CN114820113A - 基于区块链的电商平台推荐调整方法及系统 - Google Patents
基于区块链的电商平台推荐调整方法及系统 Download PDFInfo
- Publication number
- CN114820113A CN114820113A CN202210357287.8A CN202210357287A CN114820113A CN 114820113 A CN114820113 A CN 114820113A CN 202210357287 A CN202210357287 A CN 202210357287A CN 114820113 A CN114820113 A CN 114820113A
- Authority
- CN
- China
- Prior art keywords
- commodity
- data
- browsing
- user
- current
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000005516 engineering process Methods 0.000 claims abstract description 25
- 238000012937 correction Methods 0.000 claims description 47
- 230000008569 process Effects 0.000 claims description 39
- 230000002776 aggregation Effects 0.000 claims description 30
- 238000004220 aggregation Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 14
- 238000013479 data entry Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于区块链的电商平台推荐调整方法及系统，依次通过获取浏览中点击商品数据；根据所述浏览中点击商品数据获取所述浏览中点击商品数据与所述当前商品的商品关联关系指数，实时追踪并获取当前浏览用户在浏览所述浏览中点击商品数据与所述当前商品后的最终成交商品；根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，根据所述用户购买习惯数据生成购买习惯数据展示界面。本发明能够实现根据用户的购买浏览习惯进行电商商品展示推荐，同时将所述用户购买习惯数据基于区块链技术哈希上链，保证所述用户购买习惯数据的不可篡改和保存。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种基于区块链的电商平台推荐调整方法及系统。
背景技术
伴随软硬件技术的迅猛提高,电商网站规模不断增大与消费者需求日益个性化之间的矛盾可有望得到解决。“智能化虚拟导购机器人”在未来的网站中可以依托云计算等技术对网站大量数据资源进行智能化处理，从而实现为消费者提供更加人性化的服务。同时，利用智能技术人们能够实现多种跨平台信息的更为有效迅捷的融合，例如根据网民消费者在操作过程中所表现出的操作特性以及从外部数据库中调用的消费者历史操作资讯，然后有针对性地生成优化方案，及时迅速满足消费者的个性化即时需求，最终提高消费体验，增大消费转化率，增加消费者满意程度及网站黏性。在B2B领域，信息也将依托智能技术而进一步商品化。各种信息将会被更加智能化地收集和整理，以便被商业用户所定制。智能化数据分析功能可帮助商业客户从简单的数据处理业务提升到智能的数据库挖掘，为企业提供更有价值的决策参考。
电商从如今的集中于网上交易货物及服务，向行业运作的各环节领域扩展和延伸。在企业内部，电商元素将渗透到企业管理、内部业务流程；在外部产业群领域，电商的发展将激活和带动一系列上下游产业如结算、包装、物流配送、基于位置服务等领域的发展。此外还将引导周边相关产业的创新与升级，如利用智能化远程水电煤表进行远程自动查表与收费。而这些创新反过来又将促使电商模式的不断升级拓展。
但是，目前的电商平台不能够准确根据用户的购买浏览习惯进行电商商品展示推荐。
发明内容
基于此，有必要针对上述技术问题，提供一种能够根据用户的购买浏览习惯进行电商商品展示推荐的基于区块链的电商平台推荐调整方法及系统。
本发明技术方案如下：
一种基于区块链的电商平台推荐调整方法，所述方法包括：
获取浏览中点击商品数据，其中，所述浏览中点击商品数据为当前浏览用户在电商平台浏览当前商品的过程点击的其他商品的商品数据，所述当前商品为用户当前时间点正在浏览的商品；根据所述浏览中点击商品数据获取所述浏览中点击商品数据与所述当前商品的商品关联关系指数，其中，所述商品关联关系指数用于表征所述浏览中点击商品数据与所述当前商品的关联关系；实时追踪并获取当前浏览用户在浏览所述浏览中点击商品数据与所述当前商品后的最终成交商品；根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，并将所述用户购买习惯数据基于区块链技术哈希上链；根据所述用户购买习惯数据生成购买习惯数据展示界面，所述购买数据展示界面用于展示所述用户购买习惯数据，并在展示所述用户购买习惯数据后，根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
具体地，所述根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，并将所述用户购买习惯数据基于区块链技术哈希上链，具体包括：
将所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品载入至预先设置并存储的购买习惯数据生成模型，所述购买习惯数据生成模型由预先根据多组训练数据训练所生成并存储，其中，多组所述训练数均包括一个用户的电商浏览数据，每个用户的电商浏览数据均包括浏览中点击商品数据、当前商品、商品关联关系指数和最终成交商品的数据；获取从所述购买习惯数据生成模型中生成的原始习惯数据；根据所述原始习惯数据生成人工数据修正界面，所述人工数据修正界面上设有人工数据录入端口，所述人工数据录入端口用于录入工作人员输入的对所述原始习惯数据进行修正的数据修正后数据；获取从所述人工数据录入端口载入的工作人员输入的对所述原始习惯数据进行修正的数据修正后数据，并基于所述数据修正后数据对所述原始习惯数据进行数据修正处理，并在数据修正处理后生成所述用户购买习惯数据，同时将所述用户购买习惯数据基于区块链技术哈希上链。
具体地，所述根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品，具体包括：
