本技術(shù)涉及電商領(lǐng)域，尤其涉及一種基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送方法及系統(tǒng)。

背景技術(shù)：

1、隨著電子商務(wù)的快速發(fā)展，個(gè)性化商品推薦已成為提升用戶購(gòu)物體驗(yàn)和平臺(tái)銷售效果的重要手段。在海量商品信息中，為用戶精準(zhǔn)推薦符合其興趣和需求的商品，不僅能夠幫助用戶快速找到所需商品，還能提高平臺(tái)的轉(zhuǎn)化率和用戶粘性。

2、在相關(guān)技術(shù)中，通?；谟脩舻臍v史行為數(shù)據(jù)進(jìn)行建模，以實(shí)現(xiàn)精準(zhǔn)推送，

3、然而，這種直接使用用戶賬號(hào)進(jìn)行數(shù)據(jù)收集和分析的方式在保護(hù)用戶隱私方面存在不足。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供了一種基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送方法及系統(tǒng)，用于在為用戶推薦商品時(shí)保護(hù)用戶的隱私。

2、第一方面，本技術(shù)提供了一種基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送方法，應(yīng)用于基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送系統(tǒng)，該方法包括：收集當(dāng)前用戶賬號(hào)和歷史用戶數(shù)據(jù)，并基于加密算法將該當(dāng)前用戶賬號(hào)轉(zhuǎn)換為匿名認(rèn)證id，并生成與該匿名認(rèn)證id對(duì)應(yīng)的內(nèi)部庫(kù)編號(hào)；根據(jù)該匿名認(rèn)證id和該歷史用戶信息對(duì)該歷史用戶數(shù)據(jù)進(jìn)行標(biāo)簽化處理，得到當(dāng)前用戶畫(huà)像，并根據(jù)該內(nèi)部庫(kù)編號(hào)將該當(dāng)前用戶畫(huà)像存儲(chǔ)在內(nèi)部庫(kù)中，該當(dāng)前用戶畫(huà)像與該匿名認(rèn)證id相關(guān)聯(lián)；在當(dāng)前用戶訪問(wèn)商品頁(yè)面的情況下，接收包含該匿名認(rèn)證id的匿名認(rèn)證請(qǐng)求，并根據(jù)該匿名認(rèn)證請(qǐng)求生成臨時(shí)匿名id，根據(jù)該臨時(shí)匿名id匹配對(duì)應(yīng)的內(nèi)部庫(kù)編號(hào)，得到該臨時(shí)匿名id對(duì)應(yīng)的當(dāng)前用戶畫(huà)像，該臨時(shí)匿名id的有效期為預(yù)設(shè)有效期；獲取該當(dāng)前用戶的當(dāng)前瀏覽行為，并基于該臨時(shí)匿名id、該當(dāng)前用戶畫(huà)像和該當(dāng)前瀏覽行為生成個(gè)性化商品推薦列表；將該個(gè)性化商品推薦列表推送至用戶設(shè)備端。

3、通過(guò)采用上述技術(shù)方案，收集當(dāng)前用戶賬號(hào)和歷史用戶數(shù)據(jù)，并基于加密算法將當(dāng)前用戶賬號(hào)轉(zhuǎn)換為匿名認(rèn)證id，生成與匿名認(rèn)證id對(duì)應(yīng)的內(nèi)部庫(kù)編號(hào)，根據(jù)匿名認(rèn)證id和歷史用戶信息對(duì)歷史用戶數(shù)據(jù)進(jìn)行標(biāo)簽化處理，得到當(dāng)前用戶畫(huà)像，將當(dāng)前用戶畫(huà)像存儲(chǔ)在內(nèi)部庫(kù)中并與匿名認(rèn)證id相關(guān)聯(lián)，當(dāng)當(dāng)前用戶訪問(wèn)商品頁(yè)面時(shí)，接收包含匿名認(rèn)證id的匿名認(rèn)證請(qǐng)求并生成臨時(shí)匿名id，臨時(shí)匿名id的有效期為預(yù)設(shè)有效期，確保了數(shù)據(jù)的時(shí)效性和安全性，獲取當(dāng)前用戶的當(dāng)前瀏覽行為，并基于臨時(shí)匿名id、當(dāng)前用戶畫(huà)像和當(dāng)前瀏覽行為生成個(gè)性化商品推薦列表，能夠保證用戶的隱私安全，同時(shí)為用戶提供精準(zhǔn)符合其興趣和需求的商品推薦，提升用戶購(gòu)物體驗(yàn)。

