CN107633416B - 一种业务对象的推荐方法、装置和系统 - Google Patents

Abstract

本申请实施例提供了一种业务对象的推荐方法、装置和系统，所述方法包括：获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；根据所述第一属性信息，提取所述第一数据的第一标签信息；从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；在第四信息库中查找出具有所述第一标签信息和第二标签信息的业务对象；向用户推荐所述业务对象，解决了已有技术中依靠人工操作来确定所推荐的业务对象的问题，提高了获取业务对象的效率，使得所推荐的业务对象可以具有广泛的代表性，能够更好地匹配用户的需求。

Description

一种业务对象的推荐方法、装置和系统

技术领域

本申请涉及信息技术领域，特别是涉及一种业务对象的推荐方法、一种业务对象的推荐装置和一种业务对象的推荐系统。

背景技术

电子商务通常是指在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，基于浏览器/服务器应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。

如今，淘宝、天猫等电子商务网站已经能够将世界各地的商品汇集在网上，供消费者选购。但是，面对品类众多的商品，消费者可能并不清楚哪些商品是值得购买的。因此，部分电子商务网站开始主动向消费者推荐商品，以减少消费者搜索、选购商品的时间，例如，向年轻的消费群体推荐当下的热点和流行商品便是其中的重要内容之一。

目前，电子商务网站的商品推荐主要是依赖网站运营人员的人工操作来实现的，通过获取自身电子商务网站的消费数据，并结合外部网站的舆情统计数据，通过人工分析，从而确定出所要推荐的商品。但是，上述方法需要耗费大量的人力成本，所推荐的商品也带有较重的运营人员的主观喜好，可能无法满足大多数消费者的需求和偏好。此外，上述方法时效性也较差，只能向消费者推荐已经广泛流行的商品，无法对未来可能流行的商品趋势做出预判。

发明内容

鉴于上述问题，提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种业务对象的推荐方法、一种业务对象的推荐装置和相应的一种业务对象的推荐系统。

为了解决上述问题，本申请公开了一种业务对象的推荐系统，包括：

一个或多个处理器；

存储器；和，

一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块具有如下功能：

获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；

根据所述第一属性信息，提取所述第一数据的第一标签信息；

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在网络中查找出具有所述第一标签信息和第二标签信息的业务对象；

向用户推荐所述业务对象。

可选地，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第四信息库包括电商网站数据库。

为了解决上述问题，本申请还公开了一种业务对象的推荐系统，包括：

一个或多个处理器；

存储器；和，

一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块具有如下功能：

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

获取第三信息库的第三数据，所述第三数据具有相应的第三标签信息；

在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象；

向用户推荐所述业务对象。

可选地，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

为了解决上述问题，本申请还公开了一种业务对象的推荐系统，包括：

一个或多个处理器；

存储器；和，

一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块具有如下功能：

获取第一信息库的第一数据，以及，获取第三信息库的第三数据，所述第一数据具有相应的第一属性信息，所述第三数据具有相应的第三属性信息；

根据所述第一属性信息，提取所述第一数据的第一标签信息，以及，根据所述第三属性信息，提取所述第三数据的第三标签信息；

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在第四信息库中查找出具有所述第一标签信息和第二标签信息的第一业务对象，以及，在网络中查找出具有所述第二标签信息和第三标签信息的第二业务对象；

向用户推荐所述第一业务对象，和/或，第二业务对象。

可选地，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

为了解决上述问题，本申请还公开了一种业务对象的推荐方法，包括：

获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；

根据所述第一属性信息，提取所述第一数据的第一标签信息；

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在第四信息库中查找出具有所述第一标签信息和第二标签信息的业务对象；

向用户推荐所述业务对象。

可选地，所述第一属性信息包括所述第一数据的预测传播次数，所述根据所述第一属性信息，提取所述第一数据的第一标签信息的步骤包括：

获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

从所述第一目标数据中提取出第一标签信息。

可选地，所述获取第一数据中预测传播次数超过预设阈值的第一目标数据的步骤包括：

获取第一信息库的多条第一数据；

采用预设模型分别确定所述多条第一数据的预测传播次数；

提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

可选地，所述预设模型通过如下步骤获得：

获取第一时间段内第一信息库的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数；

以所述多条第一数据及其传播次数为训练样本，构建预设模型。

可选地，所述从第二信息库的第二数据中，提取出所述第二数据的第二标签信息的步骤包括：

获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

提取出所述权重值超过预设的第二阈值的第二标签信息。

可选地，所述在第四信息库中查找出具有所述第一标签信息和第二标签信息的业务对象的步骤包括：

遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

查找出所述属性信息中包括所述第一标签信息和第二标签信息的业务对象。

可选地，所述向用户推荐所述业务对象的步骤包括：

获取用户的身份信息，所述身份信息包括业务对象的提供方；

向所述业务对象的提供方推荐所述业务对象。

可选地，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第四信息库包括电商网站数据库。

为了解决上述问题，本申请还公开了一种业务对象的推荐方法，包括：

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

获取第三信息库的第三数据，所述第三数据具有相应的第三标签信息；

在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象；

向用户推荐所述业务对象。

可选地，所述从第二信息库的第二数据中，提取出所述第二数据的第二标签信息的步骤包括：

获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

提取出所述权重值超过预设的第二阈值的第二标签信息。

可选地，在所述获取第三信息库的第三数据的步骤后，还包括：

判断所述第三标签信息的搜索次数是否超过预设的第三阈值；

若是，则执行在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象的步骤。

可选地，所述向用户推荐所述业务对象的步骤包括：

获取用户的身份信息，所述身份信息包括业务对象的提供方，和/或，业务对象的需求方；

向所述业务对象的提供方，和/或，业务对象的需求方推荐所述业务对象。

可选地，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

为了解决上述问题，本申请还公开了一种业务对象的推荐方法，包括：

获取第一信息库的第一数据，以及，获取第三信息库的第三数据，所述第一数据具有相应的第一属性信息，所述第三数据具有相应的第三属性信息；

根据所述第一属性信息，提取所述第一数据的第一标签信息，以及，根据所述第三属性信息，提取所述第三数据的第三标签信息；

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在第四信息库中查找出具有所述第一标签信息和第二标签信息的第一业务对象，以及，在第四信息库中查找出具有所述第二标签信息和第三标签信息的第二业务对象；

