一种基于大数据的直播购物推荐化方法技术

本发明专利技术提供了一种基于大数据的直播购物推荐化方法、装置、设备及可读存储介质，涉及大数据处理技术领域，包括通过采用图像识别和层次分析法对直播间内所有用户观看过的直播图像信息进行处理，确定所有用户观看到次数超过阈值的商品图像，进而确定用户感兴趣的商品图像，并通过用户感兴趣的商品图像和用户在观看直播时的评论信息进行关联分析确定关联度，进而通过将关联度发送至训练后的预测模型，预测用户在不同时间段喜好的商品推荐链接，这样可以增加判断用户喜好的准确率，并针对于每个用户挂载不同的链接，增加用户消费的几率。增加用户消费的几率。增加用户消费的几率。

【技术实现步骤摘要】
一种基于大数据的直播购物推荐化方法


[0001]本专利技术涉及大数据处理
，具体而言，涉及基于大数据的直播购物推荐化方法、装置、设备及可读存储介质。

技术介绍

[0002]随着电商直播行业的快速发展，通过直播进行商品等推荐对象的推荐已成为一种流行的信息传递方式，在相关技术中训练时存在明显的样本选择偏差问题和训练数据稀疏问题，导致目前在直播实时推荐场景下推荐直播的准确性差，现需要一种能够在训练时进行调整，并针对于不同用户的不同特征，进行针对性推荐的方法。

技术实现思路

[0003]本专利技术的目的在于提供一种基于大数据的直播购物推荐化方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本专利技术采取的技术方案如下：
[0004]第一方面，本申请提供了一种基于大数据的直播购物推荐化方法，包括：
[0005]获取直播间内所有用户观看过的直播图像信息和用户观看直播时的评论信息；
[0006]将所有用户观看过的直播图像信息进行分析处理，得到每个用户的兴趣点图像信息，所述兴趣点图像信息为用户观看次本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的直播购物推荐化方法，其特征在于，包括：获取直播间内所有用户观看过的直播图像信息和用户观看直播时的评论信息；将所有用户观看过的直播图像信息进行分析处理，得到每个用户的兴趣点图像信息，所述兴趣点图像信息为用户观看次数超过预设阈值的商品图像信息；将所有用户的所述兴趣点图像信息与所有用户观看直播时的评论信息进行灰色关联分析，得到所述兴趣点图像信息与用户观看直播时的评论信息的关联度；将预设的推荐链接、所述兴趣点图像信息与用户观看直播时的评论信息的关联度发送至推荐链接生成模型进行处理，得到每个用户的购物推荐链接，所述推荐链接生成模型是基于所述关联度和预设的历史推荐链接预测当前时间段每个用户对应的推荐链接的模型；将所述每个用户的购物推荐链接挂载在每个用户对应的直播页面。2.根据权利要求1所述的基于大数据的直播购物推荐化方法，其特征在于,所述将所有用户观看过的直播图像信息进行分析处理，得到每个用户的兴趣点图像信息，包括：将所有用户观看过的直播图像信息进行预处理，其中所述预处理步骤包括：小角度旋转、平面翻转、图片平移、亮度调整和对比度拉伸，得到预处理后的直播图像信息；将预处理后的直播图像信息发送至图像识别模型进行图像识别，其中将所有图像基于Yolov3网络进行图像识别，得到每个图像中包含的商品图像信息；将所有图像中包含的商品图像信息进行层次分析，确定每个商品图像信息所占比重；基于所述每个商品图像信息所占比重确定每个用户观看次数最多的商品图像信息，并将每个用户观看比重最多的所述商品图像信息命名为兴趣点图像信息。3.根据权利要求1所述的基于大数据的直播购物推荐化方法，其特征在于,所述将所有用户的所述兴趣点图像信息与所有用户观看直播时的评论信息进行灰色关联分析，包括：将所有用户观看直播时的评论信息发送至Bert模型中进行预训练，生成确定每个用户观看直播时的评论信息中的特征语句，所述特征语句为表现对直播间内商品的是否喜欢的语句；将所述特征语句与每个用户进行一一对应，并将所述用户的特征语句对所述用户进行标记，得到标记后的用户信息；将所有用户的所述兴趣点图像信息和所述标记后的用户信息进行灰色关联分析，其中将所述兴趣点图像信息中包含的每个图像信息所占比重和所述特征语句进行无纲量化处理，确定每个所述兴趣点图像信息中包含的图像信息和对应用户的特征语句之间的关联系数；基于所述关联系数计算每个所述兴趣点图像信息中包含的图像信息和对应用户的特征语句之间的关联度，将所述关联度作为每个用户的兴趣点图像信息与对应用户观看直播时的评论信息的关联度。4.根据权利要求1所述的基于大数据的直播购物推荐化方法，其特征在于,将预设的推荐链接、所述兴趣点图像信息与用户观看直播时的评论信息的关联度发送至推荐链接生成模型进行处理，包括：将预设的历史推荐链接、所述兴趣点图像信息与用户观看直播时的评论信息的关联度进行分类，得到训练集和验证集；将训练集发送至LSTM神经网络模型进行处理，其中对训练集内的数据以小时为单位进
行分段，并将不同时段的训练集输入值LSTM神经网络进行处理，得到不同时段的输出数据，所述输出数据为不同时间段的推荐链接；将所述验证集与所述输出数据进行对比，得到对比结果，若所述对比结果为所述验证集与所述输出数据不一致，则采用贝叶斯优化算法不断调节参数，直至所述对比结果为所述验证集与所述输出数据一致，其中所述参数为LSTM神经网络的权值和偏置，所述LSTM神经网络的权值为每个推荐链接对应的所述兴趣点图像信息与用户观看直播时的评论信息的关联度。5.根据权利要求4所述的基于大数据的直播购物推荐化方法，其特征在于,所述将训练集发送至LSTM神经网络模型进行处理，包括：将所述训练集发送至自编码器进行训练，其中按照预设的编码公式进行编码，并采用反向传播和梯度下降算法调节所述自编码器的参数，得到每个时段的训练集的特征序列；将所述训练集和每个时段的训练集的特征序列按照预设的预测公式进行计算，得到不同时段的预测数据。6.一种基于大数据的直播购物推荐化装置...

【专利技术属性】
技术研发人员：陈赣，刘丽，李志燕，
申请(专利权)人：宁波理查德文化创意有限公司，
类型：发明
国别省市：