CN110852852A - 一种工业互联网产品推荐系统及方法 - Google Patents

一种工业互联网产品推荐系统及方法 Download PDF

Info

Publication number
CN110852852A
CN110852852A CN201911119933.1A CN201911119933A CN110852852A CN 110852852 A CN110852852 A CN 110852852A CN 201911119933 A CN201911119933 A CN 201911119933A CN 110852852 A CN110852852 A CN 110852852A
Authority
CN
China
Prior art keywords
user
product
recommendation
generating
information
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
Application number
CN201911119933.1A
Other languages
English (en)
Inventor
李怡
樊妍睿
马波涛
王开业
朱芝孺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Aerospace Science Institute Of Data Research Co Ltd
Original Assignee
Chengdu Aerospace Science Institute Of Data Research Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Aerospace Science Institute Of Data Research Co Ltd filed Critical Chengdu Aerospace Science Institute Of Data Research Co Ltd
Priority to CN201911119933.1A priority Critical patent/CN110852852A/zh
Publication of CN110852852A publication Critical patent/CN110852852A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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]
    • G06Q30/0605—Supply or demand aggregation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及计算机应用技术领域，其目的在于提供一种工业互联网产品推荐系统及方法。本发明公开了一种工业互联网产品推荐系统，包括平台产品信息管理模块、用户信息管理模块、用户行为日志管理模块、推荐引擎管理模块、推荐生成模块和用户终端。本发明还公开了一种工业互联网产品推荐方法，包括以下步骤：实时检测用户注册信息和用户行为日志，判断是否为新用户，若是，则调取用户注册信息并生成用户属性向量，再根据属性向量生成用户画像；若否，则调取用户行为日志并生成用户兴趣向量，然后结合用户属性向量生成用户画像；选择推荐策略；生成产品推荐列表。本发明可以提高用户体验，增加用户与平台的合作机会，同时利于增强用户粘性。

