CN112308686A - 一种智能推荐方法 - Google Patents
一种智能推荐方法 Download PDFInfo
- Publication number
- CN112308686A CN112308686A CN202011342584.2A CN202011342584A CN112308686A CN 112308686 A CN112308686 A CN 112308686A CN 202011342584 A CN202011342584 A CN 202011342584A CN 112308686 A CN112308686 A CN 112308686A
- Authority
- CN
- China
- Prior art keywords
- product
- user
- demand
- products
- representing
- 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
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种智能推荐方法,包括:获取用户的基本信息以及用户对产品需求的意向;解析所述用户的基本信息获得用户特征;解析所述用户对产品需求的意向,获得产品需求特征;对所有产品进行信息特征标签设置,并将产品以及产品的信息特征标签对应存储在产品数据库中;根据所述用户特征在所述产品数据库中确定第一需求产品;根据所述产品需求特征在所述产品数据库中确定第二需求产品;依据所述第一需求产品和第二需求产品得到用户推荐产品;将所述用户推荐产品推荐给所述用户。本发明给出了一种智能推荐方法,解决现有技术方案中只能根据用户历史感兴趣的产品进行推荐,无法挖掘用户的潜在喜好和多次出现同一件产品的问题。
Description
技术领域
本发明涉及智能化技术领域,特别涉及一种智能推荐方法。
背景技术
人工智能(Artificial Intelligence),英文缩写为AI,它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。随着电子商务规模的不断扩大,产品个数和种类快速增长,用户需要花费大量的时间才能找到自己想买的产品,通常浏览大量产品和产品信息的过程无疑会浪费用户的大量时间,也会使淹没在信息过载问题中的用户不断流失,此时,智能推荐技术应运而生,利用电子商务网站向用户提供产品信息和建议,帮助用户快速找到想要购买的产品。
在现有智能推荐方法中往往只能根据用户历史感兴趣的产品进行推荐,无法挖掘用户的潜在喜好,而且为用户推荐的产品会出现多次出现同一件产品,因此,本发明提出了一种智能推荐方法,解决现有技术方案中只能根据用户历史感兴趣的产品进行推荐,无法挖掘用户的潜在喜好,多次出现同一件产品的问题。
发明内容
本发明提供了一种智能推荐方法,解决了现有技术方案中只能根据用户历史感兴趣的产品进行推荐,无法挖掘用户的潜在喜好和多次出现同一件产品的问题。
本发明提供一种智能推荐方法,包括:
获取用户的基本信息以及用户对产品需求的意向;
解析所述用户的基本信息获得用户特征;
解析所述用户对产品需求的意向,获得产品需求特征;
对所有产品进行信息特征标签设置,并将产品以及产品的信息特征标签对应存储在产品数据库中;
根据所述用户特征在所述产品数据库中确定第一需求产品;
根据所述产品需求特征在所述产品数据库中确定第二需求产品;
依据所述第一需求产品和第二需求产品得到用户推荐产品;
将所述用户推荐产品推荐给所述用户。
进一步地,所述获取用户的基本信息以及用户对产品需求的意向,通过网页调查问卷的形式获取用户的基本信息以及用户对产品需求的意向。
进一步地,所述对所有产品进行信息特征标签设置时,所述产品同时包括多个不同的信息特征标签。
进一步地,所述用户特征包括:用户基本信息特征和用户历史信息特征,所述根据所述用户特征在所述产品数据库中确定第一需求产品,包括:
根据所述用户基本信息特征确定基本需求产品;
根据所述用户历史信息特征确定历史需求产品;
将所述基本需求产品与所述历史需求产品进行融合得到所述第一需求产品。
进一步地,所述根据所述用户基本信息特征确定基本需求产品包括:
根据所述用户的基本信息分别得到与所述用户基本信息相似的用户的需求产品;
