CN110737833A - 一种基于推荐度的商品推送方法 - Google Patents

Abstract

本发明公开了一种基于推荐度的商品推送方法，通过为商品添加一级标签标记、次级标签标记和固有标签标记，为用户对商品和标签的不同操作分别设置基础计分，从而根据用户的行为和标签所述的不同标签集，为商品具有的各标签或标签本身累加推荐度计分，计算各商品的推荐度总分，根据推荐度总分的正序为用户推送商品，根据用户的需求和喜好为用户推送更加合适的商品，在需要推送的商品封面上添加标签元素，通过调整各标签元素的位置醒目度和相对大小，可以将用户最为关心的标签设置在商品封面最醒目的位置设置标签元素，使用户更容易了解到商品中自己较为关心的特性，方便用户寻找需要的商品，刺激用户的购物欲望。

Description

一种基于推荐度的商品推送方法

技术领域

本发明涉及大数据分析技术领域，特别是指一种基于推荐度的商品推送方法。

背景技术

在如今的互联网时代，网络购物已经成为很多用户购买商品的重要渠道甚至主要渠道，为了掌握用户的购物偏好和购物习惯，诸多网络购物平台纷纷推出自己的大数据分析方法，用以采集用户的搜索及购物数据，并通过对用户的搜索及购物数据进行分析，向用户推送与用户购物偏好和购物习惯相关性较高的商品，但目前现有技术中对用户的搜索及购物数据分析时，大多真是根据关键词搜索访问频率进行数据计算，在用户某段时间大量搜索某一品类的商品时，就大量推送该品类的商品，而实际上用户的购物需求往往也体现在商品的某些细分通行和通用特性中，现有技术中往往忽略了这些特性，导致推送商品的效果不尽如人意，且即便针对同一件商品，不同用户的关注点也不同，在购物平台上得不到很好的体现，容易导致用户错过自己关注的商品。

发明内容

有鉴于此，本发明的目的在于提出一种基于推荐度的商品推送方法。

基于上述目的本发明提供的一种基于推荐度的商品推送方法，包括以下步骤：

在标签库中设置三种标签集，其中包括用于表示商品的主要分类的一级标签集，用于表示商品的细分特性的次级标签集，用于表示商品的通用特性的若干固有标签集，各标签集内均包括若干标签；

分别为一级标签集、次级标签集和固有标签集设置计分权重；

根据商品的主要分类、细分特性和通用特性为商品添加一级标签标记、次级标签标记和固有标签标记；

为用户对商品和标签的不同操作分别设置基础计分；

当用户对某商品进行相关操作时，根据用户行为和该商品具有的各标签所属的标签集，使用计分权重对基础计分进行加权后，对各标签累加推荐度计分；

当用户对某标签进行相关操作时，根据用户行为和该标签所属的标签集，使用计分权重对基础计分进行加权后，对该标签累加推荐度计分；

根据各商品具有的标签，及各标签的推荐度计分，计算各商品的推荐度总分，根据推荐度总分的正序为用户推送商品；

在需要推送的商品封面上添加标签元素，根据需要推荐的商品的各标签推荐度计分高低，调整各标签元素的位置醒目度和尺寸大小。

优选地，本方法进一步包括：

若用户在第一设定时间内没有对一级标签作出操作，则清除该一级标签的推荐度计分，重新计算各商品的推荐度总分，并根据重新计算后的推荐度总分的正序为用户推送商品。

优选地，本方法进一步包括：

采集各商品具有的一级标签和次级标签信息，计算各次级标签与各一级标签之间的关联性数值，在计算各商品的推荐度总分时，如果该商品的一级标签推荐度计分小于设定值，而次级标签与该一级标签之间的关联性数值大于设定值，则不计入该次级标签的推荐度计分。

优选地，本方法进一步包括：

若用户在购买具有某一级标签的商品后，在第二设定时间内没有对该一级标签作出操作，则清除该一级标签的推荐度计分，重新计算各商品的推荐度总分，并根据重新计算后的推荐度总分的正序为用户推送商品。

