CN102385601B - 一种产品信息的推荐方法及系统 - Google Patents
一种产品信息的推荐方法及系统 Download PDFInfo
- Publication number
- CN102385601B CN102385601B CN201010273633.1A CN201010273633A CN102385601B CN 102385601 B CN102385601 B CN 102385601B CN 201010273633 A CN201010273633 A CN 201010273633A CN 102385601 B CN102385601 B CN 102385601B
- Authority
- CN
- China
- Prior art keywords
- product
- user
- products
- recommended
- recommended products
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Abstract
本申请公开了一种产品信息的推荐方法及系统,所述方法包括:预先确定用户的推荐产品集和/或产品的推荐产品集;获取第一用户的网络操作,根据第一用户的网络操作确定产品推荐类型;根据确定的产品推荐类型,从第一用户的推荐产品集和/或所述网络操作关联的第一产品的推荐产品集中确定在对应的产品推荐类型下所需为第一用户推荐的产品信息。该方法及系统能够更为准确的确定用户可能需要的产品信息。
Description
技术领域
本申请涉及数据处理技术,尤其涉及一种产品信息的推荐方法及系统。
背景技术
在互联网技术中,网站经常需要向用户推荐各种产品信息,例如电子商务网站在网页上向用户推荐用户可能感兴趣的商品等。通过这种推荐的方式,来缩短用户寻找所需要产品的路径,提升用户体验。
一般的,网站在进行产品的推荐时,根据用户对于某些产品的历史操作数据,例如用户的产品购买历史数据等,使用相关性算法确定其他产品与所购买产品之间的关联关系,从而将与用户所购买的产品关联性较强的产品信息推荐给用户。
但是,这种推荐方法只考虑用户的历史操作数据,并未综合考虑其他与用户感兴趣的产品相关联的信息,因此,推荐结果往往很不准确;特别地,当用户为新用户时,由于并不存在历史操作数据,此时甚至难以为用户进行产品的推荐。
而且,现有的相关性算法本身对系统资源消耗较大,而且,对所有的产品都需要进行与其他产品之间的关联关系的计算,所处理的数据量大,速度较慢,尤其是在海量用户、海量产品、海量访问数据的情况下,对于数据的处理速度缓慢,且资源消耗更为严重,从而难以满足推荐系统的及时性要求。
发明内容
有鉴于此,本申请要解决的技术问题是,提供一种产品信息的推荐方法及系统,能够更为及时、准确的向用户推荐其可能需要的产品信息。
为此,本申请实施例采用如下技术方案:
本申请实施例提供一种产品信息的推荐方法,包括:
预先确定用户的推荐产品集和/或产品的推荐产品集;
获取第一用户的网络操作,根据第一用户的网络操作确定产品推荐类型;
根据确定的产品推荐类型,从第一用户的推荐产品集和/或所述网络操作关联的第一产品的推荐产品集中确定在对应的产品推荐类型下所需为第一用户推荐的产品信息。
还提供一种产品信息的推荐系统,其特征在于,包括:
第一确定单元,用于预先确定用户的推荐产品集和/或产品的推荐产品集;
第二确定单元,用于获取第一用户的网络操作,根据第一用户的网络操作确定产品推荐类型;
第三确定单元,用于根据确定的产品推荐类型,从第一用户的推荐产品集和/或所述网络操作关联的第一产品的推荐产品集中确定在对应的产品推荐类型下所需为第一用户推荐的产品信息。
对于上述技术方案的技术效果分析如下:
预先确定用户和产品的推荐产品集,并且将为用户进行的产品推荐分为至少两种推荐类型,从而根据用户的网络操作确定为用户进行推荐的产品推荐类型,进而根据产品推荐类型确定所需为用户推荐的产品信息,从而提高了为用户推荐产品信息的准确度;
而且,根据用户的各种特性信息、产品的特性信息以及用户在一定时间段内所关注产品的信息,据此确定每一用户的推荐产品集和每一产品的推荐产品集,由于在该推荐方法中综合考虑了用户和产品的特性信息,因此,推荐结果相较于现有技术更为合理、准确;
而且,通过辅助推荐产品集的建立,即使新用户进行网络操作,或者用户对新产品进行网络操作,也可以通过辅助推荐产品集基于用户或基于产品进行产品的推荐,实现为新用户或新产品进行相关产品推荐;
本申请在进行产品推荐时,仅基于预设的一个时间段内的数据确定用户和产品的基础推荐产品集,而且,限定了基础推荐产品集的最大推荐产品数量;甚至,可以仅为基础产品集数目满足某一数目阈值的用户,或者在一个时间段内浏览次数达到某一浏览次数阈值的产品确定基础推荐产品集,从而大大减少了基础推荐产品集的数据量,降低了对于系统资源的要求,提高了产品推荐的速度,即使在海量用户、海量产品、海量产品数据的情况下,也能够及时地为用户进行产品推荐。
本申请的产品信息推荐方法并非一定具有以上所有效果。
附图说明
图1为本申请应用场景下的网络结构示例;
图2为本申请一种产品信息的推荐方法流程示意图;
图3为本申请另一种产品信息的推荐方法流程示意图;
图4为本申请一种产品信息的推荐系统结构示意图。
具体实施方式
以下,结合附图详细说明本申请产品信息的推荐方法及系统的实现。
在图1所示的网络结构中,用户通过客户端11与服务器12之间进行通信,以从服务器12中获取所感兴趣产品的产品信息;并且,服务器12还可以向用户所在的客户端11返回向用户推荐的产品信息。
如图1所示,在实际应用中,可能有多个用户分别通过不同的客户端访问服务器12。相应的,服务器12需要向每个用户所在的客户端返回推荐给对应用户的产品信息。
如图2所示,服务器12执行以下步骤:
步骤201:预先确定每一用户的推荐产品集和/或每一产品的推荐产品集;
所述推荐产品集由若干个产品构成。所述推荐产品集中产品数量可以自主设定,这里并不限制。
所述推荐产品集可以包括:基础推荐产品集和/或辅助推荐产品集,在图3的实施例中将详细描述基础推荐产品集和辅助推荐产品集的构建方法,这里不赘述。
步骤202:获取第一用户的网络操作,根据第一用户的网络操作确定产品推荐类型;
所述产品推荐类型可以包括:基于用户的产品推荐和基于产品的产品推荐。
所述基于用户的产品推荐是指:基于用户的偏好信息及历史访问行为为用户推荐其可能感兴趣的产品。
所述基于产品的产品推荐是指:基于产品的之间的相关性,为用户当前关注的产品推荐相关的产品。
步骤203:根据确定的产品推荐类型,从第一用户的推荐产品集和/或所述网络操作关联的第一产品的推荐产品集中确定在对应的产品推荐类型下所需为第一用户推荐的产品信息。
其中,当产品推荐类型为基于用户的产品推荐时,将从用户的推荐产品集中确定需要为用户推荐的产品信息;当产品推荐类型为基于产品的产品推荐时,将从产品的推荐产品集中确定所需为用户推荐的产品信息。
图2所示的推荐方法中,预先确定用户和产品的推荐产品集,并且将为用户进行的产品推荐分为至少两种推荐类型,从而根据用户的网络操作确定为用户进行推荐的产品推荐类型,进而根据产品推荐类型确定所需为用户推荐的产品信息,从而提高了为用户推荐产品信息的准确度。
以下,在图2的基础上通过图3对本申请产品推荐方法进行更为详细的说明。
如图3所示,该方法包括:
步骤301:确定每一用户的特性信息、每一产品的特性信息、每一用户在预设的第一时间段内对产品的关注度信息以及每一用户在预设的第二时间段内对产品的关注度信息。
每个用户的特性信息可以包括:用户的来源地区,偏好产品子类目,价格区间,品牌,风格,颜色,材质,用户活跃度,用户诚信度等属性字段。
