CN102208087A - 信息推荐装置 - Google Patents
信息推荐装置 Download PDFInfo
- Publication number
- CN102208087A CN102208087A CN2010101585419A CN201010158541A CN102208087A CN 102208087 A CN102208087 A CN 102208087A CN 2010101585419 A CN2010101585419 A CN 2010101585419A CN 201010158541 A CN201010158541 A CN 201010158541A CN 102208087 A CN102208087 A CN 102208087A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- unit
- consumption
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于电子商务平台的信息推荐装置。该信息推荐装置(1)具备:显示单元(40),具有向用户(P)提供导购指示并显示向用户(P)推荐的商品列表的界面;输入单元(10),由用户(P)根据显示单元(40)的界面上的导购指示而输入至少包括用户(P)的姓名、居住地和行业的用户特征信息;处理单元(20),根据用户特征信息以及预先存储的多种商品(G)的商品特征信息,选择与用户(P)匹配的商品列表;以及输出单元(30),向显示单元(40)输出商品列表。
Description
技术领域
本发明涉及信息推荐装置,特别涉及基于电子商务平台的信息推荐装置。
背景技术
近年来,随着电子商务的发展,越来越多的人会到一些电子商务平台(例如,B2C购物网站)上进行消费,购买自己喜爱的商品。
但是,电子商务并不能像C2C(Customer to Customer)那样充分了解顾客的需求,为顾客提供最好的价格、商品和服务。因此,绝大多数的电子商务平台都需要一个推荐系统。
因此,专利文献1提出了一种基于数据挖掘的顾客推荐系统和方法。即基于顾客的过去的商品购买记录,利用协同过滤的方法寻找与该顾客的喜好相似的相似顾客,并根据相似顾客的购买履历,向该顾客提示推荐的商品列表。
但是,在上述顾客推荐系统和方法中,在该顾客没有在电子商务平台上进行过购物,即在没有该顾客的过去的购买记录的情况下,无法寻找相似顾客,其结果,也无法实现向该顾客提示推荐的商品列表。
专利文献1:CN101206751A
发明内容
本发明有鉴于上述的问题,以提供一种基于电子商务平台的信息推荐装置为目的,该信息推荐装置即使在用户初次登录该电子商务平台的情况下,也能够向用户提示推荐的商品列表。
一般来说,在用户初次登录该电子商务平台的情况下,用户会提供至少包括用户的姓名、居住地和行业等的有限信息。因此,本发明在用户信息不完整(例如没有用户的过去的购买记录等)的情况下,可以根据用户的这些易于得到的有限信息,向用户提示推荐的商品列表。
因此,本发明所涉及的基于电子商务平台的信息推荐装置,其特征在于,所述信息推荐装置是向使用该电子商务平台进行购物的用户推荐与所述用户的喜好相匹配的商品列表的装置,所述信息推荐装置具备:显示单元,具有向所述用户提供导购指示并显示向所述用户推荐的商品列表的界面;输入单元,由所述用户根据所述显示单元的所述界面上的所述导购指示而输入至少包括所述用户的姓名、居住地和行业的用户特征信息;处理单元,根据所述用户特征信息以及预先存储的多种商品的商品特征信息,选择与所述用户匹配的所述商品列表;以及输出单元,向所述显示单元输出所述商品列表。
这样,根据至少包括上述用户的姓名、居住地和行业的用户特征信息,就能够实现商品的推荐。此外,由于该用户特征信息易于得到,因此,本发明所涉及的信息推荐装置适用于各种电子商务平台。
另外,在上述的本发明所涉及的信息推荐装置中,所述商品特征信息至少包括所述商品的价格、销售区域和行业。
另外,在上述的本发明所涉及的信息推荐装置中,还具备:购买记录存储单元,存储所述用户在所述电子商务平台上的购买记录信息。
另外,在上述的本发明所涉及的信息推荐装置中,所述处理单元具备:消费指数计算单元,基于所述用户特征信息,计算消费指数;价格指数计算单元,基于所述商品特征信息,计算价格指数;用户特征矢量计算单元,基于所述消费指数以及所述用户特征信息,计算用户特征矢量;商品特征矢量计算单元,基于所述价格指数以及所述商品特征信息,计算商品特征矢量;匹配单元,基于所述用户特征矢量和所述商品特征矢量,计算所述用户与所述商品的匹配关联度;推荐单元,根据所述匹配关联度,选择向所述用户推荐的商品列表。
