一种基于大数据的电商商品推荐方法技术

本发明专利技术涉及一种基于大数据的电商商品推荐方法，包括数据采集模块、数据处理模块、数据推荐模块，数据处理模块根据数据采集模块基于地域、年龄段采集的用户商品特征喜好进行排序，并根据商品特征喜好的排序进行商品数据的排序，数据推荐模块根据商品数据的排序进行商品推荐。

A Recommendation Method of E-commerce Commodity Based on Big Data

【技术实现步骤摘要】
一种基于大数据的电商商品推荐方法
本专利技术涉及大数据以及电商领域，尤其涉及一种基于大数据的电商商品推荐方法。
技术介绍
国内最大的电商平台淘宝网每日访问用户达6000万，每日在线商品数目已经超过了8亿件。面对急速增长的数据规模，用户正面临着“信息超载问题”，如果不借助于搜索引擎、推荐系统或者信息分类等辅助技术，用户从海量的互联网资源中找到自己真正感兴趣的信息是一件非常困难的事情,使得信息的有效利用率反而降低了。搜索引擎和个性化推荐系统是解决“信息超载”问题的两种手段。搜索引擎根据用户输入的关键字反馈给用户查询的结果，由于搜索引擎根据的是所有人的行为规律返回搜索结果，无法根据每个用户提供个性化服务，使得可能用户真正感兴趣的内容被海量的搜索结果所掩盖。个性化推荐在此问题上弥补了搜索引擎的不足，即代替用户评估其所有未看过的产品，并通过分析用户的兴趣爱好和历史行为，主动推荐符合用户喜好的项目。在大数据时代下的推荐系统会面临海量的训练规模，传统单机环境下的推荐系统不能满足大数据时代推荐的需求。因此以分布式计算平台作为模型计算平台的推荐系统渐次诞生。进入Web2.0时代后，实时推荐的需求越来越多，而传统推荐系统，都是定期对数据进行分析，然后对模型进行更新，进而使用新的模型进行个性化推荐，训练效率低下，同时因为没有完善的机制配合对实时用户做出反馈，因此存在着推荐满意度以及交易转化率低下的问题。因此构建基于新型分布式流并行处理技术,能够分析实时用户行为并且做出实时推荐反馈的系统是非常有研究意义的。
技术实现思路
专利技术目的：针对上述问题，本专利技术提供一种基于大数据的电商商品推荐方法。技术方案：一种基于大数据的电商商品推荐方法，包括：数据采集模块、数据处理模块、数据推荐模块，所述方法包括以下步骤：S010：数据采集模块根据用户输入的关键词搜索采集商品数据；S020：根据用户所使用的终端所在位置的地域划分，数据采集模块采集该地域的对商品特征喜好的数据；S030：数据处理模块根据该地域基于以往的购买记录进行商品特征喜好数据的一次排序；S040：数据处理模块根据地域喜好特征数据的排序进行商品数据的筛选以及一次排序；S050：数据采集模块根据用户年龄所在的年龄段搜索采集该年龄段对商品特征喜好的数据；S060：数据处理模块根据数据采集模块针对用户年龄搜索采集的商品特征喜好的数据进行针对地域的商品喜好特征的数据筛选；S070：数据处理模块根据筛选结果对商品特征喜好数据进行二次排序；S080：数据处理模块根据商品特征喜好数据的二次排序进行商品数据二次排序；S090：数据处理模块根据一次排序以及二次排序进行商品数据最终排序；S100：数据推荐模块根据商品数据最终排序的结果进行商品推荐；作为本专利技术的一种优选方式，所述步骤S090包括以下步骤：S091：数据处理模块提取同时出现在一次排序以及二次排序的商品数据；S092：数据处理模块根据同一商品数据在一次排序以及二次排序中的排列位置计算最终排序位置。作为本专利技术的一种优选方式，所述数据处理模块中设置有算法，所述算法用于计算商品特征喜好数据的一次排序、二次排序以及最终排序。作为本专利技术的一种优选方式，对于步骤S100，当数据推荐模块进行商品数据推荐时，数据推荐模块将排名最靠前的五个商品数据以及最靠后的五个商品特征喜好数据进行推荐。作为本专利技术的一种优选方式，还包括以下步骤：S110：数据处理模块根据用户对推荐商品的删除进行批量删除；S120：数据处理模块进行推荐的补充；S130：数据推荐模块根据数据处理模块的推荐的补充进行二次商品数据推荐。作为本专利技术的一种优选方式，数据处理装置根据用户删除的推荐商品数据的商品特征喜好数据进行批量删除。作为本专利技术的一种优选方式，当所述数据处理模块执行步骤S120时，数据处理模块提取未推荐的商品数据中在最终排序中最靠前或者最靠后的商品数据进行补充推送。作为本专利技术的一种优选方式，所述方法还包括以下步骤：S140：数据采集模块采集用户该次购买的商品数据以及商品特征喜好数据；S150：数据处理模块将数据采集模块采集的该次购买数据写入大数据。本专利技术实现以下有益效果：1.通过地域、年龄段对用户喜好进行分析，并进行商品推荐。2.通过定性、定量的分析影响不同用户购买行为的各种因素，判断每种因素在用户购买时对其影响的权重大小，从而选择合理的商品信息推送给用户，从而有效解决了仅根据用户浏览历史选择推送商品的单一化的、盲目的推送的方式，大大提高了电商对于不同层次消费人员的购买意向的把握，有效提高了电商在运营中的核心竞争力。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。图1为本专利技术工作步骤图；图2为实施例一步骤图；图3为系统框架图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。实施例一：参考图为图1-3。一种基于大数据的电商商品推荐方法，包括：数据采集模块、数据处理模块、数据推荐模块，所述方法包括以下步骤：S010：数据采集模块根据用户输入的关键词搜索采集商品数据；S020：根据用户所使用的终端所在位置的地域划分，数据采集模块采集该地域的对商品特征喜好的数据；S030：数据处理模块根据该地域基于以往的购买记录进行商品特征喜好数据的一次排序；S040：数据处理模块根据地域喜好特征数据的排序进行商品数据的筛选以及一次排序；S050：数据采集模块根据用户年龄所在的年龄段搜索采集该年龄段对商品特征喜好的数据；S060：数据处理模块根据数据采集模块针对用户年龄搜索采集的商品特征喜好的数据进行针对地域的商品喜好特征的数据筛选；S070：数据处理模块根据筛选结果对商品特征喜好数据进行二次排序；S080：数据处理模块根据商品特征喜好数据的二次排序进行商品数据二次排序；S090：数据处理模块根据一次排序以及二次排序进行商品数据最终排序；S100：数据推荐模块根据商品数据最终排序的结果进行商品推荐；作为本专利技术的一种优选方式，所述步骤S090包括以下步骤：S091：数据处理模块提取同时出现在一次排序以及二次排序的商品数据；S092：数据处理模块根据同一商品数据在一次排序以及二次排序中的排列位置计算最终排序位置。作为本专利技术的一种优选方式，所述数据处理模块中设置有算法，所述算法用于计算商品特征喜好数据的一次排序、二次排序以及最终排序。在具体实施过程中，针对用户所使用的终端所在位置的地域划分，在大数据中储存有在该地域划分中的商品特征数据，数据采集模块根据各个商品特征数据是否体现在用户输入的关键词对应的商品中判断是否采集该商品特征数据，若有体现，则采集该商品特征数据。数据处理模块根据被采集的商品特征数据的购买次数进行商品特征数据的一次排序，数据处理模块根据商品特征喜好数据进行商品数据的筛选，在筛选过后，数据处理模块根据商品特征喜好数据在以往的区域购买记录中的购买次数进行商品数据的一次排序。针对用户登录电商系统的账户，根据账户的出生日期判断用户的年龄以及该年龄所在的年龄段，数据采集模块从大数据中采集该年龄段中出现的商品特征，数据处理模块本文档来自技高网...

