[发明专利]商品推荐方法、装置、计算机设备及存储介质

权利要求书

1.一种商品推荐方法，其特征在于，包括：

从预设网站爬取预设商品在第一预设时间内的销售数量及评论数据；

根据所述销售数量计算所述预设商品在第二预设时间内的当前流行度；

利用所述当前流行度预测所述预设商品在第三预设时间内的未来流行度；

将所述评论数据进行分类以得到正面评论数据；

计算所述正面评论数据占所述评论数据的比例；

根据所述未来流行度与所述比例向用户推荐商品；

所述根据所述销售数量计算所述预设商品在第二预设时间内的当前流行度，包括：

根据公式计算所述第二预设时间内的日期为T当天的当前流行度，以得到所述第二预设时间内每一天的当前流行度，其中，ΔN_T,t表示日期为T的一天与日期为t的一天的商品销售数量差值，τ表示预设天数，λ为一预设常数，P(T)表示日期为T当天的当前流行度；其中，e^-λ(T-t)是对T之前任意日期t对T当天的当前流行度的一个加权，表明t与T的时间差距越大，t当天的商品销售数量当前流行度的贡献越小。

2.根据权利要求1所述的商品推荐方法，其特征在于，所述从预设网站爬取预设商品在第一预设时间内的销售数量及评论数据，包括：

获取爬取清单；其中，所述爬取清单包括多个预设商品以及爬取每个所述预设商品的评论数据和销售数据对应的预设网站；

将所述多个预设商品进行分类以得到多种不同的商品类目；

将所述爬取清单按商品类目进行分割以得到不同商品类目对应的子爬取清单，所述子爬取清单包括对应商品类目所包含的预设商品及爬取每一所述预设商品的销售数量和评论数据对应的预设网络；

根据不同商品类目对应的子爬取清单，利用不同的机器在对应的预设网站爬取对应商品类目的预设商品的销售数量和评论数据。

3.根据权利要求1所述的商品推荐方法，其特征在于，所述根据所述未来流行度与所述比例向用户推荐商品之前，还包括：

根据所述未来流行度计算所述预设商品在所述第三预设时间内的平均流行度；

所述根据所述未来流行度与所述比例向用户推荐商品，包括：

根据所述平均流行度与所述比例向用户推荐商品。

4.根据权利要求3所述的商品推荐方法，其特征在于，所述根据所述平均流行度与所述比例向用户推荐商品，包括：

将所有预设商品按平均流行度从高到低进行排序；

将正面评论数据的比例小于阈值对应的预设商品进行剔除，以得到筛选后的预设商品；

获取平均流行度排位在前的预设数量预设商品作为待推荐商品；

将所述待推荐商品推荐给用户。

5.一种商品推荐装置，其特征在于，包括：

爬取单元，用于从预设网站爬取预设商品在第一预设时间内的销售数量及评论数据；

第一计算单元，用于根据所述销售数量计算所述预设商品在第二预设时间内的当前流行度；

预测单元，用于利用所述当前流行度预测所述预设商品在第三预设时间内的未来流行度；

分类单元，用于将所述评论数据进行分类以得到正面评论数据；

第二计算子单元，用于计算所述正面评论数据占所述评论数据的比例；

推荐单元，用于根据所述未来流行度与所述比例向用户推荐商品；

所述第一计算单元还用于，根据公式计算所述第二预设时间内的日期为T当天的当前流行度，以得到所述第二预设时间内每一天的当前流行度，其中，ΔN_T,t表示日期为T的一天与日期为t的一天的商品销售数量差值，τ表示预设天数，λ为一预设常数，P(T)表示日期为T当天的当前流行度；其中，e^-λ(T-t)是对T之前任意日期t对T当天的当前流行度的一个加权，表明t与T的时间差距越大，t当天的商品销售数量当前流行度的贡献越小。