[发明专利]互联网平台的商品推荐方法以及装置

说明书

本发明公开了互联网平台的商品推荐方法以及装置，属于互联网领域，该方法包括如下内容：获取用户输入商品信息特征，推荐具有第一相关性的商品，产生直接关联性；然后尼斯分类表作为初始间推表，隔段时间对第二相关性商品进行推荐；抓取所有被推荐的第二相关性商品内，每个的购买用户总量，产生具有强需求至低需求的第二相关性商品推荐排序，更新初始间推表。它能够不局限于用户输入的商品信息特征，根据初始尼斯分类表对同一群组下的相关联小商品进行同步推荐，并且根据大量用户的购买习惯自主学习，形成更符合用户购买习惯的间推表，而且有利于在用户输入不明确时帮助客户快速找到关联商品，有相关商品的意见指导作用。

技术领域

本发明涉及互联网领域，更具体地说，涉及互联网平台的商品推荐方法以及装置。

背景技术

目前市面上存在的app、网站等互联网平台，当用户选购商品时，会抓取商品输入关键字、图片等信息特征，对相似信息特征的商品同时进行推荐，但是，所推荐的商品相似度极高，推荐范围窄，某些被用户意外点入链接但未购买的商品或者已经购买过短期内不会再有需求的商品或者已经加入过购物车的商品短时间内又会大量重复出现，给用户带来推荐困扰。

而且，由于大部分的商品仅根据关键字特征抓取进行推荐，这就要求用户必须清楚明确输入自己所需商品的关键字，一旦输入不明确模糊，会出现大量与非明确关键字相关的商品，用户只有一次次尝试输入不同关键字，或者通过百度等手段得知商品的准确名称，才可能有几率获得内心所需商品的推荐信息页面，因而这些互联网平台无法对用户形成引导性的推荐指导。

发明内容

针对现有技术中存在的问题，本发明的第一目的在于提供互联网平台的商品推荐方法，该方法能够不局限于用户输入的商品信息特征，根据初始尼斯分类表对同一群组下的相关联小商品进行同步推荐，并且根据大量用户的购买习惯自主学习，形成更符合用户购买习惯的间推表，而且有利于在用户输入不明确时帮助客户快速找到关联商品，有相关商品的意见指导作用，一些关联性较强的商品，如配套使用的产品能不用再次单独输入；第二目的在于在于提供互联网平台的商品推荐装置，其采用上述的方法形成。

为解决上述问题，本发明采用如下的技术方案。

互联网平台的商品推荐方法，所述方法包括：

获取用户输入商品信息特征，推荐与信息特征具有第一相关性的商品，信息特征为关键字或图片；所述第一相关性，指与输入信息特征具有完全或部分相同字、相同形状或轮廓或色彩，产生直接关联性；

尼斯分类表作为初始间推表，具有大类、群组和小商品三个等级分类，根据初始间推表，每隔一段时间对具有第二相关性的商品进行推荐；所述第二相关性的商品，指存在于初始间推表内，与关键字特征处于同一群组下，非直接关联性的剩余小商品；

抓取用户通过商品信息特征进入后，所有被推荐的第二相关性商品内，每个第二相关性商品的购买用户总量，产生具有强需求至低需求的第二相关性商品推荐排序，更新初始间推表产生升级间推表作为下次使用，在新的间推表内，强需求的第二相关性商品作为下次所有第二相关性商品内的首推，低需求为尾推；所述第二相关性按照历史两个商品购买用户总量对相关度量化，首推和尾推的递推排序之间按照第二相关性的相关度量化排序；

针对用户的历史购买行为，建立用户人格数据库；

统计用户购买任意相同的三种商品的用户频次，所述三种商品中的任意两种分别不处于同一群组下；最高频次计为Ω1，次高为Ω2，依次类推至Ωn，按照最高频次的降序20％归纳定义出一种人格；

根据人格频次Ω和第二相关性商品用户总量等分等比例获得放大因子γ，计算所述人格的用户购买高频商品的频次*γ得到相关度量化数据，比较获得相关度排位数据；使得定义人格的用户购买行为植入商品相关度数据体系中，优化相关度数据。

进一步的，当信息特征为图片时，对输入信息特征进行特征转化，将与图片具有直接关联性的商品转化为关键字特征，以助于后续推荐。