(12)发明专利申请
(10)申请公布号 CN 112102037 A(43)申请公布日 2020.12.18
(21)申请号 202010975882.9(22)申请日 2020.09.16
(71)申请人 汤涛
地址 223300 江苏省淮安市淮阴区长江西
路111号(72)发明人 汤涛 (51)Int.Cl.
G06Q 30/06(2012.01)G06Q 30/02(2012.01)G06F 16/9535(2019.01)
权利要求书3页 说明书7页 附图2页
CN 112102037 A(54)发明名称
一种基于大数据的直播电商平台商品内容智能推送管理系统(57)摘要
本发明公开一种基于大数据的直播电商平台商品内容智能推送管理系统，包括关键词搜索筛选模块、商品特征参数划分提取模块、用户相似交易信息获取分析模块、特征参数关联匹配模块，商品月度销量提取模块、商品好评率统计分析模块、商品综合推送顺序分析模块和后台推送模块，本发明通过输入商品关键词从直播电商平台筛选符合商品关键词的各商品，并统计各商品的与用户偏向的总关联度、月销售量和好评率，得到各商品的综合推送系数，进而根据各商品的综合推送系数大小按照从大到小排序推送，能够使平台推送的商品与用户偏向匹配，增强了用户体验感，避免用户花费大量时间寻找与其偏向匹配的商品，满足了用户的偏向购物需求。
CN 112102037 A
权 利 要 求 书
1/3页
1.一种基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于：包括关键词搜索筛选模块、商品特征参数划分提取模块、用户相似交易信息获取分析模块、特征参数关联匹配模块，商品月度销量提取模块、商品好评率统计分析模块、商品综合推送顺序分析模块和后台推送模块，所述关键词搜索筛选模块分别与商品特征参数划分提取模块、商品月度销量提取模块和商品好评率统计分析模块连接，特征参数关联匹配模块分别与商品特征参数划分提取模块和用户相似交易信息获取分析模块连接，商品综合推送顺序分析模块分别与特征参数关联匹配模块、商品月度销量提取模块和商品好评率统计分析模块连接，后台推送模块与商品综合推送顺序分析模块连接；
所述关键词搜索筛选模块用于通过在直播电商平台搜索框中输入商品关键词从直播电商平台上众多直播商品中筛选符合其商品关键词的商品，并将筛选出来的若干商品进行预设的顺序进行编号，依次标记为1,2...i....n；
所述商品特征参数划分提取模块用于对商品关键词代表的商品种类进行各特征参数划分，并对编号的各商品按照该商品种类划分的各种特征参数从商品直播详情内容中提取各特征参数对应的自身特征，其中提取的每个商品的各种特征参数对应的自身特征构成商品特征集合Gi(gi1,gi2,...,gij,...,gim)，gij表示为第i个商品的第j个特征参数对应的自身特征，商品特征参数划分提取模块将提取的各商品的各种特征参数对应的自身特征构成的各商品特征集合发送至特征参数关联匹配模块；
所述用户相似交易信息获取分析模块用于从用户在该直播电商平台登录账号内的所有交易信息筛选出与输入的商品关键词一致的交易商品信息并分析用户偏向特征，所述用户相似交易信息获取分析模块包括相似交易信息获取模块和交易信息特征分析模块，其中相似交易信息获取模块获取交易信息的过程过程如下：
S1.筛选结束时间点计算：通过预设时间段和当前时间点，计算筛选结束时间点；S2.预设时间段交易信息获取：获取该用户登录账号下的用户所有交易信息，并提取用户每次交易的交易完成时间，将提取的用户每次交易的交易完成时间与计算的筛选结束时间点进行对比，判断用户每次交易的交易完成时间是否在筛选结束时间点之前，并保留交易完成时间在筛选结束时间点之前的交易信息，去除交易完成时间在筛选结束时间点之后的交易信息；
S3.交易商品种类信息提取：对获取的预设时间段内的用户交易信息统计交易次数，并提取每次交易的商品种类；
