基于人工智能的电商个性化精准导购方法技术

本发明专利技术涉及商品推荐技术领域，具体涉及基于人工智能的电商个性化精准导购方法。该方法根据每个电商平台用户的每类商品的历史浏览数据和历史购买数据的相似程度，确定每类商品的每个历史浏览数据的初始贡献度；结合每类商品的历史浏览数据的初始贡献度的波动情况、历史浏览数据在时序上位置的分布，确定每类商品的每个历史浏览数据的购买贡献度；根据每类商品的每个历史浏览数据的数量，确定每个电商平台用户的每类商品的购买习惯值；结合每个电商平台用户的历史浏览数据的购买贡献度和每类商品的购买习惯值，确定每类商品的决策进度；基于每类商品的决策进度对每个电商平台用户进行商品推荐，提高了对用户推荐商品时的精准性。性。性。

【技术实现步骤摘要】
基于人工智能的电商个性化精准导购方法


[0001]本专利技术涉及商品推荐
，具体涉及基于人工智能的电商个性化精准导购方法。

技术介绍

[0002]整体来说，电子商务行业仍在稳步前进，伴随着互联网技术的不断提升，各大电子商务服务商都致力于向平台用户提供更专业化的服务，在最大程度上降低交易过程中所需要的成本，提高用户的购买欲。电子商务的发展模式对企业提出来许多新的要求，比如商品推荐的精准性、送货的时效性、商品的质量保证、退换货的便捷性等等更多新的要求。
[0003]其中，最为突出的问题就是商品选购，其平台的商品推荐会影响到用户的商品选购。如何精准的向用户展示平台的个性化推荐，向用户进行合适的商品推荐是电商导购中不可缺少的一部分。因为电子商务处于虚拟的环境中，且用户能够浏览的商品量较大，商家也会尽可能的多在平台提供自己所能提供的商品，其品类繁多，当用户没有时间或者不愿意在平台上漫无边际的寻找商品时，会导致用户难以在一个网页上发现自己感兴趣的商品。
[0004]目前常见的平台的个性化推荐，是根据用户浏览时的停留时间和用户的购买次数分析用户的需求或者用户可能感兴趣的产品，其方法太过简单和片面，没有考虑更深层次的数据挖掘，会导致对用户而言，商品推荐的精准性较低，进而会导致消费者被淹没在海量的商品信息中无从选择，更严重的会增加平台用户的流失率。