根据所述用户购买习惯数据分别获取所述浏览中点击商品数据、所述当前商品和所述最终成交商品的浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合，其中，所述浏览中商品占据时间集合为浏览各所述浏览中点击商品过程中，时间超过预设浏览时间阈值的浏览中商品的集合，所述当前商品占据时间集合为浏览各所述当前商品过程中，时间超过预设浏览时间阈值的当前商品的集合，所述成交商品占据时间集合为浏览各所述成交商品过程中，时间超过预设浏览时间阈值的成交商品的集合；分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品所占据的实际时间平均值，其中，所述浏览中商品占据时间集合中各商品所占据的实际事件平均值为第一时间平均值，所述当前商品占据时间集合中各商品所占据的实际时间平均值为第二时间平均值，所述成交商品占据时间集合中各商品所占据的实际时间平均值为第三时间平均值；分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品的商品特征指数，其中，所述浏览中商品占据时间集合中各商品的商品特征指数为第一特征指数，所述当前商品占据时间集合中各商品的商品特征指数为第二特征指数，所述成交商品占据时间集合中各商品的商品特征指数为第三特征指数；
根据所述第一特征指数、所述第二特征指数和所述第三特征指数分别从预设的商品存储库中获取与所述第一特征指数、所述第二特征指数和所述第三特征指数相匹配的对应匹配商品，与所述第一特征指数、所述第二特征指数和所述第三特征指数的对应匹配商品分别为第一匹配商品、第二匹配商品和第三匹配商品；获取所述第一时间平均值、所述第二时间平均值和所述第三时间平均值占用户总浏览商品时间的权重，分别为第一权重、第二权重和第三权重；基于所述第一权重、第二权重和第三权重生成商品展示分配界面，并按照所述第一权重、第二权重和第三权重的大小将所述商品展示分配界面分割成对应的第一界面、第二界面和第三界面；将对应所述第一权重、所述第二权重和所述第三权重的第一匹配商品、所述第二匹配商品和所述第三匹配商品分别展示于所述第一界面、所述第二界面和所述第三界面；根据展示于所述第一界面、所述第二界面和所述第三界面的第一匹配商品、所述第二匹配商品和所述第三匹配商品生成所述电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
具体地，所述根据所述用户购买习惯数据生成购买习惯数据展示界面，所述购买数据展示界面用于展示所述用户购买习惯数据，并在展示所述用户购买习惯数据后，根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品；之后还包括：
获取用户点击预设的特殊人群录入端口时的第一触发指令；根据所述第一触发指令启动所述特殊人群录入端口，并在所述特殊人群录入端口旁侧展示录入提示；获取用户根据所述录入提示在所述特殊人群录入端口处输入的商品购买需求数据；根据所述商品购买需求数据从预存的待展示商品存储库中查询并调取与所述商品购买需求数据相匹配的特殊商品数据；识别所述特殊商品数据中的特殊商品，并将所述特殊商品数据中的各特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面。
具体地，所述识别所述特殊商品数据中的特殊商品，并将所述特殊商品数据中的各特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面，具体包括：
根据所述特殊商品数据获取识别所述特殊商品数据中的特殊商品的特征标签属性；将各所述特殊商品的特征标签属性按照识别的实践顺序依序排列；将排列好顺序的各所述特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面。
具体地，一种基于区块链的电商平台推荐调整系统，所述系统包括：
数据获取模块，用于获取浏览中点击商品数据，其中，所述浏览中点击商品数据为当前浏览用户在电商平台浏览当前商品的过程点击的其他商品的商品数据，所述当前商品为用户当前时间点正在浏览的商品；
关系指数模块，用于根据所述浏览中点击商品数据获取所述浏览中点击商品数据与所述当前商品的商品关联关系指数，其中，所述商品关联关系指数用于表征所述浏览中点击商品数据与所述当前商品的关联关系；
浏览商品模块，用于实时追踪并获取当前浏览用户在浏览所述浏览中点击商品数据与所述当前商品后的最终成交商品；
习惯数据模块，用于根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，并将所述用户购买习惯数据基于区块链技术哈希上链；
展示界面模块，用于根据所述用户购买习惯数据生成购买习惯数据展示界面，所述购买数据展示界面用于展示所述用户购买习惯数据，并在展示所述用户购买习惯数据后，根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
具体地，所述习惯数据模块包括：
浏览中点击模块，用于将所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品载入至预先设置并存储的购买习惯数据生成模型，所述购买习惯数据生成模型由预先根据多组训练数据训练所生成并存储，其中，多组所述训练数均包括一个用户的电商浏览数据，每个用户的电商浏览数据均包括浏览中点击商品数据、当前商品、商品关联关系指数和最终成交商品的数据；
模型中生成模块，用于获取从所述购买习惯数据生成模型中生成的原始习惯数据；
数据修正模块，用于根据所述原始习惯数据生成人工数据修正界面，所述人工数据修正界面上设有人工数据录入端口，所述人工数据录入端口用于录入工作人员输入的对所述原始习惯数据进行修正的数据修正后数据；
录入端口模块，用于获取从所述人工数据录入端口载入的工作人员输入的对所述原始习惯数据进行修正的数据修正后数据，并基于所述数据修正后数据对所述原始习惯数据进行数据修正处理，并在数据修正处理后生成所述用户购买习惯数据，同时将所述用户购买习惯数据基于区块链技术哈希上链。
具体地，所述展示界面模块包括：
时间集合模块，用于根据所述用户购买习惯数据分别获取所述浏览中点击商品数据、所述当前商品和所述最终成交商品的浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合，其中，所述浏览中商品占据时间集合为浏览各所述浏览中点击商品过程中，时间超过预设浏览时间阈值的浏览中商品的集合，所述当前商品占据时间集合为浏览各所述当前商品过程中，时间超过预设浏览时间阈值的当前商品的集合，所述成交商品占据时间集合为浏览各所述成交商品过程中，时间超过预设浏览时间阈值的成交商品的集合；
