商品识别推荐方法及相关装置与流程

1.本技术涉及商品售卖管理领域，尤其是涉及一种商品识别推荐方法及相关装置。


背景技术：

2.对于商家，如何选品尤其是挑选出尽可能热销商品一直是一个问题。
3.如何从来自供应链的海量的商品中挑选出更“好卖”的商品，决定了商家的盈利利润；目前在自动售货装置的售卖过程中，商家往往是通过经验以及售货装置的限制条件进行商品的布置。对于商品销售数据以及销售模式缺乏合理的引用和管理。
4.因此，如何在自动售货装置进行售卖时，合理利用大数据提升销量成为了一个亟待解决的技术问题。


技术实现要素：

5.为了解决在自动售货装置进行售卖时，合理利用大数据提升销量的问题，本技术提供一种商品识别推荐方法及相关装置。
6.第一方面，本技术提供的一种商品识别推荐方法采用如下的技术方案：一种商品识别推荐方法，包括：获取历史销售数据，并对所述历史销售数据进行数据清洗；在经过数据清洗的所述历史销售数据中根据筛选规则获取商品销售排行信息；根据所述商品销售排行信息确定商品画像信息；获取当前待销售商品的商品信息，并结合所述商品画像信息生成推荐策略；获取当前陈列条件，并在所述推荐策略中生成实际推荐策略；根据所述实际推荐策略对所述待销售商品进行销售位置分配。
7.可选的，所述在经过数据清洗的所述历史销售数据中根据筛选规则获取商品销售排行信息的步骤，包括：在经过数据清洗的所述历史销售数据中获取所有商品销售信息；获取当前销售环境并根据所述当前销售环境中的位置信息、销售对象信息以及预设销售模式信息生成筛选规则；根据所述筛选规则在所述所有商品销售信息中确定商品销售排行信息。
8.可选的，所述获取当前销售环境并根据所述当前销售环境中的位置信息、销售对象信息以及预设销售模式信息生成筛选规则的步骤，包括：获取当前销售环境，在所述当前销售环境中确定位置信息、销售对象信息以及预设销售模式信息；根据所述位置信息确定位置筛选条件；根据所述销售对象信息确定销售对象筛选条件；根据所述预设销售模式信息确定销售模式筛选条件；根据所述位置筛选条件、所述销售对象筛选条件以及所述销售模式筛选条件生成
筛选规则。
9.可选的，所述根据所述商品销售排行信息确定商品画像信息的步骤，包括：根据所述商品销售排行信息根据预设排行规则确定目标排名对应的目标商品信息；获取所述目标商品的商品信息标签；获取预设画像生成规则并结合所述商品信息标签生成商品画像信息。
10.可选的，所述获取预设画像生成规则并结合所述商品信息标签生成商品画像信息的步骤，包括：在预设画像规则中获取标签分类规则；根据所述标签分类规则确认待提取信息；根据所述待提取信息结合所述商品信息标签生成商品画像。
11.可选的，所述获取当前待销售商品的商品信息，并结合所述商品画像信息生成推荐策略的步骤，包括：获取当前待销售商品的商品信息，生成每一所述当前待销售商品信息对应的目标商品画像；获取所述目标商品画像与所述商品画像信息的相似度；根据所述相似度生成推荐策略。
12.可选的，所述获取当前陈列条件，并在所述推荐策略中生成实际推荐策略的步骤，包括：获取当前陈列条件，根据所述陈列条件获取商品限制类别条件；根据所述商品限制类别条件在所述推荐策略中进行匹配获取匹配结果；根据所述匹配结果确定限制摆放条件并结合所述限制摆放条件生成实际推荐策略。
13.第二方面，本技术提供一种商品识别推荐装置，所述商品识别推荐装置包括：历史数据获取模块，用于获取历史销售数据，并对所述历史销售数据进行数据清洗；排行信息获取模块，用于在经过数据清洗的所述历史销售数据中根据筛选规则获取商品销售排行信息；画像信息模块，用于根据所述商品销售排行信息确定商品画像信息；推荐策略生成模块，用于获取当前待销售商品的商品信息，并结合所述商品画像信息生成推荐策略；实际推荐策略模块，用于获取当前陈列条件，并在所述推荐策略中生成实际推荐策略；销售位置分配模块，用于根据所述实际推荐策略对所述待销售商品进行销售位置分配。
14.第三方面，本技术提供一种计算机设备，所述设备包括：存储器、处理器，所述处理器在运行所述存储器存储的计算机指令时，执行如上文中任一项所述的方法。