而每个产品的特性信息可以包括:产品的子类目、价格、品牌、风格、颜色、材质、信息质量评级、热销度、关注度、发布时间等属性字段。
用户对产品的关注度信息包括:每一用户对各种产品的关注度值以及该用户的来源地区。
所述第一时间段的长度可以自主设定,例如可以为一个月或者10天、20天等等,这里并不限定。这里,可以基于用户信息及行为等数据通过统计分析和数据挖掘确定每一用户的特性信息和每一产品的特性信息。
在实际应用中,一般可以通过数据库的形式分别对所有用户的特性信息和所有产品的特性信息进行存储,例如,建立用户特性数据库,以存储每个用户的特性信息;建立产品特性数据库,以存储每一产品的特性信息。
步骤302:根据上述信息确定每一用户的推荐产品集和每一产品的推荐产品集。
具体的,每一用户的推荐产品集可以包括:基础推荐产品集和/或辅助推荐产品集。
其中,每一用户的基础推荐产品集的确定方法可以包括:
从该用户的特性信息中获取用户对应的偏好产品子类目;根据产品的特性信息查找子类目属于该偏好产品子类目的所有产品;从查找到的所述产品中选择第二预设数目个产品构成该用户的基础推荐产品集。
或者,每一用户的基础推荐产品集的确定方法可以包括:
从该用户的特性信息中获取用户对应的偏好产品子类目;根据产品的特性信息查找子类目属于该偏好产品子类目的所有产品;并且,
根据各个用户在预设的第一时间段内的产品关注度信息计算该用户与其他用户之间的相关性;根据各个用户在预设的第二时间段内的产品关注度信息,查找与该用户相关性最高的预设第三数目个用户在第二时间段内所关注的产品;
从查找到的所有产品信息中选择第二预设数目个产品构成该用户的基础推荐产品集。
其中,在确定用户之间的相关性时,可以使用基于用户的协同过滤算法实现。
在具体实现中,除了可以通过预设第一时间段,以便减少用户的基础推荐产品集确定过程中所需处理的数据量外,还可以进一步对确定用户的基础推荐产品集这一步骤进行限定,从而减少用户的基础推荐产品集的数据量,具体的,可以判断所确定的用户基础推荐产品集中产品数目是否超过某一预设的数目阈值,如果没有超过,则不确定该用户的基础推荐产品集,也即:对于基础推荐产品数量不超过某一数目阈值的用户,不建立该用户的基础推荐产品集;只有基础推荐产品数量超过该数目阈值的用户,才建立该用户的基础推荐产品集。对于未建立基础推荐产品集的用户,需要根据用户的辅助推荐产品集进行该用户的产品推荐。
所述确定每一用户的辅助推荐产品集包括:
从该用户的特性信息中获取该用户的来源地区;根据产品的特性信息,查找属于该用户的来源地区的产品中热销度和/或关注度和/或发布时间最靠前的第四预设数目个产品构成该用户的辅助推荐产品集。
对于每一产品,推荐产品集也可以包括:基础推荐产品集,或者,基础推荐产品集和辅助推荐产品集。其中,
所述预先确定每一产品的基础推荐结果集可以包括:
根据每一用户在预设的第一时间段内对产品的关注度信息计算产品之间的相关度;
对于每一产品,选择与该产品的相关度最高的第一预设数目个产品构成该产品的基础推荐产品集。
其中,在确定产品之间的相关度时可以使用产品关联规则推荐算法和产品相关性推荐算法等实现。
与用户的基础推荐产品集确定过程相同的,在确定产品的基础推荐产品集时,也可以现筛选需要建立基础推荐产品集的产品,具体地,可以判断该产品在一预设时间段内的浏览次数是否超过一预设浏览次数阈值,不超过时,不为该产品确定基础推荐产品集;超过时,在确定该产品的基础推荐产品集。对于未建立基础推荐产品集的产品,需要通过该产品的辅助推荐产品集确定该产品的推荐产品。
所述确定每一用户的辅助推荐产品集包括:
确定每一用户的特性信息和每一产品的特性信息;
对于每一用户,从该用户的特性信息中获取该用户的来源地区;根据产品的特性信息,查找属于该用户的来源地区的产品中、热销度和/或关注度和/或发布时间最靠前的第四预设数目个产品构成该用户的辅助推荐产品集。
所述确定产品的辅助推荐产品集包括:
根据各个用户在预设的第一时间段内的产品关注度信息确定每一来源地区关注度最高的子类目下的第五预设数目个产品构成基于产品的辅助推荐结果集。
以上的步骤301和步骤302为服务器为响应用户的网络操作而进行的准备步骤,以下,则为根据用户的网络操作而进行推荐产品的过程:
步骤303:获取第一用户的网络操作。
该第一用户泛指任一进行网络操作的用户。
所述网络操作可以包括:用户打开服务器为用户提供的网页、用户点击查看网页中的某一产品、购买某一产品等。
步骤304:根据第一用户的网络操作确定所需为第一用户提供的产品推荐类型。
其中,当用户的网络操作不涉及产品时,则确定的产品推荐类型一般为:基于用户的产品推荐,例如,用户打开服务器为用户提供的某一网页。
而当用户的网络操作涉及到产品时,如用户点击查看网页中的某一产品或者购买某一产品时,则确定的产品推荐类型可以为:基于用户的产品推荐和/或基于产品的产品推荐。
当所述产品推荐类型为基于用户的产品推荐时,通过步骤305~步骤306描述;当所述产品推荐类型为基于产品的产品推荐时,通过步骤307~步骤308描述。当然,在实际应用中将根据步骤304中所确定的产品推荐类型来确定执行步骤305~步骤306和/或步骤307~步骤308。并且,当步骤304中确定两种推荐类型都执行时,步骤305~步骤306和步骤307~步骤308可以同时或者先后执行,执行顺序不限制。
步骤305:从第一用户的基础推荐产品集中获取第六预设数目个产品;并且,当基础推荐产品集中产品数目小于所述第六预设数目时,从第一用户的辅助推荐产品集中获取差额个产品以获取到所述第六预设数目个产品。
其中,当未预设辅助推荐产品集时,将不包括获取所述差额个产品的步骤。
步骤306:将所述第六预设数目个产品按照预设第一规则排序,选择排序位置靠前的第七预设数目个产品作为所述所需为第一用户推荐的产品信息。
具体的,可以根据用户的偏好特性预设排序规则,如符合用户偏好的价格、品牌、风格、颜色、材质的产品优先,并且,可以将用户在某一段时间内已经关注过的产品的优先级降低,从而使得排序结果中位置靠前的产品将更贴近用户感兴趣的产品。
步骤307:从第一产品的基础推荐产品集中获取第八预设数目个产品;并且,当基础推荐产品集中产品数目小于所述第八预设数目时,从第一产品同类目的辅助推荐产品集中获取差额个产品以获取到所述第八预设数目个产品;
步骤308:将所述第八预设数目个产品按照预设第二规则排序,选择排序位置靠前的第九预设数目个产品作为所述所需为第一用户推荐的产品信息。
具体的,在进行排序时,可以根据产品之间的相关度来进行排序,并且,可以将用户在某一段时间内已经关注过的产品的优先级降低,从而使得排序结果中位置靠前的产品将更贴近用户感兴趣的产品。
步骤309:将所述所需为第一用户推荐的产品信息向用户展现。
其中,由于产品推荐的类型分为两种,因此,在进行推荐的产品信息展现时,最好也根据两种推荐类型进行区分,以便用户对于推荐的产品信息更为一目了然。
例如在电子商务网页中,可以在用户进入购买产品列表时进行推荐,包括两个产品推荐的展示栏,“购买了该产品的用户还购买了”展示栏展示基于产品的产品推荐类型下得到的产品信息,根据最后加入购买产品列表的产品推荐与其相关的其他产品,以便实现产品之间的交叉销售;“其它可能感兴趣的推荐”展示栏展示基于用户的产品推荐类型下得到的产品信息,根据用户的特性推荐其它可能让用户感兴趣的产品,进一步提升用户的购买欲望。
另外,在实际应用中,还可以对产品的推荐效果跟踪评估,例如可以通过网页的日志记录获取被推荐产品的曝光次数,点击次数等;或者,还可以通过被推荐产品数据库的访问交易记录,获取被推荐产品的反馈量,成交量。根据下面的统计指标可评估在各交易环节推荐的准确性,并评估推荐应用的成效,便于对推荐算法进行优化,这里不赘述。
