CN102750647A - 一种基于交易网络的商家推荐方法 - Google Patents
一种基于交易网络的商家推荐方法 Download PDFInfo
- Publication number
- CN102750647A CN102750647A CN2012102192882A CN201210219288A CN102750647A CN 102750647 A CN102750647 A CN 102750647A CN 2012102192882 A CN2012102192882 A CN 2012102192882A CN 201210219288 A CN201210219288 A CN 201210219288A CN 102750647 A CN102750647 A CN 102750647A
- Authority
- CN
- China
- Prior art keywords
- user
- corporations
- cluster
- businessman
- recommended
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 239000013598 vector Substances 0.000 claims description 62
- 238000005295 random walk Methods 0.000 claims description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 15
- 239000000203 mixture Substances 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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交易网络的商家推荐方法,其步骤为:(1)整理交易数据并建立交易网络;(2)根据用户交易历史对用户聚类;(3)对交易网络进行社团划分;(4)应用随机行走方法实现商家推荐。本发明可广泛应用于各类电子商务网站中的商家(卖家)推荐,为广大买家推荐合适的卖家;充分利用买家和卖家的历史交易数据,发掘买家和卖家的偏好特征,分析买家和卖家交易的相似性,合理应用随机行走方法,有效提高商家推荐的准确性和针对性。所采用的计算方法简单高效,切合电子商务网站海量交易数据、同时买家和卖家交易信息稀疏的特性,有较好的扩展性和适用性;有效填补目前电子商务网站商家推荐方面的空白。
Description
技术领域
本发明涉及电子商务领域中的商家推荐,特别涉及存在大量历史交易数据的情况下,充分发掘买家和卖家的交易偏好,构成用户簇;同时引入社会网络因素,为买家或卖家划分社团;通过随机行走完成商家推荐。
背景技术
推荐系统已应用到信息检索、新闻传媒、电子商务、社会网络服务等诸多领域。在电子商务领域,良好的推荐系统能够有效提升用户体验(包括买家和卖家),增加用户黏着度,促进更多交易行为的发生。目前众多的电子商务网站,如淘宝、大众点评、亚马逊、亿贝、京东等都建立了各自的推荐系统,在商品层面进行有效的统计、建模、挖掘和推荐工作,取得了良好成果。目前的推荐技术大致可分为三大类:基于内容的推荐、协同过滤、以及混合推荐。基于内容的推荐为用户(买家)推荐与其之前的选择相类似的物品(商品);协同过滤为用户推荐与其偏好最相近的用户所选择过的物品;混合方式采用多种推荐方法的组合为用户推荐物品,一种策略是结合基于内容和协同过滤为用户提供推荐,另一种目前比较流行的策略是在协同过滤中引入社会网络技术为用户推荐物品。
目前电子商务网站在交易过程中主要承担平台和中介的角色,每一次交易实际发生在买家和卖家之间。现有的推荐系统在为买家发掘商品、促进买家体验和交易量方面已取得良好成果;但对卖家的关注度仍然不够,实际是较少考虑到社会网络因素的影响。已有市场调查报告显示超过65%的买家更倾向于同信任的卖家进行交易,并建立所谓“老客”、“回头客”等相对稳固的信任交易关系;考虑到在线商品交易中更高的劣质商品风险和质保代价,合理的商家推荐是当前电子商务领域需要立即考虑的问题。现有的推荐方法和技术尚未考虑商家推荐的问题,有效的商家推荐方法将填补这一空白。
发明内容
本发明主要目的是针对传统推荐系统没有考虑商家推荐的问题,提出一种基于交易网络的商家推荐方法,通过在买家和卖家之间建立偏好相似的用户簇,根据交易网络的连接模式划分社团,通过随机行走完成商家推荐。
为实现本发明所述目的,本发明采用如下的步骤:
1)整理交易数据并建立交易网络,包含两个工作:其一为每个用户(包括买家和卖家)建立和维护偏好向量;其二根据历史交易记录在用户之间建立交易网络;
2)根据用户交易历史对用户聚类;采用期望最大化算法EM,通过用户偏好向量进行用户聚类,形成偏好相似的用户簇;
3)对交易网络进行社团划分;采用K均值算法KM,根据交易网络中各(用户)节点的连接模式划分社团;
4)应用随机行走方法实现商家推荐,从买家(目标用户)出发,在社团间随机行走,根据用户簇决定停止概率,完成商家推荐。
