[发明专利]一种基于电子商务平台个性化推荐算法

说明书

技术领域

本发明涉及互联网应用平台，通过推荐算法当用户浏览电子商务平台时给于最合适的商品推荐。

背景技术

个性化推荐技术通过研究不同用户的兴趣,主动为用户推荐最需要的资源,从而更好地解决互联网信息日益庞大与用户需求之间的矛盾，目前,推荐技术被广泛应用到电子商务、数字图书馆、新闻网站等系统中。在典型协同过滤推荐系统中，主要是通过用户数据基础信息不会进行分类，推荐是通过商品购买行为收藏等行为行进推荐，通过最近相同行为的用户进行推荐商品，缺点是用户可能只有少数特征相同推荐的商品也不会有太多价值； 从技术角度来讲，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，提取隐含在其中人们事先不知道但又是潜在有用的信息和知识的过程；从商业角度来讲，数据挖掘是一种新的商业信息处理技术，其主要特点是对数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取有利于商业决策的关键信息和知识；通过大数据漏斗的筛选，数据的可归类性与价值等级更高，通过此类数据加上典型的协同过滤算法后的推荐通更准确的推荐给用户最想要的商品。

发明内容

本发明的主要目的在于通过大数据的数据值做为依赖性，通过数据做为基础，结合协同过滤推荐算法进行商品评分，通过评分给于用户最合适的商品进行有力的推荐。

为达到上述目的，本发明采用如下技术方案：

一种基于电子商务平台个性化推荐算法，通过相同人群的个人行为结合成集体行为后对行为后的结果进行计算并把结果返回及推荐给本人群用户。

进一步的，通过大数据结果对人群进行分类包括：数据平台会通过消息中间件相对实时的收到用户系统的用户实名信息进行数据分析计算出用户所属人群。

进一步的，通过相同人群的个人行为结合成集体行为后对行为后的结果对行为行进分析：大数据平台会通过消息中间件相对实时的收到应用系统日志信息，对人群的操作行计行统一与记录，把记录结果交于消息中间件通过消息发送至行为合并计算平台。

进一步的，通过用户及行为的统一记录完成后发送于计算平台，计算平台同过基础的人群分类，商品上架时间等因素进行评分，并定更新商品评分数据。

进一步的，所述中间件商品评分数据更新后隔日对商品进行重新统计top100的商品写入推荐库并重写商品全文搜索引擎的索引。

进一步的，当用户在电商平台进行浏览时，对于商品详请，购物车，订单结算及搜索结果时随机显示本人群评分最高的商品进行显示。

本发明提供了一种通过大数据为基础使用协同过滤推荐算法进行推荐的一种技术综合式发明，由真实用户操作行为进行数据收集依据，通过用户的权重、时间、行为对本人群的商品喜好进行综合评分，并定时进行评分重计算进行推荐商品。

附图说明

图1是大数据收集流程图；

图2是大数据统计与分析的流程示意图；

图3是电子商务平台个性化推荐流程示意图。

具体实施方式

以下通过具体实施例进一步说明本发明。但实施例的具体细节仅用于解释本发明，不应理解为对本发明总的技术方案的限定。

如图1、图2、图3所示的一种基于电子商务平台个性化推荐算法，通过相同人群的个人行为结合成集体行为后对行为后的结果进行计算并把结果返回及推荐给本人群用户；在个体用户有明确的基础信息情况下，通过大数据结果对人群进行分类，数据平台会通过消息中间件相对实时的收到用户系统的用户实名信息进行数据分析计算出用户所属人群；通过相同人群的个人行为结合成集体行为后对行为后的结果对行为行进分析：大数据平台会通过消息中间件相对实时的收到应用系统日志信息，对人群的操作行计行统一与记录，把记录结果交于消息中间件通过消息发送至行为合并计算平台；计算平台通过基础的人群分类，商品上架时间等因素进行评分，并定期更新商品评分数据；中间件商品评分数据更新后隔日对商品进行重新统计top100的商品写入推荐库并重写商品全文搜索引擎的索引；当用户在电商平台进行浏览时，对于商品详请，购物车，订单结算及搜索结果时随机显示本人群评分最高的商品进行显示；通过大数据分析的结果为基石，加上通过用户群的购买行为，进入商品详情及加入购物车等行为做为基础值对商品进行评分，通过时间为轴心综合评价商品的分数并进行推荐。