适用于SaaS电商平台的推荐方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种适用于SaaS电商平台的推荐方法、装置及存储介质。通过SaaS电商平台采集用户的行为数据，对用户的行为数据进行ETL处理得到处理后的行为数据；对存储至目标位置处的行为数据进行分析生成用户的兴趣画像和商品的销售画像；基于预设模型以行为数据为训练样本对协同过滤算法持续迭代；基于用户的兴趣画像和协同过滤算法确定目标商品，根据目标商品形成商品池；基于CTR预估的神经网络算法对商品池中的商品排序处理得到排序结果，对用户进行商品推荐。本发明专利技术能根据用户画像进行个性化商品推荐，自动更新迭代模型参数，提高点击转化率，并用统一的软件服务为不同SaaS客户提供定制化的商品推荐，使得不同类型的客户具有不同的推荐策略。有不同的推荐策略。有不同的推荐策略。

【技术实现步骤摘要】
适用于SaaS电商平台的推荐方法、装置及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种适用于SaaS电商平台的推荐方法、装置及存储介质。

技术介绍

[0002]企业电商平台升级到SaaS电子商务平台为不同的客户提供电商服务后，为每个SaaS客户建立独立的推荐系统，由于不同SaaS客户的流量不同造成云资源分配不均衡，小流量客户推荐服务会闲置浪费，而且独立的服务系统在部署和运营都存在很大的困难。
[0003]所以，如何精准的为客户进行个性化商品推荐成为一个亟需解决的问题。