【技术保护点】
1.一种基于大数据的电商商品推荐方法，包括：数据采集模块、数据处理模块、数据推荐模块，其特征在于：所述方法包括以下步骤：S010：数据采集模块根据用户输入的关键词搜索采集商品数据；S020：根据用户所使用的终端所在位置的地域划分，数据采集模块采集该地域的对商品特征喜好的数据；S030：数据处理模块根据该地域基于以往的购买记录进行商品特征喜好数据的一次排序；S040：数据处理模块根据地域喜好特征数据的排序进行商品数据的筛选以及一次排序；S050：数据采集模块根据用户年龄所在的年龄段搜索采集该年龄段对商品特征喜好的数据；S060：数据处理模块根据数据采集模块针对用户年龄搜索采集的商品特征喜好的数据进行针对地域的商品喜好特征的数据筛选；S070：数据处理模块根据筛选结果对商品特征喜好数据进行二次排序；S080：数据处理模块根据商品特征喜好数据的二次排序进行商品数据二次排序；S090：数据处理模块根据一次排序以及二次排序进行商品数据最终排序；S100：数据推荐模块根据商品数据最终排序的结果进行商品推荐。

【技术特征摘要】
1.一种基于大数据的电商商品推荐方法，包括：数据采集模块、数据处理模块、数据推荐模块，其特征在于：所述方法包括以下步骤：S010：数据采集模块根据用户输入的关键词搜索采集商品数据；S020：根据用户所使用的终端所在位置的地域划分，数据采集模块采集该地域的对商品特征喜好的数据；S030：数据处理模块根据该地域基于以往的购买记录进行商品特征喜好数据的一次排序；S040：数据处理模块根据地域喜好特征数据的排序进行商品数据的筛选以及一次排序；S050：数据采集模块根据用户年龄所在的年龄段搜索采集该年龄段对商品特征喜好的数据；S060：数据处理模块根据数据采集模块针对用户年龄搜索采集的商品特征喜好的数据进行针对地域的商品喜好特征的数据筛选；S070：数据处理模块根据筛选结果对商品特征喜好数据进行二次排序；S080：数据处理模块根据商品特征喜好数据的二次排序进行商品数据二次排序；S090：数据处理模块根据一次排序以及二次排序进行商品数据最终排序；S100：数据推荐模块根据商品数据最终排序的结果进行商品推荐。2.根据权利要求1所述的一种基于大数据的电商商品推荐方法，其特征在于：所述步骤S090包括以下步骤：S091：数据处理模块提取同时出现在一次排序以及二次排序的商品数据；S092：数据处理模块根据同一商品数据在一次排序以及二次排序中的排列位置计算最终排序位置。3.根据权...

【专利技术属性】
技术研发人员：王克朝，
申请(专利权)人：哈尔滨学院，
类型：发明
国别省市：黑龙江,23