Description

一种工业互联网产品推荐系统及方法
技术领域
本发明涉及计算机应用技术领域，特别是涉及一种工业互联网产品推荐系统及方法。
背景技术
随着互联网的迅速发展，网上信息量大幅增长，我们现在正经历从信息时代到数据时代的变迁。然而，在面对大量信息时，用户无法从中获得对自己真正有用的那部分信息，对信息的使用效率降低，即存在信息过载问题。另外，近年来工业互联网逐渐兴起，许多工业互联网平台为企业提供各种产品和服务，同时也为企业提供产品交易平台，帮助企业发布产品供求信息。上述产品供求信息一般以分类目录的形式呈现给用户，根据产品形态、涉及领域等的不同，分布在各个网站的各个模块中。对于访问平台的客户来说，要找到符合自身需求的产品和信息，需要花大量的时间和精力进行筛选，有可能因为没有在短时间内找到合适的产品就放弃访问，错失合作的机会。因此，有必要研究一种工业互联网产品推荐系统及方法。
发明内容
本发明旨在至少在一定程度上解决上述技术问题，本发明提供了一种工业互联网产品推荐系统。
本发明采用的技术方案是：
一种工业互联网产品推荐系统，包括平台产品信息管理模块、用户信息管理模块、用户行为日志管理模块、推荐引擎管理模块、推荐生成模块和用户终端；
所述平台产品信息管理模块，用于接收平台产品信息并根据平台产品的特征标签对平台产品信息进行分类，然后对分类后的平台产品信息进行存储；
所述用户信息管理模块，用于接收用户终端发送的用户注册信息，并对用户注册信息进行存储，然后根据用户注册信息生成用户属性向量；
所述用户行为日志管理模块，用于接收用户终端发送的用户行为信息，并根据用户行为信息生成用户行为日志，对用户行为日志进行存储，然后根据用户行为日志生成用户兴趣向量；
所述推荐引擎管理模块，用于调取用户属性向量和用户兴趣向量并根据用户属性向量和用户兴趣向量生成用户画像，再根据用户画像和推荐策略生成指定用户的推荐引擎，然后根据分类后的平台产品信息生成产品推荐列表，最后将产品推荐列表发送至用户终端，其中，所述推荐策略包括基于用户的协同过滤算法、基于项目的协同过滤算法和基于内容的推荐算法。
优选地，所述工业互联网产品推荐系统还包括供需产品信息管理模块；
所述供需产品信息管理模块，用于接收供需产品信息并根据供需产品的特征标签对供需产品信息进行分类，然后对分类后的供需产品信息进行存储。
优选地，所述工业互联网产品推荐系统还包括行业信息管理模块；
所述行业信息管理模块，用于利用网络爬虫从互联网获取指定的行业信息。
优选地，所述工业互联网产品推荐系统还包括推荐生成模块；
所述推荐生成模块，用于接收由推荐引擎管理模块发送的产品推荐列表，然后对产品推荐列表进行过滤、排名和解释后生成最终产品推荐列表，最后将最终产品推荐列表发送至用户终端。
进一步优选地，所述基于用户的协同过滤算法具体如下：
根据用户行为日志生成用户-产品评价矩阵；
通过计算所有用户间的相似度生成用户相似度矩阵；
选择与目标用户相似度最高的k个用户生成k近邻用户集合，并基于k近邻用户集合中用户有过行为的所有产品生成候选产品集；
通过预测目标用户对候选产品集中产品的评分生成产品推荐列表。
进一步优选地，所述基于项目的协同过滤算法具体如下：
根据用户行为日志生成用户-产品评价矩阵；
计算产品之间的相似度矩阵；
根据目标用户有过行为记录的产品集合，为产品集合中的每个产品选择相似度最高的p个产品生成p近邻产品集合，并将p近邻产品集合组合成候选产品集；
通过预测目标用户对候选产品集中产品的评分生成产品推荐列表。
进一步优选地，所述用户行为日志包括显式的评价数据和隐式的行为数据，其中隐式的行为数据包括浏览、收藏、购买的网络行为数据，显式的评价数据为用户对产品的评分数据，综合显式的评价数据和隐式的行为数据得到用户u对产品t的综合评分为ru,t，当有m个用户、n个产品时，用户-产品评价矩阵为：
Figure BDA0002275171780000031
进一步优选的，所述基于内容的推荐算法具体如下：
建立用户画像；
根据产品特征建立产品的特征向量，然后建立产品画像；
计算用户画像和产品画像的相似度，并生成产品推荐列表。
