本发明涉及购物推荐，尤其涉及一种基于云购物的智能推荐方法及系统。
背景技术：
1、在当今数字化时代，随着电子商务的飞速发展和云计算技术的日益成熟，云购物平台逐渐成为用户进行商品购买的主要渠道。云购物平台不仅为用户提供了便捷的购物体验，同时也积累了庞大的用户行为数据，包括购物历史、浏览记录、搜索习惯等。
2、然而，随着云购物平台商品的丰富多样，用户在面对庞大的商品选择时可能感到困扰，传统的推荐系统往往面临数据处理速度慢、准确性不高的问题，而云计算技术的崛起为构建更高效的推荐系统提供了新的机遇。
3、云计算平台通过其强大的计算和存储能力，使得对海量用户行为数据的处理变得更为高效。同时，大数据分析技术的不断发展为挖掘用户行为背后的隐藏模式提供了有力支持。这为实现个性化、精准的商品推荐奠定了技术基础。因此，如何智能且个性化进行商品推荐极其重要，从而提高用户满意度和平台竞争力，为目标平台带来更好的经济收益。
技术实现思路
1、本发明克服了现有技术的缺陷，提供了一种基于云购物的智能推荐方法及系统，其重要目的在于提高用户满意度和平台竞争力，为目标平台带来更好的经济收益。
2、为实现上述目的本发明第一方面提供了一种基于云购物的智能推荐方法，包括：
3、获取用户历史购物信息，根据所述用户历史购物信息分析用户历史购买物品，判断目标用户的购物喜好，得到购物喜好分析信息；
4、获取用户历史行为信息，根据所述用户历史行为信息进行用户购买意向分析，得到购买意向分析信息；
5、获取用户历史订单信息，根据所述用户历史订单信息分析目标用户的购买倾向，得到购买倾向分析信息；
6、获取目标平台交易信息，根据所述目标平台交易信息分析商品交易趋势，判断热点商品和潜力商品，得到平台商品分析信息；
7、结合购物喜好分析信息、购买意向分析信息、购买倾向分析信息和平台商品分析信息对目标用户进行购买推荐。
8、本方案中，所述获取用户历史购物信息，根据所述用户历史购物信息分析用户历史购买物品，判断目标用户的购物喜好，具体为：
9、获取用户历史购物信息，对所述用户历史购物信息进行特征提取，提取用户历史购物的价格、物品和数量特征，得到历史购物特征信息；
10、基于k-means算法结合历史购物特征信息按照物品和价格进行预聚类，得到物品聚类簇群和价格聚类簇群；
11、分别计算物品聚类簇群和价格聚类簇群下的子簇之间的相似度，并与预设阈值进行判断，根据判断结果进行子簇合并，得到物品聚类结果信息和价格聚类结果信息；
12、预设属性标签和对应的判断阈值，根据物品聚类结果信息进行对目标用户历史购买物品进行属性分析；计算物品聚类结果信息与各属性标签之间欧式距离，作为分析指标，
13、将计算得到的欧氏距离信息与预设阈值进行判断，通过判断结果将历史购买物品划分至对应的属性标签中，得到购买物品属性分析信息；
14、根据所述购买物品属性分析信息和历史购物特征信息对目标用户进行购物喜好分析，将购买频率作为分析指标，分析用户喜好购物类型和属性，得到第一购物喜好分析信息；
15、基于价格聚类信息构建购买价格分布图，结合历史购物特征信息将对应价格的购买频率进行合并，通过购买价格分布图判断用户喜好购买价格区间，得到第二购物喜好分析信息；
16、结合所述第一购物喜好分析信息和第二购物喜好分析信息得到购物喜好分析信息。
17、本方案中，所述获取用户历史行为信息，根据所述用户历史行为信息进行用户购买意向分析，得到购买意向分析信息，具体为：
18、获取用户历史行为信息，所述用户历史行为信息包括：点击行为、收藏行为、加入购物车行为、浏览行为；
19、根据所述用户历史行为信息提取用户点击行为信息和浏览行为信息，分析用户点击频率和对象、浏览对象、浏览时间和浏览频率，判断用户的感兴趣商品，得到得到感兴趣商品信息；
