CN114298738A - 一种具有向商家推荐高销售量商品的方法 - Google Patents
一种具有向商家推荐高销售量商品的方法 Download PDFInfo
- Publication number
- CN114298738A CN114298738A CN202111544416.6A CN202111544416A CN114298738A CN 114298738 A CN114298738 A CN 114298738A CN 202111544416 A CN202111544416 A CN 202111544416A CN 114298738 A CN114298738 A CN 114298738A
- Authority
- CN
- China
- Prior art keywords
- merchant
- commodities
- commodity
- word
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000013598 vector Substances 0.000 claims description 33
- 238000013475 authorization Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种具有向商家推荐高销售量商品的方法，属于高销售量商品推荐方法技术领域，使用算法，从商品画像商品特征、商品历史销售数据、同一订单下的商品组合等信息，自动根据关键词或商家上架商品中，进行推荐，针对商家输入的关键词或商家自有的上架商品，进行选品推荐，为商家选品提供更好的服务。
Description
技术领域
本发明涉及一种高销售量商品推荐方法，特别是涉及一种具有向商家推荐高销售量商品的方法，属于高销售量商品推荐方法技术领域。
背景技术
对于商家，如何选品尤其是挑选出尽可能热销商品一直是一个问题。
如何从来自供应链的海量的商品中挑选出更“好卖”的商品，决定了商家的盈利利润；
目前电商现有的推荐算法，主要是面向消费者进行商品推荐，根据用户喜欢的特征，去商品库进行选择，找出相关性最大的多个商品进行推荐。
个性化推荐通过采集用户信息，商品信息以及用户行为数据，通过分析和整理后过滤掉的商品数据，利用推荐算法的规则和排序方式给用户进行推荐商品的呈现，从而达到个性化的推荐。而用户对呈现结果的反馈比如点击，浏览时间，收藏，购买，作为依据来不断优化推荐系统。
现有技术关键词：
推荐系统；
个性化推荐法；
协同过滤；
基于内容的推荐；
现有技术中如申请号为CN201910243207.4公开了选品方法、系统及存储介质，其中，一种选品方法包括：
接收商品获取请求，并从所述商品获取请求获取选品模块的标识；
响应于所述商品获取请求，获取用户画像数据；
根据所述选品模块的标识从选品库选定所述选品模块，
其中，所述选品库用于存储多个选品模块，所述选定的选定模块包括：多个备选商品对应的商品画像数据和商品排序规则，所述商品排序规则用于描述所述商品画像数据的权重和所述用户画像数据的权重；基于所述商品画像数据和所述用户画像数据，利用所述商品排序规则对所述多个备选商品进行排序，得到第一排序结果；以及根据所述第一排序结果，选定要呈现的商品。
虽然现有技术中为用户提供了实现综合考虑商品画像数据和用户画像数据，从而可以针对每个用户的需求选定相应的要呈现的商品，进而提高所呈现商品与用户特征的匹配性。可以根据用户兴趣而从选品模块中精准选定要呈现的商品；
但是还没有一种可以为商家服务针对商家输入的关键词或商家自有的上架商品，进行选品推荐的，因为无法为商家带来便利，帮助商家自供应链的海量的商品中挑选出更“好卖”的商品，为此设计一种具有向商家推荐高销售量商品的方法来优化上述问题。
发明内容
本发明的主要目的是为了提供一种具有向商家推荐高销售量商品的方法，使用算法，从商品画像商品特征、商品历史销售数据、同一订单下的商品组合等信息，自动根据关键词或商家上架商品中，进行推荐，针对商家输入的关键词或商家自有的上架商品，进行选品推荐，为商家选品提供更好的服务。
本发明的目的可以通过采用如下技术方案达到：
一种具有向商家推荐高销售量商品的方法，包括如下步骤：
步骤1：获取商家输入的文字信息或\和已有店铺的商品详情信息；
步骤2：将获取的商家文本信息转为词向量；
步骤3：将待推荐的商品如步骤2中获取词向量并预先存入系统中；
步骤4：将获取并转为词向量的商家信息进行匹配系统；
步骤5：利用余弦相似性，计算输入词向量信息与待推荐商品的相似性；
步骤6：采用GoodsRank排序的方式输入排序后推荐的商品。
优选的，在步骤1中输入的文字信息包括商品标题、商品关键字以及商品规格信息。