图3所示的方法中,根据用户的各种特性信息、产品的特性信息以及用户在一定时间段内所关注产品的信息,据此确定每一用户的推荐产品集和每一产品的推荐产品集,从而当用户进行网络操作时,可以直接根据用户和/或用户操作的产品从用户和/或产品对应的推荐产品集中确定所需为用户推荐的产品信息,由于在该推荐方法中综合考虑了用户和产品的特性信息,因此,推荐结果相较于现有技术更为准确。而且,通过辅助推荐产品集的建立,即使新用户进行网络操作,或者用户对新产品进行操作,也可以通过辅助推荐产品集基于用户或基于产品进行产品的推荐,实现为新用户或新产品进行相关产品推荐。相对已有的推荐系统只根据历史操作进行推荐,本申请的推荐结果更为合理、准确。
另外,本申请在进行产品推荐时,仅基于预设的一个时间段内的数据确定用户和产品的基础推荐产品集,而且,限定了基础推荐产品集的最大推荐产品数量;甚至,可以仅为基础产品集数目满足某一数目阈值的用户,或者在一个时间段内浏览次数达到某一浏览次数阈值的产品确定基础推荐产品集,从而大大减少了基础推荐产品集的数据量,降低了对于资源的要求,提高了产品推荐的速度,在海量用户、海量产品、海量产品数据的情况下,也能够及时地为用户进行产品推荐。
据统计,具有基础推荐产品集的用户及产品通常占到全体用户及产品的30%左右,进而,通过更为严格的约束条件,如仅为基础产品集数目满足某一数目阈值的用户,或者在一个时间段内浏览次数达到某一浏览次数阈值的产品确定基础推荐产品集,更是极大地缩减了用户及产品的基础推荐产品集的数据量。而辅助推荐产品集是根据用户来源地区及产品的子类目确定的,由于用户来源地区及产品子类目个数一般非常有限的,因此推荐系统的性能主要由基础推荐产品集的数据量决定。通过本申请的上述处理,将基础推荐产品集的数据量减少到全体用户及产品量的1/3以下,从而大大提高了推荐系统的产品推荐速度(可提升3-5倍,甚至更多),也解决了在海量用户、海量商品、海量访问数据的情况下产品推荐的及时性问题。并且,通过应用统计分析发现,在每次推荐中85%以上的用户及产品的推荐结果来源于基础推荐产品集,只有15%以下的新用户、新产品的推荐结果来源于辅助推荐产品集,因此,很好的解决了新老用户的产品推荐问题。
与以上方法相对应的,本申请还提供一种产品信息的推荐系统,如图4所示,该系统包括:
第一确定单元41,用于预先确定每一用户的推荐产品集和/或每一产品的推荐产品集;
第二确定单元42,用于获取第一用户的网络操作,根据第一用户的网络操作确定产品推荐类型;
第三确定单元43,用于根据确定的产品推荐类型,从第一用户的推荐产品集和/或所述网络操作关联的第一产品的推荐产品集中确定在对应的产品推荐类型下所需为第一用户推荐的产品信息。
其中,所述推荐产品集可以包括:基础推荐产品集;或者,所述推荐产品集包括:基础推荐产品集和辅助推荐产品集。
具体的,第一确定单元41可以包括:
第一确定子单元,用于确定每一用户的推荐产品集;和/或,
第二确定子单元,用于确定每一产品的推荐产品集。
其中,第一确定子单元可以包括:
第一确定模块,用于确定每一用户的特性信息以及每一产品的特性信息;
第一构成模块,用于对于每一用户,从该用户的特性信息中获取用户对应的偏好产品子类目;根据产品的特性信息查找子类目属于该偏好产品子类目的所有产品;从查找到的所述产品中选择第二预设数目个产品构成该用户的基础推荐产品集。
或者,第一确定子单元可以包括:
第二确定模块,用于确定每一用户的特性信息、每一产品的特性信息、用户在预设的第一时间段内的产品关注度信息以及用户在预设的第二时间段内的产品关注度信息;
第三确定模块,用于对于每一用户,从该用户的特性信息中获取用户对应的偏好产品子类目;根据产品的特性信息查找子类目属于该偏好产品子类目的所有产品;并且,
根据各个用户在预设的第一时间段内的产品关注度信息计算该用户与其他用户之间的相关性;根据各个用户在预设的第二时间段内的产品关注度信息,查找与该用户相关性最高的预设第三数目个用户在第二时间段内所关注的产品;
第二构成模块,用于从查找到的所有产品信息中选择第二预设数目个产品构成该用户的基础推荐产品集。
第二确定子单元可以包括:
第四确定模块,用于确定每一用户在预设的第一时间段内对产品的关注度信息;
第一计算模块,用于根据所述关注度信息计算产品之间的相关度;
第三构成模块,用于对于每一产品,选择与该产品的相关度最高的第一预设数目个产品构成该产品的基础推荐产品集。
优选地,第一确定子单元还可以包括:
第五确定模块,用于确定每一用户的特性信息和每一产品的特性信息;
第四构成模块,用于对于每一用户,从该用户的特性信息中获取该用户的来源地区;根据产品的特性信息,查找属于该用户的来源地区的产品中、热销度和/或关注度和/或发布时间最靠前的第四预设数目个产品构成该用户的辅助推荐产品集。
优选地,第二确定子单元还可以包括:
第五构成模块,用于根据各个用户在预设的第一时间段内的产品关注度信息确定每一来源地区关注度最高的子类目下的第五预设数目个产品构成基于产品的辅助推荐结果集。
其中,所述产品推荐类型包括:基于用户的产品推荐和基于产品的产品推荐,此时,
当所述产品推荐类型为基于用户的产品推荐时,第三确定单元43可以包括:
第一获取子单元,用于从第一用户的基础推荐产品集中获取第六预设数目个产品;并且,当基础推荐产品集中产品数目小于所述第六预设数目时,从第一用户的辅助推荐产品集中获取差额个产品以获取到所述第六预设数目个产品;
第一选择子单元,用于将所述第六预设数目个产品按照预设第一规则排序,选择排序位置靠前的第七预设数目个产品作为所述所需为第一用户推荐的产品信息。
或者,当所述产品推荐类型为基于产品的产品推荐时,第三确定单元43可以包括:
第二获取子单元,用于从第一产品的基础推荐产品集中获取第八预设数目个产品;并且,当基础推荐产品集中产品数目小于所述第八预设数目时,从第一产品同类目的辅助推荐产品集中获取差额个产品以获取到所述第八预设数目个产品;
第二选择子单元,用于将所述第八预设数目个产品按照预设第二规则排序,选择排序位置靠前的第九预设数目个产品作为所述所需为第一用户推荐的产品信息。
优选地,该系统还可以包括:
展现单元44,用于将所述所需为第一用户推荐的产品信息向用户展现。
对于以上的产品推荐系统,第一确定单元预先确定用户和产品的推荐产品集,并且将为用户进行的产品推荐分为至少两种推荐类型,从而第二确定单元根据用户的网络操作确定为用户进行推荐的产品推荐类型,进而第三确定单元根据产品推荐类型确定所需为用户推荐的产品信息,从而提高了为用户推荐产品信息的准确度;
而且,根据用户的各种特性信息、产品的特性信息以及用户在一定时间段内所关注产品的信息,据此确定每一用户的推荐产品集和每一产品的推荐产品集,由于在该推荐系统中综合考虑了用户和产品的特性信息,因此,推荐结果相较于现有技术更为合理、准确;
而且,通过辅助推荐产品集的建立,即使新用户进行网络操作,或者用户对新产品进行网络操作,也可以通过辅助推荐产品集基于用户或基于产品进行产品的推荐,实现为新用户或新产品进行相关产品推荐。
在以上的本申请实施例中,包括第一预设数目、第二预设数目...第八预设数目等多个预设的数据,这些数据之间并没有必然的联系,在实际应用中,各个数据的数值可以相同也可以不同,这里并不限定。
本领域普通技术人员可以理解,实现上述实施例的方法的过程可以通过程序指令相关的硬件来完成,所述的程序可以存储于可读取存储介质中,该程序在执行时执行上述方法中的对应步骤。所述的存储介质可以如:ROM/RAM、磁碟、光盘等。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (14)
1.一种产品信息的推荐方法,其特征在于,包括:
预先根据用户的特性信息、产品的特性信息、用户在预设的第一时间段内对产品的关注度信息以及用户在预设的第二时间段内对产品的关注度信息,确定用户的推荐产品集和/或产品的推荐产品集;所述推荐产品集由若干个产品构成;
