[发明专利]基于用户行为的商品个性化推荐方法及系统

说明书

本发明提供一种基于用户行为的商品个性化推荐方法及系统，该方法包括：获取用户行为数据，用户行为数据包括第一用户行为数据和第二用户行为数据，第一用户行为数据为用户终端对相同商品标签的每一种商品产生的行为数据，第二用户行为数据为用户终端对不同商品标签的商品产生的行为数据；根据第一用户行为数据和第一用户行为数据对应的时间衰减系数，获取相同商品标签的每一种商品的综合热度值；根据第二用户行为数据和第二用户行为数据对应的时间衰减系数，获取每一种商品标签的标签热度值；根据综合热度值和标签热度值，生成商品推荐列表。本发明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，尤其涉及一种基于用户行为的商品个性化推荐方法及系统。

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，商品推荐的准确性和效率有待得到进一步提升。因此，现在亟需一种基于用户行为的商品个性化推荐方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明提供一种基于用户行为的商品个性化推荐方法及系统。

本发明提供一种基于用户行为的商品个性化推荐方法，包括：

获取用户行为数据，所述用户行为数据包括第一用户行为数据和第二用户行为数据，所述第一用户行为数据为用户终端对相同商品标签的每一种商品产生的行为数据，所述第二用户行为数据为用户终端对不同商品标签的商品产生的行为数据；

根据所述第一用户行为数据和所述第一用户行为数据对应的时间衰减系数，获取相同商品标签的每一种商品的综合热度值；根据所述第二用户行为数据和所述第二用户行为数据对应的时间衰减系数，获取每一种商品标签的标签热度值；

根据所述综合热度值和所述标签热度值，生成商品推荐列表。

根据本发明提供的一种基于用户行为的商品个性化推荐方法，在所述获取用户行为数据之前，所述方法还包括：

基于用户行为类型，设置用户行为埋点和用户行为类型预设权重值，以根据用户行为埋点获取用户行为数据，其中，所述用户行为埋点至少包括进入商品详情页、收藏商品成功、取消商品收藏、点击商品分享、确认商品搜索成功、商品到货通知确认成功、确认商品加入购物车、点击立即购买商品、点击提交商品订单和商品支付成功。

根据本发明提供的一种基于用户行为的商品个性化推荐方法，所述获取用户行为数据，包括：

基于所述用户行为埋点和所述用户行为类型预设权重值，获取用户终端对商品产生的用户行为次数、用户行为类型和用户行为权重；

根据所述用户行为次数、所述用户行为类型和所述用户行为权重，得到用户行为数据。

根据本发明提供的一种基于用户行为的商品个性化推荐方法，所述时间衰减系数是基于用户终端的商品浏览历史记录对应的埋点事件创建时间和商品类型获取得到的。

根据本发明提供的一种基于用户行为的商品个性化推荐方法，所述综合热度值是根据商品类型、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计算得到的。