上述步骤1)中的交易网络是一个有向图,其中表示电子商务网站中的用户集合;有向边集合反映用户之间的交易历史,对于任意两个用户和(),有向边表示用户曾经从用户购买过商品;是一个映射,其中为自然数集,作用是为中的每一条有向边赋予权重;简化处理:有向边的权重表示为,代表向购买商品的次数,若,则,另有。
上述步骤2)中的EM算法包含两个阶段:E-Step(Expectation)根据用户簇的当前组成计算每个簇的中心点;M-Step(Maximization)将每个用户重新分配到从属概率最高的用户簇;
上述步骤2)中采用EM算法完成用户聚类的过程是:首先根据电子商务网站中的用户总数设置用户簇的数量,保证用户簇规模的平均范围为500~3000个用户;随机设定个用户簇,对每一个用户,以均一概率()分配到某一个簇中;然后开始迭代:第一步执行EM算法为每一个用户重新分配用户簇;第二步对过大和过小的用户簇做处理,过程是:
迭代结束时判断用户簇的组成是否发生变化:如果发生变化,则进入下一次迭代;如果没有发生变化,则迭代结束,输出聚类好的用户簇。
上述步骤3)中的KM算法包含两个阶段:K-Step将每个用户重新分配到匹配度最高的社团;M-Step(Means)根据社团的当前组成计算每个社团的特征向量;
上述步骤3)中采用KM算法完成交易网络中社团划分的过程是:首先根据电子商务网站中的用户总数设置社团的数量,保证社团规模的平均值范围为500~3000个用户;然后初始化社团:对交易网络中的节点(用户)按度数(出度+入度)排序,等分为个区间;从每个区间随机选择10~30个用户(节点,一般选择20个);每个用户单独作为一个社团,社团特征向量等于用户特征向量;每次选择两个距离(指特征向量的欧氏距离)最近的社团,将这两个社团合并为一个社团,重新计算新社团的特征向量;重复上述操作,直至剩余个社团;然后迭代执行KM算法,迭代过程的收敛条件是一次迭代后,每个用户同社团的从属关系没有发生改变;最后输出社团划分结果。
上述步骤4)中应用随机行走方法实现商家推荐的过程是:首先确定推荐的商家数量,一般(范围3~20);然后从目标用户出发随机行走,选择下一个用户;判定随机行走是否终止;如果未能终止,则将作为当前用户继续随机行走;如果过程终止,输出为推荐的商家;上述过程重复次,最后输出所推荐的一组商家。
本发明可广泛应用于各类电子商务网站中的商家(卖家)推荐,为广大买家推荐合适的卖家;充分利用买家和卖家的历史交易数据,发掘买家和卖家的偏好特征,基于连接模式分析买家和卖家交易的相似性,合理应用随机行走方法,有效提高商家推荐的准确性和针对性。实验数据表明,应用本发明方法,商家推荐的准确率达到了70%以上,考虑到买家和卖家交易的随机性,这个结果已经超过了目前大多数面向商品的推荐方法和技术。所采用的计算方法简单高效,切合电子商务网站海量交易数据、同时买家和卖家交易信息稀疏的特性,有较好的扩展性和适用性;有效填补了目前电子商务网站商家推荐方面的空白。
附图说明
图1 是基于交易网络的商家推荐方法的结构图;
图2 是交易网络的一个示例图;
图3 是采用期望最大化算法EM进行用户聚类的算法流程图;
图4 是采用K均值算法KM进行交易网络社团划分的算法流程图;
图5 是交易网络示例基于连接模式划分社团后的示意图;
图6 是应用随机行走方法实现商家推荐的工作流程图。
具体实施方式
下面结合附图进行详细说明。
如图1所示,基于交易网络的商家推荐方法包含四个主要步骤:整理交易数据并建立交易网络、根据用户交易历史对用户聚类、对交易网络进行社团划分、应用随机行走方法实现商家推荐。方法的输入是电子商务网站中的历史交易记录、以及商品的分类信息;输出是为指定买家推荐的一组商家。期间涉及的数据结构包括用户偏好向量、交易网络、用户簇、以及社团结构。
步骤一是整理交易数据并建立交易网络,其中包含两个工作:一是根据历史交易记录和商品类别信息为每个用户建立偏好向量,这里的用户包含买家和卖家;二是根据历史交易记录在用户之间建立交易网络。
给定用户,其偏好向量,其中表示电子商务网站中商品类别的数量。可以是一个买家,也可以是一个卖家;在大多数电子商务网站中,一个卖家同时也可能是一个买家,本发明方法不受是否单纯买家或卖家的限制。偏好向量中元素的含义由公式(1)定义,即的值为1或0取决于用户是否购买或销售过类别为的商品,例如一个电脑桌或者一个旅行背包:
交易网络是一个有向图,其中表示电子商务网站中的用户集合;有向边集合反映用户之间的交易历史,对于任意两个用户和(),有向边表示用户曾经从用户购买过商品;是一个映射,其中为自然数集,作用是为边集中的每一条有向边赋予权重;有向边的权重表示为,代表向购买商品的次数,即。不失一般性,若,则,另有。
步骤二是根据用户交易历史对用户聚类,采用期望最大化算法EM,过程如图3所示。算法根据所有用户的偏好向量将用户划分为多个偏好相似的用户簇,每个用户必须且只能从属于一个用户簇。用户簇的数量事先指定:可以根据电子商务网站中的用户总数,除以期望的簇规模来确定,簇规模的范围一般设置为500~3000。例如一个电子商务网站中用户总数为106,簇规模定为1000,则的值为。
