一种基于电子商务大数据的信息推送方法技术

本发明专利技术公开了一种基于电子商务大数据的信息推送方法，该方法包括以下步骤：获取目标用户的数据信息；构建目标用户兴趣模型，并计算得到第一兴趣集及第二兴趣集；基于BP神经网络并将第一兴趣集及第二兴趣集作为输入节点得到最终推送结果；将所述推送结果推送至目标用户。本发明专利技术以电子商务平台的各种数据为基础，构建目标用户兴趣模型，从而能够挖掘真正的目标用户兴趣喜好，对目标用户进行精准推送，进而能够根据用户需求来满足目标用户之所需，降低了用户搜索喜爱商品的搜索难度，提高了用户在使用电子商务平台的购物体验以及用户的感受度，提高了电子商务平台的使用效率，能够降低电子商务平台的运营成本，增加商品成交量。交量。交量。

【技术实现步骤摘要】
一种基于电子商务大数据的信息推送方法


[0001]本专利技术涉及电子商务
，具体来说，涉及一种基于电子商务大数据的信息推送方法。

技术介绍

[0002]电子商务是伴随着信息化的发展而兴起的一种特殊的商务模式，已经成为人类生产生活不可或缺的部分。电子商务的出现，促使人类生活方式发生了大的转变，给人们的生产生活带来了便利人们足不出户，便可以买到自己需要的商品。电子商务主要是指在网络环境下进行的商业贸易交流活动，买卖双方是不需要谋面的，而是通过浏览器或者相关的服务器APP来进行商品交换活动的一种新型的商业运作模式；电子商务主要有四种模式：企业与消费者之间的电子商务、企业与企业之间的电子商务、消费者与消费者之间的电子商务以及线上商务与互联网之间的电子商务等等，电子商务在各个领域都有不同的发展，但其存在必须依赖于各种设备和网络技术；而如今的电子商务已经不仅仅单指网上购物，也包括在线事务处理、网络营销、电子交易市场等等，在此一系列的活动中，都离不开互联网、外联网、电子邮件、数据库、电子目录和移动电话的支持。
[0003]目前，用户在需要进行购物时，通常会利用电子商务平台的搜索引擎，对其想购买的物品进行搜索，然后在搜索的结果中挑选符合用户所希望购买的物品，但是在使用的过程中，很难根据用户的购物需求，精准的推荐用户所需的物品，从而会增加用户的购物难度，而且，当用户无法在电商平台上无法购买自己希望购买的商品时，那么用户就会放弃购买意愿，或者转而到其他的电子商务平台进行购买，进而会降低用户的购物体验。
[0004]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]针对相关技术中的问题，本专利技术提出一种基于电子商务大数据的信息推送方法，以克服现有相关技术所存在的上述技术问题。
[0006]为此，本专利技术采用的具体技术方案如下：
[0007]一种基于电子商务大数据的信息推送方法，该方法包括以下步骤：
[0008]S1、获取目标用户的数据信息；
[0009]S2、构建目标用户兴趣模型，并计算得到第一兴趣集及第二兴趣集；
[0010]S3、基于BP神经网络并将第一兴趣集及第二兴趣集作为输入节点得到最终推送结果；
[0011]S4、将所述推送结果推送至目标用户。
[0012]进一步的，所述获取目标用户的数据信息包括以下步骤：
[0013]S11、基于电子商务网站收集目标用户数据及电商产品数据；
[0014]S12、基于预设的日志系统收集目标用户的行为数据；
[0015]进一步的，所述构建目标用户兴趣模型，并计算得到第一兴趣集及第二兴趣集包
括以下步骤：
[0016]S21、基于改进的向量空间模型表示方法构建目标用户兴趣模型；
[0017]S22、基于余弦相似度计算目标用户与其他用户之间的相似度；
[0018]S23、将相似度最高的前m个用户筛选出来，并构建用户最近邻居集；
[0019]S24、基于用户最近邻居集筛选出用户购买过的所有电商产品，并计算出用户对电商产品的兴趣度值；
[0020]S25、选取兴趣度值最高的前j个电商产品构建第一兴趣集；
[0021]S26、选取目标用户评分较高的电商产品；
[0022]S27、计算电商产品之间的相似度；
[0023]S28、将相似度最高的前k个电商产品筛选出来，并构建电商产品最近邻居集；
[0024]S29、计算用户对电商产品最近邻居集中每个电商产品的兴趣度值，并将兴趣度值最高的前j个电商产品构建第二兴趣集。
[0025]进一步的，所述基于改进的向量空间模型表示方法构建目标用户兴趣模型包括以下步骤：
[0026]S211、根据目标用户的注册信息以及兴趣标签建立初始化用户兴趣模型；
[0027]S212、通过网页文本页面内容挖掘用户感兴趣的关键词并构建文本页面向量空间模型；
[0028]S213、对比初始化用户兴趣模型与文本页面向量空间模型，若初始化用户兴趣模型与文本页面向量空间模型中含有相同的兴趣词，则把初始化用户兴趣模型中关键词的权值更新呈文本页面向量空间模型中关键词的权值，若初始化用户兴趣模型中没有存在文本页面向量空间模型中的兴趣词，则将文本页面向量空间模型中的兴趣词加入至初始化用户兴趣模型中，并删掉初始化用户兴趣模型中低于文本页面向量空间模型中兴趣词平均权值的兴趣词；