获取第一用户的网络操作,根据第一用户的网络操作确定产品推荐类型;其中,当所述网络操作不涉及产品时,确定的产品推荐类型为基于用户的产品推荐,当所述网络操作涉及产品时,确定的产品推荐类型为基于产品的产品推荐和/或基于用户的产品推荐,其中,所述网络操作涉及的产品为所述网络操作关联的第一产品;
根据确定的产品推荐类型,从预先确定的第一用户的推荐产品集和/或预先确定的所述网络操作关联的第一产品的推荐产品集中确定在对应的产品推荐类型下所需为第一用户推荐的产品信息;其中,当确定的产品推荐类型为基于用户的产品推荐时,从所述第一用户的推荐产品集中确定所需为第一用户推荐的产品信息,当确定的产品推荐类型为基于产品的产品推荐时,从所述第一产品的推荐产品集中确定所需为第一用户推荐的产品信息;
其中,第一用户的推荐产品集中的产品为第一用户偏好的产品,第一产品的推荐产品集中的产品为与第一产品相关的产品。
2.根据权利要求1所述的方法,其特征在于,所述推荐产品集包括:基础推荐产品集和/或辅助推荐产品集。
3.根据权利要求2所述的方法,其特征在于,所述预先确定用户的基础推荐产品集包括:
确定用户的特性信息以及产品的特性信息;
对于每一用户,从该用户的特性信息中获取用户对应的偏好产品子类目;根据产品的特性信息查找子类目属于该偏好产品子类目的所有产品;从查找到的所述产品中选择第二预设数目个产品构成该用户的基础推荐产品集。
4.根据权利要求2所述的方法,其特征在于,所述预先确定用户的基础推荐产品集包括:
确定用户的特性信息、产品的特性信息、用户在预设的第一时间段内的产品关注度信息以及用户在预设的第二时间段内的产品关注度信息;
对于每一用户:
从该用户的特性信息中获取用户对应的偏好产品子类目;根据产品的特性信息查找子类目属于该偏好产品子类目的所有产品;并且,
根据各个用户在预设的第一时间段内的产品关注度信息计算该用户与其他用户之间的相关性;根据各个用户在预设的第二时间段内的产品关注度信息,查找与该用户相关性最高的预设第三数目个用户在第二时间段内所关注的产品;
从查找到的所有产品信息中选择第二预设数目个产品构成该用户的基础推荐产品集。
5.根据权利要求2所述的方法,其特征在于,所述预先确定产品的基础推荐结果集包括:
确定用户在预设的第一时间段内对产品的关注度信息;
根据所述关注度信息计算产品之间的相关度;
对于每一产品,选择与该产品的相关度最高的第一预设数目个产品构成该产品的基础推荐产品集。
6.根据权利要求2所述的方法,其特征在于,所述确定用户的辅助推荐产品集包括:
确定用户的特性信息和产品的特性信息;
对于每一用户,从该用户的特性信息中获取该用户的来源地区;根据产品的特性信息,查找属于该用户的来源地区的产品中、热销度和/或关注度和/或发布时间最靠前的第四预设数目个产品构成该用户的辅助推荐产品集。
7.根据权利要求2所述的方法,其特征在于,所述确定产品的辅助推荐产品集包括:
根据各个用户在预设的第一时间段内的产品关注度信息确定每一来源地区关注度最高的子类目下的第五预设数目个产品构成基于产品的辅助推荐结果集。
8.根据权利要求2至7任一项所述的方法,其特征在于,所述产品推荐类型包括:基于用户的产品推荐和基于产品的产品推荐。
9.根据权利要求8所述的方法,其特征在于,当所述产品推荐类型为基于用户的产品推荐时,所述从预先确定的第一用户的推荐产品集中确定所需为第一用户推荐的产品信息包括:
从第一用户的基础推荐产品集中获取第六预设数目个产品;并且,当基础推荐产品集中产品数目小于所述第六预设数目时,从第一用户的辅助推荐产品集中获取差额个产品以获取到所述第六预设数目个产品;
将所述第六预设数目个产品按照预设第一规则排序,选择排序位置靠前的第七预设数目个产品作为所述所需为第一用户推荐的产品信息。
10.根据权利要求8所述的方法,其特征在于,当所述产品推荐类型为基于产品的产品推荐时,所述从预先确定的网络操作相关联的产品的推荐产品集中确定所需为用户推荐的产品信息包括:
从第一产品的基础推荐产品集中获取第八预设数目个产品;并且,当基础推荐产品集中产品数目小于所述第八预设数目时,从第一产品同类目的辅助推荐产品集中获取差额个产品以获取到所述第八预设数目个产品;
将所述第八预设数目个产品按照预设第二规则排序,选择排序位置靠前的第九预设数目个产品作为所述所需为第一用户推荐的产品信息。
11.根据权利要求2至7任一项所述的方法,其特征在于,所述预先确定用户的基础推荐产品集还包括:
判断所确定的用户的基础推荐产品集中产品数量是否超过一预设数目阈值,不超过时,不为该用户确定基础推荐产品集。
12.根据权利要求2至7任一项所述的方法,其特征在于,所述预先确定产品的基础推荐产品集还包括:
判断该产品在一预设时间段内的浏览次数是否超过一预设浏览次数阈值,不超过时,不为该产品确定基础推荐产品集。
13.根据权利要求1至7任一项所述的方法,其特征在于,还包括:
将所述所需为第一用户推荐的产品信息向用户展现。
14.一种产品信息的推荐系统,其特征在于,包括:
第一确定单元,用于预先根据用户的特性信息、产品的特性信息、用户在预设的第一时间段内对产品的关注度信息以及用户在预设的第二时间段内对产品的关注度信息,确定用户的推荐产品集和/或产品的推荐产品集;所述推荐产品集由若干个产品构成;
第二确定单元,用于获取第一用户的网络操作,根据第一用户的网络操作确定产品推荐类型;其中,当所述网络操作不涉及产品时,确定的产品推荐类型为基于用户的产品推荐,当所述网络操作涉及产品时,确定的产品推荐类型为基于产品的产品推荐和/或基于用户的产品推荐,其中,所述网络操作涉及的产品为所述网络操作关联的第一产品;
第三确定单元,用于根据确定的产品推荐类型,从预先确定的第一用户的推荐产品集和/或预先确定的所述网络操作关联的第一产品的推荐产品集中确定在对应的产品推荐类型下所需为第一用户推荐的产品信息;其中,当确定的产品推荐类型为基于用户的产品推荐时,从所述第一用户的推荐产品集中确定所需为第一用户推荐的产品信息,当确定的产品推荐类型为基于产品的产品推荐时,从所述第一产品的推荐产品集中确定所需为第一用户推荐的产品信息;
其中,第一用户的推荐产品集中的产品为第一用户偏好的产品,第一产品的推荐产品集中的产品为与第一产品相关的产品。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010273633.1A CN102385601B (zh) | 2010-09-03 | 2010-09-03 | 一种产品信息的推荐方法及系统 |
US13/199,574 US20120059735A1 (en) | 2010-09-03 | 2011-09-01 | Product recommendations |
JP2013527066A JP5952819B2 (ja) | 2010-09-03 | 2011-09-02 | 商品推薦 |
EP11822256.1A EP2612286A4 (en) | 2010-09-03 | 2011-09-02 | PRODUCT RECOMMENDATIONS |
PCT/US2011/001544 WO2012030400A1 (en) | 2010-09-03 | 2011-09-02 | Product recommendations |