EM算法的主体包括两个阶段:E-Step(Expectation)根据用户簇的当前组成计算每个簇的中心点;M-Step(Maximization)将每个用户重新分配到从属概率最高的用户簇。两个阶段迭代计算,收敛条件是一次迭代后,每个用户同用户簇的从属关系没有发生改变。
如图3所示,首先是用户簇初始化,随机设定个用户簇,对每一个用户,以均一概率()分配到某一个簇中;然后执行EM算法,在每一次迭代中,第一步执行E-Step,根据每个用户簇的当前构成计算其中心点;第二步执行M-Step,将每个用户重新分配到从属概率最大的用户簇中,由公式(7)表示:
(7)
如果一次迭代执行完毕后,用户同用户簇的从属关系没有发生改变,则算法执行过程终止。
步骤三是对交易网络进行社团划分,采用K均值算法KM,过程如图4所示。算法根据交易网络中各节点(代表用户)的连接模式,将节点划分到多个连接模式相近的社团,每一个节点必须且只能从属于一个社团。社团的数量事先指定:可以根据电子商务网站中的用户总数,除以期望的社团规模来确定,社团规模的范围同用户簇规模的范围相当,一般设置为500~3000。考虑一个拥有106个用户的电子商务网站,假设社团规模设置为2000,则的值为500。
KM算法的主体亦包括两个阶段:K-Step将每个用户重新分配到匹配度最高的社团;M-Step(Means)根据社团的当前组成计算每个社团的特征向量;两个阶段迭代计算,收敛条件是一次迭代后,每个用户同社团的从属关系没有发生改变。
如图4所示,首先是社团初始化:对交易网络中的节点(用户)按度数(出度+入度)排序,等分为个区间;从每个区间随机选择10~30个用户(节点,一般选择20个);每个用户单独作为一个社团,社团特征向量等于用户特征向量;每次选择两个距离(指特征向量的欧氏距离,按公式(11)计算)最近的社团,将这两个社团合并为一个社团,重新计算新社团的特征向量;重复上述操作,直至剩余个社团。
K-Step执行完毕后,检查每个社团的组成是否发生改变,如果没有则迭代结束,输出社团划分结果;否则继续执行M-Step,根据每个社团的当前构成计算其特征向量;M-Step执行完毕后进入下一次迭代。图5所示是交易网络示例(图2)划分社团后的示意图,其中集合中各节点的连接模式相似,被划入同一个社团;同理集合中各节点的连接模式与前述集合有较大不同,且彼此相似,被划入另一个社团。
步骤四是基于用户簇和社团划分,应用随机行走方法实现商家推荐,过程如图6所示。从目标用户(买家)出发,一次随机行走到达下一个用户;然后以该用户为当前用户继续随机行走;直至达到终止条件。随机行走包含两个阶段:其一是按概率选择一个社团;其二是按概率从中选择一个用户。
如图6所示,首先确定本次推荐的商家数量,一般(范围3~20);然后从目标用户出发随机行走,选择下一个用户;分四种情况判定随机行走是否终止;如果未能终止,则将作为当前用户继续随机行走;如果过程终止,输出为推荐的商家;上述过程重复次,最后输出所推荐的一组商家。
我们根据电子商务网站中实际采集的交易数据对本发明方法进行检验:从所建立的交易网络中随机删除部分有向边,即删除部分买家和卖家之间的交易关系;然后以这些买家作为目标用户,应用本发明方法为其推荐合适的卖家(商家),如果推荐的卖家就是之前删除了交易关系的卖家,则证明推荐方法的合理性和准确性。实验数据表明,应用本发明方法,商家推荐的准确率达到了70%以上;考虑到买家和卖家交易的随机性,这个结果已经超过了目前大多数面向商品的推荐方法和技术。本发明方法计算简单高效,适合电子商务网站海量交易数据的特点,具有良好的适用性和扩展性。
Claims (10)
1.一种基于交易网络的商家推荐方法,其特征在于包括以下步骤:
1)整理交易数据并建立交易网络,包括为每个用户,即买家和卖家,建立和维护偏好向量;并根据历史交易记录在用户之间建立交易网络;
2)根据用户交易历史对用户聚类;采用期望最大化算法EM,通过用户偏好向量进行用户聚类,形成偏好相似的用户簇;
3)对交易网络进行社团划分;采用K均值算法KM,根据交易网络中各用户节点的连接模式划分社团;
4)应用随机行走方法实现商家推荐,从买家出发,在社团间随机行走,根据用户簇决定停止概率,完成商家推荐。
4.根据权利要求1、2或3所述的基于交易网络的商家推荐方法,其特征在于,上述步骤2)中的EM算法包含两个阶段:E-Step根据用户簇的当前组成计算每个簇的中心点;M-Step将每个用户重新分配到从属概率最高的用户簇;具体过程为:
5.根据权利要求4所述的基于交易网络的商家推荐方法,其特征在于,上述步骤2)中采用EM算法完成用户聚类的过程是:首先根据电子商务网站中的用户总数设置用户簇的数量,保证用户簇规模的平均范围为500~3000个用户;随机设定个用户簇,对每一个用户,以均一概率分配到某一个簇中;然后开始迭代:第一步执行EM算法为每一个用户重新分配用户簇;第二步对过大和过小的用户簇做处理,过程是:
迭代结束时判断用户簇的组成是否发生变化:如果发生变化,则进入下一次迭代;如果没有发生变化,则迭代结束,输出聚类好的用户簇。