优选地，本方法进一步包括：

根据推荐度总分的正序为用户推送商品时，若存在两个以上的一级标签的推荐度计分均超过预设分数阈值，则限制推荐相同的一级标签的商品数量小于设定数量阈值。

从上面所述可以看出，本发明提供的基于推荐度的商品推送方法，通过为商品添加一级标签标记、次级标签标记和固有标签标记，为用户对商品和标签的不同操作分别设置基础计分，从而根据用户的行为和标签所述的不同标签集，为商品具有的各标签或标签本身累加推荐度计分，由于各商品均添加了标签标记，则可以计算出各商品的各标签的推荐度计分，计算各商品的推荐度总分，根据推荐度总分的正序为用户推送商品，根据用户的需求和喜好为用户推送更加合适的商品，在需要推送的商品封面上添加标签元素，根据需要推荐的商品的各标签推荐度计分高低，调整各标签元素的位置醒目度和相对大小，可以将用户最为关心的标签设置在商品封面最醒目的位置设置标签元素，使用户更容易了解到商品中自己较为关心的特性，方便用户寻找需要的商品，刺激用户的购物欲望。

附图说明

图1为本发明实施例的商品推送方法流程示意图；

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白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

一种基于推荐度的商品推送方法，包括以下步骤：

S101在标签库中设置三种标签集，其中包括用于表示商品的主要分类的一级标签集，用于表示商品的细分特性的次级标签集，用于表示商品的通用特性的若干固有标签集，各标签集内均包括若干标签；

S102分别为一级标签集、次级标签集和固有标签集设置计分权重；

S103根据商品的主要分类、细分特性和通用特性为商品添加一级标签标记、次级标签标记和固有标签标记；

S104为用户对商品和标签的不同操作分别设置基础计分；

S105当用户对某商品进行相关操作时，根据用户行为和该商品具有的各标签所属的标签集，使用计分权重对基础计分进行加权后，对各标签累加推荐度计分；

S106当用户对某标签进行相关操作时，根据用户行为和该标签所属的标签集，使用计分权重对基础计分进行加权后，对该标签累加推荐度计分；

S107根据各商品具有的标签，及各标签的推荐度计分，计算各商品的推荐度总分，根据推荐度总分的正序为用户推送商品；

S108在需要推送的商品封面上添加标签元素，根据需要推荐的商品的各标签推荐度计分高低，调整各标签元素的位置醒目度和尺寸大小。

本发明通过为商品添加一级标签标记、次级标签标记和固有标签标记，为用户对商品和标签的不同操作分别设置基础计分，从而根据用户的行为和标签所述的不同标签集，为商品具有的各标签或标签本身累加推荐度计分，由于各商品均添加了标签标记，则可以计算出各商品的各标签的推荐度计分，计算各商品的推荐度总分，根据推荐度总分的正序为用户推送商品，根据用户的需求和喜好为用户推送更加合适的商品，在需要推送的商品封面上添加标签元素，根据需要推荐的商品的各标签推荐度计分高低，调整各标签元素的位置醒目度和相对大小，可以将用户最为关心的标签设置在商品封面最醒目的位置设置标签元素，使用户更容易了解到商品中自己较为关心的特性，方便用户寻找需要的商品，刺激用户的购物欲望。

作为一种实施方式，细分特性可包括商品在主要分类下的进一步分类及在主要分类下的特性，如蓝牙耳机、降噪耳机等。通用特性包括商品与主要分类无关的特性，如价格低于行业平均值，保修期大于2年，代言人等。

作为一种实施方式，标签元素可设置为添加在商品封面上的介绍文字，也可以是能够体现商品特性的图片、字符等。

作为一种实施方式，在设置各标签集的计分权重时，一级标签集权重大于次级标签集权重大于固有标签集权重。

作为一种实施方式，用户对商品和标签的操作包括搜索、点击、收藏、购买等。

作为一种实施方式，本方法进一步包括：

若用户在第一设定时间内没有对一级标签作出操作，则清除该一级标签的推荐度计分，重新计算各商品的推荐度总分，并根据重新计算后的推荐度总分的正序为用户推送商品。

由于用户可能会在一段时间内对某类商品有较强的需求，而经过一段时间后该需求降低，如果因为累积的推荐度评分较高，继续大量推送该类商品，实际上对用户来说是一种无用信息，故本发明设置第一设定时间，判断用户是否不再需求该分类的商品，也就是具有该一级标签的商品。如第一设定时间可设置为10天。

作为一种实施方式，本方法进一步包括：

采集各商品具有的一级标签和次级标签信息，计算各次级标签与各一级标签之间的关联性数值，在计算各商品的推荐度总分时，如果该商品的一级标签推荐度计分小于设定值，而次级标签与该一级标签之间的关联性数值大于设定值，则不计入该次级标签的推荐度计分。