本发明还包括一种工业互联网产品推荐方法，基于上述的一种工业互联网产品推荐系统，包括以下步骤：
实时检测用户注册信息和用户行为日志，判断是否为新用户，若是，则调取用户注册信息并生成用户属性向量，再根据属性向量生成用户画像；若否，则调取用户行为日志并生成用户兴趣向量，然后结合用户属性向量生成用户画像；
选择推荐策略；
生成并输出产品推荐列表。
本发明的有益效果是：可以提高用户体验，增加用户与平台的合作机会，，同时利于增强用户粘性。具体地，本发明可调取用户属性向量和用户兴趣向量并生成用户画像，并根据用户画像和推荐策略生成指定用户的推荐引擎，推荐策略采用基于用户的协同过滤算法、基于项目的协同过滤算法和基于内容的推荐算法等多种推荐策略，利于针对平台产品和供需信息分别生成相应的产品推荐列表，满足不同用户的需求。另外，本工业互联网产品推荐系统以企业用户为主要目标用户，推荐平台的产品及服务，根据企业用户的特点制定推荐策略，并通过网络爬虫获取重点行业信息引入推荐系统，可提高推荐精度。
附图说明
图1是本发明中一种工业互联网产品推荐系统的结构示意图；
图2是本发明中一种工业互联网产品推荐方法的流程图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解，在本文中若将单元称作与另一个单元“连接”、“相连”或“耦合”时，它可以与另一个单元直相连接或耦合，或中间单元可以存在。相対地，在本文中若将单元称作与另一个单元“直接相连”或“直接耦合”时，表示不存在中间单元。另外，应当以类似方式来解释用于描述单元之间的关系的其他单词(例如，“在……之间”对“直接在……之间”，“相邻”对“直接相邻”等等)。
应当理解，还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如，取决于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解，在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以不必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。
实施例1：
本实施例提供一种工业互联网产品推荐系统，如图1所示，包括平台产品信息管理模块、用户信息管理模块、用户行为日志管理模块、推荐引擎管理模块、推荐生成模块和用户终端；
所述平台产品信息管理模块，用于接收平台产品信息并根据平台产品的特征标签对平台产品信息进行分类，然后对分类后的平台产品信息进行存储；分类后的平台产品信息存储在平台产品信息数据库，平台产品的特征标签包括名称、类型、行业、价格、特性标签等；该模块主要由负责产品信息管理的管理终端进行录入和维护。
所述用户信息管理模块，用于接收用户终端发送的用户注册信息，并对用户注册信息进行存储，然后根据用户注册信息生成用户属性向量；用户注册信息存储在用户信息数据库；
所述用户行为日志管理模块，用于接收用户终端发送的用户行为信息，并根据用户行为信息生成用户行为日志，对用户行为日志进行存储，然后根据用户行为日志生成用户兴趣向量；用户行为日志存储在用户行为日志数据库；
所述推荐引擎管理模块，用于调取用户属性向量和用户兴趣向量并根据用户属性向量和用户兴趣向量生成用户画像，再根据用户画像和推荐策略生成指定用户的推荐引擎，然后根据分类后的平台产品信息生成产品推荐列表，最后将产品推荐列表发送至用户终端，其中，所述推荐策略包括基于用户的协同过滤算法、基于项目的协同过滤算法和基于内容的推荐算法。
本实施例中，所述工业互联网产品推荐系统还包括供需产品信息管理模块；
所述供需产品信息管理模块，用于接收供需产品信息并根据供需产品的特征标签对供需产品信息进行分类，然后对分类后的供需产品信息进行存储。分类后的供需产品信息存储在产品信息数据库，供需产品的特征标签包括名称、发布企业、类型、行业、价格、特性标签等；该模块由企业用户录入产品供需信息，然后主要由负责产品信息管理的平台管理人员进行审核和维护。
本实施例中，所述工业互联网产品推荐系统还包括行业信息管理模块；
