CN110287410A - 一种o2o电商场景下用户的多种推荐算法的融合方法 - Google Patents
一种o2o电商场景下用户的多种推荐算法的融合方法 Download PDFInfo
- Publication number
- CN110287410A CN110287410A CN201910487124.XA CN201910487124A CN110287410A CN 110287410 A CN110287410 A CN 110287410A CN 201910487124 A CN201910487124 A CN 201910487124A CN 110287410 A CN110287410 A CN 110287410A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- variety
- electric business
- algorithm
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种O2O电商场景下用户的多种推荐算法的融合方法,方法步骤包括:收集用户信息;将协同过滤和内容融合,采用融合的个性化推荐算法处理用户信息;对处理后的信息进行校正;综合个性化推荐算法和校正结果,向用户推荐个性化商品;追踪用户对推荐商品的接受情况,并收集相关数据。本发明利用个性化融合内容和协同过滤推荐算法一定程度上满足了用户的多样性需求和粒度上的兴趣需求;引入商品展示位置加权、门店品类加权、考虑当前用户所处的场景等信息,通过这些策略在推荐算法的不同表现进行融合,不同的算法在上述维度上表现各有优劣,利用融合策略最大程度释放每种算法的优点,从而实现对不同用户的推荐的精准性、高效性。
Description
技术领域
本发明涉及电商领域,尤其涉及一种O2O电商场景下用户的多种推荐算法的融合方法。
背景技术
O2O即Online To Offline(在线离线/线上到线下),是指将线下的商务机会与互联网结合,让互联网成为线下交易的平台,用户在购物平台上消费时,商家会对用户进行相关商品的推荐,以达到吸引用户,增大销量的目的,常用的推荐算法如协同过滤和基于内容的个性化推荐算法,其中协同过滤简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息,个人通过合作的机制给予信息相当程度的回应(如评分)并记录下来以达到过滤的目的进而帮助别人筛选信息,回应不一定局限于特别感兴趣的;基于内容的推荐算法关键在于标签,推荐算法将产品分解为一系列标签,并根据用户对产品的行为(例如,购买、浏览)将用户也描述为一系列标签。
上述方法在推荐过程中都存在准确度和单一性等问题;用户的喜好程度和口味不尽相同,基于时间、地理未知的维度信息也增加了推荐系统的难度。
为解决上述问题,本申请中提出一种O2O电商场景下用户的多种推荐算法的融合方法。
发明内容
(一)发明目的
为解决背景技术中存在的技术问题,本发明提出一种O2O电商场景下用户的多种推荐算法的融合方法,本发明利用个性化融合内容和协同过滤推荐算法一定程度上满足了用户的多样性需求和粒度上的兴趣需求;引入商品展示位置加权、门店品类加权、考虑当前用户所处的场景等信息,通过这些策略在推荐算法的不同表现进行融合,不同的算法在上述维度上表现各有优劣,利用融合策略最大程度释放每种算法的优点,从而实现对不同用户的推荐的精准性、高效性。
(二)技术方案
为解决上述问题,本发明提供了一种O2O电商场景下用户的多种推荐算法的融合方法,方法步骤包括:
S1、收集用户信息;
S2、将协同过滤和内容融合,采用融合的个性化推荐算法处理用户信息;
S3、对处理后的信息进行校正;
S4、综合个性化推荐算法和校正结果,向用户推荐个性化商品;
S5、追踪用户对推荐商品的接受情况,并收集相关数据。
优选的,在S1中,收集的信息内容包括用户在购物平台上的浏览、收藏和购买的商品信息。
优选的,在S2中,首先将购物平台上的商品分解为一系列标签,并根据标签进行分类;接着对收集的用户信息进行标签化处理,计算每个用户的兴趣标签,并根据用户的兴趣标签近似度进行分组;例如,用户购买了一个产品,则将该产品的所有标签对应给该用户,每个标签打分为1,用户浏览了一个产品,则将该产品的所有标签对于给该用户,每个标签打分为0.5;然后参考同组用户的兴趣标签及个人兴趣标签来推荐用户感兴趣的商品信息;最后对新推出的商品进行标签化处理,根据新商品的标签与用户兴趣标签的匹配度进行相关推荐。
优选的,在S3中,引入商品展示位置加权、门店品类加权、考虑当前用户所处的场景信息对个性化推荐算法结果进行校正。
优选的,在S5中,对用户进行商品推荐后,追踪用户对商品的浏览、收藏和购买情况,收集相关信息,从而进一步校正推荐算法的准确性。
本发明的上述技术方案具有如下有益的技术效果:
常用的推荐算法如协同过滤和基于内容的个性化推荐算法,在推荐过程中存在准确度和单一性等问题;用户的喜好程度和口味不尽相同,基于时间、地理未知的维度信息也增加了推荐系统的难度,本发明利用个性化融合内容和协同过滤推荐算法一定程度上满足了用户的多样性需求和粒度上的兴趣需求;引入商品展示位置加权、门店品类加权、考虑当前用户所处的场景等信息,通过这些策略在推荐算法的不同表现进行融合,不同的算法在上述维度上表现各有优劣,利用融合策略最大程度释放每种算法的优点,从而实现对不同用户的推荐的精准性、高效性。
附图说明
图1为本发明提出的一种O2O电商场景下用户的多种推荐算法的融合方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
如图1所示,本发明提出的一种O2O电商场景下用户的多种推荐算法的融合方法,方法步骤包括:
S1、收集用户信息;
S2、将协同过滤和内容融合,采用融合的个性化推荐算法处理用户信息;
S3、对处理后的信息进行校正;
S4、综合个性化推荐算法和校正结果,向用户推荐个性化商品;
S5、追踪用户对推荐商品的接受情况,并收集相关数据。
在一个可选的实施例中,在S1中,收集的信息内容包括用户在购物平台上的浏览、收藏和购买的商品信息。
在一个可选的实施例中,在S2中,首先将购物平台上的商品分解为一系列标签,并根据标签进行分类;接着对收集的用户信息进行标签化处理,计算每个用户的兴趣标签,并根据用户的兴趣标签近似度进行分组;例如,用户购买了一个产品,则将该产品的所有标签对应给该用户,每个标签打分为1,用户浏览了一个产品,则将该产品的所有标签对于给该用户,每个标签打分为0.5;然后参考同组用户的兴趣标签及个人兴趣标签来推荐用户感兴趣的商品信息;最后对新推出的商品进行标签化处理,根据新商品的标签与用户兴趣标签的匹配度进行相关推荐。
在一个可选的实施例中,在S3中,引入商品展示位置加权、门店品类加权、考虑当前用户所处的场景信息对个性化推荐算法结果进行校正。
在一个可选的实施例中,在S5中,对用户进行商品推荐后,追踪用户对商品的浏览、收藏和购买情况,收集相关信息,从而进一步校正推荐算法的准确性。
本发明中,利用个性化融合内容和协同过滤推荐算法一定程度上满足了用户的多样性需求和粒度上的兴趣需求;引入商品展示位置加权、门店品类加权、考虑当前用户所处的场景等信息,通过这些策略在推荐算法的不同表现进行融合,不同的算法在上述维度上表现各有优劣,利用融合策略最大程度释放每种算法的优点,从而实现对不同用户的推荐的精准性、高效性。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (5)
1.一种O2O电商场景下用户的多种推荐算法的融合方法,其特征在于,方法步骤包括:
S1、收集用户信息;
S2、将协同过滤和内容融合,采用融合的个性化推荐算法处理用户信息;
S3、对处理后的信息进行校正;
S4、综合个性化推荐算法和校正结果,向用户推荐个性化商品;
S5、追踪用户对推荐商品的接受情况,并收集相关数据。
2.根据权利要求1所述的一种O2O电商场景下用户的多种推荐算法的融合方法,其特征在于,在S1中,收集的信息内容包括用户在购物平台上的浏览、收藏和购买的商品信息。
3.根据权利要求1所述的一种O2O电商场景下用户的多种推荐算法的融合方法,其特征在于,在S2中,首先将购物平台上的商品分解为一系列标签,并根据标签进行分类;接着对收集的用户信息进行标签化处理,计算每个用户的兴趣标签,并根据用户的兴趣标签近似度进行分组;然后参考同组用户的兴趣标签及个人兴趣标签来推荐用户感兴趣的商品信息;最后对新推出的商品进行标签化处理,根据新商品的标签与用户兴趣标签的匹配度进行相关推荐。
4.根据权利要求1所述的一种O2O电商场景下用户的多种推荐算法的融合方法,其特征在于,在S3中,引入商品展示位置加权、门店品类加权、考虑当前用户所处的场景信息对个性化推荐算法结果进行校正。
5.根据权利要求1所述的一种O2O电商场景下用户的多种推荐算法的融合方法,其特征在于,在S5中,对用户进行商品推荐后,追踪用户对商品的浏览、收藏和购买情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910487124.XA CN110287410A (zh) | 2019-06-05 | 2019-06-05 | 一种o2o电商场景下用户的多种推荐算法的融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910487124.XA CN110287410A (zh) | 2019-06-05 | 2019-06-05 | 一种o2o电商场景下用户的多种推荐算法的融合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110287410A true CN110287410A (zh) | 2019-09-27 |
Family
