CN115587877A - 基于大数据的直播电商平台商品内容智能推送管理系统 - Google Patents

Abstract

本发明属于电商平台管理技术领域，公开了一种基于大数据的直播电商平台商品内容智能推送管理系统，包括：用户历史数据采集模块、商品信息采集模块、中央控制模块、主题词提取模块、商品分类模块、商品特征参数提取模块、用户偏好提取模块、用户需求采集模块、特征参数关联匹配模块以及后台推送模块。本发明的直播电商平台商品内容智能推送管理系统能够使直播电商平台推送的商品与用户的偏好匹配，具有智能化水平高的特点，增强了用户使用体验感，避免用户花费大量时间寻找与其偏好匹配的商品，提高了用户的购物兴趣，满足了用户的偏好购物需求。本发明还避免了只采用商品与用户的关联程度进行排序推送的单一性，提高了推送商品排序的全面性。

Description

基于大数据的直播电商平台商品内容智能推送管理系统

技术领域

本发明属于电商平台管理技术领域，尤其涉及一种基于大数据的直播电商平台商品内容智能推送管理系统。

背景技术

目前，随着移动购物渗透率的提升，传统电商平台眼看着从增量转变成存量竞争，整体流量下滑，获客成本升高，而直播电商的出现，很大程度上打破了消费者对商品看不见、摸不着、感受不到的现状，相比图片和文字，直播呈现视频的信息维度更丰富，使得消费者能够直观并且全面的了解产品及服务信息，使消费者能够融入到购物场景中去，因此电商直播称为电商未来发展的方向。

人们在直播电商平台购物时，通过在平台上搜索框中输入商品关键词，平台后台会推送与输入的商品关键词匹配的一系列商品。但现有的直播电商平台推送的商品无法根据用户的偏向进行推送，智能化水平不高，导致用户需要花费大量的时间去从推送的商品中寻找与其偏向匹配的商品，影响人们的购物兴趣，致使用户体验感差。为了增强用户的使用体验感，亟需设计一种基于大数据的直播电商平台商品内容智能推送管理系统。

通过上述分析，现有技术存在的问题及缺陷为：现有的直播电商平台推送的商品无法根据用户的偏向进行推送，智能化水平不高；同时用户需要花费大量的时间去从推送的商品中寻找与其偏向匹配的商品，影响人们的购物兴趣，用户体验感差。

发明内容

针对现有技术存在的问题，本发明提供了一种基于大数据的直播电商平台商品内容智能推送管理系统。

本发明是这样实现的，一种基于大数据的直播电商平台商品内容智能推送管理系统，所述基于大数据的直播电商平台商品内容智能推送管理系统包括：

所述基于大数据的直播电商平台商品内容智能推送管理系统包括：

商品特征参数提取模块，与中央控制模块连接，用于基于采集的商品信息进行商品特征、参数的提取；

用户偏好提取模块，与中央控制模块连接，用于基于采集的用户历史交易数据进行用户偏好提取；所述用户偏好提取模块基于采集的用户历史交易数据进行用户偏好提取包括：

获取用户历史交易中对商品类型、商品特征以及颜色、尺寸以及其它信息的偏好习惯；根据所述用户的偏好习惯生成用户的偏好习惯矩阵：根据所述用户偏好习惯计算用户价值特征相似度；其中，计算所述用户价值特征相似度的公式如下：

式中，f(x,m,s)表示用户价值特征相似度，x表示所述用户价值指标矩阵中用户价值指标的取值，s表示与x对应的用户价值指标在用户价值类别中的均值，m表示与x对应的用户价值指标在用户价值类别中的标准差；

特征参数关联匹配模块，与中央控制模块连接，用于基于提取的用户偏好结合用户需求匹配关联度最高的商品；

后台推送模块，与中央控制模块连接，用于基于关联匹配结果进行商品的推送。

进一步，所述基于大数据的直播电商平台商品内容智能推送管理系统还包括：

用户历史数据采集模块，与中央控制模块连接，用于采集用户的历史交易数据以及其他信息；

商品信息采集模块，与中央控制模块连接，用于对电商平台售卖的商品信息进行采集；

中央控制模块，与用户历史数据采集模块、商品信息采集模块、主题词提取模块、商品分类模块、商品特征参数提取模块、用户偏好提取模块、用户需求采集模块、特征参数关联匹配模块以及后台推送模块连接，用于利用单片机或控制器控制各个模块正常工作；

