个性化商品推荐系统的制作方法

本发明涉及电子商务技术领域，尤其涉及个性化商品推荐系统。

背景技术：

目前已有的货物核算推荐技术大部分仍然局限在人的外形数据进行核算，如了解人的身型等核算人体型适合的服装款式，由于已有技术仅定位于女性局部外形数据，如体型尺码进行简单的服装匹配，但是却忽略了人们常年所形成的社会审美或性格内心审美等因素，则有时不仅不能有效完善匹配度、而且也是一种风险。

技术实现要素：

针对现有技术的不足，本发明的目的在于提供一种商品匹配推荐系统，可以为个人提供较高匹配度的商品或组合商品搭配。

一种个性化商品推荐系统，包括：智能推荐终端以及与所述智能推荐终端相连的显示屏及摄像头；

所述智能推荐终端采集个人的多个维度的个人属性数据，根据个人属性数据计算获取个人风格类型数据，所述个人属性数据包括外观属性及社会心理属性；

获取可用的商品清单，所述商品清单中的每个商品具有预先获取的商品属性 数据以及商品风格类型数据；

根据所述个人属性数据、个人风格类型数据、商品属性数据商品风格类型数据以及预定义的规则计算所述用户与商品或者多商品组合之间的匹配度以获取匹配度最高的商品或者多商品组合；

对通过所述摄像头采集的所述用户图像数据进行处理，生成所述匹配度最高的商品或者多商品组合施加于所述用户后的效果图；以及

在所述显示屏上显示所述效果图。

在一个实施例中，所述显示屏为镜面显示屏。

在一个实施例中，所述系统包括至少二个安装在不同角度的摄像头，用于分别从不同角度拍摄所述用户的图像数据；

所述智能推荐终端对通过所述摄像头采集的所述用户图像数据进行处理，生成所述匹配度最高的商品或者多商品组合施加于所述用户后的效果图包括：首先根据不同角度拍摄的用户的图像数据建立所述用户的三维模型，再将所述商品的模型施加在所述用户的三维模型上。

在一个实施例中，所述商品风格类型数据根据所述商品的商品属性数据计算获得，其中，商品属性数据包括商品形状数据、商品尺码数据、商品颜色数据、商品材质数据、商品审美数据、商品使用场合数据、商品用户年龄数据、商品色彩搭配数据、商品图案数据、商品装饰元素数据、商品工艺数据、商品风格数据、商品价格数据中的一种或多种；

计算获取商品风格类型数据时，设对应多个维度的商品属性数据分别为G1，G2，G3，…，Gm，则G(G1，G2，G3，…，Gm)构成商品的风格类型数据，其中m为商品多重属性的维度数。

在一个实施例中，所述智能推荐终端根据所述个人属性数据获取所述用户的 个人风格类型数据包括：

设对应多个维度的个人属性采集数据分别为P1，P2，P3，…，Pn，则P(P1，P2，P3，…，Pn)构成个人的风格类型数据，其中n为个人多重属性的维度数。

在一个实施例中，所述显示屏幕为触控显示屏，所述智能推荐终端还在通过所述触控显示屏接收用户输入的外观属性，以及在所述显示屏上显示调查问卷，根据用户的问卷调查结果计算用户的心理属性，所述心理属性包括性格数据、审美偏向数据、社会心理数据中的一种或多种；

所述智能推荐终端在根据所述个人属性数据计算获取所述用户的个人风格类型数据时同时包括外形维度以及心理维度。

在一个实施例中，所述系统还包括与所述智能推荐终端网络相连的移动电子终端；

所述移动电子终端内存储有所述用户的个人属性数据和/或个人风格类型数据，所述移动电子终端将所述个人属性数据和/或个人风格类型数据同步给所述智能推荐终端以供计算用户与商品和/或商品与商品之间的匹配度时使用。

