CN117829965A - 一种用于跨境电商平台的产品推荐系统及方法 - Google Patents
一种用于跨境电商平台的产品推荐系统及方法 Download PDFInfo
- Publication number
- CN117829965A CN117829965A CN202410233703.2A CN202410233703A CN117829965A CN 117829965 A CN117829965 A CN 117829965A CN 202410233703 A CN202410233703 A CN 202410233703A CN 117829965 A CN117829965 A CN 117829965A
- Authority
- CN
- China
- Prior art keywords
- product
- user
- preset
- portrait
- recommended
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 36
- 230000006872 improvement Effects 0.000 abstract description 10
- 239000000047 product Substances 0.000 description 286
- 230000009467 reduction Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据处理技术领域,尤其涉及一种用于跨境电商平台的产品推荐系统及方法,系统包括:数据采集模块;数据处理模块,用以对所述浏览页面一级运行特征数据进行计算处理以输出浏览页面二级运行特征数据;产品更新模块,包括用以根据所述用户特征数据和所述用户的页面浏览数据生成用户画像的画像生成单元和与所述画像生成单元相连用以将用户画像的对应待推荐产品信息调度至浏览页面的产品推荐单元;控制模块,用以根据产品下单数量占比确定所述产品推荐单元的对应更新方式,或,根据所述产品下单数量占比和搜索与推荐的产品类型的重合数量确定所述画像生成单元的画像分类方式。本发明实现了跨境电商平台的产品推荐的精准性的提高。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种用于跨境电商平台的产品推荐系统及方法。
背景技术
当前的跨境电商平台的产品推荐系统主要的产品推荐技术为根据用户的行为特征生成用户画像并根据用户画像对用户进行产品的推荐,但是在这个过程中仍然存在产品推荐精准性不足的问题。
中国专利公开号:CN114429384B公开了一种基于电商平台的产品智能推荐方法及系统,该方法包括:查询一个目标用户的历史购物数据中的目标产品的数据及其对应的评价数据;获取与目标用户具有类似的购物行为的类似用户群体;获取备选产品列表;从备选产品列表中选择预设数量的备选产品;根据选中备选产品和目标产品的评价数据获得它们对应到预设的关键评价词类的情感分值并将这些情感分值构成分值输入矩阵;将分值输入矩阵输入至一个推荐模型以使推荐模型输出建议推荐产品。由此可见,所述基于电商平台的产品智能推荐方法及系统存在由于缺乏在用户对浏览页面的产品的反馈较少的情况下对于产品推荐间隔时长的精准调整导致的产品推荐质量的连续性不足和画像类型生成的全面性不足从而导致的产品推荐精准性下降的问题。
发明内容
为此,本发明提供一种用于跨境电商平台的产品推荐系统及方法,用以克服现有技术中由于缺乏在用户对浏览页面的产品的反馈较少的情况下对于产品推荐间隔时长的精准调整导致的产品推荐质量的连续性不足和画像类型生成的全面性不足从而导致的产品推荐精准性下降的问题。
为实现上述目的,本发明提供一种用于跨境电商平台的产品推荐系统,包括:数据采集模块,用以分别对用户特征数据、用户的页面浏览数据以及浏览页面一级运行特征数据进行采集;数据处理模块,其与所述数据采集模块相连,用以对所述浏览页面一级运行特征数据进行计算处理以输出浏览页面二级运行特征数据;产品更新模块,其与所述数据采集模块相连,包括用以根据所述用户特征数据和所述用户的页面浏览数据生成用户画像的画像生成单元和与所述画像生成单元相连用以将用户画像的对应待推荐产品信息调度至浏览页面的产品推荐单元;控制模块,其分别与所述数据采集模块、所述数据处理模块以及所述产品更新模块相连,用以根据产品下单数量占比确定所述产品推荐单元的对应更新方式,或,根据所述产品下单数量占比和搜索与推荐的产品类型的重合数量确定所述画像生成单元的画像分类方式,以及,根据所述搜索与推荐的产品类型的重合数量和若干相同画像用户的推荐产品的点击率的方差对用户画像的点击率标准更新阈值进行调节以输出第一对应更新阈值,以及,根据用户点击的产品类型的数量占比对所述第一对应更新阈值进行调节以输出第二对应更新阈值。
进一步地,还包括分别与所述数据采集模块、所述数据处理模块以及所述产品更新模块相连用以分别对所述用户特征数据、所述用户的页面浏览数据、所述浏览页面一级运行特征数据、所述浏览页面二级运行特征数据以及若干待推荐产品信息进行存储的数据库。
进一步地,所述浏览页面一级运行特征数据包括单次产品推荐过程的存在点击情况的产品的类型的数量、单次产品推荐的产品的类型的总数量、单位浏览时间内的产品下单数量、单位浏览时间内浏览的产品总数量、用户搜索的产品类型的数量、推荐的产品的类型的数量以及若干相同画像用户的推荐产品的点击率;