所述行业信息管理模块，用于利用网络爬虫从互联网获取指定的行业信息。指定的行业信息包括相关行业主要原材料价格变化情况、行业发展最新动态等。由专业人员选择重要的行业信息网站，并编写网络爬虫定期爬取关键信息，存入行业信息数据库。
本实施例中，为实现对产品推荐列表的进一步加工，还包括推荐生成模块，所述推荐生成模块，用于接收由推荐引擎管理模块发送的产品推荐列表，然后对产品推荐列表进行过滤、排名和解释后生成最终产品推荐列表，最后将最终产品推荐列表发送至用户终端。
具体地，所述基于用户的协同过滤算法具体如下：
根据用户行为日志生成用户-产品评价矩阵；
通过计算所有用户间的相似度生成用户相似度矩阵；
选择与目标用户相似度最高的k个用户生成k近邻用户集合，并基于k近邻用户集合中用户有过行为的所有产品生成候选产品集；
通过预测目标用户对候选产品集中产品的评分生成产品推荐列表。
本实施例中，采用pearson相关系数来度量两个用户之间的相似度，根据两用户共同有过行为的产品集合来度量用户相似度，相似度的计算公式为：
Figure BDA0002275171780000071
其中，Ti,j表示用户i和j共同有过行为的产品的集合，t是上述集合中的产品，ri,t表示用户i对产品t的评价值，
Figure BDA0002275171780000072
和
Figure BDA0002275171780000073
分别表示用户i和用户j对所有产品的平均评价值。
用户对产品的喜好程度可以用以下公式来计算：
Figure BDA0002275171780000074
其中，puj表示用户u对产品j的喜好程度，表示用户Ni对产品j的评价，Sim(u,Ni)表示用户u和用户Ni的相似度。
最后根据喜好程度puj来对候选的产品进行排序，为用户推荐分值最高的N个产品，即可生成产品推荐列表。
本实施例中，所述基于项目的协同过滤算法具体如下：
根据用户行为日志生成用户-产品评价矩阵；
计算产品之间的相似度矩阵；
根据目标用户有过行为记录的产品集合，为产品集合中的每个产品选择相似度最高的p个产品生成p近邻产品集合，并将p近邻产品集合组合成候选产品集；
通过预测目标用户对候选产品集中产品的评分生成产品推荐列表。
产品间相似度Sim(m,n)可以通过计算余弦相似度得到：
Figure BDA0002275171780000081
其中，Umn表示历史数据中对产品m和n共同评价过的用户集合，ru,m代表用户u对产品品项目m的评价值，和
Figure BDA0002275171780000083
分别代表用户对产品m和n的平均评价值。
用户对产品的喜好程度可以通过以下公式计算：
Figure BDA0002275171780000084
其中，run表示用户u对产品n的喜好程度，产品m是用户浏览过的产品，rum表示用户u对产品m的偏好程度。最后根据用户对产品的喜好程度run来对候选的产品进行排序，为用户推荐分值最高的N个产品，即可生成产品推荐列表。
具体地，基于用户的协同过滤算法和基于项目的协同过滤算法中，所述用户行为日志包括显式的评价数据和隐式的行为数据，其中隐式的行为数据包括浏览、收藏、购买的网络行为数据，显式的评价数据为用户对产品的评分数据，综合显式的评价数据和隐式的行为数据得到用户u对产品t的综合评分为ru,t，当有m个用户、n个产品时，用户-产品评价矩阵为：
具体地，当用户对产品有显式评分时，评价矩阵对应位置填充显式评分值；当用户对产品没有显式评分，但有其他行为记录时，计算隐式评分填充；当用户对产品没有任何行为记录时，填充默认评分值，默认评分值可以采用显式评分的平均值，如项目平均值、用户平均值或全局平均值等。
用户行为日志为显式的评价数据时，用户u对产品t的综合评分为ru,t；
假设用户行为记录及其对应权重如下
用户行为 浏览 收藏 加入购物车 购买
权重 w<sub>1</sub> w<sub>2</sub> w<sub>3</sub> w<sub>4</sub>
用户行为日志为隐式的行为数据时，用户m对产品n的综合评分为：
