【技术实现步骤摘要】
本专利技术属于电商内容推荐，具体的，涉及一种大数据ai电商内容推荐方法和管理系统。
技术介绍
1、随着互联网的普及和电子商务的迅猛发展，大数据和人工智能技术开始广泛应用于电商领域。该方法基于用户的历史行为数据、购买记录、偏好等信息，通过复杂的算法模型对其进行深度信息的挖掘和分析，以实现对用户个性化推荐的精准把控。
2、现有技术中的电商推荐系统在对商品进行推荐时，往往更加关注用户的历史信息，包括历史购买记录、历史浏览记录、历史偏好等，基于此向用户推荐一些该类型或和该类型相关的一些商品，此方式忽略了人们的兴趣是动态变化的，不会总对某几种商品一直感兴趣。而系统不停的推荐该类型商品会使用户的选择疲劳，以致最终的推荐效果不佳。为解决上述问题，提供一种能够根据用户实时兴趣变化调整推荐商品的方案，有效提升了推荐准确度，本专利技术提供了以下技术方案。
技术实现思路
1、本专利技术的目的在于提供一种大数据ai电商内容推荐方法和管理系统，解决现有技术中电商推荐系统在向用户推荐商品时，花费大量时间去关注用户的历史信息去进行商品推荐导致的用户选择疲劳，以及不能根据用户兴趣的实时变化调整推荐商品的问题。
2、本专利技术的目的可以通过以下技术方案实现：
3、大数据ai电商内容推荐方法，其特征在于，该方法具体包括如下步骤：
4、s1、建立用户的兴趣标签库，计算兴趣标签库中每个兴趣标签的初始权重；
5、s2、监测用户点击内容的实时兴趣标签与页面点开时间，
6、s3、对于正向点击，根据页面点开时间的长短来调节该兴趣标签的权重；
7、s4、对于反向点击，将该兴趣标签加入兴趣标签库中，根据页面点开时间初始化此兴趣标签的权重，并相应减小其他新加入的兴趣标签所占权重；
8、s5、按权重随机选择并组合兴趣标签，将含有组合兴趣标签的商品推荐给用户。
9、作为本专利技术的进一步方案，计算兴趣标签库中每个兴趣标签初始权重的方法为：
10、s11、获取到语料库，并选择特定文档d；
11、s12、对文档d进行兴趣标签的归类，得到文档d中所有兴趣标签的列表；
12、s13、计算每个兴趣标签在文档d中出现的频率tf(t,d)；
13、s14、统计语料库中每个兴趣标签出现的文档数df(t)，计算语料库中所有文档的总数n，根据公式idf(t)＝log(n/(1+df(t)))计算出每个兴趣标签t在整个语料库中的区分能力；
14、s15、对于文档d中的每个兴趣标签，根据公式w(t)＝tf(t,d)*idf(t)计算其所占的初始权重。
15、作为本专利技术的进一步方案，选择的特定文档d为商品评价。
16、作为本专利技术的进一步方案，剔除无效页面点开时间的方法为：
17、收集近段时间t内，用户历史购买和收藏的商品信息，包括用户浏览每件商品页面时用手滚动屏幕的次数ggun、每次滚动持续时间tgun和距离sgun、浏览途中点击链接或图片的次数gzhon和时间tzhon；
18、根据公式求得每件商品各段时间滚动速度的平均值，把这个平均值记为用户平时的浏览速度，通过四分位距法计算时间t内浏览速度的异常区间，剔除浏览速度中的异常值，得到用户平时浏览速度的区间为[vmin,vmax]；
19、根据公式求得用户中途点击链接或图片持续的总时长，把这个总时长记为用户平时的深入浏览时长，通过四分位距法计算时间t内深入浏览时长的异常区间，剔除深入浏览时长中的异常值，得到用户平时深入浏览时长的区间为[tmin,tmax]；
20、得到用户对当前商品的浏览速度vnow，深入浏览时长为tsustain；
21、若或则将该页面点开时间剔除，兴趣标签库中的各兴趣标签权重均不做变化。
22、作为本专利技术的进一步方案，对于正向点击，根据页面点开时间的长短来调节兴趣标签权重的方法为：
23、设置用户的兴趣标签库ij(j＝1,2,...,m)，对应的初始化权重为wi(i＝1,2,...,m)；
24、获取用户页面点开时间δt＝t2-t1，并根据公式wi’＝wi(1+(-1)^e*0.01*δt)来调节兴趣标签的权重；
25、其中，t1表示用户开始点开页面的时间，t2表示用户关闭页面的时间，wi’表示调节后的兴趣标签权重，wi表示未经调节的兴趣标签权重，e表示一个分段函数；
26、若δt>η，表明用户对此类商品感兴趣，增大该兴趣标签的权重，将e的值设为2，若δt<＝η，表明用户对此类商品不感兴趣，则将e的值设为1。