所述二级运行特征数据包括产品下单数量占比、搜索与推荐的产品类型的重合数量、若干相同画像用户的推荐产品的点击率的方差以及用户点击的产品类型的数量占比。
进一步地,所述控制模块获取所述产品下单数量占比,并在第一数量占比条件下判定产品推荐的精准性不符合要求,其中,
所述控制模块在第二数量占比条件下控制所述产品推荐单元按照相邻产品推荐进程的对应间隔时长对若干产品进行推荐;
其中,所述第一数量占比条件为所述产品下单数量占比小于等于预设第二数量占比;所述第二数量占比条件为所述产品下单数量占比小于等于预设第一数量占比。
进一步地,所述相邻产品推荐进程的对应间隔时长通过所述预设第一数量占比与所述产品下单数量占比的差值确定。
进一步地,所述控制模块在第三数量占比条件下初步判定生成的用户画像的全面性不符合要求,并对所述搜索与推荐的产品类型的重合数量进行获取,
所述控制模块在预设第一重合数量条件下二次判定生成的用户画像的全面性不符合要求,其中,
所述控制模块在预设第二重合数量条件下控制所述画像生成单元按照所述画像分类方式对用户画像进行分类;
其中,所述第三数量占比条件为所述产品下单数量占比大于所述预设第一数量占比且小于等于所述预设第二数量占比;所述预设第一重合数量条件为所述搜索与推荐的产品类型的重合数量小于等于预设第二重合数量;所述预设第二重合数量条件为所述搜索与推荐的产品类型的重合数量大于预设第一重合数量且小于等于所述预设第二重合数量。
进一步地,所述画像分类方式为,所述画像生成单元按照画像的分类特征的对应数量对用户画像进行分类,所述画像的分类特征的对应数量通过所述搜索与推荐的产品类型的重合数量与所述预设第一重合数量的差值确定。
进一步地,所述控制模块在预设第三重合数量条件下初步判定画像更新的实时性不符合要求,并对所述若干相同画像用户的推荐产品的点击率的方差进行获取,
所述控制模块在预设方差条件下二次判定画像更新的实时性不符合要求,并对所述用户画像的点击率标准更新阈值进行调节以输出第一对应更新阈值,
其中,所述预设方差条件为所述若干相同画像用户的推荐产品的点击率的方差大于预设方差;所述第一对应更新阈值通过所述若干相同画像用户的推荐产品的点击率的方差与所述预设方差的差值确定。
进一步地,所述控制模块在预设运行条件下对所述用户点击的产品类型的数量占比进行获取,其中,
所述控制模块在预设产品类型数量占比条件下判定产品推荐的全面性不符合要求,并对所述第一对应更新阈值进行调节以输出第二对应更新阈值;
其中,所述预设产品类型数量占比条件为所述用户点击的产品类型的数量占比小于预设产品类型数量占比;所述第二对应更新阈值通过所述预设产品类型数量占比与所述用户点击的产品类型的数量占比的差值确定;所述预设运行条件为所述画像生成单元按照所述第一对应更新阈值对用户画像进行单个周期的更新。
本发明还提供一种用于跨境电商平台的产品推荐方法,包括以下步骤:
分别对用户特征数据和用户的页面浏览数据进行获取以生成用户画像;
基于所述用户画像对该用户的浏览页面进行产品推荐;
获取单位浏览时间内的产品下单数量和单位浏览时间内的产品总浏览数量;
基于所述产品下单数量的占比对相邻产品推荐进程的对应间隔时长进行确定,或,对搜索与推荐的产品类型的重合数量进行获取;
基于所述搜索与推荐的产品类型的重合数量确定画像生成单元的画像分类方式,或,基于所述搜索与推荐的产品类型的重合数量和若干相同画像用户的推荐产品的点击率的方差对用户画像的点击率标准更新阈值进行调节以输出第一对应更新阈值;
基于按照所述第一对应更新阈值运行单个周期后的用户点击的产品类型的数量占比对所述第一对应更新阈值进行调节以输出第二对应更新阈值。
与现有技术相比,本发明的有益效果在于,本发明所述推荐系统通过设置的数据采集模块、数据处理模块、产品更新模块以及控制模块,通过根据产品下单数量占比确定产品推荐单元的对应更新方式,具体的技术手段为通过对相邻推荐进程的间隔时长进行增大,以降低当用户对浏览页面的行为比较稀疏时按照原来的间隔时长对产品进行推荐导致的产品推荐的精准性下降;通过根据所述产品下单数量占比和搜索与推荐的产品类型的重合数量确定所述画像生成单元的画像分类方式,具体的技术手段为通过对于画像生成单元的画像的分类特征的数量进行调节,以降低由于画像分类的精细程度不足导致的生成的画像类型的全面性不足从而导致产品推荐的精准性降低的影响;通过根据所述搜索与推荐的产品类型的重合数量和若干相同画像用户的推荐产品的点击率的方差对用户画像的点击率标准更新阈值进行调节以输出第一对应更新阈值,通过对用户画像的点击率标准更新阈值的减小的调节降低了由于对于用户画像更新的实时性不符合要求从而导致的画像的类型的全面性不足的影响;通过根据用户点击的产品类型的数量占比对所述第一对应更新阈值进行调节以输出第二对应更新阈值,是在降低用户画像的点击率标准更新阈值时若降低的幅度过大则会导致部分产品还未全部被浏览就被隐藏掉了因此降低的幅度过大会造成产品推荐的全面性下降,因此这里对于第一对应更新阈值的增大是为了平衡画像更新的实时性和产品推荐的全面性,实现了对于跨境电商平台的产品推荐精准性的提高。