4、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，該根據(jù)該匿名認(rèn)證id和該歷史用戶信息對(duì)該歷史用戶數(shù)據(jù)進(jìn)行標(biāo)簽化處理，得到當(dāng)前用戶畫(huà)像的步驟，具體包括：對(duì)該歷史用戶數(shù)據(jù)按照預(yù)設(shè)用戶特征維度進(jìn)行分類，得到多個(gè)用戶特征類別；對(duì)每個(gè)該用戶特征類別進(jìn)行統(tǒng)計(jì)分析，計(jì)算各項(xiàng)該用戶特征類別的權(quán)重值，并根據(jù)該權(quán)重值選擇該權(quán)重值大于預(yù)設(shè)權(quán)重閾值的預(yù)設(shè)數(shù)量的用戶特征作為用戶標(biāo)簽；將該用戶標(biāo)簽與該歷史用戶數(shù)據(jù)中對(duì)應(yīng)的用戶信息整合得到當(dāng)前用戶畫(huà)像。

5、通過(guò)采用上述技術(shù)方案，對(duì)歷史用戶數(shù)據(jù)按照預(yù)設(shè)用戶特征維度進(jìn)行分類，得到多個(gè)用戶特征類別，使得用戶的行為數(shù)據(jù)能夠從不同角度進(jìn)行分析和歸納，對(duì)每個(gè)用戶特征類別進(jìn)行統(tǒng)計(jì)分析，計(jì)算各項(xiàng)用戶特征類別的權(quán)重值，根據(jù)權(quán)重值選擇權(quán)重值大于預(yù)設(shè)權(quán)重閾值的預(yù)設(shè)數(shù)量的用戶特征作為用戶標(biāo)簽，將用戶標(biāo)簽與歷史用戶數(shù)據(jù)中對(duì)應(yīng)的用戶信息整合得到當(dāng)前用戶畫(huà)像，使得用戶畫(huà)像更加豐富和具體，能夠更好地反映用戶的真實(shí)興趣和需求，能夠?yàn)閭€(gè)性化商品推薦提供更加精準(zhǔn)的用戶畫(huà)像，提高推薦的準(zhǔn)確性和針對(duì)性。

6、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，該基于該臨時(shí)匿名id、該當(dāng)前用戶畫(huà)像和該當(dāng)前瀏覽行為生成個(gè)性化商品推薦列表的步驟，具體包括：對(duì)該當(dāng)前用戶畫(huà)像中的用戶興趣標(biāo)簽和消費(fèi)傾向進(jìn)行分析；獲取當(dāng)前瀏覽行為數(shù)據(jù)，包括瀏覽的商品類別、停留時(shí)間和點(diǎn)擊次數(shù)；將該當(dāng)前瀏覽行為數(shù)據(jù)與該用戶畫(huà)像中的歷史行為數(shù)據(jù)進(jìn)行對(duì)比，識(shí)別用戶興趣的變化趨勢(shì)；基于該變化趨勢(shì)對(duì)用戶畫(huà)像中的興趣標(biāo)簽進(jìn)行實(shí)時(shí)更新，得到當(dāng)前興趣標(biāo)簽；根據(jù)該當(dāng)前興趣標(biāo)簽從預(yù)設(shè)商品庫(kù)中篩選出與該當(dāng)前興趣標(biāo)簽相匹配的候選商品集合，對(duì)該候選商品集合中的每件候選商品計(jì)算推薦得分，該推薦得分基于該候選商品與該當(dāng)前興趣標(biāo)簽的匹配度、該候選商品的熱度、用戶購(gòu)買(mǎi)力綜合計(jì)算得出；選擇推薦得分最高的預(yù)設(shè)數(shù)量的該候選商品組成個(gè)性化商品推薦列表。

