基于大数据的同类商品选型推荐方法与流程

技术特征：
1.一种基于大数据的同类商品选型推荐方法，其特征在于，包括以下步骤：获取用户在客户端搜索框输入的关键词文本，根据所述关键词文本获取每个关键词的目标分词；根据所述目标分词获取多个候选商品；根据每个关键词中目标分词对应的候选商品的数量获取每个关键词的长尾度；从多个候选商品中点击任一候选商品作为锚定商品；获取所述锚定商品与其余候选商品的相似性；根据每个候选商品的销售量获取每个候选商品的热门度；根据所述锚定商品的浏览时长，以及对所述锚定商品的处置行为获取所述锚定商品的浏览兴趣度；根据所述锚定商品与每个候选商品的相似度、每个关键词的长尾度和每个候选商品的热门度，以及所述锚定商品的浏览时长，获取每个候选商品的重要程度；根据每个候选商品的重要程度获取每个候选商品与所述锚定商品的关联性；根据每个候选商品与所述锚定商品的关联性获取每个候选商品的推荐分，根据所述推荐分对每个候选商品进行排列，并将排列后的候选商品展示在所述锚定商品所在的页面中。2.根据权利要求1所述的基于大数据的同类商品选型推荐方法，其特征在于，根据所述关键词文本获取每个关键词的目标分词的过程中，还包括获取所述关键词文本中每个关键词出现的时间点；获取每个关键词的多个分词，并根据每个关键词出现的时间点获取每两个分词之间的时间间隔，根据所述时间间隔获取每个关键词的目标分词；对每个目标分词进行商品推荐，获得多个候选商品。3.根据权利要求1所述的基于大数据的同类商品选型推荐方法，其特征在于，所述获取每个关键词的长尾度的过程为：获取每个关键词中目标分词对应的候选商品的数量；获取与每个候选商品有关联的商品数量的平均值；通过将所述平均值与所述候选商品的数量进行求差获得每个关键词的长尾度。4.根据权利要求1所述的基于大数据的同类商品选型推荐方法，其特征在于，所述候选商品的销售量包括周销售量、月销售量和年销售量。5.根据权利要求4所述的基于大数据的同类商品选型推荐方法，其特征在于，所述获取候选商品的热门度的过程中，还包括设定每个商品年销量的权重值、月销量的权重值和周销量的权重值，并根据年销量的权重值、月销量的权重值和周销量的权重值，以及年销量、月销量和周销量获取每个候选商品的热门度；所述候选商品的热门度通过下式确定：式中，为候选商品的热门度；为候选商品周销售量的权重值；为候选商品的周销售量；为候选商品月销售量的权重值；为候选商品的月销售量；为候选商品年销售量的权重值；为候选商品的年销售量。6.根据权利要求1所述的基于大数据的同类商品选型推荐方法，其特征在于，所述根据锚定商品的浏览时长，以及对锚定商品的处置行为获取所述锚定商品的浏览兴趣度的过程中，所述处置行为包括收藏行为，加入购物车行为和购买行为；所述锚定商品的浏览兴趣度
通过下式确定：式中，为锚定商品的浏览兴趣度；为浏览商品的时长；表示收藏行为，有收藏行为时的值为1，无收藏行为时的值为0；表示购物行为，有加入购物车的行为时的值为1，无加入购物车的行为时的值为0；表示购买行为，有购买行为时的值为1，无购买行为时，的值为0；表示向下取最接近的整数。7.根据权利要求1所述的基于大数据的同类商品选型推荐方法，其特征在于，还包括根据候选商品和锚定商品构建知识图谱；获取所述锚定商品与每个候选商品在知识图谱中的距离；根据所述锚定商品与每个候选商品在知识图谱中的距离确定所述锚定商品与每个候选商品的相似度。8.根据权利要求7所述的基于大数据的同类商品选型推荐方法，其特征在于，所述候选商品的重要程度获取每个候选商品与所述锚定商品的关联性的获取过程为：构建图神经网络，图神经网络包括输入层、卷积层、全连接层和输出层；在输入层输入所述锚定商品与每个候选商品的相似度、每个关键词的长尾度和每个候选商品的热门度，以及所述锚定商品的浏览时长，获取每个候选商品的重要程度；在卷积层根据每个候选商品的标签向量进行卷积操作，在知识图谱中选择任一个节点，并将与选定的节点相邻的所有的节点作为邻域，根据所有邻域内节点的重要程度获取重要程度的聚合权重；依次获取每一节点对应所有邻域内节点的重要程度获取重要程度的聚合权重，并对所有节点进行分类；输出层输出每个候选商品与锚定商品的关联性。9.根据权利要求8所述的基于大数据的同类商品选型推荐方法，其特征在于，所述候选商品的重要程度通过下式确定：式中，表示候选商品的重要程度，为候选商品对应关键词的长尾度；为锚定商品与候选商品的相似度；为候选商品的热门度；为锚定商品的浏览兴趣度。10.根据权利要求9所述的基于大数据的同类商品选型推荐方法，其特征在于，还包括对每个候选商品进行更新，并获取多次更新后的候选商品的推荐分；所述候选商品的推荐分通过下式确定：式中，为第个候选商品在次更新后的推荐分；为第个候选商品在次更新后的探索分数；为第个候选商品在次更新后卡尔曼增益系数；为第个候选商品的估计分数。

技术总结
本发明公开了一种基于大数据的同类商品选型推荐方法，涉及数据处理技术领域，包括根据用户输入的关键词文本获取每个关键词的目标分词；根据目标分词获取多个候选商品；获取每个关键词的长尾度；获取锚定商品与每个候选商品的相似度，并根据每个候选商品的销售量获取每个候选商品的热门度；获取锚定商品的浏览兴趣度；获取每个候选商品的重要程度；根据每个候选商品的重要程度获取每个候选商品与锚定商品的关联性；获取每个候选商品的推荐分数，并将排列后的候选商品展示在所述锚定商品所在的页面中；本发明解决了现有技术中，在进行商品推荐时产生大量的无效推送信息的技术问题。问题。问题。


技术研发人员：赵壮壮 邱丽容 方清香
受保护的技术使用者：深圳市智加云栖科技有限公司
技术研发日：2022.12.01
技术公布日：2022/12/30