S4：商品种类匹配：将提取的用户每次交易的商品种类与商品关键词进行对比匹配，判断是否一致，并根据判断结果保留商品种类与商品关键词一致的交易信息，同时将保留的每次交易信息按照交易完成时间先后顺序进行排列；
所述交易信息特征分析模块用于对保留的每次交易信息提取出交易商品的各个特征参数对应的自身特征，根据提取的各交易信息中的各交易商品的各个特征参数对应的自身特征分析各特征参数对应的用户偏向特征，并将分析的各特征参数对应的用户偏向特征发送至特征参数关联匹配模块；
所述特征参数关联匹配模块接收商品特征参数划分提取模块发送的各商品特征集合，接收用户相似交易信息获取分析模块发送的商品各特征参数对应的用户偏向特征，并将接收的各商品特征集合中每个商品的各个特征参数进行排列，并按照顺序每次选择一个商品
2
CN 112102037 A
权 利 要 求 书
2/3页
的单个特征参数对应的自身特征与同一特征参数下对应的用户偏向特征进行匹配，若一致，表示匹配成功，则该商品的该特征参数与用户偏向关联，其关联度记为ξ，若不一致，表示匹配失败，则该商品的该特征参数与用户偏向不关联，继续进行该商品的下个特征参数匹配，由此统计出该商品与用户偏向的总关联度，当该商品与用户偏向的总关联度统计完成后，进行下个商品的与用户偏向总关联度的计算，进而得到各商品特征集合中每个商品与用户偏向的总关联度，同时将统计的结果发送至商品综合推送顺序分析模块；
所述商品月度销量提取模块对关键词搜索筛选模块筛选出来的若干商品从各商品直播详情内容中提取出商品月度销量，得到各商品的月度销量，并发送至商品综合推送顺序分析模块；
所述商品好评率统计分析模块对关键词搜索筛选模块筛选出来的若干商品从商品评价中统计商品总有效评价数和商品好评评价数，进而计算商品好评率，得到各商品的好评率，并发送至商品综合推送顺序分析模块；
所述商品综合推送顺序分析模块接收特征参数关联匹配模块发送的各商品与用户偏向的总关联度，接收商品月度销量提取模块发送的各商品的月度销量，接收商品好评率统计分析模块发送的各商品的好评率，进行商品综合推送系数统计，并根据统计的各商品的商品综合推送系数的大小按照商品综合推送系数从大到小的顺序对各商品进行排列；
所述后台推送模块用于经商品综合推送顺序分析模块排列的各商品按照排列顺序推送到直播电商平台界面。
2.根据权利要求1所述的一种基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于：所述关键词搜索筛选模块通过输入商品关键词筛选符合其商品关键词的商品筛选过程包括以下几个步骤：
H1：对直播电商平台上每个商品提取出商品名称；H2：系统后台将输入的商品关键词与直播电商平台上每个商品的名称进行文字识别，若在某个商品名称中识别到该商品全部关键词，则保留该商品，若在某个商品名称中未识别到该商品关键词或只识别到部分商品关键词，则执行步骤H3；
H3：去除该商品，并进行下个商品名称与商品关键词的识别。
3.根据权利要求1所述的一种基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于：所述相似交易信息获取模块的商品种类匹配步骤中判断用户每次交易的商品种类与商品关键词是否一致过程中，若用户每次交易的商品种类均与该商品关键词不一致，则表明用户预设时间段内的所有交易信息不与该商品关键词相关联，后面不进行交易信息特征分析模块和特征参数关联匹配模块操作。
4.根据权利要求1所述的一种基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于：所述交易信息特征分析模块中对保留的用户每次交易信息进行提取交易商品的各个特征参数对应的自身特征分析用户偏向特征过程中若保留的用户交易信息次数只有一次，则提取的该次交易信息中的交易商品各特征参数对应的自身特征作为用户偏向特征；若保留的用户交易信息次数不只一次，则执行以下用户偏向特征分析步骤：