技术实现思路

[0004]本专利技术实施例提供一种适用于SaaS电商平台的推荐方法、装置及存储介质，能根据用户画像进行个性化商品推荐，自动更新迭代模型参数，提高点击转化率，并用统一的软件服务为不同SaaS客户提供定制化的商品推荐，使得不同类型的客户具有不同的推荐策略。
[0005]本专利技术实施例的第一方面，提供一种适用于SaaS电商平台的推荐方法，包括：
[0006]通过SaaS电商平台采集用户的行为数据，对用户的行为数据进行ETL处理得到处理后的行为数据，将处理后的行为数据存储至第一目标位置处；
[0007]对存储至目标位置处的行为数据进行分析生成用户的兴趣画像和商品的销售画像，将用户的兴趣画像和商品的销售画像存储至第二目标位置处；
[0008]基于多个预设模型以行为数据为训练样本对协同过滤算法持续迭代；
[0009]基于所述用户的兴趣画像和协同过滤算法确定目标商品，根据所述目标商品形成商品池；
[0010]基于CTR预估的神经网络算法对商品池中的商品排序处理得到排序结果，基于所述排序结果对用户进行商品推荐。
[0011]可选地，在第一方面的一种可能实现方式中，所述第一目标位置处为hadoop的hdfs；
[0012]通过SaaS电商平台采集用户的行为数据，对用户的行为数据进行ETL处理得到处理后的行为数据，将处理后的行为数据存储至第一目标位置处包括：
[0013]基于大数据框架，将用户的行为数据通过Kafka分布式消息系统采集数据并进行ETL后，存储到大数据的hadoop的hdfs；
[0014]所述行为数据至少包括用户的浏览行为和购买行为。
[0015]可选地，在第一方面的一种可能实现方式中，所述第二目标位置处为HBase和Redis；
[0016]对存储至目标位置处的行为数据进行分析生成用户的兴趣画像和商品的销售画像，将用户的兴趣画像和商品的销售画像存储至第二目标位置处包括：
[0017]对用户的行为数据进行分析处理，基于ftrl在线学习的LR算法，实时得到用户的兴趣画像和商品的销售画像；
[0018]将用户的兴趣画像和商品的销售画像实时存储到HBase，缓存到Redis，对用户的兴趣画像和商品的销售画像并实时更新。
[0019]可选地，在第一方面的一种可能实现方式中，基于所述用户的兴趣画像和协同过滤算法确定目标商品，根据所述目标商品形成商品池包括：
[0020]根据用户画像和协同过滤算法从SaaS对应的定制化商品库中的redis缓存中获取商品信息，筛选需要进行推荐的商品范围，根据所述商品范围生成商品池，所述商品范围包括多个商品信息。
[0021]可选地，在第一方面的一种可能实现方式中，基于CTR预估的神经网络算法对商品池中的商品排序处理得到排序结果，基于所述排序结果对用户进行商品推荐包括：
[0022]基于CTR排序算法进行用户个性化商品精确排序，排序的结果为商品推荐结果；
[0023]其中，CTR排序算法采用插件服务的形式，实现将持续更新的CTR排序算法推荐至算法引擎中。
[0024]可选地，在第一方面的一种可能实现方式中，还包括：
[0025]预先设置多个算法模型；
[0026]基于ABTest机制分流用户到不同的算法模型中，基于不同的算法模型对用户进行商品推荐的计算。
[0027]可选地，在第一方面的一种可能实现方式中，还包括：
[0028]配置SaaS推荐服务接口模块。
[0029]本专利技术实施例的第二方面，提供一种适用于SaaS电商平台的推荐装置，包括：
[0030]采集模块，用于通过SaaS电商平台采集用户的行为数据，对用户的行为数据进行ETL处理得到处理后的行为数据，将处理后的行为数据存储至第一目标位置处；
[0031]画像模块，用于对存储至目标位置处的行为数据进行分析生成用户的兴趣画像和商品的销售画像，将用户的兴趣画像和商品的销售画像存储至第二目标位置处；
[0032]算法训练模块，用于基于多个预设模型以行为数据为训练样本对协同过滤算法持续迭代；
[0033]SaaS召回模块，用于基于所述用户的兴趣画像和协同过滤算法确定目标商品，根据所述目标商品形成商品池；
[0034]排序模块，用于基于CTR预估的神经网络算法对商品池中的商品排序处理得到排序结果，基于所述排序结果对用户进行商品推荐。
[0035]本专利技术实施例的第三方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本专利技术第一方面及第一方面各种可能设计的所述方法。
[0036]本专利技术提供的一种适用于SaaS电商平台的推荐方法、装置及存储介质。能根据用户画像进行个性化商品推荐，自动更新迭代模型参数，提高点击转化率，并用统一的软件服务为不同SaaS客户提供定制化的商品推荐，使得不同类型的客户具有不同的推荐策略。并且，本专利技术提供的推荐系统，能根据用户画像进行个性化商品推荐，自动更新迭代模型参数，提高点击转化率。并用统一的软件服务为不同SaaS客户提供定制化的商品推荐系统。
附图说明
[0037]图1为适用于SaaS电商平台的推荐方法的第一种实施方式的流程图；
[0038]图2为适用于SaaS电商平台的推荐方法的第二种实施方式的流程图；
[0039]图3为适用于SaaS电商平台的推荐装置的第一种实施方式的结构图。
具体实施方式
[0040]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，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。
[0041]本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
[0042]应当理解，在本专利技术的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于SaaS电商平台的推荐方法，其特征在于，包括：通过SaaS电商平台采集用户的行为数据，对用户的行为数据进行ETL处理得到处理后的行为数据，将处理后的行为数据存储至第一目标位置处；对存储至目标位置处的行为数据进行分析生成用户的兴趣画像和商品的销售画像，将用户的兴趣画像和商品的销售画像存储至第二目标位置处；基于多个预设模型以行为数据为训练样本对协同过滤算法持续迭代；基于所述用户的兴趣画像和协同过滤算法确定目标商品，根据所述目标商品形成商品池；基于CTR预估的神经网络算法对商品池中的商品排序处理得到排序结果，基于所述排序结果对用户进行商品推荐。2.根据权利要求1所述的适用于SaaS电商平台的推荐方法，其特征在于，所述第一目标位置处为hadoop的hdfs；通过SaaS电商平台采集用户的行为数据，对用户的行为数据进行ETL处理得到处理后的行为数据，将处理后的行为数据存储至第一目标位置处包括：基于大数据框架，将用户的行为数据通过Kafka分布式消息系统采集数据并进行ETL后，存储到大数据的hadoop的hdfs；所述行为数据至少包括用户的浏览行为和购买行为。3.根据权利要求1所述的适用于SaaS电商平台的推荐方法，其特征在于，所述第二目标位置处为HBase和Redis；对存储至目标位置处的行为数据进行分析生成用户的兴趣画像和商品的销售画像，将用户的兴趣画像和商品的销售画像存储至第二目标位置处包括：对用户的行为数据进行分析处理，基于ftrl在线学习的LR算法，实时得到用户的兴趣画像和商品的销售画像。4.根据权利要求1所述的适用于SaaS电商平台的推荐方法，其特征在于，对存储至目标位置处的行为数据进行分析生成用户的兴趣画像和商品的销售画像，将用户的兴趣画像和商品的销售画像存储至第二目标位置处包括：将用户的兴趣画像和商品的销售画像实时存储到HBase，缓存到Redis，对用户的兴趣画像和商品的销售画像并实时更新。5.根据权利要求1所述的适用于SaaS电商平台的推荐方法，其特征...

【专利技术属性】
技术研发人员：史继群，王星，王忠明，
申请(专利权)人：深圳市华宇讯科技有限公司，
类型：发明
国别省市：