一种个性化商品排序的方法及系统技术方案

本发明专利技术公开了一种个性化商品排序的方法及系统，其特征在于其包括下列步骤：S1：收集人群维度和商品维度的信息，对用户维度和商品维度进行聚类分析，得到含有人群信息的聚类商品集；S2：为当前人群划分聚类商品集；S3：获取用户的行为特点，构建用户的特征集合，确定用户所属人群；S4：为用户选择聚类商品集，采用二元逻辑回归方式，分出用户偏好和不偏好的聚类商品集，将用户偏好的聚类商品集靠前；S5：将用户偏好的聚类商品集内的商品按商品的曝光点击率、点击转化率和商品价格综合计算后按得分排序，按顺序展示商品。本发明专利技术为用户选择商品集，并对商品集内部产品排序，能够尽可能的将用户偏好的档期优先展示，更准确的圈定用户偏好的商品集。

Method and system for sorting personalized goods

The invention discloses a method and a system for personalized merchandise sorting, characterized in that it comprises the following steps: S1: collect population dimensions and commodity dimension information, clustering analysis on the user dimension and the commodity dimension, get commodity information in people with clustering; S2: the current population clustering commodity set; S3: get the user behavior characteristics, construct the feature set of users, determine the user belongs to people; S4: for users to choose the clustering commodity sets, using two binary logistic regression method, separation of user preferences and no preference clustering commodity sets, clustering user preferences on the set of goods; S5: user preferences in commodity cluster the commodities on the commodity exposure rate, click click conversion rate and commodity prices after comprehensive calculation according to their scores, according to the order of the display of goods. The invention selects the product set for the user and sort the product in the product set, and can display the preference of the user as soon as possible, and more accurately delineate the product set of the user preference.