向用户推荐所述第一业务对象，和/或，第二业务对象。

可选地，所述第一属性信息包括所述第一数据的预测传播次数，所述根据所述第一属性信息，提取所述第一数据的第一标签信息的步骤包括：

获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

从所述第一目标数据中提取出第一标签信息。

可选地，所述获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据的步骤包括：

获取第一信息库的多条第一数据；

采用预设模型分别确定所述多条第一数据的预测传播次数；

提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

可选地，所述预设模型通过如下步骤获得：

获取第一时间段内第一信息库的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数；

以所述多条第一数据及其传播次数为训练样本，构建预设模型。

可选地，所述第三属性信息包括第三数据的搜索次数，所述根据所述第三属性信息，提取所述第三数据的第三标签信息的步骤包括：

获取第三数据中搜索次数超过预设的第三阈值的第三目标数据；

从所述第三目标数据中提取出第三标签信息。

可选地，所述从第二信息库的第二数据中，提取出所述第二数据的第二标签信息的步骤包括：

获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

提取出所述权重值超过预设的第二阈值的第二标签信息。

可选地，所述在第四信息库中查找出具有所述第一标签信息和第二标签信息的第一业务对象的步骤包括：

遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

查找出所述属性信息中包括所述第一标签信息和第二标签信息的第一业务对象。

可选地，所述在第四信息库中查找出具有所述第二标签信息和第三标签信息的第二业务对象的步骤包括：

遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

查找出所述属性信息中包括所述第二标签信息和第三标签信息的第二业务对象。

可选地，所述用户包括第一用户，和/或，第二用户，所述向用户推荐所述第一业务对象，和/或，第二业务对象的步骤包括：

向第一用户推荐所述第一业务对象，所述第一用户包括业务对象的提供方；

向第二用户推荐所述第二业务对象，所述第二用户包括业务对象的提供方，和/或，业务对象的需求方。

可选地，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

为了解决上述问题，本申请还公开了一种业务对象的推荐装置，包括：

第一获取模块，用于获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；

第一提取模块，用于根据所述第一属性信息，提取所述第一数据的第一标签信息；

第二提取模块，用于从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

第一查找模块，用于在第四信息库中查找出具有所述第一标签信息和第二标签信息的业务对象；

推荐模块，用于向用户推荐所述业务对象。

可选地，所述第一属性信息包括所述第一数据的预测传播次数，所述第一提取模块包括：

第一目标数据获取子模块，用于获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

第一标签信息提取子模块，用于从所述第一目标数据中提取出第一标签信息。

可选地，所述第一目标数据获取子模块包括：

第一数据获取单元，用于获取第一信息库的多条第一数据；

预测传播次数确定单元，用于采用预设模型分别确定所述多条第一数据的预测传播次数；

第一目标数据提取单元，用于提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

可选地，所述预设模型通过调用如下模块获得：

获取模块，用于获取第一时间段内第一信息库的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数；

构建模块，用于以所述多条第一数据及其传播次数为训练样本，构建预设模型。

可选地，所述第二提取模块包括：

第二数据获取子模块，用于获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

权重值确定子模块，用于根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

第二标签信息提取子模块，用于提取出所述权重值超过预设的第二阈值的第二标签信息。

可选地，所述第一查找模块包括：

第一遍历子模块，用于遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

第一查找子模块，用于查找出所述属性信息中包括所述第一标签信息和第二标签信息的业务对象。

可选地，所述推荐模块包括：

身份信息获取子模块，用于获取用户的身份信息，所述身份信息包括业务对象的提供方；

第一推荐子模块，用于向所述业务对象的提供方推荐所述业务对象。

可选地，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第四信息库包括电商网站数据库。

为了解决上述问题，本申请还公开了一种业务对象的推荐装置，包括：

第二提取模块，用于从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

第三获取模块，用于获取第三信息库的第三数据，所述第三数据具有相应的第三标签信息；

第二查找模块，用于在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象；

推荐模块，用于向用户推荐所述业务对象。

可选地，所述第二提取模块包括：

第二数据获取子模块，用于获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

权重值确定子模块，用于根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

第二标签信息提取子模块，用于提取出所述权重值超过预设的第二阈值的第二标签信息。

可选地，还包括：

搜索次数判断模块，用于判断所述第三标签信息的搜索次数是否超过预设的第三阈值；

若是，则调用第二查找模块。

可选地，所述推荐模块包括：

身份信息获取子模块，用于获取用户的身份信息，所述身份信息包括业务对象的提供方，和/或，业务对象的需求方；

第二推荐子模块，用于向所述业务对象的提供方，和/或，业务对象的需求方推荐所述业务对象。

可选地，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

为了解决上述问题，本申请还公开了一种业务对象的推荐装置，包括：

第一获取模块，用于获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；

第三获取模块，用于获取第三信息库的第三数据，所述第三数据具有相应的第三属性信息；

第一提取模块，用于根据所述第一属性信息，提取所述第一数据的第一标签信息；

第三提取模块，用于根据所述第三属性信息，提取所述第三数据的第三标签信息；

第二提取模块，用于从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

第一查找模块，用于在第四信息库中查找出具有所述第一标签信息和第二标签信息的第一业务对象；

第二查找模块，用于在第四信息库中查找出具有所述第二标签信息和第三标签信息的第二业务对象；

推荐模块，用于向用户推荐所述第一业务对象，和/或，第二业务对象。

可选地，所述第一属性信息包括所述第一数据的预测传播次数，所述第一提取模块包括：

第一目标数据获取子模块，用于获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

第一标签信息提取子模块，用于从所述第一目标数据中提取出第一标签信息。

可选地，所述第一目标数据获取子模块包括：

第一数据获取单元，用于获取第一信息库的多条第一数据；

预测传播次数确定单元，用于采用预设模型分别确定所述多条第一数据的预测传播次数；

第一目标数据提取单元，用于提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

可选地，所述预设模型通过调用如下模块获得：

获取模块，用于获取第一时间段内第一信息库的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数；

构建模块，用于以所述多条第一数据及其传播次数为训练样本，构建预设模型。

可选地，所述第三属性信息包括第三数据的搜索次数，所述第三提取模块包括：

第三目标数据获取子模块，用于获取第三数据中搜索次数超过预设的第三阈值的第三目标数据；

第三标签信息提取子模块，用于从所述第三目标数据中提取出第三标签信息。

可选地，所述第二提取模块包括：

第二数据获取子模块，用于获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

权重值确定子模块，用于根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

第二标签信息提取子模块，用于提取出所述权重值超过预设的第二阈值的第二标签信息。

可选地，所述第一查找模块包括：

第一遍历子模块，用于遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

第一查找子模块，用于查找出所述属性信息中包括所述第一标签信息和第二标签信息的第一业务对象。

可选地，所述第二查找模块包括：

第二遍历子模块，用于遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

第二查找子模块，言语查找出所述属性信息中包括所述第二标签信息和第三标签信息的第二业务对象。

可选地，所述用户包括第一用户，和/或，第二用户，所述推荐模块包括：

第一推荐子模块，用于向第一用户推荐所述第一业务对象，所述第一用户包括业务对象的提供方；

第二推荐子模块，用于向第二用户推荐所述第二业务对象，所述第二用户包括业务对象的提供方，和/或，业务对象的需求方。

可选地，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

与背景技术相比，本申请实施例包括以下优点：

本申请实施例，通过分别从第一信息库和第二信息库的数据中提取出第一标签信息和第二标签信息，然后从第四信息库的数据中查找出同时具有所述第一标签信息和第二标签信息的业务对象并向用户推荐，解决了已有技术中依靠人工操作来确定所推荐的业务对象的问题，提高了获取业务对象的效率，使得所推荐的业务对象可以具有广泛的代表性，能够更好地匹配用户的需求。