时间平均模块，用于分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品所占据的实际时间平均值，其中，所述浏览中商品占据时间集合中各商品所占据的实际事件平均值为第一时间平均值，所述当前商品占据时间集合中各商品所占据的实际时间平均值为第二时间平均值，所述成交商品占据时间集合中各商品所占据的实际时间平均值为第三时间平均值；
特征指数模块，用于分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品的商品特征指数，其中，所述浏览中商品占据时间集合中各商品的商品特征指数为第一特征指数，所述当前商品占据时间集合中各商品的商品特征指数为第二特征指数，所述成交商品占据时间集合中各商品的商品特征指数为第三特征指数；
匹配商品模块，用于根据所述第一特征指数、所述第二特征指数和所述第三特征指数分别从预设的商品存储库中获取与所述第一特征指数、所述第二特征指数和所述第三特征指数相匹配的对应匹配商品，与所述第一特征指数、所述第二特征指数和所述第三特征指数的对应匹配商品分别为第一匹配商品、第二匹配商品和第三匹配商品；
时间权重模块，用于获取所述第一时间平均值、所述第二时间平均值和所述第三时间平均值占用户总浏览商品时间的权重，分别为第一权重、第二权重和第三权重；
商品展示模块，用于基于所述第一权重、第二权重和第三权重生成商品展示分配界面，并按照所述第一权重、第二权重和第三权重的大小将所述商品展示分配界面分割成对应的第一界面、第二界面和第三界面；
匹配权重模块，用于将对应所述第一权重、所述第二权重和所述第三权重的第一匹配商品、所述第二匹配商品和所述第三匹配商品分别展示于所述第一界面、所述第二界面和所述第三界面；
对应匹配模块，用于根据展示于所述第一界面、所述第二界面和所述第三界面的第一匹配商品、所述第二匹配商品和所述第三匹配商品生成所述电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
具体地，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于区块链的电商平台推荐调整方法所述的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于区块链的电商平台推荐调整方法所述的步骤。
本发明实现技术效果如下：
上述基于区块链的电商平台推荐调整方法及系统，依次通过获取浏览中点击商品数据，其中，所述浏览中点击商品数据为当前浏览用户在电商平台浏览当前商品的过程点击的其他商品的商品数据，所述当前商品为用户当前时间点正在浏览的商品；根据所述浏览中点击商品数据获取所述浏览中点击商品数据与所述当前商品的商品关联关系指数，其中，所述商品关联关系指数用于表征所述浏览中点击商品数据与所述当前商品的关联关系；实时追踪并获取当前浏览用户在浏览所述浏览中点击商品数据与所述当前商品后的最终成交商品；根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，并将所述用户购买习惯数据基于区块链技术哈希上链；根据所述用户购买习惯数据生成购买习惯数据展示界面，所述购买数据展示界面用于展示所述用户购买习惯数据，并在展示所述用户购买习惯数据后，根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品，进而能够实现根据用户的购买浏览习惯进行电商商品展示推荐，同时将所述用户购买习惯数据基于区块链技术哈希上链，保证所述用户购买习惯数据的不可篡改和保存。
附图说明
图1为一个实施例中基于区块链的电商平台推荐调整方法的流程示意图；
图2为一个实施例中基于区块链的电商平台推荐调整系统的结构框图；
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种基于区块链的电商平台推荐调整方法，所述方法包括：
步骤S100：获取浏览中点击商品数据，其中，所述浏览中点击商品数据为当前浏览用户在电商平台浏览当前商品的过程点击的其他商品的商品数据，所述当前商品为用户当前时间点正在浏览的商品；
具体地，针对电商用户在浏览商品的过程中，总是在浏览当前商品时，又被展示在当前商品所展现的页面上的其他产品所吸引，并且在浏览过程中容易点击了其他商品的情况，故通过获取浏览中点击商品数据，为后续了解用户的购物习惯，来做进一步地研究，进而更好地实现电商的商品推荐。
进一步地，所述浏览中点击商品数据为当前浏览用户在电商平台浏览当前商品的过程点击的其他商品的商品数据，所述当前商品为用户当前时间点正在浏览的商品。
步骤S200：根据所述浏览中点击商品数据获取所述浏览中点击商品数据与所述当前商品的商品关联关系指数，其中，所述商品关联关系指数用于表征所述浏览中点击商品数据与所述当前商品的关联关系；
具体地，通过根据所述浏览中点击商品数据获取所述浏览中点击商品数据与所述当前商品的商品关联关系指数，进而了解到所述浏览中点击商品数据与所述当前商品的关联关系，进而方便后续了解何种关联商品更能够吸引用户。
步骤S300：实时追踪并获取当前浏览用户在浏览所述浏览中点击商品数据与所述当前商品后的最终成交商品；
进一步地，在用户在浏览电商商品的过程中，通过实时追踪并获取当前浏览用户在浏览所述浏览中点击商品数据与所述当前商品后的最终成交商品，从而了解到用户最终购买的产品是什么。
步骤S400：根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，并将所述用户购买习惯数据基于区块链技术哈希上链；
具体地，所述用户购买习惯数据为在所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品的基础上，通过预设的关联运算算法来求得，进而保证数据的准确性，使所述用户购买习惯数据能更精准地反应用户的购买习惯。
进一步地，通过将所述用户购买习惯数据基于区块链技术哈希上链，保证所述用户购买习惯数据的不可篡改和保存。
步骤S500：根据所述用户购买习惯数据生成购买习惯数据展示界面，所述购买数据展示界面用于展示所述用户购买习惯数据，并在展示所述用户购买习惯数据后，根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
