预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116012100A(43)申请公布日2023.04.25(21)申请号202211649413.3(22)申请日2022.12.21(71)申请人烟台弄糊电子商务咨询服务有限公司地址264000山东省烟台市芝罘区二马路155号虹口大厦1403(72)发明人刘美静(74)专利代理机构深圳锦开创识知识产权代理事务所(普通合伙)44911专利代理师李潇潇(51)Int.Cl.G06Q30/0601(2023.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于大数据分析的电子商务平台(57)摘要本发明公开了一种基于大数据分析的电子商务平台,属于电子商务技术领域,该电子商务平台在对商品进行推荐时,考虑到用户在购买时价格因素的影响,根据购物习惯推荐合适价格范围的对应商品至用户,更加的合理,相较于直接按照人气等因素进行推荐的方式,能够准确直接的推荐给用户合理预期的价格范围内的商品,提升推荐商品对用户的吸引力,有利于促进交易的建立;另外本发明能够有针对性的获取一个用户的购物记录进行分析处理,全面考虑了对应的用户在一定时间范围内的购物记录,并以此为依据进行用户预期价格的判断,更加的合理和准确,即便是在用户的购物记录较少的情况下,也能够较为准确的对用户偏向的价格范围记性预测,从而实现精准推荐。CN116012100ACN116012100A权利要求书1/2页1.一种基于大数据分析的电子商务平台,其特征在于,包括:数据爬取单元,用于获取用户在电子商务平台上的消费记录;特征识别单元,用于对商品的特征字符进行分析,判断两个商品是否属于同一类别;所述特征字符包括商品的名称、商品的尺寸、商品的品牌;检索单元,通过用户输入的特征字符对检索目标进行获取;推荐单元,用于对对应商品进行推荐;上述的一种基于大数据分析的电子商务平台的工作方法包括如下步骤:S1、获取商品的特征字符,根据商品的特征字符对商品进行分类;将一个商品标记为目标商品,获取目标商品所属类别商品的销售量以及售出的该类别商品的价格;S2、当一个用户对一类别商品进行检索时,将该类别商品标记为意向商品,获取该用户在检索意向商品之前的n个购物订单信息,将这n个购物订单信息对应的n种商品标记为参考商品,获取各参考商品在其同一类别商品中所处的价格区间,将参考商品的价格区间标记为参考区间;在高粘度用户范围内,对于一种参考商品,获取在对应周期内同时购买有意向商品以及处于参考区间内的参考商品的高粘度用户,获取这些高粘度用户购买意向商品时所处的价格区间;假设意向商品对应有m个价格区间,将这m个价格区间依次标记为Q1、Q2、…、Qm;计算获取对于一种参考商品,意向商品在各价格区间内的选择人数占比Z,将其依次标记为Z1、Z2、…、Zm;获取n个参考商品对应的n组意向商品在各价格区间内的选择人数占比Z;计算对应的n个Zi值的平均值作为价格区间Qi的平均选择人数占比Zip;S5、当一个用户通过检索单元对一类别商品进行检索时,通过输入特征字符检索获取检索目标,根据公式Y=α1*X1+α2*X2+α3*X3计算得到各检索目标的综合系数Y;其中X1为销量值、X2为人气值、X3为商铺的信誉值,α1、α2、α3均为预设的系数;计算获取对于该用户,该商品对应的各价格区间的平均选择人数占比Zip,根据公式G=Zip*Y计算得到各检索目标的推荐值;通过所述推荐单元按照推荐值从大到小的顺序对对应商品进行推荐。2.根据权利要求1所述的一种基于大数据分析的电子商务平台,其特征在于,所述平均选择人数占比Zip的计算方法为:首先删除n个Zi值中偏差值大的Zi值后,再计算剩余的未被删除的若干个Zi值的平均值作为价格区间Qi的平均选择人数占比Zip;删除偏差值大的Zi值的方法为计算这n个Zi值的方差,依次删除偏差最大的Zi值直至更新的方差小于等于预设值。3.根据权利要求1所述的一种基于大数据分析的电子商务平台,其特征在于,所述高粘度用户的获取方法为:对于一个用户,获取其在电子商务平台上的消费记录;所述消费记录包括用户在一个周期内的购物订单数量D以及在一个周期内各购物订单的成立日期;当D≥Dy成立时,获取各购物订单的成立日期,将一个周期内的第一个购物订单赋值为2CN116012100A权利要求书2/2页f1,将该周期内的第i个购物订单赋值为1+k,其中k为该周期内第一个购物订单与第i个购物订单之间的天数差;将一个周期内各购物订单的赋值依次标记为f1、f2、…、fD;根据公式计算得到f1至fD这一组数据的分散系数F,其中fp=(f1+f2+,…,+fD)/D,1≤i≤D;当F≥Fy时,则认为在对应周期内对应用户为高粘度用户;Dy为预设值,Fy为预设值。4.根据权利要求3所述的一种基于