一种基于家庭及社区购物大数据的商品推荐的方法及装置制造方法及图纸

本发明专利技术公开了一种基于家庭及社区购物大数据的商品推荐的方法及装置，包括：在智慧社区中获取用户的标签信息，再确定出用户的用户推荐商品列表、家庭推荐商品列表和社区推荐商品列表及其中的推荐系数，再确定出每个推荐商品列表中每个类别的特征向量，然后确定出用户推荐商品列表与家庭推荐商品列表中同一类别的相似度以及用户推荐商品列表与社区推荐商品列表中同一类别的相似度，再确定出用户购买一类商品的影响系数，生成修正后的用户推荐商品列表，并将修正后的用户推荐商品列表推送给用户。以实现基于家庭及智慧社区与用户之间的关系对用户进行商品推荐方法，以使对用户推荐商品更加智能化，更加准确，提升用户体验。

【技术实现步骤摘要】
一种基于家庭及社区购物大数据的商品推荐的方法及装置
本专利技术涉及大数据领域，尤其涉及一种基于家庭及社区购物大数据的商品推荐的方法及装置。
技术介绍
随着电子商务的发展，各大电商俊辉对用户进行大数据画像及商品推荐，然而传统电商商品推荐系统中，除了基于个人的浏览，和购买记录等信息进行用户画像及推荐，还常用基于用户的地理位置信息，收货地址信息等进行群体划分、画像并进行商品推荐，然而刺种方法存在较大误差，同时由于对顾客彼此关系及熟悉程度未知，关系不够明确，并不能进行更加智能化，更小粒度及更加精确的商品推荐服务。互相熟悉的群体中部分用户对同类产品具有同质化的需求，而家庭关系用户的商品需求却常常具备关联互补性需求，目前行业内采用个人购买、浏览商品大数据进行用户画像并进行相关商品推荐，并未能够基于个体之间的关系进行关联推荐。对于基于消费者人物间关系的商品推荐，多采用分析消费者地理位置信息及购物收货地址信息进行模糊分析及推荐，由于部分消费者常常以工作地点为收货地址，依据收货地址信息进行的大数据推荐也并不能够明确人物关系，因此该种推荐方式并不准确，使用效果并不理想。
技术实现思路
本专利技术实施例提供一种基于家庭及社区购物大数据的商品推荐的方法及装置，用于实现基于家庭及智慧社区与用户之间的关系对用户进行商品推荐方法，以使对用户推荐商品更加智能化，更加准确，提升用户体验。第一方面，本专利技术实施例提供一种基于家庭及社区购物大数据的商品推荐的方法，包括：获取智慧社区中用户的标签信息，所述用户的标签信息包括所述用户的用户标签、家庭标签和社区标签；根据所述用户标签、家庭标签和社区标签分别确定出所述用户的用户推荐商品列表、家庭推荐商品列表和社区推荐商品列表；其中，每个推荐商品列表中包括各商品的推荐系数；对所述每个推荐商品列表中的前N个商品进行聚类，并确定出所述每个推荐商品列表中每个类别的特征向量；N为正整数；根据所述每个推荐商品列表中每个类别的特征向量，确定出所述用户推荐商品列表与所述家庭推荐商品列表中同一类别的相似度以及所述用户推荐商品列表与所述社区推荐商品列表中同一类别的相似度；根据所述用户推荐商品列表与所述家庭推荐商品列表中同一类别的相似度以及所述用户推荐商品列表与所述社区推荐商品列表中同一类别的相似度，确定出用户购买每一类商品的影响系数；根据所述用户购买每一类商品的影响系数，修正所述用户推荐商品列表中的各商品的推荐系数，并将修正后的所述用户推荐商品列表推送给所述用户。