主题词提取模块，与中央控制模块连接，用于基于采集的商品信息进行商品主题词的提取；

商品分类模块，与中央控制模块连接，用于基于提取的商品主题词进行商品分类；

用户需求采集模块，与中央控制模块连接，用于获取用户输入到直播电商平台的搜索引擎中搜索框里的输入信息。

进一步，所述商品分类模块基于提取的商品主题词对商品分类包括：

获取提取的各个商品主题词，并统计每一个商品中多个主题词出现的次数；

将出现次数最多的主题词作为所述商品的主要分类词；获取与所述主要分类词同时出现或除所述主要分类词外出现次数最多的主题词作为次要分类词；

重复上述处理，直至每个商品的所有主题词遍历完成，将所有得到的分类词按照主次要次序构建商品分类树，基于构建的商品分类树进行商品的分类；

其中，所述商品分类树中包含各个商品及主题词之间的对应关联关系。

进一步，所述获取用户历史交易中对商品类型、商品特征以及颜色、尺寸以及其它信息的偏好习惯之前还需进行：

获取用户的历史交易数据，根据所述历史交易数据生成用户的交易列表；根据所述用户的交易列表中的商品类型、商品特征以及颜色、尺寸以及其它信息进行聚类分析；

所述根据所述用户的偏好习惯生成用户的偏好习惯矩阵之后还需进行：对所述偏好习惯矩阵中的不同属性进行聚类分析，得到偏好属性的分类结果；提取各个分类的关键词，基于所述各个分类的关键词确定用户的偏好。

进一步，所述根据所述用户偏好习惯生成用户的偏好习惯矩阵还包括：

根据所述用户价值特征相似度计算所述用户价值特征的平均相似度；其中，所述计算所述用户价值特征的平均相似度的公式如下：

式中，i表示用户价值指标，fi(x,m,s)表示第i个用户价值指标的用户价值特征相似度，

表示用户价值特征平均相似度，v表示用户价值指标个数；

根据计算得到的所述用户价值特征的平均相似度生成用户偏好习惯矩阵。

进一步，所述特征参数关联匹配模块基于提取的用户偏好结合用户需求匹配关联度最高的商品包括：

获取提取的商品主题词、特征、参数信息、用户的偏好特征以及需求信息；

基于用户的需求信息筛选对应主题词的商品；基于用户的偏好特征匹配对应主题词的不同商品的特征以及参数信息；

基于需求与主题词的匹配结果、用户的偏好特征与商品的特征、参数的匹配结果确定商品与用户的关联度，并按照所述关联度的大小进行商品排序。

进一步，所述按照所述关联度的大小进行商品排序包括：

步骤1、用户关联度分析中心接收并解析用户请求并生成相应的用户需求信息树，判断用户需求信息树的根节点是否是用户需求信息，如果是用户需求信息的话就复制该节点并把复制后的用户需求信息插入到用户需求信息处理器下，用户需求信息处理器下的执行计划子树被下发到执行芯片上执行；

步骤2、在用户需求节点上把分区的键值信息保存到执行计划状态PlannedStmt结构体中，执行芯片节点上没有分区的键值信息，保存到PlannedStmt结构体下发给执行芯片节点；

步骤3、执行芯片节点从用户需求下发的PlannedStmt结构体获取分区键值信息被保存到运行时状态EState结构体上，EState被所有用户需求信息树的子节点访问到；

步骤4、执行芯片在执行用户需求信息的初始化时，保存Limit的个数到EState结构体上；

步骤5、执行芯片在执行SortNode的初始化时，保存排序的键值和排序方式到EState结构体上；

步骤6、执行芯片在执行PartitionSelectorNode时，通过EState结构体上的Limit的个数判断是否有进行Limit操作；如果有，再判断EState结构体中的分区键值和排序键值是否一致；如果一致，对分区按照EState保存的排序方式进行排序，再将有序的分区列表返回DynamicTableScanNode节点；