7、通過(guò)采用上述技術(shù)方案，獲取當(dāng)前瀏覽行為數(shù)據(jù)，包括瀏覽的商品類別、停留時(shí)間和點(diǎn)擊次數(shù)，將當(dāng)前瀏覽行為數(shù)據(jù)與用戶畫(huà)像中的歷史行為數(shù)據(jù)進(jìn)行對(duì)比，識(shí)別用戶興趣的變化趨勢(shì)，基于變化趨勢(shì)對(duì)用戶畫(huà)像中的興趣標(biāo)簽進(jìn)行實(shí)時(shí)更新，得到當(dāng)前興趣標(biāo)簽，根據(jù)當(dāng)前興趣標(biāo)簽從預(yù)設(shè)商品庫(kù)中篩選出與當(dāng)前興趣標(biāo)簽相匹配的候選商品集合，對(duì)候選商品集合中的每件候選商品計(jì)算推薦得分，推薦得分基于候選商品與當(dāng)前興趣標(biāo)簽的匹配度、候選商品的熱度、用戶購(gòu)買(mǎi)力綜合計(jì)算得出，使得推薦結(jié)果更加全面和合理，最后選擇推薦得分最高的預(yù)設(shè)數(shù)量的候選商品組成個(gè)性化商品推薦列表，為用戶提供最符合其當(dāng)前興趣和需求的商品推薦，提升用戶購(gòu)物體驗(yàn)。

8、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，在該將該個(gè)性化商品推薦列表推送至用戶設(shè)備端的步驟之后，該方法還包括：基于該當(dāng)前用戶畫(huà)像和歷史行為數(shù)據(jù)構(gòu)建用戶行為模式庫(kù)，該用戶行為模式庫(kù)是描述用戶行為特征的集合；為當(dāng)前用戶生成與該匿名認(rèn)證id對(duì)應(yīng)的行為模式序列，并對(duì)該行為模式序列使用該臨時(shí)匿名id進(jìn)行關(guān)聯(lián)；實(shí)時(shí)捕獲用戶在該商品頁(yè)面的瀏覽行為，并根據(jù)該瀏覽行為在該用戶行為模式庫(kù)中確定對(duì)應(yīng)的當(dāng)前行為模式序列；根據(jù)該當(dāng)前行為模式序列和該當(dāng)前用戶畫(huà)像，使用預(yù)測(cè)算法生成該當(dāng)前用戶的興趣預(yù)測(cè)模型；根據(jù)該興趣預(yù)測(cè)模型在預(yù)設(shè)商品庫(kù)中篩選出當(dāng)前推薦商品基于該當(dāng)前推薦商品重新生成個(gè)性化商品推薦列表。

9、通過(guò)采用上述技術(shù)方案，基于當(dāng)前用戶畫(huà)像和歷史行為數(shù)據(jù)構(gòu)建用戶行為模式庫(kù)，為當(dāng)前用戶生成與匿名認(rèn)證id對(duì)應(yīng)的行為模式序列，并對(duì)該行為模式序列使用臨時(shí)匿名id進(jìn)行關(guān)聯(lián)，實(shí)時(shí)捕獲用戶在商品頁(yè)面的瀏覽行為，并根據(jù)瀏覽行為在用戶行為模式庫(kù)中確定對(duì)應(yīng)的當(dāng)前行為模式序列，根據(jù)當(dāng)前行為模式序列和當(dāng)前用戶畫(huà)像，使用預(yù)測(cè)算法生成當(dāng)前用戶的興趣預(yù)測(cè)模型，根據(jù)興趣預(yù)測(cè)模型在預(yù)設(shè)商品庫(kù)中篩選出當(dāng)前推薦商品，基于當(dāng)前推薦商品重新生成個(gè)性化商品推薦列表，為用戶提供更加符合其潛在需求的商品推薦，提升用戶購(gòu)物體驗(yàn)，提高平臺(tái)的銷售轉(zhuǎn)化率和用戶粘性。

