一種品牌推薦方法、電子設備、存儲介質及系統技術方案

本發明專利技術提供一種品牌推薦方法，包括：獲取若干訂單數據，將同一用戶名稱的訂單數據進行合并得到用戶訂單數據，將用戶訂單數據和用戶名稱作為訓練數據；將訓練數據輸入至預設推薦模型中，采用邏輯回歸算法和隨機負采樣算法對預設推薦模型中的訓練數據進行訓練并得到已訓練推薦模型；獲取網絡購物平臺上的活躍用戶名單，獲取網絡購物平臺上的在售品牌數據；將活躍用戶名單及在售品牌數據輸入至已訓練推薦模型進行匹配并得到推薦品牌名單。本發明專利技術的一種品牌推薦方法，解決了以往沒辦法完全為每個用戶獨立定制他們感興趣的品牌列表的問題，同時全程使用訓練模型進行推薦匹配增加了推薦的精準度與效率，提高了用戶的體驗感。

A Brand Recommendation Method, Electronic Equipment, Storage Media and System

The invention provides a brand recommendation method, which includes: acquiring several order data, merging the order data of the same user name to obtain user order data, using user order data and user name as training data, inputting training data into the preset recommendation model, and adopting logical regression algorithm and random negative sampling algorithm to advance training data in the preset recommendation model. Training and get the trained recommendation model; get the active user list on the online shopping platform, get the sales brand data on the online shopping platform; input the active user list and the sales brand data into the training recommendation model to match and get the recommended brand list. A brand recommendation method of the present invention solves the problem that in the past it was impossible to customize the list of brands that each user was interested in independently. At the same time, the whole process of recommendation matching using the training model increases the accuracy and efficiency of recommendation, and improves the user's sense of experience.

