基于大数据分析的商品推荐方法及系统与流程

1.本发明属于信息处理技术领域，具体涉及基于大数据分析的商品推荐方法及系统。


背景技术：

2.随着电子商务的不断发展普及以及支付体系的不断完善，越来越多的消费者喜欢并且习惯在网上进行的商品购买。面对庞大的线上消费群体，精准且有效的线上商品推荐方法可以提高商家的营收。而对于一些快销品来说，消费者的线上复购率一般较低，难以通过消费者的历史数据预测购买行为，而在销售过程中，如何准确把握消费者的购买需求，进而推荐消费者喜好的商品是十分重要的环节。传统的商品推荐方式大多由销售人员根据历史销售数据来判断哪些是热销商品，然后针对经验判定的热销商品进行推荐，依据的信息维度十分单一，这种经验方式在面对快销品线上市场及新用户时，因为不确定因素较多，可能会导致商品推荐的精准性不高，不能准确把握到当前消费者的商品喜好，也没有充分结合供应链的供应能力，可能会导致供应跟不上营销的问题。因此，急需一种更能符合每个商户个体情况的智能化商品推荐方式。


技术实现要素：

3.本发明的目的是提供基于大数据分析的商品推荐方法及系统，用以解决现有技术中存在的上述问题。
4.为了实现上述目的，本发明采用以下技术方案：
5.第一方面，提供基于大数据分析的商品推荐方法，包括：
6.获取各电商平台的商品导向数据集以及本地供应商库的供应商品数据集，所述商品导向数据集包括若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息，以及各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数，所述供应商品数据集包括若干供应商品信息以及各供应商品信息对应的供货商履约度；
7.根据商品导向数据集中的各平台热搜商品信息、各平台热推商品信息和各平台高销量商品信息统计得到若干平台热门商品信息，并根据商品导向数据集中各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数统计得到各平台热门商品信息对应的平台热门指数，将各平台热门商品信息与对应的平台热门指数进行关联组合，得到对应电商平台的热门商品数据集；
8.将各电商平台的热门商品数据集进行汇总，得到汇总商品数据集，所述汇总商品数据集包含若干汇总商品信息以及各汇总商品信息对应的汇总热门指数；
9.将供应商品数据集中的各供应商品信息与汇总商品数据集中的各汇总商品信息进行比对，筛选出若干推荐商品信息，并确定各推荐商品信息对应的汇总热门指数和供货商履约度，所述推荐商品信息既是供应商品数据集中的相应供应商品信息又是汇总商品数
据集中的相应汇总商品信息；
10.将各推荐商品信息对应的汇总热门指数和供货商履约度代入预置的推荐指数计算模型进行计算，得到各推荐商品信息对应的推荐指数；
11.根据各推荐商品信息对应的推荐指数对各推荐商品信息进行排名，并选取出排名最高的若干个推荐商品信息组成第一商品推荐集；
12.将第一商品推荐集传输至文案编辑端，接收文案编辑端反馈的对应第一商品推荐集的第一商品推荐文案信息，并将第一商品推荐文案信息推送至目标客户端。
13.在一个可能的设计中，所述根据商品导向数据集中的各平台热搜商品信息、各平台热推商品信息和各平台高销量商品信息统计得到若干平台热门商品信息，包括：
14.对商品导向数据集中的各平台热搜商品信息、各平台热推商品信息和各平台高销量商品信息取并集，得到若干平台热门商品信息，各平台热门商品信息分别对应商品导向数据集若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息中的多个或一个。
15.在一个可能的设计中，所述根据商品导向数据集中各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数统计得到各平台热门商品信息对应的平台热门指数，包括：
16.在平台热门商品信息仅对应商品导向数据集中若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息的其中之一时，将该平台热搜商品信息对应的热搜指数或该平台热推商品信息对应的热推指数或该平台高销量商品信息对应的销量指数作为所述平台热门商品信息对应的平台热门指数；在平台热门商品信息同时对应商品导向数据集若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息中的多个时，将相应平台热搜商品信息对应的热搜指数和/或相应平台热推商品信息对应的热推指数和/或相应平台高销量商品信息对应的销量指数相加求和，得到所述平台热门商品信息对应的平台热门指数。
17.在一个可能的设计中，所述将各电商平台的热门商品数据集进行汇总，得到汇总商品数据集，包括：
18.对各电商平台热门商品数据集的若干平台热门商品信息取并集，得到若干汇总商品信息，各汇总商品信息分别对应一个或多个平台热门商品信息；
19.在汇总商品信息仅对应一个平台热门商品信息时，将该平台热门商品信息对应的平台热门指数作为所述汇总商品信息的汇总热门指数，在汇总商品信息对应多个平台热门商品信息，将相应多个平台热门商品信息对应的平台热门指数相加求和，得到所述汇总商品信息的汇总热门指数；
20.将各汇总商品信息与对应的汇总热门指数关联组合，得到汇总商品数据集。
21.在一个可能的设计中，所述将供应商品数据集中的各供应商品信息与汇总商品数据集中的各汇总商品信息进行比对，筛选出若干推荐商品信息，并确定各推荐商品信息对应的汇总热门指数和供货商履约度，包括：
22.对供应商品数据集中的各供应商品信息与汇总商品数据集中的各汇总商品信息取交集，得到若干推荐商品信息，各推荐商品信息分别对应供应商品数据集中的一个供应商品信息以及汇总商品数据集中的一个汇总商品信息，将对应汇总商品信息的汇总热门指
数以及对应供应商品信息的供货商履约度作为所述推荐商品信息的汇总热门指数和供货商履约度。
23.在一个可能的设计中，所述推荐指数计算模型为：
[0024][0025]
其中，s表征推荐指数，h表征汇总热门指数，q表征供货商履约度，α为设定的对应汇总热门指数的权重系数，β为设定的对应供货商履约度的权重系数，λ为设定的校正常数。
[0026]
在一个可能的设计中，在筛选出若干推荐商品信息后，所述方法还包括：
[0027]
利用筛选出的各推荐商品信息组成第二商品推荐集；
[0028]
将第二商品推荐集传输至文案编辑端，接收文案编辑端反馈的对应第二商品推荐集的第二商品推荐文案信息，并将第二商品推荐文案信息推送至目标客户端。
[0029]
第二方面，提供基于大数据分析的商品推荐系统，包括获取单元、统计单元、汇总单元、筛选单元、计算单元、选取单元和推送单元，其中：
[0030]
获取单元，用于获取各电商平台的商品导向数据集以及本地供应商库的供应商品数据集，所述商品导向数据集包括若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息，以及各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数，所述供应商品数据集包括若干供应商品信息以及各供应商品信息对应的供货商履约度；
[0031]
统计单元，用于根据商品导向数据集中的各平台热搜商品信息、各平台热推商品信息和各平台高销量商品信息统计得到若干平台热门商品信息，并根据商品导向数据集中各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数统计得到各平台热门商品信息对应的平台热门指数，将各平台热门商品信息与对应的平台热门指数进行关联组合，得到对应电商平台的热门商品数据集；
[0032]
汇总单元，用于将各电商平台的热门商品数据集进行汇总，得到汇总商品数据集，所述汇总商品数据集包含若干汇总商品信息以及各汇总商品信息对应的汇总热门指数；
[0033]
筛选单元，用于将供应商品数据集中的各供应商品信息与汇总商品数据集中的各汇总商品信息进行比对，筛选出若干推荐商品信息，并确定各推荐商品信息对应的汇总热门指数和供货商履约度，所述推荐商品信息既是供应商品数据集中的相应供应商品信息又是汇总商品数据集中的相应汇总商品信息；
[0034]
计算单元，用于将各推荐商品信息对应的汇总热门指数和供货商履约度代入预置的推荐指数计算模型进行计算，得到各推荐商品信息对应的推荐指数；
[0035]
选取单元，用于根据各推荐商品信息对应的推荐指数对各推荐商品信息进行排名，并选取出排名最高的若干个推荐商品信息组成第一商品推荐集；
[0036]
推送单元，用于将第一商品推荐集传输至文案编辑端，接收文案编辑端反馈的对应第一商品推荐集的第一商品推荐文案信息，并将第一商品推荐文案信息推送至目标客户端。
[0037]
在一个可能的设计中，所述选取单元还用于将筛选出的各推荐商品信息组成第二商品推荐集，所述推送单元还用于将第二商品推荐集传输至文案编辑端，接收文案编辑端
反馈的对应第二商品推荐集的第二商品推荐文案信息，并将第二商品推荐文案信息推送至目标客户端。
[0038]
第三方面，提供基于大数据分析的商品推荐系统，包括：
[0039]
存储器，用于存储指令；
[0040]
处理器，用于读取所述存储器中存储的指令，并根据指令执行上述第一方面中任意一种所述的基于大数据分析的商品推荐方法。
[0041]
第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行第一方面中任意一种所述的方法。同时，还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行第一方面中任意一种所述的基于大数据分析的商品推荐方法。
[0042]
有益效果：本发明通过获取各电商平台的商品导向数据集以及本地供应商库的供应商品数据集来进行大数据分析，根据各电商平台商品的导向数据集从热搜指数、热推指数以及销量指数方向多维度统计汇总出汇总商品数据集，然后对汇总商品数据集和供应商品数据集的商品信息进行比较，提取两者的交集作为推荐商品信息，再根据相应汇总热门指数和供货商履约度计算推荐商品信息的推荐指数，根据推荐指数选取相应的推荐商品信息组成商品推荐集，从而根据商品推荐集进行相应商品的推荐文案推送，就可以实现高效、精准的商品信息推荐处理。本发明采用大数据分析方式从各电商品台多种商品热度信息维度出发，可以更准确地把握当前消费者的商品喜好，并综合本地供应商库的供应能力，实现更符合每个商户个体情况的智能化商品推荐。
附图说明
[0043]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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。
[0044]
图1为本发明实施例1中方法的步骤示意图；
[0045]
图2为本发明实施例2中系统的构成示意图；
[0046]
图3为本发明实施例3中系统的构成示意图。
具体实施方式
[0047]
在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。
[0048]
应当理解，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在实施例中的具体含义。
[0049]
在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领
域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实施例中，可以不以非必要的细节来示出众所周知的过程、结构和技术，以避免使得实施例不清楚。
[0050]
实施例1：
[0051]
本实施例提供基于大数据分析的商品推荐方法，可应用于相应的大数据服务器，如图1所示，方法包括以下步骤：
[0052]
s1.获取各电商平台的商品导向数据集以及本地供应商库的供应商品数据集，所述商品导向数据集包括若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息，以及各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数，所述供应商品数据集包括若干供应商品信息以及各供应商品信息对应的供货商履约度。
[0053]
具体实施时，可采取线上信息抓取或者信息导入的方式采集获取到各电商平台的商品导向数据集以及本地供应商库的供应商品数据集。所述商品导向数据集包括若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息，商品信息可以为商品名称或者商品编号，以及各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数，所述热搜指数可根据相应平台热搜商品信息的热搜排名来确定，所述热推指数可根据相应平台热推商品信息的热推排名来确定，所述销量指数可根据相应平台高销量商品信息的销量排名来确定。所述供应商品数据集包括若干供应商品信息以及各供应商品信息对应的供货商履约度，所述供货商履约度可根据相应商品供货商的历史供货及履约记录来确定。
[0054]
s2.根据商品导向数据集中的各平台热搜商品信息、各平台热推商品信息和各平台高销量商品信息统计得到若干平台热门商品信息，并根据商品导向数据集中各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数统计得到各平台热门商品信息对应的平台热门指数，将各平台热门商品信息与对应的平台热门指数进行关联组合，得到对应电商平台的热门商品数据集。
[0055]
具体实施时，在获取到各电商平台的商品导向数据集后，可根据商品导向数据集中的各平台热搜商品信息、各平台热推商品信息和各平台高销量商品信息统计得到若干平台热门商品信息，包括对商品导向数据集中的各平台热搜商品信息、各平台热推商品信息和各平台高销量商品信息取并集，得到若干平台热门商品信息，各平台热门商品信息分别对应商品导向数据集若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息中的多个或一个。
[0056]
同时，可根据商品导向数据集中各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数统计得到各平台热门商品信息对应的平台热门指数，包括在平台热门商品信息仅对应商品导向数据集中若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息的其中之一时，将该平台热搜商品信息对应的热搜指数或该平台热推商品信息对应的热推指数或该平台高销量商品信息对应的销量指数作为所述平台热门商品信息对应的平台热门指数；在平台热门商品信息同时对应商品导向数据集若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息中的多个时，将相应平台热搜商品信息对应的热搜指数和/或相应
平台热推商品信息对应的热推指数和/或相应平台高销量商品信息对应的销量指数相加求和，得到所述平台热门商品信息对应的平台热门指数。
[0057]
最后将各平台热门商品信息与对应的平台热门指数进行关联组合，就可以得到对应电商平台的热门商品数据集。
[0058]
s3.将各电商平台的热门商品数据集进行汇总，得到汇总商品数据集，所述汇总商品数据集包含若干汇总商品信息以及各汇总商品信息对应的汇总热门指数。
[0059]
具体实施时，可对各电商平台热门商品数据集的若干平台热门商品信息取并集，得到若干汇总商品信息，各汇总商品信息分别对应一个或多个平台热门商品信息。在汇总商品信息仅对应一个平台热门商品信息时，将该平台热门商品信息对应的平台热门指数作为所述汇总商品信息的汇总热门指数，在汇总商品信息对应多个平台热门商品信息，将相应多个平台热门商品信息对应的平台热门指数相加求和，得到所述汇总商品信息的汇总热门指数。最后将各汇总商品信息与对应的汇总热门指数关联组合，就得到汇总商品数据集。
[0060]
s4.将供应商品数据集中的各供应商品信息与汇总商品数据集中的各汇总商品信息进行比对，筛选出若干推荐商品信息，并确定各推荐商品信息对应的汇总热门指数和供货商履约度，所述推荐商品信息既是供应商品数据集中的相应供应商品信息又是汇总商品数据集中的相应汇总商品信息。
[0061]
具体实施时，在得到汇总商品数据集后，调取本地供应商库的供应商品数据集，对供应商品数据集中的各供应商品信息与汇总商品数据集中的各汇总商品信息取交集，得到若干推荐商品信息，各推荐商品信息分别对应供应商品数据集中的一个供应商品信息以及汇总商品数据集中的一个汇总商品信息，将对应汇总商品信息的汇总热门指数以及对应供应商品信息的供货商履约度作为所述推荐商品信息的汇总热门指数和供货商履约度。
[0062]
s5.将各推荐商品信息对应的汇总热门指数和供货商履约度代入预置的推荐指数计算模型进行计算，得到各推荐商品信息对应的推荐指数。
[0063]
具体实施时，在确定好各推荐商品信息后，即可将各推荐商品信息对应的汇总热门指数和供货商履约度代入预置的推荐指数计算模型进行计算，得到各推荐商品信息对应的推荐指数。所述推荐指数计算模型为：
[0064][0065]
其中，s表征推荐指数，h表征汇总热门指数，q表征供货商履约度，α为设定的对应汇总热门指数的权重系数，β为设定的对应供货商履约度的权重系数，λ为设定的校正常数，α、β及λ均可根据实际计算需求进行设定。
[0066]
s6.根据各推荐商品信息对应的推荐指数对各推荐商品信息进行排名，并选取出排名最高的若干个推荐商品信息组成第一商品推荐集。
[0067]
具体实施时，在计算得到各推荐商品信息对应的推荐指数后，根据各推荐商品信息对应的推荐指数对各推荐商品信息进行排名，并选取出排名最高的若干个推荐商品信息组成第一商品推荐集。
[0068]
s7.将第一商品推荐集传输至文案编辑端，接收文案编辑端反馈的对应第一商品推荐集的第一商品推荐文案信息，并将第一商品推荐文案信息推送至目标客户端。
[0069]
具体实施时，服务器最终得到第一商品推荐集后，将第一商品推荐集传输至文案
编辑端，由文案编辑端根据第一商品推荐集进行相应商品的推送文案编辑，将编辑出的第一商品推荐文案信息反馈至服务器，服务器再将第一商品推荐文案信息推送至目标客户端。服务器也可在步骤s4筛选出若干推荐商品信息后，跳过推荐指数的计算及排名选取，直接利用筛选出的各推荐商品信息组成第二商品推荐集，将第二商品推荐集传输至文案编辑端由文案编辑端根据第二商品推荐集进行相应商品的推送文案编辑，将编辑出的第二商品推荐文案信息反馈至服务器，服务器再将第二商品推荐文案信息推送至目标客户端。
[0070]
实施例2：
[0071]
本实施例提供基于大数据分析的商品推荐系统，如图2所示，包括获取单元、统计单元、汇总单元、筛选单元、计算单元、选取单元和推送单元，其中：
[0072]
获取单元，用于获取各电商平台的商品导向数据集以及本地供应商库的供应商品数据集，所述商品导向数据集包括若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息，以及各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数，所述供应商品数据集包括若干供应商品信息以及各供应商品信息对应的供货商履约度；
[0073]
统计单元，用于根据商品导向数据集中的各平台热搜商品信息、各平台热推商品信息和各平台高销量商品信息统计得到若干平台热门商品信息，并根据商品导向数据集中各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数统计得到各平台热门商品信息对应的平台热门指数，将各平台热门商品信息与对应的平台热门指数进行关联组合，得到对应电商平台的热门商品数据集；
[0074]
汇总单元，用于将各电商平台的热门商品数据集进行汇总，得到汇总商品数据集，所述汇总商品数据集包含若干汇总商品信息以及各汇总商品信息对应的汇总热门指数；
[0075]
筛选单元，用于将供应商品数据集中的各供应商品信息与汇总商品数据集中的各汇总商品信息进行比对，筛选出若干推荐商品信息，并确定各推荐商品信息对应的汇总热门指数和供货商履约度，所述推荐商品信息既是供应商品数据集中的相应供应商品信息又是汇总商品数据集中的相应汇总商品信息；
[0076]
计算单元，用于将各推荐商品信息对应的汇总热门指数和供货商履约度代入预置的推荐指数计算模型进行计算，得到各推荐商品信息对应的推荐指数；
[0077]
选取单元，用于根据各推荐商品信息对应的推荐指数对各推荐商品信息进行排名，并选取出排名最高的若干个推荐商品信息组成第一商品推荐集；
[0078]
推送单元，用于将第一商品推荐集传输至文案编辑端，接收文案编辑端反馈的对应第一商品推荐集的第一商品推荐文案信息，并将第一商品推荐文案信息推送至目标客户端。
[0079]
可选地，所述选取单元还用于将筛选出的各推荐商品信息组成第二商品推荐集，所述推送单元还用于将第二商品推荐集传输至文案编辑端，接收文案编辑端反馈的对应第二商品推荐集的第二商品推荐文案信息，并将第二商品推荐文案信息推送至目标客户端。
[0080]
实施例3：
[0081]
本实施例提供基于大数据分析的商品推荐系统，如图3所示，在硬件层面，包括：
[0082]
数据接口，用于建立处理器与外部数据源的数据对接；
[0083]
存储器，用于存储指令；
[0084]
处理器，用于读取所述存储器中存储的指令，并根据指令执行实施例1中的基于大数据分析的商品推荐方法。
[0085]
可选地，该系统还包括内部总线。处理器与存储器和数据接口可以通过内部总线相互连接，该内部总线可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。
[0086]
所述存储器可以但不限于包括随机存取存储器(random access memory，ram)、只读存储器(read only memory，rom)、闪存(flash memory)、先进先出存储器(first input first output，fifo)和/或先进后出存储器(firstin last out，filo)等。所述处理器可以是通用处理器，包括中央处理器(centralprocessing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0087]
实施例4：
[0088]
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行实施例1中的基于大数据分析的商品推荐方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(memory stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
[0089]
本实施例还提供一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行实施例1中的基于大数据分析的商品推荐方法。其中，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程系统。
[0090]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.基于大数据分析的商品推荐方法，其特征在于，包括：获取各电商平台的商品导向数据集以及本地供应商库的供应商品数据集，所述商品导向数据集包括若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息，以及各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数，所述供应商品数据集包括若干供应商品信息以及各供应商品信息对应的供货商履约度；根据商品导向数据集中的各平台热搜商品信息、各平台热推商品信息和各平台高销量商品信息统计得到若干平台热门商品信息，并根据商品导向数据集中各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数统计得到各平台热门商品信息对应的平台热门指数，将各平台热门商品信息与对应的平台热门指数进行关联组合，得到对应电商平台的热门商品数据集；将各电商平台的热门商品数据集进行汇总，得到汇总商品数据集，所述汇总商品数据集包含若干汇总商品信息以及各汇总商品信息对应的汇总热门指数；将供应商品数据集中的各供应商品信息与汇总商品数据集中的各汇总商品信息进行比对，筛选出若干推荐商品信息，并确定各推荐商品信息对应的汇总热门指数和供货商履约度，所述推荐商品信息既是供应商品数据集中的相应供应商品信息又是汇总商品数据集中的相应汇总商品信息；将各推荐商品信息对应的汇总热门指数和供货商履约度代入预置的推荐指数计算模型进行计算，得到各推荐商品信息对应的推荐指数；根据各推荐商品信息对应的推荐指数对各推荐商品信息进行排名，并选取出排名最高的若干个推荐商品信息组成第一商品推荐集；将第一商品推荐集传输至文案编辑端，接收文案编辑端反馈的对应第一商品推荐集的第一商品推荐文案信息，并将第一商品推荐文案信息推送至目标客户端。2.根据权利要求1所述的基于大数据分析的商品推荐方法，其特征在于，所述根据商品导向数据集中的各平台热搜商品信息、各平台热推商品信息和各平台高销量商品信息统计得到若干平台热门商品信息，包括：对商品导向数据集中的各平台热搜商品信息、各平台热推商品信息和各平台高销量商品信息取并集，得到若干平台热门商品信息，各平台热门商品信息分别对应商品导向数据集若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息中的多个或一个。3.根据权利要求2所述的基于大数据分析的商品推荐方法，其特征在于，所述根据商品导向数据集中各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数统计得到各平台热门商品信息对应的平台热门指数，包括：在平台热门商品信息仅对应商品导向数据集中若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息的其中之一时，将该平台热搜商品信息对应的热搜指数或该平台热推商品信息对应的热推指数或该平台高销量商品信息对应的销量指数作为所述平台热门商品信息对应的平台热门指数；在平台热门商品信息同时对应商品导向数据集若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息中的多个
时，将相应平台热搜商品信息对应的热搜指数和/或相应平台热推商品信息对应的热推指数和/或相应平台高销量商品信息对应的销量指数相加求和，得到所述平台热门商品信息对应的平台热门指数。4.根据权利要求1所述的基于大数据分析的商品推荐方法，其特征在于，所述将各电商平台的热门商品数据集进行汇总，得到汇总商品数据集，包括：对各电商平台热门商品数据集的若干平台热门商品信息取并集，得到若干汇总商品信息，各汇总商品信息分别对应一个或多个平台热门商品信息；在汇总商品信息仅对应一个平台热门商品信息时，将该平台热门商品信息对应的平台热门指数作为所述汇总商品信息的汇总热门指数，在汇总商品信息对应多个平台热门商品信息，将相应多个平台热门商品信息对应的平台热门指数相加求和，得到所述汇总商品信息的汇总热门指数；将各汇总商品信息与对应的汇总热门指数关联组合，得到汇总商品数据集。5.根据权利要求1所述的基于大数据分析的商品推荐方法，其特征在于，所述将供应商品数据集中的各供应商品信息与汇总商品数据集中的各汇总商品信息进行比对，筛选出若干推荐商品信息，并确定各推荐商品信息对应的汇总热门指数和供货商履约度，包括：对供应商品数据集中的各供应商品信息与汇总商品数据集中的各汇总商品信息取交集，得到若干推荐商品信息，各推荐商品信息分别对应供应商品数据集中的一个供应商品信息以及汇总商品数据集中的一个汇总商品信息，将对应汇总商品信息的汇总热门指数以及对应供应商品信息的供货商履约度作为所述推荐商品信息的汇总热门指数和供货商履约度。6.根据权利要求1所述的基于大数据分析的商品推荐方法，其特征在于，所述推荐指数计算模型为：其中，s表征推荐指数，h表征汇总热门指数，q表征供货商履约度，α为设定的对应汇总热门指数的权重系数，β为设定的对应供货商履约度的权重系数，λ为设定的校正常数。7.根据权利要求1所述的基于大数据分析的商品推荐方法，其特征在于，在筛选出若干推荐商品信息后，所述方法还包括：利用筛选出的各推荐商品信息组成第二商品推荐集；将第二商品推荐集传输至文案编辑端，接收文案编辑端反馈的对应第二商品推荐集的第二商品推荐文案信息，并将第二商品推荐文案信息推送至目标客户端。8.基于大数据分析的商品推荐系统，其特征在于，包括获取单元、统计单元、汇总单元、筛选单元、计算单元、选取单元和推送单元，其中：获取单元，用于获取各电商平台的商品导向数据集以及本地供应商库的供应商品数据集，所述商品导向数据集包括若干平台热搜商品信息、若干平台热推商品信息和若干平台高销量商品信息，以及各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数，所述供应商品数据集包括若干供应商品信息以及各供应商品信息对应的供货商履约度；统计单元，用于根据商品导向数据集中的各平台热搜商品信息、各平台热推商品信息
和各平台高销量商品信息统计得到若干平台热门商品信息，并根据商品导向数据集中各平台热搜商品信息对应的热搜指数、各平台热推商品信息对应的热推指数和各平台高销量商品信息对应的销量指数统计得到各平台热门商品信息对应的平台热门指数，将各平台热门商品信息与对应的平台热门指数进行关联组合，得到对应电商平台的热门商品数据集；汇总单元，用于将各电商平台的热门商品数据集进行汇总，得到汇总商品数据集，所述汇总商品数据集包含若干汇总商品信息以及各汇总商品信息对应的汇总热门指数；筛选单元，用于将供应商品数据集中的各供应商品信息与汇总商品数据集中的各汇总商品信息进行比对，筛选出若干推荐商品信息，并确定各推荐商品信息对应的汇总热门指数和供货商履约度，所述推荐商品信息既是供应商品数据集中的相应供应商品信息又是汇总商品数据集中的相应汇总商品信息；计算单元，用于将各推荐商品信息对应的汇总热门指数和供货商履约度代入预置的推荐指数计算模型进行计算，得到各推荐商品信息对应的推荐指数；选取单元，用于根据各推荐商品信息对应的推荐指数对各推荐商品信息进行排名，并选取出排名最高的若干个推荐商品信息组成第一商品推荐集；推送单元，用于将第一商品推荐集传输至文案编辑端，接收文案编辑端反馈的对应第一商品推荐集的第一商品推荐文案信息，并将第一商品推荐文案信息推送至目标客户端。9.根据权利要求8所述的基于大数据分析的商品推荐系统，其特征在于，所述选取单元还用于将筛选出的各推荐商品信息组成第二商品推荐集，所述推送单元还用于将第二商品推荐集传输至文案编辑端，接收文案编辑端反馈的对应第二商品推荐集的第二商品推荐文案信息，并将第二商品推荐文案信息推送至目标客户端。10.基于大数据分析的商品推荐系统，其特征在于，包括：存储器，用于存储指令；处理器，用于读取所述存储器中存储的指令，并根据指令执行权利要求1-7任意一项所述的基于大数据分析的商品推荐方法。

技术总结
本发明属于信息处理技术领域，具体公开了基于大数据分析的商品推荐方法及系统，通过各电商平台商品的导向数据集从热搜指数、热推指数以及销量指数方向多维度统计汇总出汇总商品数据集，然后对汇总商品数据集和供应商品数据集的商品信息进行比较，提取两者的交集作为推荐商品信息，再根据相应汇总热门指数和供货商履约度计算推荐商品信息的推荐指数，根据推荐指数选取相应的推荐商品信息组成商品推荐集，从而根据商品推荐集进行相应商品的推荐文案推送。本发明采用大数据分析方式从各电商品台多种商品热度信息维度出发，可以更准确地把握当前消费者的商品喜好，并综合本地供应商库的供应能力，实现更符合每个商户个体情况的智能化商品推荐。能化商品推荐。能化商品推荐。


技术研发人员：孙涛 何俊言 林洛彬 何亚敏 杨继超 聂冲冲 侯文雷 肖云宗
受保护的技术使用者：洛阳嗨团网络科技服务有限公司
技术研发日：2023.05.10
技术公布日：2023/7/20