10、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，在該將該個(gè)性化商品推薦列表推送至用戶設(shè)備端的步驟之后，該方法還包括：提取當(dāng)前商品的基本屬性信息，包括商品名稱、品類、品牌和價(jià)格區(qū)間；根據(jù)提取的該基本屬性信息，為每個(gè)商品生成對(duì)應(yīng)的商品標(biāo)簽；獲取當(dāng)前用戶對(duì)該個(gè)性化商品推薦列表的反饋數(shù)據(jù)，包括點(diǎn)擊、瀏覽時(shí)長(zhǎng)、收藏和購(gòu)買(mǎi)行為；根據(jù)該反饋數(shù)據(jù)更新該當(dāng)前用戶畫(huà)像，調(diào)整該當(dāng)前用戶在該當(dāng)前用戶畫(huà)像中對(duì)應(yīng)的興趣標(biāo)簽權(quán)重。

11、通過(guò)采用上述技術(shù)方案，提取當(dāng)前商品的基本屬性信息，包括商品名稱、品類、品牌和價(jià)格區(qū)間，能夠全面了解商品的特征，根據(jù)提取的基本屬性信息，為每個(gè)商品生成對(duì)應(yīng)的商品標(biāo)簽，獲取當(dāng)前用戶對(duì)個(gè)性化商品推薦列表的反饋數(shù)據(jù)，根據(jù)反饋數(shù)據(jù)更新當(dāng)前用戶畫(huà)像，調(diào)整當(dāng)前用戶在當(dāng)前用戶畫(huà)像中對(duì)應(yīng)的興趣標(biāo)簽權(quán)重，使得用戶畫(huà)像更加準(zhǔn)確地反映用戶的當(dāng)前興趣，能夠不斷優(yōu)化用戶畫(huà)像，提高個(gè)性化商品推薦的準(zhǔn)確性和針對(duì)性，為用戶提供更加符合其需求的商品推薦，提升用戶對(duì)平臺(tái)的滿意度和忠誠(chéng)度。

12、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，在該將根據(jù)該反饋數(shù)據(jù)更新該當(dāng)前用戶畫(huà)像，調(diào)整該當(dāng)前用戶在該當(dāng)前用戶畫(huà)像中對(duì)應(yīng)的興趣標(biāo)簽權(quán)重的步驟之后，該方法還包括：提取預(yù)設(shè)商品庫(kù)中商品的基本屬性信息，包括商品名稱、品類、品牌和價(jià)格區(qū)間；根據(jù)該基本屬性信息，為每個(gè)商品生成對(duì)應(yīng)的商品標(biāo)簽集合；計(jì)算該當(dāng)前用戶畫(huà)像中的興趣標(biāo)簽與該商品標(biāo)簽集合的匹配度，選擇匹配度最高的商品合集；基于該商品合集重新生成個(gè)性化商品推薦列表。

13、通過(guò)采用上述技術(shù)方案，提取預(yù)設(shè)商品庫(kù)中商品的基本屬性信息，根據(jù)基本屬性信息，為每個(gè)商品生成對(duì)應(yīng)的商品標(biāo)簽集合，使得商品的特征更加具體和全面。計(jì)算當(dāng)前用戶畫(huà)像中的興趣標(biāo)簽與商品標(biāo)簽集合的匹配度，能夠準(zhǔn)確地找到與用戶興趣相符的商品，選擇匹配度最高的商品合集，確保了推薦商品的準(zhǔn)確性和針對(duì)性?；谏唐泛霞匦律蓚€(gè)性化商品推薦列表，為用戶提供更加符合其興趣的商品推薦，能夠不斷優(yōu)化推薦列表，提高推薦的質(zhì)量和效果，滿足用戶的個(gè)性化需求，提升用戶的購(gòu)物體驗(yàn)和平臺(tái)的競(jìng)爭(zhēng)力。

