一种商品推荐方法及相关装置制造方法及图纸

本发明专利技术公开了一种商品推荐方法、系统、装置及计算机可读存储介质，首先获取目标商品所属类别的目标类别信息，然后确定出与目标类别信息的相似度大于预设阈值的待推荐类别信息，并将待推荐类别信息对应的商品信息中的目标商品信息推荐至与目标商品对应的用户页面。由于是先确定目标商品的目标类别信息，并且利用类别信息之间的相似度来确定最相似的类，也就是待推荐类，并将待推荐类中的目标商品信息进行推荐，因此可以为用户推荐出最相关的其他类的商品，也就是可以为用户推荐目标商品的配套商品，而不再只是推荐与目标商品相似的同一类商品，因此可以针对目标商品全面的推荐相关类别的产品，使推荐结果更加全面。

【技术实现步骤摘要】
一种商品推荐方法及相关装置
本专利技术涉及数据处理
，更具体地说，涉及一种商品推荐方法、系统、装置及计算机可读存储介质。
技术介绍
随着计算机与互联网的发展，越来越多的用户选择通过网络购物。为了更好为用户提供电商服务，通常在用户购买或者浏览了某一产品后，就为该用户推荐相似的产品，从而使用户更方便的查看相似产品的信息。但是目前向用户推荐的结果通常不够全面，使用户可以选择的范围太小。因此，如何全面的推荐商品，是本领域技术人员需要解决的问题。
技术实现思路
本专利技术的目的在于提供一种商品推荐方法、系统、装置及计算机可读存储介质，以全面的推荐商品。为实现上述目的，本专利技术实施例提供了如下技术方案：一种商品推荐方法，包括：获取目标商品所属类别的目标类别信息；确定与所述目标类别信息的相似度大于预设阈值的待推荐类别信息；将与所述待推荐类别信息对应的商品信息中的目标商品信息推荐至与所述目标商品对应的用户页面。其中，所述确定与所述目标类别信息的相似度大于预设阈值的待推荐类别信息之前，还包括：提取预设个数的用户购买数据；其中，所述用户购买数据包括用户信息、与所述用户信息对应的类别信息和与所述类别信息对应购买次数；利用所述用户购买数据确定出每两个类别信息之间的相似度。其中，所述提取预设个数的用户购买数据，包括：提取预设时间内有购买记录的所有用户的用户购买数据。其中，所述利用所述用户购买数据确定出每两个类别信息之间的相似度，包括：利用皮尔逊相似算法对所述用户购买数据进行计算，得到每两个类别信息之间的相似度。其中，所述利用所述用户购买数据确定出每两个类别信息之间的相似度，包括：利用余弦向量相似度算法对所述用户购买数据进行计算，得到每两个类别信息之间的相似度。本申请还提供了一种商品推荐系统，包括：获取模块，用于获取目标商品所属类别的目标类别信息；确定模块，用于确定与所述目标类别信息的相似度大于预设阈值的待推荐类别信息；推荐模块，用于将与所述待推荐类别信息对应的商品信息中的目标商品信息推荐至与所述目标商品对应的用户页面。其中，还包括：提取模块，用于提取预设个数的用户购买数据；其中，所述用户购买数据包括用户信息、与所述用户信息对应的类别信息和与所述类别信息对应购买次数；相似度计算模块，用于利用所述用户购买数据确定出每两个类别信息之间的相似度。其中，所述提取模块，具体用于提取预设时间内有购买记录的所有用户的用户购买数据。本申请还提供了一种商品推荐装置，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如所述商品推荐方法的步骤。本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如所述商品推荐方法的步骤。通过以上方案可知，本专利技术提供的一种商品推荐方法，包括：获取目标商品所属类别的目标类别信息；确定与所述目标类别信息的相似度大于预设阈值的待推荐类别信息；将与所述待推荐类别信息对应的商品信息中的目标商品信息推荐至与所述目标商品对应的用户页面。由此可见，本申请提供的一种商品推荐方法，首先获取目标商品所属类别的目标类别信息，然后确定出与目标类别信息的相似度大于预设阈值的待推荐类别信息，并将待推荐类别信息对应的商品信息中的目标商品信息推荐至与目标商品对应的用户页面。由于本方案中是先确定目标商品的目标类别信息，并且利用类别信息之间的相似度来确定最相似的类，也就是确定出与目标类别信息相似度大于预设阈值的待推荐类，并将待推荐类中的目标商品信息进行推荐，因此可以为用户推荐出最相关的其他类的商品，也就是可以为用户推荐目标商品的配套商品，而不再只是推荐与目标商品相似的同一类商品，因此可以针对目标商品全面的推荐相关类别的产品，使推荐结果更加全面。本申请还提供了一种商品推荐系统、装置及计算机可读存储介质，同样可以实现上述技术效果。附图说明为了更清楚地说明本专利技术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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例公开的一种商品推荐方法流程图；图2为本专利技术实施例公开的一种具体的商品推荐方法流程图；图3为本专利技术实施例公开的一种商品推荐系统结构示意图；图4为本专利技术实施例公开的一种商品推荐装置结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例公开了一种商品推荐方法、系统、装置及计算机可读存储介质，以全面的推荐商品。参见图1，本专利技术实施例提供的一种商品推荐方法，具体包括：S101，获取目标商品所属类别的目标类别信息。需要说明的是，用户在浏览或购买一件商品后，其可能不再关注该类商品，而是配套的其他类的商品，因此在本方案中，利用目标商品进行商品推荐时，首先获取目标商品所属类别的目标类别信息。需要说明的是，目标商品即是推荐商品依据，例如，用户在购买A商品后，则A商品作为依据，为用户推荐其他商品。类别信息即是商品所属的类的信息，如A商品属于女装类，因此，目标商品A所述类的目标类别信息，即是女装类的信息，在本方案中，目标类别信息包括目标类别的编号。S102，确定与所述目标类别信息的相似度大于预设阈值的待推荐类别信息。在本方案中，需要确定类别信息之间的相似度，并且通过类别信息之间的相似度，在所有类别中确定出待推荐类别，以及待推荐类别的信息。待推荐类别信息则是与目标类别信息之间的相似度大于预设阈值的类别信息。需要说明的是，预设阈值可以根据具体的业务情况设定，通常相似度值为0时表示不相似，值为1时表示最相似，因此类别信息之间的相似度通常在0到1之间取值，预设阈值通常不小于0.5。需要说明的是，在本方案中，可以预先确定出所有类别信息之间的相似度，并在其中直接确定出与目标类别信息之间的相似度值大于预设阈值的待推荐类别信息。例如，目标类别信息为女装类，其类别编号为1，女鞋类(类别编号为2)与女装类之间的相似度为0.811894，箱包类(类别编号为3)与女装类之间的相似度为0.768943，运动户外类(类别编号为4)与女装类之间的相似度为0.641858，预设阈值为0.65，则对应目标类别信息，其待推荐类别信息即是女鞋类信息和箱包类信息。需要说明的是，目标类信息与自己的相似度值应为1，因此同样可以作为自己的待推荐类别信息，例如，女装类同样可以作为自己的待推荐类别，并将女装类信息作为女装类信息的待推荐类别信息。S103，将与所述待推荐类别信息对应的商品信息中的目标商品信息推荐至与所述目标商品对应的用户页面。具体地，在确定了待推荐类别信息后，就可以在待推荐类别信息对应的商品信息中确定目标商品信息，并将目标商品信息推荐至与目标商品对应的用户页面上，供用户选择。需要说明的是，待推荐类别信息中具体需要将那些商品最为目标商品，可以根据实际情况确定，也可以随机确定，在本方案中不做具体限定本文档来自技高网...