[0029]S214、将删除兴趣词初始化用户兴趣模型作为目标用户兴趣模型。
[0030]进一步的，所述基于余弦相似度计算目标用户与其他用户之间的相似度的计算公式为：
[0031][0032]其中，User
i
表示用户i的兴趣模型向量；
[0033]User
j
表示用户j的兴趣模型向量。
[0034]进一步的，所述基于用户最近邻居集筛选出用户购买过的所有电商产品，并计算出用户对电商产品的兴趣度值的计算公式为：
[0035][0036]其中，S(a,p)表示用户a对电商产品p的兴趣度值；
[0037]表示所有邻居用户对电商产品p的平均评分；
[0038]score
b,p
表示用户b对电商产品p的评分；
[0039]表示用户b对电商产品p的平均评分；
[0040]sim(a,b)表示用户a与用户b之间的相似度；
[0041]U
e
表示前m个用户组成的用户最近邻居集。
[0042]进一步的，所述基于BP神经网络并将第一兴趣集及第二兴趣集作为输入节点得到最终推送结果包括以下步骤：
[0043]S31、构建并训练BP神经网络，并得到稳定的神经网络；
[0044]S32、将得到的第一兴趣集及第二兴趣集作为神经网络的输入节点输入至神经网络中；
[0045]S33、基于sim预测函数计算得出最终推送结果。
[0046]进一步的，所述构建并训练BP神经网络，并得到稳定的神经网络包括以下步骤：
[0047]S311、获取样本数据，并将所述样本数据作为训练数据；
[0048]S312、确定BP神经网络结构，设置神经网络的各项参数；神经网络的各项参数包括输入层神经元的个数、隐含层节点数及输出层神经元的个数
[0049]S313、对BP神经网络进行初始化，并获得神经网络的初始权值和阈值；
[0050]S314、对遗传算法进行初始化，并优化神经网络的初始权值和阈值；
[0051]S315、设置遗传算法的适应度函数；
[0052]S316、计算适应度值并进行遗传操作；
[0053]S317、判断是否满足最大迭代次数，若满足，则确定最优权值和阈值，若不满足，则返回步骤S316；
[0054]S318、取遗传操作中的最优个体作为BP神经网络的初始权值和阈值，并通过所述训练数据对BP神经网络进行训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电子商务大数据的信息推送方法，其特征在于，该方法包括以下步骤：S1、获取目标用户的数据信息；S2、构建目标用户兴趣模型，并计算得到第一兴趣集及第二兴趣集；S3、基于BP神经网络并将第一兴趣集及第二兴趣集作为输入节点得到最终推送结果；S4、将所述推送结果推送至目标用户；所述构建目标用户兴趣模型，并计算得到第一兴趣集及第二兴趣集包括以下步骤：S21、基于改进的向量空间模型表示方法构建目标用户兴趣模型；S22、基于余弦相似度计算目标用户与其他用户之间的相似度；S23、将相似度最高的前m个用户筛选出来，并构建用户最近邻居集；S24、基于用户最近邻居集筛选出用户购买过的所有电商产品，并计算出用户对电商产品的兴趣度值；S25、选取兴趣度值最高的前j个电商产品构建第一兴趣集；S26、选取目标用户评分较高的电商产品；S27、计算电商产品之间的相似度；S28、将相似度最高的前k个电商产品筛选出来，并构建电商产品最近邻居集；S29、计算用户对电商产品最近邻居集中每个电商产品的兴趣度值，并将兴趣度值最高的前j个电商产品构建第二兴趣集。2.根据权利要求1所述的一种基于电子商务大数据的信息推送方法，其特征在于，所述获取目标用户的数据信息包括以下步骤：S11、基于电子商务网站收集目标用户数据及电商产品数据；S12、基于预设的日志系统收集目标用户的行为数据。3.根据权利要求1所述的一种基于电子商务大数据的信息推送方法，其特征在于，所述基于改进的向量空间模型表示方法构建目标用户兴趣模型包括以下步骤：S211、根据目标用户的注册信息以及兴趣标签建立初始化用户兴趣模型；S212、通过网页文本页面内容挖掘用户感兴趣的关键词并构建文本页面向量空间模型；S213、对比初始化用户兴趣模型与文本页面向量空间模型，若初始化用户兴趣模型与文本页面向量空间模型中含有相同的兴趣词，则把初始化用户兴趣模型中关键词的权值更新呈文本页面向量空间模型中关键词的权值，若初始化用户兴趣模型中没有存在文本页面向量空间模型中的兴趣词，则将文本页面向量空间模型中的兴趣词加入至初始化用户兴趣模型中，并删掉初始化用户兴趣模型中低于文本页面向量空间模型中兴趣词平均权值的兴趣词；S214、将删除兴趣词初始化用户兴趣模型作为目标用户兴趣模型。4.根据权利要求1所述的一种基于电子商务大数据的信息推送方法，其特征在于，所述基于余弦相似度计算目标用户与其他用户之间的相似度的计算公式为：其中，User
i
表示用户i的兴趣模型向量；
User
j
表示用...

【专利技术属性】
技术研发人员：位银星，
申请(专利权)人：深圳爱巧电子商务有限公司，
类型：发明
国别省市：