用于基于退货关联信息推荐商品的方法和系统的制作方法
【技术领域】
[0001]本发明涉及电子商务中推荐商品，更具体地，本发明涉及用于基于退货关联信息推荐商品的方法和系统。
【背景技术】
[0002]随着互联网的普及和电子商务的发展，网络购物平台正不断地推出各种人性化服务，例如，为了使用户更快捷地找到想要的商品，网络购物平台会收集和分析用户的网络行为，进而为用户推荐相关商品。在日趋激烈的竞争环境下，推荐商品信息能有效保留用户、防止用户流失，并提高电子商务系统的销售。
[0003]现有的推荐系统采用基于商品、用户行为的大数据分析技术，其可以基于商品的标签向用户推荐合适的商品，或者根据用户以往的偏好或用户设置的喜好来推荐相似的产品。例如，当用户发生退货行为时，现有技术的系统基于用户在退货前的一系列行为，为商品识别其标签，利用商品标签为用户推荐商品。因此，用户在退货后，要么没有得到后续推荐的商品信息，要么得到的都是基于退货前行为推荐的商品，此与当时用户退货的行为基本是毫无关联。由于现有技术的系统无法利用退货关联信息来为用户推荐商品，所以不能更有效地提高购买率。
[0004]因此，需要一种能够基于退货关联信息来为用户推荐商品的方法和系统，以便进一步提尚一次购买率。
【发明内容】
[0005]在本发明的技术方案中，根据用户进行退货的理由，结合有同样退货行为的用户的后续购买行为信息，为用户推荐商品，从而提高二次购买率。
[0006]根据本发明的一个实施例，提供了一种基于退货关联信息推荐商品的方法，包括:建立商品标签数据库；建立基于退货的购物行为上下文系统；基于所述商品标签和所述购物行为上下文来计算特定数目的商品；以及将所计算的特定数目的商品推荐给用户。
[0007]优选地，所述商品标签包括第一标签和与所述第一标签相关联的第二标签，所述第一标签包括商品的信息，所述第二标签包括所述退货理由。
[0008]优选地，所述购物行为上下文包括退货后特定次数的购物行为。
[0009]优选地，计算退货后最常购买的特定数目的商品的步骤进一步包括:基于所述第二标签，关联出所述第一标签以得出与退货的商品最相近的特定数目的商品；以及基于所述购物行为上下文，计算出退货之后最常购买的特定数目的商品。
[0010]优选地，所述特定数目的商品包括与退货的商品最相近的特定数目的商品和退货之后最常购买的特定数目的商品。
[0011]根据本发明的另一个实施例，提供了一种基于退货关联信息推荐商品的系统，包括:数据库，所述数据库用于存储商品标签数据库；退货系统，所述退货系统用于建立基于退货的购物行为上下文系统；推荐系统，所述推荐系统用于基于所述商品标签和所述购物行为上下文来计算特定数目的商品，以及将所计算的特定数目的商品推荐给用户。
[0012]优选地，所述商品标签包括第一标签和与所述第一标签相关联的第二标签，所述第一标签包括商品的信息，所述第二标签包括所述退货理由。
[0013]优选地，所述购物行为上下文包括退货后特定次数的购物行为。
[0014]优选地，所述推荐系统进一步被配置成:基于所述第二标签，关联出所述第一标签以得出与退货的商品最相近的特定数目的商品；以及基于所述购物行为上下文，计算出退货之后最常购买的特定数目的商品。
[0015]优选地，所述特定数目的商品包括与退货的商品最相近的特定数目的商品和退货之后最常购买的特定数目的商品。
[0016]根据本公开和附图的下面的详细描述，对本领域的普通技术人员来说其它的目的、特征、以及优点将是显而易见的。
【附图说明】
[0017]附图图示了本发明的实施例，并与说明书一起用于解释本发明的原理。在附图中:
[0018]图1是根据本发明的实施例的基于退货关联信息推荐商品的系统的示意图。
[0019]图2是根据本发明的实施例的基于退货关联信息推荐商品的方法的流程图。
【具体实施方式】
[0020]根据本发明的实施例公开了一种用于基于退货关联信息推荐商品的方法和系统。在以下描述中，为了说明的目的，阐述了多个具体细节以提供对本发明的实施例的全面理解。然而，对于本领域人员显而易见的是，本发明的实施例可以在没有这些具体细节的情况下实现。
[0021]如在此使用的术语“推荐系统”是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务，模拟销售人员帮助用户完成购买过程。
[0022]如在此使用的术语“大数据”，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到擷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。
[0023]图1是根据本发明的实施例的基于退货关联信息推荐商品的系统100的示意图。该系统100包括退货系统101、海量数据库103、推荐系统105和用户107。
[0024]退货系统101用来建立基于退货的购物行为上下文系统，所述购物行为上下文包括退货后特定次数的购物行为。海量数据库103用来存储商品标签库。商品标签用来标示商品的信息，包括第一标签和与所述第一标签相关联的第二标签，所述第一标签包括商品的信息，所述第二标签包括所述退货理由。例如，所述商品标签包括但不限于商品的品类、价格、质量、退货理由等。推荐系统105用于基于所述商品标签和所述购物行为上下文来计算特定数目的商品，以及将所计算的特定数目的商品推荐给用户107。
[0025]例如，商品A手机在上架前会有如下的第一类标签:a.手机、b.质量好、c.配置高、d.价格低。商品B手机在上架前会有如下的第一类标签:a.手机、b.信号好、c.外观漂亮、d.电池续航优秀。如果用户在购买A手机之后发生了退款，并且在退货界面用户选择了以下的理由信号差、y.电池续航差、z.价格高，此类理由属于该商品的第二类标签。在推荐系统105中，第二类标签中的X.信号差与第一类标签中的b.信