HK12104928.5A HK1164491A1 (zh) | 2010-09-03 | 2012-05-21 | 種產品信息的推薦方法及系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010273633.1A CN102385601B (zh) | 2010-09-03 | 2010-09-03 | 一种产品信息的推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102385601A CN102385601A (zh) | 2012-03-21 |
CN102385601B true CN102385601B (zh) | 2015-11-25 |
Family
ID=45771383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010273633.1A Active CN102385601B (zh) | 2010-09-03 | 2010-09-03 | 一种产品信息的推荐方法及系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20120059735A1 (zh) |
EP (1) | EP2612286A4 (zh) |
JP (1) | JP5952819B2 (zh) |
CN (1) | CN102385601B (zh) |
HK (1) | HK1164491A1 (zh) |
WO (1) | WO2012030400A1 (zh) |
Families Citing this family (67)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130159254A1 (en) * | 2011-12-14 | 2013-06-20 | Yahoo! Inc. | System and methods for providing content via the internet |
US8458192B1 (en) * | 2012-01-31 | 2013-06-04 | Google Inc. | System and method for determining topic interest |
US10853826B2 (en) * | 2012-02-07 | 2020-12-01 | Yeast, LLC | System and method for evaluating and optimizing media content |
CN104254851A (zh) * | 2012-03-17 | 2014-12-31 | 海智网聚网络技术(北京)有限公司 | 用于向用户推荐内容的方法和系统 |
CN103368986B (zh) * | 2012-03-27 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及信息推荐装置 |
CN102663096B (zh) * | 2012-04-11 | 2015-12-16 | 北京像素软件科技股份有限公司 | 一种基于数据缓存技术读取数据的方法 |
CN102663627A (zh) * | 2012-04-26 | 2012-09-12 | 焦点科技股份有限公司 | 个性化推荐方法 |
CN102663626B (zh) * | 2012-04-26 | 2015-10-28 | 焦点科技股份有限公司 | 基于区域特征的协同过滤推荐方法 |
US8566146B1 (en) | 2012-05-10 | 2013-10-22 | Morgan Stanley & Co. Llc | Computer-based systems and method for computing a score for contacts of a financial services firm indicative of resources to be deployed by the financial services firm for the contacts to maximize revenue for the financial services firm |
US9117237B2 (en) * | 2012-06-12 | 2015-08-25 | Gyft, Inc. | System, method, and medium for digital gift card selection |
CN103577429A (zh) * | 2012-07-25 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 数据分析、数据查询方法及装置 |
US11151629B2 (en) * | 2012-08-22 | 2021-10-19 | Ebay Inc. | Detecting items of interest within local shops |
CN103679494B (zh) * | 2012-09-17 | 2018-04-03 | 阿里巴巴集团控股有限公司 | 商品信息推荐方法及装置 |
JP6239906B2 (ja) * | 2012-09-19 | 2017-11-29 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | アクセス制御方法、アクセス制御システム、通信端末、及び、サーバ |
US20140156346A1 (en) * | 2012-12-04 | 2014-06-05 | Sap Ag | Methods and systems for dynamic demand sensing |
CN103345693A (zh) * | 2013-05-25 | 2013-10-09 | 中山市中商港科技有限公司 | 一种客户或产品在线推荐方法 |
CN104239338A (zh) * | 2013-06-19 | 2014-12-24 | 阿里巴巴集团控股有限公司 | 信息推荐方法及装置 |
CN103353880B (zh) * | 2013-06-20 | 2017-03-15 | 兰州交通大学 | 一种利用相异度聚类和关联的数据挖掘方法 |
US9471671B1 (en) * | 2013-12-18 | 2016-10-18 | Google Inc. | Identifying and/or recommending relevant media content |
CN104735117A (zh) * | 2013-12-24 | 2015-06-24 | 腾讯科技(北京)有限公司 | 一种信息处理方法、装置和系统 |
GB201405205D0 (en) * | 2014-03-24 | 2014-05-07 | Skyscanner Ltd | A method of comparing goods or services from one or more websites |
CN104978346A (zh) * | 2014-04-09 | 2015-10-14 | 阿里巴巴集团控股有限公司 | 提供用户评价信息的方法及系统 |
CN105205081B (zh) * | 2014-06-27 | 2019-11-05 | 华为技术有限公司 | 物品推荐方法和装置 |
CN105404628A (zh) * | 2014-09-12 | 2016-03-16 | 阿里巴巴集团控股有限公司 | 数据推送方法和装置 |
CN104317829B (zh) * | 2014-10-09 | 2020-04-24 | 百度在线网络技术(北京)有限公司 | 一种用于推荐物件信息的方法与装置 |