步骤7、DynamicTableScanNode接收PartitionSelectorNode返回的有序的分区列表，依次对分区进行扫描；

设置一个统计变量count，每扫描一条记录则count加一，当扫描完一个分区时，比较count是否大于保存在EState的Limit个数，如果小于Limit个数，继续扫描下一个分区并统计；如果大于或等于Limit个数，则直接返回扫描的记录数给SortNode，不再扫描剩余的分区；

步骤8、执行SortNode，把DynamicTableScanNode返回的节点进行排序并传入下一个用户需求信息；

步骤9、执行用户需求信息,读取SortNode排序后的前Limit个数个节点作为执行芯片的查询结果返回给用户需求节点；

步骤10、在用户需求上执行用户需求信息处理器对执行芯片返回的记录进行汇聚，然后再执行用户需求信息，读取限制的前几条记录并返回给查询客户端。

本发明的另一目的在于提供一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现所述的基于大数据的直播电商平台商品内容智能推送管理系统。

本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述的基于大数据的直播电商平台商品内容智能推送管理系统。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的基于大数据的直播电商平台商品内容智能推送管理系统，能够使直播电商平台推送的商品与用户的偏好匹配，具有智能化水平高的特点，增强了用户使用体验感，避免用户花费大量时间寻找与其偏好匹配的商品，提高了用户的购物兴趣，满足了用户的偏向购物需求。同时，本发明还避免了只采用商品与用户的关联程度进行排序推送的单一性，提高了推送商品排序的全面性。

本发明所述按照所述关联度的大小进行商品排序包括：用户关联度分析中心接收并解析用户请求并生成相应的用户需求信息树，判断用户需求信息树的根节点是否是用户需求信息，如果是用户需求信息的话就复制该节点并把复制后的用户需求信息插入到用户需求信息处理器下，用户需求信息处理器下的执行计划子树被下发到执行芯片上执行；在用户需求节点上把分区的键值信息保存到执行计划状态PlannedStmt结构体中，执行芯片节点上没有分区的键值信息，保存到PlannedStmt结构体下发给执行芯片节点；执行芯片节点从用户需求下发的PlannedStmt结构体获取分区键值信息被保存到运行时状态EState结构体上，EState被所有用户需求信息树的子节点访问到；执行芯片在执行用户需求信息的初始化时，保存Limit的个数到EState结构体上；执行芯片在执行SortNode的初始化时，保存排序的键值和排序方式到EState结构体上；执行芯片在执行PartitionSelectorNode时，通过EState结构体上的Limit的个数判断是否有进行Limit操作；如果有，再判断EState结构体中的分区键值和排序键值是否一致；如果一致，对分区按照EState保存的排序方式进行排序，再将有序的分区列表返回DynamicTableScanNode节点；DynamicTableScanNode接收PartitionSelectorNode返回的有序的分区列表，依次对分区进行扫描；

设置一个统计变量count，每扫描一条记录则count加一，当扫描完一个分区时，比较count是否大于保存在EState的Limit个数，如果小于Limit个数，继续扫描下一个分区并统计；如果大于或等于Limit个数，则直接返回扫描的记录数给SortNode，不再扫描剩余的分区；执行SortNode，把DynamicTableScanNode返回的节点进行排序并传入下一个用户需求信息；执行用户需求信息,读取SortNode排序后的前Limit个数个节点作为执行芯片的查询结果返回给用户需求节点；在用户需求上执行用户需求信息处理器对执行芯片返回的记录进行汇聚，然后再执行用户需求信息，读取限制的前几条记录并返回给查询客户端。可提高客户的体验度。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的基于大数据的直播电商平台商品内容智能推送管理系统的结构示意图；