进一步地,本发明所述推荐系统通过设置的预设第一数量占比和预设第二数量占比,通过对产品推荐的精准性进行判定和对于相邻产品推荐进程的对应间隔时长进行重新确定,降低了由于间隔时长过短对于产品推荐的质量的连续性不足从而导致产品推荐的精准性不足的影响,进一步实现了对于跨境电商平台的产品推荐精准性的提高。
进一步地,本发明所述推荐系统通过设置的预设第一重合数量、预设第二重合数量对生成的用户画像的全面性进行二次判定和对于画像生成单元的画像分类方式的调整,降低了由于画像的分类特征的数量的过少导致的画像的类型的全面性不足从而导致的产品推荐精准性的下降的影响,进一步实现了对于跨境电商平台的产品推荐精准性的提高。
进一步地,本发明所述推荐系统通过设置的预设方差对画像更新的实时性进行二次判定,并对用户画像的点击率标准更新阈值进行调节,降低了由于画像生成单元在对画像进行更新时的点击率更新阈值过高从而导致的画像更新的实时性不符合要求的影响,进一步实现了对于跨境电商平台的产品推荐精准性的提高。
进一步地,本发明所述推荐系统通过设置的预设产品类型数量占比和预设运行条件对产品推荐的全面性进行判定,并在判定产品推荐的全面性不符合要求时对第一对应更新阈值进行调节,降低了用户画像的标准点击率更新阈值过小导致的部分产品未被浏览从而导致的产品推荐的全面性的影响,进一步实现了对于跨境电商平台的产品推荐精准性的提高。
附图说明
图1为本发明实施例用于跨境电商平台的产品推荐系统的整体结构框图;
图2为本发明实施例用于跨境电商平台的产品推荐系统的产品更新模块的具体结构框图;
图3为本发明实施例用于跨境电商平台的产品推荐系统的产品更新模块与控制模块相连接的连接结构框图;
图4为本发明实施例用于跨境电商平台的产品推荐方法的整体流程图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
请参阅图1、图2、图3以及图4所示,其分别为本发明实施例用于跨境电商平台的产品推荐系统的整体结构框图、产品更新模块的具体结构框图、产品更新模块与控制模块相连接的连接结构框图以及用于跨境电商平台的产品推荐方法的整体流程图,本发明一种用于跨境电商平台的产品推荐系统,包括:
数据采集模块,用以分别对用户特征数据、用户的页面浏览数据以及浏览页面一级运行特征数据进行采集;
数据处理模块,其与所述数据采集模块相连,用以对所述浏览页面一级运行特征数据进行计算处理以输出浏览页面二级运行特征数据;
产品更新模块,其与所述数据采集模块相连,包括用以根据所述用户特征数据和所述用户的页面浏览数据生成用户画像的画像生成单元和与所述画像生成单元相连用以将用户画像的对应待推荐产品信息调度至浏览页面的产品推荐单元;
控制模块,其分别与所述数据采集模块、所述数据处理模块以及所述产品更新模块相连,用以根据产品下单数量占比确定所述产品推荐单元的对应更新方式,或,根据所述产品下单数量占比和搜索与推荐的产品类型的重合数量确定所述画像生成单元的画像分类方式,
以及,根据所述搜索与推荐的产品类型的重合数量和若干相同画像用户的推荐产品的点击率的方差对用户画像的点击率标准更新阈值进行调节以输出第一对应更新阈值,以及,根据用户点击的产品类型的数量占比对所述第一对应更新阈值进行调节以输出第二对应更新阈值。
本发明所述推荐系统通过设置的数据采集模块、数据处理模块、产品更新模块以及控制模块,通过根据产品下单数量占比确定产品推荐单元的对应更新方式,具体的技术手段为通过对相邻推荐进程的间隔时长进行增大,以降低当用户对浏览页面的行为比较稀疏时按照原来的间隔时长对产品进行推荐导致的产品推荐的精准性下降;通过根据所述产品下单数量占比和搜索与推荐的产品类型的重合数量确定所述画像生成单元的画像分类方式,具体的技术手段为通过对于画像生成单元的画像的分类特征的数量进行调节,以降低由于画像分类的精细程度不足导致的生成的画像类型的全面性不足从而导致产品推荐的精准性降低的影响;通过根据所述搜索与推荐的产品类型的重合数量和若干相同画像用户的推荐产品的点击率的方差对用户画像的点击率标准更新阈值进行调节以输出第一对应更新阈值,通过对用户画像的点击率标准更新阈值的减小的调节降低了由于对于用户画像更新的实时性不符合要求从而导致的画像的类型的全面性不足的影响;通过根据用户点击的产品类型的数量占比对所述第一对应更新阈值进行调节以输出第二对应更新阈值,是在降低用户画像的点击率标准更新阈值时若降低的幅度过大则会导致部分产品还未全部被浏览就被隐藏掉了因此降低的幅度过大会造成产品推荐的全面性下降,因此这里对于第一对应更新阈值的增大是为了平衡画像更新的实时性和产品推荐的全面性,实现了对于跨境电商平台的产品推荐精准性的提高。
具体而言,产品下单数量占比的计算公式为:
其中,E为产品下单数量占比,Ex为单位浏览时间内的产品下单数量,Ey为单位浏览时间内浏览的产品总数量。
具体而言,若干相同画像用户的推荐产品的点击率的方差的含义为在单个周期内若干个相同画像用户对于浏览页面的推荐的产品的点击率的方差,对于本领域技术人员来说,对于若干相同画像用户的推荐产品的点击率的方差的计算方法为本领域技术人员所熟知的常规技术手段,因此对于若干相同画像用户的推荐产品的点击率的方差的计算过程在此不再赘述。
具体而言,在单个周期内的若干个相同画像用户中的单个用户的浏览页面的推荐产品的点击率等于单个用户在该单个周期内浏览的产品中存在产品信息点击的产品数量除以单个用户在该单个周期内浏览的产品的总数量。