优选的，在步骤1中已有店铺的商品详情信息获取方法包括如下步骤：
S1：商家提供店铺网络连接；
S2：通过计算机数据自动化采集的方法，获取商品的基础信息。
优选的，其中在S2中商品的基础信息包括但标题、规格、品类和详情内容。
优选的，其中在S2中通过API授权接口，自动获取商家商品基础信息。
优选的，在步骤2中将商家文本信息转为词向量包括BOW通过分词词分词，计算分词后所有词的词频，构建词词频向量；
在步骤2中将商家文本信息转为词向量还包括TF-IDF分词后，计算所有词的词频TF、以及逆文档频率IDF,以TF*IDF作为该文本信息的向量；
在步骤2中将商家文本信息转为词向量还包括词嵌入方法，将文本信息转为一个定长的向量来。
优选的，在步骤6中GoodsRank排序包括：
在历史订单中，{Y,X1,X2}在同一个订单，{Y,X3},{Y,X4}在另外2个订单，则认为X1,X2,X3,X4均为Y的同订单商品；
Y的GoodsRank值
其中：
d为排序系数，取值0<d<＝1,可以根据需要调整；
C为与该商品同订单商品的数量，如Y有4个同订单商品；
随机设定一个初始GR值，如0.5，同时给定排序系数，如0.85，开始利用上述公式进行迭代，计算出每一轮的每个商品的GR值，然后带入下一轮迭代计算中；
上次迭代结果与本次迭代结果小于某个误差，则结束程序运行或者设置最大循环次数作为到达收敛时结束运算；
融入商品的历史销量，计算后的GR值，多增加一个销量：
GR’Y＝GRY+w*log(1+Y历史销量)
w为可配置的销量权重。
优选的，在步骤5中还包括预设一个相似性阈值，超过该阈值的，则放入待推荐商品池中，或者设定待推荐商品池的大小商品个数n按相似性由大到小筛选前n个。
优选的，在步骤6中还包括从推荐商品池获取商品，通过历史销售的数据，获取曾经与这些商品搭售的商品，扩展推荐商品池中的商品，根据GoodsRank算法，预先计算每个商品的GR’Y值，然后根据大小进行排序。
本发明的有益技术效果：
本发明提供的一种具有向商家推荐高销售量商品的方法，使用算法，从商品画像商品特征、商品历史销售数据、同一订单下的商品组合等信息，自动根据关键词或商家上架商品中，进行推荐，针对商家输入的关键词或商家自有的上架商品，进行选品推荐，为商家选品提供更好的服务。
附图说明
图1为按照本发明的一种具有向商家推荐高销售量商品的方法的一优选实施例的流程图。
具体实施方式
为使本领域技术人员更加清楚和明确本发明的技术方案，下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
如图1，本实施例提供的一种具有向商家推荐高销售量商品的方法，包括如下步骤：
步骤1：获取商家输入的文字信息或\和已有店铺的商品详情信息；
步骤2：将获取的商家文本信息转为词向量；
步骤3：将待推荐的商品如步骤2中获取词向量并预先存入系统中；
步骤4：将获取并转为词向量的商家信息进行匹配系统；
步骤5：利用余弦相似性，计算输入词向量信息与待推荐商品的相似性；
步骤6：采用GoodsRank排序的方式输入排序后推荐的商品。
使用算法，从商品画像商品特征、商品历史销售数据、同一订单下的商品组合等信息，自动根据关键词或商家上架商品中，进行推荐，针对商家输入的关键词或商家自有的上架商品，进行选品推荐，为商家选品提供更好的服务。
在本实施例中，在步骤1中输入的文字信息包括商品标题、商品关键字以及商品规格信息。
在本实施例中，在步骤1中已有店铺的商品详情信息获取方法包括如下步骤：
S1：商家提供店铺网络连接；
S2：通过计算机数据自动化采集的方法，获取商品的基础信息。
在本实施例中，其中在S2中商品的基础信息包括但标题、规格、品类和详情内容。
在本实施例中，其中在S2中通过API授权接口，自动获取商家商品基础信息。
在本实施例中，在步骤2中将商家文本信息转为词向量包括BOW通过分词词分词，计算分词后所有词的词频，构建词词频向量；
在步骤2中将商家文本信息转为词向量还包括TF-IDF分词后，计算所有词的词频TF、以及逆文档频率IDF,以TF*IDF作为该文本信息的向量；
在步骤2中将商家文本信息转为词向量还包括词嵌入方法，将文本信息转为一个定长的向量来。
在本实施例中，在步骤6中GoodsRank排序包括：
在历史订单中，{Y,X1,X2}在同一个订单，{Y,X3},{Y,X4}在另外2个订单，则认为X1,X2,X3,X4均为Y的同订单商品；
Y的GoodsRank值
其中：
d为排序系数，取值0<d<＝1,可以根据需要调整；
C为与该商品同订单商品的数量，如Y有4个同订单商品；
随机设定一个初始GR值，如0.5，同时给定排序系数，如0.85，开始利用上述公式进行迭代，计算出每一轮的每个商品的GR值，然后带入下一轮迭代计算中；