在一个实施例中，所述移动电子终端还将用户选择的商品同步给所述智能推荐终端，所述智能推荐终端在接收到所述移动电子终端同步的商品后还将该商品施加在显示的用户图像数据中。

在一个实施例中，所述智能推荐终端根据用户的确认结果将用户选择的商品列表同步给所述移动电子终端，所述移动电子终端根据所述商品列表生成对应的订单；或者

所述智能推荐终端还根据用户确认购买的操作直接生成对应的订单。

在一个实施例中，所述预定义的规则包括多条规则，每条规则定义匹配条件、匹配值计算模型、以及权重，所述匹配条件定义个人属性数据、商品属性数据、 个人风格类型数据、或商品风格类型数据满足的条件，所述匹配值计算模型定义一个固定的匹配值或者匹配值的计算公式，所述用户与商品的匹配度根据每条规则的匹配值以及权重加权计算得到；

所述智能推荐终端对该商品清单每种商品或者多商品组合计算匹配度，选取匹配度最高的商品或者多商品组合作为推荐匹配商品，所述多商品组合的匹配度通过商品组合内每个商品的匹配度加权计算得到。

根据上述的技术方案，可以为个人提供较高匹配度的商品或组合商品搭配。

附图说明

图1为本发明实施例提供的商品匹配推荐系统的示意图。

图2为本发明实施例提供的商品匹配推荐系统的智能推荐终端的示意图。

图3为本发明实施例提供的商品匹配推荐系统的流程图。

具体实施方式

下面结合附图详细说明本发明的优选实施方式。

参阅图1，本发明实施例提供一种个性化商品推荐系统1，其包括智能推荐终端10与移动电子终端20。智能推荐终端10连接有显示屏30、以及多种传感器，传感器例如可包括摄像头40、体重仪50以及身高检测仪60。可以理解的是，体重仪50以及身高检测仪60并不是必须的，而智能推荐终端10还可以连接更多的传感器，例如显微镜或者皮肤检测仪等。

参阅图2，其为智能推荐终端10的一个实施例的结构示意图。智能推荐终端10包括一个或多个(图中仅示出一个)存储器11、处理器12、存储控制器13、以及外设接口14。这些组件通过一条或多条通讯总线/信号线相互通讯。而上述 的各种传感器即可连接在所述外设接口14上。

本领域普通技术人员可以理解，图2所示的结构仅为示意，其并不对智能推荐终端10的结构造成限定。例如，智能推荐终端10还可包括比图2所示更多或者更少的组件，或者具有与图2所示不同的配置。图2所示的各组件可以采用硬件、软件或其组合实现。

存储器11可用于存储软件程序以及模块，处理器12通过运行存储在存储器11内的软件程序以及模块，从而执行各种功能应用以及数据处理。

存储器11可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器11可进一步包括相对于处理器12远程设置的存储器，这些远程设置的存储器可以通过网络连接至终端1。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。处理器12以及其他可能的组件对存储器11的访问可在存储智能推荐终端13的控制下进行。

外设接口14将各种输入/输出装置耦合至处理器12以及存储器11。处理器12运行存储器11内的各种软件、指令以及执行终端1的各种功能以及进行数据处理。

显示屏30用于显示信息、提供给用户信息以及智能推荐终端的各种图形接口。这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。在一个实例中，显示屏30包括一个显示面板。该显示面板例如可为一个液晶显示面板(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode Display，OLED)显示面板、电泳显示面板(Electro-Phoretic Display,EPD)等。

进一步地，在本实施例中，显示屏30还可以包括一个触控表面，该触控表面可设置于显示面板上从而与显示面板构成一个整体，即触摸屏。可选的，触控 表面可包括触摸检测装置和触摸智能推荐终端两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸智能推荐终端；触摸智能推荐终端从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器12，并能接收处理器12发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控表面。