根据下述公式对得到的与所述用户的基本信息相似的用户的需求产品进行合并,得到所述基本需求产品;
上述公式中,W11表示所述基本需求产品的集合,Ai表示与所述用户的第i条用户基本信息相似的用户的需求产品,所述与所述用户的基本信息相似的用户的需求产品至少包括:与所述用户年龄相似的用户需求的产品,与所述用户性别一致的用户需求的产品,与所述用户兴趣相似的用户需求的产品以及与所述用户爱好相似的用户需求的产品。
进一步地,所述根据所述用户历史信息特征确定历史需求产品,包括:
搜索出候选一项集及对应的支持度,剪枝去掉低于支持度的一项集,得到频繁一项集;
对剩下的频繁一项集进行连接,得到候选的频繁二项集,筛选去掉低于支持度的候选频繁二项集,得到真正的频繁二项集;
以此类推,迭代下去,直到无法找到频繁k+1项集为止,对应的频繁k项集的集合即为所述历史需求产品的集合。
进一步地,所述将所述基本需求产品与所述历史需求产品进行融合得到所述第一需求产品的融合方法是通过将所述基本需求产品与所述历史需求产品中包含的相同的产品剔除,得到所述第一需求产品。
进一步地,所述用户在提供对产品需求的意向时还提供雷区特征,当存在产品既存在产品需求特征又存在有雷区特征时,将存在雷区特征的产品过滤掉,不推荐给所述用户。
进一步地,所述根据所述产品需求特征在所述产品数据库中确定第二需求产品,包括:
依据所述产品需求特征根据下述公式计算所述产品数据库中产品的匹配度,得到与所述产品需求特征匹配的产品;
上述公式中,K1表示所述与所述产品需求特征匹配的产品的集合,ki表示与所述产品需求特征匹配的第i个产品,Gi表示所述产品数据库中第i个产品信息特征标签的集合,f表示集合的大小计算函数,P表示所述用户的产品需求特征的集合,H表示预设阈值,在这里取值为0.5;
依据所述雷区特征在所述产品数据库中寻找符合雷区特征的产品;
上述公式中,K2表示所述符合雷区特征的产品的集合,hl表示符合雷区特征的第l个产品,表示所述雷区特征中第m个特征与所述产品数据库中第g个产品的第n个信息特征标签之间的相似度,h表示预设的相似度阈值,在这里取值为0.7;
结合得到的与所述产品需求特征匹配的产品以及符合雷区特征的产品根据下述公式确定所述第二需求产品;
W2=K1-K2
上述公式中,W2表示所述第二需求产品的集合,K1表示所述与所述产品需求特征匹配的产品的集合,K2表示所述符合雷区特征的产品的集合。
进一步地,所述依据所述第一需求产品和第二需求产品得到用户推荐产品时,根据下述公式确定所述用户推荐产品;
D=W2∪(W1-W2)
上述公式中,D表示所述用户推荐产品的集合,W1表示所述第一需求产品的集合,W2表示所述第二需求产品的集合。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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为本发明所述的一种智能推荐方法的流程图。
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。
如图1所示,本发明实施例提供了一种智能推荐方法,包括:
步骤一、获取用户的基本信息以及用户对产品需求的意向;
步骤二、解析所述用户的基本信息获得用户特征;
步骤三、解析所述用户对产品需求的意向,获得产品需求特征;
步骤四、对所有产品进行信息特征标签设置,并将产品以及产品的信息特征标签对应存储在产品数据库中;
步骤五、根据所述用户特征在所述产品数据库中确定第一需求产品;
步骤六、根据所述产品需求特征在所述产品数据库中确定第二需求产品;
步骤七、依据所述第一需求产品和第二需求产品得到用户推荐产品;
步骤八、将所述用户推荐产品推荐给所述用户。
上述技术方案的原理:上述技术方案中,进行智能推荐依次按照获取用户的基本信息以及用户对产品需求的意向;解析所述用户的基本信息获得用户特征;解析所述用户对产品需求的意向,获得产品需求特征;对所有产品进行信息特征标签设置,并将产品以及产品的信息特征标签对应存储在产品数据库中;根据所述用户特征在所述产品数据库中确定第一需求产品;根据所述产品需求特征在所述产品数据库中确定第二需求产品;依据所述第一需求产品和第二需求产品得到用户推荐产品和将所述用户推荐产品推荐给所述用户实现。