W1：统计保留的用户交易次数，并依次提取每次交易的商品各特征参数对应的自身特征，且每次选择一个特征参数，将提取的该特征参数下的各交易商品对应的自身特征进行对比，判断是否存在相同的自身特征，若不存在相同自身特征，则表明该特征参数不存在用
3
CN 112102037 A
权 利 要 求 书
3/3页
户偏向，在后面的特征参数关联匹配模块不进行该特征参数的关联匹配，并执行步骤W4，若存在相同的自身特征，则统计存在相同自身特征的个数，若相同自身特征只有一个，则执行步骤W2，若相同自身特征有多个，则各相同自身特征记为候选用户偏向特征，并执行步骤W3；
W2：该相同自身特征作为该商品特征参数下的用户偏向特征；W3：统计各候选用户偏向特征对应的交易次数，并筛选交易次数最多的候选用户偏向特征作为用户偏向特征；
W4：按照W1-W3的顺序进行下一个特征参数的用户偏向特征分析，直到商品的特征参数全部分析完毕。
5.根据权利要求1所述的一种基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于：所述商品与用户偏向的总关联度的计算公式为ηξ，ηi＝kii表示为第i个商品与用户偏向的总关联度，ki表示为第i个商品与用户偏向关联的商品特征参数个数，ki＝1,2...j....m。
6.根据权利要求1所述的一种基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于：所述商品好评率统计分析模块中统计商品总有效评价数方法为统计该商品总的评价数并去除无效评价数得到总有效评价数。
7.根据权利要求1所述的一种基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于：所述商品好评率的计算公式为
σp好i表示为第i个商品的好评率，
i表示为第i个商品的好评评价数，p总i表示为第i个商品的总有效评价数。
8.根据权利要求1所述的一种基于大数据的直播电商平台商品内容智能推送管理系统，其特征在于：所述商品综合推送系数的计算公式为
表示为第
i个商品的综合推送系数，Si表示为第i个商品的月度销售量，a、b、c分别表示为商品与用户偏向总关联度的推送影响系数、商品月度销售量的推送影响系数、商品好评率的推送影响系数。
4
CN 112102037 A
说 明 书
1/7页
一种基于大数据的直播电商平台商品内容智能推送管理系统
技术领域
[0001]本发明属于电商平台管理技术领域，具体涉及一种基于大数据的直播电商平台商品内容智能推送管理系统。
背景技术
[0002]随着移动购物渗透率的提升，传统电商平台眼看着从增量转变成存量竞争，整体流量下滑，获客成本升高，而直播电商的出现，很大程度上打破了消费者对商品看不见、摸不着、感受不到的现状，相比图片和文字，直播呈现视频的信息维度更丰富，使得消费者能够直观并且全面的了解产品及服务信息，使消费者能够融入到购物场景中去，因此电商直播称为电商未来发展的方向。
[0003]人们在直播电商平台购物时，通过在平台上搜索框中输入商品关键词，平台后台会推送与输入的商品关键词匹配的一系列商品。但现有的直播电商平台推送的商品无法根据用户的偏向进行推送，智能化水平不高，导致用户需要花费大量的时间去从推送的商品中寻找与其偏向匹配的商品，影响人们的购物兴趣，致使用户体验感差，为了增强用户的使用体验感，现设计一种基于大数据的直播电商平台商品内容智能推送管理系统。发明内容
[0004]本发明的目的在于提供的一种基于大数据的直播电商平台商品内容智能推送管理系统，通过输入商品关键词从直播电商平台筛选符合其商品关键词的各商品，并统计各商品的与用户偏向的总关联度、月销售量和好评率，以此得到各商品的综合推送系数，进而根据各商品的综合推送系数大小进行从大到小排序，并按照排序推送到直播电商平台搜索界面，解决了背景技术提到的问题。