6.根据权利要求1、2或3所述的基于交易网络的商家推荐方法,其特征在于,上述步骤3)中的KM算法包含两个阶段:K-Step将每个用户重新分配到匹配度最高的社团;M-Step根据社团的当前组成计算每个社团的特征向量;具体过程为:
7.根据权利要求6所述的基于交易网络的商家推荐方法,其特征在于,上述步骤3)中采用KM算法完成交易网络中社团划分的过程是:首先根据电子商务网站中的用户总数设置社团的数量,保证社团规模的平均值范围为500~3000个用户;然后初始化社团:对交易网络中的用户节点按度数,即出度+入度排序,等分为个区间;从每个区间随机选择10~30个用户节点;每个用户节点单独作为一个社团,社团特征向量等于用户特征向量;每次选择两个特征向量的欧氏距离最近的社团,将这两个社团合并为一个社团,重新计算新社团的特征向量;重复上述操作,直至剩余个社团;然后迭代执行KM算法,迭代过程的收敛条件是一次迭代后,每个用户同社团的从属关系没有发生改变;最后输出社团划分结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102192882A CN102750647A (zh) | 2012-06-29 | 2012-06-29 | 一种基于交易网络的商家推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102192882A CN102750647A (zh) | 2012-06-29 | 2012-06-29 | 一种基于交易网络的商家推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102750647A true CN102750647A (zh) | 2012-10-24 |
Family
ID=47030800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012102192882A Pending CN102750647A (zh) | 2012-06-29 | 2012-06-29 | 一种基于交易网络的商家推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102750647A (zh) |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065258A (zh) * | 2012-12-25 | 2013-04-24 | 苏州博康生物医疗科技有限公司 | 一种实现智能服务平台的方法 |
CN103345698A (zh) * | 2013-07-09 | 2013-10-09 | 焦点科技股份有限公司 | 电子商务环境下基于云计算处理模式的个性化推荐方法 |
CN103559626A (zh) * | 2013-09-24 | 2014-02-05 | 浙江工商大学 | 基于二部图资源非均匀分配的个性化商品推荐方法 |
CN103942255A (zh) * | 2014-03-19 | 2014-07-23 | 华存数据信息技术有限公司 | 个性化信息推荐系统及其推荐方法 |
CN104239335A (zh) * | 2013-06-19 | 2014-12-24 | 阿里巴巴集团控股有限公司 | 特定用户信息获取方法及装置 |
CN104504597A (zh) * | 2014-12-26 | 2015-04-08 | 湖南亿谷信息科技发展有限公司 | 学习平台的知识商城管理系统及方法 |
CN104574108A (zh) * | 2014-12-30 | 2015-04-29 | 苏州亚安智能科技有限公司 | 一种智能化实现电子服务平台的方法 |
CN104714971A (zh) * | 2013-12-16 | 2015-06-17 | 深圳先进技术研究院 | 移动终端商家个性推荐方法 |
CN104899763A (zh) * | 2015-05-07 | 2015-09-09 | 西安电子科技大学 | 基于二分网络双向扩散的个性化推荐方法 |
CN105447117A (zh) * | 2015-11-16 | 2016-03-30 | 北京邮电大学 | 一种用户聚类的方法和装置 |
CN105488684A (zh) * | 2015-11-16 | 2016-04-13 | 孙宝文 | 交易系统中的推荐关系确定方法及装置 |
CN105590234A (zh) * | 2014-12-30 | 2016-05-18 | 中国银联股份有限公司 | 一种向目标用户推荐商品的方法和系统 |
CN106021590A (zh) * | 2016-06-06 | 2016-10-12 | 东南大学 | 一种基于超图的多蚁群并行组合聚类方法 |
CN106095987A (zh) * | 2016-06-20 | 2016-11-09 | 广州中大电讯科技有限公司 | 一种基于社区网络的内容个性化推送方法及系统 |
CN106779749A (zh) * | 2016-12-26 | 2017-05-31 | 安徽维智知识产权代理有限公司 | 一种基于ip地址的专利产品交易方法 |