Figure BDA0002275171780000091
其中α为自定义权重，
Figure BDA0002275171780000092
为显式评分的平均值，wi为用户指定行为预定权重。
本实施例中，所述基于内容的推荐算法具体如下：
根据用户信息管理模块、用户行为日志管理模块、供需产品信息管理模块和行业信息管理模块中的各种信息建立用户画像；
根据产品特征建立产品的特征向量，然后建立产品画像；
计算用户画像和产品画像的相似度，并生成产品推荐列表。
将产品特征分为几个类别，分别建立特征向量，如所属行业、技术类型、价格等。
根据用户信息管理模块的用户注册信息，分类建立用户属性向量，如所属行业、所属地区、兴趣标签等；根据用户行为管理模块的用户行为信息学习用户的兴趣向量，如所属行业、技术类型、价格等。根据用户属性向量和兴趣向量综合建立用户画像。
利用余弦相似度计算用户画像和产品画像之间的相似程度来生成产品推荐列表，计算公式如下：
其中，u表示用户，t表示产品，uk表示用户在第k个方面的特征，tk表示产品在第k个方面的特征，λk表示权重。
产品推荐列表包括“热门产品”列表、“您可能感兴趣的平台产品”列表、“您可能感兴趣的供需信息”列表和/或“相关产品”列表；
具体地，“热门产品”列表在用户登录首页生成，通过统计近一个月内所有登录用户行为数据，筛选出Top-N个热门产品生成此产品推荐列表。该列表每天更新一次，并推荐给所有登录用户。
“您可能感兴趣的平台产品”列表在用户登录首页生成，并生成平台产品的产品推荐列表推送给用户。物品集合为平台产品，新用户采用基于内容的推荐算法，非新用户采用基于项目的协同过滤算法和基于内容的推荐算法进行加权混合的推荐方式。
“您可能感兴趣的供需信息”列表在用户登录首页生成，分为供应列表和需求列表，分别生成供应产品推荐列表和需求产品推荐列表并推送给用户。物品集合为供需产品，新用户采用基于内容的推荐算法，非新用户采用基于用户的协同过滤算法和基于内容的推荐算法进行加权混合的推荐方式，根据用户行为日志的数目计算权重，较活跃的用户可将基于用户的协同过滤算法的权重设置为较大。
“相关产品”列表在每个产品页生成，当用户浏览该产品页面时向用户展示。平台产品对应产品推荐列表只包含平台产品，供应产品对应产品推荐列表和需求产品对应产品推荐列表分别只包含相对应产品信息。根据产品画像相似度和基于项目的协同过滤算法产品中的相似度矩阵，综合生成产品推荐列表。
本实施例可以提高用户体验，增加用户与平台的合作机会，同时也帮助用户在平台找到合适的合作伙伴，增加用户粘性，对这些互联网平台的产品推广和发展都有益处。具体地，本实施例可调取用户属性向量和用户兴趣向量并生成用户画像，并根据用户画像和推荐策略生成指定用户的推荐引擎，推荐策略采用基于用户的协同过滤算法、基于项目的协同过滤算法和基于内容的推荐算法等多种推荐策略，利于针对平台产品和供需信息分别生成相应的产品推荐列表，满足不同用户的需求。
另外，本工业互联网产品推荐系统以企业用户为主要目标用户，推荐平台的产品及服务，根据企业用户的特点制定推荐策略，并通过网络爬虫获取重点行业信息引入推荐系统，可提高推荐精度。
实施例2：
在实施例1的基础上，本实施例提供一种工业互联网产品推荐方法，如图2所示，包括以下步骤：
实时检测用户注册信息和用户行为日志，判断是否为新用户，若是，则调取用户注册信息并生成用户属性向量，再根据属性向量生成用户画像；若否，则调取用户行为日志并生成用户兴趣向量，然后结合用户属性向量生成用户画像；
选择推荐策略；
生成并输出产品推荐列表。
以上所描述的多个实施例仅仅是示意性的，若涉及到作为分离部件说明的单元，其可以是或者也可以不是物理上分开的；若涉及到作为单元显示的部件，其可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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。
最后应说明的是，本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (9)

