本发明涉及电子商务领域，尤其涉及一种基于数据分析的电子商务系统。
背景技术
国内最大的电商平台淘宝网每日访问用户达6000万，每日在线商品数目已经超过了8亿件。面对急速增长的数据规模，用户正面临着“信息超载问题”，如果不借助于搜索引擎、推荐系统或者信息分类等辅助技术，用户从海量的互联网资源中找到自己真正感兴趣的信息是一件非常困难的事情,使得信息的有效利用率反而降低了。搜索引擎和个性化推荐系统是解决“信息超载”问题的两种手段。搜索引擎根据用户输入的关键字反馈给用户查询的结果，由于搜索引擎根据的是所有人的行为规律返回搜索结果，无法根据每个用户提供个性化服务，使得可能用户真正感兴趣的内容被海量的搜索结果所掩盖。个性化推荐在此问题上弥补了搜索引擎的不足，即代替用户评估其所有未看过的产品，并通过分析用户的兴趣爱好和历史行为，主动推荐符合用户喜好的项目。
在大数据时代下的推荐系统会面临海量的训练规模，传统单机环境下的推荐系统不能满足大数据时代推荐的需求。因此以分布式计算平台作为模型计算平台的推荐系统渐次诞生。进入web2.0时代后，实时推荐的需求越来越多，而传统推荐系统，都是定期对数据进行分析，然后对模型进行更新，进而使用新的模型进行个性化推荐，训练效率低下，同时因为没有完善的机制配合对实时用户做出反馈，因此存在着推荐满意度以及交易转化率低下的问题。因此构建基于新型分布式流并行处理技术,能够分析实时用户行为并且做出实时推荐反馈的系统是非常有研究意义的。
技术实现要素：
发明目的：
针对传统推荐系统，都是定期对数据进行分析，然后对模型进行更新，进而使用新的模型进行个性化推荐，训练效率低下，同时因为没有完善的机制配合对实时用户做出反馈，因此存在着推荐满意度以及交易转化率低下的问题，本发明提供一种基于数据分析的电子商务系统。
技术方案：
一种基于数据分析的电子商务系统，包括：第一数据采集模块、第二数据采集模块、第三数据采集模块、第四数据采集模块、第一数据分析模块、第二数据分析模块、第三数据分析模块、第四数据采集模块、数据处理模块，所述第一数据采集模块连接所述第一数据分析模块，所述第二数据采集模块连接所述第二数据分析模块，所述第三数据采集模块连接所述第三数据分析模块，所述第四数据采集模块连接所述第四数据分析模块，所述数据处理模块分别连接所述第一数据分析模块、第二数据分析模块、第三数据分析模块、第四数据分析模块，所述电子商务系统绑定社交系统以及支付系统，所述社交系统与所述第二数据采集模块连接，所述支付系统与所述第三数据采集模块连接，所述第一数据采集模块用于对用户站内搜索记录进行数据采集，所述第二数据采集模块用于根据社交系统进行社交数据采集，所述第三数据采集模块用于根据支付信息进行支付数据采集，所述第四数据采集模块根据站内好友进行站内好友互动信息数据采集。
作为本发明的一种优选方式，所述第一数据分析模块、第二数据分析模块、第三数据分析模块以及第四数据分析模块分别根据所述第一数据采集模块、第二数据采集模块、第三数据采集模块以及第四数据采集模块采集的用户数据进行建立喜好的排行。
作为本发明的一种优选方式，所述数据处理模块用于根据用户当前输入的信息以及所述第一数据分析模块、第二数据分析模块、第三数据分析模块以及第四数据分析模块建立的喜好排行进行商品筛选。
作为本发明的一种优选方式，还包括推送显示模块，所述推送显示模块与所述数据处理模块连接，所述推送显示模块根据所述数据处理模块的商品筛选进行推送显示。
作为本发明的一种优选方式，所述第一数据采集模块根据用于搜索的关键字进行数据采集，所述第一数据分析模块根据所述关键字数据进行关键字搜索频率进行偏好内容a的建立，并根据偏好内容a进行a喜好排行。
作为本发明的一种优选方式，所述第二数据采集模块根据社交账号中关于商品描述的关键字进行数据采集，所述第二数据分析模块根据关键字覆盖率进行偏好内容b的建立，并根据偏好内容b进行b喜好排行。
作为本发明的一种优选方式，所述第三数据采集模块根据支付系统中交易记录关键字进行数据采集，所述第三数据分析模块根据关键字覆盖率进行偏好内容c的建立，并根据偏好内容c进行c喜好排行。
作为本发明的一种优选方式，所述第四数据采集模块根据站内好友互动的互动关键字进行数据采集，所述第四数据分析模块根据关键字覆盖率进行偏好内容d的建立，并根据偏好内容d进行d喜好排行。