15.第四方面，本技术提供一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如上文所述的方法。
16.综上描述，本技术包括以下有益技术效果：本技术通过获取历史销售数据以根据筛选规则获取商品销售排行信息；根据商品销售排行信息确定商品画像信息；获取当前待销售商品排行信息确定商品画像信息以生成推荐策略；结合当前陈列条件结合推荐策略生成实际推荐策略；根据实际推荐策略对待销售商品进行销售位置分配。通过历史销售数据确定推荐策略并结合当前成列条件最终生成实际推荐策略，利用实际推荐策略对待销售商品的摆设位置进行布置，实现了提升商品销量的技术效果。
附图说明
17.图1是本技术实施例方案涉及的硬件运行环境的计算机设备结构示意图；图2是本技术商品识别推荐方法第一实施例的流程示意图；图3是本技术商品识别推荐方法第二实施例的流程示意图；图4是本技术商品识别推荐装置第一实施例的结构框图。
具体实施方式
18.为了使本技术的目的、技术方案及优点更加清楚明白，以下通过附图及实施例，对本技术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用以解释本技术，并不用于限定本技术。
19.参照图1，图1为本发明实施例方案涉及的硬件运行环境的计算机设备结构示意图。
20.如图1所示，计算机设备可以包括：处理器1001，例如中央处理器（central processing unit，cpu），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（display）、输入单元比如键盘（keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（wireless-fidelity，wi-fi）接口）。存储器1005可以是高速的随机存取存储器（random access memory，ram），也可以是稳定的非易失性存储器（non-volatile memory，nvm），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
21.本领域技术人员可以理解，图1中示出的结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
22.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及商品识别推荐程序。
23.在图1所示的计算机设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明计算机设备中的处理器1001、存储器1005可以设置计算机设备中，所述计算机设备通过处理器1001调用存储器1005中存储的商品识别推荐程序，并执行本发明实施例提供的商品识别推荐方法。
24.本发明实施例提供了一种商品识别推荐方法，参照图2，图2为本发明商品识别推荐方法第一实施例的流程示意图。
25.本实施例中，所述商品识别推荐方法包括以下步骤：
步骤s10：获取历史销售数据，并对所历史销售数据进行数据清洗。
26.需要说明的是，所述历史销售数据在本实施例中是指在指定的销售区域进行售卖的商品排名信息，通过获取历史销售数据可以确定在预设时间段内的商品以及其种类的销量数据。
27.可以理解的是，在本实施例中所述数据清洗的目的是指过滤历史销售数据中的异常数据，例如：在销售区域展示的时间低于预设有效时长的产品，因为销售时间过短因此不适合进行数据分析。
28.需要说明的是，本实施例的执行主体如可以是手机、平板电脑、笔记本电脑、掌上电脑、mid或其他终端设备。在本实施例后续的描述中本实施例的执行主体以商品识别推荐设备为例进行说明。
29.在具体实施中，通过获取历史销售数据并获取数据清洗预设条件，在数据清洗预设条件中对商品销售的有效时间，商品销售的种类以及商品销售的数量进行条件的获取。根据数据清洗预设条件对历史销售数据进行数据清洗。
30.需要说明的是，数据清洗(data cleaning)
–
对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。