CN104504098A (zh) * | 2014-12-29 | 2015-04-08 | 北京奇虎科技有限公司 | 信息推荐方法和装置 |
US10147108B2 (en) * | 2015-04-02 | 2018-12-04 | The Nielsen Company (Us), Llc | Methods and apparatus to identify affinity between segment attributes and product characteristics |
WO2016192029A1 (zh) * | 2015-06-01 | 2016-12-08 | 阮元 | 产品更新时的提醒方法以及信息提醒系统 |
CN104881807A (zh) * | 2015-06-26 | 2015-09-02 | 陆健 | 一种推荐商品信息的方法及装置 |
CN106445965B (zh) * | 2015-08-11 | 2019-12-24 | 阿里巴巴集团控股有限公司 | 信息推广处理方法及装置 |
CN105447724B (zh) * | 2015-12-15 | 2022-04-05 | 腾讯科技(深圳)有限公司 | 内容项推荐方法及装置 |
CN107094161A (zh) * | 2016-02-18 | 2017-08-25 | 阿里巴巴集团控股有限公司 | 网络服务提供方法和装置 |
US10592959B2 (en) | 2016-04-15 | 2020-03-17 | Walmart Apollo, Llc | Systems and methods for facilitating shopping in a physical retail facility |
US10614504B2 (en) * | 2016-04-15 | 2020-04-07 | Walmart Apollo, Llc | Systems and methods for providing content-based product recommendations |
CN105761122B (zh) * | 2016-04-29 | 2020-09-08 | 山东大学 | 一种融合制造商相似度的产品推荐方法及装置 |
CN106022842A (zh) * | 2016-05-31 | 2016-10-12 | 北京小米移动软件有限公司 | 产品信息的推荐方法及装置 |
TWI588771B (zh) * | 2016-06-08 | 2017-06-21 | 南臺科技大學 | 大學專題計量統計分析系統 |
CN106066889A (zh) * | 2016-06-15 | 2016-11-02 | 汤美 | 网络课程的筛选方法及系统 |
CN106453585A (zh) * | 2016-10-31 | 2017-02-22 | 努比亚技术有限公司 | 一种资讯的推送方法及资讯推送适配器 |
CN106504068A (zh) * | 2016-11-03 | 2017-03-15 | 北京挖玖电子商务有限公司 | 销售系统 |
CN106503233A (zh) * | 2016-11-03 | 2017-03-15 | 北京挖玖电子商务有限公司 | 热门搜索词推荐系统 |
CN106530000A (zh) * | 2016-11-03 | 2017-03-22 | 北京挖玖电子商务有限公司 | 商品包销方法 |
CN108153753A (zh) * | 2016-12-02 | 2018-06-12 | 阿里巴巴集团控股有限公司 | 推荐方法、装置和系统 |
CN107094166A (zh) * | 2016-12-12 | 2017-08-25 | 口碑控股有限公司 | 一种业务信息发送方法及装置 |
CN106951516B (zh) * | 2017-03-18 | 2020-07-17 | 深圳市彬讯科技有限公司 | 一种基于大数据的装修选品智能排序方法 |
CN107169586A (zh) * | 2017-03-29 | 2017-09-15 | 北京百度网讯科技有限公司 | 基于人工智能的资源组合优化方法、装置及存储介质 |
CN107332910B (zh) * | 2017-07-03 | 2020-07-31 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN108648031B (zh) * | 2018-03-28 | 2022-01-18 | 苏州千照信息科技有限公司 | 产品推荐方法及装置 |
CN109034935B (zh) * | 2018-06-06 | 2023-04-21 | 平安科技(深圳)有限公司 | 产品推荐方法、装置、计算机设备及存储介质 |
KR102052344B1 (ko) * | 2018-06-11 | 2019-12-04 | 옴니어스 주식회사 | 소셜 네트워크를 이용한 영향력 측정 방법 및 장치 |
CN109121006B (zh) * | 2018-08-02 | 2021-02-02 | 中国联合网络通信集团有限公司 | 一种基于直播观看用户的营销方法及平台 |
JP6835786B2 (ja) * | 2018-10-10 | 2021-02-24 | ヤフー株式会社 | 推定装置、推定方法および推定プログラム |
CN109523341B (zh) * | 2018-10-12 | 2021-07-27 | 广西师范大学 | 基于区块链技术的匿名跨域推荐方法 |
CN109903191B (zh) * | 2019-01-04 | 2023-09-19 | 平安科技(深圳)有限公司 | 基于机器学习的旅行推荐方法、装置、存储介质及终端 |
CN110415101A (zh) * | 2019-06-19 | 2019-11-05 | 深圳壹账通智能科技有限公司 | 产品推荐测试方法、装置、计算机设备及存储介质 |
JP6915018B2 (ja) * | 2019-10-15 | 2021-08-04 | ヤフー株式会社 | 提供装置、提供方法及び提供プログラム |
CN111028065A (zh) * | 2019-12-17 | 2020-04-17 | 北京每日优鲜电子商务有限公司 | 信息推送方法、装置、存储介质及设备 |
US11328796B1 (en) | 2020-02-25 | 2022-05-10 | Vignet Incorporated | Techniques for selecting cohorts for decentralized clinical trials for pharmaceutical research |
US11461216B1 (en) | 2020-05-18 | 2022-10-04 | Vignet Incorporated | Monitoring and improving data collection using digital health technology |
US11605038B1 (en) | 2020-05-18 | 2023-03-14 | Vignet Incorporated | Selecting digital health technology to achieve data collection compliance in clinical trials |
CN111881361B (zh) * | 2020-09-28 | 2021-01-05 | 北京每日优鲜电子商务有限公司 | 物品信息推送方法、装置、电子设备和计算机可读介质 |
