一种信息推荐方法、计算机存储介质及终端与流程

1.本技术涉及人工智能技术领域，尤其涉及一种信息推荐方法、计算机存储介质及终端。


背景技术：

2.互联网的出现和普及给用户带来了海量信息，满足了用户在信息时代的信息需求。然而，随着信息量的大幅增长，用户在面对海量信息时，难以迅速从中获得有价值的信息，为了解决这一难题，推荐系统应运而生。特别是随着在线购物在人群中的风靡，推荐系统更是成为电子商务中不可替代的重要组成部分。其中，推荐系统推荐的物品越精准，推荐结果越符合用户预期。
3.但在目前的购物平台，只能依据物品的相似度来输出推荐信息，例如用户近期在购买了一些奶粉，在推荐页面中，就会向用户推荐：购买过的该奶粉链接、该奶粉在其他店铺中的链接、其他奶粉的链接等。但因为已经购买了同类物品，用户对同类物品的购买需求此时达到最低，这些推荐结果很少会转化成真正的交易。针对以上问题，本领域技术人员一直在寻求解决方法。
4.前面的叙述在于提供一般的背景信息，并不一定构成现有技术。


技术实现要素：

5.本技术要解决的技术问题在于，针对上述现有技术的缺陷，提供了一种信息推荐方法、计算机存储介质及终端，以改善人工智能精度、提升用户购物体验。
6.本技术提供了一种信息推荐方法，包括：
7.获取用户的购买记录；
8.根据购买记录获取至少一件商品的属性信息，其中，属性信息包括：商品图片、文字描述、上架分类、使用目的、地域限定、季节限定、购买周期中的至少一项；
9.根据属性信息，获取与属性信息关联的推荐信息；
10.输出推荐信息。
11.所述的信息推荐方法，其中，根据属性信息，获取与属性信息关联的推荐信息的步骤，包括：
12.根据属性信息，获取具有替代关系或互补关系的商品和/或服务的特征；
13.根据特征生成推荐信息。
14.同时，根据属性信息，获取属性信息关联的推荐信息的步骤，还包括：
15.获取用户信息，其中，所述用户信息包括包括性别、年龄、职业、住址、兴趣爱好、生活习惯的至少一项；
16.在用户信息与属性信息匹配时，根据属性信息，获取与属性信息关联的推荐信息。
17.其中，获取用户信息的步骤包括：根据登录信息，确定用户信息；和/或根据用户的浏览记录，确定用户的用户信息。
18.同时，根据属性信息，获取与属性信息关联的推荐信息的步骤，进一步包括：
19.根据购买记录中多件商品的属性信息获取用户状态；
20.根据用户状态，获取推荐信息。
21.所述的信息推荐方法，其中，输出推荐信息的步骤，包括：
22.根据购买记录中的第一商品的收货时间及第一商品的使用周期获取推送时间；
23.根据推送时间推送与第一商品关联的第一推荐信息。
24.同时，输出推荐信息的步骤，还包括：
25.根据购买记录中的第一商品的收货地址及用户行程轨迹获取推送地点；
26.根据推送地点推送与第一商品关联的第一推荐信息。
27.本技术还提供一种计算机存储介质，其中存储有计算机程序，计算机程序被处理器执行时实现上述的信息推荐方法。
28.本技术还提供一种终端，包括：存储器和处理器，存储器中保存有计算机程序；其中，处理器被配置为执行存储器中的计算机程序；计算机程序被处理器执行时实现上述的信息推荐方法。
29.本技术提供了一种信息推荐方法、计算机存储介质及终端，根据用户的购买记录分析商品的属性信息，获取推荐信息，提升了用户购物体验，能改善人工智能的精度。
30.为让本技术的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
31.图1是本技术一实施例提供的信息推荐方法的流程示意图；
32.图2是本技术一实施例提供的获取推荐信息的方法一的流程示意图；
33.图3是本技术一实施例提供的获取推荐信息的方法二的的流程示意图；
34.图4是本技术一实施例提供的获取推荐信息的方法三的的流程示意图；
35.图5是本技术一实施例提供的一种推送推荐信息的流程示意图；
36.图6是本技术一实施例提供的另一种推送推荐信息的流程示意图。
具体实施例
37.应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
38.实施例1
39.请参阅图1，图1为本技术一实施例提供的信息推荐方法的流程示意图。
