CN112184399A - 一种基于互联网的商品销售推荐系统及方法 - Google Patents

一种基于互联网的商品销售推荐系统及方法 Download PDF

Info

Publication number
CN112184399A
CN112184399A CN202011245704.7A CN202011245704A CN112184399A CN 112184399 A CN112184399 A CN 112184399A CN 202011245704 A CN202011245704 A CN 202011245704A CN 112184399 A CN112184399 A CN 112184399A
Authority
CN
China
Prior art keywords
commodity
user
shopping
module
commodities
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.)
Granted
Application number
CN202011245704.7A
Other languages
English (en)
Other versions
CN112184399B (zh
Inventor
陶影
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.)
Shenzhen Xinyun Technology Information Service Co ltd
Original Assignee
Guangzhou Hongsen Capital Management 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 Guangzhou Hongsen Capital Management Co ltd filed Critical Guangzhou Hongsen Capital Management Co ltd
Priority to CN202011245704.7A priority Critical patent/CN112184399B/zh
Publication of CN112184399A publication Critical patent/CN112184399A/zh
Application granted granted Critical
Publication of CN112184399B publication Critical patent/CN112184399B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • 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
    • G06Q30/0203—Market surveys; Market polls
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
    • 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]
    • 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]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于互联网的商品销售推荐系统及方法，包括：中央处理器、数据库、互联网、购买记录模块、信息系统、用户终端、物品推荐模块、数据分析模块、记录提取模块、建模单元、位置提取单元和3D图引导单元，通过大数据调取分析一个用户在多次购物中购买同一商品的次数占总购物次数的比例，按照比例排序后推荐给对应用户，选出比例最高的商品，数据库调取计算了随机多个用户在相同购物次数中购买该用户购买的占最高商品比例的平均值，选出平均值高的商品通过物品推荐模块推荐给其他用户，用户在确定购买的商品后，3D引导图为用户指示最佳购物路线，本发明为用户购物提供了明确的方向，提高了交叉销售的能力，提高了用户购物的舒适度。

