【技术实现步骤摘要】
一种服务消费机器人智能推荐方法及系统
[0001]本专利技术涉及智能推荐
,特别是涉及一种服务消费机器人智能推荐方法及系统
。
技术介绍
[0002]服务机器人是庞大机器人家族中的一个年轻成员,到目前为止尚没有一个严格的定义
。
根据其用途不同,可以划分为消费机器人
、
保洁机器人
、
教育机器人
、
医疗机器人
、
家用机器人
、
服务型机器人及娱乐机器人,应用范围非常广泛
。
相比已步入成熟阶段的工业机器人,服务机器人消费对象众多,市场空间更为广阔,因此服务机器人已成为科技界发展的一大趋势
。
[0003]然而现有技术中,对于消费机器人的实际应用中,消费机器人会对消费者提供商品推荐智能服务,现有的推荐方式都是基于环境背景下的热度商品推荐,并不能很好的满足每个消费者的针对性需求,并且,在推送过程中推送的商品数量众多,使得消费者无法浏览需求物品,导致消费者的体验感差,因此,如何提供一种服务消费机器人智能推荐方法及系统是本领域技术人员急需解决的技术问题
。
技术实现思路
[0004]本专利技术的目的是提供一种服务消费机器人智能推荐方法及系统,本专利技术通过针对消费者的个性化消费信息对消费者进行针对性商品推荐,提高了推荐商品的需求准确性,更好的满足消费者的使用
。
[0005]为了实现上述目的,本专利技术提供了如下的技术方案:一种服务消费机器 ...
【技术保护点】
【技术特征摘要】
1.
一种服务消费机器人智能推荐方法,应用于商场商铺机器人中,其特征在于,包括:基于大数据技术获取消费者的消费记录,所述消费记录包括消费者的若干个历史消费金额
、
若干个历史消费商品以及若干个历史购物时长;根据若干个所述历史消费金额计算所述消费者的平均消费金额
M
,以及根据若干个所述历史购物时长中的极大值和极小值计算时长差值
t
;对若干个所述历史消费商品进行关键词提取,根据提取结果确定若干个与所述关键词相对应地商品类型,依次由高到低确定出现关键词最多的四种商品类型,并按照由高到低将四种所述商品类型所对应的若干个消费商品分别划分为一级推送商品
、
二级推送商品
、
三级推送商品以及四级推送商品;根据所述平均消费金额
M、
所述时长差值
t
以及所述关键词相对应地商品类型选定相对应地若干个所述消费商品进行商品推荐
。2.
根据权利要求1所述的一种服务消费机器人智能推荐方法,其特征在于,根据所述平均消费金额
M、
所述时长差值
t
以及所述关键词相对应地商品类型选定相对应地若干个所述消费商品进行商品推荐,包括:分别确定进行商品推荐时的商品等级,所述商品等级包括所述一级推送商品
、
所述二级推送商品
、
所述三级推送商品以及所述四级推送商品,根据所述商品等级确定所对应地若干个所述消费商品的数量,并将若干个所述消费商品所对应地商品金额依次由高到低进行排序;设定预设平均消费金额矩阵
T0
和预设消费商品推送数量矩阵
A
,对于所述预设消费商品推送数量矩阵
A
,设定
A(A1,A2,A3,A4)
,其中
A1
为第一预设消费商品推送数量,
A2
为第二预设消费商品推送数量,
A3
为第三预设消费商品推送数量,
A4
为第四预设消费商品推送数量,且
A1
<
A2
<
A3
<
A4
;对于所述预设平均消费金额矩阵
T0
,设定
T0(T01,T02,T03,T04),
其中,
T01
为第一预设平均消费金额,
T02
为第二预设平均消费金额,
T03
为第三预设平均消费金额,
T04
为第四预设平均消费金额,且
T01
<
T02
<
T03
<
T04
;根据
M
与所述预设平均消费金额矩阵
T0
之间的关系选定相应的消费商品推送数量作为进行商品推荐时推荐的商品数量,并按照排序结果依次由高到低进行优先推荐;当
M
<
T01
时,选定所述第一预设消费商品推送数量
A1
作为进行商品推荐时推荐的商品数量,并按照排序结果依次由高到低进行优先推荐;当
T01≤M
<
T02
时,选定所述第二预设消费商品推送数量
A2
作为进行商品推荐时推荐的商品数量,并按照排序结果依次由高到低进行优先推荐;当
T02≤M
<
T03
时,选定所述第三预设消费商品推送数量
A3
作为进行商品推荐时推荐的商品数量,并按照排序结果依次由高到低进行优先推荐;当
T03≤M
<
T04
时,选定所述第四预设消费商品推送数量
A4
作为进行商品推荐时推荐的商品数量,并按照排序结果依次由高到低进行优先推荐
。3.
