面向B端采购用户的商品信息推荐方法技术

本发明专利技术属于信息处理技术领域，涉及面向B端采购用户的商品信息推荐方法，其包括如下步骤：S1.获取B端采购用户需求商品的SKU，生成一空序列作为商品推荐序列；S2.根据所述SKU获取需求商品在平台的分类，获取平台中属于该分类下所有可采购的商品，并形成商品集合；S3.根据商品的总浏览量、总采购量、总退货量获取所述商品集合中所有商品的复合历史热度值，将所述商品集合中的商品加入到所述商品推荐序列中，并将所述商品推荐序列中的商品按所述复合历史热度值由大到小进行排序，再按商品推荐序列中的商品排序输出第一商品推荐列表；采用本方法能够实现根据B端采购用户的需求商品为其推荐同类商品中历史采购热度较高的相似商品。荐同类商品中历史采购热度较高的相似商品。荐同类商品中历史采购热度较高的相似商品。

【技术实现步骤摘要】
面向B端采购用户的商品信息推荐方法


[0001]本专利技术涉及信息处理
，具体而言，涉及面向B端采购用户的商品信息推荐方法。

技术介绍

[0002]面向B端（企业用户）的采购平台与C端（个人用户）的电子商务平台在客户特征上有较大区别。如B端客户在制定采购计划时，主要以项目、工程建设方案驱动，从而相对于C端客户，B端采购用户有较为明确的需求和完整的采购计划。故现有的应用于C端场景，包括以“兴趣推荐”、“名称相似”为主要推荐技术路径和方法以及使用协同过滤机制在用户行为间进行推荐的方法等，较难在B端采购场景发挥有效的推荐作用。对于平台在向B端采购客户展示潜在的采购商品时，除提供搜索功能和算法对名称、品牌、规格型号进行反馈数据之外，如何辅助提供新的推荐方法，使得给B端采购客户的推荐更精准、更利于成单，成为一个新挑战。