Description

一种基于互联网的商品销售推荐系统及方法
技术领域
本发明涉及互联网技术领域，具体为一种基于互联网的商品销售推荐系统及方法。
背景技术
随着电子商务的不断发展，越来越多的人习惯了网上购物的方式，而去商场实体店购物的次数越来越少，网上购物虽然相对来说更加便捷，用户足不出户就可以买到商品，但是也存在一定的风险性：首先，用户在网上购物不能切实直观地看到商品，对于网购经验不足的用户来说，很容易买到以次充好的商品，其次，网购会让消费者的个人信息长期暴露在开放网络环境中，存在安全隐患，而实体店购物使用户能够看到商品的真实性，对商品也有直观的感受，用户更容易选到合适的商品，然而，商场购物也存在一定的弊端：第一，商场一直都采用人工推荐来进行销售工作，这不仅仅加大了人工成本，销售的效率也时高时低，需要一个固定的商品销售系统来推荐商品，通过大数据调取和分析以往用户的购物记录后，根据购买次数占总购物次数的比例高低来判断是否需要推荐该商品，可以更加地靠谱和切合实际；第二，在大型的商场购物时，确定了购买的东西后，怎样去更省力、更快速地买到这些商品成了需要解决的问题。
所以，人们需要一种基于互联网的商品销售推荐系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于互联网的商品销售推荐系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于互联网的商品销售推荐系统及方法，其特征在于：包括：中央处理器、数据库、互联网、购买记录模块、信息系统、用户终端、物品推荐模块、数据分析模块、记录提取模块、建模单元、位置提取单元和3D图引导单元，所述中央处理器的输入端连接所述信息系统、购买记录模块的输出端，所述购买记录模块的输出端连接所述记录提取模块的输入端，所述中央处理器的输出端连接所述数据库的输入端，所述数据库的输出端连接所述记录提取模块、互联网的输入端，所述互联网的输出端连接所述数据库、用户终端的输入端，所述用户终端的输出端连接所述互联网的输入端，所述记录提取模块的输出端连接所述数据分析模块的输入端，所述数据分析模块的输出端连接所述物品推荐模块的输入端，所述物品推荐模块的输出端连接所述用户终端的输入端，所述数据库的输出端连接所述位置提取单元的输入端，所述位置提取单元的输出端连接所述3D图引导单元的输入端，建模单元的输出端连接所述位置提取单元的输入端。
进一步的，所述购买记录模块用于存储不同用户购买商品的记录集合，所述数据库用于通过所述中央处理器从所述购买记录模块中调取相应用户一定购买次数的购买商品的记录，所述记录提取模块、数据分析模块用于对所述数据库中的大数据进行分析和计算以预测对应用户想要购买的商品并将其通过所述物品推荐模块推送到所述用户终端，结合记录提取模块、数据分析模块、物品推荐模块调取分析用户以往的购物记录中购买次数较多的商品，根据比例大小推荐商品，用户以往的购物记录更加地切合了实际，保障了推荐商品的质量。
进一步的，所述位置提取单元用于用户根据被推荐的商品确认想要购买的商品后提取对应商品的位置数据，再通过所述建模单元在商场上建立三维模型，计算商场入口到对应商品货架及对应商品货架之间的直线距离总和，确定加购商品购买的顺序，选择一条直线距离总和最小的路径发送到所述用户终端，减少了购物需要的路程，提高了用户购物的舒适度。
进一步的，在确定加购商品购买顺序后，用户在所述用户终端中输入商品名称，所述3D图引导单元生成3D路线图指引用户到达对应商品所在的货架，通过3D路线图引导用户找到商品货架，降低了寻找商品的难度。
一种基于互联网的商品销售推荐方法，其特征在于：包括以下步骤：
S1：信息系统确认身份；
S2：调取不同用户相同购物次数的购买记录；
S3：计算同一用户在一定次数购物中购买不同商品的比例；
S4：按比例排序，将比例高的商品信息推送到对应用户的终端；
S5：计算购买同一商品比例最高的用户购买该商品比例的平均值；
S6：将购买比例平均值最高的商品通过物品推荐模块推荐给其他用户；
S7：将去往推荐商品位置的路径发送到对应用户的终端。
进一步的，在步骤S1-S2中：用户输入账号和密码登录信息系统，与数据库中的用户信息进行匹配确认身份，用户在购物付款时通过人脸识别登录商场的支付系统，在支付完成后系统自动录入备份对应用户的本次的购物记录并存储到购买记录模块中，记录提取模块通过所述数据库从购买记录模块中调取对应用户在一定次数购物中购买同一商品的记录集合。
进一步的，在步骤S3中：数据分析模块接收到所述记录提取模块传输的数据后计算对应用户在一定次数购物中购买不同商品的比例：设置该用户购物的次数为m，该用户m次购物中购买每种商品的次数集合为R={r1，r2，...，rn}，在m次购物中，根据公式
Figure 125332DEST_PATH_IMAGE001
计算一种商品购买次数占总的购物次数的比例，整理该用户在m次购物中购买相同商品的比例集合为N={
Figure 839210DEST_PATH_IMAGE002
