一种基于用户特征的鞋款类型推荐系统及方法技术方案

本发明专利技术公开了一种基于用户特征的鞋款类型推荐系统及方法，包括包括中心数据库模块、数据分析模块、数据校正模块和数据推荐模块；中心数据库模块用于记录用户的特征数据，特征数据包括用户的历史订单数据和用户的浏览数据；数据分析模块用于对中心数据库模块中的第二数据库进行分析，并将分析后得到的鞋款推荐模型传输给所述数据推荐模块；数据校正模块用于对中心数据库模块中的第一数据库进行分析和校正，将校正后的鞋款校正模型传输给所述数据推荐模块；数据推荐模块用于接收所述数据分析模块发送的鞋款推荐模型和所述数据校正模块接收的鞋款校正模型并对用户进行推荐；该发明专利技术提升了鞋款类型推荐系统的精确度和多元度。明提升了鞋款类型推荐系统的精确度和多元度。明提升了鞋款类型推荐系统的精确度和多元度。

【技术实现步骤摘要】
一种基于用户特征的鞋款类型推荐系统及方法


[0001]本专利技术涉及推荐系统
，具体为一种基于用户特征的鞋款类型推荐系统及方法。

技术介绍

[0002]随着互联网的普及和电子商务行业的快速发展，相比于线下购物，人们在网上消费的频率越来越高。鞋履作为人们日常生活中不可或缺的一样物品，占据了电子商务平台的一部分市场。越来越多的人开始在网上购买自己心仪的鞋款，但是网上琳琅满目的商品远远超出了日常线下货柜里陈列的商品数量、种类和风格，不能做到在众多品类中挑选到最符合每个用户购买需求的鞋款类型，且不同的用户对应不用的推荐数据，使得系统计算繁琐，而且在系统数据出现与用户历史数据不符的时候，无法精确判断用户的主观意愿，造成推荐鞋款类型不准确的问题。

