基于电子商务平台交易的商品品牌特征提取及智能推荐管理方法与流程

1.本发明属于电子商务平台商品推荐管理技术领域，尤其涉及基于电子商务平台交易的商品品牌特征提取及智能推荐管理方法。


背景技术：

2.随着互联网的普及和电子商务的发展,电子商务平台应用的越来越广泛。现在我们可以通过电脑或手机等设备在足不出户的情况下购买到自己想要的商品。然而信息时代数据爆炸式增长使得用户在海量商品信息面前无所适从,如何在海量数据中剔除不相干的信息、快捷地获取到有价值的信息成为一项挑战工作，由此电子商务平台的个性化推荐系统得以诞生,它通过挖掘出不同用户对应购物商品种类的不同偏好,从而有针对性地进行个性化推荐，在方便购物的同时提高电子商务企业营销能力，因此个性化推荐在电子商务平台具有良好的应用前景。
3.但目前电子商务平台的个性化推荐功能还不完善，推荐深度不够，具体体现为现在电子商务平台的个性化推荐只是对用户购买的某商品种类对应的偏好商品品牌进行推荐，没有对商品品牌特征进行深入挖掘，进而没有考虑到对用户偏好商品品牌的可接受购物价格进行推荐。由于不同的用户对应的职业、生活背景不同，其对应的消费水平也存在差异，表现在购物过程中就是可接受的购物价格不同，单纯只对用户偏好商品品牌进行推荐，其推荐的商品很大可能存在商品价格不在用户可接受的购物价格范围内的问题，进而导致推荐的商品与用户的实际购物需求匹配度不高，降低了商品推荐效果，进而降低了用户的线上购物体验感。


技术实现要素：

4.鉴于上述问题，本发明提出基于电子商务平台交易的商品品牌特征提取及智能推荐管理方法，通过从用户在电子商务平台上的历史购物订单中分析用户对应日常购物商品种类对应的偏好商品品牌，并进一步分析用户对应日常购物商品种类的偏好商品品牌对应的综合可接受购物价格范围，进而进行对应的商品推荐，大大提高了商品推荐效果。
5.本发明的目的可以通过以下技术方案实现：
6.基于电子商务平台交易的商品品牌特征提取及智能推荐管理方法，包括以下步骤：
7.s1.历史购物订单及浏览记录筛选：根据预设的时间段筛选用户在电子商务平台上的历史购物订单，并将筛选的各历史购物订单按照购物时间的先后顺序进行编号，依次标记为1,2...i...n，同时统计各历史购物订单对应的浏览记录数量，进而对各历史购物订单对应的各条浏览记录按照浏览时间的先后顺序进行编号，分别标记为1,2...j...m，其中各条浏览记录分别对应一个浏览商品；
8.s2.历史购物订单基本参数及浏览记录商品参数获取：分别对标记的各历史购物
订单获取其对应的购物商品种类、购物商品品牌和购物商品价格，由此将其构成历史购物订单基本参数集合q
w
(q
w
1,q
w
2,...,q
w
i,...,q
w
n)，q
w
i表示为第i个历史购物订单的基本参数对应的数值，w表示为基本参数，w＝r1,r2,r3,分别表示为购物商品种类、购物商品品牌、购物商品价格，同时将各历史购物订单对应的各条浏览记录获取其对应的浏览商品品牌和浏览商品价格，进而将各条浏览记录对应的浏览商品品牌和浏览商品价格构成历史购物订单对应浏览记录商品参数集合p
ui
(p
ui
1,p
ui
2,...,p
ui
j,...,p
ui
m)，p
ui
j表示为第i个历史购物订单对应第j条浏览记录的商品参数对应的数值，u表示为商品参数，u＝e1,e2,分别表示为浏览商品品牌、浏览商品价格；
9.s3.历史购物订单对应的目标浏览记录筛选：根据历史购物订单的编号顺序，依次从历史购物订单基本参数集合中提取各历史购物订单对应的购物商品品牌，并根据各历史购物订单对应各条浏览记录的编号顺序，依次从历史购物订单对应浏览记录商品参数集合中提取各历史购物订单对应各条浏览记录的浏览商品品牌，由此将各历史购物订单对应的购物商品品牌与该历史购物订单对应各条浏览记录的浏览商品品牌进行相互对比，统计各历史购物订单对应各条浏览记录的浏览商品品牌中与该历史购物订单对应的购物商品品牌相同的浏览记录编号，可记为1,2...k...z,该浏览记录记为目标浏览记录；
