本发明专利技术公开了一种即时零售商品主动推荐方法及系统、存储介质，属于商品推荐技术领域。该方法包括：获取用户对物流速度以及质量的关注度之间的比例，形成用户画像；根据用户画像分配推荐指标的权重；根据用户历史购买记录以及历史搜索记录获取用户感兴趣的商品并计算质量度；根据质量度对推荐指标权重进行调整；为售卖用户感兴趣商品的商家评分，并向用户推荐商品；根据用户购买后的评价以及对推荐商品的接受度，对用户画像进行修正。本发明专利技术不依赖人工智能模型，摆脱了对芯片以及大算力的依赖。尽管没有人工智能的支持，本发明专利技术依然能够较为准确地预测出用户的需求，从而为用户推荐最为适合的商品。
【技术实现步骤摘要】
本专利技术商品推荐，尤其涉及一种即时零售商品主动推荐方法和系统、存储介质。
技术介绍
1、即时零售是通过线上即时下单，线下即时履约，依托本地零售供给，满足本地即时需求的零售业态。即时零售填补了线上线下融合的“真空地带”。“本地化”是即时零售的显著特征，实现交易流程线上化，履约配送便利化。
2、为了提升本地供给能力，拓展消费者需求，各售卖平台都部署有商品推荐策略，可根据用户输入的商品向用户推荐各品牌的该类商品以及售卖此类商品的用户。
3、现有的推荐方法一般根据历史购买记录或历史搜索记录等暴力推荐，要么基于人工智能模型以及大数据进行推荐。例如，打开淘宝后，在主界面向用户主动推送其感兴趣的商品。
4、在实际运行过程中发现，暴力推荐方法虽然要求低，但推荐的物品往往不符合消费者的要求。而人工智能模型以及大数据推荐的商品尽管准确度较高，但随着用户群体的增大，数据日趋庞大，通过人工智能模型计算会消耗巨大的算力，降低整个系统的运行速度。
5、例如，中国专利申请cncn202311444961.7提供了一种商品推荐模型训练方法及商品推荐方法，包括：根据用户的点击序列确定所述用户对应的目标商品，所述点击序列包括被所述用户点击的商品的商品标识，所述目标商品与所述点击序列对应的所述商品属于不同售卖平台的商品；构建训练样本，一个所述训练样本包括一个用户对应的所述点击序列和所述目标商品的商品标识；基于各个所述训练样本对预构建的商品推荐模型进行训练，直至所述商品推荐模型满足要求，得到训练后的所述商品推荐模型。</p>6、又如，中国专利申请cn201910421814.5一种商品推荐方法，包括：获取第一用户的人脸图像；基于第一神经网络模型确定与所述人脸图像对应的用户属性；获取具有所述用户属性中任一用户属性的第一用户的购物行为数据；利用训练数据训练得到第二神经网络模型，其中，以具有所述任一用户属性的第一用户的购物行为数据作为所述训练数据，以所述任一用户属性作为所述训练数据的标签；获取第二用户的购物行为数据；基于所述第二神经网络模型确定与所述第二用户的购物行为数据对应的用户属性；以及基于与所述第二用户的购物行为数据对应的用户属性，向所述第二用户推送商品信息。本公开还提供了一种商品推荐装置、一种计算机设备以及一种计算机可读存储介质。和排列顺序。
7、现有技术中，都需要构建大量训练样本，并且需要预先构建神经网络模型，然后基于大量训练样本进行模型训练，直至模型满足要求后，再将其应用到实际的商品推荐中。对于人工智能的依赖实际上就是对算力的依赖，更为具体地，就是对芯片的依赖。基于如今的日益紧张的国际形势，如何摆脱对芯片的依赖是亟需解决的问题。
技术实现思路
1、本专利技术的目的在于提供一种即时零售商品推荐主动方法和系统、存储介质，部分地解决或缓解现有技术中的上述不足，能够在减少算力消耗的基础上，尽可能的提高主动推荐商品的精确度，从而提高用户体验。
2、为了解决上述所提到的技术问题，本专利技术具体采用以下技术方案：本专利技术提供了一种即时零售商品主动推荐方法，包括：
3、获取用户对质量以及价格的关注度之间的比例，形成用户画像；
4、根据用户画像分配推荐指标的权重，所述推荐指标包括质量、价格、售后服务、物流速度；
5、根据用户历史购买记录以及历史搜索记录获取用户感兴趣的商品；
6、根据用户感兴趣的商品类型以及对该商品的评价或者查看过的该商品的平均价格获取商品的质量度；
7、根据质量度对推荐指标的权重进行调整；
8、根据推荐指标为售卖用户感兴趣商品的商家评分，并基于商家评分向用户推荐商家售卖的该商品；
9、根据用户购买后的评价以及对推荐商品的接受度，对用户画像进行修正；
10、其中，获取商品质量度的方法包括：
11、在用户感兴趣的商品为购买过的商品及其同类商品和互补商品的情况下，获取用户对购买过的商品的评价；将用户对该商品质量评分的平均值与其他用户对该商品质量评分的平均值进行比较，若更低则将质量度归于第一档，若等于或者更高则将质量度归于第二档，若用户对该商品质量评分为满分则将质量度归于第三档；
12、在用户感兴趣的商品为仅搜索但未购买的商品及其同类商品和互补商品的情况下，统计用户查看过的该类商品的平均价格；将用户查看过的该类商品的平均价格与所有该类商品的平均价格进行比较，若高30%以上则将质量度归于第一档，若在低30%到高30%之间则将质量度归于第二档，若低30%以上则将质量度归于第三档；