技术实现思路

[0003]本专利技术的目的在于提供面向B端采购用户的商品信息推荐方法，其能够帮助平台向B端采购客户提供采购推荐，且推荐的商品更能准确符合B端采购客户的需求，更利于成单。
[0004]本专利技术的实施例通过以下技术方案实现：提供一种面向B端采购用户的商品信息推荐方法，包括如下步骤：S1.获取B端采购用户需求商品的SKU，生成一空序列作为商品推荐序列L
ini
；S2.根据所述SKU获取需求商品在平台的分类C
l
，获取平台中属于C
l
分类下所有可采购的商品，并形成商品集合SET
l
；S3.根据商品的总浏览量、总采购量、总退货量获取所述商品集合SET
l
中所有商品的复合历史热度值D
h
，将所述商品集合SET
l
中的商品加入到所述商品推荐序列L
ini
中，并将所述商品推荐序列L
ini
中的商品按所述复合历史热度值D
h
由大到小进行排序，再按商品推荐序列L
ini
中的商品排序输出第一商品推荐列表。
[0005]进一步的，所述S3中复合历史热度值D
h
的计算方法如下，其中，D
view
为商品的总浏览量，D
order
为商品的总采购量，D
re
为商品的总退货量，Ra为商品的全局浏览下单比。
[0006]进一步的，所述全局浏览下单比Ra的计算方法如下式，其中，un为平台注册用户的总数，D
o
为某用户在平台的所有商品采购的总数，D
v
为某用户在平台对所有商品浏览的总次数。
[0007]进一步的，还包括S4：根据推荐序列L
ini
中商品的排序，生成商品推荐序列L
ini
中商品的权重P，如下式所示，其中，i为商品在商品推荐序列中的排列序号，i∈n，n为所述商品推荐序列L
ini
中商品的总数量；通过对商品推荐序列L
ini
中所有商品的权重计算获取与所述商品推荐序列L
ini
长度相同的权值序列P（p1，p2，p3，
……
，p
n
）。
[0008]进一步的，还包括S5.根据所述商品推荐序列L
ini
中商品的库存获取各商品的权重叠加值PSS，并将所述商品推荐序列L
ini
中的商品按所述权重叠加值PSS由大到小排序获得商品推荐序列L
ini_1
，并按商品推荐序列L
ini_1
中的商品排序输出第二商品推荐列表；具体为，S51.统计所述商品推荐序列L
ini
中的商品在平台中的库存数量，形成与所述商品推荐序列L
ini
长度相同的库存数量序列S，所述库存数量序列S中的最大值为s
max
；S52.获取所述商品推荐序列L
ini
中每个商品的库存叠加参数Rb，如下式，其中，s
i
表示所述商品推荐序列L
ini
中第i个商品的库存数量；S53.根据所述库存叠加参数Rb计算所述商品推荐序列L
ini
中每个商品的库存权重影响值PS，如下式，；S54.根据所述商品推荐序列L
ini
中商品的权重P和库存权重影响值PS获取所述商品推荐序列L
ini
中每个商品的权重叠加值PSS，如下式，，再将所述商品推荐序列L
ini
中的商品按权重叠加值PSS由大到小排序获得商品推荐序列L
ini_1
，并按商品推荐序列L
ini_1
中的商品排序输出第二商品推荐列表。
[0009]进一步的，还包括S6.根据所述商品推荐序列L
ini_1
中商品的最近一次下单时间与当前时间的差值获取各商品的集中化权重叠加值PSST，并将所述商品推荐序列L
ini_1
中的商品按所述集中化权重叠加值PSST由大到小排序获得商品推荐序列L
ini_2
，并按商品推荐序列L
ini_2
中的商品排序输出第三商品推荐列表；具体为，S61.统计所述商品推荐序列L
ini_1
中商品最近一次下单时间与当前时间的差值，获取差值序列TO（to1，to2，to3，
……
，to
n
），所述差值序列TO中的最大值为to
max
；S62.获取所述商品推荐序列L
ini_1
中商品的集中化影响值Bat，如下式，其中，to
i
表示所述商品推荐序列L
ini_1
中第i个商品最近一次下单时间与当前时间的差值；S63.根据所述商品推荐序列L
ini_1
中商品的集中化影响值Bat和权重叠加值PSS获取所述商品推荐序列L
ini_1
中每个商品的集中化权重叠加值PSST，如下式，，
再将所述商品推荐序列L
ini_1
中的商品按集中化权重叠加值PSST由大到小排序获得商品推荐序列L
ini_2
，并按商品推荐序列L
ini_2
中的商品排序输出第三商品推荐列表。
[0010]进一步的，还包括S7.根据所述需求商品所在分类在平台中的特征集合序列F
cl
与所述商品推荐序列L
ini_2
中各商品所在分类在平台中的特征集合序列F
i
获取所述商品推荐序列L
ini_2
中每个商品对于特征集合序列F
cl
的相近参数X
i
，再根据所述相近参数X
i
获取相近权重叠加值PSSTX
i