CN106909932A (zh) * | 2015-12-23 | 2017-06-30 | 北京奇虎科技有限公司 | 一种网站聚类的方法及装置 |
CN106910101A (zh) * | 2016-07-21 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 群体虚假交易识别方法及装置 |
CN107004221A (zh) * | 2014-11-28 | 2017-08-01 | Bc卡有限公司 | 用于预测使用行业的卡使用模式分析方法及执行其的服务器 |
CN107135137A (zh) * | 2016-02-26 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 网络群组识别方法及装置 |
CN107194723A (zh) * | 2017-05-17 | 2017-09-22 | 中国科学技术大学 | 网络小额贷款中借款项目与出借人的双向匹配推荐方法 |
CN107248095A (zh) * | 2017-04-14 | 2017-10-13 | 北京小度信息科技有限公司 | 推荐方法及装置 |
CN107507028A (zh) * | 2017-08-16 | 2017-12-22 | 北京京东尚科信息技术有限公司 | 用户偏好确定方法、装置、设备及存储介质 |
CN107590690A (zh) * | 2017-09-05 | 2018-01-16 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置及服务器 |
CN108140203A (zh) * | 2015-08-18 | 2018-06-08 | 万事达卡国际股份有限公司 | 用于通过性质图形模型生成关系的系统和方法 |
CN108154425A (zh) * | 2018-01-19 | 2018-06-12 | 广州天源信息科技股份有限公司 | 一种结合社会网络和位置的线下商户推荐方法 |
CN108701313A (zh) * | 2015-12-11 | 2018-10-23 | 万事达卡国际股份有限公司 | 使用数据语料库生成推荐的系统和方法 |
CN109241202A (zh) * | 2018-09-11 | 2019-01-18 | 杭州飞弛网络科技有限公司 | 一种基于聚类的陌生人社交用户匹配方法和系统 |
CN109474703A (zh) * | 2018-12-24 | 2019-03-15 | 杭州云纪网络科技有限公司 | 个性化产品组合推送方法、装置及系统 |
CN109597858A (zh) * | 2018-12-14 | 2019-04-09 | 拉扎斯网络科技(上海)有限公司 | 一种商户的分类方法及其装置和商户的推荐方法及其装置 |
CN109685630A (zh) * | 2019-01-09 | 2019-04-26 | 苏州大学 | 电子商务团购推荐方法及系统 |
WO2019141072A1 (zh) * | 2018-01-22 | 2019-07-25 | 阿里巴巴集团控股有限公司 | 店铺信息推荐方法、装置及客户端 |
CN111209473A (zh) * | 2019-12-26 | 2020-05-29 | 武汉物易云通网络科技有限公司 | 一种基于大数据的车货匹配方法及系统 |
CN112070577A (zh) * | 2020-08-31 | 2020-12-11 | 深圳市卡牛科技有限公司 | 一种商品推荐方法、系统、设备及介质 |
CN112862539A (zh) * | 2021-03-03 | 2021-05-28 | 拉扎斯网络科技(上海)有限公司 | 流量处理方法、装置、电子设备、存储介质及程序产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050096997A1 (en) * | 2003-10-31 | 2005-05-05 | Vivek Jain | Targeting shoppers in an online shopping environment |
US20080262918A1 (en) * | 2007-04-19 | 2008-10-23 | Jay Wiener | Exercise recommendation engine and internet business model |
US20090271246A1 (en) * | 2008-04-28 | 2009-10-29 | American Express Travel Related Services Company, Inc. | Merchant recommendation system and method |
CN101916256A (zh) * | 2010-07-13 | 2010-12-15 | 北京大学 | 综合行动者兴趣与网络拓扑的社区发现方法 |
