CN102663626B - 基于区域特征的协同过滤推荐方法 - Google Patents
基于区域特征的协同过滤推荐方法 Download PDFInfo
- Publication number
- CN102663626B CN102663626B CN201210125789.4A CN201210125789A CN102663626B CN 102663626 B CN102663626 B CN 102663626B CN 201210125789 A CN201210125789 A CN 201210125789A CN 102663626 B CN102663626 B CN 102663626B
- Authority
- CN
- China
- Prior art keywords
- information
- market conditions
- product
- buyer
- belonging
- 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.)
- Expired - Fee Related
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于区域特征的协同过滤推荐方法,本发明包括采集用户信息;对所采集到的信息进行基础分析;根据买家所属地区进行筛选;推荐筛选结果的过程;前台将推荐结果在适当的页面场景展现给用户等步骤,本发明解决了目前电子商务B2B网站中向用户推荐属于同一区域且与其选择相同产品的其他用户也关注或购买的产品的问题。
Description
技术领域
本发明涉及电子商务B2B交易领域,特别是一种基于区域特征的协同过滤推荐方法。
背景技术
随着电子商务网站规模的不断扩大,网上商品越来越丰富,人们在海量的信息资源中很难找到自己需要的产品及信息,往往会陷入信息过载的困境,为解决这个问题,有效指导用户在电子商务网站中购物,电子商务推荐系统应运而生。电子商务推荐系统可以根据已有的用户信息,向目标用户推荐其可能感兴趣的产品信息。目前,协同过滤利用相似用户购买行为也可能相似的特性进行推荐,已成为应用最广泛、最成功的推荐方法。
现有的协同过滤推荐技术主要分为基于用户的协同过滤和基于产品的协同过滤。基于用户的协同过滤推荐根据相似用户群的观点来产生对目标用户的推荐,使用统计方法挑选出与目标用户最相似的若干用户,称为“邻居”,然后根据这些邻居的意见推测用户对目标商品的感兴趣程度;基于产品的协同过滤推荐是根据用户对与目标产品相似的产品的评分来预测该用户对目标产品的感兴趣程度,首先关注的是产品之间的联系。但是基于用户的协同过滤和基于产品的协同过滤都没有考虑用户需求具有区域性差异的问题,对于处在不同地区的目标用户,没有进行有区别的产品信息推荐。
发明人在实现本发明的过程中发现,处于相同地区的用户,所选择的同类产品间往往具有一定的相似性,而处于不同地区的用户,对于同一类产品的需求往往存在很大差异。例如,在选择服装类产品时,美国的买家用户更偏好针织或钩编的服装及衣着附件,而巴西的买家用户则更偏好于非针织或非钩编的服装及衣着附件。对于电子商务网站推荐系统来说,当A地区的买家用户寻找某类产品时,系统向其推荐B地区买家普遍感兴趣的产品是不合理的,甚至还会引起目标买家用户的抵触,降低电子商务网站平台的服务能力,因此,考虑用户需求区域性差异的推荐才更能满足用户的信息需求。
发明内容
本发明的目的在于提供一种解决了目前电子商务B2B网站中向用户推荐属于同一区域的且与其选择相同产品的其他用户也关注或购买的产品的问题的基于区域特征的协同过滤推荐方法。
实现本发明目的的技术解决方案为:一种基于区域特征的协同过滤推荐方法,包括以下步骤:
步骤一:基于预先设定的规则从电子商务网站平台数据源中采集登陆网站的用户的全部基础信息;
步骤二:对所采集到的信息进行基础分析,并将所得分析结果存入数据库中;
步骤三:将前台读取的当前用户的操作信息进行处理,并根据当前买家所属地区筛选出数据库中与买家所属地区匹配的产品及商情信息;
步骤四:将前台传递来的产品或商情ID集与筛选出的历史记录进行比对,按照共现次数找出前X个推荐产品或商情,再对这些产品或商情按规则排序,得待推荐结果,并将待推荐结果传递给前台,其中X为系统预设定值;
步骤五:前台排除待推荐结果中与当前用户操作历史记录中相同的产品或商情ID集,筛选出M个作为推荐结果,其中M为系统预设定值;