上述技术方案的有益效果:通过上述技术方案,在进行智能推荐时,既可以根据用户历史感兴趣的产品进行推荐,又可以挖掘用户的潜在喜好,同时还能够避免在用户推荐产品中同一件产品多次重复出现;对所有产品进行信息特征标签设置通过信息特征标签将产品的属性表现出来,使得根据用户基本信息和对产品需求意向匹配对应的信息特征标签,从而快速确定具有相应信息特征标签的产品,进而加快了向用户推荐产品的时间;产品解析所述用户的基本信息获得用户特征能够使得用户的基本特征中包含有用户自身的喜好、与用户具有相似的基本信息的其他用户的喜好以及用户的历史产品需求中用户的喜好,进而使得确定第一需求产品中既包含用户历史感兴趣的产品,又包含用户的潜在喜好的产品;解析所述用户对产品需求的意向,获得产品需求特征能够直接针对用户的需求意图推荐需要的商品,提高用户的根据需求购买产品的效率;依据所述第一需求产品和第二需求产品得到用户推荐产品时,综合考虑第一需求产品和第二需求产品,避免同一件商品多次出现在推荐产品中,避免用户花费时间浏览同一件产品,进而降低了用户流失的可能。
本发明提供的一个实施例中,所述获取用户的基本信息以及用户对产品需求的意向,通过网页调查问卷的形式获取用户的基本信息以及用户对产品需求的意向。
上述技术方案的原理:上述技术方案中,在获取用户的基本信息以及用户对产品需求的意向时,通过网页以调查问卷的形式呈现给用户,用户则根据网页上调查问卷的内容填写即可提高自己的基本信息和对产品需求的意向。
上述技术方案的有益效果:通过上述技术方案,通过网页调查问卷的形式获取便于进行数据统计和进行后续分析,而且还能够使得用户按照调查问卷上的问题进行回答即可,提供了用户提供需求的意向信息的方向,避免了用户花费大量时间进行思考。
本发明提供的一个实施例中,所述对所有产品进行信息特征标签设置时,所述产品同时包括多个不同的信息特征标签。
上述技术方案的原理:上述技术方案中,在对产品进行信息特征标签设置时,产品根据自身的特性可以拥有多个不同的信息特征标签。
上述技术方案的有益效果:通过上述技术方案,通过给产品设置信息特征标签使得通过信息特征标签将产品的属性全部呈现出来,使得能够根据信息特征标签确定满足用户对产品需求的产品,便于实现满足用户对产品需求的产品推荐,而且同时拥有多个不同的信息特征标签能够全面将产品的属性表现出来,避免遗漏产品的属性特征。
本发明提供的一个实施例中,所述用户特征包括:用户基本信息特征和用户历史信息特征,所述根据所述用户特征在所述产品数据库中确定第一需求产品,包括:
根据所述用户基本信息特征确定基本需求产品;
根据所述用户历史信息特征确定历史需求产品;
将所述基本需求产品与所述历史需求产品进行融合得到所述第一需求产品。
上述技术方案的原理:上述技术方案中,用户特征包括用户基本信息特征和用户历史信息特征,在根据所述用户特征在所述产品数据库中确定第一需求产品时,首先根据所述用户基本信息特征确定基本需求产品;然后根据所述用户历史信息特征确定历史需求产品;最后将所述基本需求产品与所述历史需求产品进行融合得到所述第一需求产品。
上述技术方案的有益效果:通过上述技术方案,获取的用户特征包括用户基本信息特征和用户历史信息特征能够使得根据用户特征在产品数据库中确定第一需求产品时,不能能够使得确定的第一需求产品中包含有符合用户自身的基本信息的产品,还包含能够满足用户历史信息特征中现的风格特征的产品,此外将所述基本需求产品与所述历史需求产品进行融合得到所述第一需求产品还能够将基本需求产品中与历史需求产品中重复出现的产品筛选过滤只保留一个,避免了用户在浏览产品时,重复浏览同一个产品,浪费用户时间。
本发明提供的一个实施例中,所述根据所述用户基本信息特征确定基本需求产品包括:
根据所述用户的基本信息分别得到与所述用户基本信息相似的用户的需求产品;
根据下述公式对得到的与所述用户的基本信息相似的用户的需求产品进行合并,得到所述基本需求产品;
上述公式中,W11表示所述基本需求产品的集合,Ai表示与所述用户的第i条用户基本信息相似的用户的需求产品,所述与所述用户的基本信息相似的用户的需求产品至少包括:与所述用户年龄相似的用户需求的产品,与所述用户性别一致的用户需求的产品,与所述用户兴趣相似的用户需求的产品以及与所述用户爱好相似的用户需求的产品。
