一种基于用户需求的推荐系统

摘要

本发明涉及推荐系统，具体涉及一种基于用户需求的推荐系统，通过建立商品搜索模型，并对商品搜索模型进行优化，能够有效提高搜索结果与用户搜索需求之间的匹配度；对于新用户与老用户采用不同的商品搜索引擎进行商品推荐，并且在推荐商品时充分考虑适用的搜索条件，能够有效提升推荐商品与用户需求之间的契合度，减少用户对商品推荐的反感度，进一步提升用户在电商平台的体验感；本发明提供的技术方案能够有效克服现有技术所存在的不能根据用户偏好需求进行精准商品推荐的缺陷。

说明书

技术领域

本发明涉及推荐系统，具体涉及一种基于用户需求的推荐系统。

背景技术

随着互联网时代的到来，人们的购物模式随之发生了翻天覆地的变化。目前，很多人都选择通过购物平台进行网上购物，网上购物不仅可以足不出户就能买到想买的东西，而且很多平时买不到的东西都可以通过网购购买。而随着网民人数增速的放缓，网购用户的增加速度也随之放慢，各大电商网站纷纷从当初的跑马圈地，转而开始重视维护现有用户，增加现有用户的粘性，提升现有用户在站内的消费额。而随着各大电商之间竞争的加剧，谁能更快更高效地满足用户的购物需求，成为竞争中脱颖而出的关键。

现有的电商平台大部分都具有商品推荐功能，其判断用户偏好的方法大致有两种，其一为利用用户对商品的打分信息，基于协同过滤的方法寻找具有相似打分行为的邻居，并将该邻居喜欢的商品推荐给用户；其二为利用用户的注册信息和商品基本信息，通过内容的推荐方法，为用户推荐感兴趣的商品。目前，各个网站在推荐方法上都较为类似，即首先分析商品相关数据源，并计算用户对各商品的偏好程度。在需要向用户推荐商品时，获取用户对商品的偏好矩阵，给定推荐数目，将偏好值最高的商品推荐给用户。

现有的商品推荐系统存在以下缺点：其对用户和商品之间的偏好挖掘不够充分，因此最后推荐给用户的商品与用户真实喜欢的商品之间存在较大差距，容易引起用户的反感，并且其仅基于用户与商品之间的评分关系进行推荐，忽略了其他重要参考数据源。

发明内容

(一)解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种基于用户需求的推荐系统，能够有效克服现有技术所存在的不能根据用户偏好需求进行精准商品推荐的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于用户需求的推荐系统，包括：

搜索内容获取模块，用于获取用户在搜索框中输入的搜索内容；

关键词提取模块，用于对搜索内容进行关键词提取；

词语特征提取模块，用于对关键词进行词语特征提取；

搜索模型构建模块，用于构建根据词语特征在商品数据库中对相应商品进行搜索的商品搜索模型；

搜索模型训练模块，用于从商品数据库中调取各商品及其对应的关键词、图片，并输入商品搜索模型进行训练；

搜索模型优化模块，用于根据商品搜索模型搜索结果的准确度对商品搜索模型进行优化；

第一优化显示模块，用于在用户输入搜索框下方对优化后商品搜索模型的搜索结果进行优化显示；

用户访问跟踪模块，用于对用户登录操作进行跟踪；

数据采集模块，用于根据用户登录操作判断用户类型，并获取用户登录地；

推荐引擎选择模块，用于根据用户类型从第一商品搜索引擎、第二商品搜索引擎中进行优选；

搜索条件整合模块，用于根据优选的商品搜索引擎整合相应搜索条件；

第一商品搜索模块，用于通过第一商品搜索引擎利用相应搜索条件进行商品搜索；

第二商品搜索模块，用于通过第二商品搜索引擎利用相应搜索条件进行商品搜索；

第二优化显示模块，用于根据优选的商品搜索引擎在相应位置对搜索结果进行优化显示。

优选地，所述词语特征提取模块将提取的词语特征输入优化后的商品搜索模型，所述第一优化显示模块综合该用户的消费水平、经常消费店铺以及各搜索商品销售量对商品搜索模型的搜索结果进行优化显示。