20、基于聚类算法结合所述感兴趣商品信息进行商品类别分析，统计各类别的商品数量，作为购买意向程度判断指标，得到第一分析信息；
21、根据所述用户历史行为信息提取收藏行为和加入购物车行为，提取收藏和加入购物车商品的属性，并进行类别划分和数量统计，得到第二分析信息；
22、设定购买意向判断权重，对所述第一分析信息和第二分析信息进行加权计算，根据加权计算结果选取用户意向商品，得到购买意向分析信息。
23、本方案中，所述获取用户历史订单信息，根据所述用户历史订单信息分析目标用户的购买倾向，得到购买倾向分析信息，具体为：
24、获取用户历史订单信息，对所述用户历史订单信息进行特征提取，提取历史购买物品、历史购买价格和购买方式，得到历史订单特征信息；
25、根据所述历史订单特征信息提取目标购买物品的历史价格信息，并构建价格变化趋势图，结合用户购买目标物品的价格分析用户购买倾向，得到第一购买倾向分析信息；
26、根据历史订单特征信息对用户历史购买方式进行分析，通过用户历史购买时间绘制购买时间图，将购买价格标记至对应的时间段；
27、将购买频率作为分析指标，通过购买时间图分析用户的高频购买时间段，得到第二购买倾向分析信息；
28、通过所述历史订单特征信息提取历史购买物品时的支付行为，判断用户是否采用优惠策略，并统计次数，得到第三购买倾向分析信息；
29、结合第一购买倾向分析信息、第二购买倾向分析信息和第三购买倾向分析信息进行综合分析，判断用户购买价格倾向、购买时间倾向和采用优惠策略倾向，得到购物倾向分析信息。
30、本方案中，所述获取目标平台交易信息，根据所述目标平台交易信息分析商品交易趋势，判断热点商品和潜力商品，得到平台商品分析信息，具体为：
31、获取目标平台交易信息，对所述目标平台交易信息进行特征提取，提取交易物品的时间、数量、频率和种类特征，得到交易物品特征信息；
32、根据所述交易物品特征信息绘制各类商品交易变化图，并将对应时间的交易数量和频率进行合并，分析各类商品单日、单周和单月的交易变化趋势；
33、将交易变化速率作为趋势变化判断指标，计算交易数量与时间的比值作为交易变化速率，与预设阈值进行判断，得到交易趋势分析信息；
34、预设商品划分规则，将目标商城的待售商品分为三类，分别为热点商品、潜力商品和普通商品，结合所述交易趋势分析信息对目标商城的待售商品进行分类；
35、预设热点商品判断阈值，将交易趋势分析信息与所述热点商品判断阈值进行判断，得到热点商品分析信息；
36、根据所述交易趋势分析信息分析各待售商品的交易数量和频率变化，并与预设阈值进行判断，分析各待售商品的潜力，得到潜力商品分析信息；
37、将交易数量和频率变化平稳的待售商品定义为正常商品，得到正常商品分析信息；
38、结合所述热点商品分析信息、潜力商品分析信息和正常商品分析信息得到平台商品分析信息。
39、本方案中，所述结合购物喜好分析信息、购买意向分析信息、购买倾向分析信息和平台商品分析信息对目标用户进行购买推荐，具体为：
40、获取购物喜好分析信息、购买意向分析信息、购买倾向分析信息和平台商品分析信息，进行数据预处理；
41、根据预处理后的数据构建成用户-商品评分矩阵，其中行表示用户，列表示商品，元素表示用户对商品的评分；
42、计算用户之间的皮尔逊相似度，形成用户相似性矩阵，利用皮尔逊相似度矩阵对原始评分矩阵进行加权求和，得到基础型评分矩阵；
43、基于rbm结合购物喜好分析信息、购买意向分析信息、购买倾向分析信息构建增强型矩阵；
44、根据所述购买意向分析信息构建惩罚因子，定义权重参数，将基础型评分矩阵和增强型矩阵进行加权混合，结合惩罚因子构建商品评分模型；
45、将所述购物喜好分析信息、购买意向分析信息、购买倾向分析信息和平台商品分析信息输入至商品评分模型中进行商品评分，得到商品评分信息；