作为本发明的一种优选方式，所述数据处理模块根据a喜好排行对当前关键字进行偏好反应，所述数据处理模块根据b喜好排行、c喜好排行、d喜好排行对进行a喜好排行的偏好反应过后的当前关键字进行偏好反应。
作为本发明的一种优选方式，所述数据处理模块根据a喜好排行、b喜好排行、c喜好排行以及d喜好排行进行喜好交集分析，所述数据处理模块根据所述喜好交集分析进行综合喜好分布以及综合喜好排行的建立。
本发明实现以下有益效果：
利用本发明提供的电子商务系统，定期对数据进行分析，然后对模型进行更新，进而使用新的模型进行个性化推荐，提供完善的机制配合对实时用户做出反馈，提高了推荐满意度以及交易转化率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。
图1为系统框架图。
具体实施方式
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。
实施例一：
参考图为图1。务系统，包括：第一数据采集模块1、第二数据采集模块2、第三数据采集模块3、第四数据采集模块4、第一数据分析模块5、第二数据分析模块6、第三数据分析模块7、第四数据采集模块4、数据处理模块9，所述第一数据采集模块1连接所述第一数据分析模块5，所述第二数据采集模块2连接所述第二数据分析模块6，所述第三数据采集模块3连接所述第三数据分析模块7，所述第四数据采集模块4连接所述第四数据分析模块8，所述数据处理模块9分别连接所述第一数据分析模块5、第二数据分析模块6、第三数据分析模块7、第四数据分析模块8，所述电子商务系统绑定社交系统以及支付系统，所述社交系统与所述第二数据采集模块2连接，所述支付系统与所述第三数据采集模块3连接，所述第一数据采集模块1用于对用户站内搜索记录进行数据采集，所述第二数据采集模块2用于根据社交系统进行社交数据采集，所述第三数据采集模块3用于根据支付信息进行支付数据采集，所述第四数据采集模块4根据站内好友进行站内好友互动信息数据采集。
作为本发明的一种优选方式，所述第一数据分析模块5、第二数据分析模块6、第三数据分析模块7以及第四数据分析模块8分别根据所述第一数据采集模块1、第二数据采集模块2、第三数据采集模块3以及第四数据采集模块4采集的用户数据进行建立喜好的排行。
作为本发明的一种优选方式，所述数据处理模块9用于根据用户当前输入的信息以及所述第一数据分析模块5、第二数据分析模块6、第三数据分析模块7以及第四数据分析模块8建立的喜好排行进行商品筛选。
作为本发明的一种优选方式，还包括推送显示模块10，所述推送显示模块10与所述数据处理模块9连接，所述推送显示模块10根据所述数据处理模块9的商品筛选进行推送显示。
在具体实施过程中，第一数据采集模块1在用户进行搜索时将搜索关键词记录至数据库中，第一数据分析模块5根据不同的关键词进行关键词的关联，第一数据分析模块5会对所有的输入的关键字进行记录，并针对所有关键字进行与其余关键字的关联，值得一提的是，在关联过程中，关键字a与关键字b关联与关键字b与关键字a关联为两个不同的关联，分别体现在以关键字a与关键字b作为关联主体中，第一数据分析模块5以不同关键字作为关联主体进行不同的关联主体的关联度排序，该排序即为喜好排行，当用户输入实时关键字时，数据处理模块9根据第一数据分析模块5对于不同关联主体的关联度排序进行关联关键字的推荐，该关联关键字推荐为针对用户输入非指定关键字时进行补充推荐。
第二数据采集模块2针对与该电子商务系统关联的社交系统进行用于在社交系统中提及商品关键字的记录进行采集，第二数据采集模块2具有识别功能，数据处理模块9的第二数据分析模块6根据第一数据采集模块1采集的关键字以及第一数据分析模块5处理得到的关联关键字交于第二数据采集模块2进行关键字的识别，第二数据采集模块2根据用户在社交系统的使用过程中提及的关键字以及与关键字关联的关键字进行识别，并将关键字以及关联关键字进行采集，第二数据分析模块6根据第二数据采集模块2的采集结果进行关键字频率的排序，该排序即为喜好排行，当用户输入实施关键字时，数据处理模块9根据关键字频率的排序进行推荐，同样的该关联关键字推荐为针对用户输入非指定关键字时进行补充推荐。