进一步地，显示屏30优选为一个镜面显示屏，即当用户站立在显示屏30正前方时，即可以将显示屏当作镜子使用，显示屏也能显示图像。

在一个具体的实施例中，摄像头40的数量为一个。

在另一个具体的施例中，摄像头40的数量为至少二个，分别设置在显示屏30两侧不同的角度，用于分别从不同角度拍摄站立在显示屏30正前方用户的图像。

体重仪50用于检测用户的体重，并将检测到的体重数据发送给智能推荐终端10。

身高检测仪60用于检测用户的身高，并将检测到的身高数据发送给智能推荐终端10。

体重仪50与身高检测仪60与智能推荐终端10之间可以通过信号线或者通过无线网络连接。

参阅图3，其为智能推荐终端10向用户推荐个性化商品的流程图。如图3所示，该流程包括以下步骤：

步骤S11，所述智能推荐终端采集个人的多个维度的个人属性数据，根据个人属性数据计算获取个人风格类型数据，所述个人属性数据包括外观属性及社会心理属性；

步骤S12，获取可用的商品清单，所述商品清单中的每个商品具有预先获取 的商品属性数据以及商品风格类型数据；

步骤S13，根据所述个人属性数据、个人风格类型数据、商品属性数据商品风格类型数据以及预定义的规则计算所述用户与商品或者多商品组合之间的匹配度以获取匹配度最高的商品或者多商品组合；

步骤S14，对通过所述摄像头采集的所述用户图像数据进行处理，生成所述匹配度最高的商品或者多商品组合施加于所述用户后的效果图；以及

步骤S15，在所述显示屏上显示所述效果图。

本实施例中，智能推荐终端10采集的个人属性数据包括：头部数据、脸部数据、身型数据、性格数据、审美偏向数据、社会心理数据，其中，头部数据、脸部数据、身型数据应用观察测量或者扫描的方法获得量化判定结果，性格数据、审美偏向数据、社会心理数据应用问卷调查方法获得量化判定结果。

上述的头部数据例可包括：头形数据(描述头部的整体轮廓)、发型数据(包括发型种类以及颜色)。上述的脸部数据例如可包括：脸形数据以及五官的模型数据和皮肤种类及颜色数据。上述的身形数据例如可包括身高、体重、身体的模型数据。

上述的性格数据例可包括：气质数据，人格数据、此两项从心理学研究出发，可以通过调查问卷得到。

审美偏向数据可包括人对色彩的偏好数据，其中色彩包括单色、色彩搭配、色系，色彩数据调研分两个维度：喜欢的颜色和不喜欢的颜色。

同时，审美偏向数据还包括人对审美风格的偏好数据，如活泼、优雅、神秘、高贵、热情等。

社会心理数据包含一个人的年龄数据，以及职业数据。

在一个具体的实施例中，采集个人属性数据的过程如下：智能推荐终端10调 用摄像头40拍摄用户的图像数据，根据用户的图像数据分析得到上述的头部数据、脸部数据、身型数据等等。附此之外，智能推荐终端10还可以在显示屏30上显示调查问卷，根据用户输入的问卷结果计算上述的性格数据、审美偏向数据以及社会心理数据。根据这种方式，在任意的智能推荐终端上都可以完成性格数据、审美偏向数据以及社会心理数据的采集。

在另一个具体的实施例中，采集个人属性数据的过程如下：移动电子终端20内可以存储有上述的个人属性数据，用户可以通过扫描显示在显示屏30上的二维码的方式与智能推荐终端10相互绑定，在绑定后，移动电子终端20可将其存储的个人属性数据直接发送给智能推荐终端10，或者通过中转服务器转发给的智能推荐终端10。如此，用户无须每次选择商品时都输入调查问卷，更加方便。

本实施例中，每个个人属性采集值取该个人属性类型选择域中一个或多个取值，所述个人风格计算模块计算获取个人风格类型数据时，设对应多个维度的个人属性采集值分别为P1，P2，P3，…，Pn，则P(P1，P2，P3，…，Pn)构成个人的风格类型数据，其中n为个人多重属性的维度数。