图2是本发明实施例提供的基于大数据的直播电商平台商品内容智能推送管理方法流程图；

图3是本发明实施例提供的商品分类模块基于提取的商品主题词进行商品分类的方法流程图；

图4是本发明实施例提供的用户偏好提取模块基于采集的用户历史交易数据进行用户偏好提取的方法流程图；

图5是本发明实施例提供的特征参数关联匹配模块基于提取的用户偏好结合用户需求匹配关联度最高的商品的方法流程图；

图中：1、用户历史数据采集模块；2、商品信息采集模块；3、中央控制模块；4、主题词提取模块；5、商品分类模块；6、商品特征参数提取模块；7、用户偏好提取模块；8、用户需求采集模块；9、特征参数关联匹配模块；10、后台推送模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种基于大数据的直播电商平台商品内容智能推送管理系统，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的基于大数据的直播电商平台商品内容智能推送管理系统包括：

用户历史数据采集模块1，与中央控制模块3连接，用于采集用户的历史交易数据以及其他信息；

商品信息采集模块2，与中央控制模块3连接，用于对电商平台售卖的商品信息进行采集；

中央控制模块3，与用户历史数据采集模块1、商品信息采集模块2、主题词提取模块4、商品分类模块5、商品特征参数提取模块6、用户偏好提取模块7、用户需求采集模块8、特征参数关联匹配模块9以及后台推送模块10连接，用于利用单片机或控制器控制各个模块正常工作；

主题词提取模块4，与中央控制模块3连接，用于基于采集的商品信息进行商品主题词的提取；

商品分类模块5，与中央控制模块3连接，用于基于提取的商品主题词进行商品分类；

商品特征参数提取模块6，与中央控制模块3连接，用于基于采集的商品信息进行商品特征、参数的提取；

用户偏好提取模块7，与中央控制模块3连接，用于基于采集的用户历史交易数据进行用户偏好提取；

用户需求采集模块8，与中央控制模块3连接，用于获取用户输入到直播电商平台的搜索引擎中搜索框里的输入信息；

特征参数关联匹配模块9，与中央控制模块3连接，用于基于提取的用户偏好结合用户需求匹配关联度最高的商品；

后台推送模块10，与中央控制模块3连接，用于基于关联匹配结果进行商品推送。

如图2所示，本发明实施例提供的基于大数据的直播电商平台商品内容智能推送管理方法包括以下步骤：

S101，通过用户历史数据采集模块采集用户的历史交易数据以及其他信息；通过商品信息采集模块对电商平台售卖的商品信息进行采集；

S102，通过中央控制模块利用单片机或控制器控制主题词提取模块基于采集的商品信息进行商品主题词的提取；通过商品分类模块基于提取的商品主题词进行商品分类；

S103，通过商品特征参数提取模块基于采集的商品信息进行商品特征、参数的提取；通过用户偏好提取模块基于采集的用户历史交易数据进行用户偏好提取；

S104，通过用户需求采集模块获取用户输入到直播电商平台的搜索引擎中搜索框里的输入信息；通过特征参数关联匹配模块基于提取的用户偏好结合用户需求匹配关联度最高的商品；