40.一种信息推荐方法，包括如下步骤：
41.s1：获取用户的购买记录；
42.在一实施例中，获取用户在不同平台的购买记录，例如购物平台：拼多多、淘宝、京东等。优选地，通过用户账号所绑定的物流平台获得购买记录。在其他实施例中，还可以通过读取遗留数据或平台云端账号，获取用户已卸载软件上的购物记录。
43.s2：根据购买记录获取至少一件商品的属性信息；
44.在一实施例中，属性信息包括：商品图片、文字描述、上架分类、使用目的、地域限定、季节限定、购买周期中的至少一项，即所述的属性信息可以是其中一项，也可以是其中
两项以上的集合。在其他实施例中，商品的属性信息包括但不限于上述属性信息，还可以包括例如生产地址、生产该商品使用的材料、两件以上商品组合产生的效果、结合用户信息(如地址)产生的效果等。
45.在一实施例中，获取商品的属性信息的途径是识别商品图像，扫描商品的有关文字描述。在其他实施例中，还可以通过用户搜索商品时输入的文字或语音，和分析商家在平台上架该商品时打出的广告。
46.s3：根据属性信息，获取与属性信息关联的推荐信息；
47.s4：输出推荐信息。
48.请参阅图2，图2为本技术一实施例提供的获取推荐信息的方法一的流程示意图。
49.步骤s3：根据属性信息，获取与属性信息关联的推荐信息的步骤中，可以但不限于包括：
50.s311：根据属性信息，获取具有替代关系或互补关系的商品和/或服务的特征。
51.优选地，获取与属性信息相同、和/或相似度大于阈值的商品、和/或衍生服务。
52.在一实施例中，商品或服务的关联性表现为用途相同、相似，例如根据商品之间的需求交叉弹性进行判断，具体地如，例如羽绒服和热水袋；或者外观相同、相似，例如配色相同的床单和窗帘、形状相似的耳机盒和小型剃须刀。在其他实施例中，关联性还可以表现为用途互补，例如茶杯与杯盖。
53.在其他实施例中，s311：根据属性信息，获取具有替代关系或互补关系的商品和/或服务的特征，该步骤中，可以但不限于包括：判断该属性信息是否有需要被推荐的衍生服务；若有需要被推荐的服务，则分析需要的衍生服务；若无需要被推荐的服务，则推荐同类或相似商品。
54.s312：根据特征生成推荐信息。
55.特征表示事物独特的地方。在一实施例中，将特征与商品属性信息割裂。在其他实施例中，特征与商品属性信息有重合之处。
56.请参阅图3，图3为本技术一实施例提供的获取推荐信息的方法二的流程示意图。
57.步骤s3：根据属性信息，获取与属性信息关联的推荐信息的步骤中，可以但不限于包括：
58.s321：获取用户信息；
59.在一实施例中，用户信息包括包括性别、年龄、职业、住址、兴趣爱好、生活习惯的至少一项。在其他实施例中，包括但不限于上述几项，范围更广，涵盖衣、食、住、行的各方面。
60.在一实施例中，s321：获取用户信息，该步骤中，可以但不限于包括：根据登录信息，确定用户信息；和/或根据用户的浏览记录，确定用户的用户信息。例如，用户在拼多多购物平台登录，用户信息可直接选取用户在拼多多购物平台注册时登记的信息；若用户未登录，利用类似于游客的身份浏览商品，则根据用户浏览的商品属性信息提取出适用于该用户的用户信息。
61.s322：用户信息与属性信息匹配时，进行步骤s31：根据属性信息，获取与属性信息关联的推荐信息。
62.将用户信息与商品属性信息匹配，获得至少一条属性共通点，再进行步骤s31：根
据属性信息，获取与属性信息关联的推荐信息。即s311’：根据属性共通点，获取具有替代关系或互补关系的商品和/或服务的特征；s312’：根据特征生成推荐信息。
63.在一实施例中，本步骤可以但不限于包括：自动获取用户所在地址的环境信息。环境信息包括天气、地形、卫生情况、气候其中的至少一项。
64.例如：用户地址为吉林省，职业为环卫工，商品属性信息为保暖、防寒，属性共通点为保暖、防寒、防治冻伤，即商品的特征。将推送具有保暖、防寒、防治冻伤功能的商品，包括但不限于衣物、帽子、手套、热水袋、药物。更进一步，推送周围可购买药物服务和/或可供看诊服务的药店或医院。
65.请参阅图4，图4为本技术一实施例提供的获取推荐信息的方法三的的流程示意图。
66.步骤s3：根据属性信息，获取与属性信息关联的推荐信息的步骤中，可以但不限于包括：
