基于知识图谱的电商推荐方法技术

本发明专利技术公开了一种基于知识图谱的电商推荐方法，包括服务端和若干客户端，服务端包括知识图谱，知识图谱包括若干标签和若干关联度，标签反映产品的特征信息，关联度反映不同标签之间的关联程度；服务端还包括第一推荐策略和第二推荐策略，客户端包括闲逛模式和购买模式，当客户端选择闲逛模式时触发第一推荐策略，当客户端选择购买模式时触发第二推荐策略。用户可以根据不同需求选择闲逛模式和购买模式，闲逛模式以用户喜好为中心向外辐射较多相关产品，为用户提供较大的选择空间；购买模式以用户实际喜好为中心向外辐射较少产品，为用户提供精确的推送，以提高实际购买产品的使用率。用率。用率。

【技术实现步骤摘要】
基于知识图谱的电商推荐方法


[0001]本专利技术涉及电商推荐
，尤其是涉及一种基于知识图谱的电商推荐方法。

技术介绍

[0002]随着电商平台的快速发展，网购成为人们日常生活中购买产品的重要途径。国内最大的电商平台淘宝网每日访问用户达6000万，每日在线商品数目已经超过了8亿件。面对急速增长的数据规模，用户正面临着“信息超载问题”，如果不借助于搜索引擎、推荐系统或者信息分类等辅助技术，用户从海量的互联网资源中找到自己真正感兴趣的信息是一件非常困难的事情,使得信息的有效利用率反而降低了。搜索引擎和个性化推荐系统是解决“信息超载”问题的两种手段。搜索引擎根据用户输入的关键字反馈给用户查询的结果，由于搜索引擎根据的是所有人的行为规律返回搜索结果，无法根据每个用户提供个性化服务，使得可能用户真正感兴趣的内容被海量的搜索结果所掩盖。个性化推荐在此问题上弥补了搜索引擎的不足，即代替用户评估其所有未看过的产品，并通过分析用户的兴趣爱好和历史行为，主动推荐符合用户喜好的项目。
[0003]在大数据时代下的推荐系统会面临海量的训练规模，传统单机环境下的推荐系统不能满足大数据时代推荐的需求。因此以分布式计算平台作为模型计算平台的推荐系统渐次诞生。进入Web2.0时代后，实时推荐的需求越来越多，而传统推荐系统，都是定期对数据进行分析，然后对模型进行更新，进而使用新的模型进行个性化推荐，训练效率低下，同时因为没有完善的机制配合对实时用户做出反馈，因此存在着推荐满意度以及交易转化率低下的问题。

