一种商品的推荐方法及系统与流程

本发明涉及大数据领域，尤其涉及一种商品的推荐方法及系统。
背景技术：
：在商城、渠道门户以及大多数商品交易应用中，通常会通过广告位或推荐栏等方式向来访用户推荐热销或者新兴商品，而目前的推荐效果无论面对什么样需求的用户，只能固定的推荐某个或某几个销量大或者新出品的商品，或者推荐用户浏览过、购买过的商品，具有实用性差的缺点。技术实现要素：本发明所要解决的技术问题是针对现有技术的不足，提供一种商品的推荐方法及系统。本发明解决上述技术问题的技术方案如下：一种商品的推荐方法，包括：获取用户在购买或浏览商品时产生的用户行为日志；对所述用户行为日志进行处理，得到所述用户在购买或浏览商品时的特征信息；根据预设的权重系数对所述特征信息进行加权，得到所述商品的推荐级别；根据所述推荐级别对商品进行推荐。本发明的有益效果是：本发明提供的一种商品的推荐方法，通过获取用户在购买或浏览商品时产生的用户行为日志，并据此提取用户的购买或浏览行为的特征信息，根据特征信息得到商品的推荐级别，并据此对商品进行推荐，能够满足不同用户的广告投放需求，为各种用户提供定制化的广告推荐，具有针对性强，实用性强的优点。在上述技术方案的基础上，本发明还可以做如下改进。进一步地，所述对所述用户行为日志进行处理，得到所述用户在购买或浏览商品时的特征信息，具体包括：对所述用户行为日志进行分析清洗，得到所述用户的行为轨迹链；对所述行为轨迹链进行归约处理，得到所述用户在购买或浏览商品时的特征信息。采用上述进一步方案的有益效果是：通过对用户行为日志进行清洗，并对生成的行为轨迹链进行归约处理，能够便于从复杂的用户行为数据中提取用户的特征信息，减少处理的数据量，提高处理效率。进一步地，所述对所述用户行为日志进行分析清洗，得到所述用户的行为轨迹链，具体包括：对所述用户行为日志进行清洗，去除所述用户行为日志中的非法数据和格式错误数据；根据清洗后的所述用户行为日志中的数据构造对象，并进行散列，所述对象的属性包括：行为时间和用户标识；根据所述用户标识对所述数据进行归约处理，并将归约处理后的所述数据按所述行为时间进行排序；将排序后的所述数据串联得到所述用户的行为轨迹链。进一步地，所述特征信息包括：购买时间特征信息、购买次数特征信息和商品类型特征信息；所述根据预设的权重系数对所述特征信息进行加权，得到所述商品的推荐级别，具体包括：根据预设的权重系数分别对所述购买时间特征信息、所述购买次数特征信息和所述商品类型特征信息进行加权，并根据加权结果得到所述商品的推荐级别。采用上述进一步方案的有益效果是：通过预设的权重系数对购买时间特征信息、购买次数特征信息和商品类型特征信息进行加权，能够便于精准、高效地为用户进行商品推荐。进一步地，所述根据所述推荐级别对商品进行推荐，具体包括：通过对外安全接口的形式获取商品平台的请求参数；对所述请求参数进行分析，得到待调用的特征信息；根据所述待调用的特征信息和所述推荐级别生成推荐结果，并将所述推荐结果发送给所述商品平台；所述商品平台根据所述推荐结果对商品进行推荐。采用上述进一步方案的有益效果是：通过对外安全接口的形式获取商品平台的请求参数，并进行处理后将推荐结果发送给对应的商品平台，实现了用户特征信息的跨平台共享，提高数据的复用性。本发明解决上述技术问题的另一种技术方案如下：一种商品的推荐系统，包括：处理器和商品平台，其中，所述处理器包括：获取单元，用于获取用户在购买或浏览商品时产生的用户行为日志；第一处理单元，用于对所述用户行为日志进行处理，得到所述用户在购买或浏览商品时的特征信息；第二处理单元，用于根据预设的权重系数对所述特征信息进行加权，得到所述商品的推荐级别；所述商品平台用于根据所述推荐级别对商品进行推荐。