[发明专利]商品推荐方法、系统、计算机设备及存储介质

说明书

本方案涉及一种商品推荐方法。所述方法包括：获取商品数据，并对所述商品数据进行数据清洗，得到数据集；对所述数据集进行正态分布转化形成特征数据，并根据所述特征数据构建商品预测推荐模型；获取用户需求，并将所述用户需求输入至所述商品预测推荐模型中；通过所述商品预测推荐模型输出推荐商品信息。由于商品预测推荐模型是根据商品数据生成的，根据用户需求输出对应的推荐商品信息，可以满足大部分员工的需求，提高商品推荐的灵活度。

技术领域

本发明涉及计算机技术领域，特别是涉及一种商品推荐方法、系统、计算机设备及存储介质。

背景技术

商品推荐可以利用各种推广方式以及各种渠道，将用户引导至目标的店铺或网站。在进行商品推荐时，可以通过互联网上的一些广告平台发布商品的广告，或者通过商家之间相互交换商品广告等方式，利用各种渠道，将商品的信息推广出去，让对其有需求的用户看到，以便最终使用户进行购买。企业在节假日或者特定情景(员工生日等)的礼包选品方法主要是采购部门根据节日或者场景特性，依据其不同节日的民俗文化、场景的特殊性，来提供相应的礼包商品。

然而，传统的购买商品的方式是：对于每个节假日或者特定场景的特殊性，根据采购部门用户对节假日和场景的认知，进行礼包商品选择。该方案缺点是依赖采购人员的经验进行操作，机动性、灵活性低，且容易造成选择单一，无法满足大部分员工的需求。

发明内容

基于此，为了解决上述技术问题，提供一种商品推荐方法、系统、计算机设备和存储介质，可以提高商品推荐的灵活度。

一种商品推荐方法，所述方法包括：

获取商品数据，并对所述商品数据进行数据清洗，得到数据集；

对所述数据集进行正态分布转化形成特征数据，并根据所述特征数据构建商品预测推荐模型；

获取用户需求，并将所述用户需求输入至所述商品预测推荐模型中；

通过所述商品预测推荐模型输出推荐商品信息。

在其中一个实施例中，所述商品数据包括商品交易数据、商品反馈数据、商品类别数据；

所述获取商品数据，并对所述商品数据进行数据清洗，得到数据集，包括：

提取所述商品类别数据、所述商品反馈数据，并结合所述商品交易数据进行数据清洗，合成遍历各个行业内用户粒度的数据集。

在其中一个实施例中，所述根据所述特征数据构建商品预测推荐模型，包括：

通过关联规则对所述特征数据进行初始化聚合，得到聚合后的数据；

将所述聚合后的数据通过分类算法进行验证，得到验证后的数据；

对所述验证后的数据进行迭代处理，并根据迭代处理后的数据构建所述商品预测推荐模型。

在其中一个实施例中，所述方法还包括：

从所述特征数据中查找高频项目组；

根据所述高频项目组生成所述关联规则。

在其中一个实施例中，所述用户需求中包含有目标反馈数据；所述方法还包括：

提取所述用户需求中的所述目标反馈数据；

获取初始商品预测推荐模型，并提取所述初始商品预测推荐模型中的初始参数；

根据所述目标反馈数据调整所述初始参数，生成目标参数；

根据所述目标参数调整所述初始商品预测推荐模型，得到所述商品预测推荐模型。

在其中一个实施例中，所述通过所述商品预测推荐模型输出推荐商品信息，包括：