优选地，所述关键词提取模块通过自然语言分析从搜索内容中提取关键词，所述词语特征提取模块从关键词中提取至少一个词语特征，并对词语特征进行归一化处理。

优选地，所述搜索模型训练模块对商品搜索模型进行一段时间训练后，所述搜索模型优化模块对相应时间段内商品搜索模型的搜索结果准确度进行评价，并根据评价结果通过随机梯度下降法对商品搜索模型进行优化。

优选地，所述搜索模型构建模块构建的商品搜索模型为神经网络模型，所述搜索模型训练模块从商品数据库中调取各商品的图片，同时根据该商品的商品信息编辑内容在图片上选择合适区域标注对应关键词，并将标注关键词的图片输入商品搜索模型进行训练。

优选地，所述用户访问跟踪模块跟踪到用户先注册再进行登录操作时，所述数据采集模块判断该用户属于新用户，所述推荐引擎选择模块优选启动第一商品搜索引擎；

所述用户访问跟踪模块跟踪到用户直接通过用户名、密码进行登录操作时，所述数据采集模块判断该用户属于老用户，所述推荐引擎选择模块优选启动第二商品搜索引擎。

优选地，所述推荐引擎选择模块优选启动第一商品搜索引擎时，所述搜索条件整合模块采集数据采集模块获取的用户登录地，所述第一商品搜索模块通过第一商品搜索引擎利用用户登录地进行商品搜索。

优选地，所述推荐引擎选择模块优选启动第二商品搜索引擎时，所述搜索条件整合模块采集用户的购物车、收藏夹、浏览记录以及历史搜索内容，并整合成搜索条件包，所述第二商品搜索模块通过第二商品搜索引擎利用搜索条件包进行商品搜索。

优选地，所述搜索条件整合模块分别采集购物车、收藏夹、浏览记录以及历史搜索内容中最频繁出现的商品对应的商品类目，所述第二商品搜索引擎在各商品类目中分别搜索销售量最高的商品。

优选地，所述第二优化显示模块根据销售量对第一商品搜索模块的搜索结果进行优化排序，并在登录首页进行显示；

所述第二优化显示模块根据销售量对第二商品搜索模块的搜索结果进行优化排序，并在第一优化显示模块优化显示搜索结果的底部进行显示。

(三)有益效果

与现有技术相比，本发明所提供的一种基于用户需求的推荐系统，通过建立商品搜索模型，并对商品搜索模型进行优化，能够有效提高搜索结果与用户搜索需求之间的匹配度；对于新用户与老用户采用不同的商品搜索引擎进行商品推荐，并且在推荐商品时充分考虑适用的搜索条件，能够有效提升推荐商品与用户需求之间的契合度，减少用户对商品推荐的反感度，进一步提升用户在电商平台的体验感。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的系统示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种基于用户需求的推荐系统，如图1所示，包括：

搜索内容获取模块，用于获取用户在搜索框中输入的搜索内容；

关键词提取模块，用于对搜索内容进行关键词提取；

词语特征提取模块，用于对关键词进行词语特征提取；

搜索模型构建模块，用于构建根据词语特征在商品数据库中对相应商品进行搜索的商品搜索模型；

搜索模型训练模块，用于从商品数据库中调取各商品及其对应的关键词、图片，并输入商品搜索模型进行训练；

搜索模型优化模块，用于根据商品搜索模型搜索结果的准确度对商品搜索模型进行优化；

第一优化显示模块，用于在用户输入搜索框下方对优化后商品搜索模型的搜索结果进行优化显示。

词语特征提取模块将提取的词语特征输入优化后的商品搜索模型，第一优化显示模块综合该用户的消费水平、经常消费店铺以及各搜索商品销售量对商品搜索模型的搜索结果进行优化显示。

