【技术实现步骤摘要】
本专利技术涉及计算机数据处理，特别是涉及一种基于用户分析的个性化推荐方法。
技术介绍
1、售卖商品的街景车是一种特殊设计的流动商业车辆，通常用于在城市街道或特定区域提供商品销售和服务。这种类型的车辆通常被设计成开放式的结构，以便向顾客展示商品并进行交易。售卖商品的街景车具有丰富多样的形式和功能，它们可以根据市场需求和创意进行不同类型的设计和运营。
2、根据个人创业者的实际情况，选择适合自己的售卖商品的街景车类型是一个需要仔细权衡和研究的过程。例如，不同类型的街景车可能吸引不同的目标顾客群体，需要根据所在地区、人群特点等因素进行选择，以确保有足够的潜在客户群体；不同类型的街景车会涉及不同的启动成本；市场需求会随着不同地理环境的气候等因素变化，选择适合的街景车类型需要对市场趋势和消费者需求有较准确的了解。
3、通过自动化推荐系统对售卖商品的街景车进行推荐，可以为用户提供个性化、高效、准确的选择服务，同时也为企业提供了一个有效的营销工具，促进业务的增长。但目前还没有针对售卖商品的街景车的自动化推荐方法，因此，亟须一种基于用户分析的个性化推荐方法用于对实时用户进行街景车个性化推荐。
技术实现思路
1、为了解决上述技术问题，本专利技术提供了一种基于用户分析的个性化推荐方法，包括：
2、根据街景车推荐购买平台中街景车的销量和点击量生成初始推荐列表；
3、在用户登录所述街景车推荐购买平台后，获取所述用户的历史行为；
4、当存在所述历史行
5、当不存在所述历史行为时，将所述初始推荐列表记为个性化推荐列表，根据所述个性化推荐列表的街景车排列顺序向所述用户进行街景车推荐；
6、获取所述用户的实时点击行为，根据实时点击行为调整所述个性化推荐列表。
7、优选的，根据街景车推荐购买平台中街景车的销量和点击量生成初始推荐列表时，包括：
8、获取所述街景车推荐购买平台中所有所述街景车的销量，按照所述销量从高到低的顺序生成基础推荐列表；
9、获取所述基础推荐列表中每一所述街景车的浏览次数，根据所有所述街景车的浏览次数调整所述基础推荐列表中的街景车顺序，获得初始推荐列表。
10、优选的，在获取所述基础推荐列表中每一所述街景车的浏览次数，根据所有所述街景车的浏览次数调整所述基础推荐列表中的街景车顺序，获得初始推荐列表时，包括：
11、获取所述基础推荐列表中每一所述街景车的销量和浏览次数，预先设定销量权重和浏览次数权重，根据每一所述街景车的所述销量、浏览次数、销量权重和浏览次数权重计算每一所述街景车的推荐总分，计算公式为：
12、；
13、其中，st表示推荐总分，ωs表示所述销量权重，s表示所述销量，ωv表示所述浏览次数权重，v表示所述浏览次数；
14、根据所述基础推荐列表中的每一所述街景车的推荐总分按照从高到低的顺序，对所述基础推荐列表中的所有所述街景车进行排序，获得初始推荐列表。
15、优选的，在用户登录所述街景车推荐购买平台后，获取所述用户的历史行为，包括：
16、所述历史行为包括历史登录行为和历史浏览行为；
17、在用户登录所述街景车推荐购买平台后，获取所述用户的历史登录行为；当存在所述历史登录行为时，同时获取所述历史浏览行为；
18、当存在所述历史浏览行为时，判定存在所述历史行为；
19、当不存在所述历史浏览行为时，判定不存在所述历史行为；
20、当不存在所述历史登录行为时，判定不存在所述历史行为。
21、优选的，当存在所述历史行为时，根据所述历史行为调整所述初始推荐列表，获得个性化推荐列表，包括：
22、获取所述历史浏览行为中的所有街景车；获取所述用户对每一所述街景车的浏览时长和点击频次，根据每一所述街景车的浏览时长和点击频次对所述历史浏览行为中的所有街景车进行排序，提取排名前a%的所述街景车的关键特征，记为历史关键特征，建立包含若干所述历史关键特征的历史关键特征集合；
23、获取若干所述历史关键特征的出现频次，根据所述出现频次从大到小的顺序对所述历史关键特征集合中的若干所述历史关键特征进行优先级的排序，获得历史关键特征列表；将所述历史关键特征列表中的历史关键特征应用于初始推荐列表；根据所述历史关键特征的优先级，对初始推荐列表中的街景车的排序进行调整，获得所述个性化推荐列表。
24、优选的，在获取所述历史浏览行为中的所有街景车；获取所述用户对每一所述街景车的浏览时长和点击频次，根据每一所述街景车的浏览时长和点击频次对所述历史浏览行为中的所有街景车进行排序时，包括：
25、获取所述用户对每一所述街景车的浏览时长，记为单品历史浏览时长，同时获取历史浏览总时长；获取所述用户对每一所述街景车的点击频次，记为单品历史点击频次；
26、计算所述单品历史浏览时长占所述历史浏览总时长的百分比值，记为单品浏览时长占比；
27、根据所述用户的所述单品浏览时长占比和所述单品历史点击频次，分析所述用户的行为规律；
28、当所述用户的浏览时长普遍较长，所述行为规律则为所述用户倾向于浏览时间较长的所述街景车，则将每一所述单品浏览时长占比记为每一所述街景车的个性化推荐得分，根据所有所述个性化推荐得分，按照从高到低的顺序对所述历史浏览行为中的所有街景车进行排序；
29、当所述用户的点击频次普遍较高，所述行为规律则为所述用户倾向于点击频次较高的所述街景车，则将每一所述点击频次记为每一所述街景车的个性化推荐得分，根据所有所述个性化推荐得分，按照从高到低的顺序对所述历史浏览行为中的所有街景车进行排序；
30、当所述用户的行为规律同时涉及浏览时长和点击频次时，根据所述浏览时长和点击频次计算权衡因子，根据所述权衡因子对所述历史浏览行为中的所有街景车进行排序。
31、优选的，在根据所述用户的所述单品浏览时长占比和所述单品历史点击频次，分析所述用户的行为规律时，包括：
32、预先设定单品浏览时长预设占比a0和长时间浏览数量预设比值b0，将所述历史浏览行为中的所有街景车的数量记为c；其中，0.5＜b0＜1；
33、将所述单品浏览时长占比记为a，获取所述单品浏览时长占比a大于等于所述单品浏览时长预设占比a0的街景车数量，记为浏览数量c1；
34、计算所述浏览数量c1与所述历史浏览行为中的所有街景车的数量c的比值q，将所述比值q与所述长时间浏览数量预设比值b0进行比对；预先设定单品预设点击频次d0和点击高频次预设数量e0，将所述历史浏览行为中的所有街景车的数量记为c；其中，e0＜c；
35、将所述历史浏览行为中的每一所述街景车的点击频次记为f，本文档来自技高网...