46、根据所述购买倾向分析信息判断用户倾向购买方式，结合商品评分信息提取优惠商品并按照商品评分进行排序，根据排序结果选取优惠商品，得到优惠商品信息；
47、根据所述优惠商品信息制定推荐购买策略，对目标用户进行购买推荐和商品优惠组合。
48、本发明第二方面提供了一种基于云购物的智能推荐系统，该系统包括：存储器、处理器，所述存储器中包含基于云购物的智能推荐方法程序，所述基于云购物的智能推荐方法程序被所述处理器执行时实现如下步骤：
49、获取用户历史购物信息，根据所述用户历史购物信息分析用户历史购买物品，判断目标用户的购物喜好，得到购物喜好分析信息；
50、获取用户历史行为信息，根据所述用户历史行为信息进行用户购买意向分析，得到购买意向分析信息；
51、获取用户历史订单信息，根据所述用户历史订单信息分析目标用户的购买倾向，得到购买倾向分析信息；
52、获取目标平台交易信息，根据所述目标平台交易信息分析商品交易趋势，判断热点商品和潜力商品，得到平台商品分析信息；
53、结合购物喜好分析信息、购买意向分析信息、购买倾向分析信息和平台商品分析信息对目标用户进行购买推荐。
54、本发明公开了一种基于云购物的智能推荐方法及系统，包括：获取用户历史购物信息，根据用户历史购物信息分析用户历史购买物品，判断目标用户的购物喜好，得到购物喜好分析信息；获取用户历史行为信息，根据用户行为信息进行用户购买意向分析，得到购买意向分析信息；获取用户历史订单信息，根据用户历史订单信息分析目标用户的购买倾向，得到购买倾向分析信息；获取目标平台交易信息，根据目标平台交易信息分析商品交易趋势，判断热点商品和潜力商品，得到平台商品分析信息；结合购物喜好分析信息、购买意向分析信息、购买倾向分析信息和平台商品分析信息对目标用户进行购买推荐。提高用户满意度和平台竞争力，为目标平台带来更好的经济收益。
1.一种基于云购物的智能推荐方法，其特征在于，包括：
2.根据权利要求1所述的一种基于云购物的智能推荐方法，其特征在于，所述获取用户历史购物信息，根据所述用户历史购物信息分析用户历史购买物品，判断目标用户的购物喜好，具体包括：
3.根据权利要求1所述的一种基于云购物的智能推荐方法，其特征在于，所述获取用户历史行为信息，根据所述用户历史行为信息进行用户购买意向分析，得到购买意向分析信息，具体包括：
4.根据权利要求1所述的一种基于云购物的智能推荐方法，其特征在于，所述获取用户历史订单信息，根据所述用户历史订单信息分析目标用户的购买倾向，得到购买倾向分析信息，具体包括：
5.根据权利要求1所述的一种基于云购物的智能推荐方法，其特征在于，所述获取目标平台交易信息，根据所述目标平台交易信息分析商品交易趋势，判断热点商品和潜力商品，得到平台商品分析信息，具体包括：
6.根据权利要求1所述的一种基于云购物的智能推荐方法，其特征在于，所述结合购物喜好分析信息、购买意向分析信息、购买倾向分析信息和平台商品分析信息对目标用户进行购买推荐，具体包括：
7.一种基于云购物的智能推荐系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包含基于云购物的智能推荐方法程序，所述基于云购物的智能推荐方法程序被所述处理器执行时实现如下步骤：
8.根据权利要求7所述的一种基于云购物的智能推荐系统，其特征在于，所述获取用户历史购物信息，根据所述用户历史购物信息分析用户历史购买物品，判断目标用户的购物喜好，具体包括：
9.根据权利要求7所述的一种基于云购物的智能推荐系统，其特征在于，所述获取用户历史行为信息，根据所述用户历史行为信息进行用户购买意向分析，得到购买意向分析信息，具体包括：
10.根据权利要求7所述的一种基于云购物的智能推荐系统，其特征在于，所述获取用户历史订单信息，根据所述用户历史订单信息分析目标用户的购买倾向，得到购买倾向分析信息，具体包括：
