[发明专利]一种基于用户行为分析的线上商品智能匹配推荐方法及云服务器

说明书

本发明公开一种基于用户行为分析的线上商品智能匹配推荐方法及云服务器，通过根据买家用户在儿童二手服装交易平台上发布的求购服装信息，从平台中筛选出各候选卖家，并获取各候选卖家对应的出售参数，以此统计出各候选卖家对应出售服装的当前综合崭新系数、耐用系数、交易信用系数、降价力度系数和交易距离系数，从而综合以上计算各候选卖家对应的综合推荐系数，并进行候选卖家推荐排序，弥补了目前线上二手交易平台推荐模式过于单一化的弊端，其推荐结果缩小了买家用户的筛选范围，提高了买家用户的筛选效率，同时一方面提高了推荐结果的综合匹配度，另一方面提高了推荐结果的综合价值，大大增强了买家用户的购买体验感。

技术领域

本发明属于线上商品推荐技术领域，具体涉及一种基于用户行为分析的线上商品智能匹配推荐方法及云服务器。

背景技术

随着国内电子商务的蓬勃发展,网上消费已经成为人们的生活方式。消费水平的提高及消费过程的简化导致了人们的诸多冲动消费和非理性消费,带来的后果就是个人闲置物品的数量越来越多，这不仅造成了资源浪费,还会影响到人们的幸福感，由此促进了线上二手交易平台的迅猛发展。

但目前线上二手交易平台在发展的过程中也产生了一些用户体验问题，如商品推荐综合匹配度不高，具体体现在买家用户在线上二手交易平台上发布求购商品信息后，平台根据买家用户发布的商品信息从平台中筛选符合求购商品信息的商品，进而进行推荐，由于平台在推荐过程中推荐模式过于单一化，即只单纯遵循一种推荐模式，如价格推荐、商品崭新度推荐、卖家信用推荐等，导致推荐结果只反映了商品的单一特性，无法反映商品的综合特性，这无形中扩大了买家用户的筛选范围，降低了买家用户的筛选效率，进而一方面降低了推荐结果的综合匹配度，另一方面使得推荐结果的综合价值较低，大大影响买家用户的购买体验感。

发明内容

针对现有技术的不足，本发明以儿童二手服装交易平台为例，提出一种推荐匹配度高、推荐综合价值高的基于用户行为分析的线上商品智能匹配推荐方法及云服务器，有效解决了背景技术提到的问题。

本发明的目的可以通过以下技术方案来实现：

第一方面，本发明提供一种基于用户行为分析的线上商品智能匹配推荐方法，包括以下步骤：

S1.买家求购服装信息发布：获取买家用户在儿童二手服装交易平台上注册的账号信息，同时获取买家用户在儿童二手服装交易平台上发布的求购服装信息，其发布的求购服装信息包括服装种类、儿童年龄、儿童性别和发布时长；

S2.候选卖家统计：获取儿童二手服装交易平台上的所有卖家用户信息，并进行编号，同时获取各卖家对应出售服装的种类、适合儿童年龄、适合儿童性别和发布日期，此时获取当前日期，进而根据各卖家对应出售服装的发布日期和当前日期，计算各卖家对应出售服装的发布时长，由此将买家发布的求购服装信息分别与各卖家对应出售服装的种类、适合儿童年龄、适合儿童性别和发布时长进行逐一匹配，以此筛选出符合买家求购服装信息的各卖家，该卖家记为候选卖家，从而统计各候选卖家的编号，分别记为1,2...i...n；

S3.候选卖家出售参数集合构建：分别从各候选卖家对应的出售服装信息中获取候选卖家对应出售服装的购买日期、购买价格、购买时的服装图像、当前发布时的服装图像、出售价格、卖家信用等级和卖家地理位置，以此构成候选卖家出售参数集合Q_u(q_u1,q_u2,...,q_ui,...,q_un)，q_ui表示为第i个候选卖家的出售参数对应的数据，u表示为出售参数，u＝p1,p2,p3,p4,p5,p6,p7,分别表示为购买日期、购买价格、购买时的服装图像、当前发布时的服装图像、出售价格、卖家信用等级、卖家地理位置；

S4.候选卖家出售服装使用时长统计：从候选卖家出售参数集合中分别提取各候选卖家对应出售服装的购买日期，并获取当前日期，由此统计出各候选卖家对应出售服装的使用时长；