US11521714B1 (en) | 2021-02-03 | 2022-12-06 | Vignet Incorporated | Increasing diversity of participants in health research using adaptive methods |
US11361846B1 (en) | 2021-02-03 | 2022-06-14 | Vignet Incorporated | Systems and methods for customizing monitoring programs involving remote devices |
US11296971B1 (en) | 2021-02-03 | 2022-04-05 | Vignet Incorporated | Managing and adapting monitoring programs |
US11196656B1 (en) | 2021-02-03 | 2021-12-07 | Vignet Incorporated | Improving diversity in cohorts for health research |
US11316941B1 (en) | 2021-02-03 | 2022-04-26 | Vignet Incorporated | Remotely managing and adapting monitoring programs using machine learning predictions |
US11789837B1 (en) | 2021-02-03 | 2023-10-17 | Vignet Incorporated | Adaptive data collection in clinical trials to increase the likelihood of on-time completion of a trial |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1663265A (zh) * | 2002-06-26 | 2005-08-31 | 皇家飞利浦电子股份有限公司 | 发现并更新娱乐系统中的用户组偏好的方法和装置 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6317722B1 (en) * | 1998-09-18 | 2001-11-13 | Amazon.Com, Inc. | Use of electronic shopping carts to generate personal recommendations |
US7720723B2 (en) * | 1998-09-18 | 2010-05-18 | Amazon Technologies, Inc. | User interface and methods for recommending items to users |
US6963850B1 (en) * | 1999-04-09 | 2005-11-08 | Amazon.Com, Inc. | Computer services for assisting users in locating and evaluating items in an electronic catalog based on actions performed by members of specific user communities |
US6540528B2 (en) * | 2001-04-26 | 2003-04-01 | International Business Machines Corporation | Releasable, repeatable electrical connections employing compression |
US7080059B1 (en) * | 2002-05-13 | 2006-07-18 | Quasm Corporation | Search and presentation engine |
US8019656B2 (en) * | 2003-05-07 | 2011-09-13 | Cbs Interactive Inc. | System and method for generating an alternative product recommendation |
US7685028B2 (en) * | 2003-05-28 | 2010-03-23 | Gross John N | Method of testing inventory management/shipping systems |
US7590562B2 (en) * | 2005-06-29 | 2009-09-15 | Google Inc. | Product recommendations based on collaborative filtering of user data |
WO2008064343A1 (en) * | 2006-11-22 | 2008-05-29 | Proclivity Systems, Inc. | Analytical e-commerce processing system and methods |
US7974888B2 (en) * | 2007-03-30 | 2011-07-05 | Amazon Technologies, Inc. | Services for providing item association data |
US20080270398A1 (en) * | 2007-04-30 | 2008-10-30 | Landau Matthew J | Product affinity engine and method |
JP2008282132A (ja) * | 2007-05-09 | 2008-11-20 | Promise Co Ltd | Ecサイト管理装置及びコンピュータプログラム |
CN101431524A (zh) * | 2007-11-07 | 2009-05-13 | 阿里巴巴集团控股有限公司 | 一种定向网络广告投放的实现方法及装置 |
US20090271289A1 (en) * | 2007-11-20 | 2009-10-29 | Theresa Klinger | System and method for propagating endorsements |
US9773249B2 (en) * | 2008-02-08 | 2017-09-26 | Excalibur Ip, Llc | Method and system for presenting targeted advertisements |
US8364528B2 (en) * | 2008-05-06 | 2013-01-29 | Richrelevance, Inc. | System and process for improving product recommendations for use in providing personalized advertisements to retail customers |
KR101020206B1 (ko) * | 2008-06-16 | 2011-03-08 | 성균관대학교산학협력단 | 사용자 추천 방법 및 이를 위한 프로그램이 기록된 기록매체 |