13、根据质量度对推荐指标分配权重的步骤具体包括：
14、所述质量权重为k1，所述价格为k2，所述售后服务权重为k3，所述物流速度权重为k4；
15、在质量度为第一档的情况下，k1=（k1+k2）*80%，k2=（k1+k2）*20%，k3=(k3+k4)*80%，k4=（k3+k4）*20%，k1+k2+k3+k4=1；
16、在质量度为第二档的情况下，k1=（k1+k2）*55%，k2=（k1+k2）*45%，k3=（k3+k4）*60%，k4=（k3+k4）*40%，k1+k2+k3+k4=1；
17、在质量度为第三档的情况下，k1=（k1+k2）*20%，k2=（k1+k2）*80%，k3=（k3+k4）*20%，k4=（k3+k4）*80%，k1+k2+k3+k4=1。
18、作为一种改进，所述获取用户对物流速度以及质量的关注度之间的比例的步骤，具体包括：
19、用户注册时，在用户注册页面上显示进度条；所述进度条一端为价格，另一端为质量；所述进度条上设置有可沿进度条滑动的滑块；用户通过拖动滑块改变价格端与质量端之间的比例，所述价格端比例与质量端比例的和为固定不变。
20、作为一种改进，根据用户画像分配推荐指标的权重的步骤，具体包括：
21、初始化推荐指标的权重，赋予每个推荐指标初始权重；
22、按照用户对价格以及质量的关注度之间的比例对价格权重和质量权重进行重新分配。
23、作为一种改进，根据用户历史购买记录以及历史搜索记录获取用户感兴趣的商品的步骤，具体包括：
24、根据用户历史搜索记录获取用户搜索的商品，将用户搜索的商品及其同类商品和互补商品作为用户感兴趣的商品；
25、根据用户历史购买记录获取用户购买过的商品，将用户购买过的商品及其同类商品和互补商品作为用户感兴趣的商品。
26、作为一种改进，根据推荐指标为售卖用户感兴趣商品的商家评分的步骤，具体包括：
27、获取商家的用户评价，所述用户评价各个推荐指标的单项评分；
28、计算所有用户每个推荐指标单项评分的平均值；
29、将每个推荐指标单项评分的平均值乘以该推荐指标的权重获得调整后的评分；
30、对所有推荐指标调整后的本文档来自技高网
...
【技术保护点】
1.一种即时零售商品主动推荐方法，其特征在于包括：
2.根据权利要求1所述的一种即时零售商品主动推荐方法，其特征在于所述获取用户对物流速度以及质量的关注度之间的比例的步骤，具体包括：
3.根据权利要求1所述的一种即时零售商品主动推荐方法，其特征在于根据用户画像分配推荐指标的权重的步骤，具体包括：
4.根据权利要求1所述的一种即时零售商品主动推荐方法，其特征在于根据用户历史购买记录以及历史搜索记录获取用户感兴趣的商品的步骤，具体包括：
5.根据权利要求1所述的一种即时零售商品主动推荐方法，其特征在于根据推荐指标为售卖用户感兴趣商品的商家评分的步骤，具体包括：
6.根据权利要求1所述的一种即时零售商品主动推荐方法，其特征在于基于商家评分向用户推荐商家售卖的该商品的步骤，具体包括：
7.根据权利要求1所述的一种即时零售商品主动推荐方法，其特征在于根据用户购买后的评价以及对推荐商品的接受度，对用户画像进行修正的步骤，具体在于：
8.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序指令，其特征在于：当所述计算机程序指令被至少一个处理器执行时用于实现权利要求1至7中任意一项所述的主动推荐方法。
9.一种计算机系统，其特征在于：包括存储器和处理器；所述存储器内存储有计算机程序；当所述计算机程序被处理器执行时，可实现权利要求1至7中任意一项所述的主动推荐方法。
10.一种即时零售商品主动推荐系统，其特征在于包括：
...
【技术特征摘要】
1.一种即时零售商品主动推荐方法，其特征在于包括：
2.根据权利要求1所述的一种即时零售商品主动推荐方法，其特征在于所述获取用户对物流速度以及质量的关注度之间的比例的步骤，具体包括：
3.根据权利要求1所述的一种即时零售商品主动推荐方法，其特征在于根据用户画像分配推荐指标的权重的步骤，具体包括：
4.根据权利要求1所述的一种即时零售商品主动推荐方法，其特征在于根据用户历史购买记录以及历史搜索记录获取用户感兴趣的商品的步骤，具体包括：
5.根据权利要求1所述的一种即时零售商品主动推荐方法，其特征在于根据推荐指标为售卖用户感兴趣商品的商家评分的步骤，具体包括：
6.根据权利要求1所述的一种即时零售商品主动推...
【专利技术属性】
技术研发人员：周幸窈，万福军，付强，王巧慧，张雨辰，刘娜，王蒙湘，
申请(专利权)人：中国标准化研究院，
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。