CN102609869A - 商品购买系统和方法 - Google Patents

Abstract

本发明公开了一种商品购买方法和商品购买系统，所述商品购买方法包括以下步骤：S₁₀₁、读入用户输入的目标商品名称并生成一商品列表；S₁₀₂、在一商品数据库中查找与所述商品列表中的目标商品名称匹配的商品信息；S₁₀₃、生成包含匹配得到的所有商品信息的一第一显示页面。所述商品购买系统包括用于读入用户输入的目标商品名称并生成一商品列表的第一单元；用于在一商品数据库中查找与所述商品列表中的目标商品名称匹配的商品信息的第二单元；用于生成包含匹配得到的所有商品信息的一第一显示页面的第三单元。本发明通过同时为用户提供多种不同商品的检索信息，减少用户检索时间的动作，提高用户购买快消品等商品的购买。

Description

商品购买系统和方法

技术领域

本发明涉及一种商品购买系统和方法，特别是涉及一种电子购物网站的商品购买系统和方法。

背景技术

当今时代是互联网的时代。互联网的发展大大便利了人们的生活，尤其是电子商务的发展。中国的电子商务在最近几年获得了蓬勃的发展，主要销售商品也从最早的图书类商品和电子类商品，发展到现在的家庭快速消费品。

快消品的网购与一般垂直类的电子类商品、图书商品、服装商品是不一样的，购买电子类商品和服装商品时，用户往往可能会进行多次尝试或关注，从而详细了解该产品的信息或用户评论等，而且愿意耗费较多时间；而网购快消品则不然，由于快消品本身的特点决定用户一般不会如电子类产品等那样去耗费太多时间去观看产品信息；而且用户大多一张订单会购买多个不同的商品，所以对减少购买耗时具有更大的需要。另外，由于一次要购买较多商品，很多用户容易忘记一些原本计划好要购买的商品，导致需要再次购买或去超市购买。

目前电子购物网站的导航主要依靠站内搜索和目录导航来实现；这类导航系统能帮助用户快速的找到用户想要的商品。这类导航有个特点是一次导航只能针对一个商品，无法一次找到多个不同种类的商品；当用户购买商品种类较少时，采用这种导航可能不会觉得有什么不便；但是如果用户需要购买较多商品时，就需要进行很多次的搜索或目录导航，耗时很多，所以使得用户不方便。

发明内容

本发明要解决的技术问题是为了克服现有技术的电子购物网站中用户无法同时购买多种不同的商品的缺陷，提供一种商品购买系统和方法，通过同时为用户提供多种不同商品的检索信息，减少用户检索时间的动作，提高用户购买快消品等商品的购买。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供了一种商品购买方法，其特点是所述商品购买方法包括以下步骤：S₁₀₁、读入用户输入的目标商品名称并生成一商品列表；即用户输入需要购买的目标商品的商品名称，所述由用户输入的所有商品名称构成了所述商品列表；S₁₀₂、在一商品数据库中查找与所述商品列表中的目标商品名称匹配的商品信息；S₁₀₃、生成包含匹配得到的所有商品信息的一第一显示页面。

较佳地，所述步骤S₁₀₂为从所述商品列表中的目标商品名称中分析得到所述目标商品名称所属的商品类别和/或所述目标商品名称所包含的商品关键词；在所述商品数据库中基于分析得到的商品类别和/或商品关键词查找商品信息。

较佳地，所述商品类别为所述目标商品名称所属的商品分类的大类或小类。

较佳地，在步骤S₁₀₁之前还包括以下步骤：

S₁₀₀₁、基于用户的历史购买数据生成推荐商品类别和/或推荐商品关键词；S₁₀₀₂、在商品数据库中查找属于所述推荐商品类别和/或包含所述推荐商品关键词的商品信息；S₁₀₀₃、生成包含查找得到的全部商品信息的一第二显示页面。

较佳地，在步骤S₁₀₂中还包括以下步骤：

用户将所述第二显示页面中包括的部分或全部的商品信息的商品名称加入所述商品列表；在所述商品数据库中查找与所述商品列表中的商品名称匹配的商品信息。

较佳地，所述步骤S₁₀₀₁包括：

在用户的历史购买数据中查找符合一第一推荐标准的用户购买商品的商品名称；将查找得到的商品名称写入一第一用户购买商品列表；分析得到所述第一用户购买商品列表中用户购买商品的商品名称的所属的商品类别；基于所述商品类别生成推荐商品类别。