上次迭代结果与本次迭代结果小于某个误差，则结束程序运行或者设置最大循环次数作为到达收敛时结束运算；
融入商品的历史销量，计算后的GR值，多增加一个销量：
GR’Y＝GRY+w*log(1+Y历史销量)
w为可配置的销量权重。
在本实施例中，在步骤5中还包括预设一个相似性阈值，超过该阈值的，则放入待推荐商品池中，或者设定待推荐商品池的大小商品个数n按相似性由大到小筛选前n个。
在本实施例中，在步骤6中还包括从推荐商品池获取商品，通过历史销售的数据，获取曾经与这些商品搭售的商品，扩展推荐商品池中的商品，根据GoodsRank算法，预先计算每个商品的GR'Y值，然后根据大小进行排序。
以上所述，仅为本发明进一步的实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明所公开的范围内，根据本发明的技术方案及其构思加以等同替换或改变，都属于本发明的保护范围。
Claims (9)
1.一种具有向商家推荐高销售量商品的方法，其特征在于：包括如下步骤：
步骤1：获取商家输入的文字信息或\和已有店铺的商品详情信息；
步骤2：将获取的商家文本信息转为词向量；
步骤3：将待推荐的商品如步骤2中获取词向量并预先存入系统中；
步骤4：将获取并转为词向量的商家信息进行匹配系统；
步骤5：利用余弦相似性，计算输入词向量信息与待推荐商品的相似性；
步骤6：采用GoodsRank排序的方式输入排序后推荐的商品。
2.根据权利要求1所述的一种具有向商家推荐高销售量商品的方法，其特征在于：在步骤1中输入的文字信息包括商品标题、商品关键字以及商品规格信息。
3.根据权利要求1所述的一种具有向商家推荐高销售量商品的方法，其特征在于：在步骤1中已有店铺的商品详情信息获取方法包括如下步骤：
S1：商家提供店铺网络连接；
S2：通过计算机数据自动化采集的方法，获取商品的基础信息。
4.根据权利要求3所述的一种具有向商家推荐高销售量商品的方法，其特征在于：其中在S2中商品的基础信息包括但标题、规格、品类和详情内容。
5.根据权利要求2所述的一种具有向商家推荐高销售量商品的方法，其特征在于：其中在S2中通过API授权接口，自动获取商家商品基础信息。
6.根据权利要求1所述的一种具有向商家推荐高销售量商品的方法，其特征在于：在步骤2中将商家文本信息转为词向量包括BOW通过分词词分词，计算分词后所有词的词频，构建词词频向量；
在步骤2中将商家文本信息转为词向量还包括TF-IDF分词后，计算所有词的词频TF、以及逆文档频率IDF,以TF*IDF作为该文本信息的向量；
在步骤2中将商家文本信息转为词向量还包括词嵌入方法，将文本信息转为一个定长的向量来。
7.根据权利要求1所述的一种具有向商家推荐高销售量商品的方法，其特征在于：在步骤6中GoodsRank排序包括：
在历史订单中，{Y,X1,X2}在同一个订单，{Y,X3},{Y,X4}在另外2个订单，则认为X1,X2,X3,X4均为Y的同订单商品；
Y的GoodsRank值
其中：
d为排序系数，取值0<d<＝1,可以根据需要调整；
C为与该商品同订单商品的数量，如Y有4个同订单商品；
随机设定一个初始GR值，如0.5，同时给定排序系数，如0.85，开始利用上述公式进行迭代，计算出每一轮的每个商品的GR值，然后带入下一轮迭代计算中；
上次迭代结果与本次迭代结果小于某个误差，则结束程序运行或者设置最大循环次数作为到达收敛时结束运算；
融入商品的历史销量，计算后的GR值，多增加一个销量：
GR’Y＝GRY+w*log(1+Y历史销量)
w为可配置的销量权重。
8.根据权利要求1所述的一种具有向商家推荐高销售量商品的方法，其特征在于：在步骤5中还包括预设一个相似性阈值，超过该阈值的，则放入待推荐商品池中，或者设定待推荐商品池的大小商品个数n按相似性由大到小筛选前n个。
9.根据权利要求1所述的一种具有向商家推荐高销售量商品的方法，其特征在于：在步骤6中还包括从推荐商品池获取商品，通过历史销售的数据，获取曾经与这些商品搭售的商品，扩展推荐商品池中的商品，根据GoodsRank算法，预先计算每个商品的GR’Y值，然后根据大小进行排序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111544416.6A CN114298738A (zh) | 2021-12-16 | 2021-12-16 | 一种具有向商家推荐高销售量商品的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111544416.6A CN114298738A (zh) | 2021-12-16 | 2021-12-16 | 一种具有向商家推荐高销售量商品的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114298738A true CN114298738A (zh) | 2022-04-08 |