31.数据清洗从名字上也看的出就是把“脏”的“洗掉”，指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。因为数据仓库中的数据是面向某一主题的数据的集合，这些数据从多个业务系统中抽取而来而且包含历史数据，这样就避免不了有的数据是错误数据、有的数据相互之间有冲突，这些错误的或有冲突的数据显然是我们不想要的，称为“脏数据”。我们要按照一定的规则把“脏数据”“洗掉”，这就是数据清洗。而数据清洗的任务是过滤那些不符合要求的数据，将过滤的结果交给业务主管部门，确认是否过滤掉还是由业务单位修正之后再进行抽取。不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据三大类。数据清洗是与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。
32.步骤s20：在经过数据清洗的历史销售数据中根据筛选规则获取商品销售排行信息。
33.需要说明的是，商品销售排行信息中根据具体的销量情况进行由高到低排行的信息，通过商品销售排行信息可以确定销量从高到低的商品信息。
34.步骤s30：根据商品销售排行信息确定商品画像信息。
35.需要说明的是，商品画像信息是指由一定数量标签组成的画像信息。例如：某a品牌的饼干的画像信息组成情况即为：固体食品标签、素食标签以及含糖食品标签。
36.在具体实施中，根据商品销售排行信息确定商品画像信息即根据预设排行要求的商品获取到对应的商品信息，根据每一商品信息中的标签信息生成其各自的商品画像信息。
37.进一步的，为了提升商品画像信息生成的精确度，所述根据商品销售排行信息确定商品画像信息的步骤，包括：根据商品销售排行信息根据预设排行规则确定目标排名对应的目标商品信息；获取目标商品的商品信息标签；获取预设画像生成规则并结合商品信息标签生成商品画像信息。
38.需要说明的是，在本实施例中的预设画像即标签规则，根据标签规则中指定的标
签数量和标签描述结合商品信息标签生成商品画像信息。
39.在具体实施中，所述获取预设画像生成规则并结合所述商品信息标签生成商品画像信息的步骤，包括：在预设画像规则中获取标签分类规则；根据所述标签分类规则确认待提取信息；根据所述待提取信息结合所述商品信息标签生成商品画像。
40.需要说明的是，根据所述标签分类规则确认待提取信息是指通过标签分类规则中的标签内容规则、标签数量规则以及标签类型规则以确认待提取信息。
41.步骤s40：获取当前待销售商品的商品信息，并结合商品画像信息生成推荐策略。
42.进一步的，为了实现根据相似度生成推荐策略，所述获取当前待销售商品的商品信息，并结合所述商品画像信息生成推荐策略的步骤，包括：获取当前待销售商品的商品信息，生成每一所述当前待销售商品信息对应的目标商品画像；获取所述目标商品画像与所述商品画像信息的相似度；根据所述相似度生成推荐策略。
43.需要说明的是，获取所述目标商品画像与商品画像信息的相似度即通过目标商品画像中的标签内容与商品画像信息中的标签内容进行相似度计算，获取相似度结果。
44.在具体实施中，根据相似度生成推荐策略是指将相似度最高的目标商品画像对应的目标商品作为最优先的推荐产品，其余产品根据销售排名和销售排名对应产品与其相似度最高的目标商品进行排序。
45.可以理解的是，商品画像可以简单理解成是海量数据的标签，根据商品不同属性的差异，将它们区分为不同的类型，然后每种类型中抽取出典型特征，赋予名称、价格、类别、特点、场景、统计学要素等描述。通过商品画像，我们可以对当前商品有更好的定位和了解，哪些卖得好，哪些利润高，哪些库存高，哪些该进货。
46.步骤s50：获取当前陈列条件，并在推荐策略中生成实际推荐策略。
47.需要说明的是，实际推荐策略在本实施例中是指通过具体的销售场景结合推荐策略以生成的商品位置摆放策略。
48.可以理解的是，当前陈列条件即获取到的当前商品销售环境的环境信息，包括货架位置、货架可展示信息、货架容量以及货架风格等因素。
