CN118735661B 一种基于实时用户交互的商品信息展示优化方法及系统 （深圳市伙伴行网络科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118735661B(45)授权公告日2025.01.10

(21)申请号202411234774.0

(22)申请日2024.09.04

(65)同一申请的已公布的文献号申请公布号CN118735661A

(43)申请公布日2024.10.01

(73)专利权人深圳市伙伴行网络科技有限公司地址518000广东省深圳市南山区粤海街

道沙河西路深圳湾科技生态园9栋B2

座21楼

(72)发明人谢伟超胡瑞航朱艺康

(74)专利代理机构深圳科博专利代理事务所(普通合伙)441003

专利代理师李木燕

(51)Int.CI.

GO6Q30/0601(2023.01)

GO6N3/08(2023.01)

GO6F18/232(2023.01)

GO6F18/23213(2023.01)

GO6F18/26(2023.01)

GO6F18/27(2023.01)

(56)对比文件

CN117788105A,2024.03.29

CN118313906A,2024.07.09

审查员岑誉

权利要求书4页说明书12页附图3页

(54)发明名称

一种基于实时用户交互的商品信息展示优化方法及系统

(57)摘要

CN118735661B本发明公开了一种基于实时用户交互的商品信息展示优化方法及系统，首先，构建目标电商平台的数据监测系统，收集用户的历史交互数据。然后，通过深度学习算法提取用户的行为特征并构建用户画像。基于用户画像与商品属性的关联，建立用户画像-商品属性映射表，并通过多层神经网络构建商品推荐模型进行训练。接着，将用户的实时交互行为数据输入推荐模型，生成个性化的商品推荐列表。同时，获取商品展示页面数据，进行页面吸引力测试并获得测试结果。最终，根据推荐列表和测试结果，调整电商平台

CN118735661B

构建目标电商平台的数据监测系统，根据所述数据监测系统获取预设数量用

户的历史交互行为数据，所述历史交互行为数据包括用户在目标电商平台的

操作数据、搜索记录数据

基于深度学习算法对所述历史交互行为数据进行分析，提取用户的历史交互行为特征，根据所述历史交互行为特征构建用户画像

获取不同用户画像的历史购买商品属性信息，基于关联规则算法确定用户画像与用户所购买的商品属性之间的关系，得到用户画像-商品属性映射表，

基于多层神经网络构建目标电商平台的商品推荐模型，根据用户画像-商品属性映射表对所述商品推荐模型进行训练

根据数据蓝测系统获取用户的实时交互行为数据，将所述实时交互行为数据导人所述商品推荐模型中，生成用户商品推荐列表

获取目标电商平台的当前商品信息展示页面数据，将所述当前商品信息展示页面数据对用户进行页面吸引力测试，得到吸引力测试结果

根据所迷用户商品推荐列表和测试结果调整目标电商平台的商品展示信息和商品展示页面布局，得到目标电商平台的商品信息展示优化方案

S102

S104

S106

S108

S112

CN118735661B权利要求书1/4页

2

1.一种基于实时用户交互的商品信息展示优化方法，其特征在于，包括以下步骤：

构建目标电商平台的数据监测系统，根据所述数据监测系统获取预设数量用户的历史交互行为数据，所述历史交互行为数据包括用户在目标电商平台的操作数据、搜索记录数

据；

基于深度学习算法对所述历史交互行为数据进行分析，提取用户的历史交互行为特征，根据所述历史交互行为特征构建用户画像；

获取不同用户画像的历史购买商品属性信息，基于关联规则算法确定用户画像与用户所购买的商品属性之间的关系，得到用户画像-商品属性映射表，基于多层神经网络构建目标电商平台的商品推荐模型，根据用户画像-商品属性映射表对所述商品推荐模型进行训练；

根据数据监测系统获取用户的实时交互行为数据，将所述实时交互行为数据导入所述商品推荐模型中，生成用户商品推荐列表；

获取目标电商平台的当前商品信息展示页面数据，将所述当前商品信息展示页面数据对用户进行页面吸引力测试，得到吸引力测试结果；

根据所述用户商品推荐列表和测试结果调整目标电商平台的商品展示信息和商品展示页面布局，得到目标电商平台的商品信息展示优化方案；

所述获取目标电商平台的当前商品信息展示页面数据，将所述当前商品信息展示页面数据对用户进行