【技術實現步驟摘要】
一種品牌推薦方法、電子設備、存儲介質及系統
本專利技術涉及數據處理領域，尤其涉及一種品牌推薦方法、電子設備、存儲介質及系統。
技術介紹
由于目前的網絡購物平臺每天都有大量品牌商品在售，而用戶每次基本只看到有限數量的品牌，如何讓用戶感興趣的品牌出現在有限數量的品牌中，就成了研究的重點。目前是是采用以下兩種方式：1、基于商務人員對商品和用戶的敏感，手工確定品牌排序；2、對用戶進行分類，提取不同用戶類型的特征，然后用CTR(廣告點擊率預測)，預測不同品牌的點擊率，來確定排序。但是采用上述兩種方式時，隨著人群分類的增加，手工排序的工作量劇增，為每個用戶群確定特征，也需要耗費大量精力，另外一個用戶群里面的所有用戶看到的品牌還是一樣的，沒辦法完全為每個用戶獨立定制他們感興趣的品牌列表。
技術實現思路
為了克服現有技術的不足，本專利技術的目的之一在于提供一種品牌推薦方法，其能解決目前品牌推薦方法沒辦法完全為每個用戶獨立定制他們感興趣的品牌列表的問題。本專利技術的目的之二在于提供一種電子設備，其能解決目前品牌推薦方法沒辦法完全為每個用戶獨立定制他們感興趣的品牌列表的問題。本專利技術的目的之三在于提供一種存儲介質，其能解決目前品牌推薦方法沒辦法完全為每個用戶獨立定制他們感興趣的品牌列表的問題。本專利技術的目的之四在于提供一種品牌推薦系統，其能解決目前品牌推薦方法沒辦法完全為每個用戶獨立定制他們感興趣的品牌列表的問題。本專利技術的目的之一采用以下技術方案實現：一種品牌推薦方法，其特征在于包括：訂單數據獲取，從網絡購物平臺上的數據存儲裝置中獲取若干訂單數據，所述訂單數據包括商品品牌信息和用戶名稱；數據清洗，根據不同所述用戶名稱對若干所述訂單數據進行分類整理，將同一用戶名稱的所述訂單數據進行合并得到用戶訂單數據，將所述用戶訂單數據和所述用戶名稱作為訓練數據；訓練模型，將所述訓練數據輸入至預設推薦模型中，采用邏輯回歸算法和隨機負采樣算法對所述預設推薦模型中的訓練數據進行訓練并得到已訓練推薦模型；信息采集，獲取網絡購物平臺上的活躍用戶名單，獲取網絡購物平臺上的在售品牌數據；品牌推薦，將所述活躍用戶名單及所述在售品牌數據輸入至所述已訓練推薦模型進行匹配并得到推薦品牌名單。進一步地，還包括將所述推薦品牌名單推薦給所述用戶名單中對應的活躍用戶。進一步地，所述品牌推薦具體為：將所述活躍用戶名單及所述在售品牌數據輸入至所述已訓練推薦模型中，所述已訓練推薦模型根據所述活躍用戶名單匹配出對應的用戶訂單數據，并根據用戶訂單數據在所述在售品牌數據中匹配出相關聯的在售品牌名單作為推薦品牌名單。進一步地，在所述訓練模型之前還包括更新數據，每天定時采集數據存儲裝置中更新過的新訂單數據，對所述新訂單數據進行分類整理得到新用戶訂單數據，將所述新用戶訂單數據融入所述用戶訂單數據中。本專利技術的目的之二采用以下技術方案實現：一種電子設備，其特征在于包括：處理器；存儲器；以及程序，其中所述程序被存儲在所述存儲器中，并且被配置成由處理器執行，所述程序包括用于執行本專利技術的一種品牌推薦方法。本專利技術的目的之三采用以下技術方案實現：一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行本專利技術的一種品牌推薦方法。本專利技術的目的之四采用以下技術方案實現：一種品牌推薦系統，其特征在于包括：訂單數據獲取模塊，所述訂單數據獲取模塊用于從網絡購物平臺上的數據存儲裝置中獲取若干訂單數據，所述訂單數據包括商品品牌信息和用戶名稱；數據清洗模塊，所述數據清洗模塊用于根據不同所述用戶名稱對若干所述訂單數據進行分類整理，將同一用戶名稱的所述訂單數據進行合并得到用戶訂單數據，將所述用戶訂單數據和所述用戶名稱作為訓練數據；訓練模型模塊，所述訓練模型模塊用于將所述訓練數據輸入至預設推薦模型中，采用邏輯回歸算法和隨機負采樣算法對所述預設推薦模型中的訓練數據進行訓練并得到已訓練推薦模型；信息采集模塊，所述信息采集模塊用于獲取網絡購物平臺上的活躍用戶名單，獲取網絡購物平臺上的在售品牌數據；品牌推薦模塊，所述品牌推薦模塊用于將所述活躍用戶名單及所述在售品牌數據輸入至所述已訓練推薦模型進行匹配并得到推薦品牌名單。進一步地，還包括發送模塊，所述發送模塊用于將所述推薦品牌名單推薦給所述用戶名單中對應的活躍用戶。進一步地，還包括更新數據模塊，所述更新數據模塊用于每天定時采集數據存儲裝置中更新過的新訂單數據，對所述新訂單數據進行分類整理得到新用戶訂單數據，將所述新用戶訂單數據融入所述用戶訂單數據中。進一步地，所述數據清洗模塊包括分類整理單元和合并單元，所述分類整理單元用于根據不同所述用戶名稱對若干所述訂單數據進行分類整理，所述合并單元用于將同一用戶名稱的所述訂單數據進行合并得到用戶訂單數據，將所述用戶訂單數據和所述用戶名稱作為訓練數據。相比現有技術，本專利技術的有益效果在于：本專利技術的一種品牌推薦方法，通過從網絡購物平臺上的數據存儲裝置中獲取若干訂單數據，并根據不同用戶名稱對若干訂單數據進行分類整理，將同一用戶名稱的訂單數據進行合并得到用戶訂單數據，將用戶訂單數據作為訓練數據，將訓練數據輸入至預設的推薦模型中，并采用采用邏輯回歸算法和隨機負采樣算法對預設推薦模型中的訓練數據進行訓練并得到已訓練推薦模型，將活躍用戶名單及在售品牌數據輸入至已訓練推薦模型進行匹配并得到推薦品牌名單，此推薦品牌名單與每一個活躍用戶一一對應，即每個用戶對應一組推薦品牌名單，解決了以往沒辦法完全為每個用戶獨立定制他們感興趣的品牌列表的問題，同時全程使用訓練模型進行推薦匹配增加了推薦的精準度與效率，提高了用戶的體驗感。上述說明僅是本專利技術技術方案的概述，為了能夠更清楚了解本專利技術的技術手段，并可依照說明書的內容予以實施，以下以本專利技術的較佳實施例并配合附圖詳細說明如后。本專利技術的具體實施方式由以下實施例及其附圖詳細給出。附圖說明此處所說明的附圖用來提供對本專利技術的進一步理解，構成本申請的一部分，本專利技術的示意性實施例及其說明用于解釋本專利技術，并不構成對本專利技術的不當限定。在附圖中：圖1為本專利技術的一種品牌推薦方法的流程圖；圖2為本專利技術的一種品牌推薦方法的邏輯架構圖：圖3為本專利技術的一種品牌推薦系統的模塊框圖。具體實施方式下面，結合附圖以及具體實施方式，對本專利技術做進一步描述，需要說明的是，在不相沖突的前提下，以下描述的各實施例之間或各技術特征之間可以任意組合形成新的實施例。如圖1-2所示，本專利技術的一種品牌推薦方法，包括訂單數據獲取，從網絡購物平臺上的數據存儲裝置中獲取若干訂單數據，訂單數據包括商品品牌信息和用戶名稱；目前網絡購物平臺上每天都會生成很多訂單信息，沒有都有大量的用戶進行購買各種品牌的商品。數據清洗，根據不同用戶名稱對若干訂單數據進行分類整理，將同一用戶名稱的訂單數據進行合并得到用戶訂單數據，將用戶訂單數據和用戶名稱作為訓練數據；在本實施例中通過訂單數據獲取的訂單數據中有大量的單個的訂單，此步驟即將訂單數據中同一用戶名稱的訂單歸納在一起形成一個很好的分類，例如現有訂單數據中的用戶名稱為：張三、李明等，將根據訂單數據中所有用戶名稱為張三的訂單信息歸納為一類，將所有用戶名稱為李明的訂單信息歸納為一類，即完成了系統的分類，將訂單數據中的商品品牌信息與用戶名稱一一本文檔來自技高網...