Family
ID=80967364
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111544416.6A Withdrawn CN114298738A (zh) | 2021-12-16 | 2021-12-16 | 一种具有向商家推荐高销售量商品的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114298738A (zh) |
-
2021
- 2021-12-16 CN CN202111544416.6A patent/CN114298738A/zh not_active Withdrawn
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108629665B (zh) | 一种个性化商品推荐方法和系统 | |
| Li et al. | Using multidimensional clustering based collaborative filtering approach improving recommendation diversity | |
| KR102064589B1 (ko) | 상품 추천 서버 및 상품 추천 방법 | |
| US10664888B2 (en) | Method and system for attribute extraction from product titles using sequence labeling algorithms | |
| CN108664564B (zh) | 一种基于物品内容特征的改进协同过滤推荐方法 | |
| JP6967462B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
| CN103377232A (zh) | 标题关键词推荐方法及系统 | |
| CN112200601B (zh) | 物品推荐方法、装置及可读存储介质 | |
| CN103164804A (zh) | 一种个性化的信息推送方法及装置 | |
| CN102446326A (zh) | 一种信息推送的方法、系统及设备 | |
| CN105630836A (zh) | 搜索结果的排序方法和装置 | |
| CN103309869A (zh) | 数据对象的展示关键词推荐方法及系统 | |
| CN111915409A (zh) | 基于物品的物品推荐方法、装置、设备及存储介质 | |
| CN111428007B (zh) | 基于跨平台的同步推送反馈方法 | |
| Prasetyo | Searching cheapest product on three different e-commerce using k-means algorithm | |
| EP3912114A1 (en) | Encoding textual data for personalized inventory management | |
| CN112424814A (zh) | 确定物品相关性 | |
| KR101637986B1 (ko) | 최적 상품 제공 시스템 및 그 방법 | |
| KR101645554B1 (ko) | 소비자 프로파일링을 통한 맞춤형 쇼핑정보 제공 시스템 및 방법 | |
| CN112381627A (zh) | 育儿知识下的商品评分处理推荐方法、装置 | |
| CN111708945A (zh) | 产品的推荐方法及装置、电子设备、计算机存储介质 | |
| CN114298738A (zh) | 一种具有向商家推荐高销售量商品的方法 | |
| WO2017095371A1 (en) | Product recommendations based on selected user and product attributes | |
| TWI468956B (zh) | 個人化搜尋排序方法以及系統 | |
| CN113762990B (zh) | 商品推荐的方法、装置、计算设备及计算机存储介质 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220408 |
|
| WW01 | Invention patent application withdrawn after publication |