进一步地，所述第一处理单元具体用于对所述用户行为日志进行分析清洗，得到所述用户的行为轨迹链，并对所述行为轨迹链进行归约处理，得到所述用户在购买或浏览商品时的特征信息。进一步地，所述第一处理单元具体用于对所述用户行为日志进行清洗，去除所述用户行为日志中的非法数据和格式错误数据，并根据清洗后的所述用户行为日志中的数据构造对象，并将所述数据和所述对象进行散列，所述对象的属性包括：行为时间和用户标识，并根据所述用户标识对所述数据进行归约处理，并将归约处理后的所述数据按所述行为时间进行排序，并将排序后的所述数据串联得到所述用户的行为轨迹链。进一步地，所述特征信息包括：购买时间特征信息、购买次数特征信息和商品类型特征信息；所述第二处理单元具体用于根据预设的权重系数分别对所述购买时间特征信息、所述购买次数特征信息和所述商品类型特征信息进行加权，并根据加权结果得到所述商品的推荐级别。进一步地，所述处理器还包括：接口单元，用于通过对外安全接口的形式获取商品平台的请求参数，对所述请求参数进行分析，得到待调用的特征信息，根据所述待调用的特征信息和所述推荐级别生成推荐结果，并将所述推荐结果发送给所述商品平台；所述商品平台具体用于根据所述推荐结果对商品进行推荐。本发明的有益效果是：本发明提供的一种商品的推荐系统，通过获取用户在购买或浏览商品时产生的用户行为日志，并据此提取用户的购买或浏览行为的特征信息，根据特征信息得到商品的推荐级别，并据此对商品进行推荐，能够满足不同用户的广告投放需求，为各种用户提供定制化的广告推荐，具有针对性强，实用性强的优点。本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。附图说明图1为本发明一种商品的推荐方法的一个实施例提供的流程示意图；图2为本发明一种商品的推荐系统的一个实施例提供的结构框架图；图3为本发明一种商品的推荐系统的另一实施例提供的结构框架图。具体实施方式以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。如图1所示，为本发明一种商品的推荐方法的一个实施例提供的流程示意图，该方法包括：S1，获取用户在购买或浏览商品时产生的用户行为日志。需要说明的是，用户行为日志指的是用户在购买或浏览商品时，后台系统产生的记录有用户的购买或浏览行为数据的集合。例如，用户行为日志可以为：xx时间，xx用户，通过xx平台购买(或浏览)xx商品。需要说明的是，可以通过在各平台商品下单及购买流程中的前端页面进行侵入式或非侵入式的插码埋点，采集用户行为日志。S2，对用户行为日志进行处理，得到用户在购买或浏览商品时的特征信息。需要说明的是，通常采集到的用户日志的数量级会很大，因此可以使用大数据的分析方法对采集到的用户行为日志进行分析清洗处理。例如，分析清洗可以包括去除非法数据或格式错误数据等。需要说明的是，特征信息指的是用户购买或浏览商品时的时间特征、商品平台特征、商品类别特征等。例如，对于用户甲来说，用户甲喜欢在晚上7点至9点之间浏览商品，那么用户甲的特征信息中的时间特征就可以为7点至9点。S3，根据预设的权重系数对特征信息进行加权，得到商品的推荐级别。需要说明的是，权重系数指的是计算某用户的特征信息在计算推荐级别时的乘数系数，可以由商品平台根据实际需求设置。例如，假设特征信息中，对于用户乙购买的某件流量叠加包商品来说，时间特征为上午购买行为，权重系数为2，商品类别特征为数据流量类商品，权重系数为3，那么用户乙在上午购买流量类商品10次，那么该流量叠加包商品的上午购买推荐级别就可以为：10*2*3＝60。