[发明专利]一种美食平台的产品上架排名分析方法

说明书

本发明公开一种美食平台的产品上架排名分析方法，其特征在于，按如下步骤进行：S1、平台记录用户每次的浏览和购买记录，根据购买的商品属性进行用户行为习惯的智能分析；S2、用户打开平台时，根据对应用户的行为习惯匹配商品并根据行为习惯的排名进行商品的排名；S3、根据商品的排名和商品的类型，在对应展位上进行智能产品上架。本发明根据用户行为习惯的智能分析，针对特定用户进行商品特定的展示，方便用户选择商标，实现精准营销。

技术领域

本发明涉及一种排名分析方法，更具体的说，涉及一种没事平台的产品上架排名分析方法。

背景技术

网络购物时代，人们购物越来越方便了，然而，互联网的商品都是通过图片和文字的说明展示，给购物者疏远的感觉，吸引消费者的注意力，就成为了重中之重的事情。而目前大多数网站都是通过发布者的想法，或者商家购买展位的方式进行上架，没有从消费者的角度出发，无法达到精确销售的目的。

发明内容

发明目的： 本发明目的在于针对现有技术的不足，提供一种美食平台的产品上架排名分析方法。

技术方案： 本发明所述一种美食平台的产品上架排名分析方法，按如下步骤进行：

S1、平台记录用户每次的浏览和购买记录，根据购买的商品属性进行用户行为习惯的智能分析；

S2、用户打开平台时，根据对应用户的行为习惯匹配商品并根据行为习惯的排名进行商品的排名；

S3、根据商品的排名和商品的类型，在对应展位上进行智能产品上架。

本发明技术方案的进一步限定为，步骤S1中的根据购买的商品属性进行用户行为习惯的智能分析采用神经元智能分析方法。

进一步地，所述神经元智能分析方法具体为：卷积神经网络基本是一个标准的神经网络，通过共享权重在整个空间扩展，卷积神经网络被设计为通过在内部卷积来识别图像，可看到已识别图像上物体的边缘。

进一步地，循环神经网络通过将边缘馈送到下一个时间步而不是在同一时间步中进入下一层，从而实现整个时间上的扩展，循环神经网络被设计用来识别序列，比如语音信号或文本序列，其内部循环可存储网络中的短时记忆，递归神经网络更像是一个分层网络，其中输入序列没有真正的时间维度，但输入必须以树状方式进行分层处理。

有益效果：本发明提供的一种美食平台的产品上架排名分析方法，根据用户行为习惯的智能分析，针对特定用户进行商品特定的展示，方便用户选择商标，实现精准营销。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

实施例1：本实施例提供一种美食平台的产品上架排名分析方法，按如下步骤进行：

S1、平台记录用户每次的浏览和购买记录，根据购买的商品属性进行用户行为习惯的智能分析；

S2、用户打开平台时，根据对应用户的行为习惯匹配商品并根据行为习惯的排名进行商品的排名；

S3、根据商品的排名和商品的类型，在对应展位上进行智能产品上架。

步骤S1中的根据购买的商品属性进行用户行为习惯的智能分析采用神经元智能分析方法。所述神经元智能分析方法具体为：卷积神经网络基本是一个标准的神经网络，通过共享权重在整个空间扩展，卷积神经网络被设计为通过在内部卷积来识别图像，可看到已识别图像上物体的边缘。循环神经网络通过将边缘馈送到下一个时间步而不是在同一时间步中进入下一层，从而实现整个时间上的扩展，循环神经网络被设计用来识别序列，比如语音信号或文本序列，其内部循环可存储网络中的短时记忆，递归神经网络更像是一个分层网络，其中输入序列没有真正的时间维度，但输入必须以树状方式进行分层处理。