一种基于人工智能的电商信息推荐系统及其控制方法与流程

本申请涉及电子商务，更具体的说，本申请涉及一种基于人工智能的电商信息推荐系统及其控制方法。

背景技术：

1、电子商务技术是指在互联网上进行商业活动所使用的一系列技术和工具，这些技术旨在支持在线购物、电子支付、在线营销、供应链管理和其他与电子商务相关的活动，电子商务技术的快速发展不断推动着商业模式的变革，使企业能够更加高效地开展业务并满足不断变化的市场需求，基于人工智能的电商信息推荐系统是指基于人工智能技术为目标用户提供个性化、精准的商品推荐的系统，现有技术中该系统往往只基于目标用户的历史行为和偏好对目标用户进行商品推送，但是这种方式过于生硬，难以精准推送目标用户的潜在预定商品，具体来说潜在预定商品是指目标用户未购买过但浏览到时就会购买的商品，使得目标用户购买推送商品的难度增大，因此，如何预测潜在预定商品，从而实现了对目标用户进行个性化电商信息推荐成为了业界难题。

技术实现思路

1、本申请提供一种基于人工智能的电商信息推荐系统及其控制方法，可预测潜在预定商品，从而实现了对目标用户进行个性化电商信息推荐。

2、第一方面，本申请提供一种基于人工智能的电商信息推荐系统的控制方法，包括：

3、采集目标用户在电商平台上的历史浏览数据；

4、通过所述历史浏览数据提取商品浏览数据集，进而确定所述商品浏览数据集的商品特征向量；

5、由目标用户在电商平台上的历史浏览数据确定多个特征分类数，通过所述商品特征向量确定每个特征分类数的分类对照因子；

6、根据所有特征分类数的分类对照因子确定目标用户的商品特征分类集；

7、通过所述商品特征分类集对目标用户进行个性化电商信息推荐。

8、在一些实施例中，确定所述商品浏览数据集的商品特征向量具体包括：

9、对于商品浏览数据集中的每个商品浏览数据，确定该个商品浏览数据的离散度；

10、确定该个商品浏览数据中所有浏览数据的总数；

11、通过该个商品浏览数据的离散度和该个商品浏览数据中所有类别值的总数，确定该个商品浏览数据的商品特征，进而得到所述商品浏览数据集所有商品浏览数据的商品特征组成的商品特征向量。

12、在一些实施例中，由目标用户在电商平台上的历史浏览数据确定多个特征分类数具体包括：

13、根据目标用户在电商平台上的历史浏览数据确定上限特征分类数；

14、根据所述上限特征分类数确定多个特征分类数。

15、在一些实施例中，通过所述商品特征向量确定每个特征分类数的分类对照因子具体包括：

16、选取一个特征分类数；

17、由商品特征向量确定该个特征分类数对应的商品特征分类过渡集；

18、通过所述商品特征分类过渡集确定该个特征分类数的分类对照因子，重复上述步骤，确定剩余特征分类数的分类对照因子。

19、在一些实施例中，由商品特征向量确定该个特征分类数对应的商品特征分类过渡集具体包括：

20、根据特征分类数和商品特征向量得到初定分类中心集；

21、确定初定分类中心集中每个初定分类中心的初定特征类；

22、确定每个初定特征类的中心；

23、通过所有初定分类中心的初定特征类、所有初定特征类的中心得到归类终止量；

24、由所述归类终止量确定所述特征分类数对应的商品特征分类过渡集。

25、在一些实施例中，通过所有初定分类中心的初定特征类、所有初定特征类的中心得到归类终止量具体包括：

26、确定每个初定分类中心的初定特征类中的商品特征的总数；

27、由所有初定特征类的中心、每个初定分类中心的初定特征类中的商品特征的总数、特征分类数，确定归类终止量。

28、在一些实施例中，根据所有特征分类数的分类对照因子确定目标用户的商品特征分类集具体包括：

29、根据所有特征分类数的分类对照因子确定最适特征分类数；

30、由所述最适特征分类数确定目标用户的商品特征分类集。

31、第二方面，本申请提供一种基于人工智能的电商信息推荐系统，包括有控制单元，所述控制单元包括：

32、采集模块，用于采集目标用户在电商平台上的历史浏览数据；

33、提取模块，用于通过所述历史浏览数据提取商品浏览数据集，进而确定所述商品浏览数据集的商品特征向量；

34、处理模块，用于由目标用户在电商平台上的历史浏览数据确定多个特征分类数，通过所述商品特征向量确定每个特征分类数的分类对照因子；

35、所述处理模块，还用于根据所有特征分类数的分类对照因子确定目标用户的商品特征分类集；

36、执行模块，用于通过所述商品特征分类集对目标用户进行个性化电商信息推荐。

37、第三方面，本申请提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行上述的基于人工智能的电商信息推荐系统的控制方法。