附图说明

图1是本申请的一种业务对象的推荐方法实施例一的步骤流程图；

图2是本申请的一种业务对象的推荐方法实施例二的步骤流程图；

图3是本申请的一种业务对象的推荐方法实施例三的步骤流程图；

图4是本申请的一种业务对象的推荐方法实施例三的原理框图；

图5是本申请的一种业务对象的推荐装置实施例一的结构框图

图6是本申请的一种业务对象的推荐装置实施例二的结构框图；

图7是本申请的一种业务对象的推荐装置实施例三的结构框图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

参照图1，示出了本申请的一种业务对象的推荐方法实施例一的步骤流程图，具体可以包括如下步骤：

步骤101，获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；

在本申请实施例中，所述第一信息库可以是社交网站数据库，例如，微博、论坛等等。以微博为例，用户发布的每一条微博都可以包括相应的属性信息，如用户的信息、微博发布的时间、评论数、转发数，以及点赞的数量等等，本申请对第一信息库以及相应的第一数据所对应的第一属性信息的选择不作具体限定。用户在社交网站上发布的微博、帖子等即为第一数据。

步骤102，根据所述第一属性信息，提取所述第一数据的第一标签信息；

在本申请实施例中，所述第一属性信息可以包括所述第一数据的预测传播次数，所述预测传播数量可以是一条微博或一个帖子被发布后，预估能够获得的传播数量。通常，当一条微博收到一条评论、被转发一次，或者，收到一个点赞时，均可以认为该条微博被传播了一次，由于评论、转发、点赞的动作可以由浏览到该条微博的同一位用户完成，因此，可以仅仅考虑选择评论数、转发数，以及点赞的数量其中之一作为传播数量的参考。当然，本领域技术人员可以根据实际需要具体确定所要选择的参考量，本申请对此不作具体限定。

在本申请的一种优选实施例中，所述根据所述第一属性信息，提取所述第一数据的第一标签信息的步骤具体可以包括如下子步骤：

子步骤1021，获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

子步骤1022，从所述第一目标数据中提取出第一标签信息。

在具体实现中，可以提取出预测传播次数超过预设的第一阈值的第一数据，作为目标数据，然后从所述目标数据中提取出第一标签信息。

在本申请的另一种优选实施例中，所述获取第一数据中预测传播次数超过预设阈值的第一目标数据的子步骤可以进一步包括：

获取第一信息库的多条第一数据；

采用预设模型分别确定所述多条第一数据的预测传播次数；

提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

在具体实现中，可以从第一信息库中获取多条第一数据，然后采用预设模型，分别计算所述多条第一数据的预测传播次数，提取出所述预测传播次数超过预设的第一阈值的第一目标数据，进而从所述第一目标数据中提取出第一标签信息。所述第一标签信息可以是第一数据中所包括的某一业务对象信息，例如，某一商品的特征信息。

在本申请实施例中，所述预设模型可以通过如下步骤获得：

获取第一时间段内第一信息库的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数；

以所述多条第一数据及其传播次数为训练样本，构建预设模型。

在具体实现中，可以获取在第一时间段内第一信息瓶体的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数，例如可以首先获取到过去三个月内用户发布的微博等数据，并以此数据为训练样本，以发布微博的每位用户及其属性、当前传播次数(评论数、转发数，或者，点赞数量)和采样时间点等为特征，构建出以每一条微博在发布之后的一周内的传播次数(评论数、转发数，或者，点赞数量)为目标的模型。由于预设模型的构建可以采用线性回归、神经网络、时间序列等较为成熟的技术，本申请对此不再赘述。

在构建出预设模型后，当用户每发布一条微博，便可以采用所述预设模型预测该条微博在一周后的预测传播次数，从而获得预测传播次数较大的微博，并从所述预测传播次数较大的微博中提取出相应的标签信息。

在从所述预测传播次数较大的微博中提取出相应的标签信息时，可以采用TF-IDF(term frequency–inverse document frequency，信息检索数据挖掘的常用加权技术)方法完成。TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。

步骤103，从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在本申请实施例中，所述第二信息库可以是不同类型的网站数据库，具体地，可以是在本行业具有显著影响力的网站。例如，商品类的潮流网站数据库、新闻资讯类的官方权威网站等等。以商品类的潮流网站数据库为例，其网站上往往记录着意见领袖(比如设计师)发布的即将上市的商品，相应的商品信息则包含了商品图片、商品名称、流行元素标签等等。

在具体实现中，可以直接从所述网站中获得第二数据的第二标签信息。

在本申请的一种优选实施例中，所述从第二信息库的第二数据中，提取出所述第二数据的第二标签信息的步骤具体可以包括如下子步骤：

子步骤1031，获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

子步骤1032，根据所述第二属性信息，分别计算所述多条第二数据的第二标签信息的权重值；

子步骤1033，提取出所述权重值超过预设的第二阈值的第二标签信息。

在本申请实施例中，所述第二属性信息可以是第二数据的介绍信息、标签信息、数量信息，以及，日期信息等等，然后根据所述第二属性信息，分别计算每一个标签信息的权重值，将超过预设的第二阈值的权重值所对应的标签信息提取为所需的第二标签信息。

例如，对于某一类可能具有“细高跟、防水台、透明”等标签信息商品，可以获得存储有如下信息的三元组(标签名，商品数，日期)，如{(“细高跟、防水台、透明”，10，20160501)，(“细高跟、防水台”，8，20160505)，(“防水台、透明”，3，20160509)...}，然后可以根据到现在日期的距离来得到一个与距离差值负相关的权重值(以下公式仅为举例，可不限于此公式)：

w_pop＝10/(20160606-20160501)+8/(20160606-20160505)+...，即距离现在越近的标签信息的权重值越大，经过这样的计算可以综合历史数据得到该标签在整体数据中的权重w_pop，进而将权重值查过预设的第二阈值的标签信息提取为第二标签信息。

步骤104，在第四信息库中查找出具有所述第一标签信息和第二标签信息的业务对象；

在本申请实施例中，所述第四信息库可以是电商网站数据库，也可以全网的商品数据库，所述具有所述第一标签信息和第二标签信息的业务对象可以是同时具有第一标签信息和第二标签信息的商品。

在本申请的一种优选实施例中，所述在第四信息库中查找出具有所述第一标签信息和第二标签信息的业务对象的步骤具体可以包括如下子步骤：

子步骤1041，遍历第四信息库中的业务对象信息，所述业务对象信息具有对应的属性信息；

子步骤1042，查找出所述属性信息中包括所述第一标签信息和第二标签信息的业务对象。

通常，可以从电子商务网站的商品数据中获得全部商品的名称以及价格、品牌、简要介绍等属性信息。因此，在获得第一标签信息和第二标签信息后，可以将所述第一标签信息和第二标签信息分别与商品的属性信息进行匹配，当所述商品的属性信息中均存在所述第一标签信息和第二标签信息时，可以认为所述商品即为需要提取的商品，从而可以执行步骤105，向用户推荐该商品。

在具体实现中，当分别从第一信息库和第二信息库的数据中提取出第一标签信息和第二标签信息后，可以根据所述第一标签信息和第二标签信息，匹配出当前有显著影响力的标签组合。例如，在从微博平台获得“细高跟”这一标签后，可以进一步与潮流网站平台获得的““细高跟、防水台、透明”等标签，组合为“细高跟”+“防水台”+“透明”标签信息组，然后，从第四信息库即电商网站数据库中查找出具有上述标签信息组的商品。

