一种基于人工智能的商品推荐方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111861679A(43)申请公布日2020.10.30(21)申请号202010773551.7(22)申请日2020.08.04(71)申请人深圳市创智园知识产权运营有限公司地址518000广东省深圳市龙岗区坂田街道杨美社区上品雅园1栋B301(72)发明人樊馨(74)专利代理机构北京化育知识产权代理有限公司11833代理人尹均利(51)Int.Cl.G06Q30/06(2012.01)G06Q30/02(2012.01)权利要求书2页说明书7页附图1页(54)发明名称一种基于人工智能的商品推荐方法(57)摘要本申请公开了一种基于人工智能的商品推荐方法，包括：边缘服务器基于用户购买历史记录及用户自然属性，获取目标用户的POI，将目标用户的POI发送至商品推荐服务器；商品推荐服务器基于POI，生成与POI匹配的商品；商品推荐服务器获取多个关联参数；商品推荐服务器将多个关联参数按照决策树模型进行子集分类，并生成商品推荐决策树，其中，子集包括商品的品牌力子集及评论专业度子集，商品推荐决策树包括品牌力子决策树和评论专业度子决策树；若品牌力子决策树和评论专业度子决策树的决策结果均为推荐，确定决策树的决策结果为推荐，商品推荐服务器生成商品的推荐信息，并发送商品的推荐信息至目标用户，推荐信息中包括商品的品牌介绍及专业评论。CN111861679ACN111861679A权利要求书1/2页1.一种基于人工智能的商品推荐方法，其特征在于，包括：边缘服务器基于用户购买历史记录及用户自然属性，获取目标用户的兴趣点POI，并将所述目标用户的POI发送至商品推荐服务器；所述商品推荐服务器基于所述POI，生成与所述POI匹配的商品；所述商品推荐服务器获取与所述商品的多个关联参数；所述商品推荐服务器将所述多个关联参数按照决策树模型进行子集分类，并生成商品推荐决策树，其中，所述子集包括商品的品牌力子集及评论专业度子集，所述商品推荐决策树包括品牌力子决策树和评论专业度子决策树；若所述品牌力子决策树和评论专业度子决策树的决策结果均为推荐，确定所述决策树的决策结果为推荐，所述商品推荐服务器生成所述商品的推荐信息，并发送所述商品的推荐信息至所述目标用户，所述推荐信息中包括所述商品的品牌介绍及专业评论。2.根据权利要求1所述的方法，其特征在于，所述商品推荐服务器将多个关联参数按照决策树模型进行子集分类，并生成商品推荐决策树，包括：所述商品推荐服务器将所述多个关联参数分为评论专业度子集和品牌力子集，其中，所述评论专业度包括评价力属性和用户专业性属性，所述评价力属性包括评论字数、引用度、特征度，所述用户专业性属性包括用户购买力、用户认证情况及用户活跃程度；将专业度作为根节点，评价力作为第一父节点、用户专业性作为第二父节点，所述评论字数、所述引用度、所述特征度为所述第一父节点的叶子节点，所述用户购买力、用户认证情况和用户活跃程度作为所述第二父节点的叶子节点，生成评论专业度子决策树，并基于所述专业度子决策树确定所述评论专业度的决策结果。3.根据权利要求2所述的方法，其特征在于，基于决策树确定所述专业度的决策结果，包括：判断所述评论字数是否超过第一预设阈值，若超过则决策结果设置为1，未超过则设置为0；判断所述引用度是否超过第二预设阈值，若超过则决策结果设置为1，未超过则设置为0；判断所述特征度是否超过第三预设阈值，若超过则决策结果设置为1，未超过则设置为0；若上述三者决策结果值求和后大于等于2，则设置所述评价力决策结果为拟推荐，否则设置为不推荐；判断所述用户购买力是否为高，若是则决策结果设置为1，若否则设置为0；判断所述用户活跃程度是否为高，若是则决策结果设置为1，若否则设置为0；判断所述用户认证情况是否高于第四预设阈值，若是则决策结果设置为1，若否则设置为0；若所述用户购买力、所述用户活跃程度和所述用户认证情况决策结果值求和后大于等于2，则设置所述用户专业性决策结果为拟推荐，否则设置为不推荐；若所述决策力决策结果、所述用户专业性决策结果均为拟推荐，则设置所述评论专业度决策结果为推荐。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：2CN111861679A权利要求书2/2页所述品牌力包括广告投放率和售后投诉率；将所述品牌力作为根节点，所述广告投放率作为第一叶子节点，所述售后投诉率作为第二叶子节点，生成品牌力子决策数，并基于所述品牌力子决策树确定所述品牌力的决策结果。5.根据权利要求4所述的方法，其特征在于，所述基于所述品牌力子决策树确定所述品牌力的决策结果，包括：判断所述广告投放率是否超过第五预设阈值，若超过则决策结果设置为1，否则设置为0；判断所述售后投诉率是否超过第六预设阈值，若