67.s331：根据购买记录中多件商品的属性信息，获取用户状态；
68.在一实施例中，用户状态包括用户外部状态，即用户正在做某事的过程，如装修房子，喂养婴儿，减肥等；还包括用户内部状态，即用户身体健康状态，如健康，营养不良，肥胖症，糖尿病等。在其他实施例中，获取用户状态还可以通过用户的移动设备的数据进行推论，例如天气和地址。例如天气中气温骤降，可以推论用户可能处于患感冒或者更严重的发烧的内部状态；若移动设备的地址从南方的广州更改为北方的哈尔滨，且其在停止移动的各个地点停留不超过三天或更短时间，可以推论用户正在处于旅行的一种外部状态。
69.s332：根据用户状态，获取推荐信息。
70.本实施例，例如用户购买了一台油烟机，在同期(如一个月)的购物记录中，用户使用同一收货地址购买了花洒、热水器、地板、衣柜等物品，判断用户最近处于装修初/中/末，根据该装修阶段，可以推荐装修可能用的工具、漆料、材料等，或者提供装修服务的商家，或者在装修结束后的保洁服务等。
71.请参阅图5，图5为本技术一实施例提供的一种输出推荐信息的流程示意图。
72.步骤s4：输出推荐信息，该步骤中，可以但不限于包括：
73.s411：根据购买记录中的第一商品的收货时间及第一商品的使用周期获取推送时间；
74.在一实施例中，使用周期包括但不限于有效期、保修期，第一商品的购买次数至少为一次，收货时间至少为一次，第一商品的第一次收货日期加上第一商品的使用周期可得第一商品的第二次推送日期。类推，可获得第n商品的推送日期。推送日期是人工智能的计算结果，实际生活中，由于用户行为或环境的影响，推送日期有浮动，或提前或推迟，即推送时间的范围可以为提前的推送日期～推迟的推送日期。本实施例中，默认提前或推迟的天数均为14天。
75.在一实施例中，根据购买记录中的第一商品的收货时间及第一商品的使用周期获取推送时间的步骤中可以但不限于包括：判断该属性信息是否有需要被推荐的衍生服务；若有需要被推荐的服务，则分析需要的衍生服务；若无需要被推荐的服务，则推荐同类或相似商品。
76.在其他实施例中，推送时间还受用户信息的影响。例如在用户的生活习惯中，用户
做饭时食用油的耗油率高，则食用油的购买频率也会增高，食用油的使用周期减小，推送时间与收货时间的间距也会缩小。
77.s412：根据推送时间推送与第一商品关联的第一推荐信息。
78.在一实施例中，第一商品、第二商品、第三商品...第n商品之间有关联性，可获得n(n》＝n)个推送时间，根据其中一推送时间同时推荐这n件商品。例如第一商品是不粘锅，第二商品是花生油，第三商品是食用盐，可获得三个推送时间，在每一个推送时间内，都可以推送不粘锅、花生油、食用盐。同理，与第一商品关联的还有衍生服务，衍生服务的推送时间如上述。
79.在其他实施例中，衍生服务的推送时间有不确定的，或因为各种意外总是存在于推荐清单上。例如用户曾购买门锁，衍生服务可以是开锁、换锁、配钥匙等，意外状况如用户出门没带钥匙、入室盗窃或其他原因门锁被破坏，衍生服务可能比门锁的销量还好，因此总是存在于推荐清单上。
80.请参阅图6，图6为本技术一实施例提供的另一种输出推荐信息的流程示意图。
81.步骤s4：输出推荐信息，该步骤中，可以但不限于包括：
82.s421：根据购买记录中的第一商品的收货地址及用户行程轨迹获取推送地点；
83.在一实施例中，根据购买记录中的第一商品的收货地址及用户行程轨迹获取推送地点步骤中可以但不限于包括：实时获取用户所在地点。当用户所在地与收货地址不匹配时，可以推论用户离开常住地，根据用户所在区域，自动查找与已购商品属性信息关联的所在区域的商品或衍生服务。
84.s422：根据推送地点推送与第一商品关联的第一推荐信息。
85.显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
86.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意以上仅为本技术的较佳实施例而已，并不用以限制本技术，凡在本技术的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本技术的保护范围之内。