较佳地，所述第一推荐标准为购买时间小于一时间阈值。

较佳地，所述第一推荐标准为购买时间小于一时间阈值、并且处于用户购买商品序列的前一第一推荐数量中：其中所述用户购买商品序列为基于用户购买商品的类别权重、购买个数和购买次数对用户购买商品排序得到的序列。

较佳地，所述商品类别为所述第一用户购买商品列表中用户购买商品的商品名称所属的商品分类的大类或小类。

较佳地，所述步骤S₁₀₀₁包括：

将用户的历史购买数据中所有用户购买商品的商品名称写入一第二用户购买商品列表；分析得到所述第二用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别；基于得到的最小的商品类别生成推荐商品类别。

较佳地，所述步骤S₁₀₀₁中包括：

在用户的历史购买数据中查找符合一第二推荐标准的用户购买商品的商品名称；将查找得到的商品名称写入一第三用户购买商品列表；分析得到所述第三用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别；基于得到的最小的商品类别生成推荐商品类别；

其中所述第二推荐标准为处于用户购买商品序列的前一第二推荐数量中；所述用户购买商品序列为基于用户购买商品的购买时间、类别权重、购买个数和购买次数对用户购买商品排序得到的序列。

较佳地，所述步骤S₁₀₀₁包括：

将用户的历史购买数据中全部用户购买商品的商品名称写入一第四用户购买商品列表；分析得到所述第四用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词；基于得到的商品关键词生成推荐商品关键词。

较佳地，所述步骤S₁₀₀₁中还包括以下步骤：

在用户的历史购买数据中查找符合一第三推荐标准的用户购买商品的商品名称；将查找得到的商品名称写入一第五用户购买商品列表；分析得到所述第五用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词；基于得到的商品关键词生成推荐商品关键词；

其中所述第三推荐标准为处于用户购买商品序列的前一第三推荐数量中；所述用户购买商品序列为基于用户购买商品的关键词权重、购买个数和购买次数对用户购买商品排序得到的序列。

较佳地，所述关键词权重通过下式计算得到：

F＝a*N1+b*N2+c*N3+d*N4

其中N1为用户对用户购买商品的关键词搜索次数，N2为全体用户对关键词的搜索次数，N3为关键词所对应商品的种类的数量，N4为搜索关键词并购买所述关键词所对应商品的次数，F为关键词权重；并且所述参数a、b、c和d均大于零并且满足下式a+b+c+d＝1。

本发明还提供了一种商品购买系统，其特点是所述商品购买系统包括：

用于读入用户输入的目标商品名称并生成一商品列表的第一单元；用于在一商品数据库中查找与所述商品列表中的目标商品名称匹配的商品信息的第二单元；用于生成包含匹配得到的所有商品信息的一第一显示页面的第三单元。

较佳地，所述第二单元包括：

用于从所述商品列表中的目标商品名称中分析得到所述目标商品名称的所属商品类别和/或所述目标商品名称的所包含商品关键词的第一模块；用于在所述商品数据库中基于分析得到的商品类别和/或商品关键词查找商品信息的第二模块。

较佳地，所述商品类别为所述目标商品名称所属的商品分类的大类或小类。

较佳地，所述商品购买系统还包括：

用于基于用户的历史购买数据生成推荐商品类别和/或推荐商品关键词的第四单元；用于在商品数据库中查找属于所述推荐商品类别和/或包括所述推荐商品关键词的商品信息的第五单元；用于生成包含全部查找得到的商品信息的一第二显示页面的第六单元。

较佳地，所述第二单元还包括：

用于用户将所述第二显示页面中包含的部分或全部商品信息的商品名称的加入所述商品列表的第三模块；用于在所述商品数据库中查找与所述商品列表中的商品名称匹配的商品信息的第四模块。

较佳地，所述第四单元包括：

用于在用户的历史购买数据中查找符合一第一推荐标准的用户购买商品的商品名称的第五模块；用于将查找得到的商品名称写入一第一用户购买商品列表的第六模块；用于分析得到所述第一用户购买商品列表中用户购买商品的商品名称所属的所有的商品类别的第七模块；用于基于所述商品类别生成推荐商品类别的第八模块。

较佳地，所述第一推荐标准为购买时间小于一时间阈值。

较佳地，所述第一推荐标准为购买时间小于一时间阈值、并且处于用户购买商品序列的前一第一推荐数量中；其中所述用户购买商品序列为基于用户购买商品的类别权重、购买个数和购买次数对用户购买商品排序得到的序列。

