[发明专利]一种基于多感知的智慧化电子商务推荐方法

说明书

本发明属于电子商务推荐系统技术领域，具体涉及一种基于多感知的智慧化电子商务推荐方法，当前用户选择目标商品后，将目标商品及同类商品对应的初始指标和附加指标分布进入规则库，根据类聚算法，由计算机形成用户商品推荐的权重分配体系；选定修正值，采用反向探测工具对初次形成的权重分配体系对应的商品赋权结果进行正向修正和调节。本发明相比现有技术具有以下优点：本发明根据系统情况及时进行智能化修正，区别于传统电子商务推荐商品的狭隘性，推荐符合用户需求的契合商品，实现较好的用户感知，同时结合促销信息，使所推荐产品更加符合消费者的消费特征和消费选择。

技术领域

本发明属于电子商务推荐系统技术领域，具体涉及一种基于多感知的智慧化电子商务推荐方法。

背景技术

人工智能是指计算机系统执行复杂任务的能力。这项技术一共有三个主要 分支。一是基于规则的人工智能；二是不规则的人工智能，计算机读取大量数据， 然后根据数据统计，概率分析等方法，进行智能处理；三是一种基于神经网络的 深度学习。

目前多行业引进人工智能技术进行产业改革已经是大势所趋。 而如何利用现有的技术框架，发展出更高效、易用性更高、适用性更广的 AI，则成为重中之重。从商业应用的角度来看，AI 平台在 AI 技术领域有着重要的地位，它的出现和发展，将会在很大程度上促进产业升级的速度，帮助电子商务企业进行技术改革，在完成效率提升的同时让消费者最佳实现购物需求，使电子商务商家运维成本下降。

在此背景下，本文设计并实现智能化电子商务用户推荐，通过计算机深度学习、机器学习及计算机相关算法，实现系统的有效推荐功能。

作为一门前沿课题，人工智能在计算机科学的整个领域受到了极大的关注。人工智能已成为促进经济发展的重要驱动力，作为当代产业变革的标杆，人工智能技术，将会在电子商务等领域产生重要影响，形成新标准、新思维、新形式。

在电子商务应用领域，用户选择、识别以及针对用户的产品推荐，是电子商务非常重要的一个环节，目前在这个环节中，大部分使用的是根据以往用户的搜索习惯和消费特征进行的智能化推荐。虽然这种推荐具有一定的针对性，但是用户的选择多样化之后，针对这种推荐，其效果也会不尽人意。

传统的电子商务推荐难度主要体现在：

较多的推荐是采用用户当前选择性，推荐类似的产品，但是用户选择具有跳跃性，不一定对此类产品再产生兴趣；

针对用户的推荐，可能是商家常规的商品对于打折力度较高和促销的商品，系统并没有较好的推荐，比如说置顶；

针对用户的偏好，电子商务平台系统，没有给出和用户偏相吻合的产品，很可能导致用户的流失。

发明内容

针对现有技术存在的问题，本发明提供了一种基于多感知的智慧化电子商务推荐方法。

本发明是通过以下技术方案实现的：一种基于多感知的智慧化电子商务推荐方法，包括规则库，所述规则库基于初始数据设有原始赋权，即初始数据为具有原始权重的初始指标，所述初始数据包括消费基础数据和商品属性数据，将基于电子商务用户基础数据的除初始数据外的具有权重的指标和基于电子商务平台商品数据的除商品基本属性数据外的具有权重的指标作为附加指标；

具体包括以下步骤：

（1）当前用户选择目标商品后，系统在电子商务用户基础数据以及电子商务平台商品数据中分别选取初始指标和附加指标对应的数据，将目标商品及同类商品对应的初始指标和附加指标分布进入规则库，结合现有电子商务平台的商品消费权重对附加指标进行赋权，根据类聚算法，由计算机形成用户商品推荐的权重分配体系，此时权重分配体系所承载的商品为针对当前用户的初始推荐方案；