【技術保護點】
1.一種品牌推薦方法，其特征在于包括：訂單數據獲取，從網絡購物平臺上的數據存儲裝置中獲取若干訂單數據，所述訂單數據包括商品品牌信息和用戶名稱；數據清洗，根據不同所述用戶名稱對若干所述訂單數據進行分類整理，將同一用戶名稱的所述訂單數據進行合并得到用戶訂單數據，將所述用戶訂單數據和所述用戶名稱作為訓練數據；訓練模型，將所述訓練數據輸入至預設推薦模型中，采用邏輯回歸算法和隨機負采樣算法對所述預設推薦模型中的訓練數據進行訓練并得到已訓練推薦模型；信息采集，獲取網絡購物平臺上的活躍用戶名單，獲取網絡購物平臺上的在售品牌數據；品牌推薦，將所述活躍用戶名單及所述在售品牌數據輸入至所述已訓練推薦模型進行匹配并得到推薦品牌名單。

【技術特征摘要】
1.一種品牌推薦方法，其特征在于包括：訂單數據獲取，從網絡購物平臺上的數據存儲裝置中獲取若干訂單數據，所述訂單數據包括商品品牌信息和用戶名稱；數據清洗，根據不同所述用戶名稱對若干所述訂單數據進行分類整理，將同一用戶名稱的所述訂單數據進行合并得到用戶訂單數據，將所述用戶訂單數據和所述用戶名稱作為訓練數據；訓練模型，將所述訓練數據輸入至預設推薦模型中，采用邏輯回歸算法和隨機負采樣算法對所述預設推薦模型中的訓練數據進行訓練并得到已訓練推薦模型；信息采集，獲取網絡購物平臺上的活躍用戶名單，獲取網絡購物平臺上的在售品牌數據；品牌推薦，將所述活躍用戶名單及所述在售品牌數據輸入至所述已訓練推薦模型進行匹配并得到推薦品牌名單。2.如權利要求1所述的一種品牌推薦方法，其特征在于：還包括將所述推薦品牌名單推薦給所述用戶名單中對應的活躍用戶。3.如權利要求1所述的一種品牌推薦方法，其特征在于：所述品牌推薦具體為：將所述活躍用戶名單及所述在售品牌數據輸入至所述已訓練推薦模型中，所述已訓練推薦模型根據所述活躍用戶名單匹配出對應的用戶訂單數據，并根據用戶訂單數據在所述在售品牌數據中匹配出相關聯的在售品牌名單作為推薦品牌名單。4.如權利要求1所述的一種品牌推薦方法，其特征在于：在所述訓練模型之前還包括更新數據，每天定時采集數據存儲裝置中更新過的新訂單數據，對所述新訂單數據進行分類整理得到新用戶訂單數據，將所述新用戶訂單數據融入所述用戶訂單數據中。5.一種電子設備，其特征在于包括：處理器；存儲器；以及程序，其中所述程序被存儲在所述存儲器中，并且被配置成由處理器執行，所述程序包括用于執行權利要求1-4任意一項所述的方法。6.一種計算機可讀存儲介質，其上存儲有計算機程序，其特...

【專利技術屬性】
技術研發人員：張偉豐，陳星，
申請(專利權)人：廣州品唯軟件有限公司，
類型：發明
國別省市：廣東,44