本实施例中，个人属性采集值取该个人属性类型选择域中的多个取值时，选取最匹配一个为主值，个人属性采集值取该个人属性类型选择域中的一个取值时，直接取该取值为主值，对应多个维度的个人属性采集主值组合构成个人的主风格类型数据，其余采集值组合构成个人的次要风格类型数据。

本实施例中，商品属性数据包括：商品形状数据、商品尺码数据、商品颜色数据、商品材质数据、商品审美数据、商品使用场合数据、商品用户年龄数据、商品色彩搭配数据、商品图案数据、商品装饰元素数据、商品工艺数据、商品风格数据、商品价格数据。

上述的商品形状数据定义商品的外形，其可以是简单外形名称，也可以是详 细的外形描述数据(通过测量或者扫描得到)。

上述的商品尺码数据定义商品的尺寸大小，其可以是简单的尺码例如XL、L、M、S等，也可以包括详细的尺寸(长、宽、高、甚至更加详细的细节尺寸)，详细的尺寸也可以通过测量或者扫描得到。

商品颜色数据定义商品的颜色，其可以是简单的颜色名称例如红色、绿色等，也可以是颜色代码，例如#3322de，此单项数据中同时包含色相、明度和纯度三个数据，还可以针对商品的三维模型，记载模型中每一处的颜色。同时亦包含商品色彩搭配、色彩面积，色彩心理效应等数据。

商品材质数据是指制造商品所作用的原材料的材质，例如是丝质、亚麻、羊毛、纯绵还是、皮革、塑料、玉石、钻石、金属等。

商品审美数据是指人对商品所呈现的心理数据，包含如：活泼、优雅、、稳重、神秘、可爱、高贵等。上述的商品用户年龄数据是指每个商品适用的用户年龄。例如，商品用户年龄数据可以包括一个年龄段，例如20－30。

商品色彩搭配数据是指商品适合与哪此色彩进行搭配的数据。商品色彩搭配数据可包括一个颜色清单，每个颜色具有一个与当前商品颜色的搭配度。此搭配度可以是根据算法计算出来，也可以是由和设计师直接指定编辑的。进一步地，商品色彩搭配数据中还可针对不同的部位进行区分，例如，若当前商品为上衣，在可商品色彩搭配数据里分别定义裤子以及鞋子的商品色彩搭配数据，也就是说裤子与鞋子的商品搭配数据可以不同。

商品图案数据定义商品表面的图案特征，其可直接包括商品表面的图案，对于图案是以重复的方式延伸的还可以记载图案重复处理的方式。

商品装饰数据定义商品表面的装饰物或者镶嵌在商品表面的装饰物品：如金属装饰、流苏、亮片、铁链子、拉链、皮带、蕾丝、绣花、各类年串珠、绳带等 商品工艺数据定义制作商品时所采取的工艺，此工艺包含制作该商品作用于材质的工艺也包含将商品各部分组合成一体时所采取的工艺：如石磨、做旧、刷白、手工印染、撕裂、镂空等

商品风格数据是指商品审美元素所呈现的历史、区域、文化所沉淀的历史文化元素聚合而成的风格数据，如：巴洛克风格、洛可可风格、朋克风格、百老汇风格、中国民国风格、20年代风格、超现实主义风格、波普风格等等。

商品价格数据定义商品的价格，例如可以包括单独出售价格、与其他商品搭配的折扣、以及任意其他与商品价格相关的数据。

本实施例中，每个商品属性采集值取该商品属性类型选择域中一个或多个取值，所述商品风格计算模块计算获取商品风格类型数据时，设对应多个维度的商品属性采集值分别为G1，G2，G3，…，Gm，则G(G1，G2，G3，…，Gm)构成商品的风格类型数据，其中m为商品多重属性的维度数。