US20110184806A1 (en) * | 2010-01-27 | 2011-07-28 | Ye Chen | Probabilistic recommendation of an item |
-
2012
- 2012-06-29 CN CN2012102192882A patent/CN102750647A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050096997A1 (en) * | 2003-10-31 | 2005-05-05 | Vivek Jain | Targeting shoppers in an online shopping environment |
US20080262918A1 (en) * | 2007-04-19 | 2008-10-23 | Jay Wiener | Exercise recommendation engine and internet business model |
US20090271246A1 (en) * | 2008-04-28 | 2009-10-29 | American Express Travel Related Services Company, Inc. | Merchant recommendation system and method |
US20110184806A1 (en) * | 2010-01-27 | 2011-07-28 | Ye Chen | Probabilistic recommendation of an item |
CN101916256A (zh) * | 2010-07-13 | 2010-12-15 | 北京大学 | 综合行动者兴趣与网络拓扑的社区发现方法 |
Non-Patent Citations (2)
Title |
---|
杨长春等: "一种新的基于用户群体关系挖掘的随机漫游社会推荐模型", 《小型微型计算机系统》 * |
王小红: "改进的K_均值聚类算法在社团划分中的应用", 《青海师范大学学报(自然科学版)》 * |
Cited By (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065258A (zh) * | 2012-12-25 | 2013-04-24 | 苏州博康生物医疗科技有限公司 | 一种实现智能服务平台的方法 |
CN104239335A (zh) * | 2013-06-19 | 2014-12-24 | 阿里巴巴集团控股有限公司 | 特定用户信息获取方法及装置 |
CN104239335B (zh) * | 2013-06-19 | 2017-10-27 | 阿里巴巴集团控股有限公司 | 特定用户信息获取方法及装置 |
CN103345698A (zh) * | 2013-07-09 | 2013-10-09 | 焦点科技股份有限公司 | 电子商务环境下基于云计算处理模式的个性化推荐方法 |
CN103559626A (zh) * | 2013-09-24 | 2014-02-05 | 浙江工商大学 | 基于二部图资源非均匀分配的个性化商品推荐方法 |
CN104714971A (zh) * | 2013-12-16 | 2015-06-17 | 深圳先进技术研究院 | 移动终端商家个性推荐方法 |
CN103942255A (zh) * | 2014-03-19 | 2014-07-23 | 华存数据信息技术有限公司 | 个性化信息推荐系统及其推荐方法 |
CN107004221A (zh) * | 2014-11-28 | 2017-08-01 | Bc卡有限公司 | 用于预测使用行业的卡使用模式分析方法及执行其的服务器 |
CN104504597A (zh) * | 2014-12-26 | 2015-04-08 | 湖南亿谷信息科技发展有限公司 | 学习平台的知识商城管理系统及方法 |
CN104574108A (zh) * | 2014-12-30 | 2015-04-29 | 苏州亚安智能科技有限公司 | 一种智能化实现电子服务平台的方法 |
CN105590234A (zh) * | 2014-12-30 | 2016-05-18 | 中国银联股份有限公司 | 一种向目标用户推荐商品的方法和系统 |
CN104899763A (zh) * | 2015-05-07 | 2015-09-09 | 西安电子科技大学 | 基于二分网络双向扩散的个性化推荐方法 |
CN108140203B (zh) * | 2015-08-18 | 2022-06-03 | 万事达卡国际股份有限公司 | 用于通过性质图形模型生成关系的系统和方法 |
CN108140203A (zh) * | 2015-08-18 | 2018-06-08 | 万事达卡国际股份有限公司 | 用于通过性质图形模型生成关系的系统和方法 |
CN105488684A (zh) * | 2015-11-16 | 2016-04-13 | 孙宝文 | 交易系统中的推荐关系确定方法及装置 |
