一种店铺推荐方法、装置及计算机介质与流程

1.本发明涉及数据分析领域，具体提供一种店铺推荐方法、装置及计算机介质。


背景技术：

2.网上购物，就是通过互联网检索商品信息，并通过电子订购单发出购物请求，然后填上私人支票帐号或信用卡的号码，厂商通过邮购的方式发货，或是通过快递公司送货上门。中国国内的网上购物，一般付款方式是款到发货(直接银行转账，在线汇款)和担保交易则是货到付款等。
3.当用户浏览购物或服务类平台网站时,需要自行进行搜索查找目标,不仅占用用户时间同时也耗费平台网站的互联网资源。


技术实现要素：

4.本发明是针对上述现有技术的不足，提供一种实用性强的店铺推荐方法。
5.本发明进一步的技术任务是提供一种设计合理，安全适用的店铺推荐装置。
6.本发明进一步的技术任务是提供一种计算机可读介质。
7.本发明解决其技术问题所采用的技术方案是：
8.一种店铺推荐方法，以平台自有的历史评论为基础，设置店铺属性并计算店铺属性分值和用户属性偏好值，构建出适用于层次分析法的目标层、准则层和方案层，计算店铺推荐的权重向量，从而给出当前用户的最优推荐店铺。
9.进一步的，具体分为如下步骤：
10.s1、设置店铺属性；
11.s2、计算属性分值；
12.s3、计算用户属性偏好；
13.s4、层次分析法计算权重。
14.进一步的，在步骤s1中，设置店铺维度属性，假设店铺属性一共有t个。
15.进一步的，在步骤s2中，根据店铺积累的历史评论，统计涉及属性的评论数量及平均分值，若店铺的历史评论中，属性评论一共有n条，评论分值分别为s1、s2、s3…
sn，则店铺属性a分值为：
[0016][0017]
依次计算平台所用店铺的所用属性分值。
[0018]
进一步的，在步骤s3中，根据用户的历史评论记录，统计所述用户的偏好属性值，若某用户一共有m条历史评论，其中，提及属性a的评论一共有m1条，提及属性b的评论一共有m2，提及属性c的评论一共有m
t
条
[0019]
计算所述用户各属性的偏好值：
[0020]
[0021]
将偏好值归一化处理，满足pa pb
…
pc＝1。
[0022]
进一步的，在步骤s4中，当用户浏览平台网页时，根据用户的当前浏览店铺类型，筛选出浏览店铺类型下的所有店铺，将当前浏览用户作为目标层，店铺属性作为准则层，所有店铺作为方案层，构建判断矩阵，运用层次分析法，计算类型店铺对所述用户的组合权向量，按相对的权重进行倒序展示，权重最高的即为该用户的最优推荐。
[0023]
一种店铺推荐装置，包括：至少一个存储器和至少一个处理器；
[0024]
所述至少一个存储器，用于存储机器可读程序；
[0025]
所述至少一个处理器，用于调用所述机器可读程序，执行一种店铺推荐方法。
[0026]
一种计算机可读介质，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行一种店铺推荐方法。
[0027]
本发明的一种店铺推荐方法、装置及计算机介质和现有技术相比，具有以下突出的有益效果：
[0028]
本发明通过对平台自有历史评论的分析，通过设置店铺属性并量化店铺属性、用户偏好，通过构建适用于层次分析法的目标层、准则层、方案层，运用层次分析法，计算店铺推荐的权重向量，给出适合用户的最优推荐店铺列表，进一步节约用户时间、平台资源，提升用户体验的同时也能加快促成交易。
附图说明
[0029]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]
附图1是一种店铺推荐方法的流程示意图；
[0031]
附图2是一种店铺推荐方法的实施例流程示意图。
具体实施方式
[0032]
为了使本技术领域的人员更好的理解本发明的方案，下面结合具体的实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例都属于本发明保护的范围。
[0033]
下面给出一个最佳实施例：
[0034]
如图1-2所示，本实施例中的一种店铺推荐方法，以平台自有的历史评论为基础，设置店铺属性并计算店铺属性分值、用户属性偏好值，构建出适用于层次分析法的目标层、准则层、方案层，计算店铺推荐的权重向量，从而给出当前用户的最优推荐店铺。
[0035]
以餐饮团购平台网站为例，具体的实时方式为：
[0036]
s1、设置店铺属性：
[0037]
设置评价餐饮店铺的维度属性，例如菜品味道、上菜速度、停车便利度、店内卫生等。假设设置的店铺属性一共有t个。
[0038]
s2、计算属性分值：
[0039]
根据店铺积累的历史评论，统计涉及属性的评论数量及平均分值。假设某店铺的历史评论中，评论“菜品味道”的评论一共有n条，评论分值分别为s1、s2、s3…
sn，则该店铺“菜品味道”的属性分值为：
[0040][0041]
以此为例，计算平台所有店铺的所有属性分值。
[0042]
s3、计算用户属性偏好：
[0043]
根据用户的历史评论记录，统计该用户的偏好属性值。假设某用户一共有m条历史评论，其中提及“菜品味道”的评论一共有m1条，提及“上菜速度”的评论一共有m2，
……
，提及“店内卫生”的评论一共有m
t
条。
[0044]
计算该用户各属性的偏好值：
[0045][0046]
将偏好值归一化处理，满足p
菜品味道
p
上菜速度

