本發(fā)明涉及信息推薦技術(shù)領(lǐng)域，尤其涉及一種基于溯源數(shù)據(jù)庫的用戶商品推薦方法及系統(tǒng)。

背景技術(shù)：

信息推送是通過一定的技術(shù)標(biāo)準(zhǔn)或協(xié)議，在互聯(lián)網(wǎng)上通過定期傳送用戶需要的信息來減少信息過載的一項新技術(shù)。推送技術(shù)通過自動傳送信息給用戶，來減少用于網(wǎng)絡(luò)上搜索的時間。它根據(jù)用戶的興趣來搜索、過濾信息，并將其定期推給用戶，幫助用戶高效率地發(fā)掘有價值的信息。從技術(shù)而言，信息推送是一項以數(shù)據(jù)挖掘、自然語言處理及互聯(lián)網(wǎng)等多門技術(shù)為基礎(chǔ)的綜合性方向；將合適的信息推送給合適的人，是一項極具挑戰(zhàn)的工作，這個過程需要對信息作充分的分析。

現(xiàn)在很多的購物網(wǎng)站都是通過站外推廣的方式向用戶推廣產(chǎn)品，這些商品信息推廣幾乎都是基于當(dāng)下最為熱銷的商品信息之下進行的，或者是根據(jù)用戶瀏覽過的商品信息進行相應(yīng)的推廣；不能準(zhǔn)確地向用戶推廣用戶需要的產(chǎn)品信息，使得用戶在看到這些推廣信息時，感到非常的反感，并且影響用戶在上網(wǎng)是的體驗，而大量的商品信息被推送至用戶的終端上，給用戶帶來了一定的生活困擾。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于溯源數(shù)據(jù)庫的用戶商品推薦方法及系統(tǒng)，快速向用戶提供個性化的商品信息推送服務(wù)，提高了廣大用戶購買商品的服務(wù)體驗。