技术实现思路

[0005]为了解决平台对用户进行商品推荐时精准性较低的技术问题，本专利技术的目的在于提供基于人工智能的电商个性化精准导购方法，所采用的技术方案具体如下：获取每个电商平台用户的每类商品的历史购买数据和历史浏览数据；根据每个电商平台用户的每类商品的历史浏览数据和历史购买数据的相似程度，确定每类商品的每个历史浏览数据的初始贡献度；结合每类商品的每个历史浏览数据和对应的邻近的历史浏览数据的初始贡献度的波动情况、历史浏览数据和邻近的历史浏览数据在时序上位置的分布，确定每类商品的每个历史浏览数据的购买贡献度；根据每类商品的所有相邻两次历史购买数据之间的历史浏览数据的数量，确定每个电商平台用户的每类商品的购买习惯值；结合每个电商平台用户的历史浏览数据的购买贡献度和每类商品的购买习惯值，确定每类商品的决策进度；基于每类商品的决策进度对每个电商平台用户进行商品推荐。
[0006]优选的，所述结合每类商品的每个历史浏览数据和对应的邻近的历史浏览数据的初始贡献度的波动情况、历史浏览数据和邻近的历史浏览数据在时序上位置的分布，确定每类商品的每个历史浏览数据的购买贡献度，包括：
根据每类商品的历史浏览数据和对应的邻近的历史浏览数据的初始贡献度的波动情况、历史浏览数据和邻近的历史浏览数据在时序上位置的分布情况，确定每类商品的每个历史浏览数据的进度贡献度；根据每类商品的每个历史浏览数据的初始贡献度和进度贡献度，确定每类商品的每个历史浏览数据的购买贡献度；其中，初始贡献度和进度贡献度均与购买贡献度呈正相关关系。
[0007]优选的，所述进度贡献度的计算公式为：其中，为第C类商品的相邻两次历史购买数据之间的第i个历史浏览数据的进度贡献度；exp为以自然常数为底数的对数函数；N为第C类商品的历史浏览数据对应的滑动窗口内历史浏览数据的数量；为第C类商品的相邻两次历史购买数据之间的第i个历史浏览数据的对应的滑动窗口内第n个历史浏览数据的初始贡献度；为第C类商品的相邻两次历史购买数据之间的第i个历史浏览数据对应的滑动窗口内历史浏览数据的初始贡献度的均值；为第C类商品的相邻两次历史购买数据之间的第i个历史浏览数据的对应的滑动窗口内第n个历史浏览数据对应的时刻；为第C类商品的相邻两次历史购买数据之间的第i个历史浏览数据对应的时刻。
[0008]优选的，所述初始贡献度的计算公式为：其中，为第C类商品的相邻两次历史购买数据之间的第i个历史浏览数据的初始贡献度；N为第C类商品的历史浏览数据对应的滑动窗口内历史浏览数据的数量；为第C类商品的相邻两次历史购买数据之间的第i个历史浏览数据对应的滑动窗口内第n个历史浏览数据；为第C类商品的相邻两次历史购买数据中后一次历史购买数据。
[0009]优选的，所述根据每类商品的所有相邻两次历史购买数据之间的历史浏览数据的数量，确定每个电商平台用户的每类商品的购买习惯值，包括：对于每个电商平台用户的每类商品，计算每类商品的相邻两次历史购买数据之间的所有历史浏览数据的数量的倒数，作为每类商品的相邻两次历史购买数据中后一次历史购买数据的贡献单位；将每类商品的所有历史购买数据的贡献单位的均值，作为每个电商平台用户的每类商品的购买习惯值。
[0010]优选的，所述结合每个电商平台用户的历史浏览数据的购买贡献度和每类商品的
购买习惯值，确定每类商品的决策进度，包括：将每个电商平台用户的历史浏览数据的购买习惯值作为权重，对每个电商平台用户的每类商品的最近一次历史购买数据与上一次历史购买数据之间的所有历史浏览数据的购买贡献度的和值进行加权，得到每类商品的决策进度。
[0011]优选的，历史购买数据和历史浏览数据均为由各自对应的商品的标签构成的向量。
[0012]优选的，所述基于每类商品的决策进度对每个电商平台用户进行商品推荐，包括：将最大决策进度的商品种类对应的商品推荐给对应的电商平台用户。
[0013]优选的，历史浏览数据的滑动窗口的边长为7。
[0014]优选的，历史浏览数据对应的时刻以小时为单位。
[0015]本专利技术实施例至少具有如下有益效果：本专利技术涉及商品推荐
用户在购买商品之前正常会有一系列的浏览行为，当浏览数据与购买数据越接近时，反映浏览数据对完成交易是有贡献的，故该方法首先将每个电商平台用户的每类商品的历史浏览数据和历史购买数据的相似性进行分析，作为每类商品的每个历史浏览数据的初始贡献度。考察浏览数据和近邻的浏览数据，即实现对浏览数据的局部波动情况分析，并进一步引入对浏览数据的位置信息分析，得到浏览数据的购买贡献度，浏览数据局部分布越密集且初始贡献度的波动越小，反映对应浏览数据的有用信息越多，其对完成交易的贡献度越大，该购买贡献度即为局部浏览数据对完成交易的特征贡献度，结合每类商品的历史浏览数据的初始贡献度的局部波动情况、历史浏览数据在时序上位置的分布，确定每类商品的每个历史浏览数据的购买贡献度；根据每类商品的历史浏览数据的数量，确定每个电商平台用户的每类商品的购买习惯值；结合每个电商平台用户的历史浏览数据的购买贡献度和每类商品的购买习惯值，确定每类商品的决策进度，实现在对历史数据分析，给用户提供精准的导购方案，因为每一次的购买过程中都存在一定的决策习惯，在向用户展示个性化推荐时，历史决策进度对下一次商品购买的预测更具有代表性；最后基于每类商品的决策进度对每个电商平台用户进行商品推荐，实现对电商平台用户的商品精准推荐的目的，提高了对用户进行商品推荐时的精准性。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的电商个性化精准导购方法，其特征在于，该方法包括以下步骤：获取每个电商平台用户的每类商品的历史购买数据和历史浏览数据；根据每个电商平台用户的每类商品的历史浏览数据和历史购买数据的相似程度，确定每类商品的每个历史浏览数据的初始贡献度；结合每类商品的每个历史浏览数据和对应的邻近的历史浏览数据的初始贡献度的波动情况、历史浏览数据和邻近的历史浏览数据在时序上位置的分布，确定每类商品的每个历史浏览数据的购买贡献度；根据每类商品的所有相邻两次历史购买数据之间的历史浏览数据的数量，确定每个电商平台用户的每类商品的购买习惯值；结合每个电商平台用户的历史浏览数据的购买贡献度和每类商品的购买习惯值，确定每类商品的决策进度；基于每类商品的决策进度对每个电商平台用户进行商品推荐。2.根据权利要求1所述的基于人工智能的电商个性化精准导购方法，其特征在于，所述结合每类商品的每个历史浏览数据和对应的邻近的历史浏览数据的初始贡献度的波动情况、历史浏览数据和邻近的历史浏览数据在时序上位置的分布，确定每类商品的每个历史浏览数据的购买贡献度，包括：根据每类商品的历史浏览数据和对应的邻近的历史浏览数据的初始贡献度的波动情况、历史浏览数据和邻近的历史浏览数据在时序上位置的分布情况，确定每类商品的每个历史浏览数据的进度贡献度；根据每类商品的每个历史浏览数据的初始贡献度和进度贡献度，确定每类商品的每个历史浏览数据的购买贡献度；其中，初始贡献度和进度贡献度均与购买贡献度呈正相关关系。3.根据权利要求2所述的基于人工智能的电商个性化精准导购方法，其特征在于，所述进度贡献度的计算公式为：其中，为第C类商品的相邻两次历史购买数据之间的第i个历史浏览数据的进度贡献度；exp为以自然常数为底数的对数函数；N为第C类商品的历史浏览数据对应的滑动窗口内历史浏览数据的数量；为第C类商品的相邻两次历史购买数据之间的第i个历史浏览数据的对应的滑动窗口内第n个历史浏览数据的初始贡献度；为第C类商品的相邻两次历史购买数据之间的第i个历史浏览数据对应的滑动窗口内历史浏览数据的初始贡献度的均值；为第C类商品的相邻两次历史购买数据之间的第i个历史浏览数据的对应的滑动窗口内第n个历史浏览数据对应的时刻...

【专利技术属性】
技术研发人员：周灏，谢永意，梁杰，陈拉拉，朱豪举，
申请(专利权)人：量子数科科技有限公司，
类型：发明
国别省市：