一种基于产品维度推荐商品或服务的系统和方法与流程

1.本发明涉及数据处理技术领域，具体涉及一种基于产品维度推荐商品或服务的系统和方法。


背景技术：

2.目前推荐系统主要通过分析用户信息、产品信息、以及其他辅助信息，根据用户偏好以及产品属性特征对产品进行筛选，基于相关系有强到弱对产品进行推荐。
3.现有产品信息可解释性较差。推荐系统通常会对产品信息进行提取，并根据用户偏好去筛选对应的产品信息，以此来达到推荐的效果。但产品的信息通常过于主观，且缺乏指标进行评判。如：产品酒精棉片和洗手液，可能同样包含产品信息“消毒”，但酒精棉片其实更偏向于“医疗”，而洗手液则更偏向于“生活用品”，所以如果a用户a想要进行伤口消毒所以搜索了酒精棉片，而系统给用户a推荐了同样带有“消毒”属性的洗手液就会显得不合时宜。
4.现有产品信息冷启动问题。对于新加入的用户，通常会由于缺乏用户历史数据而难以给出产品推荐列表，需要对用户的信息进行不断收集后，产品推荐系统的准确率才能提升。


技术实现要素：

5.针对现有技术的不足，本发明公开了一种基于产品维度推荐商品或服务的系统和方法，用于解决上述问题。
6.本发明通过以下技术方案予以实现：
7.第一方面，本发明提供了一种基于产品维度推荐商品或服务的方法，包括以下步骤：
8.s1初始化，对数据库中产品数据进行筛选，获取各产品的标签及相应标签权重信息，并生成产品标签列表；
9.s2使用推荐算法对用户首次选择的标签进行计算和筛选，并将结果进行排序，展示给用户；
10.s3生成智能推荐列表，通过智能推荐算法规则集用户在程序内的操作，并根据操作数据不断修正推荐产品；
11.s4生成自选推荐列表，在推荐产品未达到客户满意时，根据用户筛选标签对现有推荐产品进行二次筛选。
12.更进一步的，所述方法中，由方案负责人设定产品标签以及标签权重规则，对数据库中的产品数据进行筛选。
13.更进一步的，所述方法中，由项目负责人制定产品标签规范以及细则，产品标签为2元组：
14.t＝(i,s),
15.其中：
16.i为产品标签信息集合，其中ik为产品的第k个标签；i＝(“玻璃”,“直筒杯”,“透明色”,“耐高温”)，表示该产品标签为“玻璃”、“直筒杯”、“有图案”、“耐高温”；
17.s为产品标签权重集合，其中t为标签属性，f为标签权重属性，s为带有权重信息的标签的集合；
18.最后对数据库中的产品数据按照标签规则进行一一匹配，生成产品标签列表。
19.更进一步的，所述方法中，生成初始产品推荐列表，由方案负责人设定好推荐算法模型和规则，再根据用户首次进入程序搜索产品后选择的标签进行计算，在数据库中对产品标签进行筛选，将筛选后的产品按照得分由高到低进行排序，展示给用户。
20.更进一步的，所述方法中，生成初始产品推荐列表时，由项目负责人制定推荐算法规则，以及各类细则，最终生成推荐算法模型；当用户进入程序并且搜索产品后系统会要求用户选择产品标签以及设置标签权重
21.用户偏好标签为2元组：
22.h＝(i,q)
23.c为用户偏好标签集合，其中ck为用户偏好标签的第k个标签；c＝(“玻璃杯”,“有图案”,“散热快”)，则用户选择的偏好标签材质为“玻璃杯”，花纹为“有图案”，而性能为“散热快”；
24.q为用户偏好标签权重集合其中c为偏好标签属性，x为偏好标签权重。
25.更进一步的，所述方法中，
26.产品推荐分值计算公式为：
27.x＝x1f1 x2f2 x3f3 x4f4 ...x
kfk
28.x为该产品的最终推荐得分；xk表示第k个偏好标签的权重，fk表示第k个产品标签的权重，用户未选择的偏好标签默认权重为0，用户选择了但产品没有的偏好标签默认权重为0。
29.更进一步的，所述方法中，由项目负责人设定智能推荐算法规则，在用户点击查看产品a详情，则将产品a带有的标签按照标签权重以及偏好权重加入推荐算法中，再在数据库中根据标签相似度进行筛选，将产品按照相似度由高到低排列，按顺序展示给用户。