较佳地，所述商品类别为所述第一用户购买商品列表中用户购买商品的商品名称所属的商品分类的大类或小类。

较佳地，所述第四单元包括：

用于将用户的历史购买数据中所有用户购买商品的商品名称写入一第二用户购买商品列表的第九模块；用于分析得到所述第二用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别的第十模块；用于基于得到的最小的商品类别生成推荐商品类别的第十一模块。

较佳地，所述第四单元包括：

用于在用户的历史购买数据中查找符合一第二推荐标准的用户购买商品的商品名称的第十二模块；用于将查找得到的商品名称写入一第三用户购买商品列表的第十三模块；用于分析得到所述第三用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别的第十四模块；用于基于得到的最小的商品类别生成推荐商品类别的第十五模块；

其中所述第二推荐标准为处于用户购买商品序列的前一第二推荐数量中；所述用户购买商品序列为基于用户购买商品的购买时间、类别权重、购买个数和购买次数对用户购买商品排序得到的序列。

较佳地，所述第四单元包括：

用于将用户的历史购买数据中所有用户购买商品的商品名称写入一第四用户购买商品列表的第十六模块；用于分析得到所述第四用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词的第十七模块；用于基于得到的商品关键词生成推荐商品关键词的第十八模块。

较佳地，所述第四单元包括：

用于在用户的历史购买数据中查找符合一第三推荐标准的用户购买商品的商品名称的第十九模块；用于将查找得到的商品名称写入一第五用户购买商品列表的第二十模块；用于分析得到所述第五用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词的第二十一模块；用于基于得到的商品关键词生成推荐商品关键词的第二十二模块；

其中所述第三推荐标准为处于用户购买商品序列的前一第三推荐数量中；所述用户购买商品序列为基于用户购买商品的关键词权重、购买个数和购买次数对用户购买商品排序得到的序列。

较佳地，所述关键词权重通过下式计算得到：

F＝a*N1+b*N2+c*N3+d*N4

其中N1为用户对用户购买商品的关键词搜索次数，N2为全体用户对关键词的搜索次数，N3为关键词所对应商品的种类的数量，N4为搜索关键词并购买所述关键词所对应商品的次数，F为关键词权重；并且所述参数a、b、c和d均大于零并且满足下式a+b+c+d＝1。

本发明的积极进步效果在于：

本发明的商品购买系统和方法通过同时为用户提供多种不同商品的检索信息，减少用户检索时间的动作，提高用户购买快消品等商品的购买。

此外通过分析用户历史购买记录和数据，为用户提供适合用户的商品的快速定位，减少用户寻找时间，提高用户购买商品的效率。

附图说明

图1为本发明的商品购买方法的第一实施例的流程图。

图2为本发明的商品购买方法的第一实施例的商品购买系统的结构示意图。

图3为本发明的商品购买方法的第二实施例的流程图。

图4为本发明的商品购买方法的第二实施例的商品购买系统的结构示意图。

具体实施方式

下面结合附图给出本发明较佳实施例，以详细说明本发明的技术方案。

第一实施例：

如图1所示，本实施例的商品购买方法中包括以下步骤：

步骤101，在用户的历史购买数据中查找符合一第一推荐标准的用户购买商品的商品名称。其中所述第一推荐标准为购买时间小于一时间阈值。所述时间阈值可以根据需要任意设置。即在用户的历史购买数据中查找在一定时间段内用户所购买的的商品。

步骤102，将查找得到的商品名称写入一第一用户购买商品列表。

步骤103，分析得到所述第一用户购买商品列表中用户购买商品的商品名称的所有的商品类别。从而得到用户在一定时间段内用户购买商品所属的商品类别。所述商品类别为与所述第一用户购买商品列表中用户购买商品的商品名称所属的商品分类的大类或小类。

步骤104，基于所述商品类别生成推荐商品类别。所以基于一定时间段内购买商品所属的商品类别推测得到用户现阶段可能购买的商品所述的商品类别。

步骤105，将用户的历史购买数据中所有用户购买商品的商品名称写入一第二用户购买商品列表。

步骤106，分析得到所述第二用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别。即上述步骤在用户购买数据中寻找用户购买的所有商品所属的商品类别。

步骤107，基于得到的最小的商品类别生成推荐商品类别。从而基于用户历史购买数据推测得到用户现阶段可能购买的商品所述的商品类别。

步骤108，将用户的历史购买数据中全部用户购买商品的商品名称写入一第四用户购买商品列表。

步骤109，分析得到所述第四用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词。即上述步骤在用户购买数据中寻找用户购买的所有商品所包含的商品关键词。