上述技术方案中，在基于信息化及智能化管理与服务的智慧社区中获取用户的标签信息，其中用户的标签信息包括用户的用户标签、家庭标签和社区标签，再根据获取到的用户标签、家庭标签和社区标签分别确定出用户的用户推荐商品列表、家庭推荐商品列表和社区推荐商品列表，其中，每个推荐商品列表中包括各商品的推荐系数，商品的推荐系数决定商品在推荐商品列表中的位置，再对每个推荐商品列表中的前N个商品进行聚类计算，确定出每个推荐商品列表中每个类别的特征向量，其中，N为正整数，然后根据每个推荐商品列表中每个类别的特征向量，确定出用户推荐商品列表与家庭推荐商品列表中同一类别的相似度以及用户推荐商品列表与社区推荐商品列表中同一类别的相似度，再根据用户推荐商品列表与家庭推荐商品列表中同一类别的相似度以及用户推荐商品列表与社区推荐商品列表中同一类别的相似度，确定出用户购买一类商品影响系数，其中影响系数是指用户受到家庭及社区购买商品的影响下，对某类别的商品购买欲望或购买概率的影响系数，然后根据确定出的用户购买一类商品的影响系数，修正用户推荐商品列表中的各商品的推荐系数，将推荐系数按照由大到小的方式将用户推荐商品列表中的商品进行排列，生成修正后的用户推荐商品列表，并将修正后的用户推荐商品列表推送给用户。以实现基于家庭及智慧社区与用户之间的关系对用户进行商品推荐方法，以使对用户推荐商品更加智能化，更加准确，提升用户体验。可选的，根据下述公式(1)确定出用户购买商品的影响系数；其中，SIMi为用户购买i类商品的影响系数；a为家庭推荐商品列表对用户推荐商品列表的第一预设影响加权值，为所述用户推荐商品列表与所述家庭推荐商品列表中第i个类别的相似度；为所述用户推荐商品列表中的前N个商品中第i个类别的特征向量；为所述家庭推荐商品列表中的前N个商品中第i个类别的特征向量；b为社区推荐商品列表对用户推荐商品列表的第二预设影响加权值；为所述用户推荐商品列表与所述社区推荐商品列表中第i个类别的相似度；为所述社区推荐商品列表中的前N个商品中第i个类别的特征向量；i为正整数。可选的，根据下述公式(2)确定出修正所述用户推荐商品列表中的各商品的推荐系数；其中，P′x为用户推荐商品列表中第x个商品修正后的推荐系数；Px为所述用户推荐商品列表中第x个商品修正前的推荐系数；x为正整数；SIMi为所述用户购买i类商品的影响系数；i为正整数；n为所述用户推荐商品列表中第x商品所属的类别的数量。可选的，所述并将修正后的用户推荐商品列表推送给所述用户，包括：根据所述修正所述用户推荐商品列表中的各商品的推荐系数，将推荐系数按照由大到小的方式将所述用户推荐商品列表中的商品进行排列，生成修正后的用户推荐商品列表，并发送至用户的终端设备，以使所述用户的终端设备向所述用户展示所述修正后的用户推荐商品列表。可选的，所述方法还包括：分别获取家庭推荐商品列表和社区推荐商品列表中前M个商品，M为正整数；将家庭推荐商品列表和社区推荐商品列表中前M个商品根据修正后的所述用户推荐商品列表中前K个商品进行商品类别去重，K为n与M的乘积；将去重后的商品插入到修正后的所述用户推荐商品列表中商品序列靠前的位置；将商城中L个未在修正后的所述用户推荐商品列表中的商品插入到修正后的所述用户推荐商品列表中商品序列中间的位置，L为正整数；结合所述去重后的商品与商城中L个商品，生成新的用户推荐商品列表；将所述新的用户推荐商品列表推送给所述用户。上述技术方案中，在得到修正后的用户推荐商品列表后，分别获取家庭推荐商品列表和社区推荐商品列表中前M个商品，其中，M为正整数，再将家庭推荐商品列表和社区推荐商品列表中前M个商品根据修正后的用户推荐商品列表中前K个商品进行商品类别去重，其中，K为n与M的乘积，n为用户推荐商品列表中前N个商品的类别的数量，再将去重后的商品插入到修正后的所述用户推荐商品列表中商品序列靠前的位置并将商城中L个未在修正后的所述用户推荐商品列表中的商品插入到修正后的所述用户推荐商品列表中商品序列中间的位置，其中，L为正整数，以使修正后的用户推荐商品列表中可以加入修正后的用户推荐商品列表中未出现的新类别的商品，生成新的用户推荐商品列表，并推送给用户，以实现基于家庭及智慧社区与用户之间的关系对用户进行商品推荐方法，提升用户体验。第二方面，本专利技术实施例提供一种基于家庭及社区购物大数据的商品推荐的装置，包括：...