10.s4.历史购物订单对应可接受购物价格参数分析：从历史购物订单基本参数集合中提取各历史购物订单对应的购物商品价格，同时根据各历史购物订单对应的目标浏览记录编号从历史购物订单对应浏览记录商品参数集合中提取各历史购物订单对应各条目标浏览记录对应的浏览商品价格，进而构成历史购物订单目标浏览记录浏览商品价格集合g
i
(g
i
1,g
i
2,...,g
i
k,...,g
i
z)，g
i
k表示为第i个历史购物订单对应第k条目标浏览记录对应的浏览商品价格，由此将各历史购物订单对应的购物商品价格与历史购物订单目标浏览记录浏览商品价格集合中该历史购物订单对应各条目标浏览记录对应的浏览商品价格进行对比，统计各历史购物订单对应该购物商品品牌的可接受购物价格的浮动系数，同时根据各历史购物订单对应的购物商品价格和历史购物订单目标浏览记录浏览商品价格集合统计各历史购物订单对应该购物商品品牌的可接受购物价格的主体价格；
11.s5.历史购物订单对应可接受购物价格范围分析：根据各历史购物订单对应该购物商品品牌的可接受购物价格的浮动系数和各历史购物订单对应该购物商品品牌的可接受购物价格的主体价格统计各历史购物订单对应该购物商品品牌的可接受购物价格的上限值和下限值，并由此获取各历史购物订单对应该购物商品品牌的可接受购物价格范围；
12.s6.日常购物商品种类对应偏好商品品牌分析：从历史购物订单基本参数集合中依次提取各历史购物订单对应的购物商品种类，并将其进行相互对比，查看是否存在相同的购物商品种类，若存在相同的购物商品种类，表明该购物商品种类为日常消耗品，该相同购物商品种类记为日常购物商品种类，进而将日常购物商品种类对应的历史购物订单进行归类，得到日常购物商品种类对应的历史购物订单编号，同时将日常购物商品种类对应各历史购物订单的购物商品品牌进行相互对比，查看是否存在相同的购物商品品牌，若存在相同的购物商品品牌，则统计相同购物商品品牌的数量，若该日常购物商品种类对应的相同购物商品品牌数量只有一个，则该购物商品品牌即为该日常购物商品种类对应的偏好商品品牌，若该日常购物商品种类对应的相同购物商品品牌数量不只一个，则从该日常购物商品种类对应的若干相同购物商品品牌中筛选一个相同购物商品品牌，作为该日常购物商
品种类对应的偏好商品品牌，由此按照以上方式得到用户历史购物订单中各日常购物商品种类对应的偏好商品品牌；
13.s7.日常购物商品种类对应偏好商品品牌的综合可接受购物价格范围分析：根据各日常购物商品种类对应的偏好商品品牌和各日常购物商品种类对应的历史购物订单编号，从各日常购物商品种类对应的若干历史购物订单中筛选出与该日常购物商品种类对应的偏好商品品牌一致的历史购物订单编号，可记为1,2...b...y,该历史购物订单记为匹配历史购物订单，此时根据各日常购物商品种类对应的各匹配历史购物订单编号获取该匹配历史购物订单对应该购物商品品牌的可接受购物价格范围，由此将各日常购物商品种类对应各匹配历史购物订单对应该购物商品品牌的可接受购物价格范围进行相互对比，得出可接受购物价格的交集范围，作为用户对应各日常购物商品种类对应偏好商品品牌对应的综合可接受购物价格范围；
14.s8.偏好商品品牌商品筛选推荐：根据用户对应各日常购物商品种类对应偏好商品品牌对应的综合可接受购物价格范围，在电子商务平台上对应的众多商品种类中筛选出该用户对应的日常购物商品种类，并从日常购物商品种类对应的众多商品品牌中提取出与该日常购物商品种类对应偏好商品品牌一致的商品，同时对提取的与该日常购物商品种类对应偏好商品品牌一致的各商品获取其对应的价格，进而将其与该日常购物商品种类对应偏好商品品牌对应的综合可接受购物价格范围进行对比，分析提取的各商品的价格是否在综合可接受购物价格范围内，若在，则保留该商品，若不在，则剔除该商品，由此将保留下的商品推荐给该用户。