步骤六:前台进行判断所筛选出的推荐结果个数是否满足,若个数满足,将推荐结果在适当的页面场景展现给用户,若推荐结果个数不足M个,则前台将待推荐结果中的前N个产品或商情取出来,重复步骤四和步骤五,将得到的新的推荐结果补足之前的推荐结果不足M的部分;
步骤七:前台将推荐结果在适当的页面场景展现给用户。
本发明与现有技术相比,其显著优点:
本发明提出一种基于区域特征的协同过滤推荐方法,在向所述目标用户推荐与其选择相同产品的其他买家还关注的产品时,考虑用户需求区域性差异,保证所推荐的产品与用户所处的区域特征相一致,推荐结果与用户的需求更加匹配。同时,针对不同的推荐场景,本发明实施例设定不同的推荐算法规则,保证所推荐的产品或商情信息可以综合反映该产品或商情信息的被关注度、卖家信誉度以及被推荐买家对该类型产品或商情的喜好程度,进一步提高了推荐结果的质量。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为针对本发明实施例的推荐方法流程图;
图2为针对本发明实施例的推荐系统的结构示意图。
具体实施方式
为使本发明的实施例的目的、技术方案和优点更加清楚,下面对本发明实施例中涉及的一些术语做简单解释。
登陆用户:在网站上用已注册账号进行登录的注册买家。
非登陆用户:未进行账号登陆的买家。
活跃注册买家:在近一个月内频繁登录使用所述电子商务网站的注册买家。
供应商类别:包括有认证供应商、金牌供应商和免费供应商,主要作用是辅助买家判断卖家信誉度。
共现次数:近一个月内用户访问序列中产品出现的次数。
会话:访问者在30分钟内与网站有交互活动则被认为是同一次进入网站,不记录新的用户会话数;当访问者持续30分钟与网站没有交互活动,当他再次访问网站时访问者被认为再一次进入了网站,记录新的用户会话数。
为了更清晰的阐述本发明的目的、技术方案和优点,下面结合具体实施例和附图对本发明进行详细阐述。
结合图1,显示了根据本发明实施例的推荐方法流程图,具体包括以下步骤:
步骤101,基于预先设定的规则从电子商务网站平台数据源中采集登陆网站的用户的全部基础信息,其中,在本发明的实施例中,这一信息采集过程包括从结构化日志系统提取基础数据、数据清洗过滤、数值映射与转换、交叉检验、维表更新、历史表归档,并将基础数据按规则进行分类规整存储;所采集基础信息包括买家在一定时间内询盘、访问、收藏的产品或商情历史记录信息、买家操作的产品所属供应商信息、产品的基本属性信息、产品被询盘或访问量等。
其中,在本发明的实施例中,对采集的数据进行加工分类时具体采用了以下映射规则,但不限于此:
在本发明的实施例中,通过公司注册添加产品信息映射得到公司主营行业,与登录信息映射得到公司登录名等信息;
在本发明的实施例中,通过映射得到各级目录的上级目录及根目录,将各级中英文目录转换成统一格式;
在本发明的实施例中,经过询盘和访问的URL映射得到各种询盘类型和访问类型;
在本发明的实施例中,通过询盘日志与公司维表映射得到收发询盘的公司号及相关信息,与国家维表映射得到买家所属国家号及相关信息;
在本发明的实施例中,通过访问日志与公司维表映射得到访问的公司号及相关信息,与国家维表映射得到买家所属国家、地区号及相关信息,与目录维表映射得到访问的目录信息,分析买家访问历史映射到当前访问的上次访问时间;
在本发明的实施例中,将卖家注册的产品信息中的多个关键词转换成可进行相互关联单个关键词;
在本发明的实施例中,将国外买家IP地址转化成数值型的IP号;
在本发明的实施例中,将询盘、访问、搜索、登陆等买家操作行为的时间转换成以天为单位的数值型数据;
在本发明的实施例中,将产品信息与公司、目录维表映射转换得到产品所属公司号、目录号等产品信息。
步骤102,推荐引擎1对所采集到的信息进行基础分析,并将所得分析结果存入数据库中。
其中,在对基础信息进行分析时包括:统计一个月内所有产品或商情操作会话序列、买家进行各种操作时最后一次操作所属国家、买家所属地区以及其他反应买家操作行为的信息,得买家操作历史记录信息;对买家操作历史记录信息中的产品或商情分别统计其一个月内买家的操作量、该产品或商情所属目录以及对应卖家的权重,得到产品或商情被操作量信息;根据买家在一个月内进行的全部操作行为记录统计活跃买家的历史兴趣信息;统计买家所属具体地区,按照预先设定的规则将其对应到所述推荐系统可识别的地区表述。将以上各种统计所得信息存入数据库中以备后续推荐系统调用。