【技术保护点】
1.一种商品推荐方法，其特征在于，包括：获取目标商品所属类别的目标类别信息；确定与所述目标类别信息的相似度大于预设阈值的待推荐类别信息；将与所述待推荐类别信息对应的商品信息中的目标商品信息推荐至与所述目标商品对应的用户页面。

【技术特征摘要】
1.一种商品推荐方法，其特征在于，包括：获取目标商品所属类别的目标类别信息；确定与所述目标类别信息的相似度大于预设阈值的待推荐类别信息；将与所述待推荐类别信息对应的商品信息中的目标商品信息推荐至与所述目标商品对应的用户页面。2.根据权利要求1所述的方法，其特征在于，所述确定与所述目标类别信息的相似度大于预设阈值的待推荐类别信息之前，还包括：提取预设个数的用户购买数据；其中，所述用户购买数据包括用户信息、与所述用户信息对应的类别信息和与所述类别信息对应购买次数；利用所述用户购买数据确定出每两个类别信息之间的相似度。3.根据权利要求2所述的方法，其特征在于，所述提取预设个数的用户购买数据，包括：提取预设时间内有购买记录的所有用户的用户购买数据。4.根据权利要求2所述的方法，其特征在于，所述利用所述用户购买数据确定出每两个类别信息之间的相似度，包括：利用皮尔逊相似算法对所述用户购买数据进行计算，得到每两个类别信息之间的相似度。5.根据权利要求2所述的方法，其特征在于，所述利用所述用户购买数据确定出每两个类别信息之间的相似度，包括：利用余弦向量相似度算法对所述用户购买数据进行计算...

【专利技术属性】
技术研发人员：范芳铭，何万涛，袁文科，
申请(专利权)人：广州品唯软件有限公司，
类型：发明
国别省市：广东,44