US20100185616A1 (en) * | 2009-01-14 | 2010-07-22 | Cbs Interactive, Inc. | Systems and methods for predictive recommendations |
JP5277307B2 (ja) * | 2009-02-18 | 2013-08-28 | 株式会社日立製作所 | 情報推薦方法、そのシステム、及びサーバ |
US20100268661A1 (en) * | 2009-04-20 | 2010-10-21 | 4-Tell, Inc | Recommendation Systems |
US20110029403A1 (en) * | 2009-07-29 | 2011-02-03 | Ebay Inc. | System and method for targeted merchandising to returning users |
US9324107B2 (en) * | 2010-10-05 | 2016-04-26 | Centric Software, Inc. | Interactive collection book for mobile devices |
-
2010
- 2010-09-03 CN CN201010273633.1A patent/CN102385601B/zh active Active
-
2011
- 2011-09-01 US US13/199,574 patent/US20120059735A1/en not_active Abandoned
- 2011-09-02 WO PCT/US2011/001544 patent/WO2012030400A1/en active Application Filing
- 2011-09-02 JP JP2013527066A patent/JP5952819B2/ja active Active
- 2011-09-02 EP EP11822256.1A patent/EP2612286A4/en not_active Withdrawn
-
2012
- 2012-05-21 HK HK12104928.5A patent/HK1164491A1/zh unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1663265A (zh) * | 2002-06-26 | 2005-08-31 | 皇家飞利浦电子股份有限公司 | 发现并更新娱乐系统中的用户组偏好的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2013541082A (ja) | 2013-11-07 |
HK1164491A1 (zh) | 2012-09-21 |
JP5952819B2 (ja) | 2016-07-13 |
EP2612286A1 (en) | 2013-07-10 |
WO2012030400A1 (en) | 2012-03-08 |
CN102385601A (zh) | 2012-03-21 |
US20120059735A1 (en) | 2012-03-08 |
EP2612286A4 (en) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102385601B (zh) | 一种产品信息的推荐方法及系统 | |
See-To et al. | Customer reviews for demand distribution and sales nowcasting: a big data approach | |
US11354584B2 (en) | Systems and methods for trend aware self-correcting entity relationship extraction | |
CN106503258B (zh) | 一种网站站内精确搜索方法 | |
AU2006332522B2 (en) | Using estimated ad qualities for ad filtering, ranking and promotion | |
US8407104B2 (en) | Catalog based price search | |
US20160171587A1 (en) | Methods and systems for selecting an optimized scoring function for use in ranking item listings presented in search results | |
CN105469263A (zh) | 一种商品推荐方法及装置 | |
US20050256759A1 (en) | Sales history decomposition | |
CN105574216A (zh) | 基于概率模型和用户行为分析的个性化推荐方法、系统 | |
WO2008024997A2 (en) | System and method for modeling value of an on-line advertisement campaign | |
CN103309894B (zh) | 基于用户属性的搜索实现方法及系统 | |
CN108153792B (zh) | 一种数据处理方法和相关装置 | |
CN103824192A (zh) | 混合推荐系统 | |
CN104077714A (zh) | 访问网站的用户的偏好获取、广告推送方法和系统 | |
US10140339B2 (en) | Methods and systems for simulating a search to generate an optimized scoring function | |
US20110047025A1 (en) | Immediacy targeting in online advertising | |
US20120271806A1 (en) | Generating domain-based training data for tail queries | |
CN103383702A (zh) | 一种基于用户投票排名的个性化新闻推荐的方法及系统 | |
CN105630836A (zh) | 搜索结果的排序方法和装置 | |
CN111738805A (zh) | 基于行为日志的搜索推荐模型生成方法、设备和存储介质 | |
CN105335518A (zh) | 生成用户偏好信息的方法及装置 | |
CN112085549A (zh) | 一种基于数据处理技术的电商平台用商品推荐方法 | |
WO2021087137A1 (en) | Systems and methods for procurement cost forecasting | |
Li et al. | Do bubbles alter contributions to price discovery? Evidence from the Chinese soybean futures and spot markets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1164491 Country of ref document: HK |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1164491 Country of ref document: HK |