【技术实现步骤摘要】
本申请涉及商务数据处理，更具体地，涉及电子商务用户偏好分析系统。
技术介绍
1、电子商务用户偏好分析的
技术介绍
涉及对用户数据的深入挖掘和分析，以更好地理解用户的购买习惯、兴趣偏好和行为模式。提前构建每个用户的画像，将多维度内容融合进内。采用技术包括数据挖掘、机器学习、自然语言处理、社交网络分析和多标签学习。通过这些技术，电子商务平台能够更精准地理解用户，提供个性化服务，提高用户满意度和转化率。
2、现有技术中，构建用户画像时，往往仅仅考虑用户和商品之间的关联，来组成画像。随着网购的普及，现有的电子商务越来越开放，用户在电商平台已经形成了一个社交圈，这种社交情况会影响用户画像的准确性，必须将其考虑入内，这样才能得到一个较为准确的用户偏好分析的结果。
3、因此，如何将用户社交情况考虑在用户画像里，来提高画像的精度，是目前有待解决的技术问题。
技术实现思路
1、本专利技术提供电子商务用户偏好分析系统，用以解决现有技术中未考虑用户社交情况导致画像精度低的技术问题。所述系统包括：
2、消费模块，用于收集电子商务中心的用户基本信息、用户行为数据、用户社交数据和商品数据，根据用户基本信息和用户行为数据生成用户消费标签；
3、社交模块，用于根据用户社交数据构建用户社交网络图谱，并通过用户消费标签确定用户社交网络图谱中用户所受的社交影响范围，基于用户行为数据和用户社交数据审查社交影响范围内其它用户社交上所体现的用户兴趣，整合后得到社交用户兴趣列表；p>
4、兴趣模块，用于确定每个用户的用户个人兴趣，根据用户个人兴趣和社交用户兴趣列表得到社交影响下的用户个人兴趣，并生成个人-社交的兴趣标签，通过用户行为数据、用户社交数据和商品数据生成热门商品标签和冷门商品标签；
5、画像模块，用于根据用户消费标签、个人-社交的兴趣标签、热门商品标签和冷门商品标签构建多层标签的用户画像；
6、推荐模块，用于通过用户画像生成个性化的推荐函数，以此来分析用户偏好。
7、本申请一些实施例中，所述消费模块，用于：
8、用户行为数据包括用户购买商品记录，根据用户购买商品记录得到购买次数和购买价格，通过购买次数和购买价格得到单次价格平均值；
9、将购买次数和购买价格按照时间顺序生成一个价格随时间变化的价格曲线，依靠单次价格平均值生成一条水平线，并将该水平线插入价格曲线中，通过该水平线将价格曲线区分成上曲线区域和下曲线区域；
10、从用户购买商品记录中筛选出至少两次购买同一商品的记录，并且将购买记录在上曲线区域和下曲线区域作为关键点标记出来，区分关键点类型，每一关键点类型表示至少两次购买同一商品的商品种类，预设每种商品种类所映射的有效时间；
11、确定在同一关键点类型下的关键点数量和相邻关键点之间的时间跨度，将时间跨度超过有效时间的相邻关键点中时间靠后的关键点作为第二关键点，其它关键点作为第一关键点，以此得到同一关键点类型下的所有第一关键点和所有第二关键点，对同一关键点类型下的所有第一关键点和所有第二关键点加权求和，得到关键点类型的重要性评分；
12、确定上曲线区域和下曲线区域中关键点类型的重要性评分最大值，根据重要性评分最大值的关键点类型所对应的价格与水平线的差值的中位数来对水平线进行上下延伸，得到平均价格区间；
13、将上曲线区域的最大值与平均价格区间之间存在的重要性评分最大值的关键点类型所对应的价格作为可向上价格；
14、根据平均价格区间和可向上价格定义消费水平，通过消费水平所处区间的不同划分成不同类别的用户消费标签，用户消费标签为平均价格区间和可向上价格的组合。
15、本申请一些实施例中，所述社交模块，用于：
16、以用户为节点、社交关系为边、社交关系强弱为边的长度和社交关系类型为边的权重来构建用户之间的社交网络图谱，将社交网络图谱中用户自身记作主用户，其它用户记作辅用户，通过社交网络图谱中辅用户数量来确定一个综合影响力阈值，计算每个辅用户对于主用户的综合影响力，将综合影响力超过综合影响力阈值的辅用户保留下来，得到主用户所受的初始社交影响范围；