27、作为本专利技术的进一步方案，η的取值为1。
28、作为本专利技术的进一步方案，对于反向点击，需要将该兴趣标签加入到兴趣标签库中，所述根据页面点开时间调节加入的兴趣标签初始权重的计算方法为：
29、增加新标签lj，根据公式wj’＝γ*δt，γ表示权重调节因子，根据设置者自行调配。
30、作为本专利技术的进一步方案，当用户发生反向点击时，需要根据时间衰减情况减小其他新加入的兴趣标签所占权重，具体方法为：
31、根据δt’＝tnow-torigin得出前面新加入的兴趣标签距离当前时刻的差值；
32、其中，tnow表示当前时刻，torigin表示加入到兴趣标签库时的时刻；
33、由于最新加入的兴趣标签更能体现用户实时兴趣的变化，以往加入的兴趣标签会随着时间变长而不受用户的关注，根据公式wt”＝((e^-δt’)/δt’)*wt’求出前面加入的兴趣标签所占权重随时间变化的方式；
34、其中，wt’表示前面加入的兴趣标签所占权重，wt”表示经时间改变后兴趣标签所占权重；
35、作为本专利技术的进一步方案，按权重随机选择并组合兴趣标签的方法为：
36、按照公式计算选择每个兴趣标签的概率；
37、其中，表示所有兴趣标签权重的总和，归一化后的权重pi满足
38、根据公式构建一个离散分布函数，用于将归一化后的权重转为区间；
39、其中，f(ti)表示从第一个兴趣标签到第i个兴趣标签的累积概率；
40、生成一个0到1之间的随机数r，并找到第一个累积分布函数值，大于或等于r的兴趣标签就是被选中的兴趣标签；
41、将选中的兴趣标签进行组合，找出含有该组兴趣标签的商品进行推荐。
42、大数据ai电商内容推荐系统，所述包括：电商标签收集单元、电商标签对比单元、电商标签组合单元、电商内容推荐单元；
43、电商标签收集单元，该单元通过收集用户的历史购买数据、购买喜好建立一个兴趣标签库，并将该兴趣标签库传输到电商标签对比单元；
44本文档来自技高网...
【技术保护点】
1.大数据AI电商内容推荐方法，其特征在于，该方法具体包括如下步骤：
2.根据权利要求1所述的大数据AI电商内容推荐方法，其特征在于，计算兴趣标签库中每个兴趣标签初始权重的方法为：
3.根据权利要求2所述的大数据AI电商内容推荐方法，其特征在于，选择的特定文档D为商品评价。
4.根据权利要求1所述的大数据AI电商内容推荐方法，其特征在于，剔除无效页面点开时间的方法为：
5.根据权利要求1所述的大数据AI电商内容推荐方法，其特征在于，对于正向点击，根据页面点开时间的长短来调节兴趣标签权重的方法为：
6.根据权利要求5所述的大数据AI电商内容推荐方法，其特征在于，η的取值为1。
7.根据权利要求1所述的大数据AI电商内容推荐方法，其特征在于，对于反向点击，需要将该兴趣标签加入到兴趣标签库中，所述根据页面点开时间调节加入的兴趣标签初始权重的计算方法为：
8.根据权利要求1所述的大数据AI电商内容推荐方法，其特征在于，当用户发生反向点击时，需要根据时间衰减情况减小其他新加入的兴趣标签所占权重，具体方法为：
9.根据权利要求1所述的大数据AI电商内容推荐方法，其特征在于，按权重随机选择并组合兴趣标签的方法为：
10.大数据AI电商内容推荐系统，用于执行权利要求1-9任一项所述的大数据AI电商内容推荐方法，其特征在于，该推荐系统包括：电商标签收集单元、电商标签对比单元、电商标签组合单元、电商内容推荐单元；
...【技术特征摘要】
1.大数据ai电商内容推荐方法，其特征在于，该方法具体包括如下步骤：
2.根据权利要求1所述的大数据ai电商内容推荐方法，其特征在于，计算兴趣标签库中每个兴趣标签初始权重的方法为：
3.根据权利要求2所述的大数据ai电商内容推荐方法，其特征在于，选择的特定文档d为商品评价。
4.根据权利要求1所述的大数据ai电商内容推荐方法，其特征在于，剔除无效页面点开时间的方法为：
5.根据权利要求1所述的大数据ai电商内容推荐方法，其特征在于，对于正向点击，根据页面点开时间的长短来调节兴趣标签权重的方法为：
6.根据权利要求5所述的大数据ai电商内容推荐方法，其特征在于，η的取值为1。
7.根...
【专利技术属性】
技术研发人员：李双，李峰，
申请(专利权)人：湖南铁道职业技术学院，
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。