38、第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当指令或代码在计算机上运行时，使得计算机执行时实现上述的基于人工智能的电商信息推荐系统的控制方法。

39、本申请公开的实施例提供的技术方式具有以下有益效果：

40、本申请提供的基于人工智能的电商信息推荐系统及其控制方法中，首先采集目标用户在电商平台上的历史浏览数据，通过所述历史浏览数据提取商品浏览数据集，得到目标用户浏览的每个商品的类别数据，确定所述商品浏览数据集的商品特征向量，通过对商品特征向量的确定，得到目标用户浏览的所有商品的类别特征信息；由目标用户在电商平台上的历史浏览数据确定多个特征分类数，即得到对商品特征向量进行分类的类数，进而通过所述商品特征向量确定每个特征分类数的分类对照因子，即得到根据每个特征分类数对商品特征向量进行分类后的分类结果中各个商品特征过渡类之间的相似程度，如果各个商品特征过渡类之间的相似程度越低，说明各商品特征过渡个类之间越不相关，即各个商品特征过渡类之间的相互独立性越强，由于每个商品特征过渡类均为一类商品的商品特征的集合，所以各个商品特征过渡类之间的相互独立性越强时，则说明根据该分类结果中各个商品特征过渡类为目标用户预测到的潜在预定商品就越准确；因此，根据所有特征分类数的分类对照因子确定目标用户的商品特征分类集，得到最符合目标用户的个性化电商信息推荐的分类结果；最终通过所述商品特征分类集对目标用户进行个性化电商信息推荐，综上所述，该方案可预测潜在预定商品，从而实现了对目标用户进行个性化电商信息推荐。

技术特征：

1.一种基于人工智能的电商信息推荐系统的控制方法，其特征在于，包括如下步骤：

2.如权利要求1所述的方法，其特征在于，确定所述商品浏览数据集的商品特征向量具体包括：

3.如权利要求1所述的方法，其特征在于，由目标用户在电商平台上的历史浏览数据确定多个特征分类数具体包括：

4.如权利要求1所述的方法，其特征在于，通过所述商品特征向量确定每个特征分类数的分类对照因子具体包括：

5.如权利要求4所述的方法，其特征在于，由商品特征向量确定该个特征分类数对应的商品特征分类过渡集具体包括：

6.如权利要求5所述的方法，其特征在于，通过所有初定分类中心的初定特征类、所有初定特征类的中心得到归类终止量具体包括：

7.如权利要求1所述的方法，其特征在于，根据所有特征分类数的分类对照因子确定目标用户的商品特征分类集具体包括：

8.一种基于人工智能的电商信息推荐系统，其特征在于，该基于人工智能的电商信息推荐系统包括有控制单元，所述控制单元包括：

9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行权利要求1至7中任一项所述的基于人工智能的电商信息推荐系统的控制方法。

10.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当指令或代码在计算机上运行时，使得计算机执行时实现如权利要求1至7中任一项所述的基于人工智能的电商信息推荐系统的控制方法。

技术总结
本申请提供了一种基于人工智能的电商信息推荐系统及其控制方法，采集目标用户在电商平台上的历史浏览数据，通过所述历史浏览数据提取商品浏览数据集，进而确定所述商品浏览数据集的商品特征向量，通过对商品特征向量的确定得到目标用户浏览的所有商品的类别特征信息，进而由目标用户在电商平台上的历史浏览数据确定多个特征分类数，通过所述商品特征向量确定每个特征分类数的分类对照因子，即得到分类结果中各个商品特征过渡类之间的相似程度，根据所有特征分类数的分类对照因子确定目标用户的商品特征分类集，依据所述商品特征分类集对目标用户进行个性化电商信息推荐，以预测潜在预定商品，从而实现了对目标用户进行个性化电商信息推荐。

技术研发人员：李震霄
受保护的技术使用者：广州黑鱼软件技术有限公司
技术研发日：
技术公布日：2024/4/22