[发明专利]一种商品的推荐方法及系统

说明书

本发明公开了一种商品的推荐方法及系统，涉及大数据领域。该方法包括：获取用户在购买或浏览商品时产生的用户行为日志；对用户行为日志进行处理，得到用户在购买或浏览商品时的特征信息；根据预设的权重系数对特征信息进行加权，得到商品的推荐级别；根据推荐级别对商品进行推荐。本发明提供的一种商品的推荐方法及系统，通过获取用户在购买或浏览商品时产生的用户行为日志，并据此提取用户的购买或浏览行为的特征信息，根据特征信息得到商品的推荐级别，并据此对商品进行推荐，能够满足不同用户的广告投放需求，为各种用户提供定制化的广告推荐，具有针对性强，实用性强的优点。

技术领域

本发明涉及大数据领域，尤其涉及一种商品的推荐方法及系统。

背景技术

在商城、渠道门户以及大多数商品交易应用中，通常会通过广告位或推荐栏等方式向来访用户推荐热销或者新兴商品，而目前的推荐效果无论面对什么样需求的用户，只能固定的推荐某个或某几个销量大或者新出品的商品，或者推荐用户浏览过、购买过的商品，具有实用性差的缺点。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种商品的推荐方法及系统。

本发明解决上述技术问题的技术方案如下：

一种商品的推荐方法，包括：

获取用户在购买或浏览商品时产生的用户行为日志；

对所述用户行为日志进行处理，得到所述用户在购买或浏览商品时的特征信息；

根据预设的权重系数对所述特征信息进行加权，得到所述商品的推荐级别；

根据所述推荐级别对商品进行推荐。

本发明的有益效果是：本发明提供的一种商品的推荐方法，通过获取用户在购买或浏览商品时产生的用户行为日志，并据此提取用户的购买或浏览行为的特征信息，根据特征信息得到商品的推荐级别，并据此对商品进行推荐，能够满足不同用户的广告投放需求，为各种用户提供定制化的广告推荐，具有针对性强，实用性强的优点。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，所述对所述用户行为日志进行处理，得到所述用户在购买或浏览商品时的特征信息，具体包括：

对所述用户行为日志进行分析清洗，得到所述用户的行为轨迹链；

对所述行为轨迹链进行归约处理，得到所述用户在购买或浏览商品时的特征信息。

采用上述进一步方案的有益效果是：通过对用户行为日志进行清洗，并对生成的行为轨迹链进行归约处理，能够便于从复杂的用户行为数据中提取用户的特征信息，减少处理的数据量，提高处理效率。

进一步地，所述对所述用户行为日志进行分析清洗，得到所述用户的行为轨迹链，具体包括：

对所述用户行为日志进行清洗，去除所述用户行为日志中的非法数据和格式错误数据；

根据清洗后的所述用户行为日志中的数据构造对象，并进行散列，所述对象的属性包括：行为时间和用户标识；

根据所述用户标识对所述数据进行归约处理，并将归约处理后的所述数据按所述行为时间进行排序；

将排序后的所述数据串联得到所述用户的行为轨迹链。

进一步地，所述特征信息包括：购买时间特征信息、购买次数特征信息和商品类型特征信息；

所述根据预设的权重系数对所述特征信息进行加权，得到所述商品的推荐级别，具体包括：

根据预设的权重系数分别对所述购买时间特征信息、所述购买次数特征信息和所述商品类型特征信息进行加权，并根据加权结果得到所述商品的推荐级别。