1.一种工业互联网产品推荐系统，其特征在于：包括平台产品信息管理模块、用户信息管理模块、用户行为日志管理模块、推荐引擎管理模块、推荐生成模块和用户终端；
所述平台产品信息管理模块，用于接收平台产品信息并根据平台产品的特征标签对平台产品信息进行分类，然后对分类后的平台产品信息进行存储；
所述用户信息管理模块，用于接收用户终端发送的用户注册信息，并对用户注册信息进行存储，然后根据用户注册信息生成用户属性向量；
所述用户行为日志管理模块，用于接收用户终端发送的用户行为信息，并根据用户行为信息生成用户行为日志，对用户行为日志进行存储，然后根据用户行为日志生成用户兴趣向量；
所述推荐引擎管理模块，用于调取用户属性向量和用户兴趣向量并根据用户属性向量和用户兴趣向量生成用户画像，再根据用户画像和推荐策略生成指定用户的推荐引擎，然后根据分类后的平台产品信息生成产品推荐列表，最后将产品推荐列表发送至用户终端，其中，所述推荐策略包括基于用户的协同过滤算法、基于项目的协同过滤算法和基于内容的推荐算法。
2.根据权利要求1所述的一种工业互联网产品推荐系统，其特征在于：所述工业互联网产品推荐系统还包括供需产品信息管理模块；
所述供需产品信息管理模块，用于接收供需产品信息并根据供需产品的特征标签对供需产品信息进行分类，然后对分类后的供需产品信息进行存储。
3.根据权利要求1所述的一种工业互联网产品推荐系统，其特征在于：所述工业互联网产品推荐系统还包括行业信息管理模块；
所述行业信息管理模块，用于利用网络爬虫从互联网获取指定的行业信息。
4.根据权利要求1所述的一种工业互联网产品推荐系统，其特征在于：所述工业互联网产品推荐系统还包括推荐生成模块；
所述推荐生成模块，用于接收由推荐引擎管理模块发送的产品推荐列表，然后对产品推荐列表进行过滤、排名和解释后生成最终产品推荐列表，最后将最终产品推荐列表发送至用户终端。
5.根据权利要求1至4任一项所述的一种工业互联网产品推荐系统，其特征在于：所述基于用户的协同过滤算法具体如下：
根据用户行为日志生成用户-产品评价矩阵；
通过计算所有用户间的相似度生成用户相似度矩阵；
选择与目标用户相似度最高的k个用户生成k近邻用户集合，并基于k近邻用户集合中用户有过行为的所有产品生成候选产品集；
通过预测目标用户对候选产品集中产品的评分生成产品推荐列表。
6.根据权利要求5所述的一种工业互联网产品推荐系统，其特征在于：所述基于项目的协同过滤算法具体如下：
根据用户行为日志生成用户-产品评价矩阵；
计算产品之间的相似度矩阵；
根据目标用户有过行为记录的产品集合，为产品集合中的每个产品选择相似度最高的p个产品生成p近邻产品集合，并将p近邻产品集合组合成候选产品集；
通过预测目标用户对候选产品集中产品的评分生成产品推荐列表。
7.根据权利要求6所述的一种工业互联网产品推荐系统，其特征在于：所述用户行为日志包括显式的评价数据和隐式的行为数据，其中隐式的行为数据包括浏览、收藏、购买的网络行为数据，显式的评价数据为用户对产品的评分数据，综合显式的评价数据和隐式的行为数据得到用户u对产品t的综合评分为ru,t，当有m个用户、n个产品时，用户-产品评价矩阵为：
Figure FDA0002275171770000031
8.根据权利要求6所述的一种工业互联网产品推荐系统，其特征在于：所述基于内容的推荐算法具体如下：
建立用户画像；
根据产品特征建立产品的特征向量，然后建立产品画像；
计算用户画像和产品画像的相似度，并生成产品推荐列表。
9.一种工业互联网产品推荐方法，基于权利要求1至8任一项所述的一种工业互联网产品推荐系统，其特征在于：包括以下步骤：
实时检测用户注册信息和用户行为日志，判断是否为新用户，若是，则调取用户注册信息并生成用户属性向量，再根据属性向量生成用户画像；若否，则调取用户行为日志并生成用户兴趣向量，然后结合用户属性向量生成用户画像；
选择推荐策略；
生成并输出产品推荐列表。
CN201911119933.1A 2019-11-15 2019-11-15 一种工业互联网产品推荐系统及方法 Pending CN110852852A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911119933.1A CN110852852A (zh) 2019-11-15 2019-11-15 一种工业互联网产品推荐系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911119933.1A CN110852852A (zh) 2019-11-15 2019-11-15 一种工业互联网产品推荐系统及方法