其中,数据库中存储的预处理信息包括买家询盘、访问、搜索、收藏等操作历史记录信息、产品被询盘或访问等信息、商情被询盘或访问等信息、地区信息、目录信息、供应商信息、活跃买家历史兴趣信息等。
其中,在本发明实施例中对供应商类型的划分及其权重为:供应商类型为认证供应商的权重为W1、供应商类型为金牌的权重为W2、供应商类型为免费的权重为W3,W1+W2+W3=1,且W1>W2>W3,但不限于此,其他能够区别供应商信誉等级的供应商类型划分方法同样适用于本发明实施例。
其中,本发明实施例中通过访问网站的用户IP识别买家用户所属地区。
在本发明的具体实施方式中,国家地区对应规则为:细分地区指的是国家所对应的洲,例如,买家用户所属国家为“美国”,则所属细分地区为“北美洲”。但不限于此,其他明显区分买家偏好的区域特征的地区对应规则也同样适用于本发明实施例。
步骤103,前台读取当前用户的操作信息,并将其传递给推荐引擎2,其中当前用户的操作信息包括用户所属地区、用户当前操作行为类型、当前操作的产品或商情集中的最后N个产品商情集、该产品或商情所属目录信息、该产品或商情所属供应商信息、当前的搜索信息、当前的收藏信息;推荐引擎2调用数据库中的买家操作历史记录信息,根据当前买家所属地区筛选出买家操作历史记录信息中对应“细分地区”的产品或商情集。
步骤104,推荐引擎2将前台传递来的产品或商情ID集与筛选出的历史记录进行比对,按照共现次数找出前X个推荐产品或商情,X为系统预设定值,再对这些产品或商情按规则排序,得待推荐结果,并将待推荐结果传递给前台,其中待推荐结果中包括产品或商情ID信息、排序结果信息以及对应买家操作量信息。
其中,为保证所推荐的产品或商情信息可以综合反映该产品或商情信息的被关注度、卖家信誉度以及被推荐买家对该类型产品或商情的喜好程度,对产品或商情进行排序的规则可以不按照某一固定的算法进行,应依据不同的推荐场景和推荐对象灵活制定。
具体地,以MIC网站为例,在询盘场景内向用户进行推荐时,其排序规则为:
针对非登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商类型权重;
针对登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商会员级别权重,P2代表历史兴趣目录重要性权重(0<P2<1),Q是指如果候选推荐产品或商情所属目录包含于买家历史兴趣目录集中,则Q=P2,否则Q=0;
在搜索场景内向用户进行推荐时,其排序规则为:
针对非登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商类型权重;
针对登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商会员级别权重,P2代表历史兴趣目录重要性权重(0<P2<1),Q是指如果候选推荐产品或商情所属目录包含于买家历史兴趣目录集中,则Q=P2,否则Q=0;
在历史记录场景内向用户进行推荐时,其排序规则为:
针对非登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商会员级别权重,P1代表产品或商情目录重要性权重(0<P1<1),Q1是指如果候选推荐产品或商情所属目录包含于当前买家产品或商情目录集中,则Q1=P1,否则Q1=0;
针对登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商会员级别权重,P1代表当前产品或商情目录重要性权重(0<P1<1),P2代表当前历史兴趣目录重要性权重(0<P2<P1<1且P1+P2<1),Q1是指如果候选推荐产品或商情所属目录包含于当前买家产品或商情目录集中,则Q1=P1,否则Q1=0,Q2是指如果候选推荐产品或商情所属目录包含于买家历史兴趣目录集集中,则Q2=P2,否则Q2=0。
步骤105,前台排除待推荐结果中与当前用户操作历史记录中相同的产品或商情ID集,筛选出M个作为推荐结果,其中M为系统预设定值。
步骤106,前台进行判断,所筛选出的推荐结果个数是否满足,若个数满足,则执行步骤107,若推荐结果个数不足M个,则前台将待推荐结果中的前N个产品或商情取出来,再次传递给推荐引擎2,返回步骤104,推荐引擎2再做一次计算,将得到的新的推荐结果补足之前的推荐结果不足M的部分。
步骤107,前台将推荐结果在适当的页面场景展现给用户。