步骤105，向用户推荐所述业务对象。

在本申请的一种优选实施例中，所述所述向用户推荐所述业务对象的步骤具体可以包括如下子步骤：

子步骤1051，获取用户的身份信息，所述身份信息包括业务对象的提供方；

子步骤1052，向所述业务对象的提供方推荐所述业务对象。

在具体实现中，在向用户推荐业务对象时，可以首先对用户的身份信息进行确认，例如，所述身份信息包括业务对象的提供方。通常，对于商品而言，业务对象的提供方可以是商品的销售方，即卖家。

由于从社交网站数据库中提取的第一标签信息是经预测获得的，而潮流网站多发布的是即将上市的商品信息，因此，综合第一标签信息和第二标签信息获得的商品可以认为是中期即未来一至三个月的可能得到广泛传播或流行的商品，因此，在本申请实施例中，可以通过向卖家推荐该商品，以使卖家能够准确把握未来潮流方向，及早备货，及时地应对消费者的购买需求。

在本申请实施例中，通过分别从第一信息库和第二信息库的数据中提取出第一标签信息和第二标签信息，然后从第四信息库的数据中查找出同时具有所述第一标签信息和第二标签信息的业务对象并向用户推荐，解决了已有技术中依靠人工操作来确定所推荐的业务对象的问题，提高了获取业务对象的效率，使得所推荐的业务对象可以具有广泛的代表性，能够更好地匹配用户的需求。

参照图2，示出了本申请的一种业务对象的推荐方法实施例二的步骤流程图，具体可以包括如下步骤：

步骤201，从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在本申请实施例中，所述第二信息库可以是潮流网站数据库，所述第二数据可以是潮流网站上发布的商品信息数据。通常，潮流网站上往往记录着意见领袖(比如设计师)发布的即将上市的商品，相应的商品信息则包含了商品图片、商品名称、流行元素标签等等，因此，可以直接从所述网站中获得第二数据的第二标签信息。

在本申请的一种优选实施例中，所述从第二信息库的第二数据中，提取出所述第二数据的第二标签信息的步骤具体可以包括如下子步骤：

子步骤2011，获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

子步骤2012，根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

子步骤2013，提取出所述权重值超过预设的第二阈值的第二标签信息。

由于子步骤2011-2013与实施例一中子步骤1031-1033类似，可以互相参阅，本实施例对此不再赘述。

步骤202，获取第三信息库的第三数据，所述第三数据具有相应的第三标签信息；

在本申请实施例中，所述第三信息库可以是搜索引擎数据库，所述第四数据可以是用户的搜索关键词。

在具体实现中，可以从搜索引擎数据库中获得用户的每一条搜索的文本信息及其搜索人和搜索时间信息等。所述第四数据的第四标签信息可以是从用户的搜索文本中提取的业务对象信息。

在本申请的一种优选实施例中，在所述获取第三信息库的第三数据的步骤后，还可以包括如下步骤：

判断所述第三标签信息的搜索次数是否超过预设的第三阈值；

若是，则执行在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象的步骤。

通常，搜索次数超过一定数量的数据可以认为是当前有大量用户正在查询的数据，因此，判断搜索次数是否超过预设的第三阈值，可以准确地获得正在被用户大量搜索的业务对象信息。所述第三阈值可以根据实际需要设定，例如，可以是一百万，或者两百万，本申请对此不作限定。

步骤203，在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象；

在具体实现中，当获得第二标签信息和第三标签信息后，可以从第四信息库中查找出同时具有第二标签信息和第三标签信息的业务对象。所述第四信息库可以是电商网站数据库，也可以是全网商品数据库。

步骤204，向用户推荐所述业务对象。

在本申请的一种优选实施例中，所述向用户推荐所述业务对象的步骤具体可以包括如下子步骤：

子步骤2041，获取用户的身份信息，所述身份信息包括业务对象的提供方，和/或，业务对象的需求方；

子步骤2042，向所述业务对象的提供方，和/或，业务对象的需求方推荐所述业务对象。

在具体实现中，在向用户推荐业务对象时，可以首先对用户的身份信息进行确认，例如，所述身份信息包括业务对象的提供方，或，业务对象的需求方。通常，对于商品而言，业务对象的提供方可以是商品的销售方，即卖家，而业务对象的需求方可以是消费者，即商品的买家。

由于第三标签信息是从搜索引擎数据库中用户正在大量搜索的信息中提取的，综合第二标签信息和第三标签信息获得的商品可以认为是用户短期中正在关注的商品，因此，在本申请实施例中，可以同时向卖家和买家推荐该商品，满足双方的购买和销售需求。

参照图3，示出了本申请的一种业务对象的推荐方法实施例三的步骤流程图，具体可以包括如下步骤：

步骤301，获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；

在本申请实施例中，所述第一信息库可以是社交网站数据库，所述第一数据可以是社交媒体平台中用户发布的相关信息。例如，在微博、论坛等社交媒体平台中，用户发布的一条微博或一个帖子等，从所述微博或帖子中，可以获取到相应的属相信息，如用户的信息、微博或帖子发布的时间、评论数、转发数，以及点赞的数量等等。

步骤302，获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

如图4所示，是本申请的一种业务对象的推荐方法实施例三的原理框图。以微博为例，在用户发布微博后，可以预测该条微博在某一时间段后的传播次数，若预测在某一时间段后的传播次数可以超过预设的第一阈值，则可以认为该条微博得到了广泛的传播，能够对其他用户造成显著的影响，从而可以提取出该条微博，作为第一目标数据。

具体地，所述预测传播次数可以是预测的该条微博在一段时间后的评论数量、转发数量，或者点赞的数量，本申请对于传播次数的具体方式不作限定。

在本申请的一种优选实施例中，所述获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据的步骤具体可以包括如下子步骤：

子步骤3021，获取第一信息库的多条第一数据；

子步骤3022，采用预设模型分别计算所述多条第一数据的预测传播次数；

子步骤3023，提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

在具体实现中，可以获取到一个或多个用户发布的多条微博，采用预设模型，分别计算所述多条微博的预测传播次数，例如，预测某条微博发布一周后的评论数量、转发数量，或者点赞的数量等；然后提取出所述预测传播次数超过预设的第一阈值的微博，例如，经预测，某条微博在发布一周后可以获得超过一百万的转发数量，则可以提取出该条微博。

步骤303，从所述第一目标数据中提取出第一标签信息；

在获得预测传播次数超过预设的第一阈值的微博后，可以从所述微博中提取出相应的第一标签信息。所述第一标签信息可以是微博中所包括的某一特定业务对象信息，例如，某一商品的特征信息：“细高跟”。

步骤304，从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在本申请实施例中，所述第二信息库可以是不同类型的网站平台，具体地，可以是在本行业具有显著影响力的网站。例如，商品类的潮流网站数据库。

通常，在商品类的潮流网站中，往往记录着意见领袖(比如设计师)发布的即将上市的商品，相应的商品信息则包含了商品图片、商品名称、流行元素标签等等。例如：潮流网站中的某一款女鞋，除了有图片之外，还可以记录了细高跟、防水台等标签信息。