}，计算一种商品购买次数占总的购物次数的比例可以判断对于该用户来说销量最好的一种商品是什么，也为后续统计计算其他用户对该商品的购买比例提供了依据。
进一步的，在步骤S4中：设置不同商品购买次数占总的购物次数的比例的中间值为n%，筛选出购买次数占总购物次数比例大于中间值n%的商品，设置占比最高的商品占总的购物次数的比例为Nmax，将筛选出的商品按照比例从大到小对商品进行排列，并将对应商品的信息通过物品推荐模块推送到用户终端，设定中间值，为评判商品的销量提供了标准。
进一步的，在步骤S5-S6中：记录提取模块调取购买记录模块中随机匹配的k个用户m次的购物记录，设置一个用户在m次购物中购买最多的商品占总购物次数的比例为N1，统计其记录提取模块中其他k-1个用户购买该商品的次数占总购物次数的比例集合为{N2，N3，...，Nk}，根据公式
Figure 87789DEST_PATH_IMAGE003
计算这k个用户购买同一种商品的比例的平均值
Figure 60162DEST_PATH_IMAGE004
，设置用户购买同一种商品的比例平均值的阈值为z%，若计算出的k个用户购买同一种商品的比例的平均值
Figure 468009DEST_PATH_IMAGE005
，将该商品通过物品推荐模块推荐给其他用户；若
Figure 493734DEST_PATH_IMAGE006
，不进行推荐，计算不同用户购买同一种商品的比例的平均值使得出的推荐结果更准确。
进一步的，在步骤S7中：用户在终端接收到推荐的商品信息后，点击想要购买的商品加购，加购的商品信息通过互联网传输到数据库中，位置提取单元对所述数据库的商品位置信息进行提取，并通过建模单元以商场入口为中心建立三维模型，设置加购的商品个数有p个，p个商品所在货架的位置坐标集合为{（x1，y1，z1），（x2，y2，z2），...，（xp，yp，zp）}，用户从商场入口出发，根据购买商品的先后顺序，共有
Figure 839396DEST_PATH_IMAGE007
种选择，入口到各商品所在货架的距离集合为L={
Figure 366192DEST_PATH_IMAGE008
}，根据公式
Figure 503913DEST_PATH_IMAGE009
计算各商品所在货架之间的距离，计算入口到各商品所在货架和各商品所在货架之间的距离总和L+D，距离总和最小值为（L+D）min，用户按照距离总和最小的路线购买商品，并设置有3D图引导单元指导用户找到计划购买商品的位置，降低了寻找商品的难度，节省了购物需要的路程。
与现有技术相比，本发明所达到的有益效果是：
1.本发明通过大数据调取购买记录模块中随机匹配的k个用户m次的购物记录，统计其中一个用户m次购物中购买每种商品的次数形成集合，计算该用户每种商品购买次数占总的购物次数的比例，设定一个中间值，通过和中间值的比较排除掉一些比例过低的商品后，将筛选出的商品按照比例从大到小进行排列推荐给用户，找出比例最高的商品后，查询和统计其他k-1个用户购买该商品的次数占总购物次数的比例形成集合，通过计算这k个用户购买该商品的比例的平均值
Figure 74440DEST_PATH_IMAGE004
，设定用户购买同一种商品的比例平均值的阈值为z%，若计算出的k个用户购买该商品的比例的平均值
Figure 422245DEST_PATH_IMAGE005
，将该商品通过物品推荐模块推荐给其他未买过该商品的用户；若
Figure 362519DEST_PATH_IMAGE006
，不进行推荐，为用户购买商品时提供了一定的选择方向，根据用户以往的购物记录推荐的商品也更加符合实际，推荐的商品质量也有了一定的保障，提高了商品的销售量，利用推荐系统销售商品在一定程度上减少了人工销售的成本；
2.在用户通过互联网接收到推荐的商品后选择需要购买的商品，确定了购买的商品后将名称通过信息系统输入，商品信息通过互联网传输到数据库中，位置提取单元对所述数据库的商品位置信息进行提取，并通过建模单元以商场入口为中心建立三维模型确定加购商品所在货架的位置坐标，通过比较商场入口到商品所在货架及货架间的直线距离总和选择最短路线并发送到用户终端，并通过3D图引导单元指示用户找到计划购买商品的位置，降低了用户寻找商品的难度，提高了用户购物的舒适度。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于互联网的商品销售推荐系统及方法的系统结构图；
图2是本发明一种基于互联网的商品销售推荐系统及方法的方法步骤图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