CN105447117A (zh) * | 2015-11-16 | 2016-03-30 | 北京邮电大学 | 一种用户聚类的方法和装置 |
CN105447117B (zh) * | 2015-11-16 | 2019-03-26 | 北京邮电大学 | 一种用户聚类的方法和装置 |
CN108701313A (zh) * | 2015-12-11 | 2018-10-23 | 万事达卡国际股份有限公司 | 使用数据语料库生成推荐的系统和方法 |
US11790431B2 (en) | 2015-12-11 | 2023-10-17 | Mastercard International Incorporated | Systems and methods for generating recommendations using a corpus of data |
CN106909932A (zh) * | 2015-12-23 | 2017-06-30 | 北京奇虎科技有限公司 | 一种网站聚类的方法及装置 |
CN107135137A (zh) * | 2016-02-26 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 网络群组识别方法及装置 |
CN107135137B (zh) * | 2016-02-26 | 2020-03-27 | 阿里巴巴集团控股有限公司 | 网络群组识别方法及装置 |
CN106021590B (zh) * | 2016-06-06 | 2020-01-10 | 东南大学 | 一种b2b平台供应商推荐方法和系统 |
CN106021590A (zh) * | 2016-06-06 | 2016-10-12 | 东南大学 | 一种基于超图的多蚁群并行组合聚类方法 |
CN106095987A (zh) * | 2016-06-20 | 2016-11-09 | 广州中大电讯科技有限公司 | 一种基于社区网络的内容个性化推送方法及系统 |
CN106910101A (zh) * | 2016-07-21 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 群体虚假交易识别方法及装置 |
CN106779749A (zh) * | 2016-12-26 | 2017-05-31 | 安徽维智知识产权代理有限公司 | 一种基于ip地址的专利产品交易方法 |
CN107248095A (zh) * | 2017-04-14 | 2017-10-13 | 北京小度信息科技有限公司 | 推荐方法及装置 |
CN107194723A (zh) * | 2017-05-17 | 2017-09-22 | 中国科学技术大学 | 网络小额贷款中借款项目与出借人的双向匹配推荐方法 |
CN107507028B (zh) * | 2017-08-16 | 2021-11-30 | 北京京东尚科信息技术有限公司 | 用户偏好确定方法、装置、设备及存储介质 |
CN107507028A (zh) * | 2017-08-16 | 2017-12-22 | 北京京东尚科信息技术有限公司 | 用户偏好确定方法、装置、设备及存储介质 |
CN107590690B (zh) * | 2017-09-05 | 2021-02-23 | 创新先进技术有限公司 | 数据处理方法、装置及服务器 |
CN107590690A (zh) * | 2017-09-05 | 2018-01-16 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置及服务器 |
CN108154425A (zh) * | 2018-01-19 | 2018-06-12 | 广州天源信息科技股份有限公司 | 一种结合社会网络和位置的线下商户推荐方法 |
WO2019141072A1 (zh) * | 2018-01-22 | 2019-07-25 | 阿里巴巴集团控股有限公司 | 店铺信息推荐方法、装置及客户端 |
CN109241202A (zh) * | 2018-09-11 | 2019-01-18 | 杭州飞弛网络科技有限公司 | 一种基于聚类的陌生人社交用户匹配方法和系统 |
CN109597858A (zh) * | 2018-12-14 | 2019-04-09 | 拉扎斯网络科技(上海)有限公司 | 一种商户的分类方法及其装置和商户的推荐方法及其装置 |
CN109474703A (zh) * | 2018-12-24 | 2019-03-15 | 杭州云纪网络科技有限公司 | 个性化产品组合推送方法、装置及系统 |
CN109685630A (zh) * | 2019-01-09 | 2019-04-26 | 苏州大学 | 电子商务团购推荐方法及系统 |
CN111209473A (zh) * | 2019-12-26 | 2020-05-29 | 武汉物易云通网络科技有限公司 | 一种基于大数据的车货匹配方法及系统 |