為了解決上述技術(shù)問題，本發(fā)明提出了一種基于溯源數(shù)據(jù)庫的用戶商品推薦方法，所述方法包括：

對溯源數(shù)據(jù)庫中用戶對商品的溯源記錄進行初始化處理，獲取初始化處理結(jié)果；

根據(jù)不同的情景對所述初始化處理結(jié)果進行過濾處理，獲取過濾處理后的所述用戶對商品的溯源記錄；

根據(jù)所述過處理后的所述用戶對商品的溯源記錄，獲取所述用戶的潛在商品需求信息；

根據(jù)所述用戶的潛在商品需求信息向所述用戶推送具有潛在需求的商品信息。

優(yōu)選地，所述對溯源數(shù)據(jù)庫中用戶對商品的溯源記錄進行初始化處理，包括：

對所述溯源數(shù)據(jù)庫中的溯源記錄按照用戶進行分類，獲取溯源記錄用戶分類結(jié)果；

對所述溯源記錄用戶分類結(jié)果進行無效溯源記錄剔除處理，獲取有效溯源記錄用戶分類結(jié)果。

優(yōu)選地，所述根據(jù)不同的情景對所述初始化處理結(jié)果進行過濾處理，包括：

根據(jù)當(dāng)前情景對所述初始化處理結(jié)果進行過濾處理，獲取過濾處理后的所述用戶對商品的溯源記錄；

所述情景至少包括以下一種或多種情景信息：時間情景信息、季節(jié)情景信息。

優(yōu)選地，所述根據(jù)所述過處理后的所述用戶對商品的溯源記錄，獲取所述用戶的潛在商品需求信息，包括：

對所述過處理后的所述用戶對商品的溯源記錄進行貝葉斯概率預(yù)測，獲取預(yù)測結(jié)果；

根據(jù)所述預(yù)測結(jié)果的概率大小排序獲取所述用戶的潛在商品需求信息。

優(yōu)選地，所述根據(jù)所述用戶的潛在商品需求信息向所述用戶推送具有潛在需求的商品信息，包括：

通過分析分所述用戶的潛在商品需求信息，獲取所述潛在商品需求信息相關(guān)的商品信息；

將所述潛在商品需求信息與所述潛在商品需求信息相關(guān)的商品信息推送給所述用戶。

另外，本發(fā)明實施例還提供了一種基于溯源數(shù)據(jù)庫的用戶商品推薦系統(tǒng)，所述系統(tǒng)包括：

初始化處理模塊：用于對溯源數(shù)據(jù)庫中用戶對商品的溯源記錄進行初始化處理，獲取初始化處理結(jié)果；

過濾處理模塊：用于根據(jù)不同的情景對所述初始化處理結(jié)果進行過濾處理，獲取過濾處理后的所述用戶對商品的溯源記錄；

需求信息獲取模塊：用于根據(jù)所述過處理后的所述用戶對商品的溯源記錄，獲取所述用戶的潛在商品需求信息；

信息推送模塊：用于根據(jù)所述用戶的潛在商品需求信息向所述用戶推送具有潛在需求的商品信息。

優(yōu)選地，所述初始化處理模塊包括：

分類單元：用于對所述溯源數(shù)據(jù)庫中的溯源記錄按照用戶進行分類，獲取溯源記錄用戶分類結(jié)果；

有效記錄獲取單元：用于對所述溯源記錄用戶分類結(jié)果進行無效溯源記錄剔除處理，獲取有效溯源記錄用戶分類結(jié)果。

優(yōu)選地，所述過濾處理模塊包括：

過濾單元：用于根據(jù)當(dāng)前情景對所述初始化處理結(jié)果進行過濾處理，獲取過濾處理后的所述用戶對商品的溯源記錄；

所述情景至少包括以下一種或多種情景信息：時間情景信息、季節(jié)情景信息。

優(yōu)選地，所述需求信息獲取模塊包括：

預(yù)測單元：用于對所述過處理后的所述用戶對商品的溯源記錄進行貝葉斯概率預(yù)測，獲取預(yù)測結(jié)果；

排序單元：用于根據(jù)所述預(yù)測結(jié)果的概率大小排序獲取所述用戶的潛在商品需求信息。

優(yōu)選地，所述信息推送模塊包括：

分析單元：用于通過分析分所述用戶的潛在商品需求信息，獲取所述潛在商品需求信息相關(guān)的商品信息；

推送單元：用于將所述潛在商品需求信息與所述潛在商品需求信息相關(guān)的商品信息推送給所述用戶。

實施本發(fā)明實施例，通過對溯源數(shù)據(jù)庫中的保留的大量用戶溯源記錄進行分析，獲取用戶偏愛及需求商品信息，快速向用戶提供個性化的商品信息推送服務(wù)，提高了廣大用戶購買商品的服務(wù)體驗。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見的，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它的附圖。

圖1是本發(fā)明實施例中的基于溯源數(shù)據(jù)庫的用戶商品推薦方法的流程示意圖；

圖2是本發(fā)明實施例中的基于溯源數(shù)據(jù)庫的用戶商品推薦系統(tǒng)的結(jié)構(gòu)組成示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護的范圍。

圖1是本發(fā)明實施例中的基于溯源數(shù)據(jù)庫的用戶商品推薦方法的流程示意圖，如圖1所示，所述方法包括：

S11：對溯源數(shù)據(jù)庫中用戶對商品的溯源記錄進行初始化處理，獲取初始化處理結(jié)果；

S12：根據(jù)不同的情景對所述初始化處理結(jié)果進行過濾處理，獲取過濾處理后的所述用戶對商品的溯源記錄；

S13：根據(jù)所述過處理后的所述用戶對商品的溯源記錄，獲取所述用戶的潛在商品需求信息；

S14：根據(jù)所述用戶的潛在商品需求信息向所述用戶推送具有潛在需求的商品信息。

對S11作進一步說明：

對所述溯源數(shù)據(jù)庫中的溯源記錄按照用戶進行分類，獲取溯源記錄用戶分類結(jié)果；對所述溯源記錄用戶分類結(jié)果進行無效溯源記錄剔除處理，獲取有效溯源記錄用戶分類結(jié)果。

