【技術實現步驟摘要】
本專利技術涉及產品推薦管理，具體是基于產品圖片視覺呈現的智能化推薦系統。
技術介紹
1、在電子商務領域，商品推薦系統已成為提升用戶體驗和銷售轉化率的重要手段，傳統的推薦系統主要依賴于用戶的瀏覽記錄、購買歷史及文本描述等數據進行推薦；
2、然而由于對產品圖片的視覺特征利用不足，無法通過圖像視覺呈現進行產品推薦，導致推薦精準度和用戶體驗有待提升，且不能基于多方向分析來綜合評估推薦系統的運行狀況并及時預警，難以及時加強系統運行監管并針對性的作出合理改善措施，不利于保證推薦系統后續的安全穩定且高效精準運行。
3、針對上述的技術缺陷，現提出一種解決方案。
技術實現思路
1、本專利技術的目的在于提供基于產品圖片視覺呈現的智能化推薦系統，解決了現有技術無法通過圖像視覺呈現進行產品推薦，導致推薦精準度和用戶體驗有待提升，且不能基于多方向分析來綜合評估推薦系統的運行狀況并及時預警，不利于保證推薦系統后續安全穩定且高效精準運行的問題。
2、為實現上述目的，本專利技術提供如下技術方案：
3、基于產品圖片視覺呈現的智能化推薦系統，包括智能化推薦單元、運行管理分析單元和管理維護端，其中，智能化推薦單元包括產品請求圖像上傳模塊、圖像視覺處理模塊、圖像匹配篩選模塊和產品信息提取推薦模塊；用戶通過產品請求圖像上傳模塊上傳產品請求圖像，且將所上傳的產品請求圖像發送至圖像視覺處理模塊；
4、圖像視覺處理模塊通過包括去噪、增強對比度和調整圖像尺寸的預處理步驟提
5、圖像匹配篩選模塊將用戶上傳的產品請求圖像與多個候選產品圖像進行匹配，利用預先訓練的圖像匹配神經網絡，計算產品請求圖像與各個候選產品圖像之間的匹配度，根據匹配度結果，篩選出與目標產品最為匹配的候選產品圖像序列，且將候選產品序列發送至產品信息提取推薦模塊；
6、產品信息提取推薦模塊對篩選出的候選產品圖像序列進行進一步處理，提取對應產品描述信息，包括產品名稱、價格和規格，且將提取的產品描述信息推送給相應用戶的智能終端設備；運行管理分析單元通過運行管理分析以判斷是否生成運管報警信號，在生成運管報警信號時將其發送至管理維護端。
7、進一步的，運行管理分析單元的運行管理分析過程如下：
8、設定天數為y1的檢測時期，在天數達到y1時，獲取到推薦特征值、擁堵特征值和風險特征值，將推薦特征值、擁堵特征值和風險特征值與預設推薦特征閾值、預設擁堵特征閾值和預設風險特征閾值分別進行數值比較，若推薦特征值超過預設推薦特征閾值且擁堵特征值和風險特征值未超過預設擁堵特征閾值和預設風險特征閾值，則不生成運管報警信號，其余情況則生成運管報警信號。
9、進一步的，運行管理分析單元包括推薦表現分析模塊、請求擁堵分析模塊和風險評估分析模塊；
10、推薦表現分析模塊將檢測時期內智能化推薦單元的推薦表現進行分析，通過分析以得到推薦特征值，且將推薦特征值發送至運行管理分析單元；請求擁堵分析模塊將檢測時期內智能化推薦單元的運行擁堵狀況進行分析，通過分析以得到擁堵特征值，且將擁堵特征值發送至運行管理分析單元；風險評估分析模塊對系統運行風險進行分析，通過分析生成風險特征值，且將風險特征值發送至運行管理分析單元。
11、進一步的，推薦表現分析模塊的具體分析過程如下：
12、獲取到檢測時期內通過智能化推薦單元進行產品推薦請求的總次數并將其與所設定的標準請求次數的比值標記為推薦請求值，以及將檢測時期內按照所推薦的產品信息進行下單的次數與產品推薦請求的總次數進行比值計算得到推薦有效值；
13、且采集到用戶通過產品請求圖像上傳模塊完成圖像上傳的時刻并將其標記為上傳時刻，并將相應用戶的智能終端設備接收到推薦信息的時刻標記為推薦時刻，將推薦時刻與上傳時刻之間的間隔時長標記為推效時長；
14、獲取到檢測時期內的所有推效時長并將其進行均值計算得到推效檢測值，且將檢測時期內未超過預設推效時長閾值的推效時長的數量占比值標記為推效優檢值；通過將推薦請求值、推薦有效值、推效檢測值和推效優檢值進行數值計算得到推薦特征值。
15、進一步的，請求擁堵分析模塊的具體分析過程如下：
16、采集到正在處理中的產品推薦請求的實時數量并將其標記為請求處檢值，將請求處檢值與預設請求處檢閾值進行數值比較，若請求處檢值超過預設請求處檢閾值，則判斷當前處于請求偏堵狀態；在判斷處于請求偏堵狀態時開始計時，直至結束請求偏堵狀態，據此得到請求偏堵時長；
17、將請求偏堵時長與預設請求偏堵時長閾值進行數值比較，若請求偏堵時長超過預設請求偏堵時長閾值，則將相應請求偏堵時長標記為請求堵異時長，將檢測時期內請求堵異時長的數量標記為堵異檢測值；
