[发明专利]一种基于电商系统商品搜索推荐方法及应用

说明书

本发明提供了属于计算机技术领域，涉及个性化推荐技术，具体涉及一种基于电商系统商品搜索推荐方法及应用。本发明中的技术方案基于用户的搜索以及浏览商品的行为，能够推荐最适合用户的前多个商品。能够针对不同的用户搜索，推荐的商品也不一样，实现精准推荐，极具个性化，可以满足不同用户对同样商品不同的选择，减少了用户寻找心仪商品所用的时间和精力，提高了购买心仪产品的效率。

技术领域

本发明属于计算机技术领域，涉及个性化推荐技术，具体涉及一种基于电商系统商品搜索推荐方法及应用。

背景技术

随着互联网技术的发展更新，为用户提供商品购物的电商网站也越来越多。当用户使用电商网站进行搜索购物时，呈现出的搜索结果较多，用户想找到感兴趣的商品，需要点击多次搜索结果，既耗时，也费力，用户购物体验极差。如果电商网站在用户的搜索结果中，能够根据用户的需求自动列出适量的个性化的商品，避免让用户在众多的搜索结果中盲目寻找，使用户花最小的时间和精力找到适合商品，这将极大提升用户的购物体验。现有的技术中主要有以下两种方法提高用户的购物体验：(1)用户可以通过对搜索结果选择不同的排序关键词重排搜索结果，例如选择销量，价格，人气等限制条件进行重排搜索结果；(2)通过计算电商网站的热销商品，摆放在商品搜索结果页面，以供参考。

但是上述两个方案具有以下缺点：(1)将商品搜索结果根据可选排序关键词重排以后，搜索结果的数量并没有发生变化，不同组合的排序关键词下，商品的展现很死板，用户仍然需要去不断的甑别判断，找到合适商品同样耗时费力；(2)通过在商品搜索结果中，添加热销商品，虽然针对部分以销量判断是否购买商品的用户很有用，但是不同的用户从商品搜素结果中看到的都是相同的热销商品，难免千遍一律，应用到每个用户也不具有个性化。

发明内容

为了解决上述技术问题，本发明提供了一种基于电商系统商品搜索推荐方法，至少包括以下步骤:

(1)计算行为关系数据：根据关联规则算法，离线计算历史数据中用户购买之前的不同行为和购买商品之间的关联关系，并且分析出喜欢该商品的用户还喜欢的其他商品，分别作为不同的行为关系数据；

(2)计算关系数据：离线计算出电商系统当前的热销商品排序，作为关系数据；

(3)给当前用户推荐：根据当前用户输入的搜索关键词，从行为关系数据中找到与搜索关键词一样的，根据行为关系数据的关联关系，选择其中关联度大的前N个购买商品作为推荐商品，并计算推荐商品是否满足用户需求的个数，如果满足，将推荐商品反馈给搜索结果页，推荐结束，如果不满足，则根据不同的行为关系数据的关联关系，选择其中关联度大的多个购买产品作为推荐商品，并计算推荐商品是否满足用户需求的个数，如果满足，将推荐商品反馈给搜索结果页，推荐结束，如果不满足，则重复此推荐步骤，直至根据行为关系数据的关联关系均使用过一次，如果不满足，则继续进行下述步骤，其中N≥1；

(4)根据当前电商系统中热销商品的销量从大到小排序，即关系数据，获取销量大的前K个商品作为上述推荐结果的补充商品，然后在计算推荐商品是否满足需求的个数，如果满足，将推荐商品反馈给结果页，推荐结束，如果不满足，也将推荐返回给结果页，推荐结束，其中K≥1。

优选的，所述步骤(1)中的行为关系数据分别为行为关系数据一和行为关系数据二，所述行为关系数据一的计算方法为：根据关联规则算法，离线计算历史数据中用户搜索关键词和购买商品之间的关联关系，并且分析出喜欢该商品的用户还喜欢的其他商品，作为行为关系数据一。

优选的，所述行为关系数据二的计算方法为：根据关联规则算法，离线计算历史数据中用户浏览商品和购买商品之间的关联关系，并且分析出喜欢该商品的用户还喜欢的其他商品，作为行为关系数据二。

优选的，所述行为关系数据一的计算，至少包括以下步骤：

(1)获取样本数据一：获取用户标识、获取用户近期内所有的搜索关键词、获取喜欢该商品的用户关联喜欢的其他商品、以及购买的商品数据；