另外,在上述的本发明所涉及的信息推荐装置中,所述处理单元具备:消费指数计算单元,基于所述用户特征信息以及所述购买记录信息,计算消费指数;价格指数计算单元,基于所述商品特征信息,计算价格指数;用户特征矢量计算单元,基于所述消费指数以及所述用户特征信息,计算用户特征矢量;商品特征矢量计算单元,基于所述价格指数以及所述商品特征信息,计算商品特征矢量;匹配单元,基于所述用户特征矢量和所述商品特征矢量,计算所述用户和所述商品的匹配关联度;推荐单元,根据所述匹配关联度,选择向所述用户推荐的商品列表。
另外,在上述的本发明所涉及的信息推荐装置中,所述消费指数计算单元包括:国籍判断单元,根据所述用户的姓名,判断所述用户的国籍;人均消费额计算单元,计算具有与所述用户相同的所述国籍、行业以及居住地的全部用户在所述电子商务平台上的人均消费额;消费指数输出单元,输出对所述人均消费额进行归一化处理而得到的所述消费指数。
另外,在上述的本发明所涉及的信息推荐装置中,所述消费指数计算单元包括:国籍判断单元,根据所述用户的姓名,判断所述用户的国籍;人均消费额计算单元,计算具有与所述用户相同的所述国籍、行业以及居住地的全部用户在所述电子商务平台上的人均消费额;日均消费额计算单元,计算所述用户在所述电子商务平台上的日均消费额;叠加单元,对所述人均消费额和所述日均消费额进行叠加;消费指数输出单元,输出对叠加后的值进行归一化处理而得到的所述消费指数。
另外,在上述的本发明所涉及的信息推荐装置中,所述价格指数计算单元包括:价格统计单元,统计所述多种商品的价格;价格归一化单元,对价格进行归一化处理;价格指数输出单元,输出经所述归一化处理后的作为所述价格指数的值。
另外,在上述的本发明所涉及的信息推荐装置中,所述归一化处理使用最大最小值法或者平均数方差法。
另外,在上述的本发明所涉及的信息推荐装置中,在所述匹配单元中,所述用户特征矢量和所述商品特征矢量之间的关系通过训练而得到。
另外,在上述的本发明所涉及的信息推荐装置中,所述训练为神经网络训练。
根据上述的本发明所涉及的信息推荐装置,能够提供一种信息推荐装置,该信息推荐装置即使在用户初次登录该电子商务平台的情况下,也能够向用户提示推荐的商品列表。
附图说明
图1为表示第1实施方式所涉及的信息推荐装置1的构成的图。
图2为表示处理单元20的构成的图。
图3为表示消费指数计算单元21的构成的图。
图4为表示根据用户P的姓名计算消费指数的流程图。
图5为表示价格指数计算单元22的构成的图。
图6为表示计算商品价格指数的流程图。
图7为表示第2实施方式所涉及的信息推荐装置2的构成的图。
图8为表示处理单元20A的构成的图。
图9为信息推荐装置2的处理单元20A中的消费指数计算单元21A的构成的图。
图10为根据用户的姓名以及购买记录计算消费指数的流程图。
具体实施方式
以下,参照附图,对本发明的最佳实施方式进行详细说明。在此,在图的说明中,对同一要素标记同一符号,省略重复的说明。
(第1实施方式)
图1为表示第1实施方式所涉及的信息推荐装置1的构成的图。如图1所示,信息推荐装置1是基于电子商务平台的装置,并且是向使用该电子商务平台进行购物的用户P推荐与该用户P的喜好相匹配的商品列表的装置,具备输入单元10、处理单元20、输出单元30以及显示单元40。显示单元40具有向用户P提供导购指示并显示向用户P推荐的商品列表的界面。
在输入单元10中,在用户P初次登录该电子商务平台的情况下(例如在用户P在该电子商务平台上注册的情况下),用户P根据显示单元40中的界面上的导购指示,输入至少包括姓名、居住地和行业的用户特征信息。
在处理单元20中,根据上述的用户特征信息以及预先存储的多种商品G的商品特征信息,选择与用户P匹配的商品列表。经由输出单元30而将该生成的商品列表输出至显示单元40,从而用户P可以在显示单元40的界面上看到该商品列表。这样,信息推荐装置1实现了向用户P提示推荐的商品列表的功能。由此,用户P依据该商品列表,更容易在电子商务平台上购买到自己喜欢的商品,得到更加优质的商品、价格和服务。
在此,商品特征信息可以至少包括商品的价格、销售区域和行业。
另外,图2为表示处理单元20的构成的图。如图2所示,处理单元20具备消费指数计算单元21、价格指数计算单元22、用户特征矢量计算单元23、商品特征矢量计算单元24、匹配单元25和推荐单元26。
在消费指数计算单元21中,基于用户特征信息,计算消费指数。
图3为表示消费指数计算单元21的构成的图。如图3所示,消费指数计算单元21具备国籍判断单元210、人均消费额计算单元211、以及消费指数输出单元212。
图4为表示根据用户P的姓名计算消费指数的流程图。首先,在国籍判断单元210中,根据用户P的姓名,判断其国籍。上述用户P的国籍由用户P的姓名推出,不妨设Pf为姓在某一个国家姓氏库中的概率,Pn为名在某一个国家姓氏库中的概率,则P=Pf×Pn为整个姓名的概率,只要比较整个姓名的概率P,即可得到所属的国家。如“桥本龙太郎”,其中“桥本”是姓,“龙太郎”是名,经统计,“桥本”在日本姓氏库中的概率为10%,在中国姓氏库中概率为0.01%,“龙太郎”在日本姓氏库中的概率为3%,“龙太郎”在中国姓氏库中概率为0.2%。则“桥本龙太郎”为日本姓名的概率为10%×3%=0.003,为中国姓名的概率为0.01%×0.2%=0.000002,所在“桥本龙太郎”为日本姓名,判定该用户P的国籍为日本。
接着,在人均消费额计算单元211中,计算具有与用户P相同的国籍、行业以及居住地的全部用户在该电子商务平台上的人均消费额。接着,在消费指数输出单元212中,对该人均消费额进行归一化处理,并输出作为消费指数的归一化处理后的结果。
另外,图5为表示价格指数计算单元22的构成的图。价格指数计算单元22具备价格统计单元220、价格归一化单元221、以及价格指数输出单元222。
图6为表示计算商品的价格指数的流程图。首先,在价格统计单元220中,对某一商品分类中的商品进行取样,并统计出该样本中的所有商品G的价格。接着,在价格归一化单元221中,对该所有商品G的价格进行归一化处理。接着,在价格指数输出单元222中,输出作为价格指数的归一化处理后的值。
在此,归一化处理可以采用最大最小值法,即y=(x-MinValue)/(MaxValue-MinValue)。其中,x、y分别为转换前后的值,MaxValue、MinValue分别为样本的最大值和最小值。
此外,归一化处理并不限于上述的最大最小值法,也可以使用其他的归一化方法,例如采用平均数方差法,即y=(x-mean(Y))/var(Y)。其中,mean(Y)是所有商品的价格的平均值,var(Y)是所有商品的价格的方差。
在用户特征矢量计算单元23中,基于计算出的消费指数和用户特征信息,计算用户特征矢量。在此,用户特征矢量为:(消费指数,居住地,行业)。
在商品特征矢量计算单元24中,基于计算出的价格指数和商品特征信息,计算商品特征矢量。在此,商品特征矢量为:(价格指数,销售区域,行业)。
在获取用户特征矢量和商品特征矢量之后,在匹配单元25中进行匹配,匹配的核心公式为下述式(1)。
其中,A是用户P和商品G之间的匹配关联度,k是用户特征矢量和商品特征矢量中的元素的编号,1代表用户特征矢量和商品特征矢量中的第1个元素(即消费指数和价格指数),2代表用户特征矢量和商品特征矢量中的第2个元素(即居住地和销售区域),3代表用户特征矢量和商品特征矢量中的第3个元素(即用户P和商品G的行业),λk是第k个元素的权重。λk可以通过统计方式获得,例如对N个人进行统计,发现有M1个人喜欢某个商品是因为商品的价格指数,M2个人喜欢某个商品是因为商品的销售区域,M3个人喜欢某个商品是因为商品的行业,则λ1=M1/N,λ2=M2/N,λ3=M3/N,并且N=M1+M2+M3。
在上述式(1)中,用户的居住地和商品的销售区域之间的关系以及用户和商品的行业之间的关系可以通过训练得到,而不是人为得到的。例如,它们可以通过神经网络训练得到。另外,用户的居住地、商品的销售区域以及用户和商品的行业不仅是简单的筛选,也参与计算。
因此,地理位置(即用户的居住地和商品的销售区域之间的关系)关联度和行业(即用户和商品的行业)关联度需要通过离线统计而得到。
例如通过Google Map数据库得出各个国家经度和纬度范围,通过计算得出国家之间的地理位置关联度,例如(英国,法国)=0.9,(英国,土耳其)=0.7,(英国,日本)=0.3,(英国,刚果)=0.1。
根据已有的行业分类树形结构,进行行业关联度统计。例如(纺织,化工)=0.9,(纺织,印染)=0.7,(纺织,销售)=0.3,(纺织,军火)=0.1。
最后,推荐单元26根据计算出的用户和商品的匹配关联度A,选择匹配关联度A最大时的商品作为推荐的商品,并将其输出至输出单元30。
(第2实施方式)
第2实施方式所涉及的信息推荐装置2,除了还具备购买记录存储单元50、以及处理单元20A中的消费指数计算单元21A的构成不同之外,与第1实施方式所涉及的信息推荐装置1相同,因而省略其它构成的说明。
