[发明专利]新用户的商品个性化推荐方法及系统

说明书

技术领域

本发明涉及数据处理技术领域，特别涉及一种新用户的商品个性化推荐方法及系统。

背景技术

现有的推荐模型针对老客，模型预测目标为销售额，根据老客的购买点击收藏历史，给不同的用户推荐他们感兴趣的商品。即现有推荐模型针对老客，用历史加实时数据对模型进行训练，其中训练数据的预测目标是销售额，即目标是最大化销售额。模型训练结果输出各商品的销售额，根据销售额，输出商品排序，为用户达到个性化推荐的目的。

现有的商品推荐模型针对老用户，模型预测目标为销售额，根据老用户的购买点击收藏历史行为，给不同的用户推荐他们感兴趣的商品，缺点是过分依赖老用户的历史行为且是以销售额为预测目标，对用户群体中的绝大部分老用户可以起到精准推荐的作用，可是对于没有历史行为的新客，通过现有的商品推荐模式进行商品推荐，推荐精度不高，要提升新客数量和销售量就比较困难。

发明内容

基于此，有必要针对推荐精度不高的问题，提供一种提高推荐精度的新用户的商品个性化推荐方法及系统。

一种新用户的商品个性化推荐方法，包括如下步骤：

获取历史商品数据，根据所述历史商品数据，记录所述历史商品数据的历史商品的属性特征以及历史商品的销售量；

根据所述历史商品的属性特征以及所述历史商品的销售量，获得商品属性特征与商品的销售量之间的对应关系；

获取待推荐商品的属性特征；

根据所述待推荐商品的属性特征以及商品属性特征与商品的销售量之间的所述对应关系，预测待推荐商品的销售量；

根据所述待推荐商品的销售量，对所述待推荐商品进行排序；

根据所述待推荐商品的排序结果，为新用户推荐商品。

本发明还提供一种新用户的商品个性化推荐系统，包括：

第一获取模块，用于获取历史商品数据，根据所述历史商品数据，记录所述历史商品数据的历史商品的属性特征以及历史商品的销售量；

第二获取模块，用于根据所述历史商品的属性特征以及所述历史商品的销售量，获得商品属性特征与商品的销售量之间的对应关系；

第三获取模块，用于获取待推荐商品的属性特征；

预测模块，用于根据所述待推荐商品的属性特征以及商品属性特征与商品的销售量之间的所述对应关系，预测待推荐商品的销售量；

第一排序模块，用于根据所述待推荐商品的销售量，对所述待推荐商品进行排序；

推荐模块，用于根据所述待推荐商品的排序结果，为新用户推荐商品。

上述新用户的商品个性化推荐方法及系统，针对新用户没有对应的购买商品的属性特征，通过根据历史商品的属性特征，以商品的销售量作为预测目标，获取商品属性特征与商品的销售量之间的对应关系，根据推荐商品属性特征，通过商品属性特征与商品的销售量之间的对应关系对待推荐商品的销售量进行预测，并根据待推荐商品的销售量，对待推荐商品进行排序，根据排序结果进行个性化推荐。通过将预测目标设定为销售量，考虑的是有多少新用户进行购买而不是新用户贡献了多少销售额，对于占网页访问量大多数的新用户，这样设定预测目标的动机更明确，可进行精确的推荐，达到更好的推荐效果。

附图说明

图1为一实施方式的新用户的商品个性化推荐方法的流程图；

图2为另一实施方式的新用户的商品个性化推荐方法的子流程图；

图3为另一实施方式的新用户的商品个性化推荐方法的子流程图；

图4为一实施方式的新用户的商品个性化推荐系统的模块图；

图5为另一实施方式的新用户的商品个性化推荐系统的子模块图；

图6为另一实施方式的新用户的商品个性化推荐系统的子模块图。

具体实施方式

请参阅图1，提供一种实施方式的新用户的商品个性化推荐方法，包括以下步骤：

S100：获取历史商品数据，根据历史商品数据，记录历史商品数据的历史商品的属性特征以及历史商品的销售量。

用户访问网页进行商品购买行为，会产生购买的商品的相关数据，从而产生历史商品数据，根据历史商品数据，对历史商品的属性特征以及销售量进行记录，获取历史商品的属性特征以及销售量，以备后续查询和使用。

S200：根据历史商品的属性特征以及历史商品的销售量，获得商品属性特征与商品的销售量之间的对应关系。