目标服装，基于所述第二目标服装向用户进行服装推荐。

所述进行用户类型分析包括：

获取用户的所述历史浏览数据和所述历史订单数据，根据所述历史订单数据确定用户的消费等级和服装尺码等级，根据所述历史浏览数据和所述历史订单数据确定用户的服装选择倾向等级；根据所述历史浏览数据和所述历史订单数据确定用户的服装选择倾向等级包括：按照时间顺序将所述历史浏览数据分割为多个子数据集合，根据所述历史订单数据创建得到多个订单集合，每个订单集合包括一个历史订单和与该历史订单对应的一个子数据集合；对于任意一个订单集合，根据该订单集合中的子数据集合计算出该订单集合对应的服装浏览次数；对所有订单集的服装浏览次数进行统计分析，计算得到服装浏览次数的平均值，根据所述服装浏览次数的平均值确定用户的服装选择倾向等级。

若用户的服装尺码等级不属于预设服装尺码范围，则将该用户标记为第一类型；若用户的服装尺码等级属于所述预设服装尺码范围，对于该用户的消费等级小于第一预设等级，且服装选择倾向等级小于第二预设等级的情况，将该用户标记为第二类型，否则标记为第三类型。

所述类别标签包括用户的消费等级、服装尺码等级和服装选择倾向等级，以及用户的类型。

根据所述类别标签从服装数据库中选择出第一目标服装包括：

根据所述类别标签确定用户的类型，从所述服装数据库中选择出与用户的类型相对应的服装，得到预选服装。

对于被标记为第一类型的用户，根据所述服装尺码等级对所述预选服装进行筛选，得到所述第一目标服装；对于被标记为第二类型的用户，根据所述消费等级对所述预选服装进行筛选，得到所述第一目标服装；对于被标记为第三类型的用户，将所述预选服装作为所述第一目标服装。

根据所述风格标签从所述第一目标服装中选择出第二目标服装包括：

根据所述风格标签对所述第一目标服装进行初次筛选，确定所述风格标签中每个标签的权重，基于所述风格标签中每个标签的权重计算初次筛选后的服装的推荐值，根据预设推荐阈值对初次筛选后的服装进行二次筛选，将剩余的服装按照所述推荐值进行排序，得到所述第二目标服装。

所述基于所述第二目标服装向用户进行服装推荐包括：

根据所述服装选择倾向等级确定推荐周期，获取所述第二目标服装的推荐顺序，根据所述推荐周期和所述推荐顺序将所述第二目标服装中的服装向用户进行服装推荐。

对于根据该订单集合中的子数据集合计算出该订单集合对应的服装浏览次数，还包括：

根据预设浏览时长对子数据集合中的历史浏览数据进行筛选，得到浏览时长大于预设浏览时长的目标浏览数据，统计目标浏览数据的服装浏览次数。

本***还包括：

反馈模块，用于获取用户的浏览反馈数据，根据所述浏览反馈数据调整将所述第二目标服装中的服装向用户进行服装推荐的推荐顺序；具体为：浏览反馈数据为用户对被推荐的服装的实际浏览情况，包括图片浏览时长、服装详情浏览时长和评价浏览时长，并根据以下公式计算出推荐顺序调整参数：

T=α₁m₁(c₁D₁+c₂D₂+c₃D₃)；

式中，T为推荐顺序调整参数，m₁为图片浏览、服装详情浏览和评价数据浏览的总次数，D₁为图片浏览时长，D₂为服装详情浏览时长，D₃为评价浏览时长，α₁为m₁的权重参数，c₁、c₂和c₃分别为图片浏览时长D₁、服装详情浏览时长D₂和评价浏览时长D₃的权重参数；

其中，对于m₁用户的图片浏览时长、服装详情浏览时长和评价浏览时长中任意一个时长大于零则m₁的数值加一；

在计算得到推荐顺序调整参数T后，获取推荐顺序调整参数T对应的推荐服装的风格标签，用推荐顺序调整参数T对风格标签的权重进行调整，并对剩余的未推荐服装的推荐值校正更新，得到新的推荐顺序。

