一種電子商務推薦方法技術

本發明專利技術公開了一種電子商務推薦方法，其中，包括主動式推薦方法和被動式推薦方法，所述主動式推薦方法包括如下步驟：步驟一，用戶訪問時，由用戶選擇訂閱類型，設定訂閱關鍵詞，選擇相關行業；步驟二，將用戶設定的訂閱條件存儲到數據庫；步驟三，提取訂閱條件對應的相關字段，根據相關字段進行相識性匹配和排序；步驟四，將處理后的推薦給用戶。本發明專利技術引入電子商務推薦系統理念，利用統計學、人工智能數據挖掘等技術，分析客戶在電子商務網站的訪問行為（如訪問、搜索、評論、收藏等），產生客戶感興趣的商機信息的推薦結果，從而幫助客戶及時準確地捕捉到商機。

【技術實現步驟摘要】

本專利技術涉及一種電子商務服務平臺，具體涉及。
技術介紹
隨著電子商務的發展，電子商務平臺中的商品數量呈指數增長，形成了海量數據，客戶很難從如此浩瀚的商品海洋中挑選出對他有價值的商機。如何對商機信息進行有效的組織和展示，如何盡可能地了解客戶的興趣和愛好，以優化網站設計從而方便用戶獲取商機成為電子商務發展過程中迫切需要解決的問題。
技術實現思路
有鑒于此，本專利技術的目的是提供，引入電子商務推薦系統理念，利用統計學、人工智能數據挖掘等技術，分析客戶在電子商務網站的訪問行為(如訪問、搜索、評論、收藏等)，產生客戶感興趣的商機信息的推薦結果，從而幫助客戶及時準確地捕捉到商機。為了實現上述目的，本專利技術采用以下技術方案 ，其中，包括主動式推薦方法和被動式推薦方法，所述主動式推薦方法包括如下步驟 步驟一，用戶訪問時，由用戶選擇訂閱類型，設定訂閱關鍵詞，選擇相關行業； 步驟二，將用戶設定的訂閱條件存儲到數據庫； 步驟三，提取訂閱條件對應的相關字段，根據相關字段進行相識性匹配和排序； 步驟四，將處理后的推薦給用戶。作為優選，所述被動式推薦方法包括如下步驟 步驟一，當用戶訪問時，記錄用戶訪問過程中的所有操作行為及相關數據信息； 步驟二，對用戶數據進行整理，形成數據倉庫； 步驟三，對數據倉庫中的數據進行分析，并提取具有代表性的內容特征值； 步驟四，制定推薦規則，并設定相關的數據字段； 步驟五，根據推薦規則對相關的數據內容特征值進行相關性分析和相識度匹配操作；步驟六，對匹配后的數據按照內容特征值的權重信息進行排序，并將排序后的數據推薦展示給客戶。作為優選，所述被動式推薦方法步驟二中的用戶數據包括供應數據、商家數據和旺鋪點擊數據。本專利技術的有益效果為 本專利技術包括主動式推薦和被動式推薦兩種推薦方式。主動式推薦是指系統根據對用戶信息和行為的分析，給出用戶感興趣的商機信息。而被動式推薦是指用戶通過自己的努力在系統幫助下獲得所需要的商機信息。本專利技術將主動式推薦和被動式推薦結合起來，以達到最佳的推薦效果。本專利技術的推薦方法上采用Iucence技術結合內容過濾和協同過濾兩種算法實現推薦。這種推薦方法的優勢在于 I.有效集成了搜索和推薦一體化。本專利技術的站內搜索引擎和推薦引擎都采用Lucene技術，是搜索和推薦有效的整合為一體。搜索是最頻繁，最重要的用戶操作行為。一體化使推薦系統能夠獲取更及時，更有效，更全面的用戶數據，進而提供更準確的推薦服務。2.采用Iucene技術進行數據的相識度分析，權重排序操作。數據相識度分析和權重排序是推薦系統中的核心技術，他直接關系到推薦給用戶數據的準確性。在文本分詞，相識度分析，全文檢索等方面，Lucene與其他技術相比處于遙遙領先的低位。因此Lucene具有強大的數據相識性分析和權重排序功能。與常用的推薦方案相比Lucene技術結合內容過濾和協同過濾算法能夠提供更準確更高效等推薦服務。3.本專利技術根據不同的推薦需求采用選擇不同推薦方法，同時將采用內容過濾和協同過濾結合起來。內容過濾算法基于商品信息，包括商品的屬性及商品之間的相關性和客 戶的喜惡來向其推薦。其弊端在于不能為用戶發現新的感興趣的商品，只能發現和用戶已有興趣相似的商品，不能為用戶發現新的感興趣的商品。協同過濾算法根據與當前用戶具有相似觀點的用戶的行為對該用戶進行推薦和預測。協同過濾算法不需要商品特征的描述，它學習的是用戶購買行為之間的相似性，而不依賴商品的特征。附圖說明圖I為本專利技術主動式推薦的流程 圖2為本專利技術被動式推薦的流程圖。