一种基于人工智能的商品推荐系统及方法技术方案

本发明专利技术提出一种基于人工智能的商品推荐系统及方法，其中，所述基于人工智能的商品推荐系统包括虚拟商场构建模块、商品数据获取模块、商品分类模块、用户数据获取模块、数据处理模块、用户模型构建模块、商品推荐模块和显示模块。通过虚拟商场构建模块构建虚拟商场的三维模型、商品数据获取模块和商品分类模块实现相似商品的分类、用户数据获取模块和用户模型构建模块对用户进行特征提取与画像、商品推荐模块选择出与用户匹配的商品并显示模块在用户终端上进行显示，不仅能实现精准地商品推荐，而且能提供身临其境般的线上购物体验，进一步地满足了用户的购物需求。一步地满足了用户的购物需求。一步地满足了用户的购物需求。

【技术实现步骤摘要】
一种基于人工智能的商品推荐系统及方法


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的商品推荐系统及方法。

技术介绍

[0002]随着科技的进步、市场经济的发展和人们生活水平的提高，出现了大量的商品，不仅商品的种类多，而且不同种类下具有同样性能或者类似性能的商品特别多，顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。
[0003]为了解决这些问题，个性化推荐系统应运而生，它是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户。和搜索引擎相比推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密切关系，让用户对推荐产生依赖。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。
[0004]但现有的商品推荐方法，通常只通过跟踪用户在线上的商品浏览记录、消费记录等来推荐相关商品，而忽略了其他影响因素；同时，现有系统的推荐形式也不够智能，用户体验不到购物的乐趣。