本发明依次通过获取浏览中点击商品数据，其中，所述浏览中点击商品数据为当前浏览用户在电商平台浏览当前商品的过程点击的其他商品的商品数据，所述当前商品为用户当前时间点正在浏览的商品；根据所述浏览中点击商品数据获取所述浏览中点击商品数据与所述当前商品的商品关联关系指数，其中，所述商品关联关系指数用于表征所述浏览中点击商品数据与所述当前商品的关联关系；实时追踪并获取当前浏览用户在浏览所述浏览中点击商品数据与所述当前商品后的最终成交商品；根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，并将所述用户购买习惯数据基于区块链技术哈希上链；根据所述用户购买习惯数据生成购买习惯数据展示界面，所述购买数据展示界面用于展示所述用户购买习惯数据，并在展示所述用户购买习惯数据后，根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品，进而能够实现根据用户的购买浏览习惯进行电商商品展示推荐，同时将所述用户购买习惯数据基于区块链技术哈希上链，保证所述用户购买习惯数据的不可篡改和保存。
在一个实施例中，根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，并将所述用户购买习惯数据基于区块链技术哈希上链，具体包括：
步骤S410：将所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品载入至预先设置并存储的购买习惯数据生成模型，所述购买习惯数据生成模型由预先根据多组训练数据训练所生成并存储，其中，多组所述训练数均包括一个用户的电商浏览数据，每个用户的电商浏览数据均包括浏览中点击商品数据、当前商品、商品关联关系指数和最终成交商品的数据；
具体地，所述购买习惯数据生成模型是一个神经网络模型，即机器学习中的神经网络模型，它是以神经元的数学模型为基础来描述的。简单地讲，它是一个数学模型。在本申请实施例中，将所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品载入至所述购买习惯数据生成模型进行训练，进而生成准确的所述用户购买习惯数据。
步骤S420：获取从所述购买习惯数据生成模型中生成的原始习惯数据；
步骤S430：根据所述原始习惯数据生成人工数据修正界面，所述人工数据修正界面上设有人工数据录入端口，所述人工数据录入端口用于录入工作人员输入的对所述原始习惯数据进行修正的数据修正后数据；
具体地，通过设置人工数据修正界面，并使所述人工数据录入端口用于录入工作人员输入的对所述原始习惯数据进行修正的数据修正后数据，进而使得数据不仅经过数学模型计算，并且通过人工处理后得到，进而实现数据的综合处理，提升数据处理的准确性。
步骤S440：获取从所述人工数据录入端口载入的工作人员输入的对所述原始习惯数据进行修正的数据修正后数据，并基于所述数据修正后数据对所述原始习惯数据进行数据修正处理，并在数据修正处理后生成所述用户购买习惯数据，同时将所述用户购买习惯数据基于区块链技术哈希上链。
因此，本步骤通过训练数据使神经网络学习模型自身不断地修正以及人工对数据的优化，通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而达到用户购买习惯数据更加准确的技术效果。
在一个实施例中，所述步骤S500中根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品，具体包括：
步骤S510：根据所述用户购买习惯数据分别获取所述浏览中点击商品数据、所述当前商品和所述最终成交商品的浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合，其中，所述浏览中商品占据时间集合为浏览各所述浏览中点击商品过程中，时间超过预设浏览时间阈值的浏览中商品的集合，所述当前商品占据时间集合为浏览各所述当前商品过程中，时间超过预设浏览时间阈值的当前商品的集合，所述成交商品占据时间集合为浏览各所述成交商品过程中，时间超过预设浏览时间阈值的成交商品的集合；
具体地，浏览各所述浏览中点击商品过程中，各所述浏览中点击商品的数量为多个，每个所述浏览中点击商品均对应一个浏览时间，而所述预设浏览时间阈值为预先设置，用于表征用户的浏览需求，进而表征用户是否对改产品感兴趣。以此，获取时间超过预设浏览时间阈值的浏览中商品的集合。
同理，获取浏览各所述当前商品过程中，时间超过预设浏览时间阈值的当前商品的集合。
并且，获取浏览各所述成交商品过程中，时间超过预设浏览时间阈值的成交商品的集合。
步骤S520：分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品所占据的实际时间平均值，其中，所述浏览中商品占据时间集合中各商品所占据的实际事件平均值为第一时间平均值，所述当前商品占据时间集合中各商品所占据的实际时间平均值为第二时间平均值，所述成交商品占据时间集合中各商品所占据的实际时间平均值为第三时间平均值；
步骤S530：分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品的商品特征指数，其中，所述浏览中商品占据时间集合中各商品的商品特征指数为第一特征指数，所述当前商品占据时间集合中各商品的商品特征指数为第二特征指数，所述成交商品占据时间集合中各商品的商品特征指数为第三特征指数；
具体地，通过设置所述第一特征指数、所述第二特征指数和所述第三特征指数，从而能够通过所述第一特征指数、所述第二特征指数和所述第三特征指数实现数字量化式表征各商品。
步骤S540：根据所述第一特征指数、所述第二特征指数和所述第三特征指数分别从预设的商品存储库中获取与所述第一特征指数、所述第二特征指数和所述第三特征指数相匹配的对应匹配商品，与所述第一特征指数、所述第二特征指数和所述第三特征指数的对应匹配商品分别为第一匹配商品、第二匹配商品和第三匹配商品；
通过获取所述第一匹配商品、所述第二匹配商品和所述第三匹配商品，从而方便后续更好地推荐商品。
步骤S550：获取所述第一时间平均值、所述第二时间平均值和所述第三时间平均值占用户总浏览商品时间的权重，分别为第一权重、第二权重和第三权重；
步骤S560：基于所述第一权重、第二权重和第三权重生成商品展示分配界面，并按照所述第一权重、第二权重和第三权重的大小将所述商品展示分配界面分割成对应的第一界面、第二界面和第三界面；
具体地，通过按照所述第一权重、第二权重和第三权重的大小将所述商品展示分配界面分割成对应的第一界面、第二界面和第三界面，进而实现按照所述第一权重、第二权重和第三权重，来实现对所述商品展示分配界面的分割，实现对权重大的商品的展示界面就大，权重小的商品的展示界面就小的效果。
步骤S570：将对应所述第一权重、所述第二权重和所述第三权重的第一匹配商品、所述第二匹配商品和所述第三匹配商品分别展示于所述第一界面、所述第二界面和所述第三界面；
步骤S580：根据展示于所述第一界面、所述第二界面和所述第三界面的第一匹配商品、所述第二匹配商品和所述第三匹配商品生成所述电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