与现有技术相比，本发明的有益效果为：

1、本发明通过获取用户的历史浏览数据与历史订单数据，对用户进行类型分析和风格分析，得到用户的实际消费分析结果，根据实际消费分析结果针对性地对用户进行定制服装设计相关内容的推荐，以便让实际需要服装定制服务的用户能对服装定制有更好地了解。

2、本发明通过获取用户的浏览反馈数据，对浏览反馈数据进行分析处理后计算出推荐顺序调整参数，通过推荐顺序调整参数对未推荐的服装的推荐顺序进行调整，提升推荐的精准度。

附图说明

图1为本发明实施例中提供的一种定制服装设计推荐***的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请部分实施例进行进一步详细说明。

实施例1，参见图1，一种定制服装设计推荐***，***包括：

数据获取模块，用于基于大数据技术获取用户的历史浏览数据与历史订单数据；

需要补充的是，在基于大数据技术获取用户的历史浏览数据与历史订单数据的过程中，可先向用户发出信息获取申请，在接收到用户的同意回复后，再基于大数据技术获取用户的历史浏览数据与历史订单数据，其中，历史浏览数据可以是关于用户对服装的相关浏览数据，历史订单数据可以是用户购买服装的相关订单数据。

类型分析模块，用于对用户的历史浏览数据和历史订单数据进行用户类型分析，得到类型分析结果，根据类型分析结果为用户添加类别标签；

风格分析模块，用于对用户的历史浏览数据和历史订单数据进行用户风格分析，得到风格分析结果，根据风格分析结果为用户添加风格标签；

推荐模块，用于对用户进行标签识别，得到用户的类别标签和风格标签，根据类别标签从服装数据库中选择出第一目标服装，根据风格标签从第一目标服装中选择出第二目标服装，基于第二目标服装向用户进行服装推荐。

本发明实施例提供的一种定制服装设计推荐***，通过数据获取模块获取用户的历史浏览数据与历史订单数据，通过类型分析模块对用户进行类型分析，通过风格分析模块对用户进行风格分析，完成对用户的个性化分析，根据分析结果为用户添加类别标签和风格标签，根据用户的类别标签和风格标签向用户发送定制服装设计的相关内容，实现针对性的内容推荐，以便让实际需要服装定制服务的用户能对服装定制有更好地了解。

以下对本申请实施例提供的一种定制服装设计推荐***进行详细阐述。

在一种可选的实施方案中，对于类型分析模块，进行用户类型分析包括：

获取用户的历史浏览数据和历史订单数据，根据历史订单数据确定用户的消费等级和服装尺码等级，根据历史浏览数据和历史订单数据确定用户的服装选择倾向等级。

需要补充的是，对于消费等级，可以根据历史订单数据确定用户的消费总金额，将消费等级划分为1至10级，每个等级对应不同的消费总金额范围；对于服装尺码等级，可以根据历史订单数据确定用户的服装尺码，将服装尺码等级划分为1至10级，每个等级对应不同的服装尺码范围。

对于服装选择倾向等级，可以根据历史浏览数据和历史订单数据确定用户的选择参数，具体地，根据时间关系，基于历史订单数据将历史浏览数据分割为多个部分，每个历史订单对应一部分历史浏览数据，计算每个历史订单下用户的服装浏览次数，对所有历史订单的服装浏览次数进行统计分析，计算得到服装浏览次数的平均值，服装选择倾向等级划分为1至10级，每个等级对应不同的服装浏览次数范围。

根据用户的消费等级、服装尺码等级和服装选择倾向等级将用户划分为不同的类型，若用户的服装尺码等级不属于预设服装尺码范围，则将该用户标记为第一类型；

需要补充的是，预设服装尺码范围的意义在于划分出身高体重比较特殊的人群，身高体重比较特殊的用户标记为第一类型。

若用户的服装尺码等级属于预设服装尺码范围，在这种情况下，对于该用户的消费等级小于第一预设等级，且服装选择倾向等级小于第二预设等级的情况，将该用户标记为第二类型，否则标记为第三类型；