具體實施例方式下面通過附圖對本專利技術做進一步的描述 電子商務推薦方法在電子商務網站中起到的作用主要包括(1)能夠在分析訪客在電子商務網站中的訪問行為的識別客戶的喜好和需求，并向客戶推薦對其有用的商機信息(比如商品，采購，采購商，供貨商等)。(2)吸引更多訪客，增加網站訪問量。(3)提高單個商品的曝光度，增加商品的訪問機會。(4)增加客戶在旺鋪上的停留時間，瀏覽更多的商品。(5)提高商品訪問的轉換率，增加商品的銷售量。主動式推薦方式中常用的推薦算法包括推薦引擎常用基于內容過濾(Content-Based)算法及協同過濾算法(Item-Based、User_based)。它們普遍存在比較復雜，使用門檻較高，具有很強的局限性并不能直接應用于互聯網規模的數據挖掘及推薦引擎使用等疑難問題。本專利技術在深入研究就電子商務推薦系統原理的基礎上，采用主動推薦和被動式推薦相結合的推薦方式，結合全球最優秀，使用最廣泛的Lucene全文檢索技術，研發出了自己獨特的電子商務推薦方法。常用的推薦引擎算法比較復雜，使用門檻較高，具有很強的局限性并不能直接應用于互聯網規模的數據挖掘及推薦引擎使用等疑難問題。本專利技術結合內容過濾算法和協同過濾算法的優缺點，結合Iucene全文檢索技術很好地解決了這些問題。本專利技術包括主動式推薦方法和被動式推薦方法，在旺鋪后臺的商機訂閱，商機快遞模塊采用了主動式推薦。旺鋪后臺的買家推薦，買家詢盤，買賣速配均采用了被動式推薦。如圖I所示，主動式推薦方法包括如下步驟 步驟一，當用戶訪問時，由用戶選擇訂閱類型(采購或供應)，設定訂閱關鍵詞，選擇相關行業； 步驟二，將用戶設定的訂閱條件存儲到數據庫； 步驟三，獲取并分析訂閱條件，提取出與訂閱條件相關的字段(標題，行業，時間)，根據提取的相關字段進行相識性匹配和排序； 步驟四，將處理后的推薦給用戶。如圖2所示，被動式推薦方法包括如下步驟 步驟一，當用戶訪問時，記錄用戶訪問過程中的所有操作行為及相關數據信息；利用平臺監控系統監控并記錄用戶訪問企匯網時的所有操作行為(包括瀏覽，詢盤，報價，評論等)以及用戶對企匯網和客戶商鋪的訪問情況(包括訪問涉及到模塊，訪問時間，頁面的停留時間等信息)。步驟二，對用戶數據進行整理，形成數據倉庫。將監控數據提交給推薦引擎，由推薦引擎進行分類，聚合等數據整理操作形成數據倉庫。步驟三，對數據倉庫中的不同類型的數據進行挖掘分析，并提取具有代表性的內容特征值。步驟四，制定推薦規則，并設定相關的數據字段(如產品名稱，產品分類，產品標簽，產品摘要)。步驟五，根據不同的推薦需求調用不同的推薦規則，根據推薦規則對相關的數據內容特征值進行相關性分析和相識度匹配操作； 步驟六，推薦引擎根據相關權重對匹配后的數據進行排序，并將排序后的數據推送給客戶。買家推薦和買家詢盤模塊根據不同的推薦需求定期從推薦引擎中獲取推薦數據。最后說明的是，以上實施例僅用以說明本專利技術的技術方案而非限制，本領域普通技術人員對本專利技術的技術方案所做的其他修改或者等同替換，只要不脫離本專利技術技術方案的精神和范圍，均應涵蓋在本專利技術的權利要求范圍當中。權利要求1.，其特征在于包括主動式推薦方法和被動式推薦方法，所述主動式推薦方法包括如下步驟 步驟一，用戶訪問吋，由用戶選擇訂閱類型，設定訂閱關鍵詞，選擇相關行業； 步驟ニ，將用戶設定的訂閱條件存儲到數據庫； 步驟三，提取訂閱條件對應的相關字段，根據相關字段進行相識性匹配和排序； 步驟四，將處理后的推薦給用戶。2.根據權利要求I所述的ー種電子商務推薦方法，其特征在于所述被動式推薦方法包括如下步驟 步驟一，當用戶訪問時，記錄用戶訪本文檔來自技高網...

【技術保護點】
一種電子商務推薦方法，其特征在于：包括主動式推薦方法和被動式推薦方法，所述主動式推薦方法包括如下步驟：步驟一，用戶訪問時，由用戶選擇訂閱類型，設定訂閱關鍵詞，選擇相關行業；步驟二，將用戶設定的訂閱條件存儲到數據庫；步驟三，提取訂閱條件對應的相關字段，根據相關字段進行相識性匹配和排序；步驟四，將處理后的推薦給用戶。

【技術特征摘要】

【專利技術屬性】
技術研發人員：李超，周朋輝，吳繼平，李沛，
申請(專利權)人：河南銳之旗信息技術有限公司，
類型：發明
國別省市：