基于去中心化大数据检索市场的商品检索及商品推荐系统

摘要

本发明属于电子商务技术领域，公开了一种基于去中心化大数据检索市场的商品检索及商品推荐系统，包括信息检索模块用于采集检索数据的用户的检索行为，并生成用户行为分析报表；用户数据采集模块用于采集上传信息的用户的行为数据；大数据检索市场用于存储采集到的相关用户数据，并进行信息的精准匹配推送。本发明提供了一套可视化系统能够帮助用户将个人关于购物相关信息，高效提交到去中心化大数据检索市场并协助用户对数据使用权定价；能够帮助用户高效对基于去中心化大数据检索市场里的数据进行检索并生成大数据分析报表；能够帮助商品以及服务提供商将商品以及服务信息精准推送到大数据分析后的目标客户。

说明书

技术领域

本发明属于电子商务技术领域，尤其涉及一种基于去中心化大数据检索市场的商品检索及商品推荐系统。

背景技术

目前，随时信息量不断的增长和社会生产能力的提高，商家所提供的商品种类和数量与日俱增，面对商品信息的“海洋”，消费者很难快速有效地挑选出他所需要的商品，如何在浏览中唤起消费者的欲望，如何在消费者选购必需商品后继续推荐相关有它有价值的商品，如何提升消费者对商家的忠诚度等问题便摆在了商家面前。在这个背景下，商品推荐系统应运而生，它是根据用户的特征，比如兴趣爱好，推荐满足用户要求的对象，也称个性化推荐系统。

现有的个人化的商品推荐系统，存在以下的缺陷：1、忽略了商家的需求，真正智能化的商品推荐系统，不仅要考虑到客户的个人需求，也要考虑到商家的需求，比如某些畅销品，即使不进行广告宣传，也能很快销出；

2、不能处理海量数据，大型的商家，有着数万种商品，每天的交易数十万次，积累了海量的交易数据，这些交易数据对提供智能化的商品推荐有很大帮助，但如何处理这样的海量数据流，是一个非常困难的问题，如果不能解决，推荐系统的响应时间会很慢，系统无法实用，或者仅能用于小商家，而不能用在大型百货公司和超市连锁。

综上所述，现有技术存在的问题是：现有商品推荐系统不能兼顾用户与商品服务提供商的需求，同时无法保证用户信息的有偿使用，无法处理海量的数据。

发明内容

针对现有技术存在的问题，本发明提供了一种基于去中心化大数据检索市场的商品检索及商品推荐系统。

本发明是这样实现的，一种基于去中心化大数据检索市场的商品检索及商品推荐系统，所述基于去中心化大数据检索市场的商品检索及商品推荐系统具体包括：

信息检索模块：用于采集检索数据的用户的检索行为，并生成用户行为分析报表；

用户数据采集模块：用于采集上传信息的用户的行为数据；

大数据检索市场：包括信息存储单元以及信息匹配单元；用于存储采集到的相关用户数据，并进行信息的精准匹配推送。

进一步，所述大数据检索市场具体包括：

信息存储单元：用于存储采集到的相关用户行为数据；

信息匹配单元：用于采用大数据技术，基于采集到的相关用户行为数据，向商品服务提供商推送用户需求，同时向上传信息的用户发放数据被使用用后的收益以及推送商品给目标客户。

本发明的另一目的在于提供一种应用于所述基于去中心化大数据检索市场的商品检索及商品推荐系统的基于去中心化大数据检索市场的商品检索及商品推荐方法，所述基于去中心化大数据检索市场的商品检索及商品推荐方法具体包括：

步骤一，采集检索数据的用户检索行为，同时采集上传信息的用户相关行为数据；

步骤二，存储并检索相关数据，基于大数据分析技术进行信息的检索匹配，生成大数据分析报表，并返回给检索数据的用户；

步骤三，基于大数据分析结果，向商品服务提供商提供用户关于商品或者服务的一般需求或者定制化需求相关数据，同时向目标客户精准推送相关商品以及服务信息。

进一步，所述基于去中心化大数据检索市场的商品检索及商品推荐方法还包括：

当所述上传信息的用户相关行为数据被存储并用于行为分析后，由大数据检索市场给用户结算相关数据被使用的收益。

进一步，步骤二中，基于大数据分析技术包括：

步骤1：将当前检索用户的特征和检索行为构建大数据分析模型，其他用户的特征和其历史检索行为以及和购买记录构建原始大数据分析模型；

步骤2：引入模糊聚类，系统根据原始大数据分析模型的特征进行聚类，用户的特征、兴趣相似程度高的原始大数据分析模型聚集到同一类并标识，建立高相似性原始大数据分析模型库；

步骤3：运用用户原始大数据分析模型相似性检索，计算被检索原始大数据分析模型属性与大数据分析模型属性指标要求的满足程度，找出对大数据分析模型大于一定相似度水平α的原始大数据分析模型集；

步骤4：检索出的原始大数据分析模型属于哪个原始大数据分析模型类；如果属于多个类，那么平均距离最小的即是目标原始大数据分析模型所属的类；

步骤5：用经典模糊平均聚类算法为原始大数据分析模型进行推荐；

步骤6：如果匹配相似值J

步骤7：在用户输入中间保存系统后，该用户身份并提示用户通过，用户输入数据格式后，调用保存接口，并向其发出商品信息保存交易指令；其中，所述数据格式包括通用部分和保密部分；

步骤8：接收到保存交易指令后，获取在商品推荐系统上注册的公共账号，并登录商品推荐系统，当通过验证后，向商品推荐系统发出保存指令；

进一步，所述的原始大数据分析模型模型的建立方法包括：

建立一个四元组(U，A，V，F)的原始大数据分析模型系统；其中，U＝{u

进一步，所述的原始大数据分析模型模型的建立方法进一步包括：

用户的的特征以及历史检索行为归于条件属性集，用户的历史购买记录归于决策集，原始成熟原始大数据分析模型的任一个原始大数据分析模型由m个特征指标表示，即C＝{a

进一步，步骤8中，当商品推荐系统接收到保存指令后，调用交易接口，在商品推荐系统内创建交易记录，并同时创建特殊交易值；商品推荐系统启动内部公共账户B根据该特殊交易值自动创建交易，该值确保交易成功，使得数据写入到商品推荐系统中，向信息存储单元发送交易唯一ID；

信息存储单元保存并备份该交易唯一ID，并和商品自身的ID作对应，同时保存特殊交易值，之后，信息存储单元向显示模块发送交易唯一ID以及商品自身ID；

显示模块显示交易唯一ID以及商品自身ID；

当用户输入交易唯一ID或商品自身ID时，信息检索模块获得信息存储单元中的特殊交易值，之后调用历史查询接口，将特殊交易值发送给商品推荐系统，商品推荐系统查询历史数据，并向显示单元发送商品推荐系统数据；显示单元向用户显示所查询的商品推荐系统中的商品信息。

进一步，所述步骤三后，还需进行：当所述上传信息的用户相关行为数据被存储并用于行为分析后，由大数据检索市场给用户结算相关数据被使用的收益。

本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

采集检索数据的用户检索行为，同时采集上传信息的用户相关行为数据；

存储并检索相关数据，基于大数据分析技术进行信息的检索匹配，生成大数据分析报表，并返回给检索数据的用户；

基于大数据分析结果，向商品服务提供商提供用户关于商品或者服务的一般需求或者定制化需求相关数据，同时向目标客户精准推送相关商品以及服务信息。

本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

采集检索数据的用户检索行为，同时采集上传信息的用户相关行为数据；

存储并检索相关数据，基于大数据分析技术进行信息的检索匹配，生成大数据分析报表，并返回给检索数据的用户；

基于大数据分析结果，向商品服务提供商提供用户关于商品或者服务的一般需求或者定制化需求相关数据，同时向目标客户精准推送相关商品以及服务信息。

综上所述，本发明的优点及积极效果为：本发明提供了一套可视化系统帮助用户将个人关于购物(颜色偏好、购买记录、查询记录、浏览信息、个性化定制需求等)相关信息，高效提交到去中心化大数据检索市场并协助用户对数据使用权定价；本发明的系统还可以帮助用户高效对基于去中心化大数据检索市场里的数据进行检索并生成大数据分析报表；同时本发明的系统还可以帮助商品以及服务提供商将商品以及服务信息精准推送到大数据分析后的目标客户。

本发明的系统还可帮助用户将商品或者服务的一般需求或者定制化需求精准推送到商品或者服务提供商。

本发明能够根据案例检索空间，最大限度地缩小了最近邻居案例的搜索空间，减少了匹配的计算时间，增强了个性化推荐的实时性，同时，能真实客观地反映用户的检索偏好，大大提高了用户的个性化程度。

附图说明

图1是本发明实施例提供的基于去中心化大数据检索市场的商品检索及商品推荐系统结构示意图。

图中：1、信息检索模块；2、用户数据采集模块；3、大数据检索市场；4、信息存储单元；5、信息匹配单元。

图2是本发明实施例提供的基于去中心化大数据检索市场的商品检索及商品推荐系统原理图。

图3是本发明实施例提供的基于去中心化大数据检索市场的商品检索及商品推荐方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的技术方案与技术效果做详细说明。

如图1-图2所示，本发明实施例提供的基于去中心化大数据检索市场的商品检索及商品推荐系统具体包括：

信息检索模块1：用于采集检索数据的用户的检索行为，并生成用户行为分析报表。

用户数据采集模块2：用于采集上传信息的用户的行为数据。

大数据检索市场3：包括信息存储单元4以及信息匹配单元5；用于存储采集到的相关用户数据，并进行信息的精准匹配推送。

本发明实施例提供的大数据检索市场3具体包括：

信息存储单元4：用于存储采集到的相关用户行为数据。

信息匹配单元5：用于采用大数据技术，基于采集到的相关用户行为数据，向商品服务提供商推送用户需求，同时向上传信息的用户发放数据被使用用后的收益以及推送商品给目标客户。

如图3所示，本发明实施例提供的基于去中心化大数据检索市场的商品检索及商品推荐方法具体包括：

S101，采集检索数据的用户检索行为，同时采集上传信息的用户相关行为数据。

S102，存储并检索相关数据，基于大数据分析技术进行信息的检索匹配，生成大数据分析报表，并返回给检索数据的用户。

S103，基于大数据分析结果，向商品服务提供商提供用户关于商品或者服务的一般需求或者定制化需求相关数据，同时向目标客户精准推送相关商品以及服务信息。

步骤S102中，基于大数据分析技术包括：

步骤1：将当前检索用户的特征和检索行为构建大数据分析模型，其他用户的特征和其历史检索行为以及和购买记录构建原始大数据分析模型；

步骤2：引入模糊聚类，系统根据原始大数据分析模型的特征进行聚类，用户的特征、兴趣相似程度高的原始大数据分析模型聚集到同一类并标识，建立高相似性原始大数据分析模型库；

步骤3：运用用户原始大数据分析模型相似性检索，计算被检索原始大数据分析模型属性与大数据分析模型属性指标要求的满足程度，找出对大数据分析模型大于一定相似度水平α的原始大数据分析模型集；

步骤4：检索出的原始大数据分析模型属于哪个原始大数据分析模型类；如果属于多个类，那么平均距离最小的即是目标原始大数据分析模型所属的类；

步骤5：用经典模糊平均聚类算法为原始大数据分析模型进行推荐；

步骤6：如果匹配相似值J

步骤7：在用户输入中间保存系统后，该用户身份并提示用户通过，用户输入数据格式后，调用保存接口，并向其发出商品信息保存交易指令；其中，所述数据格式包括通用部分和保密部分；

步骤8：接收到保存交易指令后，获取在商品推荐系统上注册的公共账号，并登录商品推荐系统，当通过验证后，向商品推荐系统发出保存指令；

所述的原始大数据分析模型模型的建立方法包括：

建立一个四元组(U，A，V，F)的原始大数据分析模型系统；其中，U＝{u

所述的原始大数据分析模型模型的建立方法进一步包括：

用户的的特征以及历史检索行为归于条件属性集，用户的历史购买记录归于决策集，原始成熟原始大数据分析模型的任一个原始大数据分析模型由m个特征指标表示，即C＝{a

步骤8中，当商品推荐系统接收到保存指令后，调用交易接口，在商品推荐系统内创建交易记录，并同时创建特殊交易值；商品推荐系统启动内部公共账户B根据该特殊交易值自动创建交易，该值确保交易成功，使得数据写入到商品推荐系统中，向信息存储单元发送交易唯一ID；

信息存储单元保存并备份该交易唯一ID，并和商品自身的ID作对应，同时保存特殊交易值，之后，信息存储单元向显示模块发送交易唯一ID以及商品自身ID；

显示模块显示交易唯一ID以及商品自身ID；

当用户输入交易唯一ID或商品自身ID时，信息检索模块获得信息存储单元中的特殊交易值，之后调用历史查询接口，将特殊交易值发送给商品推荐系统，商品推荐系统查询历史数据，并向显示单元发送商品推荐系统数据；显示单元向用户显示所查询的商品推荐系统中的商品信息；

所述步骤S103后，还需进行：当所述上传信息的用户相关行为数据被存储并用于行为分析后，由大数据检索市场给用户结算相关数据被使用的收益。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。