本发明涉及电子商务领域,具体而言,涉及一种基于用户需求的多商家电子商务推荐系统。
背景技术:
1、电子商务通常是指在全球各地广泛的商业贸易活动中,在因特网开放的网络环境下,基于客户端/服务端应用方式,买卖双方不谋面地进行各种商贸活动,实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。电子商务是以信息网络技术为手段,以商品交换为中心的商务活动。“电子商务”,“电子”是一种技术,是一种手段,而“商务”才是最核心的目的,一切的手段都是为了达成目的而产生的。
2、电子商务可以为用户推荐商家,以方便用户快速找到自己需要的商品。但是在当前的大数据时代,如何从海量的数据中准确地找到用户所需要的信息,针对性进行商家推荐是一个十分紧迫的问题。虽然现有技术在一定程度上可以实现对海量数据进行挖掘,以为用户提供个性化的推荐服务。但是目前来说,现有技术在于利用大数据技术进行商家推荐,即根据用户的历史浏览记录中浏览次数相对较高的类型进行商家匹配推荐,这样单独的网络推荐并不能同时兼顾用户的当前喜好和用户的实际需求等因素进行混合推荐。因此,如何利用已有的商家商业信息和用户信息,综合用户的当前喜好和用户的当前实际需求为用户进行精确实时的商家推荐是目前亟需解决的问题。
技术实现思路
1、本发明的目的在于提供一种基于用户需求的多商家电子商务推荐系统,用以改善现有技术中网络推荐并不能同时兼顾用户的当前喜好和用户的实际需求等因素进行混合推荐的问题。
2、本发明的实施例是这样实现的:
3、第一方面,本技术实施例提供一种基于用户需求的多商家电子商务推荐系统,其包括:
4、推荐任务响应模块,用于当响应于用户操作执行推荐任务时,获取用户的需求参数和历史使用数据;
5、需求参数拆解模块,用于对上述需求参数进行预处理后,根据语法对预处理后的需求参数进行拆解,得到多个拆解文本;
6、拆解文本解析模块,用于将各拆解文本输入至训练好的文本解析模型中,得到各拆解文本对应的解析数据;
7、抽象语法树生成模块,用于基于所有解析数据,生成抽象语法树;
8、用户当前标签确定模块,用于基于上述历史使用数据,确定用户当前标签;
9、关联讨论组确定模块,用于基于上述用户当前标签,从电子商务平台预先设置的关联讨论组中确定与上述用户当前标签相对应的关联讨论组;
10、推荐商家信息确定模块,用于根据与上述用户当前标签相对应的关联讨论组中的各商家商业信息,确定与上述抽象语法树匹配度满足预设匹配标准的多个商家商业信息作为推荐商家信息;
11、推荐商家信息推送模块,用于根据上述推荐商家信息,生成商家电子商务推送指令,以将上述推荐商家信息推送至对应的用户端口。
12、在本发明的一些实施例中,对上述需求参数进行预处理的步骤包括:
13、对上述需求参数进行数据清洗处理,得到清洗需求数据;
14、对上述清洗需求数据进行数据去重处理。
15、在本发明的一些实施例中,上述数据去重处理包括模糊去重处理和精确去重处理;
16、对上述清洗需求数据进行数据去重处理的步骤包括:
17、基于simhash算法获取上述清洗需求数据中相似度达到预设相似度阈值的相似数据,并对上述相似数据进行降维处理,以实现对上述清洗需求数据进行模糊去重处理;
18、基于bit map方法对模糊去重处理后的清洗需求数据进行精确去重处理。
19、在本发明的一些实施例中,上述基于用户需求的多商家电子商务推荐系统还包括:
20、身份标识生成模块,用于根据各用户的注册数据,生成各用户的身份标识;
21、监控模块,用于基于各用户的身份标识,实时监控各用户的使用过程,并记录各用户的使用数据;
22、数据绑定模块,用于将各用户的使用数据与对应的身份标识进行绑定后,存入预置数据库中。
23、在本发明的一些实施例中,获取用户的历史使用数据的步骤包括:
24、基于用户的身份标识,从预置数据库中获取对应的使用数据作为该用户的历史使用数据。
25、在本发明的一些实施例中,上述用户当前标签确定模块包括:
26、时间序列分析单元,用于对上述历史使用数据进行时间序列分析,确定用户当前喜好数据;
27、用户当前标签生成单元,用于根据用户当前喜好数据,生成用户当前标签。
28、在本发明的一些实施例中,上述电子商务平台中关联讨论组的设置规则如下:
29、获取多个第一讨论组,上述第一讨论组包括在线讨论组和历史讨论组;
30、针对各第一讨论组,获取各第一讨论组中的所有商家商业信息;其中,各商家商业信息至少包括商家产品信息和商家服务信息,上述商家产品信息至少包括产品特点和产品价格,上述商家服务信息至少包括商家售卖方式;
31、基于各第一讨论组中各商家商业信息包含的商家产品信息和商家服务信息,设置各第一讨论组相对应的用户标签;
32、将各第一讨论组相对应的用户标签添加于对应第一讨论组,以建立多个关联讨论组。
33、在本发明的一些实施例中,上述文本解析模型的训练规则如下:
34、建立初始模型;
35、获取多个样本,上述多个样本包括多个文本字词;
36、利用上述多个样本对上述初始模型进行训练,得到训练好的文本解析模型。
37、第二方面,本技术实施例提供一种电子设备,其包括存储器,用于存储一个或多个程序;处理器。当一个或多个程序被处理器执行时,实现如上述第一方面中任一项的系统。
38、第三方面,本技术实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面中任一项的系统。
39、相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
40、本发明提供一种基于用户需求的多商家电子商务推荐系统在响应于用户操作执行推荐任务时,获取用户的需求参数和历史使用数据。在对需求参数进行预处理后,根据语法对预处理后的需求参数进行拆解,得到多个拆解文本,并将各拆解文本输入至训练好的文本解析模型中,通过训练好的文本解析模型对各拆解文本进行解析,以使得每一个拆解文本变得有意义,得到各拆解文本对应的解析数据。根据所有解析数据,生成抽象语法树,通过抽象语法树可以表明需求参数的实际语义顺序。同时基于历史使用数据,确定用户当前标签,该用户当前标签表征了用户当前喜好数据。基于用户当前标签,从电子商务平台预先设置的关联讨论组中确定与用户当前标签相对应的关联讨论组,根据与用户当前标签相对应的关联讨论组中的各商家商业信息,确定与抽象语法树匹配度满足预设匹配标准的多个商家商业信息作为推荐商家信息,从而根据推荐商家信息,生成商家电子商务推送指令,以将推荐商家信息推送至对应的用户端口。实现了利用已有的商家商业信息和用户信息,兼顾用户的当前喜好和用户的实际需求因素进行混合推荐的目的,也就实现了综合用户的当前喜好和用户的当前实际需求为用户进行精确实时的商家推荐的目的。