根据权利要求2所述的一种服务消费机器人智能推荐方法,其特征在于,设定预设时长差值矩阵
R0
和预设消费商品推送数量修正系数矩阵
B
,对于所述预设消费商品推送数量修正系数矩阵
B
,设定
B(B1,B2,B3,B4)
,其中
B1
为第一预设消费商品推送数量修正系数,
B2
为第二预设消费商品推送数量修正系数,
B3
为第三预设消费商品推送数量
修正系数,
B4
为第四预设消费商品推送数量修正系数,且1<
B1
<
B2
<
B3
<
B4
<3;对于所述预设时长差值矩阵
R0
,设定
R0(R01,R02,R03,R04),
其中,
R01
为第一预设时长差值,
R02
为第二预设时长差值,
R03
为第三预设时长差值,
R04
为第四预设时长差值,且
R01
<
R02
<
R03
<
R04
;根据
t
与所述预设时长差值矩阵
R0
之间的关系选定相应的消费商品推送数量修正系数以对各预设消费商品推送数量进行修正,并分别将修正后的消费商品推送数量向下取整作为进行商品推荐时推荐的商品数量,并按照排序结果依次由高到低进行优先推荐;当
t
<
R01
时,选定所述第一预设消费商品推送数量修正系数
B1
对所述第一预设消费商品推送数量
A1
进行修正,修正后的消费商品推送数量为
A1
×
B1
,当修正后的消费商品推送数量不为整数时,将修正后的消费商品推送数量向下取整作为进行商品推荐时推荐的商品数量,并按照排序结果依次由高到低进行优先推荐;当
R01≤t
<
R02
,选定所述第二预设消费商品推送数量修正系数
B2
对所述第二预设消费商品推送数量
A2
进行修正,修正后的消费商品推送数量为
A2
×
B2
,当修正后的消费商品推送数量不为整数时,将修正后的消费商品推送数量向下取整作为进行商品推荐时推荐的商品数量,并按照排序结果依次由高到低进行优先推荐;当
R02≤t
<
R03
,选定所述第三预设消费商品推送数量修正系数
B3
对所述第三预设消费商品推送数量
A3
进行修正,修正后的消费商品推送数量为
A3
×
B3
,当修正后的消费商品推送数量不为整数时,将修正后的消费商品推送数量向下取整作为进行商品推荐时推荐的商品数量,并按照排序结果依次由高到低进行优先推荐;当
R03≤t
<
R04
,选定所述第四预设消费商品推送数量修正系数
B4
对所述第四预设消费商品推送数量
A4
进行修正,修正后的消费商品推送数量为
A4
×
B4
,当修正后的消费商品推送数量不为整数时,将修正后的消费商品推送数量向下取整作为进行商品推荐时推荐的商品数量,并按照排序结果依次由高到低进行优先推荐
。4.
根据权利要求3所述的一种服务消费机器人智能推荐方法,其特征在于,按照排序结果依次由高到低进行优先推荐,还包括:确定进行商品推荐时推荐的商品数量是否大于
10
,当进行商品推荐时推荐的商品数量大于
10
时,以
10
为倍数将商品数量向下取整,并按照所述消费商品所对应地所述商品等级分别确定各所述商品等级所对应地消费商品推送数量作为进行商品推荐时推荐的商品数量;其中,根据向下取整后的商品数量,将
40%
的所述一级推送商品所对应地所述消费商品按照排序结果依次由高到低进行优先推荐;根据向下取整后的商品数量,将
30%
的所述二级推送商品所对应地所述消费商品按照排序结果依次由高到低进行优先推荐;根据向下取整后的商品数量,将
20%
的所述三级推送商品所对应地所述消费商品按照排序结果依次由高到低进行优先推荐;根据向下取整后的商品数量,将
10%
的所述四级推送商品所对应地所述消费商品按照排序结果依次由高到低进行优先推荐
。5.
根据权利要求4所述的一种服务消费机器人智能推荐方法,其特征在于,还包括:根据若干个所述历史购物时长中计算时长平均值
i
,并根据所述时长平均值
i
与所述时
长差值
t
计算时长参数
R
,
R=|t
‑
i|
;当
R
大于第一预设标准时长参数
K1
时,则不将所述四级推送商品所对应地所述消费商品进行商品推荐,并将所述四级推送商品所对应地所述消费商品的数量增加至所述一级推送商品所对应地所述消费商品的数量中;当
R
大于第二预设标准时长参数
K1
,且小于所述第一预设标准时长参数
K1
时,则不将所述四级推送商品以及所述三级推送商品所对应地所述消费商品进行商品推荐,并将所述四级推送商品及所述三级推送商品所对应地所述消费商品的数量增加至所述一级推送商品所对应地所述消费商品的数量中;当
R
大于第三预设标准时长参数
K1
,且小于所述第二预设标准时长参数
K2
时,则不将所述四级推送商品
、
所述三级推送商品以及所述二级推送商品所对应地所述消费商品进行商品推荐,并将所述四级推送商品
、
所述三级推送商品以及所述二级推送商品所对应地所述消费商品的数量增加至所述一级推送商品所对应地所述消费商品的数量中;其中,
K1
>
K2
>
K3。6...
【专利技术属性】
技术研发人员:高峰,曹红雨,
申请(专利权)人:廊坊市珍圭谷科技有限公司,
类型:发明
国别省市:
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。