具体而言,搜索与推荐的产品类型的重合数量的含义为单个用户在浏览页面的搜索框里面输入的产品所属的产品类型与对该用户推荐的产品的全部产品类型的重合产品类型的数量。
具体而言,画像的分类特征的数量的含义为对画像进行分类的分类特征的数量,例如,根据画像的分类特征的数量对用户画像进行分类,例如,用户画像包括“学生”、“中学阶段的学生”以及“中学阶段学理科的学生”,上述三个用户画像的分类特征不同,“中学阶段学理科的学生”这个画像的分类特征为:中学阶段、理科以及学生;“中学阶段的学生”这个画像的分类特征为:中学阶段和学生。
具体而言,用户画像的点击率更新阈值的含义为用户画像的点击率更新阈值,在画像更新单元对用户画像进行更新时,画像更新单元根据用户画像的点击率更新阈值判定对用户画像是否进行更新,当单个用户的单次产品推荐过程的产品点击率小于用户画像的点击率更新阈值时,画像更新单元判定对用户画像进行更新,并通过产品推荐单元扩大对数据库中存储的待推荐产品信息的调用产品的类型或数量。
具体而言,产品推荐的间隔时长的含义为对用户进行产品推荐的相邻两次推荐进程的间隔时长,当产品推荐的间隔时长越短时,系统对于用户的页面浏览数据的采集的样本量不足,从而导致产品推荐的精准性不足。
具体而言,用户特征数据包括用户的性别、用户的国籍以及用户的年龄;本领域技术人员可以理解的是,上述用户特征数据均在系统的安全防护之下,在非病毒攻击或网络攻击的情况下用户特征数据被加密保护。
具体而言,用户的页面浏览数据包括对某类产品的浏览时长、对某类产品的点击率以及对于当前浏览页面的产品搜索数量。
具体而言,画像生成单元对于用户画像的生成的具体过程为:根据用户特征数据和用户的页面浏览数据对用户画像进行生成,例如,当单个用户的用户特征数据包括:男性;用户的页面浏览数据包括:对于“体育类产品”的浏览时长超出预设浏览时长和超过80%的对于体育类产品的浏览时间处于早上九点之前和晚上六点之后,则画像生成单元根据大数据进行自学习训练拟合成的用户画像为一个爱好体育的成年男性。
请继续参阅图1所示,还包括分别与所述数据采集模块、所述数据处理模块以及所述产品更新模块相连用以分别对所述用户特征数据、所述用户的页面浏览数据、所述浏览页面一级运行特征数据、所述浏览页面二级运行特征数据以及若干待推荐产品信息进行存储的数据库。
请继续参阅图1和图2所示,所述浏览页面一级运行特征数据包括单次产品推荐过程的存在点击情况的产品的类型的数量、单次产品推荐的产品的类型的总数量、单位浏览时间内的产品下单数量、单位浏览时间内浏览的产品总数量、用户搜索的产品类型的数量、推荐的产品的类型的数量以及若干相同画像用户的推荐产品的点击率;
所述二级运行特征数据包括产品下单数量占比、搜索与推荐的产品类型的重合数量、若干相同画像用户的推荐产品的点击率的方差以及用户点击的产品类型的数量占比。
请继续参阅图1所示,所述控制模块获取所述产品下单数量占比,并在第一数量占比条件下判定产品推荐的精准性不符合要求,其中,
所述控制模块在第二数量占比条件下控制所述产品推荐单元按照相邻产品推荐进程的对应间隔时长对若干产品进行推荐;
其中,所述第一数量占比条件为所述产品下单数量占比小于等于预设第二数量占比;所述第二数量占比条件为所述产品下单数量占比小于等于预设第一数量占比。
具体而言,产品下单数量占比记为E,预设第一数量占比记为E1,预设第二数量占比记为E2,其中E1<E2,E1=0.4,E2=0.5。
本发明所述推荐系统通过设置的预设第一数量占比和预设第二数量占比,通过对产品推荐的精准性进行判定和对于相邻产品推荐进程的对应间隔时长进行重新确定,降低了由于间隔时长过短对于产品推荐的质量的连续性不足从而导致产品推荐的精准性不足的影响,进一步实现了对于跨境电商平台的产品推荐精准性的提高。
请继续参阅图1和图4所示,所述相邻产品推荐进程的对应间隔时长通过所述预设第一数量占比与所述产品下单数量占比的差值确定。
具体而言,预设第一数量占比与产品下单数量占比的差值记为△E,设定△E=E1-E,控制模块还设置有预设数量占比差值△E0,设定△E0=0.1。
具体而言,确定相邻产品推荐进程的对应间隔时长的过程为:
若△E≤△E0,控制模块使用预设第一间隔时长调节系数α1将相邻产品推荐进程的标准间隔时长调节至第一间隔时长;
若△E>△E0,控制模块使用预设第二间隔时长调节系数α2将相邻产品推荐进程的标准间隔时长调节至第二间隔时长;
相邻产品推荐进程的对应间隔时长包括第一间隔时长和第二间隔时长。
具体而言,1<α1<α2,设定α1=1.16,α2=1.3,相邻产品推荐进程的标准间隔时长记为T0,T0=30s,相邻产品推荐进程的对应间隔时长记为T’,设定T’=T0×αi,其中,αi为预设第i间隔时长调节系数,设定i=1,2。
请继续参阅图1所示,所述控制模块在第三数量占比条件下初步判定生成的用户画像的全面性不符合要求,并对所述搜索与推荐的产品类型的重合数量进行获取,
所述控制模块在预设第一重合数量条件下二次判定生成的用户画像的全面性不符合要求,其中,
所述控制模块在预设第二重合数量条件下控制所述画像生成单元按照所述画像分类方式对用户画像进行分类;
其中,所述第三数量占比条件为所述产品下单数量占比大于所述预设第一数量占比且小于等于所述预设第二数量占比;所述预设第一重合数量条件为所述搜索与推荐的产品类型的重合数量小于等于预设第二重合数量;所述预设第二重合数量条件为所述搜索与推荐的产品类型的重合数量大于预设第一重合数量且小于等于所述预设第二重合数量。
