本技术涉及区域热品推荐领域，具体而言，涉及一种区域热品的智能推选方法、系统和介质。
背景技术：
1、由于地区环境的不同或文化背景的差异，不同地区往往会存在不同的热销商品，在人员流动过程中，区域热销商品的推送能够让人们了解当前潮流和地区特色。随着电子商务的快速发展和消费者需求的日益多样化，如何准确地向用户推荐区域热品成为了一个重要的问题。传统的热品推选方法往往依赖于人工经验或简单的数据分析，存在推荐不准确、不及时、缺乏个性化等问题。因此，需要一种智能的推选方法，能够结合大数据分析和用户画像等技术，为用户提供更加精准、个性化的区域热品推荐服务。
2、针对上述问题，目前亟待有效的技术解决方案。
技术实现思路
1、本技术的目的在于提供一种区域热品的智能推选方法、系统和介质，可以通过商品热度指数、热品匹配推荐指数的计算和阈值对比，实现区域热品更加快速、精准的推选。
2、本技术还提供了一种区域热品的智能推选方法，包括以下步骤：
3、获取用户特征数据，根据用户特征数据生成用户消费特征画像，并根据用户消费特征画像提取用户消费意向数据；
4、获取预设区域在预设时间段内各商品的销售信息和社交媒体特征信息，并分别提取销售数据和社交媒体特征数据；
5、根据所述销售数据和社交媒体特征数据计算获得商品热度指数；
6、将所述商品热度指数与预设商品热度指数阈值进行比较，获得有效商品热度指数；
7、获取所述有效商品热度指数对应的有效热品品类数据，根据所述用户消费意向数据和有效热品品类数据进行匹配，获得匹配消费品类；
8、获取用户的属地距离权重数据，根据所述匹配消费品类中热品的销售数据结合属地距离权重数据、有效商品热度指数和用户消费意向数据处理获得热品匹配推荐指数；
9、将所述热品匹配推荐指数与预设匹配推荐指数阈值比较，获得热品推荐状态，并将符合预设要求的热品推送至用户智能终端并进行显示。
10、可选地，在本技术所述的区域热品的智能推选方法中，所述获取用户特征数据，根据用户特征数据生成用户消费特征画像，并根据用户消费特征画像提取用户消费意向数据，具体包括：
11、获取用户特征数据，包括用户基本情况数据、历史购物记录数据以及网购浏览记录数据；
12、根据所述用户基本情况数据、历史购物记录数据以及网购浏览记录数据生成用户消费特征画像；
13、根据所述用户消费特征画像提取用户消费意向数据，包括单品消费预算数据、消费意向品类数据和消费意愿指数数据。
14、可选地，在本技术所述的区域热品的智能推选方法中，所述获取预设区域在预设时间段内各商品的销售信息和社交媒体特征信息，并分别提取销售数据和社交媒体特征数据，具体包括：
15、获取预设区域在预设时间段内各商品的销售数据，包括销售量数据和销售额数据；
16、获取预设区域在预设时间段内各商品的社交媒体特征数据，包括社交媒体搜索总次数、话题标签热度数据和商品支持量数据。
17、可选地，在本技术所述的区域热品的智能推选方法中，所述根据所述销售数据和社交媒体特征数据计算获得商品热度指数，具体包括：
18、将所述销售量数据、社交媒体搜索总次数、话题标签热度数据和商品支持量数据输入预设商品热度评估模型处理，获得商品热度指数；
19、所述商品热度评估模型中商品热度指数的计算公式为：
20、
21、其中，sr为商品热度指数，xl、sz、br、zs分别为销售量数据、社交媒体搜索总次数、话题标签热度数据和商品支持量数据，α1、α2为预设特征系数。
22、可选地，在本技术所述的区域热品的智能推选方法中，所述将所述商品热度指数与预设商品热度指数阈值进行比较，获得有效商品热度指数，具体包括：
23、将所述商品热度指数与预设商品热度指数阈值进行比较，获得商品热度指数类别，包括有效商品热度指数或无效商品热度指数；
24、若所述商品热度指数大于等于预设商品热度指数阈值，则所述商品热度指数类别为有效商品热度指数，予以保留标记；
25、若所述商品热度指数小于预设商品热度指数阈值，则所述商品热度指数类别为无效商品热度指数，不予统计。
26、可选地，在本技术所述的区域热品的智能推选方法中，所述获取所述有效商品热度指数对应的有效热品品类数据，根据所述用户消费意向数据和有效热品品类数据进行匹配，获得匹配消费品类，具体包括：
27、获取所述有效商品热度指数对应的有效热品品类数据，并将有效热品品类数据与所述消费意向品类数据进行计算，获得品类匹配指数数据；
28、将所述品类匹配指数数据与预设品类匹配指数阈值进行对比，获得品类匹配状态，包括强匹配和弱匹配；
29、若所述品类匹配指数数据小于等于预设品类匹配指数阈值，则所述品类匹配状态为强匹配，将对应的热品品类标记为匹配消费品类；
30、若所述品类匹配指数数据大于预设品类匹配指数阈值，则所述品类匹配状态为弱匹配，将对应的热品品类标记为非匹配消费品类。
31、可选地，在本技术所述的区域热品的智能推选方法中，所述获取用户的属地距离权重数据，根据所述匹配消费品类中热品的销售数据结合属地距离权重数据、有效商品热度指数和用户消费意向数据处理获得热品匹配推荐指数，具体包括：
32、获取用户的属地距离权重数据，并根据匹配消费品类中热品的销售量数据和销售额数据计算获得销售均价数据；
33、将所述销售均价数据、属地距离权重数据、单品消费预算数据和消费意愿指数数据输入预设热品推荐指数评估模型处理，获得热品匹配推荐指数；
