一种基于用户特征信息和产品成分信息的购物系统和方法技术方案

本发明专利技术属于电子商务技术领域，具体涉及一种基于用户特征信息和产品成分信息的购物系统和方法，所述系统包括：信息采集子系统，进行产品信息采集和用户信息采集；用户画像构建子系统，用于根据采集到的用户信息构建用户画像；产品画像构建子系统，用于根据采集到的产品信息构建产品画像；数据关联子系统，用于根据构建的用户画像和产品画像，进行数据关联；能够针对不同的用户个性化提供物品推介，基于用户画像和产品画像建立的推送系统，使得推送结果准确性高。

A shopping system and method based on user feature information and product component information

【技术实现步骤摘要】
一种基于用户特征信息和产品成分信息的购物系统和方法
本专利技术属于电子商务
，具体涉及一种基于用户特征信息和产品成分信息的购物系统和方法。
技术介绍
近些年来，随着互联网和快递物流的普及与高速发展，网络购物的方式已经变的越来越方便和普便。发达的互联网和电子商务的环境，让广大的网络用户不再受地理位置的限制，只通过互联网就能接触到和购买到更广泛的产品。然而在选购保健品、草药补充剂、美容美妆品、洗护用品、母婴营养品等产品时，因为这些产品具有非常明显的个体差异，不能仅看产品的功效介绍，而忽略成分对每个个体的差别要求。目前的电子商务平台主流的产品选购或者导购的方式，都只是将产品包装信息或者说明书上的信息展示出来，比如天猫、京东、Amazon、iHerb等电子商务平台，一淘、什么值得买、SlickDeals、Dealmoon等优惠导购平台，都是这种做法。而更为丰富的一些方式，也只是在产品介绍中附加功效和适用人群的介绍，但无论哪种方式，目前互联网平台都没有针对个体差异进行针对性的选购建议。尤其在保健品和护肤品领域，产品成分对使用者的适用性有近乎到医嘱的要求，但是每个用户的教育背景不一样，在没有医学或者营养学知识基础的情况下，很多用户不具备足够的知识能力来识别产品的价值，无法判断产品对自己是否适合。这就给电子商务系统的技术方案选择和实现带来了巨大的挑战，主要总结有以下几个技术难点：1.无法判断产品成分对人体的适用量。比如一位孕妇选购一件产前综合维生素时，无法知晓产品成分对特定人群的适用量，也就无法判断自己是否有某些成分超标，常见问题是孕妇会单独吃叶酸产品，同时也会吃综合维生素，但是市场上大多综合维生素都包含了叶酸成分，叶酸有非常明确的每日适用量的要求，所以在没有足够知识背景的情况下，孕妇很容易超标食用叶酸成分。2.无法判断产品成分的作用。用户想在市场上找到适用于敏感肌肤的产品很容易，但搜索出的结果很多，随便选择一种使用后很可能并无功效，甚至有可能导致皮肤新的问题(例如过敏、起痘等等)。敏感肌肤也分很多类型，用户在海量产品中筛选出适用于自己的护肤品或修复类产品就很困难。若是细化到明确产品成分的作用，会更精确找到适合用户的产品(过滤掉或不选择含有某种作用的成分，例如过滤掉含有香精成分或者不选择含有水杨酸成分)，但现在市场上的产品，最多只是罗列出了产品有益成分和功效描述，没有完整的成分表和成分作用介绍。3.专业人士无法根据成分组合或者成分剂量来筛选搜索产品。比如一位营养师，希望为自己的客人选购指定含有某几种成分的产品，或者指定某几种成分不超过多少剂量，但是现在无法按此需求检索。4.普通用户无法得到省心的推荐。比如一位不想花时间和精力筛选产品的用户，他可以提供自己基本信息或体检信息，希望系统根据他的资料，智能推荐产品并直观的展示推荐理由。5.用户无法直观了解产品成分明细。现有技术中，互联网平台只展示产品包装信息和说明书，而护肤产品只介绍功效，没有成分信息；用户只能凭通用的功效介绍来选购产品，但是对自己的情况是否适用，无法在选购时判断，也无法了解成分的安全风险。