具体而言,搜索与推荐的产品类型的重合数量记为Q,预设第一重合数量记为Q1,预设第二重合数量记为Q2,其中Q1<Q2,设定Q1=4种,Q2=8种。
请继续参阅图1所示,所述画像分类方式为,所述画像生成单元按照画像的分类特征的对应数量对用户画像进行分类,所述画像的分类特征的对应数量通过所述搜索与推荐的产品类型的重合数量与所述预设第一重合数量的差值确定。
具体而言,搜索与推荐的产品类型的重合数量与预设第一重合数量的差值记为△Q,设定△Q=Q-Q1,控制模块还设置有预设重合数量差值△Q0,设定△Q0=2种。
具体而言,确定画像的分类特征的对应数量的过程为:
若△Q≤△Q0,控制模块使用预设第一对应数量调节系数β1将画像的分类特征的对应数量调节至第一对应数量;
若△Q>△Q0,控制模块使用预设第二对应数量调节系数β2将画像的分类特征的对应数量调节至第二对应数量;
画像的分类特征的对应数量包括第一对应数量和第二对应数量。
具体而言,1<β1<β2,设定β1=1.14,β2=1.25,画像的分类特征的对应数量记为Y0,画像的分类特征的对应数量记为Y’,设定Y’=Y0×βj,其中,βj为预设第j对应数量调节系数,设定j=1,2。
本发明所述推荐系统通过设置的预设第一重合数量、预设第二重合数量对生成的用户画像的全面性进行二次判定和对于画像生成单元的画像分类方式的调整,降低了由于画像的分类特征的数量的过少导致的画像的类型的全面性不足从而导致的产品推荐精准性的下降的影响,进一步实现了对于跨境电商平台的产品推荐精准性的提高。
请继续参阅图1和图4所示,所述控制模块在预设第三重合数量条件下初步判定画像更新的实时性不符合要求,并对所述若干相同画像用户的推荐产品的点击率的方差进行获取,
所述控制模块在预设方差条件下二次判定画像更新的实时性不符合要求,并对所述用户画像的点击率标准更新阈值进行调节以输出第一对应更新阈值,
其中,所述预设方差条件为所述若干相同画像用户的推荐产品的点击率的方差大于预设方差;所述第一对应更新阈值通过所述若干相同画像用户的推荐产品的点击率的方差与所述预设方差的差值确定。
具体而言,若干相同画像用户的推荐产品的点击率的方差记为R,预设方差记为R0,设定R0=0.87。
具体而言,若干相同画像用户的推荐产品的点击率的方差与预设方差的差值记为△R,设定△R=R-R0,控制模块还设有预设方差差值△R0,设定△R0=0.15。
具体而言,确定第一对应更新阈值的过程为:
若△R≤△R0,控制模块使用预设第二更新阈值调节系数γ2将用户画像的点击率标准更新阈值调节至第一更新阈值;
若△R>△R0,控制模块使用预设第一更新阈值调节系数γ1将用户画像的点击率标准更新阈值调节至第二更新阈值;
第一对应更新阈值包括第一更新阈值和第二更新阈值。
具体而言,0<γ1<γ2<1,设定γ1=0.9,γ2=0.95,用户画像的点击率标准更新阈值记为U0,U0=0.9,第一对应更新阈值记为U’,设定U’=U0×(1+γg)/2,其中,γg为预设第g更新阈值调节系数,设定γ=1,2。
本发明所述推荐系统通过设置的预设方差对画像更新的实时性进行二次判定,并对用户画像的点击率标准更新阈值进行调节,降低了由于画像生成单元在对画像进行更新时的点击率更新阈值过高从而导致的画像更新的实时性不符合要求的影响,进一步实现了对于跨境电商平台的产品推荐精准性的提高。
请继续参阅图1所示,所述控制模块在预设运行条件下对所述用户点击的产品类型的数量占比进行获取,其中,
所述控制模块在预设产品类型数量占比条件下判定产品推荐的全面性不符合要求,并对所述第一对应更新阈值进行调节以输出第二对应更新阈值;
其中,所述预设产品类型数量占比条件为所述用户点击的产品类型的数量占比小于预设产品类型数量占比;所述第二对应更新阈值通过所述预设产品类型数量占比与所述用户点击的产品类型的数量占比的差值确定;所述预设运行条件为所述画像生成单元按照所述第一对应更新阈值对用户画像进行单个周期的更新。
具体而言,用户点击的产品类型的数量占比的计算公式为:
其中,S为用户点击的产品类型的数量占比,Sa为单次产品推荐过程中存在点击情况的产品的类型的数量,S0为单次产品推荐的产品的类型的总数量。
具体而言,用户点击的产品类型的数量占比记为S,预设产品类型数量占比记为S0,设定S0=0.65。
具体而言,预设产品类型数量占比与用户点击的产品类型的数量占比的差值记为△S,设定△S=S0-S,控制模块还设有预设产品类型数量占比差值△S0,设定△S0=0.2。
具体而言,输出第二对应更新阈值的过程为:
若△S≤△S0,控制模块使用预设第三更新阈值调节系数γ3将第一对应更新阈值调节至第三更新阈值;
若△S>△S0,控制模块使用预设第四更新阈值调节系数γ4将第一对应更新阈值调节至第四更新阈值;
第二对应更新阈值包括第三更新阈值和第四更新阈值。
具体而言,1<γ3<γ4,设定γ3=1.1,γ4=1.2,用户画像的点击率标准更新阈值记为U0,第二对应更新阈值记为U”,设定U”=U’×(1+γh)/2,其中,γh为预设第h更新阈值调节系数,设定h=3,4。
本发明所述推荐系统通过设置的预设产品类型数量占比和预设运行条件对产品推荐的全面性进行判定,并在判定产品推荐的全面性不符合要求时对第一对应更新阈值进行调节,降低了用户画像的标准点击率更新阈值过小导致的部分产品未被浏览从而导致的产品推荐的全面性的影响,进一步实现了对于跨境电商平台的产品推荐精准性的提高。