【技术实现步骤摘要】
一种个性化商品排序的方法及系统
本专利技术涉及大数据分析领域，特别是涉及一种个性化商品排序的方法及系统。
技术介绍
现有特卖App的商品流展示方式，主要根据商品的档期特征，每日特定时间发布新品，吸引用户每日关注上新商品，没有搜索的支撑，主要以新品抢购为主要产品特征。随着特卖商品的不断丰富，每日商品流展示的上新商品多达几千款并覆盖服装、鞋包、居家、美食、母婴等多个类目，但用户通常能够有耐心看到的商品仅占10％不到，大量的商品由于位置靠后，查看不便，导致曝光量很低，很多用户真正感兴趣的商品难以被发现，限制了整体销量的增长。针对以上问题，特卖App端通常采用的解决方式有：(1)用户性别、年龄段(90后/85后/80后/70后等)、用户地域、消费能力等用户的主要特征来区分人群，对不同人群展示不同的商品流列表。(2)运营人员根据商品档期的特征，人工挑选出可能带来高转化率的商品，将这些商品排序提前，并根据类目的整体销量情况，将优势类目前置，并将类目进行组合交叉展示。(3)在固定坑位内嵌广告活动位，通过活动特惠提升档期销量。现有解决方案主要缺陷在于：(1)根据用户自身的主要特征区分的人群数量有限，通常可以划分为男士，女士，80后，70后，高消费等主要人群，但是由于商品档期多达几千，面对每日上百万的海量用户，仅仅少量的几个人群并不能很好的满足用户的偏好。(2)人工进行档期挑选并根据类目特征干预商品排序，这种方式一方面每日的运营工作量较大，另一方面，由于运营自身的能力限制，挑选的档期质量也参差不齐，导致效果往往差强人意。(3)广告活动固定位有限，提升能力不高，对商品流整体销量提升带来效果不明显。
技术实现思路
本专利技术的目的是为了克服上述
技术介绍
的不足，提供一种个性化的商品排序的方法及系统，使其能更好的满足用户偏好，将用户的偏好的商品优先展示。本专利技术提供的一种个性化商品排序的方法，其包括下列步骤：S1：收集人群维度和商品维度的信息，对用户维度和商品维度进行聚类分析，得到含有人群信息的聚类商品集；S2：为当前人群划分聚类商品集；S3：获取用户的行为特点，构建用户的特征集合，确定用户所属人群；S4：为用户选择聚类商品集，采用二元逻辑回归方式，分出用户偏好和不偏好的聚类商品集，将用户偏好的聚类商品集靠前；S5：将用户偏好的聚类商品集内的商品按商品的曝光点击率、点击转化率和商品价格综合计算后按得分排序，按顺序展示商品。一种个性化商品排序的系统，其特征在于：其包括：用户商品信息收集和聚类分析模块：用于收集人群维度和商品维度的信息，对用户维度和商品维度进行聚类分析，得到含有人群信息的聚类商品集；分聚类商品集划分模块：为当前人群划分聚类商品集；用户行为特点收集模块：用于获取用户的行为特点，构建用户的特征集合，确定用户所属人群；聚类商品集分析模块：用于为用户选择聚类商品集，采用二元逻辑回归方式，分出用户偏好和不偏好的聚类商品集，将用户偏好的聚类商品集靠前；聚类商品集内部排序模块：将用户偏好的聚类商品集内的商品按商品的曝光点击率、点击转化率和商品价格综合计算后按得分排序，按顺序展示商品。有益效果：本专利技术提供的一种个性化的商品排序的方法及系统收集用户维度和商品维度的信息，为用户选择商品集，并对商品集内部产品排序，能够尽可能的将用户偏好的档期优先展示，更准确的圈定用户偏好的商品集，提升用户体验，从而带来整体商品流的销量上涨。附图说明图1为本专利技术实施例提供的本专利技术提供的一种个性化的商品排序的方法及系统的方法流程图。具体实施方式下面结合附图及实施例对本专利技术进行详细描述，本部分的描述仅是示范性和解释性，不应对本专利技术的保护范围有任何的限制作用。如图1所示，本专利技术实施方式提供一种个性化商品排序的方法，其包括下列步骤：S1：收集人群维度和商品维度的信息，对用户维度和商品维度进行聚类分析，得到含有人群信息的聚类商品集；S2：为当前人群划分聚类商品集；S3：获取用户的行为特点，构建用户的特征集合，确定用户所属人群；S4：为用户选择聚类商品集，采用二元逻辑回归方式，分出用户偏好和不偏好的聚类商品集，将用户偏好的聚类商品集靠前；S5：将用户偏好的聚类商品集内的商品按商品的曝光点击率、点击转化率和商品价格综合计算后按得分排序，按顺序展示商品。具体地，所述用户维度的信息包括：用户性别、年龄段、用户地域、消费能力；所术商品维度包括类目、品牌、价格区间、风格、款式。具体地，所述聚类的方法为：先将收集到的人群维度信息和商品维度信息转化为第一商品集信息，第一商品集信息转化为SimHash值，根据SimHash值差值来作为聚类的距离度量参数，采用k-means聚类算法得出聚类商品集，最终聚类数量可以根据聚类收敛程度具体定量。具体地，比如用户的人群特征为：女士+70后+长款连衣裙+母婴哺乳期+北京+消费能力300～500，第一商品集信息如下，其格式为<特征1,特征2,两个特征关联的权重>，<女士,70后,5>、<女士,长款连衣裙,4>、<女士,母婴哺乳期,5>、<女士,北京,6>、<女士,300-500,6>、<70后,长款连衣裙,3>、<70后,母婴哺乳期,3>、<70后,北京,3>、<70后,300-500,3>、<长款连衣裙,母婴哺乳期,2>、<长款连衣裙,北京,2>、<长款连衣裙,300-500,2>、<母婴哺乳期,北京,1>、<母婴哺乳期,300-500,1>、<北京,300-500,1>，因篇幅有限，这里采用简化的形式，将上述第一商品集信息投影到8位长度的二进制编码中，具体的运算方式如下：(1)指定一种hash值的运算方式，比如Java中HashMap中的SimHash方法，根据此方法产生一个8位二进制码，比如<女士,70后>的SimHash值为10001100，<女士,长款连衣裙>的SimHash值为11001001。(2)将上述8位二进制编码乘以对应的权重，转化为新的值(其中0在乘法运算中为－1)，比如<女士,70后>通过加权运算为5,-5,-5,-5,5,5,-5,-5，<女士,长款连衣裙>通过加权运算为4,4,-4,-4,4,－4,-4,4。(3)将所有特征加权后的值相加合并，比如<女士,70后>跟<女士,长款连衣裙>加权合并之后为9,-1,-9,-9,9,1,-9,-1，然后做降维处理，大于0的转为1，小于等于0的转为0，等到最后的8位SimHash结果1,0,0,0,1,1,0,0。(4)两个Simhash对应二进制(01串)取值不同的数量为这两个Simhash值的差值。举例如下：10101和00110从第一位开始依次有第一位、第四、第五位不同，则Simhash值的差值为3。具体地，为当前人群划分商品集的方法为优先匹配类目范围，然后在各个类目下选择年龄特征、价格档次、地域等相关度高的商品。具体地，所述按商品的曝光点击率、点击转化率和商品价格综合计算方法为：提取每个商品的CTR、CVR，并做本文档来自技高网...

