[发明专利]推荐信息的输出方法、系统及服务器

说明书

技术领域

本申请涉及网络技术领域，尤其涉及一种推荐信息的输出方法、系统及服务器。

背景技术

网络购物已经成为人们生活中的一种常见的购物方式，用户在网站浏览商品并选择购物的过程中，网站的推荐引擎服务器可能向用户推荐热门商品，并将这些热门商品的相关信息呈现在网页的特定位置，供用户选择。现有技术中在输出推荐的商品信息时，仅仅按照商品的销量信息或者用户的感兴趣信息(例如：点击量或浏览量)进行推荐，比如，如果某件商品的历史购买量超过一定的数值，则向用户推荐该商品信息，或者，如果某件商品的点击量超过一定的数值，则向用户推荐该商品信息等。

发明人在对现有技术的研究过程中发现，现有技术中的商品信息推荐输出方法，仅仅统计了商品在购买量等维度上的信息，仅仅是购买量等历史数据的累加，而忽略了时间因素对于商品推荐信息的影响，例如，用户在购买商品时，根据季节的不同存在差异，用户会在夏天大量购买短袖类的服装，到了冬天该短袖类服装的累积购买量或点击量已经非常高，此时如果仍然向用户推荐该服装，则将导致推荐引擎服务器的推荐准确率下降，用户体验也不高；并且由于冬天时羽绒服类的服装的点击量或购买量势必剧增，如果仅仅通过对历史购买量或点击量的累加来决定向用户推荐的商品，在冬天时可能会将羽绒服类的服装信息连同一些用户不需要的短袖类服装信息同时推荐给用户，导致在网络中传输的数据量增大，降低了网络数据传输速度。而为了防止上述推荐信息不准确的情况发生，现有的推荐引擎服务器通常采用人工方式，手动修改推荐信息，使得推荐信息与推荐时间相匹配，但是人工修改推荐信息工作量较大，自动化程度不高，难以充分利用推荐引擎服务器的计算能力。

发明内容

本申请实施例的目的是提供一种推荐信息的输出方法、系统及服务器，以解决现有技术中输出的推荐信息与推荐时间不匹配，且人工操作导致工作量较大的问题。

为解决上述技术问题，本申请实施例提供了一种推荐信息的输出方法，是这样实现的：

一种推荐信息的输出方法，包括：

从用户行为数据库中提取预设的统计周期内的用户行为数据；

将所述用户行为数据按照商品标识进行归类，获得每一种商品在所述统计周期内的感兴趣程度的时间序列；

根据所述感兴趣程度的时间序列计算所述商品的购买峰值概率；

当接收到输出推荐信息的命令时，将所述购买峰值概率按照从高到低的顺序进行排序，根据所述排序的结果输出商品的推荐信息。

为解决上述技术问题，本申请实施例还提供了一种推荐信息的输出系统，是这样实现的：

一种推荐信息的输出系统，包括：数据处理服务器、信息推荐服务器，其中，

所述数据处理服务器，用于从用户行为数据库中提取预设的统计周期内的用户行为数据，将所述用户行为数据按照商品标识进行归类，获得每一种商品在所述统计周期内的感兴趣程度的时间序列，根据所述感兴趣程度的时间序列计算所述商品的购买峰值概率；

信息推荐服务器，用于当接收到输出推荐信息的命令时，从所述数据处理服务器中获取每种商品的购买峰值概率，将所述购买峰值概率按照从高到低的顺序进行排序，并根据所述排序的结果输出商品的推荐信息。

为解决上述技术问题，本申请实施例还提供了一种推荐信息的输出服务器，是这样实现的：

一种推荐信息的输出服务器，包括：

提取单元，用于从用户行为数据库中提取预设的统计周期内的用户行为数据；

归类单元，用于将所述用户行为数据按照商品标识进行归类，获得每一种商品在所述统计周期内的感兴趣程度的时间序列；

计算单元，用于根据所述感兴趣程度的时间序列计算所述商品的购买峰值概率；

接收单元，用于接收输出推荐信息的命令；

输出单元，用于将所述购买峰值概率按照从高到低的顺序进行排序，根据所述排序的结果输出商品的推荐信息。