本发明一种用于跨境电商平台的产品推荐方法,包括:
步骤S1,分别对用户特征数据和用户的页面浏览数据进行获取以生成用户画像;
步骤S2,基于所述用户画像对该用户的浏览页面进行产品推荐;
步骤S3,获取单位浏览时间内的产品下单数量和单位浏览时间内的产品总浏览数量;
步骤S4,基于所述产品下单数量的占比对相邻产品推荐进程的对应间隔时长进行确定,或,对搜索与推荐的产品类型的重合数量进行获取;
步骤S5,基于所述搜索与推荐的产品类型的重合数量确定画像生成单元的画像分类方式,或,基于所述搜索与推荐的产品类型的重合数量和若干相同画像用户的推荐产品的点击率的方差对用户画像的点击率标准更新阈值进行调节以输出第一对应更新阈值;
步骤S6,基于按照所述第一对应更新阈值运行单个周期后的用户点击的产品类型的数量占比对所述第一对应更新阈值进行调节以输出第二对应更新阈值。
实施例1,本实施例1中用于跨境电商平台的产品推荐系统对跨境电商平台的产品进行推荐,控制模块获取所述产品下单数量占比,并在第一数量占比条件下判定产品推荐的精准性不符合要求,其中,所述控制模块在第二数量占比条件下控制所述产品推荐单元按照相邻产品推荐进程的对应间隔时长对若干产品进行推荐;预设第一数量占比与产品下单数量占比的差值记为△E,设定△E=E1-E,控制模块还设置有预设数量占比差值△E0,设定△E0=0.1,1<α1<α2,设定α1=1.16,α2=1.3,相邻产品推荐进程的标准间隔时长记为T0,T0=30s,相邻产品推荐进程的对应间隔时长记为T’。
本实施例1中求得△E=0.12,控制模块判定△E>△E0并使用预设第二间隔时长调节系数α2将相邻产品推荐进程的标准间隔时长调节至第二间隔时长T’,计算得T’=30s×1.3=39s。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。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)
1.一种用于跨境电商平台的产品推荐系统,其特征在于,包括:
数据采集模块,用以分别对用户特征数据、用户的页面浏览数据以及浏览页面一级运行特征数据进行采集;
数据处理模块,其与所述数据采集模块相连,用以对所述浏览页面一级运行特征数据进行计算处理以输出浏览页面二级运行特征数据;
产品更新模块,其与所述数据采集模块相连,包括用以根据所述用户特征数据和所述用户的页面浏览数据生成用户画像的画像生成单元和与所述画像生成单元相连用以将用户画像的对应待推荐产品信息调度至浏览页面的产品推荐单元;
控制模块,其分别与所述数据采集模块、所述数据处理模块以及所述产品更新模块相连,用以根据产品下单数量占比确定所述产品推荐单元的对应更新方式,或,根据所述产品下单数量占比和搜索与推荐的产品类型的重合数量确定所述画像生成单元的画像分类方式,
以及,根据所述搜索与推荐的产品类型的重合数量和若干相同画像用户的推荐产品的点击率的方差对用户画像的点击率标准更新阈值进行调节以输出第一对应更新阈值,以及,根据用户点击的产品类型的数量占比对所述第一对应更新阈值进行调节以输出第二对应更新阈值。
2.根据权利要求1所述的用于跨境电商平台的产品推荐系统,其特征在于,还包括分别与所述数据采集模块、所述数据处理模块以及所述产品更新模块相连用以分别对所述用户特征数据、所述用户的页面浏览数据、所述浏览页面一级运行特征数据、所述浏览页面二级运行特征数据以及若干待推荐产品信息进行存储的数据库。
3.根据权利要求2所述的用于跨境电商平台的产品推荐系统,其特征在于,所述浏览页面一级运行特征数据包括单次产品推荐过程的存在点击情况的产品的类型的数量、单次产品推荐的产品的类型的总数量、单位浏览时间内的产品下单数量、单位浏览时间内浏览的产品总数量、用户搜索的产品类型的数量、推荐的产品的类型的数量以及若干相同画像用户的推荐产品的点击率;
所述二级运行特征数据包括产品下单数量占比、搜索与推荐的产品类型的重合数量、若干相同画像用户的推荐产品的点击率的方差以及用户点击的产品类型的数量占比。
4.根据权利要求3所述的用于跨境电商平台的产品推荐系统,其特征在于,所述控制模块获取所述产品下单数量占比,并在第一数量占比条件下判定产品推荐的精准性不符合要求,其中,
所述控制模块在第二数量占比条件下控制所述产品推荐单元按照相邻产品推荐进程的对应间隔时长对若干产品进行推荐;
其中,所述第一数量占比条件为所述产品下单数量占比小于等于预设第二数量占比;所述第二数量占比条件为所述产品下单数量占比小于等于预设第一数量占比。
5.根据权利要求4所述的用于跨境电商平台的产品推荐系统,其特征在于,所述相邻产品推荐进程的对应间隔时长通过所述预设第一数量占比与所述产品下单数量占比的差值确定。
6.根据权利要求5所述的用于跨境电商平台的产品推荐系统,其特征在于,所述控制模块在第三数量占比条件下初步判定生成的用户画像的全面性不符合要求,并对所述搜索与推荐的产品类型的重合数量进行获取,
所述控制模块在预设第一重合数量条件下二次判定生成的用户画像的全面性不符合要求,其中,
所述控制模块在预设第二重合数量条件下控制所述画像生成单元按照所述画像分类方式对用户画像进行分类;