步骤110，基于得到的商品关键词生成推荐商品关键词。

通过步骤101至步骤110，基于用户的历史购买数据生成了推荐商品类别和/或推荐商品关键词。即可以推测得到用户可能购买商品的商品类别和/或推荐商品关键词，从而便于用户快速查找需要购买的商品。

步骤111，在商品数据库中查找属于所述推荐商品类别和/或包含所述推荐商品关键词的商品信息。

步骤112，生成包含全部查找得到的商品信息的一第二显示页面。从而为用户提供了可视的商品推荐信息，从而便于用户快速查找需要购买商品的商品信息。

步骤113，读入用户输入的目标商品名称并生成一商品列表。即用户可以一次输入多个大量的需要购买的目标商品的商品名称，所述由用户输入的所有商品名称构成了所述商品列表。因而减少了用户大量的重复的搜索时间。

步骤114，从所述商品列表中目标商品名称中分析得到所述目标商品名称所属的商品类别和/或所述目标商品名称所包含的商品关键词。其中所述商品类别为所述目标商品名称所属的商品分类的大类或小类。

步骤115，用户将所述第二显示页面中包括的商品信息的商品名称的一部分或全部加入所述商品列表。即用户将生成的推荐商品信息选择性地加入用户的搜索列表，从而减少用户重复查找需要购买商品的信息。

步骤116，在所述商品数据库中查找与所述商品列表中商品名称匹配的商品信息。

步骤117，在一商品数据库中基于分析得到的商品类别和/或商品关键词查找商品信息。

步骤118，生成包含匹配得到的所有商品信息的一第一显示页面。即生成用户需要购买商品的详细信息，并以可视地形式提供给用户，从而用户可以进行后续的购买操作。

如图2所示，本实施例的商品购买方法的商品购买系统包括：一第一单元1、一第二单元2、一第三单元3、一第四单元4、一第五单元5和一第六单元6。

其中所述第一单元1用于读入用户输入的目标商品名称并生成一商品列表；第二单元1用于在一商品数据库中查找与所述商品列表中的目标商品名称匹配的商品信息；第三单元3用于生成包含匹配得到的所有商品信息的一第一显示页面；第四单元4用于基于用户的历史购买数据生成推荐商品类别和/或推荐商品关键词；第五单元5用于在商品数据库中查找属于所述推荐商品类别和/或包括所述推荐商品关键词的商品信息；第六单元6用于生成包含全部查找得到的商品信息的一第二显示页面。

其中所述第二单元2中包括一第一模块21、一第二模块22、一第三模块23和一第四模块24。所述第一模块21用于从与所述商品列表中目标商品名称中分析得到所述目标商品名称的所属商品类别和/或所述目标商品名称的所包含商品关键词；所述第二模块22用于在所述商品数据库中基于分析得到的商品类别和/或商品关键词查找商品信息；所述第三模块23用于用户将所述第二显示页面中包含的商品信息的商品名称的一部分或全部加入所述商品列表；所述第四模块24用于在所述商品数据库中查找与所述商品列表中商品名称匹配的商品信息。所述商品类别为所述目标商品名称所属的商品分类的大类或小类。

此外所述第四单元4中包括一第五模块401、一第六模块402、一第七模块403和一第八模块404。其中所述第五模块401用于在用户的历史购买数据中查找符合一第一推荐标准的用户购买商品的商品名称；所述第一推荐标准为购买时间小于一时间阈值。所述第六模块402用于将查找得到的商品名称写入一第一用户购买商品列表；所述第七模块403用于分析得到所述第一用户购买商品列表中用户购买商品的商品名称所属的所有的商品类别；所述第八模块404用于基于所述商品类别生成推荐商品类别。所述商品类别为与所述第一用户购买商品列表中用户购买商品的商品名称所属的商品分类的大类或小类。

所述第四单元4中还包括一第九模块405、一第十模块406、一第十一模块407，其中所述第九模块405用于将用户的历史购买数据中所有用户购买商品的商品名称写入一第二用户购买商品列表；所述第十模块406用于分析得到所述第二用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别；所述第十一模块407用于基于得到的最小的商品类别生成推荐商品类别。

