[发明专利]一种基于人工智能的商品推荐方法

说明书

本申请公开了一种基于人工智能的商品推荐方法，包括：边缘服务器基于用户购买历史记录及用户自然属性，获取目标用户的POI，将目标用户的POI发送至商品推荐服务器；商品推荐服务器基于POI，生成与POI匹配的商品；商品推荐服务器获取多个关联参数；商品推荐服务器将多个关联参数按照决策树模型进行子集分类，并生成商品推荐决策树，其中，子集包括商品的品牌力子集及评论专业度子集，商品推荐决策树包括品牌力子决策树和评论专业度子决策树；若品牌力子决策树和评论专业度子决策树的决策结果均为推荐，确定决策树的决策结果为推荐，商品推荐服务器生成商品的推荐信息，并发送商品的推荐信息至目标用户，推荐信息中包括商品的品牌介绍及专业评论。

技术领域

本申请涉及电子商务领域，尤其涉及一种基于人工智能的商品推荐方法。

背景技术

在电子商务领域，用户在选购商品时往往会挑选对商品的质量进行评判，由于商品是在线下单购买，商品的质量评判只是单纯基于商品的介绍和用户的评价，尤其是置顶用户的评价会极大程度上左右一个消费者是否进行商品购买的最终决定。

因此，从消费者的角度出发，对于商品的购买很大程度上由两大块内容决定，第一是品牌影响力，第二是用户评论度，以消费类电子产品为例，不同的品牌之间价格和质量差别很大，同一品牌不同型号的产品价格和质量差异也很大，因此如何将品牌和商品的专业评论相结合，为目标用户进行商品推荐和购买是一个急需解决的问题。

然而，现有技术中，品牌力缺乏客观判断标准，商品的评论更为主观，无法进行商品评论的专业度判断，因此也就无法进行目标用户的商品精准推荐，导致推荐精度低，成单率低。

发明内容

本申请实施例提供一种基于人工智能的商品推荐的方法，用于解决现有技术中商品推荐转化率低且购买方式单一化的问题。

本发明实施例提供一种基于人工智能的商品推荐方法，包括：

边缘服务器基于用户购买历史记录及用户自然属性，获取目标用户的兴趣点POI，并将所述目标用户的POI发送至商品推荐服务器；

所述商品推荐服务器基于所述POI，生成与所述POI匹配的商品；

所述商品推荐服务器获取与所述商品的多个关联参数；

所述商品推荐服务器将所述多个关联参数按照决策树模型进行子集分类，并生成商品推荐决策树，其中，所述子集包括商品的品牌力子集及评论专业度子集，所述商品推荐决策树包括品牌力子决策树和评论专业度子决策树；

若所述品牌力子决策树和评论专业度子决策树的决策结果均为推荐，确定所述决策树的决策结果为推荐，所述商品推荐服务器生成所述商品的推荐信息，并发送所述商品的推荐信息至所述目标用户，所述推荐信息中包括所述商品的品牌介绍及专业评论。

可选地，所述商品推荐服务器将多个关联参数按照决策树模型进行子集分类，并生成商品推荐决策树，包括：

所述商品推荐服务器将所述多个关联参数分为评论专业度子集和品牌力子集，其中，所述评论专业度包括评价力属性和用户专业性属性，所述评价力属性包括评论字数、引用度、特征度，所述用户专业性属性包括用户购买力、用户认证情况及用户活跃程度；

将专业度作为根节点，评价力作为第一父节点、用户专业性作为第二父节点，所述评论字数、所述引用度、所述特征度为所述第一父节点的叶子节点，所述用户购买力、用户认证情况和用户活跃程度作为所述第二父节点的叶子节点，生成评论专业度子决策树，并基于所述专业度子决策树确定所述评论专业度的决策结果。

可选地，基于决策树确定所述专业度的决策结果，包括：

判断所述评论字数是否超过第一预设阈值，若超过则决策结果设置为1，未超过则设置为0；