Publications (1)

Publication Number Publication Date
CN110852852A true CN110852852A (zh) 2020-02-28

Family

ID=69601319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911119933.1A Pending CN110852852A (zh) 2019-11-15 2019-11-15 一种工业互联网产品推荐系统及方法

Country Status (1)

Country Link
CN (1) CN110852852A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582975A (zh) * 2020-04-23 2020-08-25 许立达 基于用户、产品和广告相结合的人工智能推荐方法及系统
CN111625726A (zh) * 2020-06-02 2020-09-04 小红书科技有限公司 一种用户画像的处理方法和装置
CN111966900A (zh) * 2020-08-17 2020-11-20 中国银行股份有限公司 基于局部敏感哈希的用户冷启动产品推荐方法及系统
CN112184372A (zh) * 2020-09-25 2021-01-05 魔玛智能科技（上海）有限公司 模块化产品互联网推荐系统及方法
CN113592589A (zh) * 2021-07-27 2021-11-02 上海致景信息科技有限公司 纺织原料推荐方法、装置及处理器
CN113742587A (zh) * 2021-09-07 2021-12-03 海粟智链(青岛)科技有限公司 一种适合工业品的互联网推广方法
CN113744030A (zh) * 2021-09-08 2021-12-03 未鲲(上海)科技服务有限公司 基于ai用户画像的推荐方法、装置、服务器及介质
CN114048389A (zh) * 2022-01-11 2022-02-15 山东捷瑞数字科技股份有限公司 一种面向工程机械行业的内容推荐方法及系统
CN114780855A (zh) * 2022-05-05 2022-07-22 穗保(广州)科技有限公司 一种基于互联网安全性的信息共享系统
CN114926287A (zh) * 2022-06-02 2022-08-19 河北源达信息技术股份有限公司 一种智能推荐投资产品的方法、装置和电子设备
CN116049573A (zh) * 2023-03-28 2023-05-02 南京邮电大学 一种改进协同过滤的用户分级推荐方法
CN116166716A (zh) * 2023-02-16 2023-05-26 北京瑞风协同科技股份有限公司 一种数据推送方法及装置
CN116975454A (zh) * 2023-09-22 2023-10-31 北京荆跃科技有限公司 一种基于推荐系统的大模型生成方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105404678A (zh) * 2015-11-24 2016-03-16 中国科学院重庆绿色智能技术研究院 一种在线系统中用户定制推荐系统的方法
CN105824912A (zh) * 2016-03-15 2016-08-03 平安科技（深圳）有限公司 基于用户画像的个性化推荐方法和装置
US20180005297A1 (en) * 2014-12-26 2018-01-04 China Unionpay Co., Ltd. Analysis and collection system for user interest data and method therefor
CN109670116A (zh) * 2018-11-30 2019-04-23 内江亿橙网络科技有限公司 一种基于大数据的智能推荐系统
CN110110221A (zh) * 2019-03-22 2019-08-09 浙江非线数联科技有限公司 政务数据智能推荐方法和系统
CN110415065A (zh) * 2018-04-28 2019-11-05 K11集团有限公司 用户数据收集系统和信息推送方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180005297A1 (en) * 2014-12-26 2018-01-04 China Unionpay Co., Ltd. Analysis and collection system for user interest data and method therefor
CN105404678A (zh) * 2015-11-24 2016-03-16 中国科学院重庆绿色智能技术研究院 一种在线系统中用户定制推荐系统的方法
CN105824912A (zh) * 2016-03-15 2016-08-03 平安科技（深圳）有限公司 基于用户画像的个性化推荐方法和装置
CN110415065A (zh) * 2018-04-28 2019-11-05 K11集团有限公司 用户数据收集系统和信息推送方法
CN109670116A (zh) * 2018-11-30 2019-04-23 内江亿橙网络科技有限公司 一种基于大数据的智能推荐系统
CN110110221A (zh) * 2019-03-22 2019-08-09 浙江非线数联科技有限公司 政务数据智能推荐方法和系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
吕苗: "《基于情境的商品个性化推荐方法研究》", 30 June 2018, 东北大学出版社 *
胡智锋 等: "《新时代 新影视 中国影视的责任与使命》", 31 October 2019, 中国传媒大学出版社 *
薛福亮: "《电子商务推荐相关技术及其改进机制》", 30 June 2014, 中国财富出版社 *
许翀寰 等: "《复杂社会情境下的个性化推荐方法与应用》", 31 August 2018, 浙江工商大学出版社 *
贺超波 等: "《在线社交网络挖掘典型问题研究》", 31 August 2017, 中山大学出版社 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582975B (zh) * 2020-04-23 2023-06-02 许立达 基于用户、产品和广告相结合的人工智能推荐方法及系统
CN111582975A (zh) * 2020-04-23 2020-08-25 许立达 基于用户、产品和广告相结合的人工智能推荐方法及系统
CN111625726A (zh) * 2020-06-02 2020-09-04 小红书科技有限公司 一种用户画像的处理方法和装置
CN111966900A (zh) * 2020-08-17 2020-11-20 中国银行股份有限公司 基于局部敏感哈希的用户冷启动产品推荐方法及系统
CN112184372A (zh) * 2020-09-25 2021-01-05 魔玛智能科技（上海）有限公司 模块化产品互联网推荐系统及方法
CN113592589A (zh) * 2021-07-27 2021-11-02 上海致景信息科技有限公司 纺织原料推荐方法、装置及处理器
CN113592589B (zh) * 2021-07-27 2024-03-29 上海致景信息科技有限公司 纺织原料推荐方法、装置及处理器
CN113742587A (zh) * 2021-09-07 2021-12-03 海粟智链(青岛)科技有限公司 一种适合工业品的互联网推广方法
CN113742587B (zh) * 2021-09-07 2024-01-12 海粟智链(青岛)科技有限公司 一种适合工业品的互联网推广方法
CN113744030A (zh) * 2021-09-08 2021-12-03 未鲲(上海)科技服务有限公司 基于ai用户画像的推荐方法、装置、服务器及介质
CN114048389A (zh) * 2022-01-11 2022-02-15 山东捷瑞数字科技股份有限公司 一种面向工程机械行业的内容推荐方法及系统
CN114780855A (zh) * 2022-05-05 2022-07-22 穗保(广州)科技有限公司 一种基于互联网安全性的信息共享系统
CN114780855B (zh) * 2022-05-05 2022-11-25 穗保(广州)科技有限公司 一种基于互联网安全性的信息共享系统
CN114926287A (zh) * 2022-06-02 2022-08-19 河北源达信息技术股份有限公司 一种智能推荐投资产品的方法、装置和电子设备
CN116166716A (zh) * 2023-02-16 2023-05-26 北京瑞风协同科技股份有限公司 一种数据推送方法及装置
CN116166716B (zh) * 2023-02-16 2023-10-24 北京瑞风协同科技股份有限公司 一种数据推送方法及装置
CN116049573A (zh) * 2023-03-28 2023-05-02 南京邮电大学 一种改进协同过滤的用户分级推荐方法
CN116049573B (zh) * 2023-03-28 2023-09-01 南京邮电大学 一种改进协同过滤的用户分级推荐方法
CN116975454A (zh) * 2023-09-22 2023-10-31 北京荆跃科技有限公司 一种基于推荐系统的大模型生成方法