而且所述第四单元4还包括一第十六模块412、一第十七模块413和一第十八模块414。其中所述第十六模块412用于将用户的历史购买数据中所有用户购买商品的商品名称写入一第四用户购买商品列表；所述第十七模块413用于分析得到所述第四用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词；所述第十八模块414用于基于得到的商品关键词生成推荐商品关键词。

本实施例的商品购买方法和商品购买系统通过同时为用户提供多种不同商品的检索信息，减少用户检索时间的动作，提高用户购买快消品等商品的购买。

第二实施例：

如图3所示，本实施例的商品购买方法中包括以下步骤：

步骤201，在用户的历史购买数据中查找符合一第一推荐标准的用户购买商品的商品名称。其中所述第一推荐标准为购买时间小于一时间阈值、并且处于用户购买商品序列的前一第一推荐数量中；所述时间阈值和第一推荐数量可以根据需要任意设置。其中所述用户购买商品序列为基于用户购买商品的类别权重、购买个数和购买次数对用户购买商品排序得到的序列。即在所有处于所述时间阈值范围内的用户购买商品的序列中选取前第一推荐数量的用户购买商品，所以进一步地对用户购买数据进行了筛选，提高推荐成功的概率。

步骤202，将查找得到的商品名称写入一第一用户购买商品列表。

步骤203，分析得到所述第一用户购买商品列表中用户购买商品的商品名称的所有的商品类别。从而得到用户在一定时间段内用户购买商品所属的商品类别。所述商品类别为与所述第一用户购买商品列表中用户购买商品的商品名称所属的商品分类的大类或小类。

步骤204，基于所述商品类别生成推荐商品类别。所以基于一定时间段内购买商品所属的商品类别推测得到用户现阶段可能购买的商品所述的商品类别。

步骤205，在用户的历史购买数据中查找符合一第二推荐标准的用户购买商品的商品名称。其中所述第二推荐标准为处于用户购买商品序列的前一第二推荐数量中；所述第二推荐数量可以根据需要任意设置。所述用户购买商品序列为基于用户购买商品的购买时间、类别权重、购买个数和购买次数对用户购买商品排序得到的序列。即在用户的历史购买数据中所有用户购买商品的序列中选取前第二推荐数量的用户购买商品。

步骤206，将查找得到的商品名称写入一第三用户购买商品列表；

步骤207，分析得到所述第三用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别。

步骤208，基于得到的最小的商品类别生成推荐商品类别。即上述步骤在用户购买数据中寻找用户购买的所有商品所属的商品类别。

步骤209，在用户的历史购买数据中查找符合一第三推荐标准的用户购买商品的商品名称。其中所述第三推荐标准为处于用户购买商品序列的前一第三推荐数量中。所述第三推荐数量可以根据需要任意设置。所述用户购买商品序列为基于用户购买商品的关键词权重、购买个数和购买次数对用户购买商品排序得到的序列。

其中所述关键词权重通过下式计算得到：

F＝a*N1+b*N2+c*N3+d*N4

其中N1为用户对用户购买商品的关键词搜索次数，N2为全体用户对关键词的搜索次数，N3为关键词所对应商品的种类的数量，N4为搜索关键词并购买所述关键词所对应商品的次数，F为关键词权重。并且所述参数a、b、c和d均大于零并且满足下式a+b+c+d＝1。

即在用户的历史购买数据中所有用户购买商品的序列中选取前第三推荐数量的用户购买商品

步骤210，将查找得到的商品名称写入一第五用户购买商品列表。

步骤211，分析得到所述第五用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词。即上述步骤在用户购买数据中寻找用户购买的所有商品所包含的商品关键词

步骤212，基于得到的商品关键词生成推荐商品关键词。

通过步骤201至步骤212，基于用户的历史购买数据生成了推荐商品类别和/或推荐商品关键词。即可以推测得到用户可能购买商品的商品类别和/或推荐商品关键词，从而便于用户快速查找需要购买的商品。

步骤213，在商品数据库中查找属于所述推荐商品类别和/或包含所述推荐商品关键词的商品信息。

步骤214，生成包含全部查找得到的商品信息的一第二显示页面。从而为用户提供了可视的商品推荐信息，从而便于用户快速查找需要购买商品的商品信息。

步骤215，读入用户输入的目标商品名称并生成一商品列表。即用户可以一次输入多个大量的需要购买的目标商品的名称。因而减少了用户大量的重复的搜索时间。

步骤216，从所述商品列表中目标商品名称中分析得到所述目标商品名称所属的商品类别和/或所述目标商品名称所包含的商品关键词。其中所述商品类别为所述目标商品名称所属的商品分类的大类或小类。

