买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州大事件网络科技有限公司;深圳市大事件网络科技有限公司

摘要：本发明涉及电子商务技术领域，具体为一种基于大数据的电商平台商品推荐方法及系统，包括以下步骤：基于卖家商品图片，分析商品图片的视觉信息，结合商品描述和用户评论，分析商品特性和消费者情感，生成商品特征识别信息。本发明中，通过提取商品特性和消费者情感信息，结合视觉与文本信息的交叉验证，增强商品标签的准确性和完整性，优化商品的标签系统的描述性和针对性，通过整合用户的交互数据和商品标签数据库，结合季节变化和历史销售数据，对商品需求进行预测，提高库存管理的效率，减少库存过剩并规避库存短缺，通过计算多种商品的推荐优先度，调整商品推荐列表匹配库存和用户偏好，提高用户体验和购买转化率。

主权项：1.一种基于大数据的电商平台商品推荐方法，其特征在于，包括以下步骤：基于卖家商品图片，分析商品图片的视觉信息，结合商品描述和用户评论，分析商品特性和消费者情感，生成商品特征识别信息；基于所述商品特征识别信息，为卖家商品创建标签，结合视觉信息和文本信息的交叉验证确定标签的优先级，优化标签的准确性和完整性，生成商品标签数据库；基于所述商品标签数据库，分析用户在电商平台的交互数据，识别用户的购物偏好和购物习惯，生成用户购物模式；基于所述用户购物模式，结合商品库存数据、历史销售数据和季节变化因素，分析多种商品的需求趋势，预测多个时间点的商品需求，生成商品需求预测结果；基于所述商品需求预测结果，对比当前库存数据，识别库存不足和过剩的商品，计算库存商品的推荐优先级，并对商品库存进行调整，生成卖家商品库存信息；基于所述卖家商品库存信息和用户购物模式，更新商品库存信息和用户偏好数据，调整商品推荐优先级和推荐列表，优化用户体验，生成商品推荐列表；基于所述商品特征识别信息，为卖家商品创建标签，结合视觉信息和文本信息的交叉验证确定标签的优先级，优化标签的准确性和完整性，生成商品标签数据库的步骤具体为：基于所述商品特征识别信息，对商品特征识别信息中的视觉和文本数据进行交叉校验，生成商品特征校验信息；基于所述商品特征校验信息，计算多种商品标签的关联性分数，为多种卖家商品匹配标签，生成商品标签关联性评分；基于所述商品标签关联性评分，优化标签的描述性和准确性，调整标签的分类和表述信息，生成商品标签数据库；基于所述用户购物模式，结合商品库存数据、历史销售数据和季节变化因素，分析多种商品的需求趋势，预测多个时间点的商品需求，生成商品需求预测结果的步骤具体为：基于所述用户购物模式，结合商品历史销售记录和季节性影响因素，分析多种商品的销售量波动，生成销售周期性分析数据；基于所述销售周期性分析数据，评估多个季节和节日对商品需求的影响，对商品需求变化趋势进行时间序列分析，生成季节性需求趋势数据；基于所述季节性需求趋势数据，结合商品当前库存状态，预测多个时间点的商品需求量，调整库存策略匹配市场需求，生成商品需求预测结果；基于所述商品需求预测结果，对比当前库存数据，识别库存不足和过剩的商品，计算库存商品的推荐优先级，并对商品库存进行调整，生成卖家商品库存信息的步骤具体为：基于所述商品需求预测结果，分析多种商品的预期需求量，通过与当前库存数据进行对比分析，识别需求高于库存的商品和库存过剩的商品，生成商品库存差异数据；基于所述商品库存差异数据，对多种商品的推荐优先级进行评估，并调整目标商品在推荐列表中的位置，生成商品推荐优先级数据；应用所述商品推荐优先级数据，更新电商平台的商品推荐列表，通过调整商品的显示顺序匹配实际库存状况，生成卖家商品库存信息；基于所述卖家商品库存信息和用户购物模式，更新商品库存信息和用户偏好数据，调整商品推荐优先级和推荐列表，优化用户体验，生成商品推荐列表的步骤具体为：基于所述卖家商品库存信息和用户购物模式，分析商品实时库存状态，识别库存商品与用户偏好的匹配程度，生成库存偏好匹配分析数据；基于所述库存偏好匹配分析数据，采用多层感知机模型，更新电商平台的商品推荐优先级，调整商品在推荐列表中的位置和显示优先级，生成推荐列表调整方案；所述多层感知机模型，按照公式： ；计算商品的推荐优先级分数，其中，为推荐优先级分数，为激活函数，为从输入层到隐藏层的权重矩阵，为从隐藏层到输出层的权重矩阵，为输入特征向量，为与隐藏层相关的偏置项，为输出层的偏置项，为商品折扣率，为商品页面访问量，为商品折扣率设定的调整系数，为商品页面访问量设定的调整系数；应用所述推荐列表调整方案，更新电商平台上的商品推荐列表，分析用户对推荐商品的响应和购买行为，优化推荐系统的效率和用户满意度，生成商品推荐列表。

全文数据：

权利要求：

百度查询： 广州大事件网络科技有限公司 深圳市大事件网络科技有限公司 一种基于大数据的电商平台商品推荐方法及系统