【技术保护点】
一种个性化商品排序的方法，其特征在于：其包括下列步骤：S1：收集人群维度和商品维度的信息，对用户维度和商品维度进行聚类分析，得到含有人群信息的聚类商品集；S2：为当前人群划分聚类商品集；S3：获取用户的行为特点，构建用户的特征集合，确定用户所属人群；S4：为用户选择聚类商品集，采用二元逻辑回归方式，分出用户偏好和不偏好的聚类商品集，将用户偏好的聚类商品集靠前；S5：将用户偏好的聚类商品集内的商品按商品的曝光点击率、点击转化率和商品价格综合计算后按得分排序，按顺序展示商品。

【技术特征摘要】
1.一种个性化商品排序的方法，其特征在于：其包括下列步骤：S1：收集人群维度和商品维度的信息，对用户维度和商品维度进行聚类分析，得到含有人群信息的聚类商品集；S2：为当前人群划分聚类商品集；S3：获取用户的行为特点，构建用户的特征集合，确定用户所属人群；S4：为用户选择聚类商品集，采用二元逻辑回归方式，分出用户偏好和不偏好的聚类商品集，将用户偏好的聚类商品集靠前；S5：将用户偏好的聚类商品集内的商品按商品的曝光点击率、点击转化率和商品价格综合计算后按得分排序，按顺序展示商品。2.如权利要求1所述的个性化商品排序的方法，其特征在于：所述用户维度的信息包括：用户性别、年龄段、用户地域、消费能力；所术商品维度包括类目、品牌、价格区间、风格、款式。3.如权利要求1所述的个性化商品排序的方法，其特征在于：所述聚类的方法为：先将收集到的人群维度信息和商品维度信息转化为第一商品集信息，第一商品集信息转化为SimHash值，根据SimHash值差值来作为聚类的距离度量参数，采用k-means聚类算法得出聚类商品集，最终聚类数量可以根据聚类收敛程度具体定量。4.如权利要求1所述的个性化商品排序的方法，其特征在于：为当前人群划分商品集的方法为优先匹配类目范围，然后在各个类目下选择年龄特征、价格档次、地域等相关度高的商品。5.如权利要求1所述的个性化商品排序的方法，其特征在于：所述按商品的曝光点击率、点击转化率和商品价格综合计算方法为：提取每个商品的CTR、CVR，并做平滑处理，所述平滑处理公式为r＝(C+alpha)/(I+alpha+beta)(其中C为CTR或者CVR，I为展示次数，alpha、beta为平滑因子)，然后根据公式：W＝CTR*CVR*商品售价，对每个商品进行打分，根据得分情况对商品进行排序。6.一种个性化商品排序的系统，其特征在于：其包括：用户商品信息收集和聚类分析模块：用于收集人群维度和商品维度的信息，对用户维度和商品维度进行聚类分...

【专利技术属性】
技术研发人员：谢晋，柴楹，夏里峰，黄承松，
申请(专利权)人：武汉奇米网络科技有限公司，
类型：发明
国别省市：湖北,42