ID=68003407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910487124.XA Pending CN110287410A (zh) | 2019-06-05 | 2019-06-05 | 一种o2o电商场景下用户的多种推荐算法的融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110287410A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010783A (zh) * | 2021-03-17 | 2021-06-22 | 华南理工大学 | 基于多模态心血管疾病信息的医疗推荐方法、系统及介质 |
CN113221000A (zh) * | 2021-05-17 | 2021-08-06 | 上海博亦信息科技有限公司 | 一种人才数据智能检索及推荐方法 |
CN116645167A (zh) * | 2023-05-30 | 2023-08-25 | 阿锐巴数据科技(上海)有限公司 | 一种基于智能决策的商品推荐系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809475A (zh) * | 2016-02-29 | 2016-07-27 | 南京大学 | “互联网+旅游”环境下支持o2o应用的商品推荐方法 |
CN107341204A (zh) * | 2017-06-22 | 2017-11-10 | 电子科技大学 | 一种融合物品标签信息的协同过滤推荐方法及系统 |
CN107391687A (zh) * | 2017-07-24 | 2017-11-24 | 华中师范大学 | 一种面向地方志网站的混合推荐系统 |
CN107403359A (zh) * | 2017-07-20 | 2017-11-28 | 义乌洞开网络科技有限公司 | 一种电商平台商品精准推荐系统及其方法 |
CN107562818A (zh) * | 2017-08-16 | 2018-01-09 | 中国工商银行股份有限公司 | 信息推荐系统及方法 |
TW201839686A (zh) * | 2017-04-19 | 2018-11-01 | 王穩超 | 線上到線下電子商務系統 |
CN109345348A (zh) * | 2018-09-30 | 2019-02-15 | 重庆誉存大数据科技有限公司 | 基于旅行社用户的多维信息画像的推荐方法 |
CN109615466A (zh) * | 2018-11-27 | 2019-04-12 | 浙江工商大学 | 面向移动订餐系统的内容推荐和协同过滤推荐的混合方法 |
CN109636545A (zh) * | 2018-12-26 | 2019-04-16 | 广州市耀锋电子网络科技有限公司 | 一种电商平台商品推荐算法 |
-
2019
- 2019-06-05 CN CN201910487124.XA patent/CN110287410A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809475A (zh) * | 2016-02-29 | 2016-07-27 | 南京大学 | “互联网+旅游”环境下支持o2o应用的商品推荐方法 |
TW201839686A (zh) * | 2017-04-19 | 2018-11-01 | 王穩超 | 線上到線下電子商務系統 |
CN107341204A (zh) * | 2017-06-22 | 2017-11-10 | 电子科技大学 | 一种融合物品标签信息的协同过滤推荐方法及系统 |
CN107403359A (zh) * | 2017-07-20 | 2017-11-28 | 义乌洞开网络科技有限公司 | 一种电商平台商品精准推荐系统及其方法 |
CN107391687A (zh) * | 2017-07-24 | 2017-11-24 | 华中师范大学 | 一种面向地方志网站的混合推荐系统 |
CN107562818A (zh) * | 2017-08-16 | 2018-01-09 | 中国工商银行股份有限公司 | 信息推荐系统及方法 |
CN109345348A (zh) * | 2018-09-30 | 2019-02-15 | 重庆誉存大数据科技有限公司 | 基于旅行社用户的多维信息画像的推荐方法 |
CN109615466A (zh) * | 2018-11-27 | 2019-04-12 | 浙江工商大学 | 面向移动订餐系统的内容推荐和协同过滤推荐的混合方法 |
CN109636545A (zh) * | 2018-12-26 | 2019-04-16 | 广州市耀锋电子网络科技有限公司 | 一种电商平台商品推荐算法 |
Non-Patent Citations (2)
Title |
---|
莫重骥: "基于在线购物行为的O2O推荐系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
金石: "基于运营商管道大数据的智能电商推荐系统", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010783A (zh) * | 2021-03-17 | 2021-06-22 | 华南理工大学 | 基于多模态心血管疾病信息的医疗推荐方法、系统及介质 |
