推荐信息的输出方法、系统及服务器技术方案

本申请公开了一种推荐信息的输出方法、系统及服务器，该方法包括：从用户行为数据库中提取预设的统计周期内的用户行为数据；将用户行为数据按照商品标识进行归类，获得每一种商品在统计周期内的感兴趣程度的时间序列；根据感兴趣程度的时间序列计算商品的购买峰值概率；当接收到输出推荐信息的命令时，将购买峰值概率按照从高到低的顺序进行排序，根据排序的结果输出商品的推荐信息。本申请按照用户行为数据自动统计商品在时间维度上的购买峰值概率，由此可以提高推荐系统的推荐准确率，减少不必要的数据在网络中的传输量；由于推荐信息由服务器自动修正并输出，充分利用了服务器的计算能力，当通过购买峰值概率调整推荐信息时，可以减少推荐系统的信息输入量和计算资源。

【技术实现步骤摘要】
推荐信息的输出方法、系统及服务器
本申请涉及网络
，尤其涉及一种推荐信息的输出方法、系统及服务器。
技术介绍
网络购物已经成为人们生活中的一种常见的购物方式，用户在网站浏览商品并选择购物的过程中，网站的推荐引擎服务器可能向用户推荐热门商品，并将这些热门商品的相关信息呈现在网页的特定位置，供用户选择。现有技术中在输出推荐的商品信息时，仅仅按照商品的销量信息或者用户的感兴趣信息(例如：点击量或浏览量)进行推荐，比如，如果某件商品的历史购买量超过一定的数值，则向用户推荐该商品信息，或者，如果某件商品的点击量超过一定的数值，则向用户推荐该商品信息等。专利技术人在对现有技术的研究过程中发现，现有技术中的商品信息推荐输出方法，仅仅统计了商品在购买量等维度上的信息，仅仅是购买量等历史数据的累加，而忽略了时间因素对于商品推荐信息的影响，例如，用户在购买商品时，根据季节的不同存在差异，用户会在夏天大量购买短袖类的服装，到了冬天该短袖类服装的累积购买量或点击量已经非常高，此时如果仍然向用户推荐该服装，则将导致推荐引擎服务器的推荐准确率下降，用户体验也不高；并且由于冬天时羽绒服类的服装的点击量或购买量势必剧增，如果仅仅通过对历史购买量或点击量的累加来决定向用户推荐的商品，在冬天时可能会将羽绒服类的服装信息连同一些用户不需要的短袖类服装信息同时推荐给用户，导致在网络中传输的数据量增大，降低了网络数据传输速度。而为了防止上述推荐信息不准确的情况发生，现有的推荐引擎服务器通常采用人工方式，手动修改推荐信息，使得推荐信息与推荐时间相匹配，但是人工修改推荐信息工作量较大，自动化程度不高，难以充分利用推荐引擎服务器的计算能力。
技术实现思路
本申请实施例的目的是提供一种推荐信息的输出方法、系统及服务器，以解决现有技术中输出的推荐信息与推荐时间不匹配，且人工操作导致工作量较大的问题。为解决上述技术问题，本申请实施例提供了一种推荐信息的输出方法，是这样实现的：一种推荐信息的输出方法，包括：从用户行为数据库中提取预设的统计周期内的用户行为数据；将所述用户行为数据按照商品标识进行归类，获得每一种商品在所述统计周期内的感兴趣程度的时间序列；根据所述感兴趣程度的时间序列计算所述商品的购买峰值概率；当接收到输出推荐信息的命令时，将所述购买峰值概率按照从高到低的顺序进行排序，根据所述排序的结果输出商品的推荐信息。为解决上述技术问题，本申请实施例还提供了一种推荐信息的输出系统，是这样实现的：一种推荐信息的输出系统，包括：数据处理服务器、信息推荐服务器，其中，所述数据处理服务器，用于从用户行为数据库中提取预设的统计周期内的用户行为数据，将所述用户行为数据按照商品标识进行归类，获得每一种商品在所述统计周期内的感兴趣程度的时间序列，根据所述感兴趣程度的时间序列计算所述商品的购买峰值概率；信息推荐服务器，用于当接收到输出推荐信息的命令时，从所述数据处理服务器中获取每种商品的购买峰值概率，将所述购买峰值概率按照从高到低的顺序进行排序，并根据所述排序的结果输出商品的推荐信息。