需要补充的是，第一预设等级的意义在于筛选出在服装上消费较少的用户，第二预设等级的意义在于筛选出在服装挑选上选择较为容易的用户，例如，有的用户可能在浏览了几件服装后就从中选择出了想要购买的服装，这类用户即为在服装挑选上选择较为容易的用户，而有的用户浏览了十几件甚至更多件数的服装后才选择出想要购买的服装，这类用户为在服装挑选上选择较为困难的用户；将同时满足以上两个条件的用户标记为第二类型，则剩余的用户均属于第三类型。

通过类型分析模块对用户进行类型分析后，得到类型分析结果，类型分析结果具体包括用户的消费等级、服装尺码等级和服装选择倾向等级，以及用户的类型，将上述数据作为该用户的类别标签。

在一种可选的实施方案中，在计算每个历史订单下用户的服装浏览次数的过程中，还包括：

根据预设浏览时长对每个历史订单下的历史浏览数据进行筛选，筛除浏览时长不大于预设浏览时长的数据，得到目标浏览数据，统计目标浏览数据的服装浏览次数。

在一种可选的实施方案中，对于风格分析模块，进行用户风格分析包括：

获取用户的历史浏览数据和历史订单数据，按照时间顺序将历史浏览数据分割为多个子数据集合，根据历史订单数据创建得到多个订单集合，每个订单集合包括一个历史订单和与该历史订单对应的一个子数据集合；

需要补充的是，将历史浏览数据分割后得到的子数据集合的数量与历史订单的数量相同，每一个历史订单对应一个子数据集合，子数据集合表示用户在购买某个历史订单的服装时所浏览的服装。

对于任意一个订单集合，识别该订单集合中子数据集合的第一标签，根据出现频次对第一标签进行排序，识别该订单集合中历史订单的第二标签，判断第二标签在第一标签中的排序是否大于预设排名，若是则将第二标签作为该订单集合的第三标签。

需要补充的是，对于任意一个订单集合中的子数据集合，第一标签中标签总数量可能为一个，也可能为多个，第一标签中任意一个标签出现的次数可能为一个，也可能为多个，统计，第一标签中每个标签的出现频次，按照从大到小的顺序对第一标签中的所有标签进行排序；对于任意一个订单集合中的历史订单，可确定该订单的第二标签，可以想到的是，第二标签的数量为一个，且第二标签被包括在第一标签中，找出第二标签在第一标签中的排序，根据第二标签在第一标签中的排序确定该订单集合的第三标签，具体的，第二标签在第一标签中的排序大于预设排名，表示该第二标签具有参考价值，将其作为该订单集合的第三标签，否则舍弃该订单集合，在本实施例中预设排名为第四名，当第二标签在第一标签中的排序属于前三时，表示该第二标签具有参考价值。

对所有订单集合的第三标签进行统计分析，根据出现频次确定每个标签的频次权重参数，根据季节属性确定每个标签的时间权重参数，根据用户的类型确定每个用户的修正参数，根据频次权重参数、时间权重参数和修正参数计算每个标签的参考值，根据参考值对第三标签进行排序，得到风格分析结果。

需要补充的是，统计每个订单集合的第三标签，计算每个第三标签的出现频次，根据出现频次确定每个第三标签的频次权重参数，可以想到的是，出现频次高，频次权重参数越大；季节属性可根据当前季节与历史订单的交易时间确定，根据时间变化顺序，历史订单的交易时间对应的季节与当前季节相隔越久，时间权重参数越小；修正参数跟用户的类型有关，修正参数用于对时间权重参数进行修正，对于第一类型、第二类型和第三类型的三种用户，用户的修正参数大小关系为第一类型＞第二类型＞第三类型。