图7为表示第2实施方式所涉及的信息推荐装置2的构成的图。即在第2实施方式所涉及的信息推荐装置2中,通过购买记录存储单元50存储用户在注册后,在该电子商务平台上的购买记录,从而除了用户特征信息之外,还根据该购买记录计算消费指数。这样做,可以使得到的消费指数更加精确。
图8为信息推荐装置2的处理单元20A中的消费指数计算单元21A的构成的图。如图8所示,在消费指数计算单元21A中,具备国籍判断单元210、人均消费额计算单元211、日均消费额计算单元214、叠加单元215和消费指数输出单元213。
图9为根据用户的姓名以及购买记录计算消费指数的流程图。如图9所示,首先,与第1实施方式相同,计算人均消费额。接着,根据用户P在该商务平台上的所有的购买记录,计算出该用户P平均每天的购买额,得到日均消费额。接着,叠加该两部分并通过归一化处理而得到用户的消费指数。
(实施例1)
实施例1为利用本发明所涉及的信息推荐装置而对用户进行推荐的一个例子。
如表1所示,用户的用户特征信息为(姓名1、上海、电子)。即该用户的姓名为姓名1,居住地为上海,所属行业为电子行业。商品有硬盘、T恤、电视机。
[表1]
匹配关联度 | 用户特征信息 | 商品特征信息 |
0.982 | (姓名1,上海,电子) | 硬盘(价格1,东亚,计算机业) |
0.981 | (姓名1,上海,电子) | T恤(价格2,东亚,纺织) |
0.98 | (姓名1,上海,电子) | 电视机(价格3,东亚,电子业) |
然后,利用上述信息推荐装置,计算该用户的消费指数以及商品的价格指数,结果如表2所示。即该用户的消费指数为0.85,商品的价格指数分别为0.76、0.76、0.50。
[表2]
匹配关联度 | 用户特征矢量 | 商品特征矢量 |
0.982 | (0.85,上海,电子) | 硬盘(0.76,东亚,计算机业) |
0.981 | (0.85,上海,电子) | T恤(0.76,东亚,纺织) |
0.98 | (0.85,上海,电子) | 电视机(0.50,东亚,电子业) |
如表1和2所示,对该用户来说,硬盘(价格1,东亚,计算机业)与该用户之间的匹配关联度最高,因此,信息推荐装置1向该用户推荐硬盘。
以上,对本发明所涉及的信息推荐装置的具体实施方式以及实施例进行了说明。
但是,本发明所涉及的信息推荐装置并不限于上述的具体的实施方式和实施例,本领域技术人员在不偏离本发明的实质精神和范围的情况下可以根据需要对本发明进行变形和变化。这些变形和变化均落入本发明的范围内。
例如,在本发明中,信息推荐装置具有输入单元和显示单元,但是,也可以使用已有的输入单元和显示单元例如家庭电脑等,并将它们通过互联网与信息推荐装置连接。
另外,作为用户特征信息,不限于用户的姓名、居住地和行业,也可以包括例如用户的年龄等。作为商品特征信息,不限于商品的价格、销售区域、行业,也可以包括商品的产地等。
另外,对于多个用户和多个商品进行匹配,与上述实施方式相同。这是由于最终还是要具体到某一个用户或商品。
Claims (11)
1.一种基于电子商务平台的信息推荐装置,其特征在于,
所述信息推荐装置是向使用该电子商务平台进行购物的用户推荐与所述用户的喜好相匹配的商品列表的装置,
所述信息推荐装置具备:
显示单元,具有向所述用户提供导购指示并显示向所述用户推荐的商品列表的界面;
输入单元,由所述用户根据所述显示单元的所述界面上的所述导购指示而输入至少包括所述用户的姓名、居住地和行业的用户特征信息;
处理单元,根据所述用户特征信息以及预先存储的多种商品的商品特征信息,选择与所述用户匹配的所述商品列表;以及
输出单元,向所述显示单元输出所述商品列表。
2.根据权利要求1所述的信息推荐装置,其特征在于,
所述商品特征信息至少包括所述商品的价格、销售区域和行业。
3.根据权利要求1或者2所述的信息推荐装置,其特征在于,
还具备:
购买记录存储单元,存储所述用户在所述电子商务平台上的购买记录信息。
4.根据权利要求2所述的信息推荐装置,其特征在于,
所述处理单元具备:
消费指数计算单元,基于所述用户特征信息,计算消费指数;
价格指数计算单元,基于所述商品特征信息,计算价格指数;
用户特征矢量计算单元,基于所述消费指数以及所述用户特征信息,计算用户特征矢量;
商品特征矢量计算单元,基于所述价格指数以及所述商品特征信息,计算商品特征矢量;
匹配单元,基于所述用户特征矢量和所述商品特征矢量,计算所述用户与所述商品的匹配关联度;
推荐单元,根据所述匹配关联度,选择向所述用户推荐的商品列表。