具体地，通过根据第一匹配商品、所述第二匹配商品和所述第三匹配商品生成所述电商展示调整数据，进而实现展现出符合用户习惯的展示界面，给用户更好地电商浏览体验。
在一个实施例中，步骤S500：根据所述用户购买习惯数据生成购买习惯数据展示界面，所述购买数据展示界面用于展示所述用户购买习惯数据，并在展示所述用户购买习惯数据后，根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品；之后还包括：
步骤S611：获取用户点击预设的特殊人群录入端口时的第一触发指令；
步骤S612：根据所述第一触发指令启动所述特殊人群录入端口，并在所述特殊人群录入端口旁侧展示录入提示；
步骤S613：获取用户根据所述录入提示在所述特殊人群录入端口处输入的商品购买需求数据；
步骤S614：根据所述商品购买需求数据从预存的待展示商品存储库中查询并调取与所述商品购买需求数据相匹配的特殊商品数据；
步骤S615：识别所述特殊商品数据中的特殊商品，并将所述特殊商品数据中的各特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面。
具体地，通过设置获取所述第一触发指令，再在所述特殊人群录入端口旁侧展示录入提示，同时获取用户根据所述录入提示在所述特殊人群录入端口处输入的商品购买需求数据，并识别所述特殊商品数据中的特殊商品，并将所述特殊商品数据中的各特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面，从而实现对特殊人群电商购物浏览时的照顾，更好地提升电商购物体验。
在一个实施例中，步骤S615：识别所述特殊商品数据中的特殊商品，并将所述特殊商品数据中的各特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面，具体包括：
步骤S6151：根据所述特殊商品数据获取识别所述特殊商品数据中的特殊商品的特征标签属性；
步骤S6152：将各所述特殊商品的特征标签属性按照识别的实践顺序依序排列；
步骤S6153：将排列好顺序的各所述特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面。
具体地，通过将各所述特殊商品的特征标签属性按照识别的实践顺序依序排列，并且将排列好顺序的各所述特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面，从而实现有序展示。
在一个实施例中，如图2所示，一种基于区块链的电商平台推荐调整系统，所述系统包括：
数据获取模块，用于获取浏览中点击商品数据，其中，所述浏览中点击商品数据为当前浏览用户在电商平台浏览当前商品的过程点击的其他商品的商品数据，所述当前商品为用户当前时间点正在浏览的商品；
关系指数模块，用于根据所述浏览中点击商品数据获取所述浏览中点击商品数据与所述当前商品的商品关联关系指数，其中，所述商品关联关系指数用于表征所述浏览中点击商品数据与所述当前商品的关联关系；
浏览商品模块，用于实时追踪并获取当前浏览用户在浏览所述浏览中点击商品数据与所述当前商品后的最终成交商品；
习惯数据模块，用于根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，并将所述用户购买习惯数据基于区块链技术哈希上链；
展示界面模块，用于根据所述用户购买习惯数据生成购买习惯数据展示界面，所述购买数据展示界面用于展示所述用户购买习惯数据，并在展示所述用户购买习惯数据后，根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
在一个实施例中，所述习惯数据模块包括：
浏览中点击模块，用于将所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品载入至预先设置并存储的购买习惯数据生成模型，所述购买习惯数据生成模型由预先根据多组训练数据训练所生成并存储，其中，多组所述训练数均包括一个用户的电商浏览数据，每个用户的电商浏览数据均包括浏览中点击商品数据、当前商品、商品关联关系指数和最终成交商品的数据；
模型中生成模块，用于获取从所述购买习惯数据生成模型中生成的原始习惯数据；
数据修正模块，用于根据所述原始习惯数据生成人工数据修正界面，所述人工数据修正界面上设有人工数据录入端口，所述人工数据录入端口用于录入工作人员输入的对所述原始习惯数据进行修正的数据修正后数据；
录入端口模块，用于获取从所述人工数据录入端口载入的工作人员输入的对所述原始习惯数据进行修正的数据修正后数据，并基于所述数据修正后数据对所述原始习惯数据进行数据修正处理，并在数据修正处理后生成所述用户购买习惯数据，同时将所述用户购买习惯数据基于区块链技术哈希上链。
在一个实施例中，所述展示界面模块包括：
时间集合模块，用于根据所述用户购买习惯数据分别获取所述浏览中点击商品数据、所述当前商品和所述最终成交商品的浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合，其中，所述浏览中商品占据时间集合为浏览各所述浏览中点击商品过程中，时间超过预设浏览时间阈值的浏览中商品的集合，所述当前商品占据时间集合为浏览各所述当前商品过程中，时间超过预设浏览时间阈值的当前商品的集合，所述成交商品占据时间集合为浏览各所述成交商品过程中，时间超过预设浏览时间阈值的成交商品的集合；
时间平均模块，用于分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品所占据的实际时间平均值，其中，所述浏览中商品占据时间集合中各商品所占据的实际事件平均值为第一时间平均值，所述当前商品占据时间集合中各商品所占据的实际时间平均值为第二时间平均值，所述成交商品占据时间集合中各商品所占据的实际时间平均值为第三时间平均值；
特征指数模块，用于分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品的商品特征指数，其中，所述浏览中商品占据时间集合中各商品的商品特征指数为第一特征指数，所述当前商品占据时间集合中各商品的商品特征指数为第二特征指数，所述成交商品占据时间集合中各商品的商品特征指数为第三特征指数；
匹配商品模块，用于根据所述第一特征指数、所述第二特征指数和所述第三特征指数分别从预设的商品存储库中获取与所述第一特征指数、所述第二特征指数和所述第三特征指数相匹配的对应匹配商品，与所述第一特征指数、所述第二特征指数和所述第三特征指数的对应匹配商品分别为第一匹配商品、第二匹配商品和第三匹配商品；