在本申请实施例中，可以直接从第二数据的属性信息中提取出细高跟、防水台等标签信息。

在本申请的一种优选实施例中，所述从第二信息库的第二数据中，提取出所述第二数据的第二标签信息的步骤具体可以包括如下子步骤：

子步骤3041，获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

子步骤3042，根据所述第二属性信息，分别计算所述多条第二数据的第二标签信息的权重值；

子步骤3043，提取出所述权重值超过预设的第二阈值的第二标签信息。

在本申请实施例中，所述第二属性信息可以是第二数据的介绍信息、标签信息、数量信息，以及，日期信息等等，然后根据所述第二属性信息，分别计算每一个标签信息的权重值，将超过预设的第二阈值的权重值所对应的标签信息提取为所需的第二标签信息。

例如，对于某一类可能具有“细高跟、防水台、透明”等标签信息商品，可以获得存储有如下信息的三元组(标签名，商品数，日期)，如{(“细高跟、防水台、透明”，10，20160501)，(“细高跟、防水台”，8，20160505)，(“防水台、透明”，3，20160509)...}，然后可以根据到现在日期的距离来得到一个与距离差值负相关的权重值(以下公式仅为举例，可不限于此公式)：

w_pop＝10/(20160606-20160501)+8/(20160606-20160505)+...，即距离现在越近的标签信息的权重值越大，经过这样的计算可以综合历史数据得到该标签在整体数据中的权重w_pop，进而将权重值查过预设的第二阈值的标签信息提取为第二标签信息。

步骤305，获取第三信息库的第三数据，所述第三数据具有相应的第三属性信息；

在本申请实施例中，所述第三信息库可以是搜索引擎数据库，所述第三数据可以是用户的搜索关键词。

步骤306，根据所述第三属性信息，提取所述第三数据的第三标签信息；

在具体实现中，可以从搜索引擎数据库中获得用户的每一条搜索的文本信息及其搜索人和搜索时间信息等。所述第三数据的第三标签信息可以是从用户的搜索文本中提取的业务对象信息。

在具体实现中，当从用户的搜索文本中获得第三标签信息后，可以判断所述第三标签信息的搜索次数是否查过预设的第三阈值，例如，对“细高跟”的搜索是否超过一百万人次。若是，则可以认为当前有大量用户在查询与“细高跟”相关的信息。

步骤307，在第四信息库中查找出具有所述第一标签信息和第二标签信息的第一业务对象；

在本申请实施例中，所述第四信息库可以是电商网站数据库，所述第一业务对象可以是包括第一标签信息和第二标签信息的商品。

在本申请的一种优选实施例中，所述在第四信息库中查找出具有所述第一标签信息和第二标签信息的业务对象的步骤具体可以包括如下子步骤：

子步骤3071，遍历第四信息库中的业务对象信息，所述业务对象信息具有对应的属性信息；

子步骤3072，查找出所述属性信息中包括所述第一标签信息和第二标签信息的第一业务对象。

由于子步骤3071-3072与实施例一中子步骤1041-1042类似，可以相互参阅，本实施例对此不再赘述。

步骤308，在第四信息库中查找出具有所述第二标签信息和第三标签信息的第二业务对象；

在本申请的一种优选实施例中，所述在第四信息库中查找出具有所述第二标签信息和第三标签信息的第二业务对象的步骤具体可以包括如下子步骤：

子步骤3081，遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

子步骤3082，查找出所述属性信息中包括所述第二标签信息和第三标签信息的第二业务对象。

在本申请实施例中，所述第二业务对象可以是同时包括第二标签信息和第三标签信息的商品。

通常，可以从电子商务网站的商品数据中获得全部商品的名称以及价格、品牌、简要介绍等属性信息。因此，在获得第二标签信息和第三标签信息后，可以将所述第二标签信息和第三标签信息分别与商品的属性信息进行匹配，当所述商品的属性信息中均存在所述第二标签信息和第三标签信息时，可以认为所述商品即为需要提取的商品。

步骤309，向用户推荐所述第一业务对象，和/或，第二业务对象。

在本申请实施例中，所述用户可以包括业务对象的提供方，或，业务对象的需求方。对于商品而言，业务对象的提供方可以是商品的销售方、卖家；业务对象的需求方可以是商品的买家、消费者。

在本申请的一种优选实施例中，所述向用户推荐所述第一业务对象，和/或，第二业务对象的步骤具体可以包括如下子步骤：

子步骤3091，向第一用户推荐所述第一业务对象，所述第一用户包括业务对象的提供方；

子步骤3092，向第二用户推荐所述第二业务对象，所述第二用户包括业务对象的提供方，和/或，业务对象的需求方。

在具体实现中，当分别获得第一业务对象和第二业务对象后，可以根据用户的身份信息，分别向不同的用户推荐第一业务对象，和/或，第二业务对象。

由于第一业务对象可以认为是中期即未来一至三个月的可能得到广泛传播或流行的商品，因此，可以向商品的卖家推荐第一业务对象，以使卖家能够准确把握未来潮流方向，及早备货，及时地应对消费者的购买需求；而第二业务对象可以认为是短期即目前或未来一两周内正受到广泛搜索或关注的商品，因此，可以同时向卖家和买家推荐该商品，满足双方的购买和销售需求。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。

参照图5，示出了本申请的一种业务对象的推荐装置实施例一的结构框图，具体可以包括如下模块：

第一获取模块501，用于获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；

第一提取模块502，用于根据所述第一属性信息，提取所述第一数据的第一标签信息；

第二提取模块503，用于从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

第一查找模块504，用于在第四信息库中查找出具有所述第一标签信息和第二标签信息的业务对象；

推荐模块505，用于向用户推荐所述业务对象。

在本申请实施例中，所述第一属性信息可以包括所述第一数据的预测传播次数，所述第一提取模块502具体可以包括如下子模块：

第一目标数据获取子模块，用于获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

第一标签信息提取子模块，用于从所述第一目标数据中提取出第一标签信息。

在本申请实施例中，所述第一目标数据获取子模块具体可以包括如下单元：

第一数据获取单元，用于获取第一信息库的多条第一数据；

预测传播次数确定单元，用于采用预设模型分别确定所述多条第一数据的预测传播次数；

第一目标数据提取单元，用于提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

在本申请实施例中，所述预设模型可以通过调用如下模块获得：

获取模块，用于获取第一时间段内第一信息库的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数；

构建模块，用于以所述多条第一数据及其传播次数为训练样本，构建预设模型。

在本申请实施例中，所述第二提取模块503具体可以包括如下子模块：

第二数据获取子模块，用于获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

权重值确定子模块，用于根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

第二标签信息提取子模块，用于提取出所述权重值超过预设的第二阈值的第二标签信息。

在本申请实施例中，所述第一查找模块504具体可以包括如下子模块：

第一遍历子模块，用于遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

第一查找子模块，用于查找出所述属性信息中包括所述第一标签信息和第二标签信息的业务对象。

在本申请实施例中，所述推荐模块505具体可以包括如下子模块：

身份信息获取子模块，用于获取用户的身份信息，所述身份信息可以包括业务对象的提供方；

第一推荐子模块，用于向所述业务对象的提供方推荐所述业务对象。

在本申请实施例中，所述第一信息库可以包括社交网站数据库，所述第二信息库可以包括潮流网站数据库，所述第四信息库可以包括电商网站数据库。

参照图6，示出了本申请的一种业务对象的推荐装置实施例二的结构框图，具体可以包括如下模块：

第二提取模块601，用于从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

第三获取模块602，用于获取第三信息库的第三数据，所述第三数据具有相应的第三标签信息；

第二查找模块603，用于在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象；

推荐模块604，用于向用户推荐所述业务对象。

在本申请实施例中，所述第二提取模块601具体可以包括如下子模块：

第二数据获取子模块，用于获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

权重值确定子模块，用于根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

第二标签信息提取子模块，用于提取出所述权重值超过预设的第二阈值的第二标签信息。

在本申请实施例中，所述装置还可以包括如下模块：

搜索次数判断模块605，用于判断所述第三标签信息的搜索次数是否超过预设的第三阈值；

若是，则调用第二查找模块603。

在本申请实施例中，所述推荐模块604具体可以包括如下子模块：

身份信息获取子模块6041，用于获取用户的身份信息，所述身份信息可以包括业务对象的提供方，和/或，业务对象的需求方；

第二推荐子模块6042，用于向所述业务对象的提供方，和/或，业务对象的需求方推荐所述业务对象。

在本申请实施例中，所述第二信息库可以包括潮流网站数据库，所述第三信息库可以包括搜索引擎数据库，所述第四信息库可以包括电商网站数据库。

参照图7，示出了本申请的一种业务对象的推荐装置实施例三的结构框图，具体可以包括如下模块：

第一获取模块701，用于获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；

第三获取模块702，用于获取第三信息库的第三数据，所述第三数据具有相应的第三属性信息；

第一提取模块703，用于根据所述第一属性信息，提取所述第一数据的第一标签信息；

第三提取模块704，用于根据所述第三属性信息，提取所述第三数据的第三标签信息；

第二提取模块705，用于从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

第一查找模块706，用于在第四信息库中查找出具有所述第一标签信息和第二标签信息的第一业务对象；

第二查找模块707，用于在第四信息库中查找出具有所述第二标签信息和第三标签信息的第二业务对象；

推荐模块708，用于向用户推荐所述第一业务对象，和/或，第二业务对象。

在本申请实施例中，所述第一属性信息可以包括所述第一数据的预测传播次数，所述第一提取模块703具体可以包括如下子模块：

第一目标数据获取子模块，用于获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

第一标签信息提取子模块，用于从所述第一目标数据中提取出第一标签信息。

在本申请实施例中，所述第一目标数据获取子模块具体可以包括如下单元：

第一数据获取单元，用于获取第一信息库的多条第一数据；

预测传播次数确定单元，用于采用预设模型分别确定所述多条第一数据的预测传播次数；

第一目标数据提取单元，用于提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

在本申请实施例中，所述预设模型可以通过调用如下模块获得：

获取模块，用于获取第一时间段内第一信息库的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数；

构建模块，用于以所述多条第一数据及其传播次数为训练样本，构建预设模型。

在本申请实施例中，所述第三属性信息可以包括第三数据的搜索次数，所述第三提取模块704具体可以包括如下子模块：

第三目标数据获取子模块，用于获取第三数据中搜索次数超过预设的第三阈值的第三目标数据；

第三标签信息提取子模块，用于从所述第三目标数据中提取出第三标签信息。

在本申请实施例中，所述第二提取模块705具体可以包括如下子模块：

第二数据获取子模块，用于获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

权重值确定子模块，用于根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

第二标签信息提取子模块，用于提取出所述权重值超过预设的第二阈值的第二标签信息。

在本申请实施例中，所述第一查找模块706具体可以包括如下子模块：

第一遍历子模块，用于遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

第一查找子模块，用于查找出所述属性信息中包括所述第一标签信息和第二标签信息的第一业务对象。

在本申请实施例中，所述第二查找模块707具体可以包括如下子模块：

第二遍历子模块，用于遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

第二查找子模块，言语查找出所述属性信息中包括所述第二标签信息和第三标签信息的第二业务对象。

在本申请实施例中，所述用户可以包括第一用户，和/或，第二用户，所述推荐模块708具体可以包括如下子模块：

第一推荐子模块，用于向第一用户推荐所述第一业务对象，所述第一用户可以包括业务对象的提供方；

第二推荐子模块，用于向第二用户推荐所述第二业务对象，所述第二用户可以包括业务对象的提供方，和/或，业务对象的需求方。

在本申请实施例中，所述第一信息库可以包括社交网站数据库，所述第二信息库可以包括潮流网站数据库，所述第三信息库可以包括搜索引擎数据库，所述第四信息库可以包括电商网站数据库。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例还公开了一种业务对象的推荐系统，所述系统可以包括：

一个或多个处理器；

存储器；和，

一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块可以具有如下功能：

获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；

根据所述第一属性信息，提取所述第一数据的第一标签信息；

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在网络中查找出具有所述第一标签信息和第二标签信息的业务对象；

向用户推荐所述业务对象。

在本申请实施例中，所述第一信息库可以包括社交网站数据库，所述第二信息库可以包括潮流网站数据库，所述第四信息库可以包括电商网站数据库。

本申请实施例还公开了一种业务对象的推荐系统，所述系统可以包括：

一个或多个处理器；

存储器；和，

一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块可以具有如下功能：

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

获取第三信息库的第三数据，所述第三数据具有相应的第三标签信息；

在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象；

向用户推荐所述业务对象。

在本申请实施例中，所述第二信息库可以包括潮流网站数据库，所述第三信息库可以包括搜索引擎数据库，所述第四信息库可以包括电商网站数据库。

本申请实施例还公开了一种业务对象的推荐系统，所述系统可以包括：

一个或多个处理器；

存储器；和，

一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块可以具有如下功能：

获取第一信息库的第一数据，以及，获取第三信息库的第三数据，所述第一数据具有相应的第一属性信息，所述第三数据具有相应的第三属性信息；

根据所述第一属性信息，提取所述第一数据的第一标签信息，以及，根据所述第三属性信息，提取所述第三数据的第三标签信息；

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在第四信息库中查找出具有所述第一标签信息和第二标签信息的第一业务对象，以及，在网络中查找出具有所述第二标签信息和第三标签信息的第二业务对象；

向用户推荐所述第一业务对象，和/或，第二业务对象。

在本申请实施例中，所述第一信息库可以包括社交网站数据库，所述第二信息库可以包括潮流网站数据库，所述第三信息库可以包括搜索引擎数据库，所述第四信息库可以包括电商网站数据库。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

在一个典型的配置中，所述计算机设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非持续性的电脑可读媒体(transitory media)，如调制的数据信号和载波。

本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种业务对象的推荐方法、一种业务对象的推荐装置和一种业务对象的推荐系统，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (52)

1.一种业务对象的推荐系统，其特征在于，所述系统包括：

一个或多个处理器；

存储器；和，

一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块具有如下功能：

获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；所述第一属性信息包括所述第一数据的预设传播次数；

根据所述第一属性信息，提取所述第一数据的第一标签信息；

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在网络中查找出具有所述第一标签信息和第二标签信息的业务对象；