为解决上述技术问题，本申请实施例还提供了一种推荐信息的输出服务器，是这样实现的：一种推荐信息的输出服务器，包括：提取单元，用于从用户行为数据库中提取预设的统计周期内的用户行为数据；归类单元，用于将所述用户行为数据按照商品标识进行归类，获得每一种商品在所述统计周期内的感兴趣程度的时间序列；计算单元，用于根据所述感兴趣程度的时间序列计算所述商品的购买峰值概率；接收单元，用于接收输出推荐信息的命令；输出单元，用于将所述购买峰值概率按照从高到低的顺序进行排序，根据所述排序的结果输出商品的推荐信息。可见，本申请实施例中从用户行为数据库中提取预设的统计周期内的用户行为数据，将所述用户行为数据按照商品标识进行归类，获得每一种商品在所述统计周期内的感兴趣程度的时间序列，根据所述感兴趣程度的时间序列计算所述商品的购买峰值概率，当接收到输出推荐信息的命令时，将所述购买峰值概率按照从高到低的顺序进行排序，根据所述排序的结果输出商品的推荐信息。本申请输出推荐信息的实施例考虑了商品在时间维度上的信息，按照用户行为数据自动统计商品在时间维度上的购买峰值概率，并根据购买峰值概率向用户推荐信息，由此可以提高推荐系统的推荐准确率，减少不必要数据在网络中的传输量，提升用户体验、提高网络传输速度；并且，由于推荐信息由服务器自动修正并输出，因此克服了现有技术中需要手动调整推荐信息导致推荐系统的自动化程度不高的问题，充分利用了服务器的计算能力，当通过购买峰值概率调整推荐信息时，可以减少推荐系统的信息输入量，节约推荐系统的计算资源。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请推荐信息的输出方法的第一实施例流程图；图2为本申请推荐信息的输出方法的第二实施例流程图；图3为本申请推荐信息的输出系统的实施例框图；图4为本申请推荐信息的输出服务器的第一实施例框图；图5为本申请推荐信息的输出服务器的第二实施例框图。具体实施方式本申请实施例提供一种推荐信息的输出方法、系统及服务器。为了使本
的人员更好地理解本申请实施例中的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。参见图1，为本申请推荐信息的输出方法的第一实施例流程图：步骤101：从用户行为数据库中提取预设的统计周期内的用户行为数据。所有用户对商品的操作的行为数据都将保存到用户行为数据库中，用户行为数据的类型包括了用户对商品的点击数量、浏览数量、浏览时间、购买金额、购买数量等等，用户通过操作终端界面每完成一次用户行为时，服务器将该用户行为所触发的行为数据保存到行为数据库中与该用户对应的表项中。在用户行为数据库中，对于同一种商品的不同用户行为数据可能通过不同的基础表进行保存，当需要对用户行为数据进行处理时，则可根据统计周期的开始时间和结束时间查找用户行为数据库中的若干基础数据表，从若干基础数据表中获取与统计周期匹配的用户行为数据，并生成一张数据汇总表，该数据汇总表中可以包含用户行为数据的发生日期、商品标识、用户标识和若干行为数据。步骤102：将用户行为数据按照商品标识进行归类，获得每一种商品在统计周期内的感兴趣程度的时间序列。由于所生成的数据汇总表中包含了日期、商品标识、用户标识和若干行为数据等字段，因此为了获取统计周期内所有用户对同一商品的感兴趣程度，可以按照商品标识的不同，提取具有同一商品标识的用户行为数据，对于具有同一商品标识的用户行为数据，按照用户行为数据的类型分别汇总每一种类型的用户行为数据，并生成每一种类型的用户行为数据的时间序列。其中，时间序列中的时间点的个数可以预先设置，以统计周期为一年为例，如果时间点为一天，则该时间序列中包含365个时间点，如果时间点为一周，则该时间序列中包含52个时间点。因此，每一种类型的用户行为数据的时间序列中包含了与时间点个数一致本文档来自技高网...