10次*上午购买行为权重系数2*流量类商品权重系数3＝60S4，根据推荐级别对商品进行推荐。例如，假设对于用户乙来说，上午购买的流量叠加包的推荐级别为60，用户乙在下午时间段购买过2次流量叠加包商品，且时间特征为下午购买行为，权重系数为3，那么该流量叠加包商品的下午购买推荐级别就可以为：2*3*3＝18。通过比较可以发现，对于用户乙来说，在上午购买流量类叠加包商品的推荐级别更高，因此，可以在上午时对该用户进行流量类商品的广告推荐。需要说明的是，可以将商品的推荐广告投放在用户使用的商品平台或其他平台上等。本实施例提供的一种商品的推荐方法，通过获取用户在购买或浏览商品时产生的用户行为日志，并据此提取用户的购买或浏览行为的特征信息，根据特征信息得到商品的推荐级别，并据此对商品进行推荐，能够满足不同用户的广告投放需求，为各种用户提供定制化的广告推荐，具有针对性强，实用性强的优点。图2为本发明一种商品的推荐系统的一个实施例提供的结构框架图，该方法包括：S1，获取用户在购买或浏览商品时产生的用户行为日志。需要说明的是，与上述实施例中相同步骤的说明及优选实施方式，可以参照上述实施例，在此不再赘述。S2，对用户行为日志进行处理，得到用户在购买或浏览商品时的特征信息。优选地，特征信息包括：购买时间特征信息、购买次数特征信息和商品类型特征信息。S3，根据预设的权重系数对特征信息进行加权，得到商品的推荐级别。S4，根据推荐级别对商品进行推荐。优选地，步骤S2中，具体可以包括：S21，对用户行为日志进行分析清洗，得到用户的行为轨迹链。需要说明的是，用户的行为轨迹链指的是以用户为单位，以时间链形式存储的该用户购买行为数据的集合。例如，对于用户丙的行为轨迹链来说，其中的一个元素可以为：x年x月x日x时，x平台，购买，x商品。另一个元素可以为x年x月x日x时，x平台，浏览，x商品。那么将这两个元素按时间顺序串联起来，就得到了用户丙的行为轨迹链。S22，对行为轨迹链进行归约处理，得到用户在购买或浏览商品时的特征信息。需要说明的是，进行归约处理后，提取出用户的特征信息。例如，可以为：xx用户x月购买xx类型商品xx次，购买时间特点是xx时间段。优选地，还可以将各用户的所有特征信息进行合成，形成用户的特征画像。用户的特征画像可以以用户为单位，通过图像的形式形象地展示出用户的购买行为分布以及购买行为倾向等。优选地，步骤S21中，具体可以包括：S211，对用户行为日志进行清洗，去除用户行为日志中的非法数据和格式错误数据。S212，根据清洗后的用户行为日志中的数据构造对象，并进行散列，对象的属性包括：行为时间和用户标识。需要说明的是，行为时间指的是用户产生购买后浏览行为的时间点，用户标识指的是用户识别各用户的标识。S213，根据用户标识对数据进行归约处理，并将归约处理后的数据按行为时间进行排序。S214，将排序后的数据串联得到用户的行为轨迹链。优选地，步骤S3中，具体可以包括：根据预设的权重系数分别对购买时间特征信息、购买次数特征信息和商品类型特征信息进行加权，并根据加权结果得到商品的推荐级别。例如，可以将购买次数特征信息赋予较高的权重，以向用户推荐常购买或浏览的商品，也可以对商品类型特征信息赋予较高的权重，以向用户推荐与其常购买或浏览的商品相似的商品，也可以对购买时间特征信息赋予较高的权重，以在用户购买欲望强烈的时间段向用户推荐商品。优选地，步骤S4中，具体可以包括：S41，通过对外安全接口的形式获取商品平台的请求参数。S42，对请求参数进行分析，得到待调用的特征信息。S43，根据待调用的特征信息和推荐级别生成推荐结果，并将推荐结果发送给商品平台。