本申請涉及人工智能(ai)和大數(shù)據(jù)領域，并且更為具體地，涉及一種基于用戶畫像的商品推薦方法，更為具體地，涉及一種基于諸如用戶網(wǎng)絡購物習慣以及社交模型等用戶屬性的用戶畫像進行精確商品推薦的方法。

背景技術：

1、用戶畫像是根據(jù)用戶的社會屬性、生活習慣和消費行為習慣等諸多用戶屬性信息而抽象出的一個標簽化的用戶模型，其目的是在多個維度上建立針對該用戶的描述性標簽屬性?，F(xiàn)有技術中，能夠通過大數(shù)據(jù)技術收集用戶的社會屬性、消費習慣、偏好特征等多個維度的數(shù)據(jù)，然后對用戶或者產(chǎn)品特征屬性進行刻畫，并對這些特征進行分析、統(tǒng)計，挖掘潛在價值信息，從而抽象出用戶的信息全貌。

2、大數(shù)據(jù)技術發(fā)展至今，已經(jīng)達到較為成熟的階段。并且，其應用對于互聯(lián)網(wǎng)發(fā)展來說，已經(jīng)成為不可或缺的重要組成部分，而用戶畫像正是大數(shù)據(jù)技術的重要應用之一。隨著信息技術的不斷發(fā)展，目前用戶畫像已經(jīng)廣泛應用于互聯(lián)網(wǎng)的流程優(yōu)化、目標化消息及廣告推送、用戶個性化服務與改善等眾多方面，并且可以提供給用戶更高效和更有針對性的信息遞送以及更貼近個人習慣的用戶體驗。

3、在當前的電商行業(yè)中，構建用戶畫像的方法一般是根據(jù)用戶在站內(nèi)的訪問商品類目等瀏覽行為，將其日志進行保存，然后在一定的時間窗口內(nèi)，遍歷所有的用戶行為日志，并且按照某個特定權重衰減函數(shù)對其進行綜合計算，從而得到當前最新的用戶畫像。然而，在現(xiàn)有的用戶畫像模型的構建方法中，對每個用戶的處理是單個獨立的，其不會綜合考慮用戶的社交關系網(wǎng)絡。因此，這樣的用戶畫像必然是片面的，這就容易導致在利用用戶畫像進行互聯(lián)網(wǎng)應用時效果并不理想。例如，如果基于該構建方法，向用戶進行的產(chǎn)品推薦往往存在準確性低的問題，從而導致后續(xù)的購買成功率也非常低。

4、因此，本領域中對于基于精確的用戶畫像來進行準確的商品推薦方法存在很大的需求。

技術實現(xiàn)思路

1、如上所述，由于現(xiàn)有技術中的用戶畫像構建方法并未考慮用戶的社交屬性，從而無法構建準確的用戶畫像，最終導致無法基于該用戶畫像進行準確的商品推薦。

2、為了解決上述問題，本發(fā)明旨在提供一種基于用戶畫像的商品推薦方法，該方法能夠基于諸如但不限于用戶網(wǎng)購、社交模型等眾多用戶屬性的用戶畫像進行商品的精準推送。該方法能夠充分考慮傳統(tǒng)推薦模型中并不采用的用戶的社交關系網(wǎng)絡、用戶網(wǎng)購具體時間段以及用戶所在城市等諸多用戶屬性，為用戶提供更為精準的商品推送信息，從而極大地提升了用戶體驗。

3、以下給出一個或多個方面的簡要概述以提供對這些方面的基本理解。此概述不是所有構想到的方面的詳盡綜覽，并且既非旨在標識出所有方面的關鍵性或決定性要素亦非試圖界定任何或所有方面的范圍。其唯一的目的是要以簡化形式給出一個或多個方面的一些概念以作為稍后給出的更加詳細的描述之序。

4、本申請?zhí)峁┝艘环N基于用戶畫像的商品推薦方法，該方法包括：基于該用戶的購買記錄和瀏覽記錄來生成該用戶的購買偏好和購買能力；基于該購買記錄和該瀏覽記錄來生成該用戶的商品需求列表；基于該商品需求列表和該購買偏好來生成該用戶的商品推薦列表；基于該用戶的歷史付款信息來生成該用戶的社交關系；基于該購買偏好、該購買能力、該商品需求列表、該商品推薦列表和該社交關系來生成網(wǎng)購推薦模型；以及基于該網(wǎng)購推薦模型向該用戶推薦商品。

5、根據(jù)本申請的優(yōu)選實施例，基于該用戶的購買記錄和瀏覽記錄來生成該用戶的購買偏好和購買能力進一步包括：選取該購買記錄和該瀏覽記錄中數(shù)量前m個偏好標簽作為該用戶的購買偏好；以及選取該購買記錄和該瀏覽記錄中數(shù)量前n個價值標簽作為該用戶的購買能力。