【技术保护点】
1.一种基于家庭及社区购物大数据的商品推荐的方法，其特征在于，包括：/n获取智慧社区中用户的标签信息，所述用户的标签信息包括所述用户的用户标签、家庭标签和社区标签；/n根据所述用户标签、家庭标签和社区标签分别确定出所述用户的用户推荐商品列表、家庭推荐商品列表和社区推荐商品列表；其中，每个推荐商品列表中包括各商品的推荐系数；/n对所述每个推荐商品列表中的前N个商品进行聚类，并确定出所述每个推荐商品列表中每个类别的特征向量；N为正整数；/n根据所述每个推荐商品列表中每个类别的特征向量，确定出所述用户推荐商品列表与所述家庭推荐商品列表中同一类别的相似度以及所述用户推荐商品列表与所述社区推荐商品列表中同一类别的相似度；/n根据所述用户推荐商品列表与所述家庭推荐商品列表中同一类别的相似度以及所述用户推荐商品列表与所述社区推荐商品列表中同一类别的相似度，确定出用户购买一类商品的影响系数；/n根据所述用户购买一类商品的影响系数，修正所述用户推荐商品列表中的各商品的推荐系数，并将修正后的所述用户推荐商品列表推送给所述用户。/n

【技术特征摘要】
1.一种基于家庭及社区购物大数据的商品推荐的方法，其特征在于，包括：
获取智慧社区中用户的标签信息，所述用户的标签信息包括所述用户的用户标签、家庭标签和社区标签；
根据所述用户标签、家庭标签和社区标签分别确定出所述用户的用户推荐商品列表、家庭推荐商品列表和社区推荐商品列表；其中，每个推荐商品列表中包括各商品的推荐系数；
对所述每个推荐商品列表中的前N个商品进行聚类，并确定出所述每个推荐商品列表中每个类别的特征向量；N为正整数；
根据所述每个推荐商品列表中每个类别的特征向量，确定出所述用户推荐商品列表与所述家庭推荐商品列表中同一类别的相似度以及所述用户推荐商品列表与所述社区推荐商品列表中同一类别的相似度；
根据所述用户推荐商品列表与所述家庭推荐商品列表中同一类别的相似度以及所述用户推荐商品列表与所述社区推荐商品列表中同一类别的相似度，确定出用户购买一类商品的影响系数；
根据所述用户购买一类商品的影响系数，修正所述用户推荐商品列表中的各商品的推荐系数，并将修正后的所述用户推荐商品列表推送给所述用户。


2.如权利要求1所述的方法，其特征在于，根据下述公式(1)确定出用户购买一类商品的影响系数；



其中，SIMi为用户购买i类商品的影响系数；a为家庭推荐商品列表对用户推荐商品列表的第一预设影响加权值，为所述用户推荐商品列表与所述家庭推荐商品列表中第i个类别的相似度；为所述用户推荐商品列表中的前N个商品中第i个类别的特征向量；为所述家庭推荐商品列表中的前N个商品中第i个类别的特征向量；b为社区推荐商品列表对用户推荐商品列表的第二预设影响加权值；为所述用户推荐商品列表与所述社区推荐商品列表中第i个类别的相似度；为所述社区推荐商品列表中的前N个商品中第i个类别的特征向量；i为正整数。


3.如权利要求1所述的方法，其特征在于，根据下述公式(2)确定出修正所述用户推荐商品列表中的各商品的推荐系数；



其中，P′x为用户推荐商品列表中第x个商品修正后的推荐系数；Px为所述用户推荐商品列表中第x个商品修正前的推荐系数；x为正整数；SIMi为所述用户购买i类商品的影响系数；i为正整数；n为所述用户推荐商品列表中第x商品所属的类别的数量。


4.如权利要求1所述的方法，其特征在于，所述并将修正后的用户推荐商品列表推送给所述用户，包括：
根据所述修正所述用户推荐商品列表中的各商品的推荐系数，将推荐系数按照由大到小的方式将所述用户推荐商品列表中的商品进行排列，生成修正后的用户推荐商品列表，并发送至用户的终端设备，以使所述用户的终端设备向所述用户展示所述修正后的用户推荐商品列表。


5.如权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
分别获取家庭推荐商品列表和社区推荐商品列表中前M个商品，M为正整数；
将家庭推荐商品列表和社区推荐商品列表中前M个商品根据修正后的所述用户推荐商品列表中前K个商品进行商品类别去重，K为n与M的乘积；
将去重后的商品插入到修正后的所述用户推荐商品...

【专利技术属性】
技术研发人员：张磊，
申请(专利权)人：青岛聚好联科技有限公司，
类型：发明
国别省市：山东;37