，并将所述商品推荐序列L
ini_2
中的商品按所述相近权重叠加值PSSTX
i
由大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向B端采购用户的商品信息推荐方法，其特征在于，包括如下步骤：S1.获取B端采购用户需求商品的SKU，生成一空序列作为商品推荐序列L
ini
；S2.根据所述SKU获取需求商品在平台的分类C
l
，获取平台中属于C
l
分类下所有可采购的商品，并形成商品集合SET
l
；S3.根据商品的总浏览量、总采购量、总退货量获取所述商品集合SET
l
中所有商品的复合历史热度值D
h
，将所述商品集合SET
l
中的商品加入到所述商品推荐序列L
ini
中，并将所述商品推荐序列L
ini
中的商品按所述复合历史热度值D
h
由大到小进行排序，再按商品推荐序列L
ini
中的商品排序输出第一商品推荐列表。2.如权利要求1所述的面向B端采购用户的商品信息推荐方法，其特征在于，所述S3中复合历史热度值D
h
的计算方法如下，其中，D
view
为商品的总浏览量，D
order
为商品的总采购量，D
re
为商品的总退货量，Ra为商品的全局浏览下单比。3.如权利要求2所述的面向B端采购用户的商品信息推荐方法，其特征在于，所述全局浏览下单比Ra的计算方法如下式，其中，un为平台注册用户的总数，D
o
为某用户在平台的所有商品采购的总数，D
v
为某用户在平台对所有商品浏览的总次数。4.如权利要求1所述的面向B端采购用户的商品信息推荐方法，其特征在于，还包括S4：根据推荐序列L
ini
中商品的排序，生成商品推荐序列L
ini
中商品的权重P，如下式所示，其中，i为商品在商品推荐序列中的排列序号，i∈n，n为所述商品推荐序列L
ini
中商品的总数量；通过对商品推荐序列L
ini
中所有商品的权重计算获取与所述商品推荐序列L
ini
长度相同的权值序列P（p1，p2，p3，
……
，p
n
）。5.如权利要求4所述的面向B端采购用户的商品信息推荐方法，其特征在于，还包括S5.根据所述商品推荐序列L
ini
中商品的库存获取各商品的权重叠加值PSS，并将所述商品推荐序列L
ini
中的商品按所述权重叠加值PSS由大到小排序获得商品推荐序列L
ini_1
，并按商品推荐序列L
ini_1
中的商品排序输出第二商品推荐列表；具体为，S51.统计所述商品推荐序列L
ini
中的商品在平台中的库存数量，形成与所述商品推荐序列L
ini
长度相同的库存数量序列S，所述库存数量序列S中的最大值为s
max
；S52.获取所述商品推荐序列L
ini
中每个商品的库存叠加参数Rb，如下式，其中，s
i
表示所述商品推荐序列L
ini
中第i个商品的库存数量；S53.根据所述库存叠加参数Rb计算所述商品推荐序列L
ini
中每个商品的库存权重影响值PS，如下式，
；S54.根据所述商品推荐序列L
ini
中商品的权重P和库存权重影响值PS获取所述商品推荐序列L
ini
中每个商品的权重叠加值PSS，如下式，，再将所述商品推荐序列L
ini
中的商品按权重叠加值PSS由大到小排序获得商品推荐序列L
ini_1
，并按商品推荐序列L
ini_1
中的商品排序输出第二商品推荐列表。6.如权利要求5所述的面向B端采购用户的商品信息推荐方法，其特征在于，还包括S6.根据所述商品推荐序列L
ini_1
中商品的最近一次下单时间与当前时间的差值获取各商品的集中化权重叠加值PSST，并将所述商品推荐序列L
ini_1
中的商品按所述集中化权重叠加值PSST由大到小排序获得商品推荐序列L
ini_2
，并按商品推荐序列L
ini_2
中的商品排序输出第三商品推荐列表；具体为，S61.统计所述商品推荐序列L
ini_1
中商品最近一次下单时间与当前时间的差值，获取差值序列TO（to1，to2，to3，
……
，to
n
），所述差值序列TO中的最大值为to
max
；S62.获取所述商品推荐序列L
ini_1
中商品的集中化影响值Bat，如下式，其中，to
i
表示所述商品推荐序列L
ini_1
中第i个商品最近一次下单时间与当前时间的差值；S63.根据所述商品推荐序列L
ini_1
中商品的集中化影响值Bat和权重叠加值PSS获取所述商品推荐序列L
ini_1
中每个商品的集中化权重叠加值PSST，如下式，，再将所述商品推荐序列L
ini_1
中的商品按集中化权重叠加值PSST由大到小排序获得商品推荐序列L
ini_2
，并按商品推荐序列L
ini_2
中的商品排序输出...

【专利技术属性】
技术研发人员：杨艳丽，刘婷，穆大勇，范亚国，金海男，孙贞，李彤，宋鹤扬，
申请(专利权)人：国能北京商务网络有限公司，
类型：发明
国别省市：