S105，通过后台推送模块基于关联匹配结果进行商品推送。

如图3所示，本发明实施例提供的商品分类模块基于提取的商品主题词进行商品分类包括：

S201，获取提取的各个商品的主题词，并统计每一个商品中多个主题词出现的次数；

S202，将出现次数最多的主题词作为所述商品的主要分类词；获取与所述主要分类词同时出现或除所述主要分类词外出现次数最多的主题词作为次要分类词；

S203，重复上述处理，直至每个商品的所有主题词遍历完成，将所有得到的分类词按照主次要次序构建商品分类树，基于构建的商品分类树进行商品的分类。

本发明实施例提供的商品分类树中包含各个商品及其各个主题词之间的对应关联关系。

如图4所示，本发明实施例提供的用户偏好提取模块基于采集的用户历史交易数据进行用户偏好提取包括：

S301，获取用户的历史交易数据，根据所述历史交易数据生成用户的交易列表；根据所述用户的交易列表中的商品类型、商品特征以及颜色、尺寸以及其它信息进行聚类分析；

S302，获取用户历史交易中对商品类型、商品特征以及颜色、尺寸以及其它信息的偏好习惯；根据所述用户的偏好习惯生成用户的偏好习惯矩阵；

S303，对所述偏好习惯矩阵中的不同属性进行聚类分析，得到偏好属性的分类结果；提取各个分类的关键词，基于所述各个分类的关键词确定用户的偏好。

本发明实施例提供的根据所述用户偏好习惯生成用户偏好习惯矩阵包括：

根据所述用户偏好习惯计算用户价值特征相似度；其中，所述计算所述用户价值特征相似度的公式如下：

式中，f(x,m,s)表示用户价值特征相似度，x表示所述用户价值指标矩阵中用户价值指标的取值，s表示与x对应的用户价值指标在用户价值类别中的均值，m表示与x对应的用户价值指标在用户价值类别中的标准差；

根据所述用户价值特征相似度计算所述用户价值特征的平均相似度；其中，所述计算所述用户价值特征的平均相似度的公式如下：

式中，i表示用户价值指标，f_i(x,m,s)表示第i个用户价值指标的用户价值特征相似度，

表示用户价值特征平均相似度，v表示用户价值指标个数；

根据计算得到的所述用户价值特征的平均相似度生成用户偏好习惯矩阵。

本发明实施例提供的对所述偏好习惯矩阵的不同属性进行聚类分析包括：

按照商品的类型、商品特征以及颜色、尺寸以及其它信息进行属性分类，根据信息熵公式计算属性分类数据集的数据对象中多个属性数据集的权重；

其中，所述x的信息熵E(x)为：

其中，x为随机变量，X为x的所有取值构成的集合，p(x)表示x取值概率；

从所述属性分类数据集中选择相应数量的数据对象作为聚类质心点，计算待聚类数据对象与所述聚类质心点中相同属性类型的属性数据集的距离；

根据所述距离和所述权重，对不同的分类属性分别进行聚类分析。

如图5所示，本发明实施例提供的特征参数关联匹配模块基于提取的用户偏好结合用户需求匹配关联度最高的商品包括：

S401，获取提取的商品主题词、特征、参数信息以及用户的偏好特征以及需求信息；

S402，基于用户的需求信息筛选对应主题词的商品；基于用户的偏好特征匹配对应主题词的不同商品的特征以及参数信息；

S403，基于需求与主题词的匹配结果、用户的偏好特征与商品的特征、参数的匹配结果确定商品与用户的关联度；按照所述关联度大小进行商品的排序。

在本发明一实施例中，所述按照所述关联度的大小进行商品排序包括：

步骤1、用户关联度分析中心接收并解析用户请求并生成相应的用户需求信息树，判断用户需求信息树的根节点是否是用户需求信息，如果是用户需求信息的话就复制该节点并把复制后的用户需求信息插入到用户需求信息处理器下，用户需求信息处理器下的执行计划子树被下发到执行芯片上执行；

步骤2、在用户需求节点上把分区的键值信息保存到执行计划状态PlannedStmt结构体中，执行芯片节点上没有分区的键值信息，保存到PlannedStmt结构体下发给执行芯片节点；

步骤3、执行芯片节点从用户需求下发的PlannedStmt结构体获取分区键值信息被保存到运行时状态EState结构体上，EState被所有用户需求信息树的子节点访问到；

步骤4、执行芯片在执行用户需求信息的初始化时，保存Limit的个数到EState结构体上；

步骤5、执行芯片在执行SortNode的初始化时，保存排序的键值和排序方式到EState结构体上；

步骤6、执行芯片在执行PartitionSelectorNode时，通过EState结构体上的Limit的个数判断是否有进行Limit操作；如果有，再判断EState结构体中的分区键值和排序键值是否一致；如果一致，对分区按照EState保存的排序方式进行排序，再将有序的分区列表返回DynamicTableScanNode节点；

步骤7、DynamicTableScanNode接收PartitionSelectorNode返回的有序的分区列表，依次对分区进行扫描；

设置一个统计变量count，每扫描一条记录则count加一，当扫描完一个分区时，比较count是否大于保存在EState的Limit个数，如果小于Limit个数，继续扫描下一个分区并统计；如果大于或等于Limit个数，则直接返回扫描的记录数给SortNode，不再扫描剩余的分区；