進一步的，采用溯源終端設(shè)備標(biāo)記的方式來確定使用用戶，即一個溯源終端設(shè)備(如智能手機、平板電腦、標(biāo)記本或其他移動終端設(shè)備，只要可以連接網(wǎng)絡(luò)進行溯源的終端設(shè)備即可)對應(yīng)一個用戶，這是根據(jù)每臺終溯源端設(shè)備上的硬件標(biāo)識碼識別用戶，即按一個溯源終端設(shè)備標(biāo)記為一個用戶，通過數(shù)據(jù)爬蟲的方式，獲取到溯源數(shù)據(jù)庫中的用戶對商品溯源數(shù)據(jù)信息，然后根據(jù)用戶采用的終端設(shè)備進行溯源的設(shè)備硬件標(biāo)識碼進行用戶分類，將采用同一設(shè)備進行商品溯源的分作一個用戶；獲取到一個用戶在溯源數(shù)據(jù)庫中對商品的溯源記錄，對這些用戶在溯源數(shù)據(jù)庫中的溯源記錄進行無效記錄剔除，這里以一年問世間周期進行無效記錄的剔除處理，即保存用戶在一年之內(nèi)在溯源數(shù)據(jù)庫中對商品進行溯源的記錄，并將這些溯源記錄記為用戶的有效溯源記錄。

對S12作進一步說明：

根據(jù)當(dāng)前情景對所述初始化處理結(jié)果進行過濾處理，獲取過濾處理后的所述用戶對商品的溯源記錄；所述情景至少包括以下一種或多種情景信息：時間情景信息、季節(jié)情景信息。

進一步的，根據(jù)當(dāng)前時間下的情景對這些初始化之后的用戶的有效溯源記錄進行過濾，假設(shè)該情景為以季節(jié)為當(dāng)前情景多為過濾，則將非前季節(jié)用戶在溯源數(shù)據(jù)庫中對商品進行溯源的記錄進行剔除處理，只需獲取當(dāng)前季節(jié)用戶在溯源數(shù)據(jù)庫中的對商品的溯源記錄；但是距離的情景可以根據(jù)用戶而設(shè)定，但是情景至少包括以下一種或多種情景信息：時間情景信息、季節(jié)情景信息。

對S13作進一步說明：

對所述過處理后的所述用戶對商品的溯源記錄進行貝葉斯概率預(yù)測，獲取預(yù)測結(jié)果；根據(jù)所述預(yù)測結(jié)果的概率大小排序獲取所述用戶的潛在商品需求信息。

進一步的，

采用貝葉斯條件概率模型對用戶在溯源數(shù)據(jù)庫中對商品溯源的有效記錄進行預(yù)測，在此對實景情景進行提取，在這里采用三個情景進行預(yù)測處理，即提取實時情景T<A₁,A₂,A₃>對用戶在溯源數(shù)據(jù)庫中對商品溯源的有效記錄進行預(yù)測，用戶可能需要購買商品Type_i的概率可表示為：

而情景T<A₁,A₂,A₃>的各維度是相互獨立的，則

將(2)(3)代入(1)可得：

通過上述的貝葉斯預(yù)測處理，獲取到用戶相應(yīng)的商品購買需求；并根據(jù)貝葉斯預(yù)測結(jié)果的概率的大小進行排序，從而獲取用戶潛在商品需求信息的順序排列。

用戶可根據(jù)實際情況采用幾個情景進行貝葉斯預(yù)測處理，在本發(fā)明實施例中就不一一列舉。

對S14作進一步說明：

通過分析分所述用戶的潛在商品需求信息，獲取所述潛在商品需求信息相關(guān)的商品信息；將所述潛在商品需求信息與所述潛在商品需求信息相關(guān)的商品信息推送給所述用戶。

進一步的，通過分析用戶潛在商品需求信息，獲取該潛在商品需求信息對應(yīng)的商品信息，將這些對應(yīng)的商品信息也并入用戶的潛在商品需求信息中；通過站外推廣或其他推送方式向用戶推送潛在商品需求信息與潛在商品需求信息相關(guān)的商品信息，在推送相關(guān)商品信息時，根據(jù)用戶對這些商品信息的點擊量或關(guān)閉量對推送的商品信息作進一步的調(diào)整，最終獲取到較為準(zhǔn)確的商品信息推送結(jié)果。

另外，圖2是本發(fā)明實施例中的基于溯源數(shù)據(jù)庫的用戶商品推薦系統(tǒng)的結(jié)構(gòu)組成示意圖，如圖2所示，本發(fā)明實施例還提供了一種基于溯源數(shù)據(jù)庫的用戶商品推薦系統(tǒng)，所述系統(tǒng)包括：

初始化處理模塊：用于對溯源數(shù)據(jù)庫中用戶對商品的溯源記錄進行初始化處理，獲取初始化處理結(jié)果；

過濾處理模塊：用于根據(jù)不同的情景對所述初始化處理結(jié)果進行過濾處理，獲取過濾處理后的所述用戶對商品的溯源記錄；

需求信息獲取模塊：用于根據(jù)所述過處理后的所述用戶對商品的溯源記錄，獲取所述用戶的潛在商品需求信息；

信息推送模塊：用于根據(jù)所述用戶的潛在商品需求信息向所述用戶推送具有潛在需求的商品信息。

優(yōu)選地，所述初始化處理模塊包括：

分類單元：用于對所述溯源數(shù)據(jù)庫中的溯源記錄按照用戶進行分類，獲取溯源記錄用戶分類結(jié)果；

有效記錄獲取單元：用于對所述溯源記錄用戶分類結(jié)果進行無效溯源記錄剔除處理，獲取有效溯源記錄用戶分類結(jié)果。

優(yōu)選地，所述過濾處理模塊包括：

過濾單元：用于根據(jù)當(dāng)前情景對所述初始化處理結(jié)果進行過濾處理，獲取過濾處理后的所述用戶對商品的溯源記錄；

所述情景至少包括以下一種或多種情景信息：時間情景信息、季節(jié)情景信息。

優(yōu)選地，所述需求信息獲取模塊包括：

預(yù)測單元：用于對所述過處理后的所述用戶對商品的溯源記錄進行貝葉斯概率預(yù)測，獲取預(yù)測結(jié)果；

排序單元：用于根據(jù)所述預(yù)測結(jié)果的概率大小排序獲取所述用戶的潛在商品需求信息。

優(yōu)選地，所述信息推送模塊包括：

分析單元：用于通過分析分所述用戶的潛在商品需求信息，獲取所述潛在商品需求信息相關(guān)的商品信息；

推送單元：用于將所述潛在商品需求信息與所述潛在商品需求信息相關(guān)的商品信息推送給所述用戶。

具體地，本發(fā)明實施例的系統(tǒng)相關(guān)功能模塊工作原理可參考方法實施例的相關(guān)描述，這里不再贅述。

實施本發(fā)明實施例，通過對溯源數(shù)據(jù)庫中的保留的大量用戶溯源記錄進行分析，獲取用戶偏愛及需求商品信息，快速向用戶提供個性化的商品信息推送服務(wù)，提高了廣大用戶購買商品的服務(wù)體驗。

本領(lǐng)域普通技術(shù)人員可以理解上述實施例的各種方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，該程序可以存儲于一計算機可讀存儲介質(zhì)中，存儲介質(zhì)可以包括：只讀存儲器(ROM，Read Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁盤或光盤等。

另外，以上對本發(fā)明實施例所提供的一種基于溯源數(shù)據(jù)庫的用戶商品推薦方法及系統(tǒng)進行了詳細(xì)介紹，本文中應(yīng)采用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。