一种根据时间节点的电子商务平台商品展示方法技术

本发明专利技术提供一种根据时间节点的电子商务平台商品展示方法，包括以下步骤：步骤S1，数据采集，步骤S2，数据预处理，步骤S3，数据储存，将预处理后的特征信息以及训练样例储存至数据库中；步骤S4，数据分析；步骤S5，商品推送，根据数据库关联规则挖掘用户的购买倾向，混合用户浏览商品时的时间节点，根据用户商品浏览以及购买的数据信息的权重获得购买回归模型，根据训练样例与购买回归模型之间的对应关系，在用户浏览商品时推送此时适合的商品；与现有技术相比，本发明专利技术具有如下的有益效果：在用户网上购物时，可推送此时适合的商品，增加了用户的购买欲望，从而提高商家的销售额。

【技术实现步骤摘要】

本专利技术是一种根据时间节点的电子商务平台商品展示方法，属于计算机数据处理

技术介绍
近年来，随着信息技术和互联网的不断迅速发展，电子商务在社会和生活中的地位越来越显著，电子商务系统为用户提供越来越多的选择。与此同时，电子商务规模的急剧扩大使得用户耗费大量的时间浏览无关商品，对于销售商而言，以最合适的方式将商品推荐给用户是他们迫切希望的。随着大数据时代的到来，电子商务网站的商品以指数速度增长，不论其数量上还是种类上都是人们难以想象的，这更增大了迅速准确获取自己想要商品的难度。互联网犹如一把双刃剑，虽然很大程度上它推动了电子商务的迅猛发展，使商家能够通过电子商务平台将自己的商品展示给消费者，消费者足不出户便可对商品信息完全掌握，并与商家达成交易，双方各取所需。但是，网络用户在得到便利消费的同时一定程度上也陷入了前所未有的尴尬境地。所以商品的推荐功能是极为必要的，它能模拟实体店中的销售员向客户推荐他们感兴趣的商品，使消费者对商品有一定的认知，从而提高商家的销售额。在网上购物的时候，用户往往会购买很多各类商品，这样不出户，便可享受到世界各地的商品，但是在现有技术中，很多时候，网上购物平台都是统一的在首页推送一些大众喜欢的商品，或简单的根据用户最近的购买行为，推送一些用户可能已经购买的商品，这种推送方法，不仅落后，而且给用户的购物造成了不好的影响。
技术实现思路
针对现有技术存在的不足，本专利技术目的是提供一种根据时间节点的电子商务平台商品展示方法，以解决上述
技术介绍
中提出的问题,本专利技术使用方便，便于操作，设计巧妙，提高了市场竞争力。为了实现上述目的，本专利技术是通过如下的技术方案来实现：一种根据时间节点的电子商务平台商品展示方法，包括以下步骤：步骤S1，数据采集，在不同的数据库中，通过网络爬虫或网站公开API方式从电子商务平台上获取用户的商品浏览以及购买的数据信息，或采用分布式架构Chukwa、Flume以及Scribe，从电子商务平台上获取用户的商品浏览以及购买的数据信息；步骤S2，数据预处理，将各个分散的数据库采集来的数据全部导入一个大的数据库，对数据进行集中的处理，提取用户的商品浏览以及购买的数据信息的特征信息，对各种数据进行粗选，根据不同用户的不同商品浏览以及购买的数据信息的特征信息，建立不同的训练样例；步骤S3，数据储存，将预处理后的特征信息以及训练样例储存至数据库中；步骤S4，数据分析，根据不同用户的不同商品浏览以及购买的数据信息的特征信息，对其的特征信息进行筛选，利用Infobright列式存储工具，对数据进行的不同分类之后，为下一步的批处理做准备；步骤S5，商品推送，根据数据库关联规则挖掘用户的购买倾向，混合用户浏览商品时的时间节点，根据用户商品浏览以及购买的数据信息的权重获得购买回归模型，根据训练样例与购买回归模型之间的对应关系，在用户浏览商品时推送此时适合的商品。进一步地，在步骤S1中，用户的商品浏览以及购买的数据信息包括：用户在每个季节的商品浏览以及购买的数据信息；用户在每个月份的商品浏览以及购买的数据信息；用户在一天的不同时间段关于商品浏览以及购买的数据信息；以及用户在不同的节日关于商品浏览以及购买的数据信息。进一步地，在步骤S2中，大的数据库把海量数据分割成若干部分，分给多台处理器并行处理；在多台处理器并行处理完毕后，把各台处理器处理后的结果进行汇总操作以得到最终结果。进一步地，在步骤S4中，所述特征信息包括：商品的分类；商品的产地；商品的生产时间；以及商品的包装。进一步地，在步骤S5中，用户浏览商品时的时间节点包括：用户此时浏览商品的所处季节；用户此时浏览商品的所处月份；用户此时浏览商品的所处一天的不同时间段；以及用户此时浏览商品的所处节日。本专利技术的有益效果：本专利技术的一种根据时间节点的电子商务平台商品展示方法，通过大数据库提取用户在每个季节的商品浏览以及购买的数据信息；在每个月份的商品浏览以及购买的数据信息；在一天的不同时间段关于商品浏览以及购买的数据信息；以及用户在不同的节日关于商品浏览以及购买的数据信息，在用户在网上购物的时候，根据用户此时浏览商品的所处季节；此时浏览商品的所处月份；此时浏览商品的所处一天的不同时间段；以及用户此时浏览商品的所处节日，推送此时适合的商品，增加了用户的购买欲望，从而提高商家的销售额。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为本专利技术一种根据时间节点的电子商务平台商品展示方法的步骤图。具体实施方式为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本专利技术。请参阅图1，本专利技术提供一种技术方案：一种根据时间节点的电子商务平台商品展示方法，包括以下步骤：步骤S1，数据采集，在不同的数据库中，通过网络爬虫或网站公开API方式从电子商务平台上获取用户的商品浏览以及购买的数据信息，或采用分布式架构Chukwa、Flume以及Scribe，从电子商务平台上获取用户的商品浏览以及购买的数据信息；步骤S2，数据预处理，将各个分散的数据库采集来的数据全部导入一个大的数据库，对数据进行集中的处理，提取用户的商品浏览以及购买的数据信息的特征信息，对各种数据进行粗选，根据不同用户的不同商品浏览以及购买的数据信息的特征信息，建立不同的训练样例；步骤S3，数据储存，将预处理后的特征信息以及训练样例储存至数据库中；步骤S4，数据分析，根据不同用户的不同商品浏览以及购买的数据信息的特征信息，对其的特征信息进行筛选，利用Infobright列式存储工具，对数据进行的不同分类之后，为下一步的批处理做准备；步骤S5，商品推送，根据数据库关联规则挖掘用户的购买倾向，混合用户浏览商品时的时间节点，根据用户商品浏览以及购买的数据信息的权重获得购买回归模型，根据训练样例与购买回归模型之间的对应关系，在用户浏览商品时推送此时适合的商品。在步骤S1中，用户的商品浏览以及购买的数据信息包括：用户在每个季节的商品浏览以及购买的数据信息；用户在每个月份的商品浏览以及购买的数据信息；用户在一天的不同时间段关于商品浏览以及购买的数据信息；以及用户在不同的节日关于商品浏览以及购买的数据信息。在步骤S2中，大的数据库把海量数据分割成若干部分，分给多台处理器并行处理；在多台处理器并行处理完毕后，把各台处理器处理后的结果进行汇总操作以得到最终结果。在步骤S4中，所述特征信息包括：商品的分类；商品的产地；商品的生产时间；以及商品的包装。在步骤S5中，用户浏览商品时的时间节点包括：用户此时浏览商品的所处季节；用户此时浏览商品的所处月份；用户此时浏览商品的所处一天的不同时间段；以及用户此时浏览商品的所处节日。做为本专利技术的一个实施例：本专利技术的一种根据时间节点的电子商务平台商品展示方法，通过大数据库提取用户在每个季节的商品浏览以及购买的数据信息；在每个月份的商品浏览以及购买的数据信息；在一天的不同时间段关于商品浏览以及购买的数据信息；以及用户在不同的节日关于商品浏览以及购买的数据信息，在用户在网上购物的时候，根据用户此时浏览商品的所处季节；此时浏览商品的所处月份；此时浏览商品的所处一天的不同时间段；以及用户此本文档来自技高网...