向用户推荐所述业务对象。

2.根据权利要求1所述的系统，其特征在于，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第四信息库包括电商网站数据库。

3.一种业务对象的推荐系统，其特征在于，所述系统包括：

一个或多个处理器；

存储器；和，

一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块具有如下功能：

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

获取第三信息库的第三数据，所述第三数据具有相应的第三标签信息；所述第三标签信息的搜索次数大于预设的第三阈值；

在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象；

向用户推荐所述业务对象。

4.根据权利要求3所述的系统，其特征在于，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

5.一种业务对象的推荐系统，其特征在于，所述系统包括：

一个或多个处理器；

存储器；和，

一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块具有如下功能：

获取第一信息库的第一数据，以及，获取第三信息库的第三数据，所述第一数据具有相应的第一属性信息，所述第三数据具有相应的第三属性信息；所述第一属性信息包括所述第一数据的预设传播次数；

根据所述第一属性信息，提取所述第一数据的第一标签信息，以及，根据所述第三属性信息，提取所述第三数据的第三标签信息；

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在第四信息库中查找出具有所述第一标签信息和第二标签信息的第一业务对象，以及，在网络中查找出具有所述第二标签信息和第三标签信息的第二业务对象；

向用户推荐所述第一业务对象，和/或，第二业务对象。

6.根据权利要求5所述的系统，其特征在于，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

7.一种业务对象的推荐方法，其特征在于，包括：

获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；所述第一属性信息包括所述第一数据的预设传播次数；

根据所述第一属性信息，提取所述第一数据的第一标签信息；

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在第四信息库中查找出具有所述第一标签信息和第二标签信息的业务对象；

向用户推荐所述业务对象。

8.根据权利要求7所述的方法，其特征在于，所述第一属性信息包括所述第一数据的预测传播次数，所述根据所述第一属性信息，提取所述第一数据的第一标签信息的步骤包括：

获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

从所述第一目标数据中提取出第一标签信息。

9.根据权利要求8所述的方法，其特征在于，所述获取第一数据中预测传播次数超过预设阈值的第一目标数据的步骤包括：

获取第一信息库的多条第一数据；

采用预设模型分别确定所述多条第一数据的预测传播次数；

提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

10.根据权利要求9所述的方法，其特征在于，所述预设模型通过如下步骤获得：

获取第一时间段内第一信息库的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数；

以所述多条第一数据及其传播次数为训练样本，构建预设模型。

11.根据权利要求7-10任一所述的方法，其特征在于，所述从第二信息库的第二数据中，提取出所述第二数据的第二标签信息的步骤包括：

获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

提取出所述权重值超过预设的第二阈值的第二标签信息。

12.根据权利要求11所述的方法，其特征在于，所述在第四信息库中查找出具有所述第一标签信息和第二标签信息的业务对象的步骤包括：

遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

查找出所述属性信息中包括所述第一标签信息和第二标签信息的业务对象。

13.根据权利要求7所述的方法，其特征在于，所述向用户推荐所述业务对象的步骤包括：

获取用户的身份信息，所述身份信息包括业务对象的提供方；

向所述业务对象的提供方推荐所述业务对象。

14.根据权利要求7所述的方法，其特征在于，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第四信息库包括电商网站数据库。

15.一种业务对象的推荐方法，其特征在于，包括：

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

获取第三信息库的第三数据，所述第三数据具有相应的第三标签信息；所述第三标签信息的搜索次数大于预设的第三阈值；

在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象；

向用户推荐所述业务对象。

16.根据权利要求15所述的方法，其特征在于，所述从第二信息库的第二数据中，提取出所述第二数据的第二标签信息的步骤包括：

获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

提取出所述权重值超过预设的第二阈值的第二标签信息。

17.根据权利要求15或16所述的方法，其特征在于，在所述获取第三信息库的第三数据的步骤后，还包括：

判断所述第三标签信息的搜索次数是否超过预设的第三阈值；

若是，则执行在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象的步骤。

18.根据权利要求17所述的方法，其特征在于，所述向用户推荐所述业务对象的步骤包括：

获取用户的身份信息，所述身份信息包括业务对象的提供方，和/或，业务对象的需求方；

向所述业务对象的提供方，和/或，业务对象的需求方推荐所述业务对象。

19.根据权利要求15或18所述的方法，其特征在于，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

20.一种业务对象的推荐方法，其特征在于，包括：

获取第一信息库的第一数据，以及，获取第三信息库的第三数据，所述第一数据具有相应的第一属性信息，所述第三数据具有相应的第三属性信息；所述第一属性信息包括所述第一数据的预设传播次数；

根据所述第一属性信息，提取所述第一数据的第一标签信息，以及，根据所述第三属性信息，提取所述第三数据的第三标签信息；

从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

在第四信息库中查找出具有所述第一标签信息和第二标签信息的第一业务对象，以及，在第四信息库中查找出具有所述第二标签信息和第三标签信息的第二业务对象；

向用户推荐所述第一业务对象，和/或，第二业务对象。

21.根据权利要求20所述的方法，其特征在于，所述第一属性信息包括所述第一数据的预测传播次数，所述根据所述第一属性信息，提取所述第一数据的第一标签信息的步骤包括：

获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

从所述第一目标数据中提取出第一标签信息。

22.根据权利要求21所述的方法，其特征在于，所述获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据的步骤包括：

获取第一信息库的多条第一数据；

采用预设模型分别确定所述多条第一数据的预测传播次数；

提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

23.根据权利要求22所述的方法，其特征在于，所述预设模型通过如下步骤获得：

获取第一时间段内第一信息库的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数；

以所述多条第一数据及其传播次数为训练样本，构建预设模型。

24.根据权利要求20所述的方法，其特征在于，所述第三属性信息包括第三数据的搜索次数，所述根据所述第三属性信息，提取所述第三数据的第三标签信息的步骤包括：

获取第三数据中搜索次数超过预设的第三阈值的第三目标数据；

从所述第三目标数据中提取出第三标签信息。

25.根据权利要求20-24任一所述的方法，其特征在于，所述从第二信息库的第二数据中，提取出所述第二数据的第二标签信息的步骤包括：

获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

提取出所述权重值超过预设的第二阈值的第二标签信息。

26.根据权利要求25所述的方法，其特征在于，所述在第四信息库中查找出具有所述第一标签信息和第二标签信息的第一业务对象的步骤包括：

遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

查找出所述属性信息中包括所述第一标签信息和第二标签信息的第一业务对象。

27.根据权利要求25所述的方法，其特征在于，所述在第四信息库中查找出具有所述第二标签信息和第三标签信息的第二业务对象的步骤包括：

遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

查找出所述属性信息中包括所述第二标签信息和第三标签信息的第二业务对象。

28.根据权利要求20所述的方法，其特征在于，所述用户包括第一用户，和/或，第二用户，所述向用户推荐所述第一业务对象，和/或，第二业务对象的步骤包括：

向第一用户推荐所述第一业务对象，所述第一用户包括业务对象的提供方；

向第二用户推荐所述第二业务对象，所述第二用户包括业务对象的提供方，和/或，业务对象的需求方。

29.根据权利要求20所述的方法，其特征在于，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

30.一种业务对象的推荐装置，其特征在于，包括：

第一获取模块，用于获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；所述第一属性信息包括所述第一数据的预设传播次数；