[0005]本发明的目的可以通过以下技术方案实现：
[0006]一种基于大数据的直播电商平台商品内容智能推送管理系统，包括关键词搜索筛选模块、商品特征参数划分提取模块、用户相似交易信息获取分析模块、特征参数关联匹配模块，商品月度销量提取模块、商品好评率统计分析模块、商品综合推送顺序分析模块和后台推送模块，所述关键词搜索筛选模块分别与商品特征参数划分提取模块、商品月度销量提取模块和商品好评率统计分析模块连接，特征参数关联匹配模块分别与商品特征参数划分提取模块和用户相似交易信息获取分析模块连接，商品综合推送顺序分析模块分别与特征参数关联匹配模块、商品月度销量提取模块和商品好评率统计分析模块连接，后台推送模块与商品综合推送顺序分析模块连接；
[0007]所述关键词搜索筛选模块用于通过在直播电商平台搜索框中输入商品关键词从直播电商平台上众多直播商品中筛选符合其商品关键词的商品，并将筛选出来的若干商品进行预设的顺序进行编号，依次标记为1,2...i....n；
[0008]所述商品特征参数划分提取模块用于对商品关键词代表的商品种类进行各特征参数划分，并对编号的各商品按照该商品种类划分的各种特征参数从商品直播详情内容中
5
CN 112102037 A
说 明 书
2/7页
提取各特征参数对应的自身特征，其中提取的每个商品的各种特征参数对应的自身特征构成商品特征集合Gi(gi1,gi2,...,gij,...,gim)，gij表示为第i个商品的第j个特征参数对应的自身特征，商品特征参数划分提取模块将提取的各商品的各种特征参数对应的自身特征构成的各商品特征集合发送至特征参数关联匹配模块；
[0009]所述用户相似交易信息获取分析模块用于从用户在该直播电商平台登录账号内的所有交易信息筛选出与输入的商品关键词一致的交易商品信息并分析用户偏向特征，所述用户相似交易信息获取分析模块包括相似交易信息获取模块和交易信息特征分析模块，其中相似交易信息获取模块获取交易信息的过程过程如下：[0010]S1.筛选结束时间点计算：通过预设时间段和当前时间点，计算筛选结束时间点；[0011]S2.预设时间段交易信息获取：获取该用户登录账号下的用户所有交易信息，并提取用户每次交易的交易完成时间，将提取的用户每次交易的交易完成时间与计算的筛选结束时间点进行对比，判断用户每次交易的交易完成时间是否在筛选结束时间点之前，并保留交易完成时间在筛选结束时间点之前的交易信息，去除交易完成时间在筛选结束时间点之后的交易信息；
[0012]S3.交易商品种类信息提取：对获取的预设时间段内的用户交易信息统计交易次数，并提取每次交易的商品种类；[0013]S4：商品种类匹配：将提取的用户每次交易的商品种类与商品关键词进行对比匹配，判断是否一致，并根据判断结果保留商品种类与商品关键词一致的交易信息，同时将保留的每次交易信息按照交易完成时间先后顺序进行排列；
[0014]所述交易信息特征分析模块用于对保留的每次交易信息提取出交易商品的各个特征参数对应的自身特征，根据提取的各交易信息中的各交易商品的各个特征参数对应的自身特征分析各特征参数对应的用户偏向特征，并将分析的各特征参数对应的用户偏向特征发送至特征参数关联匹配模块；
[0015]所述特征参数关联匹配模块接收商品特征参数划分提取模块发送的各商品特征集合，接收用户相似交易信息获取分析模块发送的商品各特征参数对应的用户偏向特征，并将接收的各商品特征集合中每个商品的各个特征参数进行排列，并按照顺序每次选择一个商品的单个特征参数对应的自身特征与同一特征参数下对应的用户偏向特征进行匹配，若一致，表示匹配成功，则该商品的该特征参数与用户偏向关联，其关联度记为ξ，若不一致，表示匹配失败，则该商品的该特征参数与用户偏向不关联，继续进行该商品的下个特征参数匹配，由此统计出该商品与用户偏向的总关联度，当该商品与用户偏向的总关联度统计完成后，进行下个商品的与用户偏向总关联度的计算，进而得到各商品特征集合中每个商品与用户偏向的总关联度，同时将统计的结果发送至商品综合推送顺序分析模块；