14、結(jié)合第一方面的一些實(shí)施例，在一些實(shí)施例中，在該將該個(gè)性化商品推薦列表推送至用戶設(shè)備端的步驟之后，該方法還包括：在檢測(cè)到該當(dāng)前用戶對(duì)預(yù)設(shè)區(qū)域的觸控操作的情況下，識(shí)別該當(dāng)前用戶所觸控的當(dāng)前商品；獲取與該當(dāng)前商品對(duì)應(yīng)的跳轉(zhuǎn)鏈接，并跳轉(zhuǎn)至該跳轉(zhuǎn)鏈接對(duì)應(yīng)的網(wǎng)址。

15、通過(guò)采用上述技術(shù)方案，在檢測(cè)到當(dāng)前用戶對(duì)預(yù)設(shè)區(qū)域的觸控操作的情況下，識(shí)別該當(dāng)前用戶所觸控的當(dāng)前商品，預(yù)設(shè)區(qū)域的設(shè)定可以集中用戶的操作范圍，提高識(shí)別的準(zhǔn)確性，當(dāng)用戶進(jìn)行觸控操作時(shí)，系統(tǒng)能夠及時(shí)確定用戶所關(guān)注的商品，獲取與當(dāng)前商品對(duì)應(yīng)的跳轉(zhuǎn)鏈接，并跳轉(zhuǎn)至該跳轉(zhuǎn)鏈接對(duì)應(yīng)的網(wǎng)址，提升了用戶的購(gòu)物體驗(yàn)。

16、第二方面，本技術(shù)實(shí)施例提供了一種基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送方法及系統(tǒng)，該基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送方法及系統(tǒng)包括：一個(gè)或多個(gè)處理器和存儲(chǔ)器；該存儲(chǔ)器與該一個(gè)或多個(gè)處理器耦合，該存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序代碼，該計(jì)算機(jī)程序代碼包括計(jì)算機(jī)指令，該一個(gè)或多個(gè)處理器調(diào)用該計(jì)算機(jī)指令以使得該基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送方法及系統(tǒng)執(zhí)行如第一方面以及第一方面中任一可能的實(shí)現(xiàn)方式描述的方法。

17、第三方面，本技術(shù)實(shí)施例提供一種包含指令的計(jì)算機(jī)程序產(chǎn)品，當(dāng)上述計(jì)算機(jī)程序產(chǎn)品在基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送方法及系統(tǒng)上運(yùn)行時(shí)，使得上述基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送方法及系統(tǒng)執(zhí)行如第一方面以及第一方面中任一可能的實(shí)現(xiàn)方式描述的方法。

18、第四方面，本技術(shù)實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括指令，當(dāng)上述指令在基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送方法及系統(tǒng)上運(yùn)行時(shí)，使得上述基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送方法及系統(tǒng)執(zhí)行如第一方面以及第一方面中任一可能的實(shí)現(xiàn)方式描述的方法。

19、可以理解地，上述第二方面提供的基于隱匿認(rèn)證的實(shí)時(shí)智能推薦的商品推送方法及系統(tǒng)，第三方面提供的計(jì)算機(jī)程序產(chǎn)品和第四方面提供的計(jì)算機(jī)存儲(chǔ)介質(zhì)均用于執(zhí)行本技術(shù)實(shí)施例所提供的方法。因此，其所能達(dá)到的有益效果可參考對(duì)應(yīng)方法中的有益效果，此處不再贅述。