技术实现思路

[0005]本专利技术正是基于上述问题，提出了一种基于人工智能的商品推荐系统及方法，通过虚拟商场构建模块、商品数据获取模块、商品分类模块、用户数据获取模块、数据处理模块、用户模型构建模块、商品推荐模块和显示模块的设置，不仅能实现精准地商品推荐，而且能提供身临其境般的线上购物体验，进一步地满足了用户的购物需求。
[0006]有鉴于此，本专利技术的一方面提出了一种基于人工智能的商品推荐系统，包括虚拟商场构建模块、商品数据获取模块、商品分类模块、用户数据获取模块、数据处理模块、用户模型构建模块、商品推荐模块和显示模块；
[0007]所述虚拟商场构建模块，用于根据获取的实体商场的商场建筑数据和用户对所述实体商场的商场喜好数据建立虚拟商场的商场三维模型；其中，所述商场三维模型包括各店铺的店铺三维模型；
[0008]所述商品数据获取模块，用于获取商品数据，其中，所述商品数据包括商品编号、商品属性、商品图像和商品品牌类别；
[0009]所述商品分类模块，用于将所述商品数据输入第一卷积神经网络对商品进行分类得到商品分类数据；
[0010]所述数据处理模块，用于处理所述商品数据和所述商品分类数据得到商品展示数据，将所述商品展示数据与对应的所述店铺三维模型关联；
[0011]所述用户数据获取模块，用于获取用户数据，其中，所述用户数据包括用户编号、用户购物地点、用户购物时间、交互商品编号和交互行为；
[0012]所述用户模型构建模块，用于根据所述用户数据和第二卷积神经网络构建用户模型；
[0013]所述商品推荐模块，用于建立用户偏好商品库以及向所述用户进行商品推荐；
[0014]所述显示模块，用于将购物入口显示在用户终端的界面供所述用户选择；
[0015]所述显示模块，还用于在用户选择购物入口后，以所述用户的第一视角形式显示所述商场三维模型；
[0016]所述显示模块，还用于在接收用户的店铺选择指令后，以所述用户的第一视角形式显示所述店铺三维模型及店铺内的商品的三维图像。
[0017]可选地，所述用户模型构建模块用于根据所述用户数据和第二卷积神经网络构建用户模型，具体是：
[0018]将所述用户数据输入所述第二卷积神经网络，根据所述交互商品编号和所述交互行为，获得所述用户基于不同的购物地点和/或不同的购物时间的用户购物特征数据；
[0019]根据所述用户购物特征数据和所述用户数据构建所述用户模型。
[0020]可选地，所述商品分类模块用于将所述商品数据输入第一卷积神经网络对商品进行分类得到商品分类数据，包括：
[0021]从预先获取的商品库中确定任意的商品为当前商品，所述商品库中的其他商品为参考商品；
[0022]基于所述当前商品的所述商品数据构建当前商品向量，基于所述参考商品的所述商品数据分别构建各参考商品向量；
[0023]分别计算所述当前商品向量与每个所述参考商品向量之间的相似度，并确定其相似度大于相似度阈值的所述参考商品向量对应商品为相似商品；
[0024]所述商品推荐模块用于建立用户偏好商品库以及向所述用户进行商品推荐，具体是：
[0025]从所述用户模型中获取用户特征向量，将所述用户特征向量与所述当前商品向量计算出关联值，当所述关联值大于关联值阈值时，确定所述当前商品向量对应的商品及相似商品为所述用户偏好商品库；
[0026]生成所述用户偏好商品库中的各个商品的三维图像并同步至对应的所述店铺三维模型。
[0027]可选地，还包括商场建筑数据获取模块；所述商场建筑数据获取模块用于识别实体商场建筑图纸和实地照片，并提取出所述商场建筑数据；
[0028]所述虚拟商场构建模块用于根据获取的实体商场的商场建筑数据和用户对所述实体商场的商场喜好数据建立虚拟商场的商场三维模型，具体是：
[0029]根据获取的实体商场的商场建筑数据和用户对所述实体商场的商场喜好数据建立所述虚拟商场BIM模型；
[0030]将所述虚拟商场BIM模型经解析、转换、渲染、轻量化后，导入三维建模软件，生成所述商场三维模型。
[0031]可选地，还包括个性化定制模块；
[0032]所述个性化定制模块用于根据所述用户偏好商品库和所述用户模型，生成待定制商品模型；
[0033]根据所述待定制商品模型构建所述待定制产品的三维图像；
[0034]并将所述待定制产品的三维图像同步至对应的所述店铺三维模型。
[0035]本专利技术的另一方面提出一种基于人工智能的商品推荐方法，应用于基于人工智能的商品推荐系统，所述基于人工智能的商品推荐系统包括虚拟商场构建模块、商品数据获取模块、商品分类模块、用户数据获取模块、数据处理模块、用户模型构建模块、商品推荐模块和显示模块；所述方法包括：
[0036]根据获取的实体商场的商场建筑数据和用户对所述实体商场的商场喜好数据建立虚拟商场的商场三维模型；其中，所述商场三维模型包括各店铺的店铺三维模型；
[0037]获取商品数据，所述商品数据包括商品编号、商品属性、商品图像和商品品牌类别；
[0038]将所述商品数据输入第一卷积神经网络对商品进行分类得到商品分类数据；
[0039]根据所述商品数据和所述商品分类数据得到商品展示数据，将所述商品展示数据与对应的所述店铺三维模型关联；
[0040]获取用户数据，所述用户数据包括用户编号、用户购物地点、用户购物时间、交互商品编号和交互行为；
[0041]根据所述用户数据和第二卷积神经网络构建用户模型；
[0042]建立用户偏好商品库以及向所述用户进行商品推荐；
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的商品推荐系统，其特征在于，包括虚拟商场构建模块、商品数据获取模块、商品分类模块、用户数据获取模块、数据处理模块、用户模型构建模块、商品推荐模块和显示模块；所述虚拟商场构建模块，用于根据获取的实体商场的商场建筑数据和用户对所述实体商场的商场喜好数据建立虚拟商场的商场三维模型；其中，所述商场三维模型包括各店铺的店铺三维模型；所述商品数据获取模块，用于获取商品数据，其中，所述商品数据包括商品编号、商品属性、商品图像和商品品牌类别；所述商品分类模块，用于将所述商品数据输入第一卷积神经网络对商品进行分类得到商品分类数据；所述数据处理模块，用于处理所述商品数据和所述商品分类数据得到商品展示数据，将所述商品展示数据与对应的所述店铺三维模型关联；所述用户数据获取模块，用于获取用户数据，其中，所述用户数据包括用户编号、用户购物地点、用户购物时间、交互商品编号和交互行为；所述用户模型构建模块，用于根据所述用户数据和第二卷积神经网络构建用户模型；所述商品推荐模块，用于建立用户偏好商品库以及向所述用户进行商品推荐；所述显示模块，用于将购物入口显示在用户终端的界面供所述用户选择；所述显示模块，还用于在用户选择购物入口后，以所述用户的第一视角形式显示所述商场三维模型；所述显示模块，还用于在接收用户的店铺选择指令后，以所述用户的第一视角形式显示所述店铺三维模型及店铺内的商品的三维图像。2.根据权利要求1所述的基于人工智能的商品推荐系统，其特征在于，所述用户模型构建模块用于根据所述用户数据和第二卷积神经网络构建用户模型，具体是：将所述用户数据输入所述第二卷积神经网络，根据所述交互商品编号和所述交互行为，获得所述用户基于不同的购物地点和/或不同的购物时间的用户购物特征数据。3.根据权利要求2所述的基于人工智能的商品推荐系统，其特征在于，所述商品分类模块用于将所述商品数据输入第一卷积神经网络对商品进行分类得到商品分类数据，包括：从预先获取的商品库中确定任意的商品为当前商品，所述商品库中的其他商品为参考商品；基于所述当前商品的所述商品数据构建当前商品向量，基于所述参考商品的所述商品数据分别构建各参考商品向量；分别计算所述当前商品向量与每个所述参考商品向量之间的相似度，并确定其相似度大于相似度阈值的所述参考商品向量对应商品为相似商品；所述商品推荐模块用于建立用户偏好商品库以及向所述用户进行商品推荐，具体是：从所述用户模型中获取用户特征向量，将所述用户特征向量与所述当前商品向量计算出关联值，当所述关联值大于关联值阈值时，确定所述当前商品向量对应的商品及相似商品为所述用户偏好商品库；生成所述用户偏好商品库中的各个商品的三维图像并同步至对应的所述店铺三维模型。
4.根据权利要求3所述的基于人工智能的商品推荐系统，其特征在于，还包括商场建筑数据获取模块；所述商场建筑数据获取模块用于识别实体商场建筑图纸和实地照片，并提取出所述商场建筑数据；所述虚拟商场构建模块用于根据获取的实体商场的商场建筑数据和用户对所述实体商场的商场喜好数据建立虚拟商场的商场三维模型，具体是：根据获取的实体商场的商场建筑数据和用户对所述实体商场的商场喜好数据建立所述虚拟商场BIM模型；将所述虚拟商场BIM模型经解析、转换、渲染、轻量化后，导入三维建模软件，生成所述商场三维模型。5.根据权利要求4所述的基于人工智能的商品推荐系统，其特征在于，还包括个性化定制模块；所述个性化定制模块用于根据所述用户偏好商品库和所述用户模...

【专利技术属性】
技术研发人员：任启强，郭泽佳，陈俊，牟体康，
申请(专利权)人：广州易海创腾信息科技有限公司，
类型：发明
国别省市：