具体地，任一标签的参考值的计算公式如下：

R_e=((n₁P)(n₂+n₃))/(n₁+n₂+n₃)；

式中，R_e表示参考值，P表示标签的出现频次，n₁为频次权重参数，n₂为时间权重参数，n₃为修正参数。

风格标签为从风格分析结果中按照大小顺序选取的预设数量的标签。

在一种可选的实施方案中，对于推荐模块，根据类别标签从服装数据库中选择出第一目标服装包括：

根据类别标签确定用户的类型，从服装数据库中选择出与用户的类型相对应的服装，得到预选服装；

需要补充的是，服装数据库记录了不同用户的类型对应的服装，确定用户的类型后，可根据用户的类型对服装数据库记录的服装进行筛选，得到与用户的类型相对应的服装集合，将其记为预选服装。

对于被标记为第一类型的用户，根据服装尺码等级对预选服装进行筛选，得到第一目标服装；对于被标记为第二类型的用户，根据消费等级对预选服装进行筛选，得到第一目标服装；对于被标记为第三类型的用户，将预选服装作为第一目标服装。

需要补充的是，第一类型的用户具体为身高体重比较特殊的用户，根据服装尺码等级对预选服装进行筛选，可得到与用户比较契合的服装，第二类型的用户消费等级较低且服装挑选比较简单，该类用户在进行服装挑选时，可以较为容易地在有限数量的服装内找到自己的目标，不需要花费较多的时间和精力进行服装挑选，因此，根据消费等级对预选服装进行筛选，第三类型的用户对应服装选择困难的用户，该类用户在进行服装挑选时，需要花费较多的时间和精力在较多数量的服装中找到自己的目标，因此，不需要对预选服装进行筛选。

在一种可选的实施方案中，对于推荐模块，根据风格标签从第一目标服装中选择出第二目标服装包括：

根据风格标签对第一目标服装进行初次筛选，确定风格标签中每个标签的权重，基于风格标签中每个标签的权重计算初次筛选后的服装的推荐值，根据预设推荐阈值对初次筛选后的服装进行二次筛选，将剩余的服装按照推荐值进行排序，得到第二目标服装。

需要补充的是，根据风格标签对第一目标服装进行初次筛选具体为筛选出含有风格标签中任一标签的服装，提取风格标签中标签的排序方式，根据排序方式确定风格标签中每个标签的权重，根据每个标签的权重对计算出服装的推荐值，为了提升推荐的精准度，通过预设推荐阈值对服装进行筛选，将推荐值小于预设推荐阈值的服装筛除，根据推荐值从大到小的顺序将剩余的服装排序，得到第二目标服装。

在一种可选的实施方案中，基于第二目标服装向用户进行服装推荐包括：

根据服装选择倾向等级确定推荐周期，获取第二目标服装的推荐顺序，根据推荐周期和推荐顺序将第二目标服装中的服装向用户进行服装推荐。

需要补充的是，对于不同的用户，服装选择倾向等级可能相同也可能不同，对于服装选择倾向等级较低的用户，选择服装比较简单，可以想到的是推荐周期可以更长，对于服装选择倾向等级较高的用户，选择服装较为困难，因此可以适当地提升对该类用户的推荐周期，第二目标服装的推荐顺序即为第二目标服装中服装的排序方式，根据推荐顺序周期性地向用户进行服装推荐。

在一种可选的实施方案中，本发明实施例提供的一种定制服装设计推荐***，还包括：

反馈模块，用于获取用户的浏览反馈数据，根据浏览反馈数据调整将第二目标服装中的服装向用户进行服装推荐的推荐顺序。

需要补充的是，浏览反馈数据具体为用户对被推荐的服装的实际浏览情况，包括图片浏览时长、服装详情浏览时长和评价浏览时长，并根据以下公式计算出推荐顺序调整参数：

T=α₁m₁(c₁D₁+c₂D₂+c₃D₃)；

式中，T为推荐顺序调整参数，m₁为图片浏览、服装详情浏览和评价数据浏览的总次数，D₁为图片浏览时长，D₂为服装详情浏览时长，D₃为评价浏览时长，α₁为m₁的权重参数，c₁、c₂和c₃分别为图片浏览时长D₁、服装详情浏览时长D₂和评价浏览时长D₃的权重参数。

