一种基于智能决策的商品推荐系统及方法技术方案

本发明专利技术实施例公开了一种基于智能决策的商品推荐系统及方法，所述系统包括：数据收集模块，用于收集信息数据；其中，所述信息数据包括用户数据和商品数据；数据处理模块，用于对所述信息数据进行数据挖掘，以得到对应的特征关联数据；推荐模块，用于利用推荐算法并结合所述特征关联数据得到对应场景的推荐结果，并推送给用户；其效果是：使得商品推荐并不单一依赖用户的历史交易情况，通过数据挖掘，还从用户与商品，各商品之间的关联以及场景差异的角度进行推荐，从而提升推荐的准确度和用户黏性。性。性。

【技术实现步骤摘要】
一种基于智能决策的商品推荐系统及方法


[0001]本专利技术涉及商品推荐
，具体涉及一种基于智能决策的商品推荐系统及方法。

技术介绍

[0002]推荐系统是电商、供应链采购，企业采购等互联网关键业务场景的核心流量和利润来源。因为推荐系统具有极其重要的业务价值，相关推荐技术的研究也就成为工业界的一个热门领域。
[0003]目前，现有的业务系统大多都具有可以向用户推荐产品的功能。业务系统常见的推荐功能主要是根据用户对于某些产品的历史交易数据来分析用户的喜好，对用户进行产品推荐。然而其推荐的维度过于单一，在客户需求发生变化或需求不明确时，存在推荐准确度较低，容易造成客户流失或订单取消，用户黏性不足等情况。

技术实现思路

[0004]针对
技术介绍
中所提及的技术缺陷，本专利技术实施例提供了一种基于智能决策的商品推荐系统及方法。
[0005]为实现上述目的，第一方面，本专利技术实施例提供了一种基于智能决策的商品推荐系统，所述系统包括：
[0006]数据收集模块，用于收集信息数据；其中，所述信息数据包括用户数据和商品数据；
[0007]数据处理模块，用于对所述信息数据进行数据挖掘，以得到对应的特征关联数据；
[0008]推荐模块，用于利用推荐算法并结合所述特征关联数据得到对应场景的推荐结果，并推送给用户。
[0009]进一步地，所述数据挖掘具体包括：
[0010]基于用户数据和商品数据进行数据挖掘，得到用户与商品的关联关系；
[0011]基于用户数据进行数据挖掘，得到用户与用户之间的关联关系；
[0012]基于商品数据进行数据挖掘，得到各商品之间的关联关系。
[0013]进一步地，所述推荐模块还用于：
[0014]将得到的所述推荐结果结合用户当前所登录的设备类型和时间进行调整优化。
[0015]进一步地，所述推荐模块还用于根据场景差异进行推荐，具体采用：
[0016]将特征映射到全局和场景特定子空间，分别构建场景无关和场景依赖特征；
[0017]引入一个辅助网络来对所有场景中的共享知识进行建模，同时使用多分支网络来对特定场景之间的差异性进行建模；
[0018]自适应地学习各场景之间差异性和相似性，在保持当前场景主导地位的同时，自适应地从相似场景中获取信息。
[0019]进一步地，所述推荐算法的数量为多个，多个算法进程同时运作，各进程之间相互
竞争，并根据后续的用户选择，判断在同一个场景下，各算法进程的竞争性。
[0020]第二方面，本专利技术实施例还提供了一种基于智能决策的商品推荐方法，应用于第一方面所述的一种基于智能决策的商品推荐系统，所述方法包括：
[0021]收集信息数据；其中，所述信息数据包括用户数据和商品数据；
[0022]对所述信息数据进行数据挖掘，以得到对应的特征关联数据；
[0023]利用推荐算法并结合所述特征关联数据得到对应场景的推荐结果，并推送给用户。
[0024]进一步地，所述数据挖掘具体包括：
[0025]基于用户数据和商品数据进行数据挖掘，得到用户与商品的关联关系；
[0026]基于用户数据进行数据挖掘，得到用户与用户之间的关联关系；
[0027]基于商品数据进行数据挖掘，得到各商品之间的关联关系。
[0028]进一步地，所述方法还包括：
[0029]将得到的所述推荐结果结合用户当前所登录的设备类型和时间进行调整优化。
[0030]进一步地，所述方法还包括：
[0031]根据场景差异进行推荐，具体采用：
[0032]将特征映射到全局和场景特定子空间，分别构建场景无关和场景依赖特征；
[0033]引入一个辅助网络来对所有场景中的共享知识进行建模，同时使用多分支网络来对特定场景之间的差异性进行建模；
[0034]自适应地学习各场景之间差异性和相似性，在保持当前场景主导地位的同时，自适应地从相似场景中获取信息。
[0035]进一步地，所述推荐算法的数量为多个，多个算法进程同时运作，各进程之间相互竞争，并根据后续的用户选择，判断在同一个场景下，各算法进程的竞争性。
[0036]实施本专利技术实施例提供的一种基于智能决策的商品推荐系统及方法，通过收集用户数据和商品数据，并进行数据挖掘，以得到对应的特征关联数据；然后，利用推荐算法并结合所述特征关联数据得到对应场景的推荐结果，并推送给用户，使得商品推荐并不单一依赖用户的历史交易情况，通过数据挖掘，还从用户与商品，各商品之间的关联以及场景差异的角度进行推荐，从而提升推荐的准确度和用户黏性。
附图说明
[0037]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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。
[0038]图1是本专利技术实施例提供的一种基于智能决策的商品推荐系统的结果示意图；
[0039]图2是本专利技术实施例提供的一种基于智能决策的商品推荐方法的流程图。
[0040]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0041]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0042]需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
[0043]应当理解，尽管在本文可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本文范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能决策的商品推荐系统，其特征在于，所述系统包括：数据收集模块，用于收集信息数据；其中，所述信息数据包括用户数据和商品数据；数据处理模块，用于对所述信息数据进行数据挖掘，以得到对应的特征关联数据；推荐模块，用于利用推荐算法并结合所述特征关联数据得到对应场景的推荐结果，并推送给用户。2.如权利要求1所述的一种基于智能决策的商品推荐系统，其特征在于，所述数据挖掘具体包括：基于用户数据和商品数据进行数据挖掘，得到用户与商品的关联关系；基于用户数据进行数据挖掘，得到用户与用户之间的关联关系；基于商品数据进行数据挖掘，得到各商品之间的关联关系。3.如权利要求2所述的一种基于智能决策的商品推荐系统，其特征在于，所述推荐模块还用于：将得到的所述推荐结果结合用户当前所登录的设备类型和时间进行调整优化。4.如权利要求2所述的一种基于智能决策的商品推荐系统，其特征在于，所述推荐模块还用于根据场景差异进行推荐，具体采用：将特征映射到全局和场景特定子空间，分别构建场景无关和场景依赖特征；引入一个辅助网络来对所有场景中的共享知识进行建模，同时使用多分支网络来对特定场景之间的差异性进行建模；自适应地学习各场景之间差异性和相似性，在保持当前场景主导地位的同时，自适应地从相似场景中获取信息。5.如权利要求4所述的一种基于智能决策的商品推荐系统，其特征在于，所述推荐算法的数量为多个，多个算法进程同时运作，各进程之间相互竞争，并根据后续的用户选择，判断在同一个场景下，各算法进程的竞争性。6.一种基于智能...

【专利技术属性】
技术研发人员：刘根，
申请(专利权)人：阿锐巴数据科技上海有限公司，
类型：发明
国别省市：