本实施例中，所述预定义的规则包括多条规则，每条规则定义匹配条件、匹配值计算模型、以及权重，所述匹配条件定义个人属性数据、商品属性数据、个人风格类型数据、或商品风格类型数据满足的条件，所述匹配值计算模型定义一个固定的匹配值或者匹配值的计算公式，所述用户与商品的匹配度根据每条规则的匹配值以及权重加权计算得到；

所述智能推荐终端对该商品清单每种商品或者多商品组合计算匹配度，选取匹配度最高的商品或者多商品组合作为推荐匹配商品，所述多商品组合的匹配度通过商品组合内每个商品的匹配度加权计算得到。

在一个实施例中，上述的步骤S13向用户推荐单一的商品，其方法如下：提供个人属性与该类型商品属性的协调匹配规则，每条协调匹配规则具有比重类型的匹配值，对指定的个人风格类型数据，根据协调匹配规则，推演计算商品数据 存储库中，该类型商品中每种商品风格类型的匹配值，选取匹配值最高的商品作为推荐匹配商品。

在一个实施例中，上述的步骤S13向用户推荐多商品组合，其方法如下：提供个人属性与商品属性、商品属性与商品属性的协调匹配规则，每条协调匹配规则具有比重类型的匹配值，从个人风格类型数据，根据协调匹配规则，推演计算商品数据存储库中，每组多类型搭配组合商品的匹配值，选择匹配值最高的多类型搭配组合商品作为推荐多类型搭配组合商品。

规则提供模块所提供的个人属性与该类型商品属性的协调匹配规则以及商品属性与商品属性的协调匹配规则来源可分为两类，一类是设计师进行搭配并输入系统，另一类是系统记录用户的商品选择搭配行为，根据记录结果进行相关性分析得到。

本实施例中，推荐匹配度最高的单一类型商品的实例为：假如用户选定一支粉底液，则只需取个人肤色数据和粉底液颜色数据进行最佳匹配即可。

本实施例中，推荐匹配度最高的多类型搭配组合商品的方法为：假如用户需要同时选择化妆全套用品，则需取个人属性数据，包含肤色、年龄、职业、偏好等综合核算后指向的Pn类型数据值匹配。同时取化妆品各品类颜色值，如粉底液、腮红、眼影、高光、鼻影、眼线等等，与商品库中商品风格Gm值进行匹配。最后PN值与GM值相匹配，得到最佳值。

本实施例中，输出匹配推荐的商品及商品搭配结果例如是指将商品搭配结果显示在屏幕上、以声音方式输出或者发送给其他设备(例如客户端或者其他移动终端)进行显示。

进一步地，所述系统包括至少二个安装在不同角度的摄像头，用于分别从不同角度拍摄所述用户的图像数据。智能推荐终端10首先根据不同角度拍摄的用 户的图像数据建立所述用户的三维模型，再将所述商品的模型施加在所述用户的三维模型上。

在一个实施例中，移动电子终端20还将用户选择的商品同步给所述智能推荐终端10，智能推荐终端10在接收到移动电子终端20同步的商品后还将该商品施加在显示的用户图像数据中。

在一个实施例中，智能推荐终端10根据用户的确认结果将用户选择的商品列表同步给移动电子终端20，移动电子终端20根据所述商品列表生成对应的订单；或者智能推荐终端10还根据用户确认购买的操作直接生成对应的订单。

在一个具体的实施例中，上述的个人属性采集值具有树型结构，如下表所示：

其中，末端子节点的值是可以直接采集得到的，比如说用户勾选，而各层级的父节点的值是根据其子结点的值采用一定的经验规则计算得到。

在一个具体的实施例中，上述的商品属性采集值也具有树型结构，如下表所示：

由于父节点的值是根据子节点的值计算得到的，也就是说实际上父节点是用 一个值能够取代多个值进行匹配度的计算，可以减少计算量，提升匹配度的计算效率，而且在些情形下，采用父节点的值来计算匹配度的结果还更加精确。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。