时间权重模块，用于获取所述第一时间平均值、所述第二时间平均值和所述第三时间平均值占用户总浏览商品时间的权重，分别为第一权重、第二权重和第三权重；
商品展示模块，用于基于所述第一权重、第二权重和第三权重生成商品展示分配界面，并按照所述第一权重、第二权重和第三权重的大小将所述商品展示分配界面分割成对应的第一界面、第二界面和第三界面；
匹配权重模块，用于将对应所述第一权重、所述第二权重和所述第三权重的第一匹配商品、所述第二匹配商品和所述第三匹配商品分别展示于所述第一界面、所述第二界面和所述第三界面；
对应匹配模块，用于根据展示于所述第一界面、所述第二界面和所述第三界面的第一匹配商品、所述第二匹配商品和所述第三匹配商品生成所述电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
在一个实施例中，所述数据获取模块还用于：
获取用户点击预设的特殊人群录入端口时的第一触发指令；
根据所述第一触发指令启动所述特殊人群录入端口，并在所述特殊人群录入端口旁侧展示录入提示；
获取用户根据所述录入提示在所述特殊人群录入端口处输入的商品购买需求数据；
根据所述商品购买需求数据从预存的待展示商品存储库中查询并调取与所述商品购买需求数据相匹配的特殊商品数据；
识别所述特殊商品数据中的特殊商品，并将所述特殊商品数据中的各特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面。
在一个实施例中，所述数据获取模块还用于：
识别所述特殊商品数据中的特殊商品，并将所述特殊商品数据中的各特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面，具体包括：
根据所述特殊商品数据获取识别所述特殊商品数据中的特殊商品的特征标签属性；
将各所述特殊商品的特征标签属性按照识别的实践顺序依序排列；
将排列好顺序的各所述特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面。
在一个实施例中，如图3所示，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于区块链的电商平台推荐调整方法所述的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于区块链的电商平台推荐调整方法所述的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于区块链的电商平台推荐调整方法，其特征在于，所述方法包括：
获取浏览中点击商品数据，其中，所述浏览中点击商品数据为当前浏览用户在电商平台浏览当前商品的过程点击的其他商品的商品数据，所述当前商品为用户当前时间点正在浏览的商品；根据所述浏览中点击商品数据获取所述浏览中点击商品数据与所述当前商品的商品关联关系指数，其中，所述商品关联关系指数用于表征所述浏览中点击商品数据与所述当前商品的关联关系；实时追踪并获取当前浏览用户在浏览所述浏览中点击商品数据与所述当前商品后的最终成交商品；根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，并将所述用户购买习惯数据基于区块链技术哈希上链；根据所述用户购买习惯数据生成购买习惯数据展示界面，所述购买数据展示界面用于展示所述用户购买习惯数据，并在展示所述用户购买习惯数据后，根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
2.根据权利要求1所述的基于区块链的电商平台推荐调整方法，其特征在于，所述根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，并将所述用户购买习惯数据基于区块链技术哈希上链，具体包括：
将所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品载入至预先设置并存储的购买习惯数据生成模型，所述购买习惯数据生成模型由预先根据多组训练数据训练所生成并存储，其中，多组所述训练数均包括一个用户的电商浏览数据，每个用户的电商浏览数据均包括浏览中点击商品数据、当前商品、商品关联关系指数和最终成交商品的数据；获取从所述购买习惯数据生成模型中生成的原始习惯数据；根据所述原始习惯数据生成人工数据修正界面，所述人工数据修正界面上设有人工数据录入端口，所述人工数据录入端口用于录入工作人员输入的对所述原始习惯数据进行修正的数据修正后数据；获取从所述人工数据录入端口载入的工作人员输入的对所述原始习惯数据进行修正的数据修正后数据，并基于所述数据修正后数据对所述原始习惯数据进行数据修正处理，并在数据修正处理后生成所述用户购买习惯数据，同时将所述用户购买习惯数据基于区块链技术哈希上链。
3.根据权利要求1所述的基于区块链的电商平台推荐调整方法，其特征在于，所述根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品，具体包括：
根据所述用户购买习惯数据分别获取所述浏览中点击商品数据、所述当前商品和所述最终成交商品的浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合，其中，所述浏览中商品占据时间集合为浏览各所述浏览中点击商品过程中，时间超过预设浏览时间阈值的浏览中商品的集合，所述当前商品占据时间集合为浏览各所述当前商品过程中，时间超过预设浏览时间阈值的当前商品的集合，所述成交商品占据时间集合为浏览各所述成交商品过程中，时间超过预设浏览时间阈值的成交商品的集合；分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品所占据的实际时间平均值，其中，所述浏览中商品占据时间集合中各商品所占据的实际事件平均值为第一时间平均值，所述当前商品占据时间集合中各商品所占据的实际时间平均值为第二时间平均值，所述成交商品占据时间集合中各商品所占据的实际时间平均值为第三时间平均值；分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品的商品特征指数，其中，所述浏览中商品占据时间集合中各商品的商品特征指数为第一特征指数，所述当前商品占据时间集合中各商品的商品特征指数为第二特征指数，所述成交商品占据时间集合中各商品的商品特征指数为第三特征指数；