S44，商品平台根据推荐结果对商品进行推荐。例如，某商品平台设置的特征信息与权重的对应关系如下：PC端平台—流量类商品—闲时流量包3；晚间流量包2；普通流量包1PC端平台—语音类商品—国际语音包5；国内语音加餐包2；普通语音包1。其中，数字指的是对应的权重。那么假设用户丁的特征信息为：晚间流量包购买2次，国内语音加餐包3次，则商品推荐度见表1：闲时流量包3晚间流量包2*2次＝4普通流量包1国际语音包5国内语音加餐包2*3次＝6普通语音包1表1那么将推荐度从高到低排列，就可以得到最终推荐商品列表依次为：国内语音加餐包，国际语音包，晚间流量包，闲时流量包，普通语音包，普通流量包。需要说明的是，商品平台还可以设置购买时间特征等的权重，以使商品推荐更加实用。本实施例提供的一种商品的推荐方法，通过获取用户在购买或浏览商品时产生的用户行为日志，并据此提取用户的购买或浏览行为的特征信息，根据特征信息得到商品的推荐级别，并据此对商品进行推荐，能够满足不同用户的广告投放需求，为各种用户提供定制化的广告推荐，具有针对性强，实用性强的优点。并通过对用户行为日志进行清洗，并对生成的行为轨迹链进行归约处理，能够便于从复杂的用户行为数据中提取用户的特征信息，减少处理的数据量，提高处理效率。并通过预设的权重系数对购买时间特征信息、购买次数特征信息和商品类型特征信息进行加权，能够便于精准、高效地为用户进行商品推荐。并通过对外安全接口的形式获取商品平台的请求参数，并进行处理后将推荐结果发送给对应的商品平台，实现了用户特征信息的跨平台共享，提高数据的复用性。图3为本发明一种商品的推荐系统的另一实施例提供的结构框架图，该系统包括：处理器1、商品平台2和用户终端3，其中，处理器1包括：获取单元11，用于获取用户在用户终端3购买或浏览商品时产生的用户行为日志；第一处理单元12，用于对用户行为日志进行处理，得到用户在购买或浏览商品时的特征信息；第二处理单元13，用于根据预设的权重系数对特征信息进行加权，得到商品的推荐级别；商品平台2用于根据推荐级别对商品进行推荐。优选地，第一处理单元12具体用于对用户行为日志进行分析清洗，得到用户的行为轨迹链，并对行为轨迹链进行归约处理，得到用户在购买或浏览商品时的特征信息。优选地，第一处理单元12具体用于对用户行为日志进行清洗，去除用户行为日志中的非法数据和格式错误数据，并根据清洗后的用户行为日志中的数据构造对象，并将数据和对象进行散列，对象的属性包括：行为时间和用户标识，并根据用户标识对数据进行归约处理，并将归约处理后的数据按行为时间进行排序，并将排序后的数据串联得到用户的行为轨迹链。优选地，特征信息包括：购买时间特征信息、购买次数特征信息和商品类型特征信息；第二处理单元13具体用于根据预设的权重系数分别对购买时间特征信息、购买次数特征信息和商品类型特征信息进行加权，并根据加权结果得到商品的推荐级别。优选地，处理器1还包括：接口单元14，用于通过对外安全接口的形式获取商品平台2的请求参数，对请求参数进行分析，得到待调用的特征信息，根据待调用的特征信息和推荐级别生成推荐结果，并将推荐结果发送给商品平台2；商品平台2具体用于根据推荐结果对商品进行推荐。本实施例提供的一种商品的推荐系统，通过获取用户在购买或浏览商品时产生的用户行为日志，并据此提取用户的购买或浏览行为的特征信息，根据特征信息得到商品的推荐级别，并据此对商品进行推荐，能够满足不同用户的广告投放需求，为各种用户提供定制化的广告推荐，具有针对性强，实用性强的优点。读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。当前第1页1 2 3