请参阅图1-2，本发明提供技术方案：一种基于互联网的商品销售推荐系统，包括：中央处理器、数据库、互联网、购买记录模块、信息系统、用户终端、物品推荐模块、数据分析模块、记录提取模块、建模单元、位置提取单元和3D图引导单元，中央处理器的输入端连接信息系统、购买记录模块的输出端，购买记录模块的输出端连接记录提取模块的输入端，中央处理器的输出端连接数据库的输入端，数据库的输出端连接记录提取模块、互联网的输入端，互联网的输出端连接数据库、用户终端的输入端，用户终端的输出端连接互联网的输入端，记录提取模块的输出端连接数据分析模块的输入端，数据分析模块的输出端连接物品推荐模块的输入端，物品推荐模块的输出端连接用户终端的输入端，数据库的输出端连接位置提取单元的输入端，位置提取单元的输出端连接3D图引导单元的输入端，建模单元的输出端连接位置提取单元的输入端。
购买记录模块用于存储不同用户购买商品的记录集合，数据库用于通过中央处理器从购买记录模块中调取相应用户一定购买次数的购买商品的记录，记录提取模块、数据分析模块用于对数据库中的大数据进行分析和计算以预测对应用户想要购买的商品并将其通过物品推荐模块推送到用户终端，结合记录提取模块、数据分析模块、物品推荐模块调取分析用户以往的购物记录中购买次数较多的商品，根据比例大小推荐商品，用户以往的购物记录更加地切合实际，推荐商品的质量也能得到一定的保障。
位置提取单元用于用户根据被推荐的商品确认想要购买的商品后提取对应商品的位置数据，再通过建模单元在商场上建立三维模型，计算商场入口到对应商品货架及对应商品货架之间的直线距离总和，确定加购商品购买的顺序，选择一条直线距离总和最小的路径发送到用户终端，便于减少购物需要的路程、提高用户购物的舒适度。
在确定加购商品购买顺序后，用户在用户终端中输入商品名称，3D图引导单元生成3D路线图指引用户到达对应商品所在的货架，通过3D路线图引导用户找到商品货架能够降低用户寻找商品的难度。
一种基于互联网的商品销售推荐方法，其特征在于：包括以下步骤：
S1：信息系统确认身份；
S2：调取不同用户相同购物次数的购买记录；
S3：计算同一用户在一定次数购物中购买不同商品的比例；
S4：按比例排序，将比例高的商品信息推送到对应用户的终端；
S5：计算购买同一商品比例最高的用户购买该商品比例的平均值；
S6：将购买比例平均值最高的商品通过物品推荐模块推荐给其他用户；
S7：将去往推荐商品位置的路径发送到对应用户的终端。
在步骤S1-S2中：用户输入账号和密码登录信息系统，与数据库中的用户信息进行匹配确认身份，用户在购物付款时通过人脸识别登录商场的支付系统，在支付完成后系统自动录入备份对应用户的本次的购物记录并存储到购买记录模块中，记录提取模块通过数据库从购买记录模块中调取对应用户在一定次数购物中购买同一商品的记录集合。
在步骤S3中：数据分析模块接收到记录提取模块传输的数据后计算对应用户在一定次数购物中购买不同商品的比例：设置该用户购物的次数为m，该用户m次购物中每种商品的购买次数集合为R={r1，r2，...，rn}，在m次购物中，根据公式
Figure 230112DEST_PATH_IMAGE010
计算一种商品购买次数占总的购物次数的比例，整理该用户在m次购物中购买相同商品的比例集合为N={
Figure 987852DEST_PATH_IMAGE011
}，计算一种商品购买次数占总的购物次数的比例可以判断对于该用户来说销量最好的一种商品是什么，便于为后续统计计算其他用户对该商品的购买比例提供依据。
在步骤S4中：设置不同商品购买次数占总的购物次数的比例的中间值为n%，筛选出购买次数占总购物次数比例大于中间值n%的商品，设置占比最高的商品占总的购物次数的比例为Nmax，将筛选出的商品按照比例从大到小对商品进行排列，并将对应商品的信息通过物品推荐模块推送到用户终端，中间值能够作为评判商品的销量的标准。
在步骤S5-S6中：记录提取模块调取购买记录模块中随机匹配的k个用户m次的购物记录，设置一个用户在m次购物中购买次数最多的商品占总购物次数的比例为N1，统计其记录提取模块中其他k-1个用户购买该商品的次数占总购物次数的比例集合为{N2，N3，...，Nk}，根据公式
Figure 698319DEST_PATH_IMAGE003
计算这k个用户购买同一种商品的比例的平均值
Figure 816186DEST_PATH_IMAGE004
，设置用户购买同一种商品的比例平均值的阈值为z%，若计算出的k个用户购买同一种商品的比例的平均值
Figure 662919DEST_PATH_IMAGE012
，将该商品通过物品推荐模块推荐給其他用户；若
Figure 325982DEST_PATH_IMAGE006
，不进行推荐，计算不同用户购买同一种商品的比例的平均值能够让得出的推荐结果更准确。
在步骤S7中：用户在终端接收到推荐的商品信息后，点击想要购买的商品加购，加购的商品信息通过互联网传输到数据库中，位置提取单元对数据库的商品位置信息进行提取，并通过建模单元以商场入口为中心建立三维模型，设置加购的商品个数有p个，p个商品所在货架的位置坐标集合为{（x1，y1，z1），（x2，y2，z2），...，（xp，yp，zp）}，用户从商场入口出发，根据购买商品的先后顺序，共有
Figure 399111DEST_PATH_IMAGE013
种选择，入口到各商品所在货架的距离集合为L={