上述技术方案的原理:上述技术方案中,根据所述用户基本信息特征确定基本需求产品时,首先,根据所述用户的基本信息分别得到与所述用户基本信息相似的用户的需求产品;然后,对得到的与所述用户的基本信息相似的用户的需求产品进行合并,得到所述基本需求产品。
上述技术方案的有益效果:通过上述技术方案确定的基本需求产品既包括与所述用户年龄相似的用户需求的产品,又包括与所述用户性别一致的用户需求的产品,还包括与所述用户兴趣相似的用户需求的产品以及与所述用户爱好相似的用户需求的产品,使得将与所述用户具有相似的基本信息的其他用户的基本信息相符的产品同时也推荐给所述用户,而且通过对得到的与所述用户的基本信息相似的用户的需求产品进行合并能够避免同一个产品多次出现,阻碍用户在推荐的产品中快速确定自己所需的产品,进而减少寻找自己想买产品的时间,有助于用户快速找到想要购买的产品。
本发明提供的一个实施例中,所述根据所述用户历史信息特征确定历史需求产品,包括:
搜索出候选一项集及对应的支持度,剪枝去掉低于支持度的一项集,得到频繁一项集;
对剩下的频繁一项集进行连接,得到候选的频繁二项集,筛选去掉低于支持度的候选频繁二项集,得到真正的频繁二项集;
以此类推,迭代下去,直到无法找到频繁k+1项集为止,对应的频繁k项集的集合即为所述历史需求产品的集合。
上述技术方案的原理:上述技术方案中,根据所述用户历史信息特征确定历史需求产品时,通过迭代的方法直到无法找到频繁k+1项集为止,对应的频繁k项集的集合即为所述历史需求产品的集合。
上述技术方案的有益效果:通过上述技术方案根据所述用户历史信息特征确定历史需求产品不仅仅简洁,而且在频繁项集迭代过程中直接筛选去掉低于支持度的候选频繁项集,从而减少统计候选项目个数,此外,上述技术方案能够将统计候选项目个数的任务通过多线程来执行,从而达到减少运行时间的目的。
本发明提供的一个实施例中,所述将所述基本需求产品与所述历史需求产品进行融合得到所述第一需求产品的融合方法是通过将所述基本需求产品与所述历史需求产品中包含的相同的产品剔除,得到所述第一需求产品。
上述技术方案的原理:上述技术方案中,通过将所述基本需求产品与所述历史需求产品中包含的相同的产品剔除的方法将所述基本需求产品与所述历史需求产品进行融合得到所述第一需求产品。
上述技术方案的有益效果:通过上述技术方案,将所述基本需求产品与所述历史需求产品进行融合得到所述第一需求产品能够使得在海量产品中将符合用户基本信息特征的产品和符合用户历史信息特征的产品筛选出来推荐给用户,避免用户花费时间浏览大量不会购买的产品,节约了用户的时间,还降低了用户流失的可能,同时第一需求产品中还不会出现重复的产品,避免用户多次浏览同一产品,使得用户的体验感更佳。
本发明提供的一个实施例中,所述用户在提供对产品需求的意向时还提供雷区意向,当存在产品既存在产品需求特征又存在有雷区特征时,将存在雷区特征的产品过滤掉,不推荐给所述用户。
上述技术方案的原理:上述技术方案中,在用户提供对产品需求的意向的同时还提供用于对产品的雷区意向,在向用户推荐产品时,使得既具有产品需求特征又具有雷区特征的产品之间过滤掉。
上述技术方案的有益效果:通过上述技术方案使得推荐给用户的产品中不包含具有用户提供的雷区特征的产品,避免用户在浏览推荐的产品时,看了很久结果发现所看的产品中存在自己对产品的雷区意向中的特征,直接将所看的产品否定掉,不去购买,因此造成用户时间浪费,倘若出现多个这种情况的发生将会直接导致用户的不会继续进行浏览推荐的产品,造成用户流失。
本发明提供的一个实施例中,所述根据所述产品需求特征在所述产品数据库中确定第二需求产品,包括:
依据所述产品需求特征根据下述公式计算所述产品数据库中产品的匹配度,得到与所述产品需求特征匹配的产品;
上述公式中,K1表示所述与所述产品需求特征匹配的产品的集合,ki表示与所述产品需求特征匹配的第i个产品,Gi表示所述产品数据库中第i个产品信息特征标签的集合,f表示集合的大小计算函数,P表示所述用户的产品需求特征的集合,H表示预设阈值,在这里取值为0.5;
依据所述雷区特征在所述产品数据库中寻找符合雷区特征的产品;
上述公式中,K2表示所述符合雷区特征的产品的集合,hl表示符合雷区特征的第l个产品,表示所述雷区特征中第m个特征与所述产品数据库中第g个产品的第n个信息特征标签之间的相似度,h表示预设的相似度阈值,在这里取值为0.7;
结合得到的与所述产品需求特征匹配的产品以及符合雷区特征的产品根据下述公式确定所述第二需求产品;