5.根据权利要求3所述的信息推荐装置,其特征在于,
所述处理单元具备:
消费指数计算单元,基于所述用户特征信息以及所述购买记录信息,计算消费指数;
价格指数计算单元,基于所述商品特征信息,计算价格指数;
用户特征矢量计算单元,基于所述消费指数以及所述用户特征信息,计算用户特征矢量;
商品特征矢量计算单元,基于所述价格指数以及所述商品特征信息,计算商品特征矢量;
匹配单元,基于所述用户特征矢量和所述商品特征矢量,计算所述用户和所述商品的匹配关联度;
推荐单元,根据所述匹配关联度,选择向所述用户推荐的商品列表。
6.根据权利要求4所述的信息推荐装置,其特征在于,
所述消费指数计算单元包括:
国籍判断单元,根据所述用户的姓名,判断所述用户的国籍;
人均消费额计算单元,计算具有与所述用户相同的所述国籍、行业以及居住地的全部用户在所述电子商务平台上的人均消费额;
消费指数输出单元,输出对所述人均消费额进行归一化处理而得到的所述消费指数。
7.根据权利要求5所述的信息推荐装置,其特征在于,
所述消费指数计算单元包括:
国籍判断单元,根据所述用户的姓名,判断所述用户的国籍;
人均消费额计算单元,计算具有与所述用户相同的所述国籍、行业以及居住地的全部用户在所述电子商务平台上的人均消费额;
日均消费额计算单元,计算所述用户在所述电子商务平台上的日均消费额;
叠加单元,对所述人均消费额和所述日均消费额进行叠加;
消费指数输出单元,输出对叠加后的值进行归一化处理而得到的所述消费指数。
8.根据权利要求4或者5所述的信息推荐装置,其特征在于,
所述价格指数计算单元包括:
价格统计单元,统计所述多种商品的价格;
价格归一化单元,对价格进行归一化处理;
价格指数输出单元,输出经所述归一化处理后的作为所述价格指数的值。
9.根据权利要求8所述的信息推荐装置,其特征在于,
所述归一化处理使用最大最小值法或者平均数方差法。
10.根据权利要求4或者5所述的信息推荐装置,其特征在于,
在所述匹配单元中,所述用户特征矢量和所述商品特征矢量之间的关系通过训练而得到。
11.根据权利要求10所述的信息推荐装置,其特征在于,
所述训练为神经网络训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101585419A CN102208087A (zh) | 2010-03-30 | 2010-03-30 | 信息推荐装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101585419A CN102208087A (zh) | 2010-03-30 | 2010-03-30 | 信息推荐装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102208087A true CN102208087A (zh) | 2011-10-05 |
Family
ID=44696905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101585419A Pending CN102208087A (zh) | 2010-03-30 | 2010-03-30 | 信息推荐装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102208087A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559758A (zh) * | 2013-11-06 | 2014-02-05 | 上海煦荣信息技术有限公司 | 一种智能化的售货系统及售货方法 |
CN103577472A (zh) * | 2012-08-03 | 2014-02-12 | 纽海信息技术(上海)有限公司 | 个人信息获得、推定、商品的分类、检索方法及系统 |
WO2014194657A1 (zh) * | 2013-06-05 | 2014-12-11 | 北京京东尚科信息技术有限公司 | 产品信息推荐方法、装置和系统 |
CN104240102A (zh) * | 2013-06-06 | 2014-12-24 | 腾讯科技(深圳)有限公司 | 虚拟产品的推送方法和系统 |
WO2015103964A1 (en) * | 2014-01-10 | 2015-07-16 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus, and device for determining target user |