17、根据主用户所受的初始社交影响范围内辅用户的消费标签对辅用户进行筛选，若主用户与辅用户的消费标签为同一类别，或主用户的可向上价格处于辅助户平均价格区间之内，则将这些辅用户进行保留，其它辅用户剔除掉，得到用户所受的社交影响范围。
18、本申请一些实施例中，所述社交模块，用于：
19、用户行为数据还包括用户消费数据、用户浏览数据和用户评价数据；
20、通过用户社交数据确定辅用户的兴趣标签，并基于用户消费数据、用户浏览数据和用户评价数据验证和调整辅用户的兴趣标签，从而确定每个辅用户的兴趣标签，构建社交用户兴趣列表。
21、本申请一些实施例中，所述系统还包括比较模块，用于：
22、在根据用户个人兴趣和社交用户兴趣列表得到社交影响下的用户个人兴趣之前，寻找与用户个人兴趣相似的其它用户个人兴趣，根据其它用户个人兴趣调整用户个人兴趣，包括：
23、根据用户消费数据、用户浏览数据和用户评价数据生成每个用户的个人兴趣标签，计算其它用户与主用户的个人兴趣标签相似度，来找到相似兴趣的其它用户；
24、若相似兴趣的其它用户位于主用户的社交网络图谱中，则将该其它用户的相似兴趣作为显性相似兴趣；
25、否则，将该其它用户的相似兴趣作为隐形相似兴趣；
26、赋予显性相似兴趣和隐形相似兴趣不同的调整权重，以此来调整主用户的个人兴趣标签。
27、本申请一些实施例中，所述兴趣模块，用于：
28、根据用户个人兴趣和社交用户兴趣列表得到社交影响下的用户个人兴趣，并生成个人-社交的兴趣标签
29、计算调整后的主用户的个人兴趣标签与社交用户兴趣列表中的兴趣标签的相似度，将相似度超过相似度阈值的社交用户兴趣列表中的兴趣标签作为相似社交兴趣标签，通过相似社交兴趣标签修正主用户的个人兴趣标签，从而生成个人-社交的兴趣标签；
30、；
31、其中，为相似社交兴趣标签修正后的主用户的第i个个人兴趣标签值或权重，为显性相似兴趣和隐形相似兴趣调整后的主用户的第i个个人兴趣标签值或权重，exp为指数函数，n为与主用户的第i个个人兴趣标签相似度超过相似度阈值的相似社交兴趣标签的数量，为与第i个个人兴趣标签相似的第j个相似社交兴趣标签的社交权重，为第i个个人兴趣标签和第j个相似社交兴趣标签的相似度，为相似度阈值，k为预设常数。
32、本申请一些实施例中，所述兴趣模块，用于：
33、通过用户行为数据、用户社交数据和商品数据分别筛选出第一热门指标、第二热门指标和第三热门指标；
34、整合第一热门指标、第二热门指标和第三热门指标进行加权求和，得到一个综合热门指标，根据综合本文档来自技高网...
【技术保护点】
1.电子商务用户偏好分析系统，其特征在于，包括：
2.如权利要求1所述的电子商务用户偏好分析系统，其特征在于，所述消费模块，用于：
3.如权利要求2所述的电子商务用户偏好分析系统，其特征在于，所述社交模块，用于：
4.如权利要求3所述的电子商务用户偏好分析系统，其特征在于，所述社交模块，用于：
5.如权利要求3所述的电子商务用户偏好分析系统，其特征在于，所述系统还包括比较模块，用于：
6.如权利要求4所述的电子商务用户偏好分析系统，其特征在于，所述兴趣模块，用于：
7.如权利要求1所述的电子商务用户偏好分析系统，其特征在于，所述兴趣模块，用于：
8.如权利要求1所述的电子商务用户偏好分析系统，其特征在于，所述画像模块，用于：
【技术特征摘要】
1.电子商务用户偏好分析系统，其特征在于，包括：
2.如权利要求1所述的电子商务用户偏好分析系统，其特征在于，所述消费模块，用于：
3.如权利要求2所述的电子商务用户偏好分析系统，其特征在于，所述社交模块，用于：
4.如权利要求3所述的电子商务用户偏好分析系统，其特征在于，所述社交模块，用于：
5.如权利要求...
【专利技术属性】
技术研发人员：梁小恒，
申请(专利权)人：福建雄溪技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。