结合图2,显示了根据本发明实施例的推荐系统的结构示意图。本发明实施例具体包括数据采集模块201、推荐任务处理模块202、前台203。所述数据采集模块201,用于从电子商务网站平台数据源系统中采集用户信息、用户历史操作行为信息和产品信息等基础信息;所述推荐任务处理模块202,用于对数据采集模块采集来的数据信息进行基础分析并根据相应的匹配算法计算得出待推荐结果;所述前台203,用于读取当前用户的操作信息并通过与推荐任务处理模块之间进行交互得出待推荐结果,对待推荐结果进行进一步优化排序,并将最终推荐结果在适当的页面场景展现给用户。
在本发明的实施例中,推荐任务处理模块202包括子模块推荐任务处理引擎2021和推荐任务处理引擎2022。所述推荐任务处理引擎2021,用于对数据采集模块201所采集到的信息进行基础分析,并将所得分析结果存入数据库中;所述推荐任务处理引擎2022,用于调用数据库中的数据分析结果,通过与前台203之间的数据交互,根据预先设定的匹配规则和算法生成待推荐结果。
通过本发明实施例提出了一种基于区域特征的协同过滤推荐方法,在向所述用户推荐与其选择相同产品的其他买家还关注的其他产品时,考虑区域性差异问题,保证所推荐的产品与用户所处的区域特征相一致,所述推荐结果个性化程度更高,与用户的需求更加匹配;针对不同的推荐场景,本发明实施例设定不同的推荐算法规则,保证所推荐的产品或商情信息可以综合反映该产品或商情信息的被关注度、卖家信誉度以及被推荐买家对该类型产品或商情的喜好程度,进一步提高了推荐结果的质量。同时,本发明实施例可以在用户操作行为过少或缺少用户历史记录信息时实现推荐,保证推荐信息量。
Claims (1)
1.一种基于区域特征的协同过滤推荐方法,其特征在于,包括以下步骤:
步骤一:基于预先设定的规则从电子商务网站平台数据源中采集登陆网站的用户的全部基础信息;
步骤二:对所采集到的信息进行基础分析,并将所得分析结果存入数据库中;
步骤三:将前台读取的当前用户的操作信息进行处理,并根据当前买家所属地区筛选出数据库中与买家所属地区匹配的产品及商情信息;
步骤四:将前台传递来的产品或商情ID集与筛选出的历史记录进行比对,按照共现次数找出前X个推荐产品或商情,再对这些产品或商情按规则排序,得待推荐结果,并将待推荐结果传递给前台,其中X为系统预设定值;
步骤五:前台排除待推荐结果中与当前用户操作历史记录中相同的产品或商情ID集,筛选出M个作为推荐结果,其中M为系统预设定值;
步骤六:前台进行判断所筛选出的推荐结果个数是否满足,若个数满足,将推荐结果在适当的页面场景展现给用户,若推荐结果个数不足M个,则前台将待推荐结果中的前N个产品或商情取出来,重复步骤四和步骤五,将得到的新的推荐结果补足之前的推荐结果不足M的部分;
步骤七:前台将推荐结果在适当的页面场景展现给用户;
其中,步骤一中信息采集过程包括从结构化日志系统提取基础数据、数据清洗过滤、数值映射与转换、交叉检验、维表更新、历史表归档,并将基础数据按规则进行分类规整存储;信息采集规则为通过公司注册添加产品信息映射得到公司主营行业,与登录信息映射得到公司登录名信息;经过询盘和访问的URL映射得到各种询盘类型和访问类型;通过询盘日志与公司维表映射得到收发询盘的公司号及相关信息,与国家维表映射得到买家所属国家号及相关信息;通过访问日志与公司维表映射得到访问的公司号及相关信息,与国家维表映射得到买家所属国家、地区号及相关信息,与目录维表映射得到访问的目录信息,分析买家访问历史映射到当前访问的上次访问时间;将卖家注册的产品信息中的多个关键词转换成可进行相互关联单个关键词;将国外买家IP地址转化成数值型的IP号;将询盘、访问、搜索、登陆买家操作行为的时间转换成以天为单位的数值型数据;将产品信息与公司、目录维表映射转换得到产品所属公司号、目录号产品信息;所采集的基础信息包括买家在一定时间内询盘、访问、收藏的产品或商情历史记录信息、买家操作的产品所属供应商信息、产品的基本属性信息、产品被询盘或访问量信息;
步骤二中对基础信息进行分析的过程为:统计一个月内所有产品或商情操作会话序列、买家进行各种操作时最后一次操作所属国家、买家所属地区以及其他反应买家操作行为的信 息,得买家操作历史记录信息;对买家操作历史记录信息中的产品或商情分别统计其一个月内买家的操作量、该产品或商情所属目录以及对应卖家的权重,得到产品或商情被操作量信息;根据买家在一个月内进行的全部操作行为记录统计活跃买家的历史兴趣信息;统计买家所属具体地区,按照预先设定的规则将其对应到所述推荐系统可识别的地区表述;数据库中存储的预处理信息包括买家询盘、访问、搜索、收藏操作历史记录信息、产品被询盘或访问信息、商情被询盘或访问信息、地区信息、目录信息、供应商信息、活跃买家历史兴趣信息;其中对供应商类型的划分及其权重为:供应商类型为认证供应商的权重为W1、供应商类型为金牌的权重为W2、供应商类型为免费的权重为W3,W1+W2+W3=1,且W1>W2>W3;