由于次级标签往往与一级标签具有较高的关联性，且可以记录用户对于某些商品特性的偏好，因此不予清理，但在用户不需求该一级标签的商品时，关联性较高的次级标签会对计算造成干扰，如一级标签为耳机，次级标签为蓝牙耳机时，用户在不需求耳机时，一级标签推荐度计分被清除，此时蓝牙耳机这一次级标签也几乎不具有计算意义，因此设置关联性数值，在这种情况下不计入该次级标签的推荐度计分。

具体的，关联性数值的计算可按照如下公式计算：

其中ka为次级标签与一级标签共同出现的次数，kb为次级标签不与该一级标签共同出现的次数。

作为一种实施方式，本方法进一步包括：

若用户在购买具有某一级标签的商品后，在第二设定时间内没有对该一级标签作出操作，则清除该一级标签的推荐度计分，重新计算各商品的推荐度总分，并根据重新计算后的推荐度总分的正序为用户推送商品。

由于用户在某段时间内对某一级标签的大量操作往往是为了购买一件或多件具有该一级标签的商品，而在购买完成后就不再需要该分类商品的推送，故本发明设置第二设定时间，判断用户是否因购买完成，不再需求该分类的商品，也就是具有该一级标签的商品。如第二设定时间可设置为5天。

作为一种方式，本方法进一步包括：

根据推荐度总分的正序为用户推送商品时，若存在两个以上的一级标签的推荐度计分均超过预设分数阈值，则限制推荐相同的一级标签的商品数量小于设定数量阈值。

即用户对两个以上分类的商品均有需求时，避免因其中一个一级标签操作次数过多，而导致在推送商品时忽略其他一级标签，如将设定数量阈值设置为5个，则最多只推荐同样的一级标签的商品数量为5个。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于推荐度的商品推送方法，其特征在于，包括以下步骤：

在标签库中设置三种标签集，其中包括用于表示商品的主要分类的一级标签集，用于表示商品的细分特性的次级标签集，用于表示商品的通用特性的若干固有标签集，各标签集内均包括若干标签；

分别为一级标签集、次级标签集和固有标签集设置计分权重；

根据商品的主要分类、细分特性和通用特性为商品添加一级标签标记、次级标签标记和固有标签标记；

为用户对商品和标签的不同操作分别设置基础计分；

当用户对某商品进行相关操作时，根据用户行为和该商品具有的各标签所属的标签集，使用计分权重对基础计分进行加权后，对各标签累加推荐度计分；

当用户对某标签进行相关操作时，根据用户行为和该标签所属的标签集，使用计分权重对基础计分进行加权后，对该标签累加推荐度计分；

根据各商品具有的标签，及各标签的推荐度计分，计算各商品的推荐度总分，根据推荐度总分的正序为用户推送商品；

在需要推送的商品封面上添加标签元素，根据需要推荐的商品的各标签推荐度计分高低，调整各标签元素的位置醒目度和尺寸大小。

2.根据权利要求1所述的基于推荐度的商品推送方法，其特征在于，所述方法进一步包括：

若用户在第一设定时间内没有对一级标签作出操作，则清除该一级标签的推荐度计分，重新计算各商品的推荐度总分，并根据重新计算后的推荐度总分的正序为用户推送商品。

3.根据权利要求1所述的基于推荐度的商品推送方法，其特征在于，所述方法进一步包括：

采集各商品具有的一级标签和次级标签信息，计算各次级标签与各一级标签之间的关联性数值，在计算各商品的推荐度总分时，如果该商品的一级标签推荐度计分小于设定值，而次级标签与该一级标签之间的关联性数值大于设定值，则不计入该次级标签的推荐度计分。

4.根据权利要求1所述的基于推荐度的商品推送方法，其特征在于，所述方法进一步包括：

若用户在购买具有某一级标签的商品后，在第二设定时间内没有对该一级标签作出操作，则清除该一级标签的推荐度计分，重新计算各商品的推荐度总分，并根据重新计算后的推荐度总分的正序为用户推送商品。

5.根据权利要求1所述的基于推荐度的商品推送方法，其特征在于，所述方法进一步包括：

根据推荐度总分的正序为用户推送商品时，若存在两个以上的一级标签的推荐度计分均超过预设分数阈值，则限制推荐相同的一级标签的商品数量小于设定数量阈值。

Images