20、本技術(shù)實(shí)施例中提供的一個(gè)或多個(gè)技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點(diǎn)：

21、1、本技術(shù)通過(guò)收集當(dāng)前用戶賬號(hào)和歷史用戶數(shù)據(jù)，并基于加密算法將當(dāng)前用戶賬號(hào)轉(zhuǎn)換為匿名認(rèn)證id，生成與匿名認(rèn)證id對(duì)應(yīng)的內(nèi)部庫(kù)編號(hào)，根據(jù)匿名認(rèn)證id和歷史用戶信息對(duì)歷史用戶數(shù)據(jù)進(jìn)行標(biāo)簽化處理，得到當(dāng)前用戶畫(huà)像，將當(dāng)前用戶畫(huà)像存儲(chǔ)在內(nèi)部庫(kù)中并與匿名認(rèn)證id相關(guān)聯(lián)，當(dāng)當(dāng)前用戶訪問(wèn)商品頁(yè)面時(shí)，接收包含匿名認(rèn)證id的匿名認(rèn)證請(qǐng)求并生成臨時(shí)匿名id，臨時(shí)匿名id的有效期為預(yù)設(shè)有效期，獲取當(dāng)前用戶的當(dāng)前瀏覽行為，并基于臨時(shí)匿名id、當(dāng)前用戶畫(huà)像和當(dāng)前瀏覽行為生成個(gè)性化商品推薦列表，能夠保證用戶的隱私安全，同時(shí)為用戶提供精準(zhǔn)符合其興趣和需求的商品推薦，提升用戶購(gòu)物體驗(yàn)。

22、2、本技術(shù)通過(guò)基于當(dāng)前用戶畫(huà)像和歷史行為數(shù)據(jù)構(gòu)建用戶行為模式庫(kù)，為當(dāng)前用戶生成與匿名認(rèn)證id對(duì)應(yīng)的行為模式序列，并對(duì)該行為模式序列使用臨時(shí)匿名id進(jìn)行關(guān)聯(lián)，實(shí)時(shí)捕獲用戶在商品頁(yè)面的瀏覽行為，并根據(jù)瀏覽行為在用戶行為模式庫(kù)中確定對(duì)應(yīng)的當(dāng)前行為模式序列，根據(jù)當(dāng)前行為模式序列和當(dāng)前用戶畫(huà)像，使用預(yù)測(cè)算法生成當(dāng)前用戶的興趣預(yù)測(cè)模型，根據(jù)興趣預(yù)測(cè)模型在預(yù)設(shè)商品庫(kù)中篩選出當(dāng)前推薦商品，基于當(dāng)前推薦商品重新生成個(gè)性化商品推薦列表，為用戶提供更加符合其潛在需求的商品推薦，提升用戶購(gòu)物體驗(yàn)，提高平臺(tái)的銷售轉(zhuǎn)化率和用戶粘性。

23、3、本技術(shù)通過(guò)提取當(dāng)前商品的基本屬性信息，包括商品名稱、品類、品牌和價(jià)格區(qū)間，能夠全面了解商品的特征，根據(jù)提取的基本屬性信息，為每個(gè)商品生成對(duì)應(yīng)的商品標(biāo)簽，獲取當(dāng)前用戶對(duì)個(gè)性化商品推薦列表的反饋數(shù)據(jù)，根據(jù)反饋數(shù)據(jù)更新當(dāng)前用戶畫(huà)像，調(diào)整當(dāng)前用戶在當(dāng)前用戶畫(huà)像中對(duì)應(yīng)的興趣標(biāo)簽權(quán)重，使得用戶畫(huà)像更加準(zhǔn)確地反映用戶的當(dāng)前興趣，能夠不斷優(yōu)化用戶畫(huà)像，提高個(gè)性化商品推薦的準(zhǔn)確性和針對(duì)性，為用戶提供更加符合其需求的商品推薦，提升用戶對(duì)平臺(tái)的滿意度和忠誠(chéng)度。