[发明专利]一种适用于网络购物的基于深度学习的推荐算法

权利要求书

1.一种适用于网络购物的基于深度学习的推荐算法，其特征在于，包括以下步骤：

S1、获取搜索记录，根据搜索物品记录，建立同类型物品模块，所述同类型物品模块连接有商品收集模块，所述商品收集模块对相关商品的信息进行收集；

S2、S1中的商品收集模块连接有评价模块，评价模块会自动对同类型物品模块中推荐的相关物品进行评价，自动计算出该商品的性价比；

S3、获取收藏的店铺和经常浏览的店铺，形成上新推荐模块，上新推荐模块内包括相关物品单元和自动分析单元，自动分析单元对收藏的店铺和经常浏览的店铺中浏览的物品进行自动分析，进行推荐；

S4、评价模块对同类型物品模块中推荐的物品进行评价，从价格、好评、差评、商品详细介绍、商品月销售、折扣和退货方面对推荐的物品进行评价；

S5、根据生活中热门场景进行主题分类，展示用户普遍感兴趣的商品主题，建立热门主题模块，所述根据用户的静态信息和动态行为信息建立信息推荐模块。

2.根据权利要求1所述的一种适用于网络购物的基于深度学习的推荐算法，其特征在于，所述相关物品模块内包括相关商品采集单元。

3.根据权利要求1所述的一种适用于网络购物的基于深度学习的推荐算法，其特征在于，所述评价模块中包括价格单元、好评单元、差评单元、商品详细介绍单元、商品月销售量单元、折扣单元和退货单元。

4.根据权利要求1所述的一种适用于网络购物的基于深度学习的推荐算法，其特征在于，所述退货单元内设有退货原因链接和月退货量，点击进去详细知道退货原因。

5.根据权利要求1所述的一种适用于网络购物的基于深度学习的推荐算法，其特征在于，所述热门主题有网红、可爱、甜美和女王等。

6.根据权利要求1所述的一种适用于网络购物的基于深度学习的推荐算法，其特征在于，所述用户的静态信息为性别、年龄、收入、购物时间和价格等。

7.根据权利要求1所述的一种适用于网络购物的基于深度学习的推荐算法，其特征在于，所述动态行为信息为搜索历史、浏览记录、购买记录和物品评价记录等。