本發(fā)明涉及商品推薦，尤其涉及一種基于人工智能的智能推薦方法及其系統(tǒng)。

背景技術：

1、在電商購物中，電商平臺一般通過分析用戶的購買、瀏覽歷史或商品之間的共性關系，向用戶推薦可能感興趣的商品；但是這種基于行為的推薦方式，往往較為機械化，缺乏“溫度”，難以觸發(fā)用戶的情感共鳴；此外，如果只推薦與用戶歷史行為相似的商品，缺乏多樣性，可能導致用戶體驗單一化，難以帶來新鮮感和驚喜，甚至引起信息繭房，大大降低用戶體驗。

2、因此，“如何基于好友關系進行商品推薦”是本發(fā)明所需要解決的技術問題。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于人工智能的智能推薦方法及其系統(tǒng)，以解決上述背景技術中提出“如何基于好友關系進行商品推薦”的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：

3、一種基于人工智能的智能推薦方法，所述方法包括：

4、s100：截取用戶在電商平臺中的好友列表，統(tǒng)計出用戶與每位好友的聊天頻率，獲取用戶上傳的個人資料，其中所述個人資料至少包括：喜好標簽，整合所述個人資料和聊天頻率，標記出親密好友，并利用所述喜好標簽，將親密好友聚類為若干個匿名群組，將所述匿名群組所對應的喜好標簽定義為偏好，創(chuàng)建與所述匿名群組一一對應的節(jié)點，并將所述偏好寫入到節(jié)點中；

5、s200：構建關鍵詞集合，配置出所述關鍵詞集合與節(jié)點的對應關系，獲取所有親密好友在電商平臺中查詢請求的讀取權限，將所述查詢請求輸入到預先構建完成的ai推薦模型中，輸出得到推薦列表，并確定出瀏覽項；

6、s300：將每個所述節(jié)點劃分為核心層和邊緣層，整合推薦列表、瀏覽項、核心層和邊緣層，構建多層級推薦機制，接收所述親密好友上傳的即時請求，激活所述多層級推薦機制。

7、進一步的，所述s100包括：

8、配置出時間窗口，統(tǒng)計出所述時間窗口下，用戶與每位好友的聊天次數(shù)，并計算出聊天頻率；

9、整合所述聊天頻率，構建關系網絡，并對所述親密好友進行校正。

10、進一步的，所述s100還包括：

11、遍歷出親密好友的影響因素，其中所述影響因素至少包括：下單記錄和聊天時長；

12、基于所述影響因素，對所述關系網絡進行動態(tài)調整。

13、進一步的，所述s200包括：

14、在所述匿名群組中，按照所述聊天頻率，對所有的親密好友進行排序；

15、基于排序結果，構建優(yōu)先處置規(guī)則，并將所述優(yōu)先處置規(guī)則多播到所有的節(jié)點中。

16、進一步的，所述s200還包括：

17、基于所述下單記錄，統(tǒng)計出親密好友在每個節(jié)點中的下單次數(shù)，并將所述匿名群組切分為若干個分段；

18、設置推薦頻次，建立所述推薦頻次與分段之間的映射。

19、進一步的，所述多層級推薦機制為：

20、利用所述即時請求，確定出推薦列表和瀏覽項，并將發(fā)起所述即時請求的親密好友定義為目標好友，判斷所述目標好友是否屬于核心層，如果是，將所述瀏覽項推送給核心層內的所有親密好友；

21、如果否，將所述推薦列表推送給所述邊緣層內的所有親密好友。

22、進一步的，所述s300包括：

23、將所述推薦列表或瀏覽項整合到預設模板中，生成推薦彈窗；

24、建立觸發(fā)機制，并嵌入到節(jié)點中，利用所述觸發(fā)機制，對所述推薦彈窗并行推送。

25、進一步的，所述系統(tǒng)包括：

26、寫入模塊，用于截取用戶在電商平臺中的好友列表，統(tǒng)計出用戶與每位好友的聊天頻率，獲取用戶上傳的個人資料，其中所述個人資料至少包括：喜好標簽，整合所述個人資料和聊天頻率，標記出親密好友，并利用所述喜好標簽，將親密好友聚類為若干個匿名群組，將所述匿名群組所對應的喜好標簽定義為偏好，創(chuàng)建與所述匿名群組一一對應的節(jié)點，并將所述偏好寫入到節(jié)點中；

27、輸出模塊，用于構建關鍵詞集合，配置出所述關鍵詞集合與節(jié)點的對應關系，獲取所有親密好友在電商平臺中查詢請求的讀取權限，將所述查詢請求輸入到預先構建完成的ai推薦模型中，輸出得到推薦列表，并確定出瀏覽項；