其中，对于m₁，用户的图片浏览时长、服装详情浏览时长和评价浏览时长中任意一个时长大于零则m₁的数值加一，可以想到的是，用户的图片浏览时长、服装详情浏览时长和评价浏览时长均大于零则m₁的数值为3。

在计算得到推荐顺序调整参数T后，获取推荐顺序调整参数T对应的推荐服装的风格标签，用推荐顺序调整参数T对风格标签的权重进行调整，并对剩余的未推荐服装的推荐值校正更新，得到新的推荐顺序。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。本说明书中未作详细描述的部分属于本领域专业技术人员公知的现有技术。

Claims (7)

1.一种定制服装设计推荐***，其特征在于，所述***包括：

数据获取模块；

类型分析模块，用于对用户的历史浏览数据和历史订单数据进行用户类型分析并为用户添加类别标签；

风格分析模块，用于对用户的所述历史浏览数据和所述历史订单数据进行用户风格分析，得到风格分析结果，根据所述风格分析结果为用户添加风格标签；进行用户风格分析包括：

获取用户的历史浏览数据和历史订单数据，按照时间顺序将历史浏览数据分割为多个子数据集合，根据历史订单数据创建得到多个订单集合，每个订单集合包括一个历史订单和与该历史订单对应的一个子数据集合；

对于任意一个订单集合，识别该订单集合中子数据集合的第一标签，根据出现频次对第一标签进行排序，识别该订单集合中历史订单的第二标签，判断第二标签在第一标签中的排序是否大于预设排名，若是则将第二标签作为该订单集合的第三标签；

对所有订单集合的第三标签进行统计分析，根据出现频次确定每个标签的频次权重参数，根据季节属性确定每个标签的时间权重参数，根据用户的类型确定每个用户的修正参数，根据频次权重参数、时间权重参数和修正参数计算每个标签的参考值，根据参考值对第三标签进行排序，得到风格分析结果；

任一标签的参考值的计算公式如下：

R_e=((n₁P)(n₂+n₃))/(n₁+n₂+n₃)；

式中，R_e表示参考值，P表示标签的出现频次，n₁为频次权重参数，n₂为时间权重参数，n₃为修正参数；

所述风格标签为从所述风格分析结果中按照大小顺序选取的预设数量的标签；

还包括推荐模块；

所述进行用户类型分析包括：获取用户的所述历史浏览数据和所述历史订单数据，根据所述历史订单数据确定用户的消费等级和服装尺码等级，根据所述历史浏览数据和所述历史订单数据确定用户的服装选择倾向等级；服装选择倾向等级包括：按照时间顺序将所述历史浏览数据分割为多个子数据集合，根据所述历史订单数据创建得到多个订单集合，每个订单集合包括一个历史订单和与该历史订单对应的一个子数据集合；对于任意一个订单集合，根据该订单集合中的子数据集合计算出该订单集合对应的服装浏览次数；对所有订单集的服装浏览次数进行统计分析，计算得到服装浏览次数的平均值，根据所述服装浏览次数的平均值确定用户的服装选择倾向等级；

还包括反馈模块，用于获取用户的浏览反馈数据，根据所述浏览反馈数据调整将第二目标服装中的服装向用户进行服装推荐的推荐顺序；具体为：浏览反馈数据为用户对被推荐的服装的实际浏览情况，包括图片浏览时长、服装详情浏览时长和评价浏览时长，并根据以下公式计算出推荐顺序调整参数：