W2=K1-K2
上述公式中,W2表示所述第二需求产品的集合,K1表示所述与所述产品需求特征匹配的产品的集合,K2表示所述符合雷区特征的产品的集合。
上述技术方案的原理:上述技术方案中,根据所述产品需求特征在所述产品数据库中确定第二需求产品的过程中,首先依据所述产品需求特征计算所述产品数据库中产品的匹配度,得到与所述产品需求特征匹配的产品,然后依据所述雷区特征在所述产品数据库中寻找符合雷区特征的产品,最后结合得到的与所述产品需求特征匹配的产品以及符合雷区特征的产品确定所述第二需求产品。
上述技术方案的有益效果:通过上述技术方案使得确定的第二需求产品既能够满足用户对产品的需求,又能够避免用户对产品的雷区要求,使得确定的第二需求产品更加符合用户对产品的要求,增加了用户对用户推荐产品的满意度。
本发明提供的一个实施例中,所述依据所述第一需求产品和第二需求产品得到用户推荐产品时,根据下述公式确定所述用户推荐产品;
D=W2∪(W1-W2)
上述公式中,D表示所述用户推荐产品的集合,W1表示所述第一需求产品的集合,W2表示所述第二需求产品的集合。
上述技术方案的原理:上述技术方案中,通过公式D=W2∪(W1-W2)根据所述第一需求产品和第二需求产品得到用户推荐产品。
上述技术方案的有益效果:通过上述技术方案获得用户推荐产品,不仅能够使得推荐产品中既包含有符合用户基本信息的产品,又包含有与用户拥有相似基本信息用户的需求产品,同时还包含有符合用户需求意向的产品,在满足用户需求的同时还展示用户可能需要的的产品,提高购买消费的可能,还能够使得在海量的产品中得到的用户推荐产品无重复出现的产品,避免了用户在查看用户推荐产品时重复查看同一件产品造成时间浪费,进而导致用户流失。
本领域技术人员应当理解的是,本发明中的第一、第二指的是不同应用阶段而已。
本领域技术用户员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种智能推荐方法,其特征在于,包括:
获取用户的基本信息以及用户对产品需求的意向;
解析所述用户的基本信息获得用户特征;
解析所述用户对产品需求的意向,获得产品需求特征;
对所有产品进行信息特征标签设置,并将产品以及产品的信息特征标签对应存储在产品数据库中;
根据所述用户特征在所述产品数据库中确定第一需求产品;
根据所述产品需求特征在所述产品数据库中确定第二需求产品;
依据所述第一需求产品和第二需求产品得到用户推荐产品;
将所述用户推荐产品推荐给所述用户。
2.根据权利要求1所述的智能推荐方法,其特征在于,所述获取用户的基本信息以及用户对产品需求的意向,通过网页调查问卷的形式获取用户的基本信息以及用户对产品需求的意向。
3.根据权利要求1所述的智能推荐方法,其特征在于,所述对所有产品进行信息特征标签设置时,所述产品同时包括多个不同的信息特征标签。
4.根据权利要求1所述的智能推荐方法,其特征在于,所述用户特征包括:用户基本信息特征和用户历史信息特征,所述根据所述用户特征在所述产品数据库中确定第一需求产品,包括:
根据所述用户基本信息特征确定基本需求产品;
根据所述用户历史信息特征确定历史需求产品;
将所述基本需求产品与所述历史需求产品进行融合得到所述第一需求产品。
6.根据权利要求4所述的智能推荐方法,其特征在于,所述根据所述用户历史信息特征确定历史需求产品,包括:
搜索出候选一项集及对应的支持度,剪枝去掉低于支持度的一项集,得到频繁一项集;
对剩下的频繁一项集进行连接,得到候选的频繁二项集,筛选去掉低于支持度的候选频繁二项集,得到真正的频繁二项集;
以此类推,迭代下去,直到无法找到频繁k+1项集为止,对应的频繁k项集的集合即为所述历史需求产品的集合。
7.根据权利要求4所述的智能推荐方法,其特征在于,所述将所述基本需求产品与所述历史需求产品进行融合得到所述第一需求产品的融合方法是通过将所述基本需求产品与所述历史需求产品中包含的相同的产品剔除,得到所述第一需求产品。
8.根据权利要求1所述的智能推荐方法,其特征在于,所述用户在提供对产品需求的意向时还提供雷区特征,当存在产品既存在产品需求特征又存在有雷区特征时,将存在雷区特征的产品过滤掉,不推荐给所述用户。
9.根据权利要求8所述的智能推荐方法,其特征在于,所述根据所述产品需求特征在所述产品数据库中确定第二需求产品,包括:
依据所述产品需求特征根据下述公式计算所述产品数据库中产品的匹配度,得到与所述产品需求特征匹配的产品;
上述公式中,K1表示所述与所述产品需求特征匹配的产品的集合,ki表示与所述产品需求特征匹配的第i个产品,Gi表示所述产品数据库中第i个产品信息特征标签的集合,f表示集合的大小计算函数,P表示所述用户的产品需求特征的集合,H表示预设阈值,在这里取值为0.5;
依据所述雷区特征在所述产品数据库中寻找符合雷区特征的产品;
上述公式中,K2表示所述符合雷区特征的产品的集合,hl表示符合雷区特征的第l个产品,表示所述雷区特征中第m个特征与所述产品数据库中第g个产品的第n个信息特征标签之间的相似度,h表示预设的相似度阈值,在这里取值为0.7;
结合得到的与所述产品需求特征匹配的产品以及符合雷区特征的产品根据下述公式确定所述第二需求产品;
W2=K1-K2
上述公式中,W2表示所述第二需求产品的集合,K1表示所述与所述产品需求特征匹配的产品的集合,K2表示所述符合雷区特征的产品的集合。
10.根据权利要求1所述的智能推荐方法,其特征在于,所述依据所述第一需求产品和第二需求产品得到用户推荐产品时,根据下述公式确定所述用户推荐产品;
D=W2∪(W1-W2)
上述公式中,D表示所述用户推荐产品的集合,W1表示所述第一需求产品的集合,W2表示所述第二需求产品的集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011342584.2A CN112308686B (zh) | 2020-11-26 | 2020-11-26 | 一种智能推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011342584.2A CN112308686B (zh) | 2020-11-26 | 2020-11-26 | 一种智能推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112308686A true CN112308686A (zh) | 2021-02-02 |
CN112308686B CN112308686B (zh) | 2021-05-18 |
Family
ID=74486938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011342584.2A Active CN112308686B (zh) | 2020-11-26 | 2020-11-26 | 一种智能推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308686B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023241430A1 (zh) * | 2022-06-15 | 2023-12-21 | 李宝忠 | 电子商务的数据处理方法及电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160330243A1 (en) * | 2015-05-07 | 2016-11-10 | Fmr Llc | Hybrid Engine for Generating a Recommended Security Tier |
CN107403335A (zh) * | 2017-06-19 | 2017-11-28 | 北京至信普林科技有限公司 | 一种基于深度用户画像进行精准营销的系统及实现方法 |
CN108346085A (zh) * | 2018-01-30 | 2018-07-31 | 南京邮电大学 | 基于加权频繁项集挖掘算法的电商平台个性化推荐方法 |
CN109461012A (zh) * | 2017-09-06 | 2019-03-12 | 中国移动通信有限公司研究院 | 一种产品推荐方法、装置及终端 |
CN109934721A (zh) * | 2019-01-18 | 2019-06-25 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、设备及存储介质 |
