人工智能是最近的热议话题，在我们的日常生活服务中其智能的服务已经被经常使用，例如，在电商环境，我们利用数据算法和大数据，已经开启了人工智能服务。在地球城特卖商城上，目前的注册的用户竟然已经超过1.3亿。如此庞大的用户群体，在研究知识图谱领域方面，积累了丰富的数据。地球城对数据的结构、分布等情况进行分析，深度结合挖掘用户的需求，打造平民折扣新平台。

　　随着互联网的不断普及，传统商城的模式已经正在逐渐地“迁至”网络。但是，我们传统的购物习惯——搜索购物还被保留。例如，顾客打算要购买一件“连衣裙”，直接输入关键词“连衣裙”就会出现各类连衣裙产品，然后顾客根据搜索的结果，进行颜色、款式、品牌、价格的筛选。

　　与传统购物的搜索不同，地球城特卖商城会针对用户进行个性化的定制和推荐。

　　用户在注册登录地球城时，会选择标签，性别、身份等内容。同时，在后续完善信息内容中，可以补充地球城个人用户身份信息各种维度，如用户身份信息维度、用户社会生活信息维度、用户行为偏好信息、用户购物偏好信息、用户反馈信息维度。海量的数据为电商智能服务提供了全面的数据。

　　通过用户的这些数据，建立了注册用户行为数据采集指标体系后，再将其细分到每个用户的属性值，进入这个环节，就需要依赖各种建立的数据模型或函数算法，来对平台用户进行特征提取分析，计算出用户对应的画像数据值，这才是最关键的环节。

　　在后续分析的过程，地球城特卖商城对用户的行为数据采集并画像标签后，存储在地球城数据库。首先对采集的原始数据进行处理，删除掉存储的无效重复数据，对于用户行为没有影响或重复数据，对非结构化数据和半结构化数据进行结构化处理，并对数据进行补缺、替换、数据合并、数据拆分、数据加载和异常处理。

　　其次召回模型匹配算法，利用高斯逻辑回归及多维等算法来得出与用户召回行为的匹配商品及广告信息;最后平台针对匹配模型推荐结果的排序算法，基于用户交互日志通过模型训练特征权重，采用排序算法来实现自动匹配个性化推荐。在系统实现技术架构上，为支撑个性化推荐系统平均至少每周进行算法迭代。

　　举个例子：用户在首次登陆地球城的时候，身份验证时选择身份，并且在个人信息中补充其他的资料。经过地球城特卖商城的后台处理后，再登陆地球城的时候，地球城特卖系统会自动智能为用户推送您所需求的物品，比如您选择的母婴，就会推荐像儿童服装、儿童玩具等等，方便母亲的购物选择。

　　地球城特卖商城的个性化智能推荐让一个普通访问电商平台的用户，在登录地球城后，为用户个性化智能推荐心理想要购买的商品。即使在用户没有访问平台时，个性化智能推荐设备也通过与用户日常浏览互联网行为轨迹的平台进行联盟合作，在联盟平台推送用户希望购买的商品广告和链接。

　　地球城商城，本地特卖网，真的很实惠！每天为你精选优质特卖商品，一笔钱花两次，没事过来逛逛！https://www.dqccc.net