15.较优化地，所述s1中根据预设的时间段筛选用户在电子商务平台上的历史购物订单，其具体筛选过程如下：
16.d1:获取预设时间段对应的设置时间起点和设置时间截点；
17.d2:获取该用户在电子商务平台上所有历史购物订单，并获取各历史购物订单对应的购物时间；
18.d3:将获取的各历史购物订单对应的购物时间与设置时间起点和设置时间截点进行对比，判断各历史购物订单对应的购物时间是否在设置时间起点和设置时间截点之内，若在，则保留该历史购物订单，若不在，则去除该历史购物订单，由此保留下的各历史购物订单即为预设时间段内用户在电子商务平台上的历史购物订单。
19.较优化地，所述s1中统计各历史购物订单对应的浏览记录数量的具体统计方法执行以下步骤：
20.t1:以各历史购物订单对应的购物时间作为各历史购物订单对应的浏览记录筛选截止时间，根据预设的时间间隔，统计各历史购物订单对应的浏览记录筛选开始时间；
21.t2:获取该用户在电子商务平台上的所有浏览记录，并提取各条浏览记录对应的浏览时间；
22.t3:将各条浏览记录对应的浏览时间分别与各历史购物订单对应的浏览记录筛选开始时间和浏览记录筛选截止时间进行对比，判断各条浏览记录对应的浏览时间是否在某历史购物订单对应的浏览记录筛选开始时间和浏览记录筛选截止时间之内，进而保留浏览时间在各历史购物订单对应的浏览记录筛选开始时间和浏览记录筛选截止时间之内的浏览记录，该保留下的浏览记录即为各历史购物订单对应的浏览记录。
23.较优化地，所述各历史购物订单对应该购物商品品牌的可接受购物价格的浮动系数的计算公式为ε
i
表示为第i个历史购物订单对应该购物商品品牌的可接受购物价格的浮动系数，q
r3
i表示为第i个历史购物订单对应的购物商品价格。
24.较优化地，所述各历史购物订单对应该购物商品品牌的可接受购物价格的主体价格的统计方法如下：
25.h1:根据历史购物订单目标浏览记录浏览商品价格集合统计各历史购物订单对应目标浏览记录的平均浏览商品价格，其计算公式为
26.h2:根据各历史购物订单对应的购物商品价格和各历史购物订单对应目标浏览记录的平均浏览商品价格统计各历史购物订单对应该购物商品品牌的可接受购物价格的主体价格，其计算公式为x
i
表示为第i个历史购物订单对应该购物商品品牌的可接受购物价格的主体价格，a、b分别表示为预定义的购物商品价格、平均浏览商品价格对应可接受购物主体价格的权重影响系数。
27.较优化地，所述各历史购物订单对应该购物商品品牌的可接受购物价格的上限值计算公式为f
i上
＝x
i
+ε
i
,f
i上
表示为第i个历史购物订单对应该购物商品品牌的可接受购物价格的上限值，各历史购物订单对应该购物商品品牌的可接受购物价格的下限值计算公式为f
i下
＝x
i
‑
ε
i
，f
i下
表示为第i个历史购物订单对应该购物商品品牌的可接受购物价格的下限值，各历史购物订单对应该购物商品品牌的可接受购物价格范围为f
i下
f
i上
。
28.较优化地，所述s6中从该日常购物商品种类对应的若干相同购物商品品牌中筛选一个相同购物商品品牌作为该日常购物商品种类对应的偏好商品品牌，其具体的筛选方法为统计该日常购物商品种类对应的各相同购物商品品牌出现的频次，进而从中提取出现频次最高的相同购物商品品牌作为该日常购物商品种类对应的偏好商品品牌。
29.本发明的有益效果如下：
30.(1)本发明通过获取预设时间段内用户在电子商务平台上的各历史购物订单及其基本参数，并获取各历史购物订单对应的浏览记录及其商品参数，同时从各历史购物订单对应的浏览记录筛选出目标浏览记录，进而根据各历史购物订单的购物商品价格和该历史购物订单对应目标浏览记录的浏览商品价格统计各历史购物订单对应该购物商品品牌的可接受购物价格范围，与此同时将各历史购物订单的购物商品种类及购物商品品牌进行相互对比，从中分析出用户各日常购物商品种类对应的偏好商品品牌，由此进一步分析出用户对应各日常购物商品种类对应偏好商品品牌对应的综合可接受购物价格范围，并根据以上从电子商务购物平台中筛选符合条件的商品进行推荐，实现了电子商务平台商品的智能推荐，完善了商品推荐功能，深化了商品推荐深度，进而提高了推荐商品与用户实际购物需求的匹配度，从而增强了推荐效果，大大提高了用户线上购物的体验感。