18、獲取到檢測時期內的所有請求偏堵時長并將其進行求和計算得到偏堵總時值，以及將檢測時期內的所有請求處檢值進行均值計算得到請求處表值，通過將偏堵總時值、堵異檢測值和請求處表值進行數值計算得到擁堵特征值。
19、進一步的，風險評估分析模塊的具體分析過程如下：
20、獲取到檢測時期內系統受到網絡攻擊的總次數并將其標記為攻擊風險值，以及采集到檢測時期內系統崩潰的總次數并將其標記為崩潰風險值，且將每次系統崩潰的持續時長標記為潰時計算值，將檢測時期內系統崩潰的所有潰時計算值進行求和計算得到潰時檢測值；通過將攻擊風險值、崩潰風險值和潰時檢測值進行數值計算得到風險特征值。
21、進一步的，運行管理分析單元還包括可持續性評估模塊，在未生成運管報警信號時，可持續性評估模塊將系統運用可持續性狀況進行分析，通過分析生成可持續性合格信號或可持續性異常信號，且將可持續性合格信號或可持續性異常信號經運行管理分析單元發送至管理維護端。
22、進一步的，可持續性評估模塊的具體分析過程包括：
23、獲取到已注冊的用戶的數量和高等級用戶的數量并將其分別標記為用戶總檢值和高級戶檢值，且采集到系統的回報金額和運行投入金額并將兩者的比值標記為盈虧檢測值；以及采集到檢測時期內針對系統的差評數量并將其標記為差評檢測值；
24、通過將用戶總檢值、高級戶檢值、盈虧檢測值和差評檢測值進行數值計算得到可持續性評估值，將可持續性評估值與預設可持續性評估閾值進行數值比較，若可持續性評估值超過預設可持續性評估閾值，則生成可持續性合格信號；若可持續性評估值未超過預設可持續性評估閾值，則生成可持續性異常信號。
25、進一步的，可持續性評估模塊通信連接用戶檢測分級模塊，用戶檢測分級模塊獲取到已注冊的所有用戶，將相應用戶的注冊時刻與當前時刻之間的間隔時長標記為注冊時長，且將相應用戶的相鄰上一次發出產品推薦請求的時刻與當前時刻之間的間隔時長標記為推薦隔時值，以及將歷史階本文檔來自技高網...
【技術保護點】
1.基于產品圖片視覺呈現的智能化推薦系統，其特征在于，包括智能化推薦單元、運行管理分析單元和管理維護端，其中，智能化推薦單元包括產品請求圖像上傳模塊、圖像視覺處理模塊、圖像匹配篩選模塊和產品信息提取推薦模塊；用戶通過產品請求圖像上傳模塊上傳產品請求圖像，且將所上傳的產品請求圖像發送至圖像視覺處理模塊；
2.根據權利要求1所述的基于產品圖片視覺呈現的智能化推薦系統，其特征在于，運行管理分析單元的運行管理分析過程如下：
3.根據權利要求2所述的基于產品圖片視覺呈現的智能化推薦系統，其特征在于，運行管理分析單元包括推薦表現分析模塊、請求擁堵分析模塊和風險評估分析模塊；
4.根據權利要求3所述的基于產品圖片視覺呈現的智能化推薦系統，其特征在于，推薦表現分析模塊的具體分析過程如下：
5.根據權利要求3所述的基于產品圖片視覺呈現的智能化推薦系統，其特征在于，請求擁堵分析模塊的具體分析過程如下：
6.根據權利要求3所述的基于產品圖片視覺呈現的智能化推薦系統，其特征在于，風險評估分析模塊的具體分析過程如下：
7.根據權利要求
8.根據權利要求7所述的基于產品圖片視覺呈現的智能化推薦系統，其特征在于，可持續性評估模塊的具體分析過程包括：
9.根據權利要求8所述的基于產品圖片視覺呈現的智能化推薦系統，其特征在于，可持續性評估模塊通信連接用戶檢測分級模塊，用戶檢測分級模塊獲取到已注冊的所有用戶，將相應用戶的注冊時長、推薦隔時值和請求表現值進行數值計算得到用戶檢測分析值，若用戶檢測分析值超過預設用戶檢測分析閾值，則將相應用戶標記為高等級用戶。
...【技術特征摘要】
1.基于產品圖片視覺呈現的智能化推薦系統，其特征在于，包括智能化推薦單元、運行管理分析單元和管理維護端，其中，智能化推薦單元包括產品請求圖像上傳模塊、圖像視覺處理模塊、圖像匹配篩選模塊和產品信息提取推薦模塊；用戶通過產品請求圖像上傳模塊上傳產品請求圖像，且將所上傳的產品請求圖像發送至圖像視覺處理模塊；
2.根據權利要求1所述的基于產品圖片視覺呈現的智能化推薦系統，其特征在于，運行管理分析單元的運行管理分析過程如下：
3.根據權利要求2所述的基于產品圖片視覺呈現的智能化推薦系統，其特征在于，運行管理分析單元包括推薦表現分析模塊、請求擁堵分析模塊和風險評估分析模塊；
4.根據權利要求3所述的基于產品圖片視覺呈現的智能化推薦系統，其特征在于，推薦表現分析模塊的具體分析過程如下：
5.根據權利要求3所述的基于產品圖片視覺呈現的智能化推薦系統，其特征在于，請求擁堵分析模塊的具體分析過程如下：
6.根據權...
【專利技術屬性】
技術研發人員：聶怡財，劉成，朱彩虹，
申請(專利權)人：深圳市怡怡信息科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。