…
p
店内卫生
＝1。
[0047]
s4、层次分析法计算权重：
[0048]
当用户浏览平台网页时，根据用户的当前浏览店铺类型，筛选出该类型下的所有店铺。
[0049]
将当前浏览用户作为目标层，店铺属性作为准则层，所有店铺作为方案层，构建判断矩阵，运用层次分析法，计算该类型所有店铺对该用户的组合权向量；按相对的权重进行倒序展示，权重最高的即为该用户的最优推荐。
[0050]
一种店铺推荐装置，包括：至少一个存储器和至少一个处理器；
[0051]
所述至少一个存储器，用于存储机器可读程序；
[0052]
所述至少一个处理器，用于调用所述机器可读程序，执行一种店铺推荐方法。
[0053]
一种计算机可读介质，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行一种店铺推荐方法。
[0054]
上述具体的实施方式仅是本发明具体的个案，本发明的专利保护范围包括但不限于上述具体的实施方式，任何符合本发明的一种店铺推荐方法、装置及计算机介质权利要求书的且任何所述技术领域普通技术人员对其做出的适当变化或者替换，皆应落入本发明的专利保护范围。
[0055]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.一种店铺推荐方法，其特征在于，以平台自有的历史评论为基础，设置店铺属性并计算店铺属性分值和用户属性偏好值，构建出适用于层次分析法的目标层、准则层和方案层，计算店铺推荐的权重向量，从而给出当前用户的最优推荐店铺。2.根据权利要求1所述的一种店铺推荐方法，其特征在于，具体分为如下步骤：s1、设置店铺属性；s2、计算属性分值；s3、计算用户属性偏好；s4、层次分析法计算权重。3.根据权利要求2所述的一种店铺推荐方法，其特征在于，在步骤s1中，设置店铺维度属性，假设店铺属性一共有t个。4.根据权利要求3所述的一种店铺推荐方法，其特征在于，在步骤s2中，根据店铺积累的历史评论，统计涉及属性的评论数量及平均分值，若店铺的历史评论中，属性评论一共有n条，评论分值分别为s1、s2、s3…
s
n
，则店铺属性a分值为：依次计算平台所用店铺的所用属性分值。5.根据权利要求3所述的一种店铺推荐方法，其特征在于，在步骤s3中，根据用户的历史评论记录，统计所述用户的偏好属性值，若某用户一共有m条历史评论，其中，提及属性a的评论一共有m1条，提及属性b的评论一共有m2，提及属性c的评论一共有m
t
条计算所述用户各属性的偏好值：将偏好值归一化处理，满足p
a
p
b

…
p
c
＝1。6.根据权利要求5所述的一种店铺推荐方法，其特征在于，在步骤s4中，当用户浏览平台网页时，根据用户的当前浏览店铺类型，筛选出浏览店铺类型下的所有店铺，将当前浏览用户作为目标层，店铺属性作为准则层，所有店铺作为方案层，构建判断矩阵，运用层次分析法，计算类型店铺对所述用户的组合权向量，按相对的权重进行倒序展示，权重最高的即为该用户的最优推荐。7.一种店铺推荐装置，其特征在于，包括：至少一个存储器和至少一个处理器；所述至少一个存储器，用于存储机器可读程序；所述至少一个处理器，用于调用所述机器可读程序，执行权利要求1至6中任一所述的方法。8.一种计算机可读介质，其特征在于，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行权利要求1至6任一所述的方法。

技术总结
本发明涉及数据分析领域，具体提供了一种店铺推荐方法，以平台自有的历史评论为基础，设置店铺属性并计算店铺属性分值和用户属性偏好值，构建出适用于层次分析法的目标层、准则层和方案层，计算店铺推荐的权重向量，从而给出当前用户的最优推荐店铺。与现有技术相比，本发明给出适合用户的最优推荐店铺列表，进一步节约用户时间、平台资源，提升用户体验的同时也能加快促成交易。的同时也能加快促成交易。的同时也能加快促成交易。


技术研发人员：刘玉堂 李源
受保护的技术使用者：浪潮卓数大数据产业发展有限公司
技术研发日：2022.02.18
技术公布日：2022/5/25