[发明专利]一种线下店铺推荐方法、装置、系统及存储介质

说明书

本发明涉及一种线下店铺推荐方法、装置、设备及存储介质，方法包括：获取线下商城消费者的历史消费记录和消费者在商城游走的高噪时空帧频数据；根据历史消费记录，利用协同过滤算法得到第一推荐集合；融合高噪时空帧频数据形成消费者游走轨迹，基于消费者游走轨迹，计算消费者在店铺间的转移概率矩阵；根据转移概率矩阵和消费者当前位置，得到第二推荐集合；将第一推荐集合和第二推荐集合合并，并结合预设距离半径计算得到最终推荐集合。采用上述方法可实现线下店铺的个性化推荐。

技术领域

本发明涉及信息处理技术领域，具体涉及一种线下店铺推荐方法、装置、系统及存储介质。

背景技术

随着生活水平的提高，人们的购买力也逐渐增强。同时伴随着商品个数和种类快速增长，消费者需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。由此个性化推荐应运而生。个性化推荐指根据用户的兴趣特点和购买行为，向用户推荐感兴趣的信息和商品。个性化推荐通过为消费者提供推荐内容，降低消费者的信息过载，提供优质的用户体验。

目前常用的个性化推荐算法包括基于内容的个性化推荐、协同过滤推荐、基于知识的推荐和混合推荐算法。但是目前常用的个性化推荐算法主要基于线上多维度的数据生成推荐内容，难以适用线下商城的应用情景。

发明内容

有鉴于此，本发明的目的在于克服现有技术的不足，提供一种线下店铺推荐方法、装置、系统及存储介质。

为实现以上目的，本发明采用如下技术方案：

一种线下店铺推荐方法，包括：

获取线下商城消费者的历史消费记录和消费者在商城游走的高噪时空帧频数据；

根据所述历史消费记录，利用协同过滤算法得到第一推荐集合；

融合所述高噪时空帧频数据形成消费者游走轨迹；

根据所述消费者游走轨迹，计算消费者在店铺间的转移概率矩阵；

根据所述转移概率矩阵和消费者当前位置得到第二推荐集合；所述消费者当前位置由所述消费者游走轨迹得到；

将所述第一推荐集合和所述第二推荐集合合并，并结合预设距离半径计算得到最终推荐集合。

可选的，所述根据所述历史消费记录，利用协同过滤算法得到第一推荐集合，包括：

根据所述历史消费记录构建消费者店铺评分矩阵；

利用所述消费者店铺评分矩阵得到相似消费者；

根据所述相似消费者确定感兴趣店铺；

将所述感兴趣店铺进行降序排序，得到目标店铺集合；

取所述目标店铺集合中设定排名的感兴趣店铺作为所述第一推荐集合。

可选的，所述根据所述历史消费记录构建消费者店铺评分矩阵，包括：

依据所述历史消费记录获取消费者对应的消费店铺信息；

针对所述消费店铺信息确定对应的店铺类型信息；

根据所述消费店铺信息和所述店铺类型信息构建所述消费者店铺评分矩阵。

可选的，所述根据所述消费者游走轨迹，计算消费者在店铺间的转移概率矩阵包括：

对所述消费者游走轨迹进行聚类，确定消费者对应类别；

根据所述消费者对应类别确定对应类别的店铺间的转移概率矩阵。

可选的，所述对所述消费者游走轨迹进行聚类，确定消费者对应类别包括：