CN106296257A (zh) * | 2015-06-11 | 2017-01-04 | 苏宁云商集团股份有限公司 | 一种基于用户行为分析的固定广告位投放方法及系统 |
CN107209907A (zh) * | 2014-12-14 | 2017-09-26 | 键和田芳光 | 利用个人信息的订购系统 |
CN107609903A (zh) * | 2017-08-31 | 2018-01-19 | 重庆科邦尼尼科技有限公司 | 信息推送平台 |
CN108763378A (zh) * | 2018-05-18 | 2018-11-06 | 深圳春沐源控股有限公司 | 信息展示方法及信息展示系统 |
CN110109901A (zh) * | 2018-02-02 | 2019-08-09 | 北京京东尚科信息技术有限公司 | 筛选目标对象的方法和装置 |
-
2010
- 2010-03-30 CN CN2010101585419A patent/CN102208087A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577472B (zh) * | 2012-08-03 | 2018-11-02 | 北京京东尚科信息技术有限公司 | 个人信息获得、推定、商品的分类、检索方法及系统 |
CN103577472A (zh) * | 2012-08-03 | 2014-02-12 | 纽海信息技术(上海)有限公司 | 个人信息获得、推定、商品的分类、检索方法及系统 |
RU2641268C2 (ru) * | 2013-06-05 | 2018-01-16 | Бэйцзин Цзиндун Шанкэ Информейшн Текнолоджи Ко., Лтд | Способ, устройство и система для рекомендации информации о продукте |
CN104217334A (zh) * | 2013-06-05 | 2014-12-17 | 北京京东尚科信息技术有限公司 | 一种产品信息推荐方法、装置和系统 |
WO2014194657A1 (zh) * | 2013-06-05 | 2014-12-11 | 北京京东尚科信息技术有限公司 | 产品信息推荐方法、装置和系统 |
CN104240102A (zh) * | 2013-06-06 | 2014-12-24 | 腾讯科技(深圳)有限公司 | 虚拟产品的推送方法和系统 |
CN103559758B (zh) * | 2013-11-06 | 2015-12-30 | 上海煦荣信息技术有限公司 | 一种智能化的售货系统及售货方法 |
CN103559758A (zh) * | 2013-11-06 | 2014-02-05 | 上海煦荣信息技术有限公司 | 一种智能化的售货系统及售货方法 |
WO2015103964A1 (en) * | 2014-01-10 | 2015-07-16 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus, and device for determining target user |
CN107209907A (zh) * | 2014-12-14 | 2017-09-26 | 键和田芳光 | 利用个人信息的订购系统 |
CN106296257A (zh) * | 2015-06-11 | 2017-01-04 | 苏宁云商集团股份有限公司 | 一种基于用户行为分析的固定广告位投放方法及系统 |
CN107609903A (zh) * | 2017-08-31 | 2018-01-19 | 重庆科邦尼尼科技有限公司 | 信息推送平台 |
CN110109901A (zh) * | 2018-02-02 | 2019-08-09 | 北京京东尚科信息技术有限公司 | 筛选目标对象的方法和装置 |
CN110109901B (zh) * | 2018-02-02 | 2024-05-24 | 北京京东尚科信息技术有限公司 | 筛选目标对象的方法和装置 |
CN108763378A (zh) * | 2018-05-18 | 2018-11-06 | 深圳春沐源控股有限公司 | 信息展示方法及信息展示系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102208087A (zh) | 信息推荐装置 | |
