The invention relates to semantics recognition, machine learning, web crawler, precision recommendation and other technologies. It discloses a recommendation system and recommendation method of e-commerce based on social network, which solves the defect of poor recommendation effect of traditional e-commerce. The system includes TECSystem e-commerce evaluation system, REMSystem resume evaluation system, SECSystem history evaluation system and RECSystem comprehensive recommendation system. The system and method of the invention can effectively adjust the traditional recommendation algorithm and make the recommendation system more accurate. Using TECSystem to obtain the sales situation and user evaluation of third-party e-commerce platform, and combining with the user information extracted from REMSystem to optimize the recommendation. Finally, based on the historical browsing records of SECSystem, adjust the weight of goods, and transmit the final recommendation results calculated by RECSystem to users. The invention can effectively reduce the excessive influence of historical records on future decision-making, recommend commodities more accurately based on user characteristics, and more tend to the actual needs of users.
【技术实现步骤摘要】
一种基于社交网络的电商推荐系统和推荐方法
本专利技术涉及语义识别技术、机器学习技术、网络爬虫技术、网络精准推荐技术。具体涉及一种基于社交网络的电商推荐系统,以及推荐方法。
技术介绍
推荐系统是电子商务快速发展的助推器,优秀的推荐系统不仅可以降低交易成本,提升用户的购物体验,更能够推动电子商务生态的良性发展。互联网现有电商平台的推荐系统,存在如下缺陷:1、只能基于用户历史浏览记录,推荐商品,对于用户而言,更多的购物是基于对未来的预期和对现实的即刻需求。历史无法决定未来。2、电商平台之间先天的竞争关系,决定了双方不会共享数据。用户天然的对比心里,又必然导致用户会存在多个平台的购买记录。当平台横向联系被切断,用户的画像是不精确的,用户的需求也是不明确的。3、现有电商平台无法按照用户的职业习惯、性别、年龄段等特征主动推荐商品,导致需求先天性的落后于用户的浏览记录。对用户需求提前预测,讲能够更好的解决用户的使用体验。
技术实现思路
为了完善电商平台的推荐系统,本专利技术提供了一种基于社交网络的电商推荐系统和推荐方法。本专利技术所涉及的系统和方法,可以通过网络爬虫技术,使用TECSystem电商评估系统获取第三方电商平台商品销售情况、用户评价,结合从REMSystem简历评估系统中分析出的用户职业习惯、性别、年龄段进行推荐调优,最后基于SECSystem历史评估系统的用户历史浏览记录,调整推荐商品权重,将RECSystem综合推荐系统计算出的最终推荐结果传递到用户界面。通过本专利技术,可以有效降低历史记录对未来决策的过大影响,并基于用户个人特征与人群特征,更精准地推荐更适 ...
【技术保护点】
1.一种基于社交网络的电商推荐系统和推荐方法,其特征在于,包括:使用机器学习的方式,自动解析商品信息页面结构,进行结构化;使用机器学习的方式丰富特征词库的字词权重,主动屏蔽评论中的噪音;使用机器学习的方式,自动解析简历信息页面结构,进行结构化;使用大数据算法,对结构化的简历信息进行计算,计算出用户画像;跟踪用户在平台的浏览轨迹,计算用户浏览喜好和规律;根据用户在平台购买记录、价格和先后顺序,计算用户商品喜好和购买规律;计算对用户的商品推荐值;保存对用户的商品推荐值。
【技术特征摘要】
1.一种基于社交网络的电商推荐系统和推荐方法,其特征在于,包括:使用机器学习的方式,自动解析商品信息页面结构,进行结构化;使用机器学习的方式丰富特征词库的字词权重,主动屏蔽评论中的噪音;使用机器学习的方式,自动解析简历信息页面结构,进行结构化;使用大数据算法,对结构化的简历信息进行计算,计算出用户画像;跟踪用户在平台的浏览轨迹,计算用户浏览喜好和规律;根据用户在平台购买记录、价格和先后顺序,计算用户商品喜好和购买规律;计算对用户的商品推荐值;保存对用户的商品推荐值。2.根据权利要求1所述的自动解析商品信息页面结构,其特征在于,自动解析是使用机器学习方式来丰富商品信息结构库,并且可以使用人工方式调整商品结构库。3.根据权利要求1所述的特征词库,其特征在于,特征词库是使用机器学习方式来丰富特征词库的字词权值,并且可以使用人工方式设定字词权值。4.根据权利要求1所述的自动解析简历信息页面结构,其特征在于,自动解析是使用机器学习方式来丰富简历信息页面结构库,并且可以使用人工方式调整简历信息页面结构库。5.根据权利要求1所述的用户画像,其特征在于,使用大数据进行用户画像分析和打标签。6.一种基于社交网络的电商推荐系统,其特征在于,包括:TECSystem电商评估系统,REMSystem简历评估系统,SECSystem历史评估系统和RECSystem综合推荐系统;所述的TECSystem电商评估系统包括:网络爬虫单元,爬取京东、淘宝等网站的商品信息、销售数据、评价信息,并进行结构化。商品数...
【专利技术属性】
技术研发人员:倪慎瑜,
申请(专利权)人:苏州云之道网络科技有限公司,倪慎瑜,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。