一种即时推荐系统技术方案

本发明专利技术涉及一种即时推荐系统，包括数据收集模块、搜索关键字模块、推荐规则库模块、商品推荐库模块和后台管理模块；所述数据收集模块用于收集历史数据信息并发送至搜索关键字模块；所述搜索关键字模块接收数据收集模块传输的数据并根据推荐规则库模块内传输的数据进行搜索和计算，并将处理后的数据传输至商品推荐库模块；所述后台管理模块用于控制推荐规则库模块和商品推荐库模块；所述商品推荐库模块接收后台管理模块和搜索关键字模块发送的数据并发送到应用网站。本发明专利技术可以帮助顾客更快的找到想要的商品；对于新顾客，通过不断的引导观察，协助其找到想要的商品；对于老顾客，记住他们的喜好，再次光顾的时候，直接推荐他们感兴趣的。

【技术实现步骤摘要】
一种即时推荐系统
本专利技术涉及一种推荐系统，尤其涉及一种即时推荐系统，属于电子信息

技术介绍
电商企业在运营中一味追求网站流量，但却招揽很少的顾客进行消费；如何提高转化率、客单价和顾客黏度，怎样充分利用站内、站外资源而获取更多的利润和市场份额；如何提高顾客重复购买的欲望；在日益激烈的竞争环境中，怎么利用自身的精细化运营为企业创造更多价值；如何转变传统的营销模式，减少运营成本；更有效的为顾客个性化服务，提高用户体验和顾客黏度。现有推荐系统一般都是根据顾客的访问历史，结合导购的经验，确定顾客的喜好，帮助他们更快的找到想要的商品：对于新顾客，通过不断的引导,观察，协助其找到想要的商品；对于老顾客，我们要记住他们的喜好，再次光顾的时候，直接推荐他们感兴趣的。基于内容的推荐它不需要依据用户对项目的评价意见，而是依据用户已经选择的产品内容信息计算用户之间的相似性，进而进行相应的推荐。网站日志通过日志收集工具通步到mysql中，同时网站的会员消费历史数据、会员个人爱好偏好信息、商品库存信息也通过数据收集工具同步到mysql中。在mysql集群中对这些数据进行实时在线分析用户购买的商品信息特点和特征，把分析后的结果实时发送到推荐引荐，在网站前端的web端通过异步调用接口把推荐引擎的推荐结果展现在web页面上。用户在登陆网站后就可以看到推荐后的商品列表。然而，现有的推荐系统都要求内容能容易抽取成有意义的特征，要求特征内容有良好的结构性，并且用户的口味必须能够用内容特征形式来表达，不能显著地得到其它用户的判断情况。
技术实现思路
本专利技术针对现有的推荐系统需要所推荐的商品具有良好的结构性的不足，提供一种所要推荐的商品不需要有良好的结构性的即时推荐系统。本专利技术解决上述技术问题的技术方案如下：一种即时推荐系统，包括数据收集模块、搜索关键字模块、推荐规则库模块、商品推荐库模块和后台管理模块；所述数据收集模块用于收集历史数据信息并发送至搜索关键字模块；所述搜索关键字模块接收数据收集模块传输的数据并根据推荐规则库模块内传输的数据进行搜索和计算，并将处理后的数据传输至商品推荐库模块；所述后台管理模块用于配置规则并发送指令至推荐规则库模块和商品推荐库模块控制推荐规则库模块和商品推荐库模块；所述推荐规则库模块用于存储后台管理模块发送的数据，并根据搜索关键字模块发送的指令发送数据至搜索关键字模块；所述商品推荐库模块接收后台管理模块和搜索关键字模块发送的数据并发送到应用网站。本专利技术的有益效果是：本专利技术可以根据顾客的访问历史，结合导购的经验，确定顾客的喜好，帮助他们更快的找到想要的商品；对于新顾客，通过不断的引导,观察，协助其找到想要的商品；对于老顾客，我们要记住他们的喜好，再次光顾的时候，直接推荐他们感兴趣的。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步，所述即时推荐系统还包括查询接口，所述商品推荐库模块通过查询接口将所述数据发送至应用网站。进一步，所述搜索关键字模块包括计算模块和mahout算法库，所述计算模块接收推荐规则库模块发送的指令，并按照所述指令对从数据收集模块接收到的数据进行相应操作，所述计算模块具有强大的容错能力和计算能力，具有单次10TB几遍的计算能力；所述mahout算法库对从计算模块接收到的数据进行总结并得出规律，并保存所述规律，并保存所述规律，Mahout是一个分布式计算的机器学习方法，基于hadoop之上是一个系统自我改进学习的过程，通过现有的知识，进行总结，从而得出规律，或者获取新的知识的过程，通过mahout构建社会化推荐引擎，帮助Web应用开发者更高效的实现个性化推荐功能，从而提高最终用户满意度。进一步，所述后台管理模块包括项目管理模块和权重设置模块，所述项目管理模块用于管理推荐规则库模块和商品推荐库模块；所述权重设置模块用于对数据收集模块收集到的各种数据进行加权设置。