49.在具体实施中，通过陈列条件与推荐策略生成实际推荐策略是指在陈列条件中确定陈列限制条件以及陈列需求，将陈列限制条件和陈列需求结合推荐策略生成实际推荐策略。实际推荐策略中可以解决的技术问题包括：1.层排列，每一层买的最好的产品可以放置在最方便拿到的第一个位置；2.销量排列，将销量最好的商品放在销售柜中最引人注意的位置；3.滞销处理；4.按照颜色排列；5.按照包装分类，比如软包（薯片、袋）和硬包（瓶、罐、盒等）；进一步的，为了提升实际推荐策略生成的准确性，所述获取当前陈列条件，并在所述推荐策略中生成实际推荐策略的步骤，包括：获取当前陈列条件，根据所述陈列条件获取商品限制类别条件；根据所述商品限制类别条件在所述推荐策略中进行匹配获取匹配结果；根据所述匹配结果确定限制摆放条件并结合所述限制摆放条件生成实际推荐策略。
50.需要说明的是，在本实施例中根据商品限制类别条件在推荐策略中进行匹配获取匹配结果即，根据当前销售区域的具体区域信息确定销售限制条件，在推荐策略中将根据
限制条件获取匹配的待销售商品以进行展示。
51.步骤s60：根据实际推荐策略对待销售商品进行销售位置分配。
52.本实施例获取历史销售数据以根据筛选规则获取商品销售排行信息；根据商品销售排行信息确定商品画像信息；获取当前待销售商品排行信息确定商品画像信息以生成推荐策略；结合当前陈列条件结合推荐策略生成实际推荐策略；根据实际推荐策略对待销售商品进行销售位置分配。通过历史销售数据确定推荐策略并结合当前成列条件最终生成实际推荐策略，利用实际推荐策略对待销售商品的摆设位置进行布置，实现了提升商品销量的技术效果。
53.参考图3，图3为本发明商品识别推荐方法第二实施例的流程示意图。
54.基于上述第一实施例，本实施例商品识别推荐方法的所述步骤s20，还包括：步骤s201：在经过数据清洗的历史销售数据中获取所有商品销售信息。
55.需要说明的是，经过数据清洗之后的历史销售数据中为第一次筛选，目的是获取有效销售商品对应的销售信息。对于销售时间过短或者销售种类异常的产品进行数据剔除。
56.步骤s202：获取当前销售环境并根据当前销售环境中的位置信息、销售对象信息以及预设销售模式信息生成筛选规则。
57.可以理解的是，当前销售环境中的位置信息可以确定当前销售环境对应的环境类型，包括：学校、商业区域、办公区域等类别。具体根据当前环境进行进行匹配。
58.需要说明的是，销售对象信息在确定环境类型之后自动进行生成，例如：在判定当前销售属于学校之后将匹配到销售对象信息为学生。
59.可以理解的是，预设销售模式根据具体的使用情况由系统管理员预先进行设定，例如：销售模式可以包括：商业销售模式，提升品牌好感度型销售模式以及普通销售模式等。
60.进一步的，为了实现筛选规则的生成，所述获取当前销售环境并根据当前销售环境中的位置信息、销售对象信息以及预设销售模式信息生成筛选规则的步骤，包括：获取当前销售环境，在当前销售环境中确定位置信息、销售对象信息以及预设销售模式信息；根据位置信息确定位置筛选条件；根据销售对象信息确定销售对象筛选条件；根据预设销售模式信息确定销售模式筛选条件；根据位置筛选条件、销售对象筛选条件以及销售模式筛选条件生成筛选规则。
61.步骤s203：根据筛选规则在所有商品销售信息中确定商品销售排行信息。
62.本实施例通过在经过数据清洗的所历史销售数据中获取所有商品销售信息；获取当前销售环境并根据当前销售环境中的位置信息、销售对象信息以及预设销售模式信息生成筛选规则；根据筛选规则在所有商品销售信息中确定商品销售排行信息。实现了在确定商品销售排行信息的过程中考虑当前销售环境中的各种销售因素从而指定筛选规则的技术效果。
63.此外，本发明实施例还提出一种计算机可读存储介质，所述存储介质上存储有商品识别推荐的程序，所述商品识别推荐的程序被处理器执行时实现如上文所述的商品识别推荐的方法的步骤。
64.参照图4，图4为本发明商品识别推荐装置第一实施例的结构框图。
65.如图4所示，本发明实施例提出的商品识别推荐装置包括：历史数据获取模块10，用于获取历史销售数据，并对所述历史销售数据进行数据清洗；排行信息获取模块20，用于在经过数据清洗的所述历史销售数据中根据筛选规则获取商品销售排行信息；画像信息模块30，用于根据所述商品销售排行信息确定商品画像信息；推荐策略生成模块40，用于获取当前待销售商品的商品信息，并结合所述商品画像信息生成推荐策略；实际推荐策略模块50，用于获取当前陈列条件，并在所述推荐策略中生成实际推荐策略；销售位置分配模块60，用于根据所述实际推荐策略对所述待销售商品进行销售位置分配。