[0016]所述商品月度销量提取模块对关键词搜索筛选模块筛选出来的若干商品从各商品直播详情内容中提取出商品月度销量，得到各商品的月度销量，并发送至商品综合推送顺序分析模块；
[0017]所述商品好评率统计分析模块对关键词搜索筛选模块筛选出来的若干商品从商品评价中统计商品总有效评价数和商品好评评价数，进而计算商品好评率，得到各商品的好评率，并发送至商品综合推送顺序分析模块；
[0018]所述商品综合推送顺序分析模块接收特征参数关联匹配模块发送的各商品与用
6
CN 112102037 A
说 明 书
3/7页
户偏向的总关联度，接收商品月度销量提取模块发送的各商品的月度销量，接收商品好评率统计分析模块发送的各商品的好评率，进行商品综合推送系数统计，并根据统计的各商品的商品综合推送系数的大小按照商品综合推送系数从大到小的顺序对各商品进行排列；[0019]所述后台推送模块用于经商品综合推送顺序分析模块排列的各商品按照排列顺序推送到直播电商平台界面。[0020]作为优选技术方案，所述关键词搜索筛选模块通过输入商品关键词筛选符合其商品关键词的商品筛选过程包括以下几个步骤：[0021]H1：对直播电商平台上每个商品提取出商品名称；[0022]H2：系统后台将输入的商品关键词与直播电商平台上每个商品的名称进行文字识别，若在某个商品名称中识别到该商品全部关键词，则保留该商品，若在某个商品名称中未识别到该商品关键词或只识别到部分商品关键词，则执行步骤H3；[0023]H3：去除该商品，并进行下个商品名称与商品关键词的识别。[0024]作为优选技术方案，所述相似交易信息获取模块的商品种类匹配步骤中判断用户每次交易的商品种类与商品关键词是否一致过程中，若用户每次交易的商品种类均与该商品关键词不一致，则表明用户预设时间段内的所有交易信息不与该商品关键词相关联，后面不进行交易信息特征分析模块和特征参数关联匹配模块操作。[0025]作为优选技术方案，所述交易信息特征分析模块中对保留的用户每次交易信息进行提取交易商品的各个特征参数对应的自身特征分析用户偏向特征过程中若保留的用户交易信息次数只有一次，则提取的该次交易信息中的交易商品各特征参数对应的自身特征作为用户偏向特征；若保留的用户交易信息次数不只一次，则执行以下用户偏向特征分析步骤：
[0026]W1：统计保留的用户交易次数，并依次提取每次交易的商品各特征参数对应的自身特征，且每次选择一个特征参数，将提取的该特征参数下的各交易商品对应的自身特征进行对比，判断是否存在相同的自身特征，若不存在相同自身特征，则表明该特征参数不存在用户偏向，在后面的特征参数关联匹配模块不进行该特征参数的关联匹配，并执行步骤W4，若存在相同的自身特征，则统计存在相同自身特征的个数，若相同自身特征只有一个，则执行步骤W2，若相同自身特征有多个，则各相同自身特征记为候选用户偏向特征，并执行步骤W3；[0027]W2：该相同自身特征作为该商品特征参数下的用户偏向特征；[0028]W3：统计各候选用户偏向特征对应的交易次数，并筛选交易次数最多的候选用户偏向特征作为用户偏向特征；[0029]W4：按照W1-W3的顺序进行下一个特征参数的用户偏向特征分析，直到商品的特征参数全部分析完毕。
[0030]作为优选技术方案，所述商品与用户偏向的总关联度的计算公式为ηξ，ηi＝kii表示为第i个商品与用户偏向的总关联度，ki表示为第i个商品与用户偏向关联的商品特征参数个数，ki＝1,2...j....m。[0031]作为优选技术方案，所述商品好评率统计分析模块中统计商品总有效评价数方法为统计该商品总的评价数并去除无效评价数得到总有效评价数。
7