【技术保护点】
１．一种推荐信息的输出方法，其特征在于，包括：从用户行为数据库中提取预设的统计周期内的用户行为数据；将所述用户行为数据按照商品标识进行归类，获得每一种商品在所述统计周期内的感兴趣程度的时间序列；根据所述感兴趣程度的时间序列计算所述商品的购买峰值概率；当接收到输出推荐信息的命令时，将所述购买峰值概率按照从高到低的顺序进行排序，根据所述排序的结果输出商品的推荐信息。

【技术特征摘要】
1.一种推荐信息的输出方法，其特征在于，包括：从用户行为数据库中提取预设的统计周期内的用户行为数据；将所述用户行为数据按照商品标识进行归类，获得每一种商品在所述统计周期内的感兴趣程度的时间序列；根据所述每一种商品在所述统计周期内的感兴趣程度的时间序列，计算每种商品在时间维度上的购买峰值概率；当接收到输出推荐信息的命令时，将当前时间点每种商品的购买峰值概率按照从高到低的顺序进行排序，从所述排序的结果中按照从高到低的顺序获取预设数量的商品的推荐信息，将所述预设数量的商品的推荐信息输入到推荐系统中，所述推荐系统用于对所述预设数量的商品的推荐信息进行处理后输出商品的推荐信息。2.根据权利要求1所述的方法，其特征在于，所述从用户行为数据库中提取预设的统计周期内的用户行为数据包括：按照所述统计周期的开始时间和结束时间查找用户行为数据库中的若干基础数据表；从所述若干基础数据表中获取与所述统计周期匹配的用户行为数据，并生成数据汇总表，所述数据汇总表中包含日期、商品标识、用户标识和若干行为数据。3.根据权利要求1所述的方法，其特征在于，所述将用户行为数据按照商品标识进行归类，获得每一种商品在统计周期内的感兴趣程度的时间序列包括：按照商品标识提取具有同一商品标识的用户行为数据；对于具有同一商品标识的用户行为数据，按照所述用户行为数据的类型分别汇总每一种类型的用户行为数据，并生成每一种类型的用户行为数据的时间序列；通过每一种类型的用户行为数据的权重值，计算所述商品的感兴趣程度的时间序列。4.根据权利要求1所述的方法，其特征在于，所述根据所述每一种商品在所述统计周期内的感兴趣程度的时间序列，计算所述商品的购买峰值概率，包括：根据所述感兴趣程度的时间序列中的所有感兴趣程度值计算所述时间序列的感兴趣程度平均值；根据所述感兴趣程度平均值计算感兴趣程度阈值；将每个感兴趣程度值与所述感兴趣程度平均值及感兴趣程度阈值分别进行比较；根据所述比较的结果，将低于所述感兴趣程度平均值的感兴趣程度值的购买峰值概率设置为0，将高于所述感兴趣程度阈值的感兴趣程度值的购买峰值概率设置为1，并根据所述感兴趣程度平均值和感兴趣程度阈值计算在上述两个值之间的感兴趣程度值的购买峰值概率。5.根据权利要求1所述的方法，其特征在于，所述获得每一种商品在统计周期内的感兴趣程度的时间序列后，还包括：根据所述感兴趣程度的时间序列计算所述商品的呈现周期；根据所述呈现周期修正所述商品的购买峰值概率，获得所述商品的周期购买峰值概率。6.根据权利要求1所述的方法，其特征在于，还包括：保存所述商品的购买峰值概率，并根据所述商品的信息更新情况按照预设的时间间隔维护所述商品的购买峰值概率。7.一种推荐信息的输出系统，其特征在于，包括：数据处理服务器、信息推荐服务器，其中，所述数据处理服务器，用于从用户行为数据库中提取预设的统计周期内的用户行为数据，将所述用户行为数据按照商品标识进行归类，获得每一种商品在所述统计周期内的感兴趣程度的时间序列，根据所述每一种商品在所述统计周期内的感兴趣程度的时间序列，计算每种商品在时间维度上的购买峰值概率；信息推荐服务器，用于当接收到输出推荐信息的命令时，从所述数据处理服务器中获取当前时间点每种商品的购买峰值概率，将所述购买峰值概率按照从高到低的顺序进行排序，并从所述排序的结果中按...

【专利技术属性】
技术研发人员：肖铨武，苏宁军，谭昶，刘淇，张金银，陈恩红，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：KY