进一步，所述mahout算法库中包括协同过滤算法、基于item的CF、商品DNA推荐算法、基于内容的推荐算法、基于关联规则推荐算法和混合推荐算法；协同过滤(CF)：一般是在海量的用户中发掘出一小部分和你品位比较类似的，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其他东西组细成一个排序的目录作为推荐给你；基于item的CF:即基于用户对物品的偏好找到相似的物品，然后根据用户的历史偏好，推荐相似的物品给他；商品DNA：如果商品设定下架时间，则到达此时间点，推荐系统会进行屏蔽，如果设定商品上架时间，则未到达此时间点，推荐系统会进行屏蔽，对特定品牌的商品增加权重，对含有某一关键词的商品增加权重基于内容的推荐：(俩商品之间的标题文字匹配程度超过设定阀值，增加相应的权重)商品属性(比如说颜色，品牌)相同，根据配置会增加dna权重；同一价格区间的商品-可以配置相似度权重；基于关联规则：它将推荐给用户一些采用关联规则发现算法计算出的内容；数据清理：对用户和商品分别计数，过滤掉一些超不活跃的用户和超冷门的商品计算两种商品之间的支持度、置信度、提升度，根据最低支持度、最低置信度、最低提升度剪枝，把低于最小值的规则扔掉；对商品A进行推荐：找出商品A的所有规则，按照置信度降序排序，Top-N即为和商品A最相关的前N种商品；混合推荐引擎：结合以上各种推荐算法，得到一个更加全面的推荐效果。进一步，所述查询接口包括商品DNA采集接口和商品删除接口。本专利技术依赖以下数据：浏览日志：用户/sessionID；商品ID和品牌ID或当前访问的url；访问时间；商品的类别信息(如果有的话)；购买信息(goods表)：用户ID；商品和品牌ID；购买时间；商品类别信息；购物车信息：同购买信息商品信息表：商品标题或描述；品牌；尺寸；价格；上架时间，下架时间；颜色，规格；库存量；商品类别(衣服，鞋，化妆品这些类别)；使用人群(男，女，儿童，或奢侈品)。附图说明图1为本专利技术实施例1所述的即时推荐系统的结构图。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。如图1所示，本专利技术实施例1所述的一种即时推荐系统，包括数据收集模块1、搜索关键字模块2、推荐规则库模块3、商品推荐库模块5和后台管理模块4；所述数据收集模块1用于收集历史数据信息并发送至搜索关键字模块2；所述搜索关键字模块2接收数据收集模块1传输的数据并根据推荐规则库模块3内传输的数据进行搜索和计算，并将处理后的数据传输至商品推荐库模块5；所述后台管理模块4用于配置规则并发送指令至推荐规则库模块3和商品推荐库模块5控制推荐规则库模块3和商品推荐库模块5；所述推荐规则库模块2用于存储后台管理模块4发送的数据并将根据搜索关键字模块2发送的指令发送数据至搜索关键字模块2；所述商品推荐库模块5接收后台管理模块4和搜索关键字模块2发送的数据并发送到应用网站。所述即时推荐系统还包括查询接口6，所述商品推荐库模块5通过查询接口6将所述数据发送至应用网站。所述搜索关键字模块2包括计算模块21和mahout算法库22，所述计算模块21接收推荐规则库模块3发送的指令，并按照所述指令对从数据收集模块1接收到的数据进行相应操作；所述mahout算法库22对从计算模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种即时推荐系统，其特征在于，包括数据收集模块、搜索关键字模块、推荐规则库模块、商品推荐库模块和后台管理模块；所述数据收集模块用于收集历史数据信息并发送至搜索关键字模块；所述搜索关键字模块接收数据收集模块传输的数据并根据推荐规则库模块内传输的数据进行搜索和计算，并将处理后的数据传输至商品推荐库模块；所述后台管理模块用于配置规则并发送指令至推荐规则库模块和商品推荐库模块控制推荐规则库模块和商品推荐库模块；所述推荐规则库模块用于存储后台管理模块发送的数据，并根据搜索关键字模块发送的指令发送数据至搜索关键字模块；所述商品推荐库模块接收后台管理模块和搜索关键字模块发送的数据并发送到应用网站；所述搜索关键字模块包括计算模块和mahout算法库，所述计算模块接收推荐规则库模块发送的指令，并按照所述指令对从数据收集模块接收到的数据进行相应...

【专利技术属性】
技术研发人员：文彦峰，黄根太，鲁超，冯志强，齐科军，李俊，张禹，
申请(专利权)人：北京英孚斯迈特信息技术有限公司，
类型：发明
国别省市：