步骤217，用户将所述第二显示页面中包括的商品信息的商品名称的一部分或全部加入所述商品列表。即用户将生成的推荐商品信息选择性地加入用户的搜索列表，从而减少用户重复查找需要购买商品的信息。

步骤218，在所述商品数据库中查找与所述商品列表中商品名称匹配的商品信息。

步骤219，在一商品数据库中基于分析得到的商品类别和/或商品关键词查找商品信息。

步骤220，生成包含匹配得到的所有商品信息的一第一显示页面。即生成用户需要购买商品的详细信息，并以可视地形式提供给用户，从而用户可以进行后续的购买操作。

如图4所示，本实施例的商品购买方法的商品购买系统与第一实施例的商品购买系统的区别在于：

本实施例的商品购买系统的第四单元包括一第五模块401、一第六模块402、一第七模块403和一第八模块404。其中所述第五模块401用于在用户的历史购买数据中查找符合一第一推荐标准的用户购买商品的商品名称；所述第六模块402用于将查找得到的商品名称写入一第一用户购买商品列表；所述第七模块403用于分析得到所述第一用户购买商品列表中用户购买商品的商品名称所属的所有的商品类别；所述第八模块404用于基于所述商品类别生成推荐商品类别。所述第一推荐标准为购买时间小于一时间阈值、并且处于用户购买商品序列的前一第一推荐数量中。其中所述用户购买商品序列为基于用户购买商品的类别权重、购买个数和购买次数对用户购买商品排序得到的序列。

所述第四单元还包括一第十二模块408、一第十三模块409、一第十四模块410和一第十五模块411。其中所述第十二模块408用于在用户的历史购买数据中查找符合一第二推荐标准的用户购买商品的商品名称；所述第十三模块409用于将查找得到的商品名称写入一第三用户购买商品列表；所述第十四模块410用于分析得到所述第三用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别；第十五模块411用于基于得到的最小的商品类别生成推荐商品类别。其中所述第二推荐标准为处于用户购买商品序列的前一第二推荐数量中；所述用户购买商品序列为基于用户购买商品的购买时间、类别权重、购买个数和购买次数对用户购买商品排序得到的序列。

所述第四单元还包括一第十九模块415、一第二十模块416、一第二十一模块417和一第二十二模块418。其中所述第十九模块415用于在用户的历史购买数据中查找符合一第三推荐标准的用户购买商品的商品名称，所述第二十模块416用于将查找得到的商品名称写入一第五用户购买商品列表；所述第二十一模块417用于分析得到所述第五用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词；第二十二模块418用于基于得到的商品关键词生成推荐商品关键词。其中所述第三推荐标准为处于用户购买商品序列的前一第三推荐数量中；所述用户购买商品序列为基于用户购买商品的关键词权重、购买个数和购买次数对用户购买商品排序得到的序列。

其中所述关键词权重通过下式计算得到：

F＝a*N1+b*N2+c*N3+d*N4

其中N1为用户对用户购买商品的关键词搜索次数，N2为全体用户对关键词的搜索次数，N3为关键词所对应商品的种类的数量，N4为搜索关键词并购买所述关键词所对应商品的次数，F为关键词权重。并且所述参数a、b、c和d均大于零并且满足下式a+b+c+d＝1。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (28)