技术实现思路

[0003]本专利技术的目的在于提供一种基于用户特征的鞋款类型推荐系统及方法，以解决上述
技术介绍
中提出的问题。
[0004]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于用户特征的鞋款类型推荐系统，包括中心数据库模块、数据分析模块、数据校正模块和数据推荐模块；
[0005]中心数据库模块用于记录用户的特征数据，特征数据包括用户的历史订单数据和用户的浏览数据，且中心数据库模块将用户的历史订单数据存储为第一数据库，将用户的浏览数据存储为第二数据库；第一数据库包括用户的下单时间、用户的下单金额和用户的下单款式，第二数据库包括用户的搜索引擎关键词、询问客服关键词和用户的浏览内容相关数据；
[0006]数据分析模块用于对中心数据库模块中的第二数据库进行分析，并将分析后得到的鞋款推荐模型传输给数据推荐模块，鞋款推荐模型包括推荐模型一和推荐模型二；
[0007]数据校正模块用于对中心数据库模块中的第一数据库进行分析和校正，将校正后的鞋款校正模型传输给数据推荐模块，鞋款校正模型包括融合校正模型和特殊值校正模型；
[0008]数据推荐模块用于接收数据分析模块发送的鞋款推荐模型和数据校正模块接收的鞋款校正模型并对用户进行推荐。
[0009]进一步的，数据分析模块包括数据提取模块、龙头数据分析模块和凤尾数据分析模块；数据提取模块提取中心数据库模块的数据信息，并将该信息传输给龙头数据分析模块和凤尾数据分析模块；
[0010]龙头数据分析模块用于分析用户在有浏览意愿时输入的搜索引擎关键词，和在有购买意愿时输入的询问客服关键词，龙头数据分析模块将两者进行综合分析，并将分析得到的推荐模型一传输给数据推荐模块；
[0011]凤尾数据分析模块用于分析用户在进行关键词的搜索后，对显示的用户的浏览内容相关数据进行分析，并将该用户的浏览内容相关数据进行处理分析得到的推荐模型二传输到数据推荐模块。
[0012]进一步的，数据校正模块包括融合校正模块和特征值校正模块；
[0013]融合校正模块用于判断中心数据模块的第一数据库中不同用户的数据信息是否符合融合条件，若符合融合条件，融合校正模块将不同用户的数据分析模块中的推荐模型进行融合，将融合后的模型记为融合校正模型传输到数据推荐模块。
[0014]特征值校正模块用于判断用户的中心数据库模块的数据信息是否存在特殊情况，并对该特殊情况下的特征值进行处理分析得到特征值校正模型，判断是否需要对数据分析模块进行校正。
[0015]一种基于用户特征的鞋款类型推荐方法，包括以下具体步骤：
[0016]步骤S1：获取用户的历史订单数据和用户的浏览数据；将用户的历史订单数据存储到第一数据库，第一数据库包括用户的下单时间、用户的下单金额和用户的下单款式；将用户的浏览数据存储到第二数据库，第二数据库包括搜索引擎关键词、询问客服关键词和用户的浏览内容相关数据；
[0017]将用户的数据分别存入两个不同的数据库，有助于后续系统对用户的不同数据进行提取和分类；且第一数据库是用户实际确定的订单信息，用于作为数据评估的基准，第二数据库是用户的实时动态信息，用于判断用户的实时喜好趋向；
[0018]步骤S2：提取步骤S1中第二数据库中的数据信息，对该数据信息进行关键词相似度分析，得到分析后的推荐模型一；
[0019]分析推荐模型一是为了确定用户首要的购物意向，不管是在搜索引擎中对关键词的搜索还是询问客服的关键词都表明了用户的购买意向，属于先行趋势；
[0020]步骤S3：提取步骤S1中的第二数据库中的数据信息，对该数据进行浏览内容相关数据分析，得到分析后的推荐模型二；
[0021]分析推荐模型二是为了确定用户后继的浏览趋势，在搜索过后对显示内容的喜好判断；
[0022]步骤S4：提取步骤S1中的第一数据库和第二数据库信息，对第一数据库信息进行融合校正的判断以及对符合条件后的第二数据库进行融合操作，得到融合校正模型；
[0023]步骤S5：提取步骤S1中的第一数据库和第二数据库信息，对第二数据库中出现的异常特征值结合第一数据库中的信息进行分析处理，判断是否需要对数据分析模块进行校正，得到特征值校正模型；
[0024]步骤S6：基于上述步骤S2
‑
S5的数据分析结果，将上述模型按规则推荐给用户。
[0025]进一步的，步骤S2的具体过程为：
[0026]步骤S20：设定搜索引擎中的关键词集合为{R
i
}，i＝{1,2......n}，R
i
表示集合{R
i
}中第i种关键词；设定询问客服时的关键词为集合{G
i
}，i＝{1,2......n}，G
i
表示集合{G
i
}中第i中关键词；关键词包含但不限于：鞋款材质、码数大小、颜色和跟高程度；
[0027]步骤S21：基于步骤S20的分析过程，记录单次完整搜索过程中搜索引擎中关键词R
i
的频次为t
i
，t为任意自然数，t
i
表示第i种关键词R
i
出现的频次；记录单次完整搜索过程中询问客服的关键词G
i
的频次为p
i
，p为任意自然数，p
i
表示第i种关键词G
i
出现的频次；并
将{R
i
}和{G
i
}中出现的所有词均在对应的集合中用对应的频次表示出来；
[0028]将关键词出现的频率转变成次数，表示如果关键词相似则代表用户的搜索方向是相似的；