技术实现思路

[0004]本专利技术的目的在于提供了一种不需要训练模型，根据客户端反馈数据即时进行个性化推荐的基于知识图谱的电商推荐方法。
[0005]为实现上述目的，本专利技术采取的技术方案为：基于知识图谱的电商推荐方法，包括服务端和若干客户端，所述服务端包括知识图谱，所述知识图谱包括若干标签和若干关联度，所述标签反映产品的特征信息，所述关联度反映不同标签之间的关联程度；所述服务端还包括第一推荐策略和第二推荐策略，所述客户端包括闲逛模式和购买模式，当所述客户端选择闲逛模式时触发所述第一推荐策略，当所述客户端选择购买模式时触发所述第二推荐策略；
[0006]所述第一推荐策略包括标签筛选步骤、第一索引生成步骤和第一产品推荐步骤；
[0007]所述标签筛选步骤，获得所述客户端的历史浏览记录，获得所述历史浏览记录中浏览对象的若干标签作为第一历史标签，将所述第一历史标签发送至所述客户端，获得所述客户端对所述第一历史标签的筛选结果作为第一引路标签；
[0008]所述第一索引生成步骤，在所述知识图谱中匹配到与所述第一引路标签的关联度高于预设的第一阈值的标签作为第一检索标签，所述第一检索标签作为第一索引；
[0009]所述第一产品推荐步骤，获得与所述第一索引匹配的产品链接作为闲逛产品链接，将所述闲逛产品链接推送至所述客户端；
[0010]所述第二推荐策略包括标签获取步骤、第二索引生成步骤和第二产品推荐步骤；
[0011]所述标签获取步骤，获取所述客户端历史上传的产品使用照片作为实用产品照片，识别实用产品照片中的产品并获得对应的标签作为第二历史标签，将所述第二历史标签发送至所述客户端，获得所述客户端对所述第二历史标签的筛选结果作为第二引路标签；
[0012]所述第二索引生成步骤，在所述知识图谱中匹配到与所述第二引路标签的关联度高于预设的第二阈值的标签作为第二索引；
[0013]所述第二产品推荐步骤，获得与所述第二索引匹配的产品链接作为购买产品链接，将所述购买产品链接推送至所述客户端。
[0014]作为优选，在所述第一索引生成步骤中，在所述知识图谱中匹配到与所述第一引路标签的关联度高于第三阈值且低于第四阈值的标签作为第二检索标签，所述第四阈值小于所述第一阈值，所述第一检索标签和所述第二检索标签作为所述第一索引。
[0015]作为优选，基于知识图谱的电商推荐方法还包括用户特征数据库和偏好分类数据库，所述用户特征数据库存储有若干标签和对应的用户特征信息，所述用户特征信息反映能够影响用户对具有对应标签的产品的偏好程度的因素，所述偏好分类数据库存储有若干特征关键词和对应的偏好标签；
[0016]在所述第一索引生成步骤中，根据所述第二检索标签在所述用户特征数据库中进行搜索得到对应的用户特征信息作为待填特征信息，获得所述客户端根据所述待填特征信息输入的主观特征信息，识别所述主观特征信息获得主观特征关键词，根据所述主观特征关键词在所述偏好分类数据库中进行搜索得到对应的偏好标签作为新的第二检索标签，新的所述第二检索标签和所述第一检索标签作为所述第一索引。
[0017]作为优选，所述偏好分类数据库还存储偏好值，每一所述偏好标签均对应一所述偏好值；
[0018]在所述第一索引生成步骤中，根据所述主观特征关键词在所述偏好分类数据库中进行搜索得到对应偏好值达到预设的浏览阈值的偏好标签作为新的第二检索标签。
[0019]作为优选，所述偏好分类数据库中存储的偏好值根据流逝时间和浏览量确定，所述流逝时间反映当前时间点与设立所述偏好标签的时间点之间的时间间隔，所述浏览量反映客户端浏览具有对应偏好标签的产品链接的浏览量，所述偏好值与所述流逝时间成反比，所述偏好值与所述浏览量成正比。
[0020]作为优选，根据相邻所述流逝时间的差值，所述偏好值减小预设的降量，根据相邻所述浏览量，所述偏好值根据所述浏览量预设的倍数进行变化。
[0021]作为优选，所述降量为相邻所述流逝时间的差值的1～3倍。
[0022]作为优选，所述偏好值根据所述浏览量的5～7倍进行变化。
[0023]作为优选，在所述第二索引生成步骤中，所述第一阈值小于所述第二阈值。
[0024]作为优选，所述第一阈值为所述第二阈值的0.7～0.9倍。
[0025]与现有技术相比，本专利技术的有益效果为：用户可以根据不同需求选择闲逛模式和购买模式，闲逛模式根据历史浏览记录推送较大范围的、关联性相对较小的产品链接，以用
户喜好为中心向外辐射较多相关产品，为用户提供较大的选择空间；购买模式根据用户实际使用产品推送关联性相对较大、定位更为精确的产品链接，以用户实际喜好为中心向外辐射较少产品，为用户提供精确的推送，以提高实际购买产品的使用率。
附图说明
[0026]图1为基于知识图谱的电商推荐方法的原理图。
[0027]附图标记说明如下：010、知识图谱；020、用户特征数据库；030、偏好分类数据库；040、第一推荐策略；041、标签筛选步骤；042、第一索引生成步骤；043、第一产品推荐步骤；050、所述第二推荐策略；051、标签获取步骤；052、第二索引生成步骤；053、第二产品推荐步骤。
具体实施方式
[0028]下面结合附图和实施例，对本专利技术进一步详细说明。
[0029]实施例1：
[0030]如图1所示，基于知识图谱的电商推荐方法，包括服本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于知识图谱的电商推荐方法，其特征在于包括服务端和若干客户端，所述服务端包括知识图谱(010)，所述知识图谱(010)包括若干标签和若干关联度，所述标签反映产品的特征信息，所述关联度反映不同标签之间的关联程度；所述服务端还包括第一推荐策略(040)和第二推荐策略，所述客户端包括闲逛模式和购买模式，当所述客户端选择闲逛模式时触发所述第一推荐策略(040)，当所述客户端选择购买模式时触发所述第二推荐策略(050)；所述第一推荐策略(040)包括标签筛选步骤(041)、第一索引生成步骤(042)和第一产品推荐步骤(043)；所述标签筛选步骤(041)，获得所述客户端的历史浏览记录，获得所述历史浏览记录中浏览对象的若干标签作为第一历史标签，将所述第一历史标签发送至所述客户端，获得所述客户端对所述第一历史标签的筛选结果作为第一引路标签；所述第一索引生成步骤(042)，在所述知识图谱(010)中匹配到与所述第一引路标签的关联度高于预设的第一阈值的标签作为第一检索标签，所述第一检索标签作为第一索引；所述第一产品推荐步骤(043)，获得与所述第一索引匹配的产品链接作为闲逛产品链接，将所述闲逛产品链接推送至所述客户端；所述第二推荐策略(050)包括标签获取步骤(051)、第二索引生成步骤(052)和第二产品推荐步骤(053)；所述标签获取步骤(051)，获取所述客户端历史上传的产品使用照片作为实用产品照片，识别实用产品照片中的产品并获得对应的标签作为第二历史标签，将所述第二历史标签发送至所述客户端，获得所述客户端对所述第二历史标签的筛选结果作为第二引路标签；所述第二索引生成步骤(052)，在所述知识图谱(010)中匹配到与所述第二引路标签的关联度高于预设的第二阈值的标签作为第二索引；所述第二产品推荐步骤(053)，获得与所述第二索引匹配的产品链接作为购买产品链接，将所述购买产品链接推送至所述客户端。2.根据权利要求1所述的基于知识图谱的电商推荐方法，其特征在于，在所述第一索引生成步骤(042)中，在所述知识图谱(010)中匹配到与所述第一引路标签的关联度高于第三阈值且低于第四阈值的标签作为第二检索标签，所述第四阈值小于所述第一阈值，所述第一检索标签和所述第二检索标签作为所述第一索引。3.根据权利要求2所述的基于知识图谱的电商推荐方法，其特征在于，基于...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：杭州天识信息科技有限公司，
类型：发明
国别省市：