CN103412948B (zh) | 基于聚类的协同过滤的商品推荐方法及系统 | |
US11301905B2 (en) | Heuristic clustering | |
Kowalewksi | Regionalization of national input–output tables: empirical evidence on the use of the FLQ formula | |
KR100779592B1 (ko) | 소비자패널의 영수증 및 설문을 이용하는 정보제공시스템및 정보제공방법 | |
Vaithianathan | A review of e-commerce literature on India and research agenda for the future | |
Brengman et al. | Segmenting Internet shoppers based on their Web-usage-related lifestyle: a cross-cultural validation | |
De Maeyer et al. | Consumer perceptions of third party product quality ratings | |
EP4198864A1 (en) | User feature-based page display method and apparatus, medium, and electronic device | |
Sharma | Testing the asymmetric effects of the economic policy uncertainty on the tourism demand in India | |
Moyer | International market analysis | |
CN104813315A (zh) | 顾客数据分析/验证系统 | |
CN106530001A (zh) | 信息推荐方法及装置 | |
CN103412865B (zh) | 网站项目的通知方法和系统 | |
CN102385727A (zh) | Id价值评价设备,id价值评价系统和id价值评价方法 | |
Ballestar et al. | Social networks on cashback websites | |
CN112488863A (zh) | 一种在用户冷启动场景下的险种推荐方法及相关设备 | |
CN110188268A (zh) | 一种基于标签和时间信息的个性化推荐方法 | |
KR100823853B1 (ko) | 인구통계학적 속성과 구매이력을 이용한 개인화 콘텐츠추천 방법 | |
US11966933B2 (en) | System and method for correlating and enhancing data obtained from distributed sources in a network of distributed computer systems | |
Wilms et al. | Multiclass vector auto-regressive models for multistore sales data | |
CN102722567B (zh) | 一种站内信息的筛选方法和装置 | |
Lee | A Study on the Impact of Social Commerce Purchase Decision Factors on Customer Satisfaction, Customer Loyalty and Repurchase Intention | |
Li | Main factors affecting the online service satisfaction an empirical study in china | |
Sun et al. | Exploring critical success factors of mobile recommendation systems: the end user perspective |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111005 |