基于用户行为的商品个性化推荐方法及系统技术方案

技术编号:30964971 阅读:14 留言:0更新日期:2021-11-25 20:32
本发明专利技术提供一种基于用户行为的商品个性化推荐方法及系统,该方法包括:获取用户行为数据,用户行为数据包括第一用户行为数据和第二用户行为数据,第一用户行为数据为用户终端对相同商品标签的每一种商品产生的行为数据,第二用户行为数据为用户终端对不同商品标签的商品产生的行为数据;根据第一用户行为数据和第一用户行为数据对应的时间衰减系数,获取相同商品标签的每一种商品的综合热度值;根据第二用户行为数据和第二用户行为数据对应的时间衰减系数,获取每一种商品标签的标签热度值;根据综合热度值和标签热度值,生成商品推荐列表。本发明专利技术提高了商品推送的准确度和推送效率。效率。效率。

【技术实现步骤摘要】
基于用户行为的商品个性化推荐方法及系统


[0001]本专利技术涉及商品推送
,尤其涉及一种基于用户行为的商品个性化推荐方法及系统。

技术介绍

[0002]用户对不同的商品偏好存在一定差异,不同商品受用户欢迎的热度也存在差别。若用户在浏览商品页面的过程中,发现该页面中存在满足自己购买需求的商品,可以引起用户购买产品的意图,从而提高用户对商品的购买意愿。
[0003]智能推荐算法是现有商品推送应用领域的一项关键技术,是当前预测消费者购买意图和消费者偏好的主流方案。购物网站的智能推荐技术现阶段已经发展相对比较完善,常见的智能推荐算法有协同过滤的推荐方法、基于内容的推荐方法、基于关联规则推荐、基于效用推荐、基于知识推荐以及组合推荐等。
[0004]但是,用户偏好的商品推送和购物网站的智能推荐还存在很大的差异,并不能全部适用,商品推荐的准确性和效率有待得到进一步提升。因此,现在亟需一种基于用户行为的商品个性化推荐方法及系统来解决上述问题。