第三数据采集模块3针对与该电子商务系统关联的支付系统进行用于在支付系统支付的商品关键字的记录进行采集，第三数据采集模块3将购买的商品进行采集，第三数据分析模块7分析商品关键字，并在第三数据采集模块3采集的数据范围内进行商品关键词的关联，并进行关联度的排序，该排序即为喜好排行，当用户输入实时关键字时，数据处理模块9根据第三数据分析模块7对于不同关联主体的关联度排序进行关联关键字的推荐，该关联关键字推荐为针对用户输入非指定关键字时进行补充推荐。
第四数据采集模块4采集应用该电子商务系统的网站内的好友间提及的关键字以及购买的关键字，第四数据采集模块4具有识别功能，第四数据采集模块4识别关键字并采集关键字，第四数据分析模块8根据采集结果进行关键字的关联，并进行关键字出现次数的计量，关键字出现次数与关联关键字相关，即当关键字a与关键字b关联时，当关键字a出现并被计入次数时，关键字b也相应计次，设定关键字本体记为1次，关联关键字记为0.5次，第四数据分析模块8根据出现次数计量进行排序，该排序即为喜好排行，当用户输入实时关键字时，数据处理模块9根据第四数据分析模块8对于不同关联主体的关联度排序进行关联关键字的推荐，该关联关键字推荐为针对用户输入非指定关键字时进行补充推荐。
数据处理模块9用于根据用户当前输入的关键字以及第一数据分析模块5、第二数据分析模块6、第三数据分析模块7以及第四数据分析模块8建立的喜好排行进行商品筛选，推送显示模块10获取商品筛选结果，并进行商品筛选过后的推送显示。
实施例二：
参考图为图1。针对实施例一，本实施例的不同点在于：
作为本发明的一种优选方式，所述第一数据采集模块1根据用于搜索的关键字进行数据采集，所述第一数据分析模块5根据所述关键字数据进行关键字搜索频率进行偏好内容a的建立，并根据偏好内容a进行a喜好排行。
作为本发明的一种优选方式，所述第二数据采集模块2根据社交账号中关于商品描述的关键字进行数据采集，所述第二数据分析模块6根据关键字覆盖率进行偏好内容b的建立，并根据偏好内容b进行b喜好排行。
作为本发明的一种优选方式，所述第三数据采集模块3根据支付系统中交易记录关键字进行数据采集，所述第三数据分析模块7根据关键字覆盖率进行偏好内容c的建立，并根据偏好内容c进行c喜好排行。
作为本发明的一种优选方式，所述第四数据采集模块4根据站内好友互动的互动关键字进行数据采集，所述第四数据分析模块8根据关键字覆盖率进行偏好内容d的建立，并根据偏好内容d进行d喜好排行。
作为本发明的一种优选方式，所述数据处理模块9根据a喜好排行对当前关键字进行偏好反应，所述数据处理模块9根据b喜好排行、c喜好排行、d喜好排行对进行a喜好排行的偏好反应过后的当前关键字进行偏好反应。
作为本发明的一种优选方式，所述数据处理模块9根据a喜好排行、b喜好排行、c喜好排行以及d喜好排行进行喜好交集分析，所述数据处理模块9根据所述喜好交集分析进行综合喜好分布以及综合喜好排行的建立。
在具体实施过程中，当用户输入关键字，切关键字内容为非指定商品时时，数据处理模块9根据a喜好排行进行该关键字对应的关联关键字的排序，反应为基本偏好的排序，在基本偏好的排序的基础上，数据处理模块9根据b喜好排行进行基于a喜好排行的排行修正，数据处理模块9根据c喜好排行进行基于a喜好排行的排行修正，数据处理模块9根据d喜好排行进行基于a喜好排行的排行修正，根据b喜好对a喜好排行的修正、c喜好对a喜好排行的修正、d喜好对a喜好排行的修正进行，推送显示模块10进行分别推送。
数据处理模块9根据a喜好排行、b喜好排行、c喜好排行、d喜好排行分别对关键字以及关联关键字进行关键字概率的计算，关键字以及关联关键字在a喜好排行、b喜好排行、c喜好排行、d喜好排行中有不同的概率，数据处理模块9提取同一关键字以及关联关键字在不同的喜好排行中的概率进行综合喜好的排行，值得一提的是，在进行综合喜好排行的推送时，会根据a喜好排行、b喜好排行、c喜好排行、d喜好排行的单独排作为排行的基底进行区别推送。
上述实施例只为说明本发明的技术构思及特点，其目的是让熟悉该技术领域的技术人员能够了解本发明的内容并据以实施，并不能以此来限制本发明的保护范围。凡根据本发明精神实质所作出的等同变换或修饰，都应涵盖在本发明的保护范围之内。