一种线下店铺推荐方法、装置、系统及存储介质制造方法及图纸

本发明专利技术涉及一种线下店铺推荐方法、装置、设备及存储介质，方法包括：获取线下商城消费者的历史消费记录和消费者在商城游走的高噪时空帧频数据；根据历史消费记录，利用协同过滤算法得到第一推荐集合；融合高噪时空帧频数据形成消费者游走轨迹，基于消费者游走轨迹，计算消费者在店铺间的转移概率矩阵；根据转移概率矩阵和消费者当前位置，得到第二推荐集合；将第一推荐集合和第二推荐集合合并，并结合预设距离半径计算得到最终推荐集合。采用上述方法可实现线下店铺的个性化推荐。

【技术实现步骤摘要】
一种线下店铺推荐方法、装置、系统及存储介质
本专利技术涉及信息处理
，具体涉及一种线下店铺推荐方法、装置、系统及存储介质。
技术介绍
随着生活水平的提高，人们的购买力也逐渐增强。同时伴随着商品个数和种类快速增长，消费者需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。由此个性化推荐应运而生。个性化推荐指根据用户的兴趣特点和购买行为，向用户推荐感兴趣的信息和商品。个性化推荐通过为消费者提供推荐内容，降低消费者的信息过载，提供优质的用户体验。目前常用的个性化推荐算法包括基于内容的个性化推荐、协同过滤推荐、基于知识的推荐和混合推荐算法。但是目前常用的个性化推荐算法主要基于线上多维度的数据生成推荐内容，难以适用线下商城的应用情景。
技术实现思路
有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种线下店铺推荐方法、装置、系统及存储介质。为实现以上目的，本专利技术采用如下技术方案：一种线下店铺推荐方法，包括：获取线下商城消费者的历史消费记录和消费者在商城游走的高噪时空帧频数据；根据所述历史消费记录，利用协同过滤算法得到第一推荐集合；融合所述高噪时空帧频数据形成消费者游走轨迹；根据所述消费者游走轨迹，计算消费者在店铺间的转移概率矩阵；根据所述转移概率矩阵和消费者当前位置得到第二推荐集合；所述消费者当前位置由所述消费者游走轨迹得到；将所述第一推荐集合和所述第二推荐集合合并，并结合预设距离半径计算得到最终推荐集合。可选的，所述根据所述历史消费记录，利用协同过滤算法得到第一推荐集合，包括：根据所述历史消费记录构建消费者店铺评分矩阵；利用所述消费者店铺评分矩阵得到相似消费者；根据所述相似消费者确定感兴趣店铺；将所述感兴趣店铺进行降序排序，得到目标店铺集合；取所述目标店铺集合中设定排名的感兴趣店铺作为所述第一推荐集合。可选的，所述根据所述历史消费记录构建消费者店铺评分矩阵，包括：依据所述历史消费记录获取消费者对应的消费店铺信息；针对所述消费店铺信息确定对应的店铺类型信息；根据所述消费店铺信息和所述店铺类型信息构建所述消费者店铺评分矩阵。可选的，所述根据所述消费者游走轨迹，计算消费者在店铺间的转移概率矩阵包括：对所述消费者游走轨迹进行聚类，确定消费者对应类别；根据所述消费者对应类别确定对应类别的店铺间的转移概率矩阵。可选的，所述对所述消费者游走轨迹进行聚类，确定消费者对应类别包括：在所述消费者游走轨迹中确定可作为聚类中心的轨迹集合；在所述轨迹集合中随机选取设定数目条轨迹作为初始聚类中心；计算所述轨迹集合中的非聚类中心轨迹与所述初始聚类中心的距离；根据所述距离对所述非聚类中心轨迹进行类别划分；对各类别进行聚类中心更新，得到消费者对应类别。一种线下店铺推荐装置，包括：数据获取模块，用于获取线下商城消费者的历史消费记录和消费者在商城游走的高噪时空帧频数据；第一推荐集合确定模块，用于根据所述历史消费记录，利用协同过滤算法得到第一推荐集合；游走轨迹融合模块，用于融合所述高噪时空帧频数据形成消费者游走轨迹；转移概率矩阵计算模块，用于根据所述消费者游走轨迹，计算消费者在店铺间的转移概率矩阵；第二推荐集合确定模块，用于根据所述转移概率矩阵和消费者当前位置得到第二推荐集合；所述消费者当前位置由所述消费者游走轨迹得到；最终推荐集合计算模块，用于将所述第一推荐集合和所述第二推荐集合合并，并结合预设距离半径计算得到最终推荐集合。可选的，所述第一推荐集合确定模块，包括：评分矩阵构建单元，用于根据所述历史消费记录构建消费者店铺评分矩阵；相似消费者确定单元，用于利用所述消费者店铺评分矩阵得到相似消费者；感兴趣店铺确定单元，用于根据所述相似消费者确定感兴趣店铺；目标店铺集合确定单元，用于将所述感兴趣店铺进行降序排序，得到目标店铺集合；确定单元，用于取所述目标店铺集合中设定排名的感兴趣店铺作为所述第一推荐集合。可选的，所述转移概率矩阵计算模块包括：聚类单元，用于对所述消费者游走轨迹进行聚类，确定消费者对应类别；概率矩阵确定单元，用于根据所述消费者对应类别确定对应类别的店铺转移概率矩阵。一种线下店铺推荐设备，包括：处理器，以及与所述处理器相连接的存储器；所述存储器用于存储计算机程序，所述计算机程序至少用于执行上述所述的线下店铺推荐方法；所述处理器用于调用并执行所述存储器中的所述计算机程序。一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现如上述所述的线下店铺推荐方法中各个步骤。本申请提供的技术方案可以包括以下有益效果：本申请公开了一种线下店铺推荐方法，包括：获取线下商城消费者的历史消费记录和消费者在商城游走的高噪时空帧频数据；根据历史消费记录，利用协同过滤算法得到第一推荐集合；融合所述高噪时空帧频数据形成消费者游走轨迹；根据消费者游走轨迹，计算消费者在店铺间的转移概率矩阵；根据转移概率矩阵和消费者当前位置得到第二推荐集合；消费者当前位置由消费者游走轨迹得到；将第一推荐集合和第二推荐集合合并，并结合预设距离半径计算得到最终推荐集合。本方法中基于消费者的历史消费记录产生第一推荐集合，基于转移概率矩阵和消费者当前位置得到第二推荐集合，将第一推荐集合中的店铺和第二推荐集合中的店铺直接合并，进而使用店铺之间的距离按照预设距离半径进行过滤，生成所需的最终推荐集合。本方法实现了线下店铺的推荐，从消费者在商城游走的高噪时空帧频数据中挖掘消费者的消费偏好，能够以一种较低的推荐成本实现更为有效的个性化推荐。且在基于用户的协同过滤推荐的基础上，结合店铺之间的转移概率矩阵推荐和推荐店铺的距离半径的方法进行线下店铺推荐，极大地提高了线下店铺的推荐准确率及效率，取得了良好的推荐效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例提供的线下店铺推荐方法流程图；图2是本专利技术一实施例提供的线下店铺推荐装置模块图；图3是本专利技术一实施例提供的线下店铺推荐设备结构图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述。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。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发本文档来自技高网...