30.更进一步的，所述方法中，智能推荐列表生成时，当用户开始浏览小程序内的产品后，对用户操作行为进行记录并获取该操作对应产品的产品标签，将新获取的产品标签与已有用户偏好标签进行对比，对已存在标签上调偏好权重，对不存在标签进行添加并设定偏好权重；
31.更新用户的偏好标签集合后，根据产品推荐计算公式，对数据库中的产品进行筛选，并按照得分由高到低进行排序，在用户刷新或再次加载产品列表页时对产品列表进行更新。
32.更进一步的，所述方法中，若用户对推荐产品都不满意，则可选择更改偏好标签设定，在标签列表中选取需要的标签并且设定权重，推荐系统则根据需求重新对列表产品进行筛选排序，并在前端交互页面中展示给用户。
33.第二方面，本发明提供了一种基于产品维度推荐商品或服务的系统，包括处理器、前端界面以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行第一方面所述的基于产品维度推荐商品或服务的方法并显示在所述前端界面。
34.本发明的有益效果为：
35.本发明让用户自行设定产品的偏好属性以及权重，有效改善了推荐算法冷启动的问题，更够更高效地推荐给用户想要的产品。
36.本发明对产品的标签进行了量化，让产品标签的解释性更强，对产品的描述更加精确，提高产品推荐准确性。
附图说明
37.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
38.图1是本发明实施例业务流程上半部分图；
39.图2是本发明实施例业务流程下半部分图；
40.图3是本发明实施例产品标签逻辑图；
41.图4是本发明实施例初始列表生成流程图；
42.图5是本发明实施例智能推荐列表生成流程图。
具体实施方式
43.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
44.实施例1
45.本实施例提供一种基于产品维度推荐商品或服务的方法，包括以下步骤：
46.s1初始化，对数据库中产品数据进行筛选，获取各产品的标签及相应标签权重信息，并生成产品标签列表；
47.s2使用推荐算法对用户首次选择的标签进行计算和筛选，并将结果进行排序，展示给用户；
48.s3生成智能推荐列表，通过智能推荐算法规则集用户在程序内的操作，并根据操作数据不断修正推荐产品；
49.s4生成自选推荐列表，在推荐产品未达到客户满意时，根据用户筛选标签对现有推荐产品进行二次筛选。
50.本实施例若用户对推荐产品都不满意可以选择更改偏好标签设定，在标签列表中选取需要的标签并且设定权重，推荐系统会根据需求重新对列表产品进行筛选排序，并在前端交互页面中展示给用户。
51.本实施例对产品标签设定权重，让产品标签可以量化，解释性更强。
52.本实施例让用户添加偏好标签以及权重，更加直观地获取用户的偏好，对产品进行精准推荐。
53.本实施例根据用户的操作行为对推荐系统权重进行调整，实现动态推荐，始终跟踪用户兴趣点并进行相应地推荐。
54.实施例2
55.在具体实施层面本实施例提供一种基于产品维度推荐商品或服务的方法的具体实施，参照图1和图2所示，具体如下：
56.本实施例数据标准化流程，由方案负责人设定产品标签以及标签权重规则。对数据库中的产品数据进行筛选，获取各个产品的标签及相应标签权重信息，生成产品标签列表。
57.本实施例生成初始产品推荐列表，由方案负责人设定好推荐算法模型和规则，再根据用户首次进入程序搜索产品后选择的标签进行计算，在数据库中对产品标签进行筛选，将筛选后的产品按照得分由高到低进行排序，展示给用户。
58.本实施例生成智能推荐列表，由项目负责人设定智能推荐算法规则。
59.本实施例优选的实施时如，点击查看产品a详情，则将产品a带有的标签按照标签权重以及偏好权重加入推荐算法中，再在数据库中根据标签相似度进行筛选，将产品按照相似度由高到低排列，按顺序展示给用户。
60.本实施例推荐算法会不断采集用户在程序内的操作，根据操作数据不断修正推荐产品，用户信息采集的越多，推荐准确率越高。
61.本实施例生成自选推荐列表，若用户对推荐产品不满意可自行对产品标签进行筛选，系统会根据用户筛选标签对现有推荐产品进行二次筛选。