步骤8、执行SortNode，把DynamicTableScanNode返回的节点进行排序并传入下一个用户需求信息；

步骤9、执行用户需求信息,读取SortNode排序后的前Limit个数个节点作为执行芯片的查询结果返回给用户需求节点；

步骤10、在用户需求上执行用户需求信息处理器对执行芯片返回的记录进行汇聚，然后再执行用户需求信息，读取限制的前几条记录并返回给查询客户端。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。

以上所述，仅为本发明较优的具体的实施方式，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揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于，所述基于大数据的直播电商平台商品内容智能推送管理系统包括：

商品特征参数提取模块，与中央控制模块连接，用于基于采集的商品信息进行商品特征、参数的提取；

用户偏好提取模块，与中央控制模块连接，用于基于采集的用户历史交易数据进行用户偏好提取；所述用户偏好提取模块基于采集的用户历史交易数据进行用户偏好提取包括：

获取用户历史交易中对商品类型、商品特征以及颜色、尺寸以及其它信息的偏好习惯；根据所述用户的偏好习惯生成用户的偏好习惯矩阵：根据所述用户偏好习惯计算用户价值特征相似度；其中，计算所述用户价值特征相似度的公式如下：

式中，f(x,m,s)表示用户价值特征相似度，x表示所述用户价值指标矩阵中用户价值指标的取值，s表示与x对应的用户价值指标在用户价值类别中的均值，m表示与x对应的用户价值指标在用户价值类别中的标准差；

特征参数关联匹配模块，与中央控制模块连接，用于基于提取的用户偏好结合用户需求匹配关联度最高的商品；

后台推送模块，与中央控制模块连接，用于基于关联匹配结果进行商品的推送。

2.如权利要求1所述的基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于，所述基于大数据的直播电商平台商品内容智能推送管理系统还包括：

用户历史数据采集模块，与中央控制模块连接，用于采集用户的历史交易数据以及其他信息；

商品信息采集模块，与中央控制模块连接，用于对电商平台售卖的商品信息进行采集；

中央控制模块，与用户历史数据采集模块、商品信息采集模块、主题词提取模块、商品分类模块、商品特征参数提取模块、用户偏好提取模块、用户需求采集模块、特征参数关联匹配模块以及后台推送模块连接，用于利用单片机或控制器控制各个模块正常工作；

主题词提取模块，与中央控制模块连接，用于基于采集的商品信息进行商品主题词的提取；

商品分类模块，与中央控制模块连接，用于基于提取的商品主题词进行商品分类；

用户需求采集模块，与中央控制模块连接，用于获取用户输入到直播电商平台的搜索引擎中搜索框里的输入信息。

3.如权利要求2所述的基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于，所述商品分类模块基于提取的商品主题词对商品分类包括：

获取提取的各个商品主题词，并统计每一个商品中多个主题词出现的次数；

将出现次数最多的主题词作为所述商品的主要分类词；获取与所述主要分类词同时出现或除所述主要分类词外出现次数最多的主题词作为次要分类词；

重复上述处理，直至每个商品的所有主题词遍历完成，将所有得到的分类词按照主次要次序构建商品分类树，基于构建的商品分类树进行商品的分类；

其中，所述商品分类树中包含各个商品及主题词之间的对应关联关系。

4.如权利要求1所述的基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于，所述获取用户历史交易中对商品类型、商品特征以及颜色、尺寸以及其它信息的偏好习惯之前还需进行：

获取用户的历史交易数据，根据所述历史交易数据生成用户的交易列表；根据所述用户的交易列表中的商品类型、商品特征以及颜色、尺寸以及其它信息进行聚类分析；

所述根据所述用户的偏好习惯生成用户的偏好习惯矩阵之后还需进行：对所述偏好习惯矩阵中的不同属性进行聚类分析，得到偏好属性的分类结果；提取各个分类的关键词，基于所述各个分类的关键词确定用户的偏好。

5.如权利要求1所述的基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于，所述根据所述用户偏好习惯生成用户的偏好习惯矩阵还包括：