34、所述热品推荐指数评估模型中热品匹配推荐指数的计算公式为：
35、
36、其中，tj为热品匹配推荐指数，dy、xj、qz、yy分别为单品消费预算数据、销售均价数据、属地距离权重数据和消费意愿指数数据，β1、β2、β3为预设特征系数。
37、可选地，在本技术所述的区域热品的智能推选方法中，所述将所述热品匹配推荐指数与预设匹配推荐指数阈值比较，获得热品推荐状态，并将符合预设要求的热品推送至用户智能终端并进行显示，具体包括：
38、将所述热品匹配推荐指数与预设匹配推荐指数阈值进行阈值对比，获得热品推荐状态，包括推荐热品和非推荐热品；
39、若所述热品匹配推荐指数大于等于预设匹配推荐指数阈值，则所述热品推荐状态为推荐热品；
40、若所述热品匹配推荐指数小于预设匹配推荐指数阈值，则所述热品推荐状态为非推荐热品；
41、将所述推荐热品根据热品匹配推荐指数由大到小进行排序并按顺序推送至用户智能终端进行显示。
42、第二方面，本技术提供了一种区域热品的智能推选系统，该系统包括：存储器及处理器，所述存储器中存储区域热品的智能推选方法的程序，所述区域热品的智能推选方法的程序被所述处理器执行时实现以下步骤：
43、获取用户特征数据，根据用户特征数据生成用户消费特征画像，并根据用户消费特征画像提取用户消费意向数据；
44、获取预设区域在预设时间段内各商品的销售信息和社交媒体特征信息，并分别提取销售数据和社交媒体特征数据；
45、根据所述销售数据和社交媒体特征数据计算获得商品热度指数；
46、将所述商品热度指数与预设商品热度指数阈值进行比较，获得有效商品热度指数；
47、获取所述有效商品热度指数对应的有效热品品类数据，根据所述用户消费意向数据和有效热品品类数据进行匹配，获得匹配消费品类；
48、获取用户的属地距离权重数据，根据所述匹配消费品类中热品的销售数据结合属地距离权重数据、有效商品热度指数和用户消费意向数据处理获得热品匹配推荐指数；
49、将所述热品匹配推荐指数与预设匹配推荐指数阈值比较，获得热品推荐状态，并将符合预设要求的热品推送至用户智能终端并进行显示。
50、第三方面，本技术还提供了一种可读存储介质，所述可读存储介质中存储区域热品的智能推选方法程序，所述区域热品的智能推选方法程序被处理器执行时，实现如上述任一项所述的一种区域热品的智能推选方法的步骤。
51、由上可知，本技术提供的区域热品的智能推选方法、系统和介质。该方法通过获取用户特征数据并生成用户消费特征画像，然后提取用户消费意向数据，获取预设区域在预设时间段内各商品的销售数据和社交媒体特征数据后，计算获得商品热度指数，将商品热度指数进行阈值比较后获得有效商品热度指数，将有效热品品类数据并与用户消费意向数据进行匹配获得匹配消费品类，然后根据销售数据、属地距离权重数据、有效商品热度指数和用户消费意向数据处理获得热品匹配推荐指数，再将热品匹配推荐指数进行阈值对比后获得热品推荐状态；从而通过商品热度指数、热品匹配推荐指数的计算和阈值对比，实现区域热品更加快速、精准的推选。
52、本技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术了解。本技术的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
1.一种区域热品的智能推选方法，其特征在于，包括：
2.根据权利要求1所述的区域热品的智能推选方法，其特征在于，所述获取用户特征数据，根据用户特征数据生成用户消费特征画像，并根据用户消费特征画像提取用户消费意向数据，具体包括：
3.根据权利要求2所述的区域热品的智能推选方法，其特征在于，所述获取预设区域在预设时间段内各商品的销售信息和社交媒体特征信息，并分别提取销售数据和社交媒体特征数据，具体包括：
4.根据权利要求3所述的区域热品的智能推选方法，其特征在于，所述根据所述销售数据和社交媒体特征数据计算获得商品热度指数，具体包括：
5.根据权利要求4所述的区域热品的智能推选方法，其特征在于，所述将所述商品热度指数与预设商品热度指数阈值进行比较，获得有效商品热度指数，具体包括：
6.根据权利要求5所述的区域热品的智能推选方法，其特征在于，所述获取所述有效商品热度指数对应的有效热品品类数据，根据所述用户消费意向数据和有效热品品类数据进行匹配，获得匹配消费品类，具体包括：
7.根据权利要求6所述的区域热品的智能推选方法，其特征在于，所述获取用户的属地距离权重数据，根据所述匹配消费品类中热品的销售数据结合属地距离权重数据、有效商品热度指数和用户消费意向数据处理获得热品匹配推荐指数，具体包括：
8.根据权利要求7所述的区域热品的智能推选方法，其特征在于，所述将所述热品匹配推荐指数与预设匹配推荐指数阈值比较，获得热品推荐状态，并将符合预设要求的热品推送至用户智能终端并进行显示，具体包括：
9.一种区域热品的智能推选系统，其特征在于，包括存储器和处理器，所述存储器中包括区域热品的智能推选方法程序，所述区域热品的智能推选方法程序被所述处理器执行时实现如下步骤：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括区域热品的智能推选方法程序，所述区域热品的智能推选方法程序被处理器执行时，实现如权利要求1至8中任一项所述的区域热品的智能推选方法的步骤。