Similar Documents

Publication Publication Date Title
CN110852852A (zh) 一种工业互联网产品推荐系统及方法
CN103377250B (zh) 基于邻域的top‑k推荐方法
Brynjolfsson et al. The great equalizer? Consumer choice behavior at Internet shopbots
Shiller First degree price discrimination using big data
US7594189B1 (en) Systems and methods for statistically selecting content items to be used in a dynamically-generated display
US9576251B2 (en) Method and system for processing web activity data
US8725562B2 (en) Keyword advertisement using ranking of advertisers
US8626604B1 (en) Aggregating product endorsement information
US20060248035A1 (en) System and method for search advertising
US20100138421A1 (en) Identifying inadequate search content
US11216850B2 (en) Predictive platform for determining incremental lift
CN103886487A (zh) 基于分布式的b2b平台的个性化推荐方法与系统
US20080256034A1 (en) System and method for understanding relationships between keywords and advertisements
JP2012523643A (ja) ユーザに対するネットワークオブジェクト情報の提案
CN108550068A (zh) 一种基于用户行为分析的个性化商品推荐方法及系统
CN101390118A (zh) 预测广告质量
US11321724B1 (en) Product evaluation system and method of use
CN108805598A (zh) 相似度信息确定方法、服务器及计算机可读存储介质
CN112612951B (zh) 一种面向收益提升的无偏学习排序方法
CN105260913A (zh) 用于互联网广告投放的ctr预估方法、dsp服务器、系统
CN117495458A (zh) 一种基于用户画像的广告在线推送方法
JP7011552B2 (ja) 広告管理システム、広告管理方法、および広告管理プログラム
CN116362810A (zh) 广告投放效果评估方法
TWM573493U (zh) 藉由訪客瀏覽路徑預測轉換機率之系統
US11756064B2 (en) Self-learning valuation

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200228