技术实现思路
有鉴于此，本专利技术的主要目的在于提供一种基于用户特征信息和产品成分信息的购物系统和方法，能够针对不同的用户个性化提供物品推介，基于用户画像和产品画像建立的推送系统，使得推送结果准确性高。为达到上述目的，本专利技术的技术方案是这样实现的：一种基于用户特征信息和产品成分信息的购物系统，所述系统包括：信息采集子系统，进行产品信息采集和用户信息采集；用户画像构建子系统，用于根据采集到的用户信息构建用户画像；产品画像构建子系统，用于根据采集到的产品信息构建产品画像；数据关联子系统，用于根据构建的用户画像和产品画像，进行数据关联；其特征在于，所述用户画像构建子系统构建用户画像的方法执行以下步骤：根据采集到的用户信息，提取用户特征，使用如下公式，统计用户特征符合每一个定向用户画像群的次数：其中，N为符合定向用户画像群的次数，S为用户个数，λi为第i个用户信息的权重，M为每一个定向用户画像群中的特征个数，countj第i个用户信息的用户特征个数；根据统计到的用户信息符合每一个定向用户画像群中的次数，按照从多到少，设置对应用户信息的定向用户画像群从高到低的优先级，完成用户画像构建；所述产品画像构建子系统构建产品画像的方法执行以下步骤：提取产品信息关键词，根据产品信息关键词，并将关键词进行归类划分为不同的关键词库；对关键词库进行归一化处理得到分类关键词矩阵；使用如下公式，将分类关键词矩阵分别与每一个定向产品画像群进行映射匹配：其中，sim(dj，dk)为映射匹配结果，为产品关键词矩阵，wji为矩阵行值，|dj|为对应的矩阵行列式的值；为定向产品画像群，wki为矩阵行值，|dk||为对应的矩阵行列式的值；根据最终映射匹配的结果，将匹配映射结果sim(dj，dk)最小的值对应的定向产品画像群作为对应产品信息的产品画像，完成产品画像构建；数据关联子系统，根据构建的产品画像和用户画像，进行混沌模糊匹配，完成产品与用户的数据关联。进一步的，所述用户画像构建子系统构建用户画像根据采集到的用户信息，提取用户特征的方法执行以下步骤：将获取的用户信息视为文本信息，确定文本信息的开始阶段和结束阶段，分别用begin和end表示；统计文本中的关键词，并根据如下公式，计算最终的关键词得分：其中，score为关键词得分，N为关键词个数，λi为关键词匹配度，F(x)为矫正函数，Si为文本信息中除关键词外，删除的信息个数；b为关键词收束度，设置为10，γ位调整系数，设置为1～1.5；所述所述cur为当前时间，sst为生成关键词时间，hl为半衰期，设置为80s；通过计算得到的得分，若得分在设定的阈值以下，则重新调整文本信息中的信息顺序，进行关键词提取，再次计算得分，直到得分满足预设值为止。进一步的，所述用户画像构建子系统根据提取的用户特征，构建用户画像的方法还可以使用如下方法：根据提取的用户特征，使用如下公式，进行用户特征分类，其中，所述tf(t，d)为所述用户信息中用户关键词关联度，所述t为用于表征所述关键词，所述d为所述信息中与关键词无关的信息，所述N为关键词个数，ni为与关键词无关的信息的个数；根据得到的T值，与预设的阈值的比较，判断所述用户信息归属于哪一个类别，进而构建用户信息与定向用户画像群的关联。进一步的，所述数据关联子系统，根据构建的产品画像和用户画像，进行混沌模糊匹配，完成产品与用户的数据关联的方法执行以下步骤：获取用户画像数据和产品画像数据；计算用户画像与产品画像的的相似度值：为用户画像与产品画像的方差；Xi为用户画像矩阵，Xj为产品画像矩阵；根据得到的W的值，与预设的阈值进行比较，若低于预设的阈值，则将该用户画像与产品画像进行关联；若高于预设的阈值，则不进行关联。进一步的，所述系统还包括：加密子系统，用于对系统内的产品信息和用户信息进行加密；所述加密子系统进行产品信息和用户信息进行加密的方法本文档来自技高网...