步骤三中所述前台读取当前用户的操作信息,包括用户所属地区、当前的操作行为、当前操作的产品或商情集、该产品或商情所属目录信息、该产品或商情所属供应商信息、当前的搜索信息、当前的收藏信息;
步骤四中的对这些产品或商情进行排序的规则是:
在询盘场景内向用户进行推荐时,其排序规则为:
针对非登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商类型权重;
针对登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商会员级别权重,P2代表历史兴趣目录重要性权重(0<P2<1),Q是指如果候选推荐产品或商情所属目录包含于买家历史兴趣目录集中,则Q=P2,否则Q=0;
在搜索场景内向用户进行推荐时,其排序规则为:
针对非登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商类型权重;
针对登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商会员级别权重,P2代表历史兴趣目录重要性权重(0<P2<1),Q是指如果候选推荐产品或商情所属目录包含于买家历史兴趣目录集中,则Q=P2,否则Q=0;
在历史记录场景内向用户进行推荐时,其排序规则为:
针对非登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商会员级别权重,P1代表产品或商情目录重要性权重(0<P1<1),Q1是指如果候选推荐产品或商情所属目录包含于当前买家产品或商情目录集中,则Q1=P1,否则Q1=0;
针对登陆用户,筛选出的X个推荐产品或商情的排序规则为:
其中,Wi代表产品或商情所属供应商会员级别权重,P1代表当前产品或商情目录重要性权重(0<P1<1),P2代表当前历史兴趣目录重要性权重(0<P2<P1<1且P1+P2<1),Q1是指如果候选推荐产品或商情所属目录包含于当前买家产品或商情目录集中,则Q1=P1,否则Q1=0,Q2是指如果候选推荐产品或商情所属目录包含于买家历史兴趣目录集集中,则Q2=P2,否则Q2=0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210125789.4A CN102663626B (zh) | 2012-04-26 | 2012-04-26 | 基于区域特征的协同过滤推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210125789.4A CN102663626B (zh) | 2012-04-26 | 2012-04-26 | 基于区域特征的协同过滤推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102663626A CN102663626A (zh) | 2012-09-12 |
CN102663626B true CN102663626B (zh) | 2015-10-28 |
Family
ID=46773106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210125789.4A Expired - Fee Related CN102663626B (zh) | 2012-04-26 | 2012-04-26 | 基于区域特征的协同过滤推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663626B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10133786B2 (en) | 2012-11-20 | 2018-11-20 | Alibaba Group Holding Limited | Method and system for recommending target object information |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102929964B (zh) * | 2012-10-11 | 2019-02-12 | 北京百度网讯科技有限公司 | 一种网址推送方法及系统 |
