基于人工智能和大数据的电子商务商品推荐系统技术方案

本发明专利技术涉及一种基于人工智能和大数据的电子商务商品推荐系统，其包括：数据分析服务器、用户画像服务器、商品推荐服务器和数据库，其中，数据库与各服务器具有通信连接，各服务器间具有通信连接。数据分析服务器分别将第一分析特征和第二分析特征进行特征映射和特征转换以生成二元特征映射组，并对二元特征映射组进行特征扩展以得到每个相干商品的一阶商品特征，然后对每个相干商品的一阶商品特征进行特征选择以得到每个相干商品的二阶商品特征。用户画像服务器根据所有相干产品的二阶商品特征建立目标用户的用户画像。商品推荐服务器根据目标用户的用户画像为目标用户推荐商品。品。品。

【技术实现步骤摘要】
基于人工智能和大数据的电子商务商品推荐系统


[0001]本专利技术涉及人工智能和电子商务领域，尤其涉及一种基于人工智能和大数据的电子商务商品推荐系统。

技术介绍

[0002]随着经济全球化和信息时代的到来，电子商务正在成为市场经济中一个重要的经济增长点和新领域，从电子商务发展的现状来看，它借助了网络即时通信的功能，产生了一种全新的企业与消费者直接交流的新型商业模式，这种商业模式以便利性和快捷性正在为更多消费群体所接受。
[0003]随着电子商务的竞争越来越激烈，激烈的竞争促进了电子商务推荐系统的发展，且电子商务推荐系统因其具有个性、针对性等优点受到越来越多的关注。然而，现有的推荐系统往往只能挖掘表层特征为用户构建用户画像，从而导致用户画像不准确。因此，急需一种通过表层特征挖掘深层特征，以精准构建的用户画像的商品推荐系统。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于人工智能和大数据的电子商务商品推荐系统，其包括：
[0005]数据分析服务器、用户画像服务器、商品推荐服务器和数据库，其中，数据库与各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能和大数据的电子商务商品推荐系统，其特征在于，其包括：数据分析服务器、用户画像服务器、商品推荐服务器和数据库，其中，数据库与各服务器具有通信连接，各服务器间具有通信连接；数据分析服务器从数据库获取目标用户的用户分析数据；所述用户分析数据包括目标用户的第一分析数据和目标用户的第二分析数据；数据分析服务器分别将第一分析数据和第二分析数据输入电商分析模型以输出第一分析特征和第二分析特征，并将第一分析特征和第二分析特征进行特征映射和特征转换以生成二元特征映射组；所述二元特征映射组包括若干个二元映射对，二元映射对包括商品特征和状态值；所述商品特征表征相干商品的商品特征；所述状态值表征相干商品的购买状态，在状态值为1时，目标用户购买了相干商品，在状态值为0时，目标用户没有购买相干商品；所述相干商品为目标用户在电子商务平台上浏览过的商品；数据分析服务器对二元特征映射组进行特征扩展以得到每个相干商品的一阶商品特征，并对每个相干商品的一阶商品特征进行特征选择以得到每个相干商品的二阶商品特征；数据分析服务器将每个相干商品的二阶商品特征映射到特征向量空间以生成每个相干商品的二阶特征向量，并根据每个相干商品的二阶特征向量将每个相干商品映射到相干点空间以生成每个相干商品对应的相干点；用户画像服务器分别计算每个相干点的二阶特征向量与其他相干点的二阶特征向量的相似度以得到每个相干点与其他相干点的特征距离，并将特征距离小于距离阈值的相干点进行连接以生成若干条相干连接，然后根据特征距离设置相干连接的连接权值以生成目标用户的相干结构图；用户画像服务器将目标用户的相干结构图进行图聚类以生成图聚类数据，并根据图聚类数据生成目标用户的用户画像；商品推荐服务器根据目标用户的用户画像为目标用户推荐商品。2.根据权利要求1所述的系统，其特征在于，所述目标用户的第一分析数据为目标用户在电子商务平台上浏览商品的相关数据；所述目标用户的第二分析数据为目标用户在电子商务平台上购买商品的相关数据。3.根据权利要求2所述的系统，其特征在于，数据分析服务器对二元特征映射组进行特征扩展得到相干商品的一阶商品特征包括：数据分析服务器遍历二元特征映射组的所有二元映射对，将正在遍历的二元映射对作为目标二元映射对，将目标二元映射对对应的相干商品作为目标相干商品；数据分析服务器对目标二元映射对的商品特征进行特征分解以得到目标相干商品的若干个商品子特征，并根据目标二元映射对的状态值获取目标相干商品的状态特征；数据分析服务器将每个商品子特征映射到特征点空间以获取每个商品子特征对应的特征点，并根据目标相干商品的所有特征点构建目标相干商品的特征分布图，然后根据目标相干商品的状态特征对目标相干商品的特征分布图进行更新；重复以上步骤，直到遍历完所有的二元映射对以构建每个相干商品的特征分布图。4.根据权利要求1至3之一所述的系统，其特征在于，数据分析服务器对二元特征映射组进行特征扩展得到相干商品的一阶商品特征包括：
数据分析服务器从数据库获取特征扩展函数集，并初始化特征扩展函数集中每个特征扩展函数的权值系数和函数效用表；数据分析服务器遍历所有的相干商品，并将正在遍历的相干商品作为目标相干商品，然后将目标相干商品的特征分布图作为目标特征分布图；数据分析服务器遍历目标特征分布图的所有特征点，并将正在遍历的特征点作为目标特征点；数据分析服务器根据特征扩展函数集中每个特征扩展函数的权值系数和函数效用表获取特征扩展函数集中每个特征扩展函数的转移概率，并选择转移概率最大的特征扩展函数作为目标特征扩展函数；数据分析服务器将目标特征点对应的商品子特征作为目标特征点的第一特征，并根据目标特征扩展函数对第一特征进行特征扩展以构造目标特征点的第二特征；重复以上步骤，直到遍历完目标特征分布图的所有特征点以对目标相干商品进行特征扩展；数据分析服务器根据相干商品的...

【专利技术属性】
技术研发人员：于世俊，
申请(专利权)人：于世俊，
类型：发明
国别省市：