一种基于社交网络的电商推荐系统和推荐方法技术方案

本发明专利技术涉及语义识别、机器学习、网络爬虫、精准推荐等技术，公开了一种基于社交网络的电商推荐系统和推荐方法，解决了传统电商推荐效果差的缺陷。所述的系统包括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。利用本发明专利技术所涉及的系统和方法可以有效调整传统推荐算法，使推荐系统更精准。使用TECSystem获取第三方电商平台商品销售情况、用户评价，结合从REMSystem中分析出的用户信息进行推荐调优，最后基于SECSystem的用历史浏览记录，调整商品权重，将RECSystem计算出的最终推荐结果传递到用户。通过本发明专利技术，有效降低历史记录对未来决策的过大影响，并基于用户特征，更精准地推荐商品，更趋于用户实际需求。

An E-commerce Recommendation System and Recommendation Method Based on Social Network

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，更精准地推荐更适合人群用户和用户特性的商品，使推荐结果更趋于用户实际需求。为了实现本专利技术的这些和其他优点，本专利技术提供的电商推荐系统包括：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。本系统涉及的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。商品数据库，记录商品的结构化信息。评价信息计算单元，根据评论，分割出其中的特征字词，并对特征词进行统计分析，实时调整特征字词的权重；根据评论字符串序列和特征字词，分析计算出商品评价分数。评价数据库，记录商品的评价信息。销售数据计算单元，根据商品销售记录，对不同渠道进行加权统计，分析出商品销售排行。销售数据库，记录商品的销售记录。本系统涉及的REMSystem简历评估系统包括：网络爬虫单元，爬取在线招聘渠道中，特定用户的简历信息。简历信息解析单元，根据不同渠道的简历，使用不同的解析器进行结构化。简历数据库，记录脱敏后的结构化简历信息。简历分类单元，根据简历结构化数据，从年龄、性别、职业、区域等维度，对用户进行聚类计算，进行人群分类和用户画像，并将画像分类标签打入简历数据库。本系统涉及的SECSystem历史评估系统包括：历史购买记录单元，分析用户历史购买记录的行为习惯、购买轨迹、商品组合。历史购买数据库，记录用户的购买明细记录。历史浏览记录单元，分析用户历史浏览的商品记录、浏览轨迹。历史浏览数据库，记录用户的历史浏览记录。本系统涉及的RECSystem综合推荐系统包括：综合推荐数据库，记录商品推荐记录。根据TECSystem电商评估系统的计算结果，计算出商品推荐初始值Ai；结合REMSystem简历评估系统的用户画像数据，对商品推荐值增加权重Wi；结合SECSystem历史评估系统的用户浏览记录Vi，最终RECSystem综合推荐系统计算出商品推荐值Ri，并将Ai、Wi、Vi、Ri记录入综合推荐数据库。本专利技术提供的电商推荐系统和推荐方法，支持多电商平台综合评估，支持多数据源综合评估，使用机器学习算法不断优化推荐系统，最终输出给用户趋于用户习惯和预期的推荐商品。附图说明图1是本专利技术基于社交网络的电商推荐系统和推荐方法的示意图；图2是本专利技术电商推荐系统的结构图。具体实施方式下面结合附图和实例对本专利技术进一步说明。图1所示是本专利技术基于社交网络的电商推荐系统和推荐方法的示意图。基于社交网络的推荐方法100包含如下步骤：步骤1001爬取电商平台记录；步骤1002计算商品信息，进行结构化；步骤1003计算评价信息，进行结构化和数值化；步骤1004计算销售信息，进行多渠道统计；步骤1005保存商品信息，已经结构化；步骤1006保存评价信息，已经结构化和数值计算；步骤1007保存销售信息，已经多渠道统计；步骤1008爬取简历平台数据；步骤1009计算简历信息，并进行结构化；步骤1010根据结构化数据，进行统计分析和用户画像；步骤1011保存简历信息和用户画像信息；步骤1012跟踪浏览和购买数据；步骤1013计算浏览信息，包括浏览轨迹；步骤1014计算购买信息，包括历史购买记录和时间顺序；步骤1015保存浏览信息，包括浏览轨迹信息；步骤1016保存购买信息，包括历史购买记录、金额和时间顺序；步骤1017计算商品推荐值，根据1005、1006、1007、1011、1015、1016的值计算出综合推荐值；步骤1018保存商品综合推荐值。图2是本专利技术基于社交网络的电商推荐系统的结构图。结构图200，主要展示了TECSystem电商评估系统2001，REMSystem简历评估系统2002，SECSystem历史评估系统2003和RECSystem综合推荐系统2004的关系。具体关系描述如下：TECSystem电商评估系统2001爬取并计算得出商品、评价和销售信息，分别保存到商品数据库、评价数据库和销售数据库；REMSystem简历评估系统2002爬取并计算得出简历信息和用户画像，保存到简历数据库；SECSystem历史评估系统2003跟踪并计算浏览轨迹和历史购买记录信息，并分别保存到历史购买数据库和历史浏览数据库；RECSystem综合推荐系统2004根据上述子系统2001、2002、2003保存的数据，计算得出商品综合推荐值，保存到综合推荐数据库。信用计算系统3001接收评价语义分析系统3002的评分，调用用户信用系统200获取情绪权值反馈和信用因子反馈，计算用户对商户的调整后评分，归入商户信用系统3003；信用计算系统3001接收评价语义分析系统3002的评分，调用商户信用系统3003获取情绪权值反馈和信用因子反馈，计算商户对用户的调整后评分，归入用户信用系统200。以上对本专利技术所涉及的系统和方法做了详细阐述。以上说明只是用于帮助理解本专利技术的系统和方法。对于本领域技术人员，依据本专利技术的思想，在具体实施方式和应用范围上会有所改变之处。综上所述，本说明书内容不应理解为对本专利技术的限制。本文档来自技高网...

【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