根据所述用户价值特征相似度计算所述用户价值特征的平均相似度；其中，所述计算所述用户价值特征的平均相似度的公式如下：

式中，i表示用户价值指标，f_i(x,m,s)表示第i个用户价值指标的用户价值特征相似度，

表示用户价值特征平均相似度，v表示用户价值指标个数；

根据计算得到的所述用户价值特征的平均相似度生成用户偏好习惯矩阵。

6.如权利要求4所述的基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于，所述对所述偏好习惯矩阵中的不同属性进行聚类分析包括：

按照商品的类型、商品特征以及颜色、尺寸以及其它信息进行属性分类，根据信息熵公式计算属性分类数据集的数据对象中多个属性数据集的权重；

其中，所述x的信息熵E(x)为：

其中，x为随机变量，X为x的所有取值构成的集合，p(x)表示x取值概率；

从所述属性分类数据集中选择相应数量的数据对象作为聚类质心点，计算待聚类数据对象与所述聚类质心点中相同属性类型的属性数据集的距离；

根据所述距离和所述权重，对不同的分类属性分别进行聚类分析。

7.如权利要求1所述的基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于，所述特征参数关联匹配模块基于提取的用户偏好结合用户需求匹配关联度最高的商品包括：

获取提取的商品主题词、特征、参数信息、用户的偏好特征以及需求信息；

基于用户的需求信息筛选对应主题词的商品；基于用户的偏好特征匹配对应主题词的不同商品的特征以及参数信息；

基于需求与主题词的匹配结果、用户的偏好特征与商品的特征、参数的匹配结果确定商品与用户的关联度，并按照所述关联度的大小进行商品排序。

8.如权利要求7所述的基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于，所述按照所述关联度的大小进行商品排序包括：

步骤1、用户关联度分析中心接收并解析用户请求并生成相应的用户需求信息树，判断用户需求信息树的根节点是否是用户需求信息，如果是用户需求信息的话就复制该节点并把复制后的用户需求信息插入到用户需求信息处理器下，用户需求信息处理器下的执行计划子树被下发到执行芯片上执行；

步骤2、在用户需求节点上把分区的键值信息保存到执行计划状态PlannedStmt结构体中，执行芯片节点上没有分区的键值信息，保存到PlannedStmt结构体下发给执行芯片节点；

步骤3、执行芯片节点从用户需求下发的PlannedStmt结构体获取分区键值信息被保存到运行时状态EState结构体上，EState被所有用户需求信息树的子节点访问到；

步骤4、执行芯片在执行用户需求信息的初始化时，保存Limit的个数到EState结构体上；

步骤5、执行芯片在执行SortNode的初始化时，保存排序的键值和排序方式到EState结构体上；

步骤6、执行芯片在执行PartitionSelectorNode时，通过EState结构体上的Limit的个数判断是否有进行Limit操作；如果有，再判断EState结构体中的分区键值和排序键值是否一致；如果一致，对分区按照EState保存的排序方式进行排序，再将有序的分区列表返回DynamicTableScanNode节点；

步骤7、DynamicTableScanNode接收PartitionSelectorNode返回的有序的分区列表，依次对分区进行扫描；

设置一个统计变量count，每扫描一条记录则count加一，当扫描完一个分区时，比较count是否大于保存在EState的Limit个数，如果小于Limit个数，继续扫描下一个分区并统计；如果大于或等于Limit个数，则直接返回扫描的记录数给SortNode，不再扫描剩余的分区；

步骤8、执行SortNode，把DynamicTableScanNode返回的节点进行排序并传入下一个用户需求信息；

步骤9、执行用户需求信息,读取SortNode排序后的前Limit个数个节点作为执行芯片的查询结果返回给用户需求节点；

步骤10、在用户需求上执行用户需求信息处理器对执行芯片返回的记录进行汇聚，然后再执行用户需求信息，读取限制的前几条记录并返回给查询客户端。

9.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求1～7任意一项所述的基于大数据的直播电商平台商品内容智能推送管理系统。

10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用如权利要求1～7任意一项所述的基于大数据的直播电商平台商品内容智能推送管理系统。

Images