其中，第一优化显示模块在对商品搜索模型的搜索结果进行优化显示时，按照经常消费店铺、搜索商品销售量、消费水平的优先级顺序对商品搜索模型的搜索结果进行优化排序，并显示于用户输入搜索框的下方区域。

关键词提取模块通过自然语言分析从搜索内容中提取关键词，词语特征提取模块从关键词中提取至少一个词语特征，并对词语特征进行归一化处理。

通过归一化处理的词语特征具有相同长度，便于优化后的商品搜索模型能够根据关键词的词语特征对商品进行快速搜索。

搜索模型构建模块构建的商品搜索模型为神经网络模型，搜索模型训练模块从商品数据库中调取各商品的图片，同时根据该商品的商品信息编辑内容在图片上选择合适区域标注对应关键词，并将标注关键词的图片输入商品搜索模型进行训练。

搜索模型训练模块对商品搜索模型进行一段时间训练后，搜索模型优化模块对相应时间段内商品搜索模型的搜索结果准确度进行评价，并根据评价结果通过随机梯度下降法对商品搜索模型进行优化。对商品搜索模型进行优化，能够有效提高搜索结果与用户搜索需求之间的匹配度。

用户访问跟踪模块，用于对用户登录操作进行跟踪；

数据采集模块，用于根据用户登录操作判断用户类型，并获取用户登录地；

推荐引擎选择模块，用于根据用户类型从第一商品搜索引擎、第二商品搜索引擎中进行优选；

搜索条件整合模块，用于根据优选的商品搜索引擎整合相应搜索条件；

第一商品搜索模块，用于通过第一商品搜索引擎利用相应搜索条件进行商品搜索；

第二商品搜索模块，用于通过第二商品搜索引擎利用相应搜索条件进行商品搜索；

第二优化显示模块，用于根据优选的商品搜索引擎在相应位置对搜索结果进行优化显示。

用户访问跟踪模块跟踪到用户先注册再进行登录操作时，数据采集模块判断该用户属于新用户，推荐引擎选择模块优选启动第一商品搜索引擎；

用户访问跟踪模块跟踪到用户直接通过用户名、密码进行登录操作时，数据采集模块判断该用户属于老用户，推荐引擎选择模块优选启动第二商品搜索引擎。

推荐引擎选择模块优选启动第一商品搜索引擎时，搜索条件整合模块采集数据采集模块获取的用户登录地，第一商品搜索模块通过第一商品搜索引擎利用用户登录地进行商品搜索。

第二优化显示模块根据销售量对第一商品搜索模块的搜索结果进行优化排序，并在登录首页进行显示。

本申请技术方案中，对于注册使用的新用户，可以根据该用户的登录地进行商品搜索，并在登录首页进行商品推荐，引起新用户的关注度。

推荐引擎选择模块优选启动第二商品搜索引擎时，搜索条件整合模块采集用户的购物车、收藏夹、浏览记录以及历史搜索内容，并整合成搜索条件包，第二商品搜索模块通过第二商品搜索引擎利用搜索条件包进行商品搜索。

搜索条件整合模块分别采集购物车、收藏夹、浏览记录以及历史搜索内容中最频繁出现的商品对应的商品类目，第二商品搜索引擎在各商品类目中分别搜索销售量最高的商品。

第二优化显示模块根据销售量对第二商品搜索模块的搜索结果进行优化排序，并在第一优化显示模块优化显示搜索结果的底部进行显示。

本申请技术方案中，对于直接登录的老用户，可以分别采集该用户的购物车、收藏夹、浏览记录以及历史搜索内容中最频繁出现的商品对应的商品类目，在推荐商品时充分考虑适用的搜索条件，能够有效提升推荐商品与用户需求之间的契合度，减少用户对商品推荐的反感度，进一步提升用户在电商平台的体验感。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。