T=α₁m₁(c₁D₁+c₂D₂+c₃D₃)；

式中，T为推荐顺序调整参数，m₁为图片浏览、服装详情浏览和评价数据浏览的总次数，D₁为图片浏览时长，D₂为服装详情浏览时长，D₃为评价浏览时长，α₁为m₁的权重参数，c₁、c₂和c₃分别为图片浏览时长D₁、服装详情浏览时长D₂和评价浏览时长D₃的权重参数；其中，对于m₁用户的图片浏览时长、服装详情浏览时长和评价浏览时长中任意一个时长大于零则m₁的数值加一；

在计算得到推荐顺序调整参数T后，获取推荐顺序调整参数T对应的推荐服装的风格标签，用推荐顺序调整参数T对风格标签的权重进行调整，并对剩余的未推荐服装的推荐值校正更新，得到新的推荐顺序。

2.如权利要求1所述的一种定制服装设计推荐***，其特征在于，数据获取模块用于基于大数据技术获取用户的历史浏览数据与历史订单数据；此步骤中，先向用户发出信息获取申请，在接收到用户的同意回复后，获取用户的历史浏览数据与历史订单数据，其中，历史浏览数据是关于用户对服装的浏览数据，历史订单数据是用户购买服装的订单数据。

3.如权利要求1所述的一种定制服装设计推荐***，其特征在于，类型分析模块用于对用户的所述历史浏览数据和所述历史订单数据进行用户类型分析，得到类型分析结果，根据所述类型分析结果为用户添加类别标签；进行用户类型分析包括：获取用户的历史浏览数据和历史订单数据，根据历史订单数据确定用户的消费等级和服装尺码等级，根据历史浏览数据和历史订单数据确定用户的服装选择倾向等级；

推荐模块用于对用户进行标签识别，得到用户的类别标签和风格标签，根据所述类别标签从服装数据库中选择出第一目标服装，根据所述风格标签从所述第一目标服装中选择出第二目标服装，基于所述第二目标服装向用户进行服装推荐；

服装选择倾向等级还包括：若用户的服装尺码等级不属于预设服装尺码范围，则将该用户标记为第一类型；若用户的服装尺码等级属于所述预设服装尺码范围，对于该用户的消费等级小于第一预设等级，且服装选择倾向等级小于第二预设等级的情况，将该用户标记为第二类型，否则标记为第三类型；

所述类别标签包括用户的消费等级、服装尺码等级和服装选择倾向等级，以及用户的类型。

4.如权利要求3所述的一种定制服装设计推荐***，其特征在于，根据所述类别标签从服装数据库中选择出第一目标服装包括：

根据所述类别标签确定用户的类型，从所述服装数据库中选择出与用户的类型相对应的服装，得到预选服装；

对于被标记为第一类型的用户，根据所述服装尺码等级对所述预选服装进行筛选，得到所述第一目标服装；对于被标记为第二类型的用户，根据所述消费等级对所述预选服装进行筛选，得到所述第一目标服装；对于被标记为第三类型的用户，将所述预选服装作为所述第一目标服装。

5.如权利要求4所述的一种定制服装设计推荐***，其特征在于，根据所述风格标签从第一目标服装中选择出第二目标服装包括：

根据所述风格标签对所述第一目标服装进行初次筛选，确定所述风格标签中每个标签的权重，基于所述风格标签中每个标签的权重计算初次筛选后的服装的推荐值，根据预设推荐阈值对初次筛选后的服装进行二次筛选，将剩余的服装按照所述推荐值进行排序，得到所述第二目标服装。

6.如权利要求3所述的一种定制服装设计推荐***，其特征在于，所述基于所述第二目标服装向用户进行服装推荐包括：

根据所述服装选择倾向等级确定推荐周期，获取所述第二目标服装的推荐顺序，根据所述推荐周期和所述推荐顺序将所述第二目标服装中的服装向用户进行服装推荐。

7.如权利要求4所述的一种定制服装设计推荐***，其特征在于，对于根据该订单集合中的子数据集合计算出该订单集合对应的服装浏览次数，还包括：

根据预设浏览时长对子数据集合中的历史浏览数据进行筛选，得到浏览时长大于预设浏览时长的目标浏览数据，统计目标浏览数据的服装浏览次数。

Images