1.一种商品购买方法，其特征在于，所述商品购买方法包括以下步骤：

S₁₀₁、读入用户输入的目标商品名称并生成一商品列表；

S₁₀₂、在一商品数据库中查找与所述商品列表中的目标商品名称匹配的商品信息；

S₁₀₃、生成包含匹配得到的所有商品信息的一第一显示页面。

2.如权利要求1所述的商品购买方法，其特征在于，所述步骤S₁₀₂为：

从所述商品列表中的目标商品名称中分析得到所述目标商品名称所属的商品类别和/或所述目标商品名称所包含的商品关键词；

在所述商品数据库中基于分析得到的商品类别和/或商品关键词查找商品信息。

3.如权利要求2所述的商品购买方法，其特征在于，所述商品类别为所述目标商品名称所属的商品分类的大类或小类。

4.如权利要求1-3中任一项所述的商品购买方法，其特征在于，在步骤S₁₀₁之前还包括以下步骤：

S₁₀₀₁、基于用户的历史购买数据生成推荐商品类别和/或推荐商品关键词；

S₁₀₀₂、在商品数据库中查找属于所述推荐商品类别和/或包含所述推荐商品关键词的商品信息；

S₁₀₀₃、生成包含查找得到的全部商品信息的一第二显示页面。

5.如权利要求4所述的商品购买方法，其特征在于，在步骤S₁₀₂中还包括以下步骤：

用户将所述第二显示页面中包括的部分或全部商品信息的商品名称加入所述商品列表；

在所述商品数据库中查找与所述商品列表中的商品名称匹配的商品信息。

6.如权利要求4或5所述的商品购买方法，其特征在于，所述步骤S₁₀₀₁包括：

在用户的历史购买数据中查找符合一第一推荐标准的用户购买商品的商品名称；

将查找得到的商品名称写入一第一用户购买商品列表；

分析得到所述第一用户购买商品列表中用户购买商品的商品名称所属的所有的商品类别；

基于所述商品类别生成推荐商品类别。

7.如权利要求6所述的商品购买方法，其特征在于，所述第一推荐标准为购买时间小于一时间阈值。

8.如权利要求7所述的商品购买方法，其特征在于，所述第一推荐标准为购买时间小于一时间阈值、并且处于用户购买商品序列的前一第一推荐数量中；

其中所述用户购买商品序列为基于用户购买商品的类别权重、购买个数和购买次数对用户购买商品排序得到的序列。

9.如权利要求6-8中任一项所述的商品购买方法，其特征在于，所述商品类别为所述第一用户购买商品列表中用户购买商品的商品名称所属的商品分类的大类或小类。

10.如权利要求4或5所述的商品购买方法，其特征在于，所述步骤S₁₀₀₁包括；

将用户的历史购买数据中所有用户购买商品的商品名称写入一第二用户购买商品列表；

分析得到所述第二用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别；

基于得到的最小的商品类别生成推荐商品类别。

11.如权利要求4或5所述的商品购买方法，其特征在于，所述步骤S₁₀₀₁中包括：

在用户的历史购买数据中查找符合一第二推荐标准的用户购买商品的商品名称；

将查找得到的商品名称写入一第三用户购买商品列表；

分析得到所述第三用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别；

基于得到的最小的商品类别生成推荐商品类别；

其中所述第二推荐标准为处于用户购买商品序列的前一第二推荐数量中；所述用户购买商品序列为基于用户购买商品的购买时间、类别权重、购买个数和购买次数对用户购买商品排序得到的序列。

12.如权利要求4或5所述的商品购买方法，其特征在于，所述步骤S₁₀₀₁包括：

将用户的历史购买数据中全部用户购买商品的商品名称写入一第四用户购买商品列表；

分析得到所述第四用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词；

基于得到的商品关键词生成推荐商品关键词。

13.如权利要求4或5所述的商品购买方法，其特征在于，所述步骤S₁₀₀₁中还包括以下步骤：

在用户的历史购买数据中查找符合一第三推荐标准的用户购买商品的商品名称；

将查找得到的商品名称写入一第五用户购买商品列表；

分析得到所述第五用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词；

基于得到的商品关键词生成推荐商品关键词；

其中所述第三推荐标准为处于用户购买商品序列的前一第三推荐数量中；所述用户购买商品序列为基于用户购买商品的关键词权重、购买个数和购买次数对用户购买商品排序得到的序列。

14.如权利要求13所述的商品购买方法，其特征在于，所述关键词权重通过下式计算得到：

F＝a*N1+b*N2+c*N3+d*N4

其中N1为用户对用户购买商品的关键词搜索次数，N2为全体用户对关键词的搜索次数，N3为关键词所对应商品的种类的数量，N4为搜索关键词并购买所述关键词所对应商品的次数，F为关键词权重；