66.应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
67.本实施例通过获取历史销售数据以根据筛选规则获取商品销售排行信息；根据商品销售排行信息确定商品画像信息；获取当前待销售商品排行信息确定商品画像信息以生成推荐策略；结合当前陈列条件结合推荐策略生成实际推荐策略；根据实际推荐策略对待销售商品进行销售位置分配。通过历史销售数据确定推荐策略并结合当前成列条件最终生成实际推荐策略，利用实际推荐策略对待销售商品的摆设位置进行布置，实现了提升商品销量的技术效果。
68.在一实施例中，所述排行信息获取模块20，还用于在经过数据清洗的所述历史销售数据中获取所有商品销售信息；获取当前销售环境并根据所述当前销售环境中的位置信息、销售对象信息以及预设销售模式信息生成筛选规则；根据所述筛选规则在所述所有商品销售信息中确定商品销售排行信息。
69.在一实施例中，所述排行信息获取模块20，还用于获取当前销售环境，在所述当前销售环境中确定位置信息、销售对象信息以及预设销售模式信息；根据所述位置信息确定位置筛选条件；根据所述销售对象信息确定销售对象筛选条件；根据所述预设销售模式信息确定销售模式筛选条件；根据所述位置筛选条件、所述销售对象筛选条件以及所述销售模式筛选条件生成筛选规则。
70.在一实施例中，所述画像信息模块30，还用于根据所述商品销售排行信息根据预设排行规则确定目标排名对应的目标商品信息；获取所述目标商品的商品信息标签；获取预设画像生成规则并结合所述商品信息标签生成商品画像信息。
71.在一实施例中，所述画像信息模块30，还用于在预设画像规则中获取标签分类规则；根据所述标签分类规则确认待提取信息；根据所述待提取信息结合所述商品信息标签生成商品画像。
72.在一实施例中，所述推荐策略生成模块40，还用于获取当前待销售商品信息，生成每一所述当前待销售商品信息对应的目标商品画像；获取所述目标商品画像与所述商品画像信息的相似度；根据所述相似度生成推荐策略。
73.在一实施例中，所述实际推荐策略模块50，还用于获取当前陈列条件，根据所述陈
列条件获取商品限制类别条件；根据所述商品限制类别条件在所述推荐策略中进行匹配获取匹配结果；根据所述匹配结果确定限制摆放条件并结合所述限制摆放条件生成实际推荐策略。
74.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
75.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的商品识别推荐的方法，此处不再赘述。
76.此外，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在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
77.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
78.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器（read only memory，rom）/ram、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
79.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：