31.(2)本发明在分析各历史购物订单对应该购物商品品牌的可接受购物价格范围过
程中融合了购物商品价格和浏览商品价格对用户可接受购物价格范围的影响，避免只根据购物商品价格进行可接受购物价格范围分析造成的分析片面化、有失客观性的问题，提高了用户可接受购物价格范围分析结果的可靠度和精确度。
附图说明
32.利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
33.图1为本发明的方法实施步骤流程图。
具体实施方式
34.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，所描述的实施例仅仅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。
35.参照图1所示，基于电子商务平台交易的商品品牌特征提取及智能推荐管理方法，包括以下步骤：
36.s1.历史购物订单及浏览记录筛选：根据预设的时间段筛选用户在电子商务平台上的历史购物订单，其具体筛选过程如下：
37.d1:获取预设时间段对应的设置时间起点和设置时间截点；
38.d2:获取该用户在电子商务平台上所有历史购物订单，并获取各历史购物订单对应的购物时间；
39.d3:将获取的各历史购物订单对应的购物时间与设置时间起点和设置时间截点进行对比，判断各历史购物订单对应的购物时间是否在设置时间起点和设置时间截点之内，若在，则保留该历史购物订单，若不在，则去除该历史购物订单，由此保留下的各历史购物订单即为预设时间段内用户在电子商务平台上的历史购物订单；
40.并将筛选的各历史购物订单按照购物时间的先后顺序进行编号，依次标记为1,2...i...n，同时统计各历史购物订单对应的浏览记录数量，其具体统计方法执行以下步骤：
41.t1:以各历史购物订单对应的购物时间作为各历史购物订单对应的浏览记录筛选截止时间，根据预设的时间间隔，将各历史购物订单对应的浏览记录筛选截止时间减去浏览记录筛选截止时间得到各历史购物订单对应的浏览记录筛选开始时间；
42.t2:获取该用户在电子商务平台上的所有浏览记录，并提取各条浏览记录对应的浏览时间；
43.t3:将各条浏览记录对应的浏览时间分别与各历史购物订单对应的浏览记录筛选开始时间和浏览记录筛选截止时间进行对比，判断各条浏览记录对应的浏览时间是否在某历史购物订单对应的浏览记录筛选开始时间和浏览记录筛选截止时间之内，进而保留浏览时间在各历史购物订单对应的浏览记录筛选开始时间和浏览记录筛选截止时间之内的浏览记录，该保留下的浏览记录即为各历史购物订单对应的浏览记录进而对各历史购物订单
对应的各条浏览记录按照浏览时间的先后顺序进行编号，分别标记为1,2...j...m，其中各条浏览记录分别对应一个浏览商品；
44.本实施例通过获取用户在预设时间段内的历史购物订单和各历史购物订单对应的浏览记录，为后面分析各历史购物订单对应该购物商品品牌的可接受购物价格范围提供铺垫；
45.s2.历史购物订单基本参数及浏览记录商品参数获取：分别对标记的各历史购物订单获取其对应的购物商品种类、购物商品品牌和购物商品价格，由此将其构成历史购物订单基本参数集合q
w
(q
w
1,q
w
2,...,q
w
i,...,q
w
n)，q
w
i表示为第i个历史购物订单的基本参数对应的数值，w表示为基本参数，w＝r1,r2,r3,分别表示为购物商品种类、购物商品品牌、购物商品价格，同时将各历史购物订单对应的各条浏览记录获取其对应的浏览商品品牌和浏览商品价格，进而将各条浏览记录对应的浏览商品品牌和浏览商品价格构成历史购物订单对应浏览记录商品参数集合p