CN103942217B (zh) * | 2013-01-21 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 一种网页信息的推荐方法以及装置 |
CN103970785A (zh) * | 2013-01-31 | 2014-08-06 | 国际商业机器公司 | 在线推荐方法和系统 |
CN103473354A (zh) * | 2013-09-25 | 2013-12-25 | 焦点科技股份有限公司 | 基于电子商务平台的保险推荐系统框架及保险推荐方法 |
CN104572747A (zh) * | 2013-10-24 | 2015-04-29 | 世纪禾光科技发展(北京)有限公司 | 一种选项交叉推送方法和系统 |
CN105096149B (zh) * | 2014-05-09 | 2019-02-01 | 华为软件技术有限公司 | 业务内容产品关联分析方法及装置 |
CN104616179A (zh) * | 2015-03-06 | 2015-05-13 | 焦点科技股份有限公司 | 一种适用于保险电子商务平台的保险产品排序方法 |
CN104657892B (zh) * | 2015-03-24 | 2018-08-14 | 郑州悉知信息科技股份有限公司 | 一种询盘筛选方法及装置 |
CN104732424A (zh) * | 2015-03-24 | 2015-06-24 | 郑州悉知信息技术有限公司 | 一种业务数据处理方法及装置 |
CN106447372B (zh) * | 2015-08-10 | 2022-03-08 | 北京奇虎科技有限公司 | 产品信息推送方法及装置 |
CN105975486A (zh) * | 2016-04-26 | 2016-09-28 | 努比亚技术有限公司 | 信息推荐方法及装置 |
CN106022839B (zh) * | 2016-05-31 | 2021-09-28 | 北京红马传媒文化发展有限公司 | 一种特定群体的识别方法、系统及终端 |
CN107341233B (zh) * | 2017-07-03 | 2020-11-06 | 北京拉勾科技有限公司 | 一种职位推荐方法及计算设备 |
CN108595630A (zh) * | 2018-04-24 | 2018-09-28 | 中译语通科技股份有限公司 | 一种用户行为数据分析模型及其构建方法 |
CN109324955A (zh) * | 2018-09-14 | 2019-02-12 | 科大国创软件股份有限公司 | 一种具有智能推荐功能的it运维系统界面生成方法 |
CN109509027A (zh) * | 2018-11-07 | 2019-03-22 | 免单君(深圳)科技有限公司 | 一种线下流量来源的电商平台及方法 |
CN109919731A (zh) * | 2019-03-15 | 2019-06-21 | 南京亿猫信息技术有限公司 | 基于线下购物过程的产品推荐模块 |
CN110164415B (zh) * | 2019-04-29 | 2024-06-14 | 腾讯科技(深圳)有限公司 | 一种基于语音识别的推荐方法、装置及介质 |
TWI784218B (zh) * | 2019-12-11 | 2022-11-21 | 中華電信股份有限公司 | 商品排名裝置以及商品排名方法 |
CN116342230B (zh) * | 2023-05-31 | 2023-08-08 | 深圳洽客科技有限公司 | 一种基于大数据分析的电商数据存储平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996215A (zh) * | 2009-08-27 | 2011-03-30 | 阿里巴巴集团控股有限公司 | 一种应用于电子商务网站的信息匹配方法和系统 |
CN102073717A (zh) * | 2011-01-07 | 2011-05-25 | 南京大学 | 一种面向垂直电子商务网站的首页推荐方法 |
CN102385601A (zh) * | 2010-09-03 | 2012-03-21 | 阿里巴巴集团控股有限公司 | 一种产品信息的推荐方法及系统 |
