[发明专利]一种商品推荐热度生成方法及系统

说明书

本发明提供一种商品推荐热度生成方法及系统，该方法包括：基于每种商品的用户行为埋点，获取用户行为权重值、用户行为次数和用户行为埋点创建时间；获取每种商品的时间衰减系数，并根据所述用户行为权重值、所述用户行为次数、所述用户行为埋点创建时间和所述时间衰减系数，生成每种商品的热度值，所述热度值包括综合热度值和标签热度值；根据所述热度值进行商品推荐。本发明根据用户行为权重值、用户行为次数、用户行为埋点创建时间和时间衰减系数，生成每种商品的热度值，从而对不同用户进行商品推荐，提高了商品推送的准确度和推送效率。

技术领域

本发明涉及商品推送技术领域，尤其涉及一种商品推荐热度生成方法及系统。

背景技术

用户对不同的商品偏好存在一定差异，不同商品受用户欢迎的热度也存在差别。若用户在浏览商品页面的过程中，发现该页面中存在满足自己购买需求的商品，可以引起用户购买产品的意图，从而提高用户对商品的购买意愿。

智能推荐算法是现有商品推送应用领域的一项关键技术，是当前预测消费者购买意图和消费者偏好的主流方案。购物网站的智能推荐技术现阶段已经发展相对比较完善，常见的智能推荐算法有协同过滤的推荐方法、基于内容的推荐方法、基于关联规则推荐、基于效用推荐、基于知识推荐以及组合推荐等。

但是，用户偏好的商品推送和购物网站的智能推荐还存在很大的差异，并不能全部适用，如何生成更能符合用户行为特征的商品热度值，以提高商品推荐准确性和效率，是目前亟需解决的问题。

发明内容

针对现有技术存在的问题，本发明提供一种商品推荐热度生成方法及系统。

本发明提供一种商品推荐热度生成方法，包括：

基于每种商品的用户行为埋点，获取用户行为权重值、用户行为次数和用户行为埋点创建时间；

获取每种商品的时间衰减系数，并根据所述用户行为权重值、所述用户行为次数、所述用户行为埋点创建时间和所述时间衰减系数，生成每种商品的热度值，所述热度值包括综合热度值和标签热度值；

根据所述热度值进行商品推荐。

根据本发明提供的一种商品推荐热度生成方法，在所述基于每种商品的用户行为埋点，获取用户行为权重值、用户行为次数和用户行为埋点创建时间之前，所述方法还包括：

根据用户行为类型的关注程度，设置用户终端对商品产生不同行为动作对应的用户行为类型预设权重值；

根据所述用户行为类型和所述用户行为类型预设权重值，构建得到用户行为埋点。

根据本发明提供的一种商品推荐热度生成方法，所述获取每种商品的时间衰减系数，包括：

基于商品类型，根据用户终端的商品浏览历史记录对应的埋点事件创建时间，构建时间衰减系数公式；

根据所述时间衰减系数公式，获取不同商品的时间衰减系数，

所述时间衰减系数的公式为：

H(t)＝exp[-a(t-t_j)]；

其中，H(t)表示第t天时商品的时间衰减系数，a表示冷却系数，t_j表示第j种埋点事件的创建时间。

根据本发明提供的一种商品推荐热度生成方法，所述根据所述用户行为权重值、所述用户行为次数、所述用户行为埋点创建时间和所述时间衰减系数，生成每种商品的热度值，包括：

基于商品类型，根据用户行为埋点对应的用户行为权重值、时间衰减系数、用户行为统计次数和用户行为埋点创建时间，构建综合热度值公式；

根据所述综合热度值公式，获取不同商品的综合热度值，所述综合热度值公式为：