[发明专利]一种基于概率统计的电商店铺推荐方法

说明书

本发明涉及一种基于概率统计的电商店铺推荐方法，首先构建以年龄段作为维度的用户群体模型，根据群体模型对符合规则的人群进行筛选；然后收集用户的操作日志数据，并对用户的操作日志数据进行数据清洗，去除无意义的样本数据；最后使用概率统计方法，根据用户群体模型，结合用户操作日志数据进行计算，找出同龄人共同认可的店铺推荐给该年龄段的所有消费者。本发明在不受用户职业、性别、兴趣爱好等诸多因素的影响下，可将同龄人共同认可的店铺推荐给该年龄段的所有消费者。

技术领域

本发明属于电子商务及大数据处理技术领域，涉及一种基于概率统计的电商店铺推荐方法。

背景技术

随着电子商务的发展，电商网站上商品数量和商品种类不断增加，信息的复杂度也逐渐增强，简单的商品查询已经很难满足大部分人的使用需求。对用户来说，如何在海量的数据中快速找到用户需要的物品变得非常重要，而对商家来说，快速吸引人们的注意力已成为了当下各电商平台的必要任务，因此电商场景下的个性化推荐系统应运而生。

传统的店铺推荐方式，通常是根据用户近期浏览或购买了某些商品进而推荐店铺，或者根据某些商品与用户购买过的商品的相似程度，来推测用户对这些商品感兴趣的可能性。但绝大部分用户通常在一段时间之内不会考虑再次购买已购买过的同类产品，如电脑、手机等，因此此类推荐方法精准性较低。

发明内容

本发明的目的是根据现有店铺推荐系统的不足，提供一种基于概率统计的电商店铺推荐方法，找出同一年龄段的消费者，在不受职业、性别、身高、兴趣爱好等诸多因素的影响下，将此类同龄人共同认可的店铺推荐给该年龄段的所有消费者，提高推荐精准度。

本发明的技术方案如下：

一种基于概率统计的电商店铺推荐方法，其特征在于，包括以下步骤：

(1)构建以年龄段作为维度的用户群体模型，并在各年龄段模型中加入职业、性别、身高、兴趣爱好等维度的子模型，根据群体模型对符合规则的人群进行筛选；

(2)用户日志管理：收集用户的操作日志数据，并对用户的操作日志数据进行数据清洗，去除无意义的样本数据；

(3)使用概率统计方法，根据用户群体模型，结合用户操作日志数据进行计算，找出同龄人共同认可的店铺推荐给该年龄段的所有消费者，完成店铺推送。

本发明具有以下优点：

1、可为电商平台提供智能化推荐服务，同时可以得出商品热门排序；

2、让用户能了解到同龄人大多喜欢的商品，选择更合适的店铺理性消费；

3、加强用户的购物体验，延长用户在电商平台的滞留时间，用户与应用的交互时间越久，用户模型就变得越精确，即用户偏好的系统表示越准确，与此同时，更多的推荐能更有效地匹配用户的喜好，促使电子商务平台商品交易数量的提升。

具体实施方式

本发明的技术方案是：

1、构建以年龄段作为维度的用户群体模型，并在各年龄段模型中加入职业、性别、身高、兴趣爱好等维度的子模型，根据群体模型对符合规则的人群进行筛选。

2、收集用户的操作日志数据，并对用户的操作日志数据进行数据清洗，去除无意义的样本数据。

3、使用概率统计方法，根据用户群体模型，结合用户操作日志数据进行计算，找出同龄人共同认可的店铺推荐给该年龄段的所有消费者，完成店铺推送。

具体实施方式如下：

1、构建用户群体模型：

(11)以年龄段为维度的构建用户群体模型，并在各年龄段模型中建立以职业、性别、身高、兴趣爱好等维度的子模型；