-
2012
- 2012-04-26 CN CN201210125789.4A patent/CN102663626B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996215A (zh) * | 2009-08-27 | 2011-03-30 | 阿里巴巴集团控股有限公司 | 一种应用于电子商务网站的信息匹配方法和系统 |
CN102385601A (zh) * | 2010-09-03 | 2012-03-21 | 阿里巴巴集团控股有限公司 | 一种产品信息的推荐方法及系统 |
CN102073717A (zh) * | 2011-01-07 | 2011-05-25 | 南京大学 | 一种面向垂直电子商务网站的首页推荐方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10133786B2 (en) | 2012-11-20 | 2018-11-20 | Alibaba Group Holding Limited | Method and system for recommending target object information |
Also Published As
Publication number | Publication date |
---|---|
CN102663626A (zh) | 2012-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663626B (zh) | 基于区域特征的协同过滤推荐方法 | |
CN102663627A (zh) | 个性化推荐方法 | |
CN105589905B (zh) | 用户兴趣数据分析和收集系统及其方法 | |
CN102859518B (zh) | 信息处理装置、信息处理方法 | |
CN103886487B (zh) | 基于分布式的b2b平台的个性化推荐方法与系统 | |
CN109559208A (zh) | 一种信息推荐方法、服务器及计算机可读介质 | |
US8346782B2 (en) | Method and system of information matching in electronic commerce website | |
CN102841946B (zh) | 商品数据检索排序及商品推荐方法和系统 | |
CN106504099A (zh) | 一种构建用户画像的系统 | |
CN106503015A (zh) | 一种构建用户画像的方法 | |
CN105488233A (zh) | 阅读信息推荐方法和系统 | |
CN102663064B (zh) | 一种收藏夹数据的处理方法及装置 | |
CN102682005A (zh) | 偏好类目的确定方法及装置 | |
CN103246980A (zh) | 信息输出方法及服务器 | |
CN101454771A (zh) | 基于使用多媒体调查特征匹配以划分和标记个体的系统和方法 | |
CN104394118A (zh) | 一种用户身份识别方法及系统 | |
CN102541862A (zh) | 跨网站的信息显示方法及系统 | |
CN102622417A (zh) | 对信息记录进行排序的方法和装置 | |
CN102542474A (zh) | 查询结果排序方法及装置 | |
CN103942255A (zh) | 个性化信息推荐系统及其推荐方法 | |
CN108122153A (zh) | 电子商务环境下基于云计算处理模式的个性化推荐方法 | |
US20110184815A1 (en) | System and method for sharing profits with one or more content providers | |
CN103186595A (zh) | 音视频推荐方法及系统 | |
CN106844402B (zh) | 数据处理方法及装置 | |
CN112085549A (zh) | 一种基于数据处理技术的电商平台用商品推荐方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151028 Termination date: 20210426 |