[发明专利]内容推荐方法与其伺服系统

权利要求书

1.一种内容推荐方法，运行于一伺服系统，其特征在于，所述的方法包括：

通过该伺服系统提供的一使用者接口，接收一客户提供的会员数据，该会员数据为该客户的会员消费数据，至少包括会员数据、消费的内容、费用与消费日期；

分析该会员数据，以建立各客户专属数据库；

针对该会员数据执行多个推荐算法，以得出多个指标；

根据该多个指标决定其中的一个推荐算法；

执行该选择的推荐算法建立一推荐模型；以及

通过该推荐模型提供该客户一推荐清单。

2.如权利要求1所述的内容推荐方法，其特征在于，所述的多个推荐算法为应用机器学习技术的数据分析方法，通过一大数据分析学习该客户贩卖的商品与会员消费的关联性，建立该推荐模型。

3.如权利要求2所述的内容推荐方法，其特征在于，所述的推荐列表为根据该推荐模型所形成推荐各会员消费的商品清单。

4.如权利要求3所述的内容推荐方法，其特征在于，所述的多个指标为由该多个推荐算法针对该客户的会员数据计算得出的一喜好准确度、一利润率与一新品比例中的任意组合。

5.如权利要求4所述的内容推荐方法，其特征在于，所述的多个推荐算法以一机器学习技术根据该客户提供的会员数据学习会员消费数据与该客户提供的商品之间的关联性，以得出各推荐算法产生推荐各会员的商品清单，经比对实际会员的喜好后得出各推荐算法的该喜好准确度。

6.如权利要求4所述的内容推荐方法，其特征在于，所述的多个推荐算法以一机器学习技术根据该客户提供的会员数据学习会员消费数据与该客户的利润之间的关联性，以得出各推荐算法产生推荐各会员的商品清单，再根据推荐各会员的商品清单计算该利润率。

7.如权利要求4所述的内容推荐方法，其特征在于所述的多个推荐算法以一机器学习技术根据该客户提供的会员数据学习会员消费数据与该客户提供的商品之间的关联性，以得出各推荐算法产生推荐各会员的商品清单，经比对该客户提供的新品清单，得出该新品比例。

8.如权利要求5至7中任一项所述的内容推荐方法，其特征在于，各推荐算法根据该客户提供的会员数据演算得出该喜好准确度、该利润率与该新品比例，并对各指标提出一排行，以决定其中的一个推荐算法。

9.一种伺服系统，其特征在于所述的系统包括：

多个数据库，分别为根据多个客户提供的会员数据分析而建立的专属数据库；

一计算模块，其中运行一内容推荐方法，包括：

通过一使用者接口接收该多个客户提供的会员数据，该会员数据为各客户的会员消费数据，至少包括会员数据、消费的内容、费用与消费日期；

分析各客户提供的该会员数据，以建立各客户专属数据库；

针对各客户提供的该会员数据执行多个推荐算法，以得出多个指标；

由各客户根据各推荐算法演算得出的该多个指标的一排行决定其中的一个推荐算法；

针对各客户的会员，执行该选择的推荐算法建立一推荐模型；以及

通过该推荐模型提供各客户一推荐清单。

10.如权利要求9所述的伺服系统，其特征在于所述的多个推荐算法为应用机器学习技术的数据分析方法，通过一大数据分析学习该客户贩卖的商品与会员消费的关联性，建立该推荐模型；其中该推荐清单包括针对该客户的会员提出推荐各会员消费的商品清单。