ui
(p
ui
1,p
ui
2,...,p
ui
j,...,p
ui
m)，p
ui
j表示为第i个历史购物订单对应第j条浏览记录的商品参数对应的数值，u表示为商品参数，u＝e1,e2,分别表示为浏览商品品牌、浏览商品价格；
46.s3.历史购物订单对应的目标浏览记录筛选：根据历史购物订单的编号顺序，依次从历史购物订单基本参数集合中提取各历史购物订单对应的购物商品品牌，并根据各历史购物订单对应各条浏览记录的编号顺序，依次从历史购物订单对应浏览记录商品参数集合中提取各历史购物订单对应各条浏览记录的浏览商品品牌，由此将各历史购物订单对应的购物商品品牌与该历史购物订单对应各条浏览记录的浏览商品品牌进行相互对比，统计各历史购物订单对应各条浏览记录的浏览商品品牌中与该历史购物订单对应的购物商品品牌相同的浏览记录编号，可记为1,2...k...z,该浏览记录记为目标浏览记录；
47.s4.历史购物订单对应可接受购物价格参数分析：从历史购物订单基本参数集合中提取各历史购物订单对应的购物商品价格，同时根据各历史购物订单对应的目标浏览记录编号从历史购物订单对应浏览记录商品参数集合中提取各历史购物订单对应各条目标浏览记录对应的浏览商品价格，进而构成历史购物订单目标浏览记录浏览商品价格集合g
i
(g
i
1,g
i
2,...,g
i
k,...,g
i
z)，g
i
k表示为第i个历史购物订单对应第k条目标浏览记录对应的浏览商品价格，由此将各历史购物订单对应的购物商品价格与历史购物订单目标浏览记录浏览商品价格集合中该历史购物订单对应各条目标浏览记录对应的浏览商品价格进行对比，统计各历史购物订单对应该购物商品品牌的可接受购物价格的浮动系数ε
i
表示为第i个历史购物订单对应该购物商品品牌的可接受购物价格的浮动系数，q
r3
i表示为第i个历史购物订单对应的购物商品价格，同时根据各历史购物订单对应的购物商品价格和历史购物订单目标浏览记录浏览商品价格集合统计各历史购物订单对应该购物商品品牌的可接受购物价格的主体价格，其统计方法如下：
48.h1:根据历史购物订单目标浏览记录浏览商品价格集合统计各历史购物订单对应
目标浏览记录的平均浏览商品价格，其计算公式为
49.h2:根据各历史购物订单对应的购物商品价格和各历史购物订单对应目标浏览记录的平均浏览商品价格统计各历史购物订单对应该购物商品品牌的可接受购物价格的主体价格，其计算公式为x
i
表示为第i个历史购物订单对应该购物商品品牌的可接受购物价格的主体价格，a、b分别表示为预定义的购物商品价格、平均浏览商品价格对应可接受购物主体价格的权重影响系数；
50.本实施例分析的历史购物订单对应可接受购物价格参数既包括了可接受购物价格的主体价格和价格浮动系数，一方面更加全面展示了用户可接受购物价格的构成结构，另一方面为后期统计历史购物订单对应可接受购物价格范围提供统计依据；
51.s5.历史购物订单对应可接受购物价格范围分析：根据各历史购物订单对应该购物商品品牌的可接受购物价格的浮动系数和各历史购物订单对应该购物商品品牌的可接受购物价格的主体价格统计各历史购物订单对应该购物商品品牌的可接受购物价格的上限值和下限值，其中各历史购物订单对应该购物商品品牌的可接受购物价格的上限值计算公式为f
i上
＝x
i
+ε
i
,f
i上
表示为第i个历史购物订单对应该购物商品品牌的可接受购物价格的上限值，各历史购物订单对应该购物商品品牌的可接受购物价格的下限值计算公式为f
i下
＝x
i
‑
ε
i
，f
i下
表示为第i个历史购物订单对应该购物商品品牌的可接受购物价格的下限值，并由此获取各历史购物订单对应该购物商品品牌的可接受购物价格范围f
i下
f
i上
；