6、根據(jù)本申請的優(yōu)選實施例，基于該商品需求列表和該購買偏好來生成該用戶的商品推薦列表進一步包括：根據(jù)該商品需求列表中列出商品的類別標簽找到同類的其他商品，并根據(jù)該用戶的購買偏好，對同類商品進行篩選，以生成該商品推薦列表。

7、根據(jù)本申請的優(yōu)選實施例，基于該用戶的歷史付款信息來生成該用戶的社交關系進一步包括：根據(jù)該用戶的歷史代付信息、該用戶的賬號來分析該用戶與其他用戶之間的親密度和社交關系，以生成該用戶的社交關系網(wǎng)絡。

8、根據(jù)本申請的優(yōu)選實施例，該方法進一步包括：基于該用戶的社交關系，在該用戶推薦列表中增加與該用戶關系親密的其他用戶的需求列表中列出的商品。

9、根據(jù)本申請的優(yōu)選實施例，該方法進一步包括：基于該用戶的購買記錄和瀏覽記錄來獲取該用戶的網(wǎng)購時段；基于該網(wǎng)購推薦模型和該網(wǎng)購時段向該用戶推薦商品。

10、根據(jù)本申請的優(yōu)選實施例，該方法進一步包括：基于該用戶的ip來獲取該用戶的所在地；以及基于該網(wǎng)購推薦模型和該用戶的所在地的熱點商品向該用戶推薦商品。

11、根據(jù)本申請的優(yōu)選實施例，m為5，而n為3。

12、根據(jù)本申請的優(yōu)選實施例，該方法進一步包括：基于該用戶的所在地推薦該城市較近的發(fā)貨點以減少物流時間。

13、根據(jù)本申請的優(yōu)選實施例，該方法進一步包括：基于用戶的社交關系網(wǎng)絡建立社交關系模型；根據(jù)該社交關系模型推薦可能認識的人；以及根據(jù)該社交關系模型推薦好友購買的類似商品

14、為能達成前述及相關目的，這一個或多個方面包括在下文中充分描述并在所附權利要求中特別指出的特征。以下描述和附圖詳細闡述了這一個或多個方面的某些解說性特征。但是，這些特征僅僅是指示了可采用各種方面的原理的各種方式中的若干種，并且本描述旨在涵蓋所有此類方面及其等效方案。

技術特征：

1.一種基于用戶畫像的商品推薦方法，其特征在于，所述方法包括：

2.如權利要求1所述的商品推薦方法，其特征在于，基于所述用戶的購買記錄和瀏覽記錄來生成所述用戶的購買偏好和購買能力進一步包括：

3.如權利要求1所述的商品推薦方法，其特征在于，基于所述商品需求列表和所述購買偏好來生成所述用戶的商品推薦列表進一步包括：

4.如權利要求1所述的商品推薦方法，其特征在于，基于所述用戶的歷史付款信息來生成所述用戶的社交關系進一步包括：

5.如權利要求1或4所述的商品推薦方法，其特征在于，所述方法進一步包括：

6.如權利要求1或4所述的商品推薦方法，其特征在于，所述方法進一步包括：

7.如權利要求6所述的商品推薦方法，其特征在于，所述方法進一步包括：

8.如權利要求2所述的商品推薦方法，其特征在于，m為5，而n為3。

9.如權利要求7所述的商品推薦方法，其特征在于，所述方法進一步包括：

10.如權利要求4所述的商品推薦方法，其特征在于，所述方法進一步包括：

技術總結
本申請公開了一種基于用戶畫像的商品推薦方法，該方法包括以下步驟：基于所述用戶的購買記錄和瀏覽記錄來生成所述用戶的購買偏好和購買能力；基于所述購買記錄和所述瀏覽記錄來生成所述用戶的商品需求列表；基于所述商品需求列表和所述購買偏好來生成所述用戶的商品推薦列表；基于所述用戶的歷史付款信息來生成所述用戶的社交關系；基于所述購買偏好、所述購買能力。所述商品需求列表、所述商品推薦列表和所述社交關系來生成網(wǎng)購推薦模型；以及基于所述網(wǎng)購推薦模型向所述用戶推薦商品。本申請的方法還進一步基于用戶的網(wǎng)購時段和用戶所在地來進行商品的推薦。

技術研發(fā)人員：朱學坤,徐秋,許文華
受保護的技術使用者：天翼數(shù)字生活科技有限公司
技術研發(fā)日：
技術公布日：2025/1/6