[0029]步骤S22：将步骤S21中的频次t
i
构成频次向量将步骤S21中的频次p
i
构成频次向量利用公式：
[0030][0031]求得搜索引擎的关键词与询问客服时的关键词的相似度cos(α)，其中表示向量的模，表示向量的模；当取得的相似度值大于系统预设的关键词相似度阈值，记录此时的关键词构成推荐模型一，推荐模型一为该情况下关键词集合的对应鞋款。
[0032]将搜索本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用户特征的鞋款类型推荐系统，其特征在于，包括中心数据库模块、数据分析模块、数据校正模块和数据推荐模块；所述中心数据库模块用于记录用户的特征数据，所述特征数据包括用户的历史订单数据和用户的浏览数据，且所述中心数据库模块将用户的历史订单数据存储为第一数据库，将用户的浏览数据存储为第二数据库；第一数据库包括用户的下单时间、用户的下单金额和用户的下单款式，第二数据库包括用户的搜索引擎关键词、询问客服关键词和用户的浏览内容相关数据；所述数据分析模块用于对中心数据库模块中的第二数据库进行分析，并将分析后得到的鞋款推荐模型传输给所述数据推荐模块，所述鞋款推荐模型包括推荐模型一和推荐模型二；所述数据校正模块用于对中心数据库模块中的第一数据库进行分析和校正，将校正后的鞋款校正模型传输给所述数据推荐模块，所述鞋款校正模型包括融合校正模型和特殊值校正模型；所述数据推荐模块用于接收所述数据分析模块发送的鞋款推荐模型和所述数据校正模块接收的鞋款校正模型并对用户进行推荐。2.根据权利要求1所述的一种基于用户特征的鞋款类型推荐系统及方法，其特征在于：所述数据分析模块包括数据提取模块、龙头数据分析模块和凤尾数据分析模块；所述数据提取模块提取中心数据库模块的数据信息，并将该信息传输给所述龙头数据分析模块和凤尾数据分析模块；所述龙头数据分析模块用于分析用户在有浏览意愿时输入的搜索引擎关键词，和在有购买意愿时输入的询问客服关键词，所述龙头数据分析模块将两者进行综合分析，并将分析得到的推荐模型一传输给所述数据推荐模块；所述凤尾数据分析模块用于分析用户在进行关键词的搜索后，对显示的用户的浏览内容相关数据进行分析，并将该用户的浏览内容相关数据进行处理分析得到的推荐模型二传输到数据推荐模块。3.根据权利要求1所述的一种基于用户特征的鞋款类型推荐系统及方法，其特征在于：所述数据校正模块包括融合校正模块和特征值校正模块；所述融合校正模块用于判断中心数据模块的第一数据库中不同用户的数据信息是否符合融合条件，若符合融合条件，所述融合校正模块将不同用户的数据分析模块中的推荐模型进行融合，将融合后的模型记为融合校正模型传输到数据推荐模块。所述特征值校正模块用于判断用户的中心数据库模块的数据信息是否存在特殊情况，并对该特殊情况下的特征值进行处理分析得到特征值校正模型，判断是否需要对数据分析模块进行校正。4.一种基于用户特征的鞋款类型推荐方法，其特征在于：包括以下具体步骤：步骤S1：获取用户的历史订单数据和用户的浏览数据；将用户的历史订单数据存储到第一数据库，第一数据库包括用户的下单时间、用户的下单金额和用户的下单款式；将用户的浏览数据存储到第二数据库，第二数据库包括搜索引擎关键词、询问客服关键词和用户的浏览内容相关数据；步骤S2：提取步骤S1中第二数据库中的数据信息，对该数据信息进行关键词相似度分
析，得到分析后的推荐模型一；步骤S3：提取步骤S1中的第二数据库中的数据信息，对该数据进行浏览内容相关数据分析，得到分析后的推荐模型二；步骤S4：提取步骤S1中的第一数据库和第二数据库信息，对第一数据库信息进行融合校正的判断以及对符合条件后的第二数据库进行融合操作，得到融合校正模型；步骤S5：提取步骤S1中的第一数据库和第二数据库信息，对第二数据库中出现的异常特征值结合第一数据库中的信息进行分析处理，判断是否需要对数据分析模块进行校正，得到特征值校正模型；步骤S6：基于上述步骤S2
‑
S5的数据分析结果，将上述模型按规则推荐给用户。5.根据权利要求4所述的一种基于用户特征的鞋款类型推荐方法，其特征在于：所述步骤S2的具体过程为：步骤S20：设定搜索引擎中的关键词集合为{R
i
}，i＝{1,2......n}，R
i
表示集合{R
i
}中第i种关键词；设定询问客服时的关键词为集合{G
i
}，i＝{1,2......n}，G
i
表示集合{G
i
}中第i种关键词；所述关键词包含但不限于：鞋款材质、码数大小、颜色和跟高程度；步骤S21：基于步骤S20的分析过程，记录单次完整搜索过程中搜索引擎中关键词R
i
的频次为t
i
，t为任意自然数，t
i
表示第i种关键词R
i
出现的频次；记录单次完整搜索过程中询问客服的关键词G
i
的频次为p
i
，p为任意自然数，p
i
表示第i种关键词G
i
出现的频次；步骤S22：将步骤S21中的频次t
i
构成频次向量将步骤S21中的频次p
i
构成频次向量利用公式：求得搜索引擎的关键词与询问客服时的关键词的相似度...

【专利技术属性】
技术研发人员：张伟娟，周晋，李松竹，周小凡，杨思容，王名宫，
申请(专利权)人：北京服装学院，
类型：发明
国别省市：