[发明专利]商品推荐方法、装置、计算机设备及存储介质

说明书

本发明实施例提供了一种商品推荐方法、装置、计算机设备及存储介质，该方法包括：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。本发明实施例根据商品的流行情况以及舆情情况向用户推荐较受欢迎口碑较好的商品，以提高商品推荐的有效性和商品的成交率。

技术领域

本发明涉及互联网技术领域，尤其涉及一种商品推荐方法、装置、计算机设备及存储介质。

背景技术

目前的推荐系统大都采用协同过滤方法，该方法是通过计算用户之间的相似度或商品之间的相似度，根据最相似的多个商品或用户进行打分来预测用户对某一商品的评分，按照用户对不同商品的评分进行降序排列，将排在最前面的几个商品推荐给用户。但是这种协同过滤方法对商品的流行性不敏感，即使某个商品的口碑差或在将来一段时间内被用户喜欢的概率很小或流行性很低，但由于相似度大，该商品也可能会被推荐给某些用户，这样，用户就不会购买系统推荐的商品，造成商品的成交率低下，推荐的有效性差。

发明内容

本发明实施例提供了一种商品推荐方法、装置、计算机设备及存储介质，旨在向用户推荐口碑较好的商品，提高商品推荐的有效性。

第一方面，本发明实施例提供了一种商品推荐方法，该方法包括：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。

第二方面，本发明实施例还提供了一种商品推荐装置，所述商品推荐装置包括用于实现第一方面所述的商品推荐方法的单元。

第三方面，本发明实施例还提供了一种计算机设备，包括存储器，以及与所述存储器相连的处理器；所述存储器用于存储实现商品推荐方法的计算机程序；所述处理器用于运行所述存储器中存储的计算机程序，以执行如上述第一方面所述的方法。

第四方面，本发明实施例提供了一种存储介质，所述存储介质存储有一个或者一个以上计算机程序，所述一个或者一个以上计算机程序可被一个或者一个以上的处理器执行，以实现上述第一方面所述的方法。

本发明实施例提供了一种商品推荐方法、装置、计算机设备及存储介质，该方法包括：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。本发明实施例根据商品的流行度以及舆情情况向用户推荐较受欢迎口碑较好的商品，以提高商品推荐的有效性和商品的成交率。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的一种商品推荐方法的流程示意图；

图2是本发明一实施例提供的一种商品推荐方法的子流程示意图；

图3是本发明另一实施例提供的一种商品推荐方法的流程示意图；

图4是本发明另一实施例提供的一种商品推荐方法的子流程示意图；

图5是本发明一实施例提供的一种商品推荐装置的示意性框图；