Figure 681188DEST_PATH_IMAGE014
}，根据公式
Figure 772641DEST_PATH_IMAGE015
计算各商品所在货架之间的距离，计算入口到各商品所在货架和各商品所在货架之间的距离总和L+D，距离总和最小值为（L+D）min，用户按照距离总和最小的路线购买商品，并设置有3D图引导单元指导用户找到计划购买商品的位置，便于降低寻找商品的难度及节省购物需要的路程。
实施例一：设置购物次数m=5，用户1在5次购物中每种商品的购买次数集合为R={r1，r2，...，rn}={1，4，2，3，2，1，1}，对应的商品集合为{商品1，商品2，...，商品7}，根据公式
Figure 139029DEST_PATH_IMAGE016
计算每种商品购买次数占总的购物次数的比例为N={
Figure 558509DEST_PATH_IMAGE017
}
Figure 768911DEST_PATH_IMAGE018
，设置每种商品购买次数占总的购物次数的比例的中间值为n%=45%，排除商品1、商品3、商品5、商品6、商品7，筛选并按照商品2、商品4的顺序推荐给用户1，用户1在5次购物中购买次数最多的商品占总购物次数的比例N1=80%，调取购买记录模块中随机匹配的另外3个用户5次的购物记录，统计另外3个用户购买商品2的次数占总购物次数的比例集合为{N2，N3，N4}={40%，10%，50%}，根据公式
Figure 590236DEST_PATH_IMAGE019
计算这4个用户购买商品2的比例的平均值
Figure 876992DEST_PATH_IMAGE020
=45%，设置用户购买商品2的比例平均值的阈值为z%=40%<45%，将商品2通过物品推荐模块推荐給其他为买过商品的用户。设置用户加购的商品个数p=2,分别为上述的商品2和商品4，以商场入口为原点建立三维模型，两件商品所在货架的位置坐标集合为{（10，20，12），（-15，-2，0），用户从商场入口出发，根据购买商品的先后顺序，共有
Figure 642823DEST_PATH_IMAGE021
=2种选择：路线1：入口
Figure 266702DEST_PATH_IMAGE022
商品2
Figure 582015DEST_PATH_IMAGE022
商品4；路线2：入口
Figure 23361DEST_PATH_IMAGE022
商品4
Figure 151854DEST_PATH_IMAGE022
商品2，入口到商品2所在货架的距离
Figure 454790DEST_PATH_IMAGE023
（m），入口到商品4所在货架的距离
Figure 844183DEST_PATH_IMAGE024
（m），根据公式
Figure 597376DEST_PATH_IMAGE025
计算商品2和商品4所在货架之间的距离
Figure 587066DEST_PATH_IMAGE026
（m）路线1的距离总和为L1+D
Figure 942961DEST_PATH_IMAGE027
（m），路线2的距离总和为L2+D
Figure 203172DEST_PATH_IMAGE028
（m）<60.78（m），用户按照距离总和最小的路线2购买商品，并用3D图引导单元指导该用户找到计划商品2和商品4的具体位置。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于互联网的商品销售推荐系统，其特征在于：包括：中央处理器、数据库、互联网、购买记录模块、信息系统、用户终端、物品推荐模块、数据分析模块、记录提取模块、建模单元、位置提取单元和3D图引导单元，所述中央处理器的输入端连接所述信息系统、购买记录模块的输出端，所述购买记录模块的输出端连接所述记录提取模块的输入端，所述中央处理器的输出端连接所述数据库的输入端，所述数据库的输出端连接所述记录提取模块、互联网的输入端，所述互联网的输出端连接所述数据库、用户终端的输入端，所述用户终端的输出端连接所述互联网的输入端，所述记录提取模块的输出端连接所述数据分析模块的输入端，所述数据分析模块的输出端连接所述物品推荐模块的输入端，所述物品推荐模块的输出端连接所述用户终端的输入端，所述数据库的输出端连接所述位置提取单元的输入端，所述位置提取单元的输出端连接所述3D图引导单元的输入端，建模单元的输出端连接所述位置提取单元的输入端。
2.根据权利要求1所述的一种基于互联网的商品销售推荐系统，其特征在于：所述购买记录模块用于存储不同用户购买商品的记录集合，所述数据库用于通过所述中央处理器从所述购买记录模块中调取相应用户一定购买次数的购买商品的记录，所述记录提取模块、数据分析模块用于对所述数据库中的大数据进行分析和计算以预测对应用户想要购买的商品并将其通过所述物品推荐模块推送到所述用户终端。
3.根据权利要求1所述的一种基于互联网的商品销售推荐系统，其特征在于：所述位置提取单元用于用户根据被推荐的商品确认想要购买的商品后提取对应商品的位置数据，再通过所述建模单元在商场上建立三维模型，计算商场入口到对应商品货架及对应商品货架之间的直线距离总和，确定加购商品购买的顺序，选择一条直线距离总和最小的路径发送到所述用户终端。