CN 112102037 A[0032]
说 明 书
4/7页
作为优选技术方案，所述商品好评率的计算公式为σi表示为第i个商品
的好评率，p好i表示为第i个商品的好评评价数，p总i表示为第i个商品的总有效评价数。
[0033]作为优选技术方案，所述商品综合推送系数的计算公式为
表示为第i个商品的综合推送系数，Si表示为第i个商品的月度
销售量，a、b、c分别表示为商品与用户偏向总关联度的推送影响系数、商品月度销售量的推
送影响系数、商品好评率的推送影响系数。[0034]本发明的有益效果：
[0035]1.本发明通过输入商品关键词从直播电商平台上若干商品中筛选符合其关键词的各商品，并统计各商品的月度销售量及好评率，同时通过输入的关键词从用户登录账号下的所有交易信息中筛选与商品关键词匹配的交易信息，进而从交易信息中分析商品各特征参数对应的用户偏向特征，同时平台后台将输入商品关键词筛选的各商品的各特征参数对应的自身特征与用户偏向特征进行关联匹配，得到各商品与用户偏向的总关联度，结合商品综合推送顺序分析模块统计各商品的综合推送系数，并按照综合推送系数大小进行排序推送，能够使直播电商平台推送的商品与用户的偏向匹配，具有智能化水平高的特点，增强了用户使用体验感，避免用户花费大量时间寻找与其偏向匹配的商品，提高了用户的购物兴趣，满足了用户的偏向购物需求。
[0036]2.本发明通过设置商品综合推送系数计算公式，结合商品与用户偏向总关联度、商品月度销量和商品好评率统计各商品的综合推送系数，其统计的综合推送系数不仅反映了商品与用户偏向的关联程度，还反映了商品本身的特征，并根据综合推送系数的大小从大到小排序推送，避免了只采用商品与用户的关联程度进行排序推送的单一性，提高了推送商品排序的全面性。
附图说明
[0037]为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]图1为本发明的系统模块框图；
[0039]图2为本发明的相似交易信息获取模块步骤流程图。
具体实施方式
[0040]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0041]请参阅图1-2所示，一种基于大数据的直播电商平台商品内容智能推送管理系统，包括关键词搜索筛选模块、商品特征参数划分提取模块、用户相似交易信息获取分析模块、特征参数关联匹配模块，商品月度销量提取模块、商品好评率统计分析模块、商品综合推送
8
CN 112102037 A
说 明 书
5/7页
顺序分析模块和后台推送模块，所述关键词搜索筛选模块分别与商品特征参数划分提取模块、商品月度销量提取模块和商品好评率统计分析模块连接，特征参数关联匹配模块分别与商品特征参数划分提取模块和用户相似交易信息获取分析模块连接，商品综合推送顺序分析模块分别与特征参数关联匹配模块、商品月度销量提取模块和商品好评率统计分析模块连接，后台推送模块与商品综合推送顺序分析模块连接。
[0042]所述关键词搜索筛选模块用于通过在直播电商平台搜索框中输入商品关键词从直播电商平台上众多直播商品中筛选符合其商品关键词的商品，其筛选过程包括以下几个步骤：
[0043]H1：对直播电商平台上每个商品提取出商品名称；[0044]H2：系统后台将输入的商品关键词与直播电商平台上每个商品的名称进行文字识别，若在某个商品名称中识别到该商品全部关键词，则保留该商品，若在某个商品名称中未识别到该商品关键词或只识别到部分商品关键词，则执行步骤H3；[0045]H3：去除该商品，并进行下个商品名称与商品关键词的识别。[0046]并将筛选出来的若干商品进行预设的顺序进行编号，依次标记为1,2...i....n。[0047]本实施例中输入的商品关键词代表商品种类，其根据商品关键词筛选出来的各商品均是属于该商品种类下的各商品。