52.本实施例在分析各历史购物订单对应该购物商品品牌的可接受购物价格范围过程中融合了购物商品价格和浏览商品价格对用户可接受购物价格范围的影响，避免只根据购物商品价格进行可接受购物价格范围分析造成的分析片面化、有失客观性的问题，提高了用户可接受购物价格范围分析结果的可靠度和精确度；
53.s6.日常购物商品种类对应偏好商品品牌分析：从历史购物订单基本参数集合中依次提取各历史购物订单对应的购物商品种类，并将其进行相互对比，查看是否存在相同的购物商品种类，若存在相同的购物商品种类，表明该购物商品种类为日常消耗品，该相同购物商品种类记为日常购物商品种类，进而将日常购物商品种类对应的历史购物订单进行归类，得到日常购物商品种类对应的历史购物订单编号，同时将日常购物商品种类对应各历史购物订单的购物商品品牌进行相互对比，查看是否存在相同的购物商品品牌，若存在相同的购物商品品牌，则统计相同购物商品品牌的数量，若该日常购物商品种类对应的相同购物商品品牌数量只有一个，则该购物商品品牌即为该日常购物商品种类对应的偏好商品品牌，若该日常购物商品种类对应的相同购物商品品牌数量不只一个，则从该日常购物商品种类对应的若干相同购物商品品牌中筛选一个相同购物商品品牌，作为该日常购物商品种类对应的偏好商品品牌，其具体的筛选方法为统计该日常购物商品种类对应的各相同购物商品品牌出现的频次，进而从中提取出现频次最高的相同购物商品品牌作为该日常购物商品种类对应的偏好商品品牌,由此按照以上方式得到用户历史购物订单中各日常购物商品种类对应的偏好商品品牌；
54.s7.日常购物商品种类对应偏好商品品牌的综合可接受购物价格范围分析：根据各日常购物商品种类对应的偏好商品品牌和各日常购物商品种类对应的历史购物订单编号，从各日常购物商品种类对应的若干历史购物订单中筛选出与该日常购物商品种类对应的偏好商品品牌一致的历史购物订单编号，可记为1,2...b...y,该历史购物订单记为匹配历史购物订单，此时根据各日常购物商品种类对应的各匹配历史购物订单编号获取该匹配历史购物订单对应该购物商品品牌的可接受购物价格范围，由此将各日常购物商品种类对应各匹配历史购物订单对应该购物商品品牌的可接受购物价格范围进行相互对比，得出可接受购物价格的交集范围，作为用户对应各日常购物商品种类对应偏好商品品牌对应的综合可接受购物价格范围；
55.本实施例通过将各日常购物商品种类对应各匹配历史购物订单对应该购物商品品牌的可接受购物价格范围取交集范围，其得到的综合可接受购物价格范围可靠度更高，与用户实际购物价格需求匹配度更高；
56.s8.偏好商品品牌商品筛选推荐：根据用户对应各日常购物商品种类对应偏好商品品牌对应的综合可接受购物价格范围，在电子商务平台上对应的众多商品种类中筛选出该用户对应的日常购物商品种类，并从日常购物商品种类对应的众多商品品牌中提取出与该日常购物商品种类对应偏好商品品牌一致的商品，同时对提取的与该日常购物商品种类对应偏好商品品牌一致的各商品获取其对应的价格，进而将其与该日常购物商品种类对应偏好商品品牌对应的综合可接受购物价格范围进行对比，分析提取的各商品的价格是否在综合可接受购物价格范围内，若在，则保留该商品，若不在，则剔除该商品，由此将保留下的商品推荐给该用户。
57.本发明通过分别从用户历史购物订单和各历史购物订单对应的浏览记录中提取商品品牌参数——购物商品价格和浏览商品价格，由此分析出各历史购物订单对应的可接受购物价格范围，进而进一步分析出用户对应各日常购物商品种类对应偏好商品品牌对应的综合可接受购物价格范围，并根据以上从电子商务购物平台中筛选符合条件的商品进行推荐，实现了电子商务平台交易商品品牌特征提取及商品智能推荐，完善了商品推荐功能，深化了商品推荐深度，进而提高了推荐商品与用户实际购物需求的匹配度，从而增强了推荐效果，大大提高了用户线上购物的体验感。
58.以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。