CN110097394A (zh) * | 2019-03-27 | 2019-08-06 | 青岛高校信息产业股份有限公司 | 产品潜客推荐方法和装置 |
CN110147502A (zh) * | 2019-04-12 | 2019-08-20 | 平安科技(深圳)有限公司 | 基于大数据分析的产品推荐方法、装置、介质及服务器 |
CN110415081A (zh) * | 2019-07-27 | 2019-11-05 | 西安电子科技大学 | 一种基于内容的用户个性化产品的匹配推荐方法 |
CN110532479A (zh) * | 2019-09-05 | 2019-12-03 | 北京思维造物信息科技股份有限公司 | 一种信息推荐方法、装置及设备 |
CN111429293A (zh) * | 2020-04-21 | 2020-07-17 | 重庆新致金服信息技术有限公司 | 一种保险产品的推荐系统及推荐方法 |
CN111667298A (zh) * | 2020-04-15 | 2020-09-15 | 合肥工业大学 | 用户个性化需求预测方法和系统 |
CN111798273A (zh) * | 2020-07-01 | 2020-10-20 | 中国建设银行股份有限公司 | 产品的购买概率预测模型的训练方法及购买概率预测方法 |
-
2020
- 2020-11-26 CN CN202011342584.2A patent/CN112308686B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160330243A1 (en) * | 2015-05-07 | 2016-11-10 | Fmr Llc | Hybrid Engine for Generating a Recommended Security Tier |
CN107403335A (zh) * | 2017-06-19 | 2017-11-28 | 北京至信普林科技有限公司 | 一种基于深度用户画像进行精准营销的系统及实现方法 |
CN109461012A (zh) * | 2017-09-06 | 2019-03-12 | 中国移动通信有限公司研究院 | 一种产品推荐方法、装置及终端 |
CN108346085A (zh) * | 2018-01-30 | 2018-07-31 | 南京邮电大学 | 基于加权频繁项集挖掘算法的电商平台个性化推荐方法 |
CN109934721A (zh) * | 2019-01-18 | 2019-06-25 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、设备及存储介质 |
CN110097394A (zh) * | 2019-03-27 | 2019-08-06 | 青岛高校信息产业股份有限公司 | 产品潜客推荐方法和装置 |
CN110147502A (zh) * | 2019-04-12 | 2019-08-20 | 平安科技(深圳)有限公司 | 基于大数据分析的产品推荐方法、装置、介质及服务器 |
CN110415081A (zh) * | 2019-07-27 | 2019-11-05 | 西安电子科技大学 | 一种基于内容的用户个性化产品的匹配推荐方法 |
CN110532479A (zh) * | 2019-09-05 | 2019-12-03 | 北京思维造物信息科技股份有限公司 | 一种信息推荐方法、装置及设备 |
CN111667298A (zh) * | 2020-04-15 | 2020-09-15 | 合肥工业大学 | 用户个性化需求预测方法和系统 |
CN111429293A (zh) * | 2020-04-21 | 2020-07-17 | 重庆新致金服信息技术有限公司 | 一种保险产品的推荐系统及推荐方法 |
CN111798273A (zh) * | 2020-07-01 | 2020-10-20 | 中国建设银行股份有限公司 | 产品的购买概率预测模型的训练方法及购买概率预测方法 |
Non-Patent Citations (3)
Title |
---|
周琼: ""一种基于用户投资偏好与产品特征的P2P网贷个性化推荐算法"", 《长春理工大学学报(自然科学版)》 * |
