[发明专利]一种品牌推荐方法、电子设备、存储介质及系统

说明书

本发明提供一种品牌推荐方法，包括：获取若干订单数据，将同一用户名称的订单数据进行合并得到用户订单数据，将用户订单数据和用户名称作为训练数据；将训练数据输入至预设推荐模型中，采用逻辑回归算法和随机负采样算法对预设推荐模型中的训练数据进行训练并得到已训练推荐模型；获取网络购物平台上的活跃用户名单，获取网络购物平台上的在售品牌数据；将活跃用户名单及在售品牌数据输入至已训练推荐模型进行匹配并得到推荐品牌名单。本发明的一种品牌推荐方法，解决了以往没办法完全为每个用户独立定制他们感兴趣的品牌列表的问题，同时全程使用训练模型进行推荐匹配增加了推荐的精准度与效率，提高了用户的体验感。

技术领域

本发明涉及数据处理领域，尤其涉及一种品牌推荐方法、电子设备、存储介质及系统。

背景技术

由于目前的网络购物平台每天都有大量品牌商品在售，而用户每次基本只看到有限数量的品牌，如何让用户感兴趣的品牌出现在有限数量的品牌中，就成了研究的重点。

目前是是采用以下两种方式：1、基于商务人员对商品和用户的敏感，手工确定品牌排序；2、对用户进行分类，提取不同用户类型的特征，然后用CTR(广告点击率预测)，预测不同品牌的点击率，来确定排序。但是采用上述两种方式时，随着人群分类的增加，手工排序的工作量剧增，为每个用户群确定特征，也需要耗费大量精力，另外一个用户群里面的所有用户看到的品牌还是一样的，没办法完全为每个用户独立定制他们感兴趣的品牌列表。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种品牌推荐方法，其能解决目前品牌推荐方法没办法完全为每个用户独立定制他们感兴趣的品牌列表的问题。

本发明的目的之二在于提供一种电子设备，其能解决目前品牌推荐方法没办法完全为每个用户独立定制他们感兴趣的品牌列表的问题。

本发明的目的之三在于提供一种存储介质，其能解决目前品牌推荐方法没办法完全为每个用户独立定制他们感兴趣的品牌列表的问题。

本发明的目的之四在于提供一种品牌推荐系统，其能解决目前品牌推荐方法没办法完全为每个用户独立定制他们感兴趣的品牌列表的问题。

本发明的目的之一采用以下技术方案实现：

一种品牌推荐方法，其特征在于包括：

订单数据获取，从网络购物平台上的数据存储装置中获取若干订单数据，所述订单数据包括商品品牌信息和用户名称；

数据清洗，根据不同所述用户名称对若干所述订单数据进行分类整理，将同一用户名称的所述订单数据进行合并得到用户订单数据，将所述用户订单数据和所述用户名称作为训练数据；

训练模型，将所述训练数据输入至预设推荐模型中，采用逻辑回归算法和随机负采样算法对所述预设推荐模型中的训练数据进行训练并得到已训练推荐模型；

信息采集，获取网络购物平台上的活跃用户名单，获取网络购物平台上的在售品牌数据；

品牌推荐，将所述活跃用户名单及所述在售品牌数据输入至所述已训练推荐模型进行匹配并得到推荐品牌名单。

进一步地，还包括将所述推荐品牌名单推荐给所述用户名单中对应的活跃用户。

进一步地，所述品牌推荐具体为：将所述活跃用户名单及所述在售品牌数据输入至所述已训练推荐模型中，所述已训练推荐模型根据所述活跃用户名单匹配出对应的用户订单数据，并根据用户订单数据在所述在售品牌数据中匹配出相关联的在售品牌名单作为推荐品牌名单。

进一步地，在所述训练模型之前还包括更新数据，每天定时采集数据存储装置中更新过的新订单数据，对所述新订单数据进行分类整理得到新用户订单数据，将所述新用户订单数据融入所述用户订单数据中。

本发明的目的之二采用以下技术方案实现：