[发明专利]基于社交电商平台的商品推荐方法、系统、计算机可读介质以及装置

权利要求书

1.一种基于社交电商平台的商品推荐方法，其特征在于，包括以下步骤：

步骤S1：获取主用户有过代理行为的用户历史购买商品，构成商品数据集A；如果商品数据集A小于预设阈值，则获取主用户有过信息交流的用户历史购物商品构成商品数据集B，将商品数据集B补充至商品数据集A；及如果商品数据集A与商品数据集B的并集还是小于预设阈值，则在商品数据集A和商品数据集B的并集基础上进行扩展，以得到总的候选商品数据集；其中，根据主用户本人，以及其社交关系的代购中的设备信息进行扩展；或如果设备数据不被授权读取，无法获取设备信息时，根据主用户或者商品的背景属性，通过属性聚类进行扩展；或根据主用户或者商品的背景属性，基于关联规则推荐进行扩展；及

步骤S2：根据步骤S1所获得的候选商品数据集和电商推荐商品数据集求得并集，使用Bandit算法以从并集中推荐商品给主用户；

其中，所述社交关系包括与主用户有过代理购买行为或仅进行信息交流的关系。

2.如权利要求1所述的基于社交电商平台的商品推荐方法，其特征在于，在商品数据集A及商品数据集B的并集基础上进行扩展，包括：根据主用户和候选商品数据集内的商品的背景属性， 通过背景属性聚类或背景属性关联进行扩展。

3.如权利要求1所述的基于社交电商平台的商品推荐方法，其特征在于，所述步骤S2中，根据步骤S1所获得的候选商品数据集和电商推荐商品数据集求得并集，使用Bandit算法以从并集中推荐商品给主用户，包括以下步骤：

步骤S201：选一个(0,1)之间任一个数作为epsilon；

步骤S202：以epsilon的概率在所述并集中随机推荐给用户商品并获取该商品的回报率；及

步骤S203：确认回报率大于预设回报率值的商品为回报率高的商品，以1-epsilon的概率从所述并集中选择与上述回报率高的商品相似度大于预设相似度值的商品继续推荐给用户。

4.如权利要求1所述的基于社交电商平台的商品推荐方法，其特征在于，在上述步骤S2之后，还进一步包括以下步骤：

步骤S3：对主用户进行每轮以epsilon的概率根据步骤S1所获得的候选商品数据集和电商推荐商品数据集求得的并集中推荐商品，以1-epsilon的概率来推荐回报率大于预设回报率值的商品的相似商品，直至商品推荐截止。

5.如权利要求4所述的基于社交电商平台的商品推荐方法，其特征在于，所述步骤S3中，直至推荐截止，包括以下步骤：

步骤S301:根据主用户对推荐商品的行为进行显性行为打分和隐形行为打分，求得总分数值；

步骤S302:设定截止阈值，将主用户的行为的总分数值和截止阈值进行对比；

步骤S303:根据上述总分数值和截止阈值的对比结果，判断是否商品推荐截止。

6.一种基于社交电商平台的商品推荐系统，其特征在于，包括以下模块：

获取模块：基于主用户的社交关系信息，获取与主用户关联的社交关系的用户中历史购买的商品，以构成候选商品数据集；具体地，获取主用户有过代理行为的用户历史购买商品，构成商品数据集A；如果商品数据集A小于预设阈值，则获取主用户有过信息交流的用户历史购物商品构成商品数据集B，将商品数据集B补充至商品数据集A；及如果商品数据集A与商品数据集B的并集还是小于预设阈值，则在商品数据集A和商品数据集B的并集基础上进行扩展，以得到总的候选商品数据集；其中，根据主用户本人，以及其社交关系的代购中的设备信息进行扩展；或如果设备数据不被授权读取，无法获取设备信息时，根据主用户或者商品的背景属性，通过属性聚类进行扩展；或根据主用户或者商品的背景属性，基于关联规则推荐进行扩展；

推荐模块：候选商品数据集和电商推荐商品数据集求得并集，使用Bandit算法以从并集中推荐商品给主用户；及

判断模块：判断推荐商品是否截止。