[0048]所述商品特征参数划分提取模块用于对商品关键词代表的商品种类进行各特征参数划分，并对编号的各商品按照该商品种类划分的各种特征参数从商品直播详情内容中提取各特征参数对应的自身特征，其中提取的每个商品的各种特征参数对应的自身特征构成商品特征集合Gi(gi1,gi2,...,gij,...,gim)，gij表示为第i个商品的第j个特征参数对应的自身特征，商品特征参数划分提取模块将提取的各商品的各种特征参数对应的自身特征构成的各商品特征集合发送至特征参数关联匹配模块。
[0049]所述用户相似交易信息获取分析模块用于从用户在该直播电商平台登录账号内的所有交易信息筛选出与输入的商品关键词一致的交易商品信息并分析用户偏向特征，所述用户相似交易信息获取分析模块包括相似交易信息获取模块和交易信息特征分析模块，其中相似交易信息获取模块获取交易信息的过程过程如下：[0050]S1.筛选结束时间点计算：通过预设时间段和当前时间点，计算筛选结束时间点；[0051]S2.预设时间段交易信息获取：获取该用户登录账号下的用户所有交易信息，并提取用户每次交易的交易完成时间，将提取的用户每次交易的交易完成时间与计算的筛选结束时间点进行对比，判断用户每次交易的交易完成时间是否在筛选结束时间点之前，并保留交易完成时间在筛选结束时间点之前的交易信息，去除交易完成时间在筛选结束时间点之后的交易信息；
[0052]S3.交易商品种类信息提取：对获取的预设时间段内的用户交易信息统计交易次数，并提取每次交易的商品种类，其中提取交易的商品种类方法为从交易商品名称中提取带有商品种类特征的关键字；[0053]S4：商品种类匹配：将提取的用户每次交易的商品种类与商品关键词进行对比匹配，判断是否一致，若用户每次交易的商品种类均与该商品关键词不一致，则表明用户预设时间段内的所有交易信息不与该商品关键词相关联，后面不进行交易信息特征分析模块和特征参数关联匹配模块操作，若某次交易的商品种类与该商品关键词一致，则保留商品种
9
CN 112102037 A
说 明 书
6/7页
类与商品关键词一致的交易信息，若某次交易的商品种类与该商品关键词不一致，则去除该次交易信息，同时将保留的每次交易信息按照交易完成时间先后顺序进行排列。[0054]本实施例中对保留的每次交易信息提取出商品种类，并与商品关键词进行比较，若一致，则表明该次交易信息的交易商品也是属于输入的商品关键词代表的商品种类下的商品，其具有该商品种类下的全部特征参数。
[0055]所述交易信息特征分析模块用于对保留的每次交易信息提取出交易商品的各个特征参数对应的自身特征，根据提取的各交易信息中的各交易商品的各个特征参数对应的自身特征分析各特征参数对应的用户偏向特征，若保留的用户交易信息次数只有一次，则提取的该次交易信息中的交易商品各特征参数对应的自身特征作为用户偏向特征；若保留的用户交易信息次数不只一次，则执行以下用户偏向特征分析步骤：[0056]W1：统计保留的用户交易次数，并依次提取每次交易的商品各特征参数对应的自身特征，且每次选择一个特征参数，将提取的该特征参数下的各交易商品对应的自身特征进行对比，判断是否存在相同的自身特征，若不存在相同自身特征，则表明该特征参数不存在用户偏向，在后面的特征参数关联匹配模块不进行该特征参数的关联匹配，并执行步骤W4，若存在相同的自身特征，则统计存在相同自身特征的个数，若相同自身特征只有一个，则执行步骤W2，若相同自身特征有多个，则各相同自身特征记为候选用户偏向特征，并执行步骤W3；[0057]W2：该相同自身特征作为该商品特征参数下的用户偏向特征；[0058]W3：统计各候选用户偏向特征对应的交易次数，若各候选用户偏向特征对应的交易次数都不相同，则筛选交易次数最多的候选用户偏向特征作为用户偏向特征，若各候选用户偏向特征对应的交易次数存在相同的且交易次数都是最多的不同候选用户偏向特征，则表明该用户对该商品的该特征参数对应的偏向特征有多个，这种情况下可任意选择一个候选用户偏向特征作为用户偏向特征；[0059]W4：按照W1-W3的顺序进行下一个特征参数的用户偏向特征分析，直到商品的特征参数全部分析完毕。
[0060]并将分析的各特征参数对应的用户偏向特征发送至特征参数关联匹配模块。[0061]所述特征参数关联匹配模块接收商品特征参数划分提取模块发送的各商品特征集合，接收用户相似交易信息获取分析模块发送的商品各特征参数对应的用户偏向特征，并将接收的各商品特征集合中每个商品的各个特征参数进行排列，并按照顺序每次选择一个商品的单个特征参数对应的自身特征与同一特征参数下对应的用户偏向特征进行匹配，若一致，表示匹配成功，则该商品的该特征参数与用户偏向关联，其关联度记为ξ，若不一致，表示匹配失败，则该商品的该特征参数与用户偏向不关联，继续进行该商品的下个特征参数匹配，由此统计出该商品与用户偏向的总关联度，当该商品与用户偏向的总关联度统计完成后，进行下个商品的与用户偏向总关联度的计算，进而得到各商品特征集合中每个商品与用户偏向的总关联度ηξ，ηki表示为i＝kii表示为第i个商品与用户偏向的总关联度，第i个商品与用户偏向关联的商品特征参数个数，ki＝1,2...j....m，特征参数关联匹配模块将统计的结果发送至商品综合推送顺序分析模块。
[0062]所述商品月度销量提取模块对关键词搜索筛选模块筛选出来的若干商品从各商品直播详情内容中提取出商品月度销量，得到各商品的月度销量，并发送至商品综合推送
10
CN 112102037 A
说 明 书
7/7页
顺序分析模块。
[0063]所述商品好评率统计分析模块对关键词搜索筛选模块筛选出来的若干商品从商品评价中统计商品总有效评价数和商品好评评价数，其中统计商品总有效评价数方法为统计该商品总的评价数并去除无效评价数得到总有效评价数，进而计算商品好评率，得到各商品的好评率
σp好i表示为第i个商品的好评评价i表示为第i个商品的好评率，
数，p总i表示为第i个商品的总有效评价数，商品好评率统计分析模块将统计的各商品的好评率发送至商品综合推送顺序分析模块。
[0064]所述商品综合推送顺序分析模块接收特征参数关联匹配模块发送的各商品与用户偏向的总关联度，接收商品月度销量提取模块发送的各商品的月度销量，接收商品好评率统计分析模块发送的各商品的好评率，并统计商品综合推送系数
表示为第i个商品的综合推送系数，Si表示为第i个商品的月度
销售量，a、b、c分别表示为商品与用户偏向总关联度的推送影响系数、商品月度销售量的推
送影响系数、商品好评率的推送影响系数，同时根据统计的各商品的商品综合推送系数的大小按照商品综合推送系数从大到小的顺序对各商品进行排列。[0065]本实施例通过通过设置商品综合推送系数计算公式，结合商品与用户偏向总关联度、商品月度销量和商品好评率统计各商品的综合推送系数，其统计的综合推送系数不仅反映了商品与用户偏向的关联程度，还反映了商品本身的质量，并根据综合推送系数的大小从大到小排序推送，排在前面的商品不仅与用户偏向关联度高，且该商品自身的质量也比较高，避免了只采用商品与用户的关联程度进行排序推送的单一性，提高了推送商品排序的全面性。
[0066]所述后台推送模块用于经商品综合推送顺序分析模块排列的各商品按照排列顺序推送到直播电商平台界面，用户只需要浏览排列在直播电商平台界面前面的商品即能够选到质量和偏向都满意的商品，避免用户花费大量时间寻找与其偏向匹配的商品，增强了用户使用体验感，提高了用户的购物兴趣，满足了用户的偏向购物需求。[0067]以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
11
CN 112102037 A
说 明 书 附 图
1/2页
图1
12
CN 112102037 A
说 明 书 附 图
2/2页
图2
13
因篇幅问题不能全部显示，请点此查看更多更全内容