【技术保护点】
1.一种基于用户分析的个性化推荐方法，其特征在于，包括：
2.根据权利要求1所述的基于用户分析的个性化推荐方法，其特征在于，根据街景车推荐购买平台中街景车的销量和点击量生成初始推荐列表时，包括：
3.根据权利要求2所述的基于用户分析的个性化推荐方法，其特征在于，在获取所述基础推荐列表中每一所述街景车的浏览次数，根据所有所述街景车的浏览次数调整所述基础推荐列表中的街景车顺序，获得初始推荐列表时，包括：
4.根据权利要求1所述的基于用户分析的个性化推荐方法，其特征在于，在用户登录所述街景车推荐购买平台后，获取所述用户的历史行为，包括：
5.根据权利要求4所述的基于用户分析的个性化推荐方法，其特征在于，当存在所述历史行为时，根据所述历史行为调整所述初始推荐列表，获得个性化推荐列表，包括：
6.根据权利要求5所述的基于用户分析的个性化推荐方法，其特征在于，在获取所述历史浏览行为中的所有街景车；获取所述用户对每一所述街景车的浏览时长和点击频次，根据每一所述街景车的浏览时长和点击频次对所述历史浏览行为中的所有街景车进行排序时，包括：
7.根据权利要求6所述的基于用户分析的个性化推荐方法，其特征在于，在根据所述用户的所述单品浏览时长占比和所述单品历史点击频次，分析所述用户的行为规律时，包括：
8.根据权利要求6所述的基于用户分析的个性化推荐方法，其特征在于，当所述用户的行为规律同时涉及浏览时长和点击频次时，根据所述浏览时长和点击频次计算权衡因子，根据所述权衡因子对所述历史浏览行为中的所有街景车进行排序，包括：
9.根据权利要求5所述的基于用户分析的个性化推荐方法，其特征在于，获取若干所述历史关键特征的出现频次，根据所述出现频次从大到小的顺序对所述历史关键特征集合中的若干所述历史关键特征进行优先级的排序，获得历史关键特征列表；将所述历史关键特征列表中的历史关键特征应用于初始推荐列表；根据所述历史关键特征的优先级，对初始推荐列表中的街景车的排序进行调整，获得所述个性化推荐列表，包括：
10.根据权利要求1所述的基于用户分析的个性化推荐方法，其特征在于，当获取所述用户的实时点击行为，根据实时点击行为调整所述个性化推荐列表时，包括：
...【技术特征摘要】
1.一种基于用户分析的个性化推荐方法，其特征在于，包括：
2.根据权利要求1所述的基于用户分析的个性化推荐方法，其特征在于，根据街景车推荐购买平台中街景车的销量和点击量生成初始推荐列表时，包括：
3.根据权利要求2所述的基于用户分析的个性化推荐方法，其特征在于，在获取所述基础推荐列表中每一所述街景车的浏览次数，根据所有所述街景车的浏览次数调整所述基础推荐列表中的街景车顺序，获得初始推荐列表时，包括：
4.根据权利要求1所述的基于用户分析的个性化推荐方法，其特征在于，在用户登录所述街景车推荐购买平台后，获取所述用户的历史行为，包括：
5.根据权利要求4所述的基于用户分析的个性化推荐方法，其特征在于，当存在所述历史行为时，根据所述历史行为调整所述初始推荐列表，获得个性化推荐列表，包括：
6.根据权利要求5所述的基于用户分析的个性化推荐方法，其特征在于，在获取所述历史浏览行为中的所有街景车；获取所述用户对每一所述街景车的浏览时长和点击频次，根据每一所述街景车的浏览时长和点击频次对所述历史浏览行为中的所有街景车...
【专利技术属性】
技术研发人员：张继东，李文君，徐珊珊，刘亦安，
申请(专利权)人：山东街景智能制造科技股份有限公司，
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。