并且所述参数a、b、c和d均大于零并且满足下式a+b+c+d＝1。

15.一种商品购买系统，其特征在于，所述商品购买系统包括：

用于读入用户输入的目标商品名称并生成一商品列表的第一单元；

用于在一商品数据库中查找与所述商品列表中的目标商品名称匹配的商品信息的第二单元；

用于生成包含匹配得到的所有商品信息的一第一显示页面的第三单元。

16.如权利要求15所述的商品购买系统，其特征在于，所述第二单元包括：

用于从所述商品列表中的目标商品名称中分析得到所述目标商品名称的所属商品类别和/或所述目标商品名称的所包含商品关键词的第一模块；

用于在所述商品数据库中基于分析得到的商品类别和/或商品关键词查找商品信息的第二模块。

17.如权利要求16所述的商品购买系统，其特征在于，所述商品类别为所述目标商品名称所属的商品分类的大类或小类。

18.如权利要求15-17中任一项所述的商品购买系统，其特征在于，所述商品购买系统还包括：

用于基于用户的历史购买数据生成推荐商品类别和/或推荐商品关键词的第四单元；

用于在商品数据库中查找属于所述推荐商品类别和/或包括所述推荐商品关键词的商品信息的第五单元；

用于生成包含查找得到的全部商品信息的一第二显示页面的第六单元。

19.如权利要求18所述的商品购买系统，其特征在于，所述第二单元还包括：

用于供用户将所述第二显示页面中包含的部分或全部商品信息的商品名称加入所述商品列表的第三模块；

用于在所述商品数据库中查找与所述商品列表中的商品名称匹配的商品信息的第四模块。

20.如权利要求18或19所述的商品购买系统，其特征在于，所述第四单元包括：

用于在用户的历史购买数据中查找符合一第一推荐标准的用户购买商品的商品名称的第五模块；

用于将查找得到的商品名称写入一第一用户购买商品列表的第六模块；

用于分析得到所述第一用户购买商品列表中用户购买商品的商品名称所属的所有的商品类别的第七模块；

用于基于所述商品类别生成推荐商品类别的第八模块。

21.如权利要求20所述的商品购买系统，其特征在于，所述第一推荐标准为购买时间小于一时间阈值。

22.如权利要求21所述的商品购买系统，其特征在于，所述第一推荐标准为购买时间小于一时间阈值、并且处于用户购买商品序列的前一第一推荐数量中；

其中所述用户购买商品序列为基于用户购买商品的类别权重、购买个数和购买次数对用户购买商品排序得到的序列。

23.如权利要求20-22中任一项所述的商品购买系统，其特征在于，所述商品类别为所述第一用户购买商品列表中用户购买商品的商品名称所属的商品分类的大类或小类。

24.如权利要求18或19所述的商品购买系统，其特征在于，所述第四单元包括：

用于将用户的历史购买数据中所有用户购买商品的商品名称写入一第二用户购买商品列表的第九模块；

用于分析得到所述第二用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别的第十模块；

用于基于得到的最小的商品类别生成推荐商品类别的第十一模块。

25.如权利要求18或19所述的商品购买系统，其特征在于，所述第四单元包括：

用于在用户的历史购买数据中查找符合一第二推荐标准的用户购买商品的商品名称的第十二模块；

用于将查找得到的商品名称写入一第三用户购买商品列表的第十三模块；

用于分析得到所述第三用户购买商品列表中用户购买商品的商品名称所属的最小的商品类别的第十四模块；

用于基于得到的最小的商品类别生成推荐商品类别的第十五模块；

其中所述第二推荐标准为处于用户购买商品序列的前一第二推荐数量中；所述用户购买商品序列为基于用户购买商品的购买时间、类别权重、购买个数和购买次数对用户购买商品排序得到的序列。

26.如权利要求18或19所述的商品购买系统，其特征在于，所述第四单元包括：

用于将用户的历史购买数据中所有用户购买商品的商品名称写入一第四用户购买商品列表的第十六模块；

用于分析得到所述第四用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词的第十七模块；

用于基于得到的商品关键词生成推荐商品关键词的第十八模块。

27.如权利要求18或19所述的商品购买系统，其特征在于，所述第四单元包括：

用于在用户的历史购买数据中查找符合一第三推荐标准的用户购买商品的商品名称的第十九模块；

用于将查找得到的商品名称写入一第五用户购买商品列表的第二十模块；

用于分析得到所述第五用户购买商品列表中用户购买商品的商品名称所包含的所有的商品关键词的第二十一模块；

用于基于得到的商品关键词生成推荐商品关键词的第二十二模块；

其中所述第三推荐标准为处于用户购买商品序列的前一第三推荐数量中；所述用户购买商品序列为基于用户购买商品的关键词权重、购买个数和购买次数对用户购买商品排序得到的序列。

28.如权利要求27所述的商品购买系统，其特征在于，所述关键词权重通过下式计算得到：

F＝a*N1+b*N2+c*N3+d*N4

其中N1为用户对用户购买商品的关键词搜索次数，N2为全体用户对关键词的搜索次数，N3为关键词所对应商品的种类的数量，N4为搜索关键词并购买所述关键词所对应商品的次数，F为关键词权重；

并且所述参数a、b、c和d均大于零并且满足下式a+b+c+d＝1。

Images