4.根据权利要求3所述的一种基于互联网的商品销售推荐系统，其特征在于：在确定加购商品购买顺序后，用户在所述用户终端中输入商品名称，所述3D图引导单元生成3D路线图指引用户到达对应商品所在的货架。
5.一种基于互联网的商品销售推荐方法，其特征在于：包括以下步骤：
S1：信息系统确认身份；
S2：调取不同用户相同购物次数的购买记录；
S3：计算同一用户在一定次数购物中购买不同商品的比例；
S4：按比例排序，将比例高的商品信息推送到对应用户的终端；
S5：计算购买同一商品比例最高的用户购买该商品比例的平均值；
S6：将购买比例平均值最高的商品通过物品推荐模块推荐给其他用户；
S7：将去往推荐商品位置的路径发送到对应用户的终端。
6.根据权利要求5所述的一种基于互联网的商品销售推荐方法，其特征在于：在步骤S1-S2中：用户输入账号和密码登录信息系统，与数据库中的用户信息进行匹配确认身份，记录提取模块通过所述数据库从购买记录模块中调取对应用户在一定次数购物中购买同一商品的记录集合。
7.根据权利要求5所述的一种基于互联网的商品销售推荐方法，其特征在于：在步骤S3中：数据分析模块接收到所述记录提取模块传输的数据后计算对应用户在一定次数购物中购买不同商品的比例：设置该用户购物的次数为m，该用户m次购物中购买每种商品的次数集合为R={r1，r2，...，rn}，在m次购物中，根据公式
Figure 434776DEST_PATH_IMAGE001
计算一种商品购买次数占总的购物次数的比例，整理该用户在m次购物中购买相同商品的比例集合为N={
Figure 537861DEST_PATH_IMAGE002
}。
8.根据权利要求5所述的一种基于互联网的商品销售推荐方法，其特征在于：在步骤S4中：设置不同商品购买次数占总的购物次数的比例的中间值为n%，筛选出购买次数占总购物次数比例大于中间值n%的商品，设置占比最高的商品占总的购物次数的比例为Nmax，将筛选出的商品按照比例从大到小对商品进行排列，并将对应商品的信息通过物品推荐模块推送到用户终端。
9.根据权利要求7所述的一种基于互联网的商品销售推荐方法，其特征在于：在步骤S5-S6中：记录提取模块调取购买记录模块中随机匹配的k个用户m次的购物记录，设置一个用户在m次购物中购买最多的商品占总购物次数的比例为N1，统计其记录提取模块中其他k-1个用户购买该商品的次数占总购物次数的比例集合为{N2，N3，...，Nk}，根据公式
Figure 182600DEST_PATH_IMAGE003
计算这k个用户购买同一种商品的比例的平均值
Figure 812165DEST_PATH_IMAGE004
，设置用户购买同一种商品的比例平均值的阈值为z%，若计算出的k个用户购买同一种商品的比例的平均值
Figure 484324DEST_PATH_IMAGE005
，将该商品通过物品推荐模块推荐給其他用户；若
Figure 199339DEST_PATH_IMAGE006
，不进行推荐。
10.根据权利要求5所述的一种基于互联网的商品销售推荐方法，其特征在于：在步骤S7中：用户在终端接收到推荐的商品信息后，点击想要购买的商品加购，加购的商品信息通过互联网传输到数据库中，位置提取单元对所述数据库的商品位置信息进行提取，并通过建模单元以商场入口为中心建立三维模型，设置加购的商品个数有p个，p个商品所在货架的位置坐标集合为{（x1，y1，z1），（x2，y2，z2），...，（xp，yp，zp）}，用户从商场入口出发，根据购买商品的先后顺序，共有
Figure 772403DEST_PATH_IMAGE007
种选择，入口到各商品所在货架的距离集合为L={
Figure 741627DEST_PATH_IMAGE008
}，根据公式
Figure 132157DEST_PATH_IMAGE009
计算各商品所在货架之间的距离，计算入口到各商品所在货架和各商品所在货架之间的距离总和L+D，距离总和最小值为（L+D）min，用户按照距离总和最小的路线购买商品，并设置有3D图引导单元指导用户找到计划购买商品的位置。
CN202011245704.7A 2020-11-10 2020-11-10 一种基于互联网的商品销售推荐系统及方法 Active CN112184399B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011245704.7A CN112184399B (zh) 2020-11-10 2020-11-10 一种基于互联网的商品销售推荐系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011245704.7A CN112184399B (zh) 2020-11-10 2020-11-10 一种基于互联网的商品销售推荐系统及方法

