[发明专利]电商图谱模型的构建方法、系统、设备及存储介质

说明书

本发明公开的电商图谱模型的构建方法、系统、设备及存储介质，包括：S101、获取商品信息；S102、根据商品信息进行属性划分和类别关联；S103、获取电商平台上每个用户的历史浏览记录信息；S104、计算每个用户的历史浏览记录信息与每个商品的关联度，并进行等级排序；S105、将排序后的用户历史浏览记录信息与商品的关联度存储至数据库，构建出用于电商平台的图谱模型；本发明可以使得检索到的商品更加符合大众用户的普遍需求，提升了商品推荐的精确度和成功率。

技术领域

本发明属于电商图谱模型的技术领域，具体涉及电商图谱模型的构建方法、系统、设备及存储介质。

背景技术

随着电子商务的兴起，电商平台在商品销售领域中占据非常重要的地位。电商平台相对于传统实体商店具备的一个明显优点就是同时展示、销售的商品种类不受限制，但同时，由于电商平台上可选择的商品过多，常常也会给用户在寻找商品时带来烦恼。为此，很多电商平台会主动向用户推荐商品，用户若对推荐的商品感兴趣，便可快速进入购买环节，不仅为用户提供了购物便利，而且增加了电商平台的销售业绩。

在电商领域中，由于需要处理海量且实时变化的数据，因此目前业内主要研究的是通过如何训练知识图谱的标签，或者是如何从图片、网页等数据源中提取标签。而标签提取之后的处理方案则鲜有研究，各标签之间的关联关系通常是人工维护的。而受限于人力成本和数据量，还没有系统性的关于商品/用户系统的量化表示方案，也难以实现服务于零售关系的关系抽取，使得知识图谱技术在电商零售领域的推荐精确度低、发展缓慢，使用范围不大。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为：提供一种能够提高商品推荐的精确度和成功率的电商图谱模型的构建方法、系统、设备及存储介质。

为了解决上述技术问题，本发明采用的技术方案为：用于电商平台的图谱模型构建方法，包括：S101、获取商品信息；S102、根据商品信息进行属性划分和类别关联；S103、获取电商平台上每个用户的历史浏览记录信息；S104、计算每个用户的历史浏览记录信息与每个商品的关联度，并进行等级排序；S105、将排序后的用户历史浏览记录信息与商品的关联度存储至数据库，构建出用于电商平台的图谱模型。

优选地，所述获取商品信息，包括：获取商品的属性信息，所述商品的属性信息包括商品名称、货号、型号、类目、是否进口、材质、类型、颜色、尺寸和价格；获取商品图片的特征属性信息。

优选地，所述根据商品信息进行属性划分和类别关联，包括：根据商品的属性信息进行类目、子类目划分；将相似商品的类目、子类目关联；根据商品图片的特征属性信息，计算特征向量距离；将商品图片与商品的类目、子类目关联。

优选地，所述计算每个用户的历史浏览记录信息与每个商品的关联度，并进行等级排序，包括：对用户的历史浏览记录信息进行清洗、过滤，去无效数据，得到有效浏览字段；所述历史浏览记录信息包括浏览记录字段和商品图片；将有效浏览字段与商品的类目、子类目关联；根据历史浏览记录信息中商品图片的特征属性信息，计算特征向量距离，当历史浏览记录信息中商品图片的特征向量距离与商品图片的特征向量距离相近时，将历史浏览记录信息中的商品图片与商品的类目、子类目关联；将用户历史浏览记录中的浏览记录字段和商品图片与商品的类目、子类目的关联度进行等级排序。

相应地，用于电商平台的图谱模型构建系统，包括：第一获取单元：用于获取商品信息；第一处理单元：根据商品信息进行属性划分和类别关联；第二获取单元：用于获取电商平台上每个用户的历史浏览记录信息；第二处理单元：计算每个用户的历史浏览记录信息与每个商品的关联度，并进行等级排序；图谱模型构建单元：将排序后的用户历史浏览记录信息与商品的关联度存储至数据库，构建出用于电商平台的图谱模型。