28、激活模塊，用于將每個所述節(jié)點劃分為核心層和邊緣層，整合推薦列表、瀏覽項、核心層和邊緣層，構建多層級推薦機制，接收所述親密好友上傳的即時請求，激活所述多層級推薦機制。

29、進一步的，所述寫入模塊包括：

30、計算單元，用于配置出時間窗口，統(tǒng)計出所述時間窗口下，用戶與每位好友的聊天次數(shù)，并計算出聊天頻率；

31、構建單元，用于整合所述聊天頻率，構建關系網絡，并對所述親密好友進行校正；

32、遍歷單元，用于遍歷出親密好友的影響因素，其中所述影響因素至少包括：下單記錄和聊天時長；

33、調整單元，用于根據(jù)所述影響因素，對所述關系網絡進行動態(tài)調整。

34、進一步的，所述輸出模塊包括：

35、排序單元，用于在所述匿名群組中，按照所述聊天頻率，對所有的親密好友進行排序；

36、多播單元，用于根據(jù)排序結果，構建優(yōu)先處置規(guī)則，并將所述優(yōu)先處置規(guī)則多播到所有的節(jié)點中；

37、切分單元，用于根據(jù)所述下單記錄，統(tǒng)計出親密好友在每個節(jié)點中的下單次數(shù)，并將所述匿名群組切分為若干個分段；

38、映射單元，用于設置推薦頻次，建立所述推薦頻次與分段之間的映射。

39、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

40、通過確定親密好友，能夠大大提高推薦的相關性和說服力，為用戶提供更有溫度的推薦體驗，同時還會因好友推薦增加情感聯(lián)系，提升購物體驗，通過構建匿名群組，既能夠匯聚具有相似興趣的用戶群體，提高推薦準確性，還能夠避免因直接暴露個人信息或好友關系而引發(fā)的隱私安全問題，通過劃分核心層和邊緣層，能夠顯著提升偏好的商品的曝光率，尤其是新品或冷門商品，從而避免出現(xiàn)信息繭房，同時使得核心層更側重群體共享，而邊緣層更注重隱私保護和個人體驗，實現(xiàn)了在好友推薦和個人隱私之間的平衡，大大提升了用戶滿意度和平臺效益。

技術特征：

1.一種基于人工智能的智能推薦方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的基于人工智能的智能推薦方法，其特征在于，所述s100包括：

3.根據(jù)權利要求2所述的基于人工智能的智能推薦方法，其特征在于，所述s100還包括：

4.根據(jù)權利要求1所述的基于人工智能的智能推薦方法，其特征在于，所述s200包括：

5.根據(jù)權利要求3所述的基于人工智能的智能推薦方法，其特征在于，所述s200還包括：

6.根據(jù)權利要求1所述的基于人工智能的智能推薦方法，其特征在于，所述多層級推薦機制為：

7.根據(jù)權利要求1所述的基于人工智能的智能推薦方法，其特征在于，所述s300包括：

8.一種基于人工智能的智能推薦系統(tǒng)，其特征在于，所述系統(tǒng)包括：

9.根據(jù)權利要求8所述的基于人工智能的智能推薦系統(tǒng)，其特征在于，所述寫入模塊包括：

10.根據(jù)權利要求9所述的基于人工智能的智能推薦系統(tǒng)，其特征在于，所述輸出模塊包括：

技術總結
本發(fā)明適用于商品推薦技術領域，尤其涉及一種基于人工智能的智能推薦方法及其系統(tǒng)，所述方法包括：截取用戶在電商平臺中的好友列表，統(tǒng)計出用戶與每位好友的聊天頻率，獲取用戶上傳的個人資料，其中所述個人資料至少包括：喜好標簽，整合所述個人資料和聊天頻率，標記出親密好友，并利用所述喜好標簽，將親密好友聚類為若干個匿名群組。本發(fā)明通過劃分核心層和邊緣層，能夠顯著提升偏好的商品的曝光率，尤其是新品或冷門商品，從而避免出現(xiàn)信息繭房，同時使得核心層更側重群體共享，而邊緣層更注重隱私保護和個人體驗，實現(xiàn)在好友推薦和個人隱私之間的平衡，從而大大提升用戶滿意度和平臺效益。

技術研發(fā)人員：付鵬,汪志鋒,黃驍,呂品,劉斌
受保護的技術使用者：北京華普億方科技集團股份有限公司
技術研發(fā)日：
技術公布日：2025/4/24