62.本实施例让用户自行设定产品的偏好属性以及权重，有效改善了推荐算法冷启动的问题，更够更高效地推荐给用户想要的产品。
63.本实施例对产品的标签进行了量化，让产品标签的解释性更强，对产品的描述更加精确，提高产品推荐准确性。
64.实施例3
65.在实施例2的基础上，参照图3所示，本实施例更进一步地提供了一种数据标准化流程具体如下：
66.由项目负责人制定产品标签规范以及细则。产品标签为2元组：
67.t＝(i,s),
68.其中：
69.i为产品标签信息集合，其中ik为产品的第k个标签。i＝(“玻璃”,“直筒杯”,“透明色”,“耐高温”)，表示该产品标签为“玻璃”、“直筒杯”、“有图案”、“耐高温”。
70.s为产品标签权重集合。其中t为标签属性，f为标签权重属性，s为带有权重信息的标签的集合。如s＝(“消毒”，4.5)表示“消毒”标签的权重为4.5分(采用5分制)。
71.s(p)＝{(“玻璃”,5),(“直筒杯”,5),(有图案，2),(耐高温，4.5)}，表示产品p是一
个纯直筒玻璃，有少量图案，耐高温性能较好的杯子。
72.本实施例由技术人员进行编程，对数据库中的产品数据按照标签规则进行一一匹配，生成产品标签列表。
73.实施例4
74.在实施例2的基础上，参照图4所示，本实施例更进一步地提供了一种初始产品列表生成具体如下：
75.本实施例由项目负责人制定推荐算法规则，以及各类细则，最终生成推荐算法模型。当用户进入程序并且搜索产品后系统会要求用户选择产品标签以及设置标签权重。
76.本实施例优选的实施时如，用户a搜索了产品杯子，系统提供了杯子相关的产品标签以供选择，用户对偏好标签进行了选择并且设定了各个标签的权重。
77.用户偏好标签为一个2元组：
78.h＝(i,q)
79.本实施例中，c为用户偏好标签集合，其中ck为用户偏好标签的第k个标签。c＝(“玻璃杯”,“有图案”,“散热快”)，则用户选择的偏好标签材质为“玻璃杯”，花纹为“有图案”，而性能为“散热快”。
80.本实施例中，q为用户偏好标签权重集合其中c为偏好标签属性，x为偏好标签权重。
81.本实施例提供一种产品推荐分值计算公式为：
82.x＝x1f1 x2f2 x3f3 x4f4 ...x
kfk
83.其中，x为该产品的最终推荐得分。xk表示第k个偏好标签的权重，fk表示第k个产品标签的权重。用户未选择的偏好标签默认权重为0，用户选择了但产品没有的偏好标签默认权重为0。
84.本实施例优选的实施时如，用户a搜索了杯子，并且选择了偏好标签以及权重集合为q(a)＝{(玻璃杯，5),(有图案，2),(散热块，3)}，产品a的产品标签以及权重集合为s(a)＝{(“玻璃杯”,5),(“直筒杯”,5),(有图案，2),(耐高温，4.5)}。
85.本实施例产品b的产品标签以及权重集合为s(a)＝{(“玻璃杯”,5),(“有盖子”,5),(有图案，4),(散热块，4)}。则产品a的推荐分值为50％*5 0％*5 20％*2 30％*0 0％*0＝2.9分；而产品b的推荐分值为50％*5 0％*5 20％*4 30％*4＝4.5分。所以产品b会被优先推荐给用户。
86.实施例5
87.本实施例提供了一种基于产品维度推荐商品或服务的系统，包括处理器、前端界面以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行基于产品维度推荐商品或服务的方法并显示在所述前端界面。
88.综上，本发明让用户自行设定产品的偏好属性以及权重，有效改善了推荐算法冷启动的问题，更够更高效地推荐给用户想要的产品；对产品的标签进行了量化，让产品标签的解释性更强，对产品的描述更加精确，提高产品推荐准确性。
89.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者
替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。