第一提取模块，用于根据所述第一属性信息，提取所述第一数据的第一标签信息；

第二提取模块，用于从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

第一查找模块，用于在第四信息库中查找出具有所述第一标签信息和第二标签信息的业务对象；

推荐模块，用于向用户推荐所述业务对象。

31.根据权利要求30所述的装置，其特征在于，所述第一属性信息包括所述第一数据的预测传播次数，所述第一提取模块包括：

第一目标数据获取子模块，用于获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

第一标签信息提取子模块，用于从所述第一目标数据中提取出第一标签信息。

32.根据权利要求31所述的装置，其特征在于，所述第一目标数据获取子模块包括：

第一数据获取单元，用于获取第一信息库的多条第一数据；

预测传播次数确定单元，用于采用预设模型分别确定所述多条第一数据的预测传播次数；

第一目标数据提取单元，用于提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

33.根据权利要求32所述的装置，其特征在于，所述预设模型通过调用如下模块获得：

获取模块，用于获取第一时间段内第一信息库的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数；

构建模块，用于以所述多条第一数据及其传播次数为训练样本，构建预设模型。

34.根据权利要求30-33任一所述的装置，其特征在于，所述第二提取模块包括：

第二数据获取子模块，用于获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

权重值确定子模块，用于根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

第二标签信息提取子模块，用于提取出所述权重值超过预设的第二阈值的第二标签信息。

35.根据权利要求34所述的装置，其特征在于，所述第一查找模块包括：

第一遍历子模块，用于遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

第一查找子模块，用于查找出所述属性信息中包括所述第一标签信息和第二标签信息的业务对象。

36.根据权利要求30所述的装置，其特征在于，所述推荐模块包括：

身份信息获取子模块，用于获取用户的身份信息，所述身份信息包括业务对象的提供方；

第一推荐子模块，用于向所述业务对象的提供方推荐所述业务对象。

37.根据权利要求30所述的装置，其特征在于，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第四信息库包括电商网站数据库。

38.一种业务对象的推荐装置，其特征在于，包括：

第二提取模块，用于从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

第三获取模块，用于获取第三信息库的第三数据，所述第三数据具有相应的第三标签信息；所述第三标签信息的搜索次数大于预设的第三阈值；

第二查找模块，用于在第四信息库中查找出具有第二标签信息和第三标签信息的业务对象；

推荐模块，用于向用户推荐所述业务对象。

39.根据权利要求38所述的装置，其特征在于，所述第二提取模块包括：

第二数据获取子模块，用于获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

权重值确定子模块，用于根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

第二标签信息提取子模块，用于提取出所述权重值超过预设的第二阈值的第二标签信息。

40.根据权利要求38或39所述的装置，其特征在于，还包括：

搜索次数判断模块，用于判断所述第三标签信息的搜索次数是否超过预设的第三阈值；

若是，则调用第二查找模块。

41.根据权利要求40所述的装置，其特征在于，所述推荐模块包括：

身份信息获取子模块，用于获取用户的身份信息，所述身份信息包括业务对象的提供方，和/或，业务对象的需求方；

第二推荐子模块，用于向所述业务对象的提供方，和/或，业务对象的需求方推荐所述业务对象。

42.根据权利要求38或41所述的装置，其特征在于，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

43.一种业务对象的推荐装置，其特征在于，包括：

第一获取模块，用于获取第一信息库的第一数据，所述第一数据具有相应的第一属性信息；所述第一属性信息包括所述第一数据的预设传播次数；

第三获取模块，用于获取第三信息库的第三数据，所述第三数据具有相应的第三属性信息；

第一提取模块，用于根据所述第一属性信息，提取所述第一数据的第一标签信息；

第三提取模块，用于根据所述第三属性信息，提取所述第三数据的第三标签信息；

第二提取模块，用于从第二信息库的第二数据中，提取出所述第二数据的第二标签信息；

第一查找模块，用于在第四信息库中查找出具有所述第一标签信息和第二标签信息的第一业务对象；

第二查找模块，用于在第四信息库中查找出具有所述第二标签信息和第三标签信息的第二业务对象；

推荐模块，用于向用户推荐所述第一业务对象，和/或，第二业务对象。

44.根据权利要求43所述的装置，其特征在于，所述第一属性信息包括所述第一数据的预测传播次数，所述第一提取模块包括：

第一目标数据获取子模块，用于获取第一数据中预测传播次数超过预设的第一阈值的第一目标数据；

第一标签信息提取子模块，用于从所述第一目标数据中提取出第一标签信息。

45.根据权利要求44所述的装置，其特征在于，所述第一目标数据获取子模块包括：

第一数据获取单元，用于获取第一信息库的多条第一数据；

预测传播次数确定单元，用于采用预设模型分别确定所述多条第一数据的预测传播次数；

第一目标数据提取单元，用于提取出所述预测传播次数超过预设的第一阈值的第一目标数据。

46.根据权利要求45所述的装置，其特征在于，所述预设模型通过调用如下模块获得：

获取模块，用于获取第一时间段内第一信息库的多条第一数据，以及，所述多条第一数据在第二时间段内的传播次数；

构建模块，用于以所述多条第一数据及其传播次数为训练样本，构建预设模型。

47.根据权利要求43所述的装置，其特征在于，所述第三属性信息包括第三数据的搜索次数，所述第三提取模块包括：

第三目标数据获取子模块，用于获取第三数据中搜索次数超过预设的第三阈值的第三目标数据；

第三标签信息提取子模块，用于从所述第三目标数据中提取出第三标签信息。

48.根据权利要求43-47任一所述的装置，其特征在于，所述第二提取模块包括：

第二数据获取子模块，用于获取单位时间内第二信息库的多条第二数据，所述多条第二数据具有相应的第二属性信息；

权重值确定子模块，用于根据所述第二属性信息，分别确定所述多条第二数据的第二标签信息的权重值；

第二标签信息提取子模块，用于提取出所述权重值超过预设的第二阈值的第二标签信息。

49.根据权利要求48所述的装置，其特征在于，所述第一查找模块包括：

第一遍历子模块，用于遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

第一查找子模块，用于查找出所述属性信息中包括所述第一标签信息和第二标签信息的第一业务对象。

50.根据权利要求48所述的装置，其特征在于，所述第二查找模块包括：

第二遍历子模块，用于遍历第四信息库中的业务对象，所述业务对象具有对应的属性信息；

第二查找子模块，言语查找出所述属性信息中包括所述第二标签信息和第三标签信息的第二业务对象。

51.根据权利要求43所述的装置，其特征在于，所述用户包括第一用户，和/或，第二用户，所述推荐模块包括：

第一推荐子模块，用于向第一用户推荐所述第一业务对象，所述第一用户包括业务对象的提供方；

第二推荐子模块，用于向第二用户推荐所述第二业务对象，所述第二用户包括业务对象的提供方，和/或，业务对象的需求方。

52.根据权利要求43所述的装置，其特征在于，所述第一信息库包括社交网站数据库，所述第二信息库包括潮流网站数据库，所述第三信息库包括搜索引擎数据库，所述第四信息库包括电商网站数据库。

Images