Publications (2)

Publication Number Publication Date
CN112184399A true CN112184399A (zh) 2021-01-05
CN112184399B CN112184399B (zh) 2023-11-21

Family

ID=73916575

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011245704.7A Active CN112184399B (zh) 2020-11-10 2020-11-10 一种基于互联网的商品销售推荐系统及方法

Country Status (1)

Country Link
CN (1) CN112184399B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240453A (zh) * 2021-04-21 2021-08-10 福建神笔马良智能科技股份有限公司 基于区块链的商品销售动态推进管理系统
CN113506154A (zh) * 2021-07-16 2021-10-15 杭州时趣信息技术有限公司 一种商品推荐方法、系统、电子设备及相关组件
CN114153795A (zh) * 2021-11-25 2022-03-08 北京融安特智能科技股份有限公司 智能调取电子档案的方法、装置、电子设备和存储介质
CN114742578A (zh) * 2022-03-25 2022-07-12 广西师范大学 一种“旅游+”产业融合一体化数据中台系统
CN116402545A (zh) * 2023-06-05 2023-07-07 湖南云数信息科技有限公司 一种数据分析处理方法及无人零售终端
CN117217865A (zh) * 2023-09-12 2023-12-12 深圳市思维无限网络科技有限公司 基于大数据分析的个性化推荐系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070100680A1 (en) * 2005-10-21 2007-05-03 Shailesh Kumar Method and apparatus for retail data mining using pair-wise co-occurrence consistency
JP2012014467A (ja) * 2010-06-30 2012-01-19 Rakuten Inc 情報提供システム、情報提供装置、情報提供方法、プログラム及び情報記録媒体
US20140279190A1 (en) * 2013-03-14 2014-09-18 SimpleRelevance Inc. Recommended content generation and distribution
US20150006314A1 (en) * 2013-06-27 2015-01-01 Wal-Mart Stores, Inc. Add items from previous orders
US20160196578A1 (en) * 2015-01-05 2016-07-07 Sk Planet Co., Ltd. System and method for recommending product purchased periodically, apparatus and non-transitory computer readable storage medium having computer program recorded thereon
CN105809486A (zh) * 2016-03-15 2016-07-27 上海爱数信息技术股份有限公司 一种提升购物效率的商场导购系统及方法
CN110009457A (zh) * 2019-04-09 2019-07-12 昆山古鳌电子机械有限公司 一种基于大数据的商品推荐系统
CN110245283A (zh) * 2019-04-30 2019-09-17 平安科技（深圳）有限公司 一种智能购物导航方法及系统
CN110796520A (zh) * 2019-10-29 2020-02-14 中国工商银行股份有限公司 商品推荐的方法、装置、计算设备以及介质
KR102090174B1 (ko) * 2019-08-27 2020-05-29 이창수 전자가격표기 시스템 기반의 빅데이터 분석 개인 맞춤형 마케팅 서비스 제공 시스템
CN111461846A (zh) * 2020-05-07 2020-07-28 蒋丽菲 一种购物记录分析反馈系统及其方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070100680A1 (en) * 2005-10-21 2007-05-03 Shailesh Kumar Method and apparatus for retail data mining using pair-wise co-occurrence consistency
JP2012014467A (ja) * 2010-06-30 2012-01-19 Rakuten Inc 情報提供システム、情報提供装置、情報提供方法、プログラム及び情報記録媒体
US20140279190A1 (en) * 2013-03-14 2014-09-18 SimpleRelevance Inc. Recommended content generation and distribution
US20150006314A1 (en) * 2013-06-27 2015-01-01 Wal-Mart Stores, Inc. Add items from previous orders
US20160196578A1 (en) * 2015-01-05 2016-07-07 Sk Planet Co., Ltd. System and method for recommending product purchased periodically, apparatus and non-transitory computer readable storage medium having computer program recorded thereon
CN105809486A (zh) * 2016-03-15 2016-07-27 上海爱数信息技术股份有限公司 一种提升购物效率的商场导购系统及方法
CN110009457A (zh) * 2019-04-09 2019-07-12 昆山古鳌电子机械有限公司 一种基于大数据的商品推荐系统
CN110245283A (zh) * 2019-04-30 2019-09-17 平安科技（深圳）有限公司 一种智能购物导航方法及系统
KR102090174B1 (ko) * 2019-08-27 2020-05-29 이창수 전자가격표기 시스템 기반의 빅데이터 분석 개인 맞춤형 마케팅 서비스 제공 시스템
CN110796520A (zh) * 2019-10-29 2020-02-14 中国工商银行股份有限公司 商品推荐的方法、装置、计算设备以及介质
CN111461846A (zh) * 2020-05-07 2020-07-28 蒋丽菲 一种购物记录分析反馈系统及其方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
苏昶;: "基于随机森林的购物推荐系统", 中国战略新兴产业, no. 44, pages 129 - 130 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240453A (zh) * 2021-04-21 2021-08-10 福建神笔马良智能科技股份有限公司 基于区块链的商品销售动态推进管理系统
CN113240453B (zh) * 2021-04-21 2024-05-28 福建神笔马良智能科技股份有限公司 基于区块链的商品销售动态推进管理系统
CN113506154A (zh) * 2021-07-16 2021-10-15 杭州时趣信息技术有限公司 一种商品推荐方法、系统、电子设备及相关组件
CN114153795A (zh) * 2021-11-25 2022-03-08 北京融安特智能科技股份有限公司 智能调取电子档案的方法、装置、电子设备和存储介质
CN114742578A (zh) * 2022-03-25 2022-07-12 广西师范大学 一种“旅游+”产业融合一体化数据中台系统
CN116402545A (zh) * 2023-06-05 2023-07-07 湖南云数信息科技有限公司 一种数据分析处理方法及无人零售终端
CN116402545B (zh) * 2023-06-05 2023-08-15 湖南云数信息科技有限公司 一种数据分析处理方法及无人零售终端
CN117217865A (zh) * 2023-09-12 2023-12-12 深圳市思维无限网络科技有限公司 基于大数据分析的个性化推荐系统
CN117217865B (zh) * 2023-09-12 2024-06-11 深圳市思维无限网络科技有限公司 基于大数据分析的个性化推荐系统