【技术保护点】
一种根据时间节点的电子商务平台商品展示方法，其特征在于：包括以下步骤：步骤S1，数据采集，在不同的数据库中，通过网络爬虫或网站公开API方式从电子商务平台上获取用户的商品浏览以及购买的数据信息，或采用分布式架构Chukwa、Flume以及Scribe，从电子商务平台上获取用户的商品浏览以及购买的数据信息；步骤S2，数据预处理，将各个分散的数据库采集来的数据全部导入一个大的数据库，对数据进行集中的处理，提取用户的商品浏览以及购买的数据信息的特征信息，对各种数据进行粗选，根据不同用户的不同商品浏览以及购买的数据信息的特征信息，建立不同的训练样例；步骤S3，数据储存，将预处理后的特征信息以及训练样例储存至数据库中；步骤S4，数据分析，根据不同用户的不同商品浏览以及购买的数据信息的特征信息，对其的特征信息进行筛选，利用Infobright列式存储工具，对数据进行的不同分类之后，为下一步的批处理做准备；步骤S5，商品推送，根据数据库关联规则挖掘用户的购买倾向，混合用户浏览商品时的时间节点，根据用户商品浏览以及购买的数据信息的权重获得购买回归模型，根据训练样例与购买回归模型之间的对应关系，在用户浏览商品时推送此时适合的商品。...

【技术特征摘要】
1.一种根据时间节点的电子商务平台商品展示方法，其特征在于：包括以下步骤：步骤S1，数据采集，在不同的数据库中，通过网络爬虫或网站公开API方式从电子商务平台上获取用户的商品浏览以及购买的数据信息，或采用分布式架构Chukwa、Flume以及Scribe，从电子商务平台上获取用户的商品浏览以及购买的数据信息；步骤S2，数据预处理，将各个分散的数据库采集来的数据全部导入一个大的数据库，对数据进行集中的处理，提取用户的商品浏览以及购买的数据信息的特征信息，对各种数据进行粗选，根据不同用户的不同商品浏览以及购买的数据信息的特征信息，建立不同的训练样例；步骤S3，数据储存，将预处理后的特征信息以及训练样例储存至数据库中；步骤S4，数据分析，根据不同用户的不同商品浏览以及购买的数据信息的特征信息，对其的特征信息进行筛选，利用Infobright列式存储工具，对数据进行的不同分类之后，为下一步的批处理做准备；步骤S5，商品推送，根据数据库关联规则挖掘用户的购买倾向，混合用户浏览商品时的时间节点，根据用户商品浏览以及购买的数据信息的权重获得购买回归模型，根据训练样例与购买回归模型之间的对应关系，在用户浏览...

【专利技术属性】
技术研发人员：李易春，
申请(专利权)人：广东聚联电子商务股份有限公司，
类型：发明
国别省市：广东;44