【技术实现步骤摘要】
本专利技术属于商品推荐，尤其涉及一种基于大数据分析的商品组合推荐方法及系统。
技术介绍
1、目前，随着电子商务规模的不断扩张，商品种类和数量随之飞速增长，这使得顾客需要消耗大量时间来筛选所需商品。推荐系统作为一种信息过滤模型，可以根据用户的历史行为数据，生成用户可能需要的商品列表，从而缩短用户挑选商品所需的时间。传统推荐模型多依赖于特征工程或矩阵分解等方法来实现，例如协同过滤、因子分解机等。然而，这类模型在处理大规模和复杂数据时往往显得力不从心。举例来说，在面对包含复杂用户交互模式或商品含有丰富语义信息的场景时，由于线性特征的限制和相对简单的模型结构，传统模型难以充分捕捉和利用数据中的非线性关系和深层次模式，容易忽略用户的长期偏好或短期偏好，导致推荐结果较为片面，从而影响了模型的推荐精度。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于大数据分析的商品组合推荐方法及系统，可以提高模型的推荐精度和全面性，可更准确地反映用户、商品的属性和特点，从而提供更加精准地推荐，具体采用以下技术方案
【技术保护点】
1.一种基于大数据分析的商品组合推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据分析的商品组合推荐方法，其特征在于，获取用户在购物网站中商品的语义偏好和停留时间，包括：
3.根据权利要求2所述的基于大数据分析的商品组合推荐方法，其特征在于，还包括：
4.根据权利要求1所述的基于大数据分析的商品组合推荐方法，其特征在于，对语义偏好和停留时间进行挖掘分析得到语义偏好融合模型，包括：
5.根据权利要求1所述的基于大数据分析的商品组合推荐方法，其特征在于，将所述语义偏好模型中的商品进行特征提取得到价格偏好...
【技术特征摘要】
1.一种基于大数据分析的商品组合推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据分析的商品组合推荐方法，其特征在于，获取用户在购物网站中商品的语义偏好和停留时间，包括：
3.根据权利要求2所述的基于大数据分析的商品组合推荐方法，其特征在于，还包括：
4.根据权利要求1所述的基于大数据分析的商品组合推荐方法，其特征在于，对语义偏好和停留时间进行挖掘分析得到语义偏好融合模型，包括：
5.根据权利要求1所述的基于大数据分析的商品组合推荐方法，其特征在于，将所述语义偏好模型中的商品进行特征提取得到价格偏好信息和商品兴趣信息，包括：
6.根据权利要求5所述的基于大数据分析的商品组合推荐方法...
【专利技术属性】
技术研发人员：谢伟超，胡瑞航，朱艺康，
申请(专利权)人：深圳市伙伴行网络科技有限公司，
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。