其中,所述第三数量占比条件为所述产品下单数量占比大于所述预设第一数量占比且小于等于所述预设第二数量占比;所述预设第一重合数量条件为所述搜索与推荐的产品类型的重合数量小于等于预设第二重合数量;所述预设第二重合数量条件为所述搜索与推荐的产品类型的重合数量大于预设第一重合数量且小于等于所述预设第二重合数量。
7.根据权利要求6所述的用于跨境电商平台的产品推荐系统,其特征在于,所述画像分类方式为,所述画像生成单元按照画像的分类特征的对应数量对用户画像进行分类,所述画像的分类特征的对应数量通过所述搜索与推荐的产品类型的重合数量与所述预设第一重合数量的差值确定。
8.根据权利要求7所述的用于跨境电商平台的产品推荐系统,其特征在于,所述控制模块在预设第三重合数量条件下初步判定画像更新的实时性不符合要求,并对所述若干相同画像用户的推荐产品的点击率的方差进行获取,
所述控制模块在预设方差条件下二次判定画像更新的实时性不符合要求,并对所述用户画像的点击率标准更新阈值进行调节以输出第一对应更新阈值,
其中,所述预设方差条件为所述若干相同画像用户的推荐产品的点击率的方差大于预设方差;所述第一对应更新阈值通过所述若干相同画像用户的推荐产品的点击率的方差与所述预设方差的差值确定。
9.根据权利要求8所述的用于跨境电商平台的产品推荐系统,其特征在于,所述控制模块在预设运行条件下对所述用户点击的产品类型的数量占比进行获取,其中,
所述控制模块在预设产品类型数量占比条件下判定产品推荐的全面性不符合要求,并对所述第一对应更新阈值进行调节以输出第二对应更新阈值;
其中,所述预设产品类型数量占比条件为所述用户点击的产品类型的数量占比小于预设产品类型数量占比;所述第二对应更新阈值通过所述预设产品类型数量占比与所述用户点击的产品类型的数量占比的差值确定;所述预设运行条件为所述画像生成单元按照所述第一对应更新阈值对用户画像进行单个周期的更新。
10.一种应用于权利要求1-9任一项权利要求所述的用于跨境电商平台的产品推荐方法,其特征在于,包括以下步骤:
分别对用户特征数据和用户的页面浏览数据进行获取以生成用户画像;
基于所述用户画像对该用户的浏览页面进行产品推荐;
获取单位浏览时间内的产品下单数量和单位浏览时间内的产品总浏览数量;
基于所述产品下单数量的占比对相邻产品推荐进程的对应间隔时长进行确定,或,对搜索与推荐的产品类型的重合数量进行获取;
基于所述搜索与推荐的产品类型的重合数量确定画像生成单元的画像分类方式,或,基于所述搜索与推荐的产品类型的重合数量和若干相同画像用户的推荐产品的点击率的方差对用户画像的点击率标准更新阈值进行调节以输出第一对应更新阈值;
基于按照所述第一对应更新阈值运行单个周期后的用户点击的产品类型的数量占比对所述第一对应更新阈值进行调节以输出第二对应更新阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410233703.2A CN117829965B (zh) | 2024-03-01 | 2024-03-01 | 一种用于跨境电商平台的产品推荐系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410233703.2A CN117829965B (zh) | 2024-03-01 | 2024-03-01 | 一种用于跨境电商平台的产品推荐系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117829965A true CN117829965A (zh) | 2024-04-05 |
CN117829965B CN117829965B (zh) | 2024-06-25 |
Family
ID=90517631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410233703.2A Active CN117829965B (zh) | 2024-03-01 | 2024-03-01 | 一种用于跨境电商平台的产品推荐系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117829965B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678518A (zh) * | 2013-11-28 | 2014-03-26 | 北京邮电大学 | 一种推荐列表调整方法和装置 |
CN114676348A (zh) * | 2022-03-18 | 2022-06-28 | 湖南工商大学 | 一种商品时效期推荐方法 |
CN115345718A (zh) * | 2022-10-19 | 2022-11-15 | 易商惠众(北京)科技有限公司 | 一种基于排他性的商品推荐方法及系统 |
CN115935068A (zh) * | 2022-12-12 | 2023-04-07 | 杭州洋驼网络科技有限公司 | 互联网平台的商品推荐方法以及装置 |
CN116523594A (zh) * | 2023-04-24 | 2023-08-01 | 广州灵缪文化传播有限公司 | 一种基于多源检测数据的商品选品方法 |