【技术保护点】
1.一种基于用户特征信息和产品成分信息的购物系统，所述系统包括：信息采集子系统，进行产品信息采集和用户信息采集；用户画像构建子系统，用于根据采集到的用户信息构建用户画像；产品画像构建子系统，用于根据采集到的产品信息构建产品画像；数据关联子系统，用于根据构建的用户画像和产品画像，进行数据关联；其特征在于，所述用户画像构建子系统构建用户画像的方法执行以下步骤：根据采集到的用户信息，提取用户特征，使用如下公式，统计用户特征符合每一个定向用户画像群的次数：/n

【技术特征摘要】
1.一种基于用户特征信息和产品成分信息的购物系统，所述系统包括：信息采集子系统，进行产品信息采集和用户信息采集；用户画像构建子系统，用于根据采集到的用户信息构建用户画像；产品画像构建子系统，用于根据采集到的产品信息构建产品画像；数据关联子系统，用于根据构建的用户画像和产品画像，进行数据关联；其特征在于，所述用户画像构建子系统构建用户画像的方法执行以下步骤：根据采集到的用户信息，提取用户特征，使用如下公式，统计用户特征符合每一个定向用户画像群的次数：

其中，N为符合定向用户画像群的次数，S为用户个数，λi为第i个用户信息的权重，M为每一个定向用户画像群中的特征个数，countj第i个用户信息的用户特征个数；根据统计到的用户信息符合每一个定向用户画像群中的次数，按照从多到少，设置对应用户信息的定向用户画像群从高到低的优先级，完成用户画像构建；所述产品画像构建子系统构建产品画像的方法执行以下步骤：提取产品信息关键词，根据产品信息关键词，并将关键词进行归类划分为不同的关键词库；对关键词库进行归一化处理得到分类关键词矩阵；使用如下公式，将分类关键词矩阵分别与每一个定向产品画像群进行映射匹配：

其中，sim(dj，dk)为映射匹配结果，为产品关键词矩阵，wji为矩阵行值，|dj|为对应的矩阵行列式的值；为定向产品画像群，wki为矩阵行值，|dk||为对应的矩阵行列式的值；根据最终映射匹配的结果，将匹配映射结果sim(dj，dk)最小的值对应的定向产品画像群作为对应产品信息的产品画像，完成产品画像构建；数据关联子系统，根据构建的产品画像和用户画像，进行混沌模糊匹配，完成产品与用户的数据关联。


2.如权利要求1所述的系统，其特征在于，所述用户画像构建子系统构建用户画像根据采集到的用户信息，提取用户特征的方法执行以下步骤：将获取的用户信息视为文本信息，确定文本信息的开始阶段和结束阶段，分别用begin和end表示；统计文本中的关键词，并根据如下公式，计算最终的关键词得分：

其中，score为关键词得分，N为关键词个数，λi为关键词匹配度，F(x)为矫正函数，Si为文本信息中除关键词外，删除的信息个数；b为关键词收束度，设置为10，γ位调整系数，设置为1～1.5；所述所述cur为当前时间，sst为生成关键词时间，hl为半衰期，设置为80s；通过计算得到的得分，若得分在设定的阈值以下，则重新调整文本信息中的信息顺序，进行关键词提取，再次计算得分，直到得分满足预设值为止。


3.如权利要求2所述的系统，其特征在于，所述用户画像构建子系统根据提取的用户特征，构建用户画像的方法还可以使用如下方法：根据提取的用户特征，使用如下公式，进行用户特征分类，其中，所述tf(t，d)为所述用户信息中用户关键词关联度，所述t为用于表征所述关键词，所述d为所述信息中与关键词无关的信息，所述N为关键词个数，ni为与关键词无关的信息的个数；根据得到的T值，与预设的阈值的比较，判断所述用户信息归属于哪一个类别，进而构建用户信息与定向用户画像群的关联。


4.如权利要求3所述的系统，其特征在于，所述数据关联子系统，根据构建的产品画像和用户画像，进行混沌模糊匹配，完成产品与用户的数据关联的方法执行以下步骤：获取用户画像数据和产品画像数据；计算用户画像与产品画像的的相似度值：σ为用户画像与产品画像的方差；Xi为用户画像矩阵，Xj为产品画像矩阵；根据得到的W的值，与预设的阈值进行比较，若低于预设的阈值，则将该用户画像与产品画像进行关联；若高于预设的阈值，则不进行关联。


5.如权利要求4所述的系统，其特征在于，所述系统还包括：加密子系统，用于对系统内的产品信息和用户信息进行加密；所述加密子系统进行产品信息和用户信息进行加密的方法执行以下步骤：生成两个随机数，作为第一密钥和第二密钥；将第一密钥作为参数A，将第二密钥作为参数B，构建一个加密矩阵:再录入一个已知的加密因子将加密矩阵和加密因子矩...

【专利技术属性】
技术研发人员：唐杰，
申请(专利权)人：唐杰，
类型：发明
国别省市：江苏;32