1.一种商品识别推荐方法，其特征在于，包括：获取历史销售数据，并对所述历史销售数据进行数据清洗；在经过数据清洗的所述历史销售数据中根据筛选规则获取商品销售排行信息；根据所述商品销售排行信息确定商品画像信息；获取当前待销售商品的商品信息，并结合所述商品画像信息生成推荐策略；获取当前陈列条件，并在所述推荐策略中生成实际推荐策略；根据所述实际推荐策略对所述待销售商品进行销售位置分配。2.根据权利要求1所述的商品识别推荐方法，其特征在于，所述在经过数据清洗的所述历史销售数据中根据筛选规则获取商品销售排行信息的步骤，包括：在经过数据清洗的所述历史销售数据中获取所有商品销售信息；获取当前销售环境并根据所述当前销售环境中的位置信息、销售对象信息以及预设销售模式信息生成筛选规则；根据所述筛选规则在所述所有商品销售信息中确定商品销售排行信息。3.根据权利要求2所述的商品识别推荐方法，其特征在于，所述获取当前销售环境并根据所述当前销售环境中的位置信息、销售对象信息以及预设销售模式信息生成筛选规则的步骤，包括：获取当前销售环境，在所述当前销售环境中确定位置信息、销售对象信息以及预设销售模式信息；根据所述位置信息确定位置筛选条件；根据所述销售对象信息确定销售对象筛选条件；根据所述预设销售模式信息确定销售模式筛选条件；根据所述位置筛选条件、所述销售对象筛选条件以及所述销售模式筛选条件生成筛选规则。4.根据权利要求1所述的商品识别推荐方法，其特征在于，所述根据所述商品销售排行信息确定商品画像信息的步骤，包括：根据所述商品销售排行信息根据预设排行规则确定目标排名对应的目标商品信息；获取所述目标商品的商品信息标签；获取预设画像生成规则并结合所述商品信息标签生成商品画像信息。5.根据权利要求4所述的商品识别推荐方法，其特征在于，所述获取预设画像生成规则并结合所述商品信息标签生成商品画像信息的步骤，包括：在预设画像规则中获取标签分类规则；根据所述标签分类规则确认待提取信息；根据所述待提取信息结合所述商品信息标签生成商品画像。6.根据权利要求1所述的商品识别推荐方法，其特征在在于，所述获取当前待销售商品的商品信息，并结合所述商品画像信息生成推荐策略的步骤，包括：获取当前待销售商品的商品信息，生成每一所述当前待销售商品信息对应的目标商品画像；获取所述目标商品画像与所述商品画像信息的相似度；根据所述相似度生成推荐策略。
7.根据权利要求1所述的商品识别推荐方法，其特征在于，所述获取当前陈列条件，并在所述推荐策略中生成实际推荐策略的步骤，包括：获取当前陈列条件，根据所述陈列条件获取商品限制类别条件；根据所述商品限制类别条件在所述推荐策略中进行匹配获取匹配结果；根据所述匹配结果确定限制摆放条件并结合所述限制摆放条件生成实际推荐策略。8.一种商品识别推荐装置，其特征在于，所述商品识别推荐装置包括：历史数据获取模块，用于获取历史销售数据，并对所述历史销售数据进行数据清洗；排行信息获取模块，用于在经过数据清洗的所述历史销售数据中根据筛选规则获取商品销售排行信息；画像信息模块，用于根据所述商品销售排行信息确定商品画像信息；推荐策略生成模块，用于获取当前待销售商品的商品信息，并结合所述商品画像信息生成推荐策略；实际推荐策略模块，用于获取当前陈列条件，并在所述推荐策略中生成实际推荐策略；销售位置分配模块，用于根据所述实际推荐策略对所述待销售商品进行销售位置分配。9.一种计算机设备，其特征在于，所述设备包括：存储器、处理器，所述处理器在运行所述存储器存储的计算机指令时，执行如权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，其特征在于，包括指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至7中任一项所述的方法。

技术总结
本申请公开了一种商品识别推荐方法及相关装置，其方法包括：获取历史销售数据以根据筛选规则获取商品销售排行信息；根据商品销售排行信息确定商品画像信息；获取当前待销售商品排行信息确定商品画像信息以生成推荐策略；结合当前陈列条件结合推荐策略生成实际推荐策略；根据实际推荐策略对待销售商品进行销售位置分配。通过历史销售数据确定推荐策略并结合当前成列条件最终生成实际推荐策略，利用实际推荐策略对待销售商品的摆设位置进行布置，实现了提升商品销量的技术效果。实现了提升商品销量的技术效果。实现了提升商品销量的技术效果。


技术研发人员：赵炀 唐传明
受保护的技术使用者：深圳市乐科智控科技有限公司
技术研发日：2023.06.06
技术公布日：2023/8/13