CN113221000A (zh) * | 2021-05-17 | 2021-08-06 | 上海博亦信息科技有限公司 | 一种人才数据智能检索及推荐方法 |
CN113221000B (zh) * | 2021-05-17 | 2023-02-28 | 上海博亦信息科技有限公司 | 一种人才数据智能检索及推荐方法 |
CN116645167A (zh) * | 2023-05-30 | 2023-08-25 | 阿锐巴数据科技(上海)有限公司 | 一种基于智能决策的商品推荐系统及方法 |
CN116645167B (zh) * | 2023-05-30 | 2024-03-12 | 阿锐巴数据科技(上海)有限公司 | 一种基于智能决策的商品推荐系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tewari et al. | Book recommendation system based on combine features of content based filtering, collaborative filtering and association rule mining | |
Patro et al. | A hybrid action-related K-nearest neighbour (HAR-KNN) approach for recommendation systems | |
US8762226B2 (en) | Item discovery tools and methods for shopping in an electronic commerce environment | |
US9400831B2 (en) | Providing information recommendations based on determined user groups | |
Bauer et al. | Recommender systems based on quantitative implicit customer feedback | |
CN108805598B (zh) | 相似度信息确定方法、服务器及计算机可读存储介质 | |
CN107038237A (zh) | 基于大数据的用户画像系统及画像方法 | |
CN107862566A (zh) | 一种商品推荐方法和系统 | |
CN109636494A (zh) | 药品推荐方法及系统 | |
CN109658206A (zh) | 信息推荐方法和装置 | |
CN110287410A (zh) | 一种o2o电商场景下用户的多种推荐算法的融合方法 | |
CN107862530A (zh) | 建立用户人际关系信息的方法及装置 | |
CN112435067A (zh) | 跨电商平台与社交平台的智能广告投放方法及系统 | |
CN108153792B (zh) | 一种数据处理方法和相关装置 | |
CN107679960A (zh) | 一种基于服装图像和标签文本双模态内容分析的个性化服装的推荐方法 | |
CN108614832A (zh) | 一种用户个性化商品搜索实现方法及装置 | |
Gholamian et al. | Improving electronic customers' profile in recommender systems using data mining techniques | |
CN106447459A (zh) | 一种根据商品属性自动分类的方法 | |
KR101013942B1 (ko) | 추천 항목 제공 장치 및 방법 | |
CN110020918B (zh) | 一种推荐信息生成方法和系统 | |
Wu et al. | Using the mathematical model on precision marketing with online transaction data computing | |
Talwar et al. | Recommendation system using Apriori algorithm | |
Meel et al. | Inverse document frequency-weighted Word2Vec model to recommend apparels | |
Mohan et al. | Recommendation system in business intelligence solutions for grocery shops: Challenges and perspective | |
Padaya et al. | Smart Local Shopping System |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |
|
RJ01 | Rejection of invention patent application after publication |