[发明专利]一种基于点击率模型预测O2O实时个性化排序方法

权利要求书

1.一种基于点击率模型预测O2O实时个性化排序方法，其特征在于，包括以下步骤：

S1、获取店铺中的商品信息；

S2、获取用户信息；用户信息包括：用户对商品的点击率和以购买商品信息，以及获取用户的社交信息；

S3、用户信息，对用户进行画像；

S4、商品信息和用户的画像真作为特征提供给GBDT+LR处理；其中，首先李勇渐进GBDT对特征进行筛选；然后，将筛选特征投入LR模型进行处理；最后，LR模型预测出用户对商品的点击概率；

S5、根据点击概率的大小对商品进行重新排序；

S6、将商品按照排序发送至用户端，供用户查阅。

2.根据权利要求1所述的基于点击率模型预测O2O实时个性化排序方法，其特征在于，商品信息包括商品种类和品牌，以及商品成交价格、商品折扣率、是否科使用优惠卷，以及商品的配送信息。

3.根据权利要求1所述的基于点击率模型预测O2O实时个性化排序方法，其特征在于，用户信息还包括商品历史完成订单信息、用户的商品浏览信息、商品收藏关注信息，以及用户放在商品购物车内但未进行付款的商品信息。

4.根据权利要求1所述的基于点击率模型预测O2O实时个性化排序方法，其特征在于，对用户进行实时跟踪，再次获取用户对新排序商品的点击率，并将该信息发送至GBDT+LR，GBDT+LR根据信息对商品进行重新排序。

5.根据权利要求1-4任一条所述的基于点击率模型预测O2O实时个性化排序方法，还提出一种基于点击率模型预测O2O实时个性化排序方法的工作系统，其特征在于，工作系统包括数据存储模块和数据更新模块；数据处理模块用于将商品信息和用户信息分别存储；数据更新模块用于及时更新用户信息和商品信息。

6.根据权利要求6所述的一种基于点击率模型预测O2O实时个性化排序方法的工作系统，其特征在于，还包括信息提示模块，用于向用户发送最新的商品排序列单或通知信息。