CN112070577A (zh) * | 2020-08-31 | 2020-12-11 | 深圳市卡牛科技有限公司 | 一种商品推荐方法、系统、设备及介质 |
CN112862539A (zh) * | 2021-03-03 | 2021-05-28 | 拉扎斯网络科技(上海)有限公司 | 流量处理方法、装置、电子设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102750647A (zh) | 一种基于交易网络的商家推荐方法 | |
Han et al. | A fuzzy TOPSIS method for performance evaluation of reverse logistics in social commerce platforms | |
Kang et al. | Evaluation of e-commerce websites using fuzzy hierarchical TOPSIS based on ES-QUAL | |
CN103310353B (zh) | 一种抗攻击的数据过滤优化系统和方法 | |
CN110135952A (zh) | 一种基于品类相似度的商品推荐方法和系统 | |
CN103353880A (zh) | 一种利用相异度聚类和关联的数据挖掘方法 | |
Wei et al. | Research on social e-commerce reputation formation and state-introduced model | |
Zhao et al. | CoEA: A cooperative–competitive evolutionary algorithm for bidirectional recommendations | |
Burke et al. | Patterns of multistakeholder recommendation | |
JP2006195848A (ja) | 電力取引市場における約定価格の決定要因分析方法及び分析のためのコンピュータプログラム | |
Jin et al. | Procurement auctions and supply chain performance | |
Jibril et al. | Association rule mining approach: evaluating pre-purchase risk intentions in the online second-hand goods market | |
Ali et al. | Inferring context with reliable collaborators: a novel similarity estimation method for recommender systems | |
Yang | Equivalence in business models for informational intermediaries | |
Matsuo et al. | A buyers integration support system in group buying | |
CN105488684A (zh) | 交易系统中的推荐关系确定方法及装置 | |
Koppius et al. | Electronic multidimensional auctions and the role of information feedback | |
CN113744051A (zh) | 分布式数据交易方法和系统 | |
Schur | Approximately Optimal Solutions for Nonlinear Dynamic Pricing | |
Bergemann et al. | Designing and pricing information | |
CN115392406B (zh) | 一种基于历史交易信息的用户分类管理方法 | |
Petric et al. | Multi-attribute auction model for agent-based content trading in telecom markets | |
JP7440363B2 (ja) | 企業評価システム及び方法 | |
Ren | Cooperation Performance between E-Commerce and Sports Commodity based on Online Marketing Strategy | |
Li et al. | Priority based matchmaking method of buyers and suppliers in b2b e-marketplace using multi-objective optimization |
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: 20121024 |