技术实现思路

[0005]针对现有技术存在的问题,本专利技术提供一种基于用户行为的商品个性化推荐方法及系统。
[0006]本专利技术提供一种基于用户行为的商品个性化推荐方法,包括:
[0007]获取用户行为数据,所述用户行为数据包括第一用户行为数据和第二用户行为数据,所述第一用户行为数据为用户终端对相同商品标签的每一种商品产生的行为数据,所述第二用户行为数据为用户终端对不同商品标签的商品产生的行为数据;
[0008]根据所述第一用户行为数据和所述第一用户行为数据对应的时间衰减系数,获取相同商品标签的每一种商品的综合热度值;根据所述第二用户行为数据和所述第二用户行为数据对应的时间衰减系数,获取每一种商品标签的标签热度值;
[0009]根据所述综合热度值和所述标签热度值,生成商品推荐列表。
[0010]根据本专利技术提供的一种基于用户行为的商品个性化推荐方法,在所述获取用户行为数据之前,所述方法还包括:
[0011]基于用户行为类型,设置用户行为埋点和用户行为类型预设权重值,以根据用户行为埋点获取用户行为数据,其中,所述用户行为埋点至少包括进入商品详情页、收藏商品成功、取消商品收藏、点击商品分享、确认商品搜索成功、商品到货通知确认成功、确认商品加入购物车、点击立即购买商品、点击提交商品订单和商品支付成功。
[0012]根据本专利技术提供的一种基于用户行为的商品个性化推荐方法,所述获取用户行为数据,包括:
[0013]基于所述用户行为埋点和所述用户行为类型预设权重值,获取用户终端对商品产
生的用户行为次数、用户行为类型和用户行为权重;
[0014]根据所述用户行为次数、所述用户行为类型和所述用户行为权重,得到用户行为数据。
[0015]根据本专利技术提供的一种基于用户行为的商品个性化推荐方法,所述时间衰减系数是基于用户终端的商品浏览历史记录对应的埋点事件创建时间和商品类型获取得到的。
[0016]根据本专利技术提供的一种基于用户行为的商品个性化推荐方法,所述综合热度值是根据商品类型、用户行为埋点对应的用户行为权重值、时间衰减系数、用户行为统计次数和用户行为埋点创建时间计算得到的。
[0017]根据本专利技术提供的一种基于用户行为的商品个性化推荐方法,所述标签热度值是根据商品标签类型、用户行为埋点对应的用户行为权重值、用户行为次数、时间衰减系数和用户行为埋点创建时间计算得到的。
[0018]根据本专利技术提供的一种基于用户行为的商品个性化推荐方法,所述根据所述综合热度值和所述标签热度值,生成商品推荐列表,包括:
[0019]对所述综合热度值进行排序,并根据综合热度值排序结果,得到基于每种相同商品标签的商品排序结果;
[0020]对每个商品标签的标签热度值进行排序,得到商品标签热度值排序结果;
[0021]根据所述商品标签热度值排序结果,从商品排序结果中选取目标商品,并根据所述目标商品生成商品推荐列表;
[0022]或者,根据所述商品排序结果,确定预推荐的商品,并根据所述标签热度值排序结果,从所述预推荐的商品中选取目标商品,生成商品推荐列表。
[0023]本专利技术还提供一种基于用户行为的商品个性化推荐系统,包括:
[0024]埋点事件采集模块,用于获取用户行为数据,所述用户行为数据包括第一用户行为数据和第二用户行为数据,所述第一用户行为数据为用户终端对相同商品标签的每一种商品产生的行为数据,所述第二用户行为数据为用户终端对不同商品标签的商品产生的行为数据;
[0025]热度值获取模块,用于根据所述第一用户行为数据和所述第一用户行为数据对应的时间衰减系数,获取相同商品标签的每一种商品的综合热度值;根据所述第二用户行为数据和所述第二用户行为数据对应的时间衰减系数,获取每一种商品标签的标签热度值;
[0026]商品推荐模块,用于根据所述综合热度值和所述标签热度值,生成商品推荐列表。
[0027]本专利技术还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述基于用户行为的商品个性化推荐方法的步骤。
[0028]本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于用户行为的商品个性化推荐方法的步骤。
[0029]本专利技术提供的基于用户行为的商品个性化推荐方法及系统,根据用户行为数据,掌握用户感兴趣偏好商品标签下商品的热度值排序,从而对不同用户进行商品推荐,提高了商品推送的准确度和推送效率。
附图说明
[0030]为了更清楚地说明本专利技术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一简单地介绍,显而易见地,下面描述中的附图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。
[0031]图1为本专利技术提供的基于用户行为的商品个性化推荐方法的流程示意图;
[0032]图2为本专利技术提供的基于用户行为以及商品标签的商品推荐流程示意图;
[0033]图3为本专利技术提供的基于用户行为的商品个性化推荐系统的结构示意图;
[0034]图4为本专利技术提供的电子设备的结构示意图。
具体实施方式
[0035]为使本专利技术的目的、技术方案和优点更加清楚,下面将结合本专利技术中的附图,对本专利技术中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。
[0036]目前商品推荐的方法,主要是根据用户对购物网站商品的浏览记录,以及历史购买情况进行用户画像。例如,根据用户浏览记录推荐相似产品:当用户的历史购买记录中经常出现护肤品、化妆品等美妆系列商品,当本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于用户行为的商品个性化推荐方法,其特征在于,包括:获取用户行为数据,所述用户行为数据包括第一用户行为数据和第二用户行为数据,所述第一用户行为数据为用户终端对相同商品标签的每一种商品产生的行为数据,所述第二用户行为数据为用户终端对不同商品标签的商品产生的行为数据;根据所述第一用户行为数据和所述第一用户行为数据对应的时间衰减系数,获取相同商品标签的每一种商品的综合热度值;根据所述第二用户行为数据和所述第二用户行为数据对应的时间衰减系数,获取每一种商品标签的标签热度值;根据所述综合热度值和所述标签热度值,生成商品推荐列表。2.根据权利要求1所述的基于用户行为的商品个性化推荐方法,其特征在于,在所述获取用户行为数据之前,所述方法还包括:基于用户行为类型,设置用户行为埋点和用户行为类型预设权重值,以根据用户行为埋点获取用户行为数据,其中,所述用户行为埋点至少包括进入商品详情页、收藏商品成功、取消商品收藏、点击商品分享、确认商品搜索成功、商品到货通知确认成功、确认商品加入购物车、点击立即购买商品、点击提交商品订单和商品支付成功。3.根据权利要求2所述的基于用户行为的商品个性化推荐方法,其特征在于,所述获取用户行为数据,包括:基于所述用户行为埋点和所述用户行为类型预设权重值,获取用户终端对商品产生的用户行为次数、用户行为类型和用户行为权重;根据所述用户行为次数、所述用户行为类型和所述用户行为权重,得到用户行为数据。4.根据权利要求1所述的基于用户行为的商品个性化推荐方法,其特征在于,所述时间衰减系数是基于用户终端的商品浏览历史记录对应的埋点事件创建时间和商品类型获取得到的。5.根据权利要求1所述的基于用户行为的商品个性化推荐方法,其特征在于,所述综合热度值是根据商品类型、用户行为埋点对应的用户行为权重值、时间衰减系数、用户行为统计次数和用户行为埋点创建时间计算得到的。6.根据权利要求1所述的基于用户行为的商品个性化推荐方法,...

【专利技术属性】
技术研发人员:宋玲玉
申请(专利权)人:海尔智家股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1