【技术保护点】
1.一种线下店铺推荐方法，其特征在于，包括：/n获取线下商城消费者的历史消费记录和消费者在商城游走的高噪时空帧频数据；/n根据所述历史消费记录，利用协同过滤算法得到第一推荐集合；/n融合所述高噪时空帧频数据形成消费者游走轨迹；/n根据所述消费者游走轨迹，计算消费者在店铺间的转移概率矩阵；/n根据所述转移概率矩阵和消费者当前位置得到第二推荐集合；所述消费者当前位置由所述消费者游走轨迹得到；/n将所述第一推荐集合和所述第二推荐集合合并，并结合预设距离半径计算得到最终推荐集合。/n

【技术特征摘要】
1.一种线下店铺推荐方法，其特征在于，包括：
获取线下商城消费者的历史消费记录和消费者在商城游走的高噪时空帧频数据；
根据所述历史消费记录，利用协同过滤算法得到第一推荐集合；
融合所述高噪时空帧频数据形成消费者游走轨迹；
根据所述消费者游走轨迹，计算消费者在店铺间的转移概率矩阵；
根据所述转移概率矩阵和消费者当前位置得到第二推荐集合；所述消费者当前位置由所述消费者游走轨迹得到；
将所述第一推荐集合和所述第二推荐集合合并，并结合预设距离半径计算得到最终推荐集合。


2.根据权利要求1所述的线下店铺推荐方法，其特征在于，所述根据所述历史消费记录，利用协同过滤算法得到第一推荐集合，包括：
根据所述历史消费记录构建消费者店铺评分矩阵；
利用所述消费者店铺评分矩阵得到相似消费者；
根据所述相似消费者确定感兴趣店铺；
将所述感兴趣店铺进行降序排序，得到目标店铺集合；
取所述目标店铺集合中设定排名的感兴趣店铺作为所述第一推荐集合。


3.根据权利要求2所述的线下店铺推荐方法，其特征在于，所述根据所述历史消费记录构建消费者店铺评分矩阵，包括：
依据所述历史消费记录获取消费者对应的消费店铺信息；
针对所述消费店铺信息确定对应的店铺类型信息；
根据所述消费店铺信息和所述店铺类型信息构建所述消费者店铺评分矩阵。


4.根据权利要求1所述的线下店铺推荐方法，其特征在于，所述根据所述消费者游走轨迹，计算消费者在店铺间的转移概率矩阵包括：
对所述消费者游走轨迹进行聚类，确定消费者对应类别；
根据所述消费者对应类别确定对应类别的店铺间的转移概率矩阵。


5.根据权利要求4所述的线下店铺推荐方法，其特征在于，所述对所述消费者游走轨迹进行聚类，确定消费者对应类别包括：
在所述消费者游走轨迹中确定可作为聚类中心的轨迹集合；
在所述轨迹集合中随机选取设定数目条轨迹作为初始聚类中心；
计算所述轨迹集合中的非聚类中心轨迹与所述初始聚类中心的距离；
根据所述距离对所述非聚类中心轨迹进行类别划分；
对各类别进行聚类中心更...

【专利技术属性】
技术研发人员：罗开平，郭清峰，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11