根据所述第一特征指数、所述第二特征指数和所述第三特征指数分别从预设的商品存储库中获取与所述第一特征指数、所述第二特征指数和所述第三特征指数相匹配的对应匹配商品，与所述第一特征指数、所述第二特征指数和所述第三特征指数的对应匹配商品分别为第一匹配商品、第二匹配商品和第三匹配商品；获取所述第一时间平均值、所述第二时间平均值和所述第三时间平均值占用户总浏览商品时间的权重，分别为第一权重、第二权重和第三权重；基于所述第一权重、第二权重和第三权重生成商品展示分配界面，并按照所述第一权重、第二权重和第三权重的大小将所述商品展示分配界面分割成对应的第一界面、第二界面和第三界面；将对应所述第一权重、所述第二权重和所述第三权重的第一匹配商品、所述第二匹配商品和所述第三匹配商品分别展示于所述第一界面、所述第二界面和所述第三界面；根据展示于所述第一界面、所述第二界面和所述第三界面的第一匹配商品、所述第二匹配商品和所述第三匹配商品生成所述电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
4.根据权利要求1所述的基于区块链的电商平台推荐调整方法，其特征在于，所述根据所述用户购买习惯数据生成购买习惯数据展示界面，所述购买数据展示界面用于展示所述用户购买习惯数据，并在展示所述用户购买习惯数据后，根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品；之后还包括：
获取用户点击预设的特殊人群录入端口时的第一触发指令；根据所述第一触发指令启动所述特殊人群录入端口，并在所述特殊人群录入端口旁侧展示录入提示；获取用户根据所述录入提示在所述特殊人群录入端口处输入的商品购买需求数据；根据所述商品购买需求数据从预存的待展示商品存储库中查询并调取与所述商品购买需求数据相匹配的特殊商品数据；识别所述特殊商品数据中的特殊商品，并将所述特殊商品数据中的各特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面。
5.根据权利要求4所述的基于区块链的电商平台推荐调整方法，其特征在于，所述识别所述特殊商品数据中的特殊商品，并将所述特殊商品数据中的各特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面，具体包括：
根据所述特殊商品数据获取识别所述特殊商品数据中的特殊商品的特征标签属性；将各所述特殊商品的特征标签属性按照识别的实践顺序依序排列；将排列好顺序的各所述特殊商品按照其对应的特殊展示需求展示于一生成的特殊商品展示界面。
6.一种基于区块链的电商平台推荐调整系统，其特征在于，所述系统包括：
数据获取模块，用于获取浏览中点击商品数据，其中，所述浏览中点击商品数据为当前浏览用户在电商平台浏览当前商品的过程点击的其他商品的商品数据，所述当前商品为用户当前时间点正在浏览的商品；
关系指数模块，用于根据所述浏览中点击商品数据获取所述浏览中点击商品数据与所述当前商品的商品关联关系指数，其中，所述商品关联关系指数用于表征所述浏览中点击商品数据与所述当前商品的关联关系；
浏览商品模块，用于实时追踪并获取当前浏览用户在浏览所述浏览中点击商品数据与所述当前商品后的最终成交商品；
习惯数据模块，用于根据所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品生成用户购买习惯数据，并将所述用户购买习惯数据基于区块链技术哈希上链；
展示界面模块，用于根据所述用户购买习惯数据生成购买习惯数据展示界面，所述购买数据展示界面用于展示所述用户购买习惯数据，并在展示所述用户购买习惯数据后，根据所述用户购买习惯数据生成电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
7.根据权利要求6所述的基于区块链的电商平台推荐调整系统，其特征在于，所述习惯数据模块包括：
浏览中点击模块，用于将所述浏览中点击商品数据、所述当前商品、所述商品关联关系指数和最终成交商品载入至预先设置并存储的购买习惯数据生成模型，所述购买习惯数据生成模型由预先根据多组训练数据训练所生成并存储，其中，多组所述训练数均包括一个用户的电商浏览数据，每个用户的电商浏览数据均包括浏览中点击商品数据、当前商品、商品关联关系指数和最终成交商品的数据；
模型中生成模块，用于获取从所述购买习惯数据生成模型中生成的原始习惯数据；
数据修正模块，用于根据所述原始习惯数据生成人工数据修正界面，所述人工数据修正界面上设有人工数据录入端口，所述人工数据录入端口用于录入工作人员输入的对所述原始习惯数据进行修正的数据修正后数据；
录入端口模块，用于获取从所述人工数据录入端口载入的工作人员输入的对所述原始习惯数据进行修正的数据修正后数据，并基于所述数据修正后数据对所述原始习惯数据进行数据修正处理，并在数据修正处理后生成所述用户购买习惯数据，同时将所述用户购买习惯数据基于区块链技术哈希上链。
8.根据权利要求6所述的基于区块链的电商平台推荐调整系统，其特征在于，所述展示界面模块包括：
时间集合模块，用于根据所述用户购买习惯数据分别获取所述浏览中点击商品数据、所述当前商品和所述最终成交商品的浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合，其中，所述浏览中商品占据时间集合为浏览各所述浏览中点击商品过程中，时间超过预设浏览时间阈值的浏览中商品的集合，所述当前商品占据时间集合为浏览各所述当前商品过程中，时间超过预设浏览时间阈值的当前商品的集合，所述成交商品占据时间集合为浏览各所述成交商品过程中，时间超过预设浏览时间阈值的成交商品的集合；
时间平均模块，用于分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品所占据的实际时间平均值，其中，所述浏览中商品占据时间集合中各商品所占据的实际事件平均值为第一时间平均值，所述当前商品占据时间集合中各商品所占据的实际时间平均值为第二时间平均值，所述成交商品占据时间集合中各商品所占据的实际时间平均值为第三时间平均值；
特征指数模块，用于分别获取所述浏览中商品占据时间集合、当前商品占据时间集合和成交商品占据时间集合中各商品的商品特征指数，其中，所述浏览中商品占据时间集合中各商品的商品特征指数为第一特征指数，所述当前商品占据时间集合中各商品的商品特征指数为第二特征指数，所述成交商品占据时间集合中各商品的商品特征指数为第三特征指数；
匹配商品模块，用于根据所述第一特征指数、所述第二特征指数和所述第三特征指数分别从预设的商品存储库中获取与所述第一特征指数、所述第二特征指数和所述第三特征指数相匹配的对应匹配商品，与所述第一特征指数、所述第二特征指数和所述第三特征指数的对应匹配商品分别为第一匹配商品、第二匹配商品和第三匹配商品；
时间权重模块，用于获取所述第一时间平均值、所述第二时间平均值和所述第三时间平均值占用户总浏览商品时间的权重，分别为第一权重、第二权重和第三权重；
商品展示模块，用于基于所述第一权重、第二权重和第三权重生成商品展示分配界面，并按照所述第一权重、第二权重和第三权重的大小将所述商品展示分配界面分割成对应的第一界面、第二界面和第三界面；