CN117474636A (zh) * | 2023-12-27 | 2024-01-30 | 广州宇中网络科技有限公司 | 一种基于大数据的平台用户推荐方法及系统 |
CN117495458A (zh) * | 2023-12-29 | 2024-02-02 | 河北华糖云商营销传播股份有限公司 | 一种基于用户画像的广告在线推送方法 |
-
2024
- 2024-03-01 CN CN202410233703.2A patent/CN117829965B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678518A (zh) * | 2013-11-28 | 2014-03-26 | 北京邮电大学 | 一种推荐列表调整方法和装置 |
CN114676348A (zh) * | 2022-03-18 | 2022-06-28 | 湖南工商大学 | 一种商品时效期推荐方法 |
CN115345718A (zh) * | 2022-10-19 | 2022-11-15 | 易商惠众(北京)科技有限公司 | 一种基于排他性的商品推荐方法及系统 |
CN115935068A (zh) * | 2022-12-12 | 2023-04-07 | 杭州洋驼网络科技有限公司 | 互联网平台的商品推荐方法以及装置 |
CN116523594A (zh) * | 2023-04-24 | 2023-08-01 | 广州灵缪文化传播有限公司 | 一种基于多源检测数据的商品选品方法 |
CN117474636A (zh) * | 2023-12-27 | 2024-01-30 | 广州宇中网络科技有限公司 | 一种基于大数据的平台用户推荐方法及系统 |
CN117495458A (zh) * | 2023-12-29 | 2024-02-02 | 河北华糖云商营销传播股份有限公司 | 一种基于用户画像的广告在线推送方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117829965B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106021362A (zh) | 查询式的图片特征表示的生成、图片搜索方法和装置 | |
CN112765480B (zh) | 一种信息推送方法、装置及计算机可读存储介质 | |
WO2008113290A1 (fr) | Procédé et dispositif pour poussser des informations | |
CN106504011A (zh) | 一种业务对象的展示方法和装置 | |
CN112348629A (zh) | 一种商品信息推送方法和装置 | |
CA2737943A1 (en) | Systems, methods, and software for classifying documents | |
CN112100512A (zh) | 一种基于用户聚类和项目关联分析的协同过滤推荐方法 | |
CN103577195A (zh) | 一种软件需求分析量化方法及系统 | |
CN103425664A (zh) | 一种对实体数据单元进行搜索、显示的方法和设备 | |
CN116452261A (zh) | 一种基于跨境电商服务平台的广告投放数据处理方法 | |
CN114330752A (zh) | 排序模型训练方法和排序方法 | |
CN114997956B (zh) | 基于大数据的母婴产品智能推荐系统 | |
JPH08123778A (ja) | 非線形モデル自動生成方法 | |
CN115829683A (zh) | 一种基于逆奖赏学习优化的电力积分商品推荐方法及系统 | |
CN117474636B (zh) | 一种基于大数据的平台用户推荐方法及系统 | |
CN117829965B (zh) | 一种用于跨境电商平台的产品推荐系统及方法 | |
CN111815410B (zh) | 基于选择性邻域信息的商品推荐方法 | |
CN112258285A (zh) | 一种内容推荐方法及装置、设备、存储介质 | |
Bharadhwaj | Layer-wise relevance propagation for explainable recommendations | |
CN113177603B (zh) | 分类模型的训练方法、视频分类方法及相关设备 | |
CN115391539A (zh) | 语料数据的处理方法、装置及电子设备 | |
TW202336692A (zh) | 教學影像評價系統以及教學影像評價方法 | |
CN107679709A (zh) | 一种基于直觉模糊数和信誉传递的供应商选择方法及装置 | |
US7801757B2 (en) | Computer implemented customer value model in airline industry | |
Wang et al. | NAUI: Neural attentive user interest model for cross-domain CTR prediction |
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 |