Also Published As

Publication number Publication date
CN112184399B (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN112184399A (zh) 一种基于互联网的商品销售推荐系统及方法
CN107481114B (zh) 商品推荐方法、装置、电子商务系统及存储介质
US10846775B1 (en) Identifying item recommendations through recognized navigational patterns
CN106570716B (zh) 提供商品对象信息的方法及装置
CN103841122B (zh) 目标对象信息推荐方法、服务器及客户端
CN108038696B (zh) 基于设备标识码和社交群组信息的刷单检测方法及系统
CN103391302B (zh) 一种信息发送的方法及系统
CN108960992A (zh) 一种信息推荐方法以及相关设备
CN106779940B (zh) 一种展示商品的确认方法及装置
CN107862530A (zh) 建立用户人际关系信息的方法及装置
US20170024783A1 (en) Methods and systems for ranking merchants
KR101740148B1 (ko) 고객의 오프라인활동 데이터에 기반한 온라인쇼핑상품 추천방법
CN107153657A (zh) 一种网络数据处理方法、装置及服务器
CN112529655A (zh) 一种基于手机终端的电子商务交易系统
TWI552099B (zh) Recommended user method and device
CN112200636A (zh) 一种基于大数据的智能购物推荐方法
CN112085537A (zh) 一种基于大数据分析商品的方法及系统
CN114219589B (zh) 虚拟实体对象的生成和页面显示方法、装置和电子设备
CN115880037A (zh) 基于多项目规划整合分析的商品推荐方法
CN110544140A (zh) 一种处理浏览数据的方法和装置
CN111507804B (zh) 基于混合信息融合的情感感知商品推荐方法
CN111080411B (zh) 一种基于网络中心度的商品推送方法、系统及终端设备
JP7232934B2 (ja) オンラインショッピングを管理するためのシステムおよび方法
CN114187029A (zh) 一种商品价格参数验证的方法和系统
CN111222934B (zh) 信息发布方法、装置及计算机系统

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
TA01 Transfer of patent application right

Effective date of registration: 20231024

Address after: 518000, 8th Floor, Building B, Zhongshe Plaza, No. 1028 Buji Road, Lvjing Community, Dongxiao Street, Luohu District, Shenzhen, Guangdong Province

Applicant after: Shenzhen Xinyun Technology Information Service Co.,Ltd.

Address before: 510623 room 1101, 8 Jinshui Road, Tianhe District, Guangzhou City, Guangdong Province

Applicant before: Guangzhou Hongsen Capital Management Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant