【技术实现步骤摘要】
基于大数据的电子商务系统及其方法
[0001]本申请涉及智能电子商务
，并且更具体地，涉及一种基于大数据的电子商务系统及其方法。
技术介绍
[0002]近年来，大数据和人工智能技术的发展为电子商务系统提供了新的数据驱动模式。在传统的电子商务系统中，如何向客户推荐感兴趣的产品以节约客户的选品时间是优化客户服务的关键。但在传统电子商务系统中，往往基于客户已购买的产品来推荐同类型或者关联类型的产品，这种产品推荐模式是粗放的，无法精准把握用户的潜在消费需求。
[0003]因此，期待一种优化的基于大数据的电子商务系统。
技术实现思路
[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于大数据的电子商务系统及其方法，其通过用户多维度数据构建用户画像，并基于用户画像数据和待推荐产品数据的语义理解和关联表示表达待推荐产品与用户之间的适配度，通过这样的方式，更加精准地把握用户的潜在消费需求，提高电子商务系统的智能化程度。
[0005]第一方面，提供了一种基于大数据的电子商务系统，其...
【技术保护点】
【技术特征摘要】
1.一种基于大数据的电子商务系统，其特征在于，包括：数据获取模块，用于获取用户多维度数据，其中，所述用户多维度数据包括浏览记录、搜索记录和购买记录；第一语义编码模块，用于对所述用户多维度数据进行数据清洗后通过包含词嵌入层的第一语义编码器以得到用户数据语义理解特征向量；文本获取模块，用于获取待推荐产品的文本描述和评价数据；第二语义编码模块，用于对所述待推荐产品的文本描述和评价数据进行分词处理后通过包含词嵌入层的第二语义编码器以得到待推荐产品语义理解特征向量；关联编码模块，用于对所述待推荐产品语义理解特征向量和所述用户数据语义理解特征向量进行关联编码以得到产品
‑
用户匹配特征矩阵；双向注意力模块，用于将所述产品
‑
用户匹配特征矩阵通过双向注意力机制模块以得到分类特征矩阵；校正模块，用于对所述分类特征矩阵进行局部特征分布校正以得到优化分类特征矩阵；以及推荐结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否向用户推荐所述待推荐产品。2.根据权利要求1所述的基于大数据的电子商务系统，其特征在于，所述第一语义编码模块，包括：数据清洗单元，用于对所述用户多维度数据进行数据清洗以得到清洗后用户多维度数据；第一分词单元，用于对所述清洗后用户多维度数据进行分词处理以将所述用户多维度数据转化为由多个第一词组成的第一词序列；第一嵌入化单元，用于使用所述包含词嵌入层的第一语义编码器的词嵌入层将所述第一词序列中各个第一词映射到词向量以获得第一词向量的序列；以及第一上下文编码单元，用于使用所述包含词嵌入层的第一语义编码器对所述第一词向量的序列进行基于全局的上下文语义编码以获得所述用户数据语义理解特征向量。3.根据权利要求2所述的基于大数据的电子商务系统，其特征在于，所述第二语义编码模块，包括：第二分词单元，用于对所述待推荐产品的文本描述和评价数据进行分词处理以将所述待推荐产品的文本描述和评价数据转化为由多个第二词组成的第二词序列；第二嵌入化单元，用于使用所述包含词嵌入层的第二语义编码器的词嵌入层将所述第二词序列中各个第二词映射到词向量以获得第二词向量的序列；以及第二上下文编码单元，用于使用所述包含词嵌入层的第二语义编码器对所述第二词向量的序列进行基于全局的上下文语义编码以获得所述待推荐产品语义理解特征向量。4.根据权利要求3所述的基于大数据的电子商务系统，其特征在于，所述关联编码模块，用于：以如下公式对所述待推荐产品语义理解特征向量和所述用户数据语义理解特征向量进行关联编码以得到产品
‑
用户匹配特征矩阵；其中，所述公式为：
其中，V
a
表示所述待推荐产品语义理解特征向量，表示所述待推荐产品语义理解特征向量的转置向量，V
c
表示所述用户数据语义理解特征向量，M1表示所述产品
‑
用户匹配特征矩阵，表示矩阵相乘。5.根据权利要求4所述的基于大数据的电子商务系统，其特征在于，所述双向注意力模块，包括：池化单元，用于将所述产品
‑
用户匹配特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；编码单元，用于对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；激活单元，用于将所述双向关联矩阵输入Sigm...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。