姜元春: ""基于智能优化方法的个性化营销策略研究"", 《中国博士学位论文全文数据库 经济与管理科学辑》 * |
程昔恩 章义来: ""基于产品特征的协同推荐方法及其应用"", 《微计算机信息》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023241430A1 (zh) * | 2022-06-15 | 2023-12-21 | 李宝忠 | 电子商务的数据处理方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112308686B (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111444428B (zh) | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 | |
CN111784455B (zh) | 一种物品推荐方法及推荐设备 | |
CN109903117B (zh) | 一种用于商品推荐的知识图谱处理方法及装置 | |
CN110110181B (zh) | 一种基于用户风格和场景偏好的服装搭配推荐方法 | |
CN107705066B (zh) | 一种商品入库时信息录入方法及电子设备 | |
CN110458627B (zh) | 一种面向用户动态偏好的商品序列个性化推荐方法 | |
US20070282684A1 (en) | System and Method for Determining Affinity Profiles for Research, Marketing, and Recommendation Systems | |
US20220405607A1 (en) | Method for obtaining user portrait and related apparatus | |
CN106294500B (zh) | 内容项目的推送方法、装置及系统 | |
CN112991017A (zh) | 基于用户评论解析的标签体系精准推荐方法 | |
CN111859149A (zh) | 资讯信息推荐方法、装置、电子设备及存储介质 | |
CN109410001B (zh) | 一种商品推荐方法、系统、电子设备和存储介质 | |
CN111831924A (zh) | 内容推荐方法、装置、设备及可读存储介质 | |
CN112990973A (zh) | 线上店铺画像构建方法及系统 | |
Malik et al. | EPR-ML: E-Commerce Product Recommendation Using NLP and Machine Learning Algorithm | |
CN111522889A (zh) | 用户兴趣标签扩展方法、装置、电子设备及存储介质 | |
Carrillo et al. | Multi-label classification for recommender systems | |
CN114266443A (zh) | 数据评估方法和装置、电子设备、存储介质 | |
CN112308686B (zh) | 一种智能推荐方法 | |
Domingues et al. | Using contextual information from topic hierarchies to improve context-aware recommender systems | |
Guru et al. | The Future Impact of Technological Developments on Digital Marketing Through Artificial Intelligence | |
CN113744019A (zh) | 一种商品推荐方法、装置、设备及存储介质 | |
CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
CN110020918B (zh) | 一种推荐信息生成方法和系统 | |
CN108920546B (zh) | 一种基于用户需求的稳态标签开发方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |