本技術(shù)涉及區(qū)域熱品推薦領(lǐng)域，具體而言，涉及一種區(qū)域熱品的智能推選方法、系統(tǒng)和介質(zhì)。

背景技術(shù)：

1、由于地區(qū)環(huán)境的不同或文化背景的差異，不同地區(qū)往往會存在不同的熱銷商品，在人員流動過程中，區(qū)域熱銷商品的推送能夠讓人們了解當(dāng)前潮流和地區(qū)特色。隨著電子商務(wù)的快速發(fā)展和消費者需求的日益多樣化，如何準(zhǔn)確地向用戶推薦區(qū)域熱品成為了一個重要的問題。傳統(tǒng)的熱品推選方法往往依賴于人工經(jīng)驗或簡單的數(shù)據(jù)分析，存在推薦不準(zhǔn)確、不及時、缺乏個性化等問題。因此，需要一種智能的推選方法，能夠結(jié)合大數(shù)據(jù)分析和用戶畫像等技術(shù)，為用戶提供更加精準(zhǔn)、個性化的區(qū)域熱品推薦服務(wù)。

2、針對上述問題，目前亟待有效的技術(shù)解決方案。

技術(shù)實現(xiàn)思路

1、本技術(shù)的目的在于提供一種區(qū)域熱品的智能推選方法、系統(tǒng)和介質(zhì)，可以通過商品熱度指數(shù)、熱品匹配推薦指數(shù)的計算和閾值對比，實現(xiàn)區(qū)域熱品更加快速、精準(zhǔn)的推選。

2、本技術(shù)還提供了一種區(qū)域熱品的智能推選方法，包括以下步驟：

3、獲取用戶特征數(shù)據(jù)，根據(jù)用戶特征數(shù)據(jù)生成用戶消費特征畫像，并根據(jù)用戶消費特征畫像提取用戶消費意向數(shù)據(jù)；

4、獲取預(yù)設(shè)區(qū)域在預(yù)設(shè)時間段內(nèi)各商品的銷售信息和社交媒體特征信息，并分別提取銷售數(shù)據(jù)和社交媒體特征數(shù)據(jù)；

5、根據(jù)所述銷售數(shù)據(jù)和社交媒體特征數(shù)據(jù)計算獲得商品熱度指數(shù)；

6、將所述商品熱度指數(shù)與預(yù)設(shè)商品熱度指數(shù)閾值進行比較，獲得有效商品熱度指數(shù)；

7、獲取所述有效商品熱度指數(shù)對應(yīng)的有效熱品品類數(shù)據(jù)，根據(jù)所述用戶消費意向數(shù)據(jù)和有效熱品品類數(shù)據(jù)進行匹配，獲得匹配消費品類；

8、獲取用戶的屬地距離權(quán)重數(shù)據(jù)，根據(jù)所述匹配消費品類中熱品的銷售數(shù)據(jù)結(jié)合屬地距離權(quán)重數(shù)據(jù)、有效商品熱度指數(shù)和用戶消費意向數(shù)據(jù)處理獲得熱品匹配推薦指數(shù)；

9、將所述熱品匹配推薦指數(shù)與預(yù)設(shè)匹配推薦指數(shù)閾值比較，獲得熱品推薦狀態(tài)，并將符合預(yù)設(shè)要求的熱品推送至用戶智能終端并進行顯示。

10、可選地，在本技術(shù)所述的區(qū)域熱品的智能推選方法中，所述獲取用戶特征數(shù)據(jù)，根據(jù)用戶特征數(shù)據(jù)生成用戶消費特征畫像，并根據(jù)用戶消費特征畫像提取用戶消費意向數(shù)據(jù)，具體包括：

11、獲取用戶特征數(shù)據(jù)，包括用戶基本情況數(shù)據(jù)、歷史購物記錄數(shù)據(jù)以及網(wǎng)購瀏覽記錄數(shù)據(jù)；

12、根據(jù)所述用戶基本情況數(shù)據(jù)、歷史購物記錄數(shù)據(jù)以及網(wǎng)購瀏覽記錄數(shù)據(jù)生成用戶消費特征畫像；

13、根據(jù)所述用戶消費特征畫像提取用戶消費意向數(shù)據(jù)，包括單品消費預(yù)算數(shù)據(jù)、消費意向品類數(shù)據(jù)和消費意愿指數(shù)數(shù)據(jù)。

14、可選地，在本技術(shù)所述的區(qū)域熱品的智能推選方法中，所述獲取預(yù)設(shè)區(qū)域在預(yù)設(shè)時間段內(nèi)各商品的銷售信息和社交媒體特征信息，并分別提取銷售數(shù)據(jù)和社交媒體特征數(shù)據(jù)，具體包括：

15、獲取預(yù)設(shè)區(qū)域在預(yù)設(shè)時間段內(nèi)各商品的銷售數(shù)據(jù)，包括銷售量數(shù)據(jù)和銷售額數(shù)據(jù)；

16、獲取預(yù)設(shè)區(qū)域在預(yù)設(shè)時間段內(nèi)各商品的社交媒體特征數(shù)據(jù)，包括社交媒體搜索總次數(shù)、話題標(biāo)簽熱度數(shù)據(jù)和商品支持量數(shù)據(jù)。

17、可選地，在本技術(shù)所述的區(qū)域熱品的智能推選方法中，所述根據(jù)所述銷售數(shù)據(jù)和社交媒體特征數(shù)據(jù)計算獲得商品熱度指數(shù)，具體包括：

18、將所述銷售量數(shù)據(jù)、社交媒體搜索總次數(shù)、話題標(biāo)簽熱度數(shù)據(jù)和商品支持量數(shù)據(jù)輸入預(yù)設(shè)商品熱度評估模型處理，獲得商品熱度指數(shù)；

19、所述商品熱度評估模型中商品熱度指數(shù)的計算公式為：

20、

21、其中，sr為商品熱度指數(shù)，xl、sz、br、zs分別為銷售量數(shù)據(jù)、社交媒體搜索總次數(shù)、話題標(biāo)簽熱度數(shù)據(jù)和商品支持量數(shù)據(jù)，α1、α2為預(yù)設(shè)特征系數(shù)。

22、可選地，在本技術(shù)所述的區(qū)域熱品的智能推選方法中，所述將所述商品熱度指數(shù)與預(yù)設(shè)商品熱度指數(shù)閾值進行比較，獲得有效商品熱度指數(shù)，具體包括：

23、將所述商品熱度指數(shù)與預(yù)設(shè)商品熱度指數(shù)閾值進行比較，獲得商品熱度指數(shù)類別，包括有效商品熱度指數(shù)或無效商品熱度指數(shù)；

24、若所述商品熱度指數(shù)大于等于預(yù)設(shè)商品熱度指數(shù)閾值，則所述商品熱度指數(shù)類別為有效商品熱度指數(shù)，予以保留標(biāo)記；

25、若所述商品熱度指數(shù)小于預(yù)設(shè)商品熱度指數(shù)閾值，則所述商品熱度指數(shù)類別為無效商品熱度指數(shù)，不予統(tǒng)計。

26、可選地，在本技術(shù)所述的區(qū)域熱品的智能推選方法中，所述獲取所述有效商品熱度指數(shù)對應(yīng)的有效熱品品類數(shù)據(jù)，根據(jù)所述用戶消費意向數(shù)據(jù)和有效熱品品類數(shù)據(jù)進行匹配，獲得匹配消費品類，具體包括：

27、獲取所述有效商品熱度指數(shù)對應(yīng)的有效熱品品類數(shù)據(jù)，并將有效熱品品類數(shù)據(jù)與所述消費意向品類數(shù)據(jù)進行計算，獲得品類匹配指數(shù)數(shù)據(jù)；

28、將所述品類匹配指數(shù)數(shù)據(jù)與預(yù)設(shè)品類匹配指數(shù)閾值進行對比，獲得品類匹配狀態(tài)，包括強匹配和弱匹配；

29、若所述品類匹配指數(shù)數(shù)據(jù)小于等于預(yù)設(shè)品類匹配指數(shù)閾值，則所述品類匹配狀態(tài)為強匹配，將對應(yīng)的熱品品類標(biāo)記為匹配消費品類；

30、若所述品類匹配指數(shù)數(shù)據(jù)大于預(yù)設(shè)品類匹配指數(shù)閾值，則所述品類匹配狀態(tài)為弱匹配，將對應(yīng)的熱品品類標(biāo)記為非匹配消費品類。

31、可選地，在本技術(shù)所述的區(qū)域熱品的智能推選方法中，所述獲取用戶的屬地距離權(quán)重數(shù)據(jù)，根據(jù)所述匹配消費品類中熱品的銷售數(shù)據(jù)結(jié)合屬地距離權(quán)重數(shù)據(jù)、有效商品熱度指數(shù)和用戶消費意向數(shù)據(jù)處理獲得熱品匹配推薦指數(shù)，具體包括：

32、獲取用戶的屬地距離權(quán)重數(shù)據(jù)，并根據(jù)匹配消費品類中熱品的銷售量數(shù)據(jù)和銷售額數(shù)據(jù)計算獲得銷售均價數(shù)據(jù)；

33、將所述銷售均價數(shù)據(jù)、屬地距離權(quán)重數(shù)據(jù)、單品消費預(yù)算數(shù)據(jù)和消費意愿指數(shù)數(shù)據(jù)輸入預(yù)設(shè)熱品推薦指數(shù)評估模型處理，獲得熱品匹配推薦指數(shù)；

34、所述熱品推薦指數(shù)評估模型中熱品匹配推薦指數(shù)的計算公式為：

35、

36、其中，tj為熱品匹配推薦指數(shù)，dy、xj、qz、yy分別為單品消費預(yù)算數(shù)據(jù)、銷售均價數(shù)據(jù)、屬地距離權(quán)重數(shù)據(jù)和消費意愿指數(shù)數(shù)據(jù)，β1、β2、β3為預(yù)設(shè)特征系數(shù)。

37、可選地，在本技術(shù)所述的區(qū)域熱品的智能推選方法中，所述將所述熱品匹配推薦指數(shù)與預(yù)設(shè)匹配推薦指數(shù)閾值比較，獲得熱品推薦狀態(tài)，并將符合預(yù)設(shè)要求的熱品推送至用戶智能終端并進行顯示，具體包括：

38、將所述熱品匹配推薦指數(shù)與預(yù)設(shè)匹配推薦指數(shù)閾值進行閾值對比，獲得熱品推薦狀態(tài)，包括推薦熱品和非推薦熱品；

39、若所述熱品匹配推薦指數(shù)大于等于預(yù)設(shè)匹配推薦指數(shù)閾值，則所述熱品推薦狀態(tài)為推薦熱品；

40、若所述熱品匹配推薦指數(shù)小于預(yù)設(shè)匹配推薦指數(shù)閾值，則所述熱品推薦狀態(tài)為非推薦熱品；

41、將所述推薦熱品根據(jù)熱品匹配推薦指數(shù)由大到小進行排序并按順序推送至用戶智能終端進行顯示。

42、第二方面，本技術(shù)提供了一種區(qū)域熱品的智能推選系統(tǒng)，該系統(tǒng)包括：存儲器及處理器，所述存儲器中存儲區(qū)域熱品的智能推選方法的程序，所述區(qū)域熱品的智能推選方法的程序被所述處理器執(zhí)行時實現(xiàn)以下步驟：

43、獲取用戶特征數(shù)據(jù)，根據(jù)用戶特征數(shù)據(jù)生成用戶消費特征畫像，并根據(jù)用戶消費特征畫像提取用戶消費意向數(shù)據(jù)；

44、獲取預(yù)設(shè)區(qū)域在預(yù)設(shè)時間段內(nèi)各商品的銷售信息和社交媒體特征信息，并分別提取銷售數(shù)據(jù)和社交媒體特征數(shù)據(jù)；

45、根據(jù)所述銷售數(shù)據(jù)和社交媒體特征數(shù)據(jù)計算獲得商品熱度指數(shù)；

46、將所述商品熱度指數(shù)與預(yù)設(shè)商品熱度指數(shù)閾值進行比較，獲得有效商品熱度指數(shù)；

47、獲取所述有效商品熱度指數(shù)對應(yīng)的有效熱品品類數(shù)據(jù)，根據(jù)所述用戶消費意向數(shù)據(jù)和有效熱品品類數(shù)據(jù)進行匹配，獲得匹配消費品類；

48、獲取用戶的屬地距離權(quán)重數(shù)據(jù)，根據(jù)所述匹配消費品類中熱品的銷售數(shù)據(jù)結(jié)合屬地距離權(quán)重數(shù)據(jù)、有效商品熱度指數(shù)和用戶消費意向數(shù)據(jù)處理獲得熱品匹配推薦指數(shù)；

49、將所述熱品匹配推薦指數(shù)與預(yù)設(shè)匹配推薦指數(shù)閾值比較，獲得熱品推薦狀態(tài)，并將符合預(yù)設(shè)要求的熱品推送至用戶智能終端并進行顯示。

50、第三方面，本技術(shù)還提供了一種可讀存儲介質(zhì)，所述可讀存儲介質(zhì)中存儲區(qū)域熱品的智能推選方法程序，所述區(qū)域熱品的智能推選方法程序被處理器執(zhí)行時，實現(xiàn)如上述任一項所述的一種區(qū)域熱品的智能推選方法的步驟。

51、由上可知，本技術(shù)提供的區(qū)域熱品的智能推選方法、系統(tǒng)和介質(zhì)。該方法通過獲取用戶特征數(shù)據(jù)并生成用戶消費特征畫像，然后提取用戶消費意向數(shù)據(jù)，獲取預(yù)設(shè)區(qū)域在預(yù)設(shè)時間段內(nèi)各商品的銷售數(shù)據(jù)和社交媒體特征數(shù)據(jù)后，計算獲得商品熱度指數(shù)，將商品熱度指數(shù)進行閾值比較后獲得有效商品熱度指數(shù)，將有效熱品品類數(shù)據(jù)并與用戶消費意向數(shù)據(jù)進行匹配獲得匹配消費品類，然后根據(jù)銷售數(shù)據(jù)、屬地距離權(quán)重數(shù)據(jù)、有效商品熱度指數(shù)和用戶消費意向數(shù)據(jù)處理獲得熱品匹配推薦指數(shù)，再將熱品匹配推薦指數(shù)進行閾值對比后獲得熱品推薦狀態(tài)；從而通過商品熱度指數(shù)、熱品匹配推薦指數(shù)的計算和閾值對比，實現(xiàn)區(qū)域熱品更加快速、精準(zhǔn)的推選。

52、本技術(shù)的其他特征和優(yōu)點將在隨后的說明書闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本技術(shù)了解。本技術(shù)的目的和其他優(yōu)點可通過在所寫的說明書以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。