技术特征：
1.一种信息推荐方法，其特征在于，包括：获取用户的购买记录；根据所述购买记录获取至少一件商品的属性信息；根据所述属性信息，获取与所述属性信息关联的推荐信息；输出所述推荐信息。2.如权利要求1所述的信息推荐方法，其特征在于，所述属性信息包括：商品图片、文字描述、上架分类、使用目的、地域限定、季节限定、购买周期中的至少一项。3.如权利要求1所述的信息推荐方法，其特征在于，所述根据所述属性信息，获取与所述属性信息关联的推荐信息的步骤，包括：根据属性信息，获取具有替代关系或互补关系的商品和/或服务的特征；根据所述特征生成推荐信息。4.如权利要求1所述的信息推荐方法，其特征在于，所述根据所述属性信息，获取与所述属性信息关联的推荐信息的步骤，包括：获取用户信息，其中，所述用户信息包括包括性别、年龄、职业、住址、兴趣爱好、生活习惯的至少一项；在所述用户信息与所述属性信息匹配时，根据所述属性信息，获取与所述属性信息关联的推荐信息。5.如权利要求4所述的信息推荐方法，其特征在于，所述获取用户信息的步骤包括：根据登录信息，确定所述用户信息；和/或根据用户的浏览记录，确定所述用户的用户信息。6.如权利要求1所述的信息推荐方法，其特征在于，所述根据所述属性信息，获取与所述属性信息关联的推荐信息的步骤，包括：根据所述购买记录中多件商品的属性信息获取用户状态；根据所述用户状态，获取所述推荐信息。7.如权利要求1所述的信息推荐方法，其特征在于，输出所述推荐信息的步骤，包括：根据所述购买记录中的第一商品的收货时间及所述第一商品的使用周期获取推送时间；根据所述推送时间推送与所述第一商品关联的第一推荐信息。8.如权利要求1所述的信息推荐方法，其特征在于，输出所述推荐信息的步骤，包括：根据所述购买记录中的第一商品的收货地址及用户行程轨迹获取推送地点；根据所述推送地点推送与所述第一商品关联的第一推荐信息。9.一种计算机存储介质，其特征在于，其中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～8中任一项所述的信息推荐方法。10.一种终端，其特征在于，包括：存储器和处理器，所述存储器中保存有计算机程序；其中，处理器被配置为执行存储器中的计算机程序；所述计算机程序被所述处理器执行时实现如执行权利要求1～8中任一项所述的信息推荐方法。

技术总结
本申请属于人工智能技术领域，涉及一种信息推荐方法、计算机存储介质及终端。方法包括：获取用户的购买记录；根据所述购买记录获取至少一件商品的属性信息；根据所述属性信息，获取与所述属性信息关联的推荐信息；输出所述推荐信息。本申请提供了一种信息推荐方法、计算机存储介质及终端，根据用户的购买记录分析商品的属性信息，获取推荐信息，提升了用户购物体验，能改善人工智能的精度。能改善人工智能的精度。能改善人工智能的精度。


技术研发人员：刘沛 陈玮
受保护的技术使用者：博泰车联网（大连）有限公司
技术研发日：2021.12.23
技术公布日：2023/7/13