匹配权重模块，用于将对应所述第一权重、所述第二权重和所述第三权重的第一匹配商品、所述第二匹配商品和所述第三匹配商品分别展示于所述第一界面、所述第二界面和所述第三界面；
对应匹配模块，用于根据展示于所述第一界面、所述第二界面和所述第三界面的第一匹配商品、所述第二匹配商品和所述第三匹配商品生成所述电商展示调整数据，所述电商展示调整数据用于根据所述用户购买习惯数据调整电商平台上展示于用户的商品。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210357287.8A CN114820113A (zh) | 2022-04-06 | 2022-04-06 | 基于区块链的电商平台推荐调整方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210357287.8A CN114820113A (zh) | 2022-04-06 | 2022-04-06 | 基于区块链的电商平台推荐调整方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114820113A true CN114820113A (zh) | 2022-07-29 |
Family
ID=82534366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210357287.8A Pending CN114820113A (zh) | 2022-04-06 | 2022-04-06 | 基于区块链的电商平台推荐调整方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114820113A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128600A (zh) * | 2023-01-31 | 2023-05-16 | 读书郎教育科技有限公司 | 一种基于ai的推荐信息生成方法 |
| CN118246953A (zh) * | 2024-04-02 | 2024-06-25 | 深圳市云积分科技有限公司 | 跨平台数据关联方法、装置、电子设备及计算机存储介质 |
-
2022
- 2022-04-06 CN CN202210357287.8A patent/CN114820113A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128600A (zh) * | 2023-01-31 | 2023-05-16 | 读书郎教育科技有限公司 | 一种基于ai的推荐信息生成方法 |
| CN118246953A (zh) * | 2024-04-02 | 2024-06-25 | 深圳市云积分科技有限公司 | 跨平台数据关联方法、装置、电子设备及计算机存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180165745A1 (en) | Intelligent Recommendation Method and System | |
| CN111080398B (zh) | 商品推荐方法、装置、计算机设备和存储介质 | |
| CN109783730A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| CN114820113A (zh) | 基于区块链的电商平台推荐调整方法及系统 | |
| CN105469263A (zh) | 一种商品推荐方法及装置 | |
| CN111400613A (zh) | 物品推荐方法、装置、介质及计算机设备 | |
| US20220188757A1 (en) | Systems and methods for inventory control and optimization | |
| CN109300003A (zh) | 企业推荐方法、装置、计算机设备和存储介质 | |
| US20160117703A1 (en) | Large-Scale Customer-Product Relationship Mapping and Contact Scheduling | |
| CN106296242A (zh) | 一种用于电子商务中商品推荐列表的生成方法及生成系统 | |
| TW201804400A (zh) | 資料物件推送的方法、裝置及系統 | |
| CN109933721A (zh) | 一种融合用户隐式物品偏好与隐式信任的可解释推荐方法 | |
| CN109801101A (zh) | 标签确定方法、装置、计算机设备和存储介质 | |
| CN111127112A (zh) | 广告投放的方法、装置、设备及存储介质 | |
| CN111127152A (zh) | 基于用户偏好预测的商品推荐方法、装置、设备及可读介质 | |
| US11636528B2 (en) | Methods and apparatuses for recommending seasonal items | |
| CN109034941B (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
| CN115239421A (zh) | 商品推荐方法、装置、设备及介质 | |
| CN117455621A (zh) | 个性化推荐方法、装置、存储介质及计算机设备 | |
| CN116777550A (zh) | 一种基于商品关联性的商品推荐方法及装置 | |
| CN111680213B (zh) | 信息推荐方法、数据处理方法及装置 | |
| CN112819541A (zh) | 商品推荐方法、系统、计算机设备及存储介质 | |
| CA2909957A1 (en) | Large-scale customer-product relationship mapping and contact scheduling | |
| CN117495504A (zh) | 数字商品的订单数据分析方法、系统、设备和存储介质 | |
| CN114579843A (zh) | 一种个性化搜索的方法、装置、计算机设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220729 |
|
| WD01 | Invention patent application deemed withdrawn after publication |