CN103198118B - 一种商品网页回溯方法及系统 - Google Patents
一种商品网页回溯方法及系统 Download PDFInfo
- Publication number
- CN103198118B CN103198118B CN201310111517.3A CN201310111517A CN103198118B CN 103198118 B CN103198118 B CN 103198118B CN 201310111517 A CN201310111517 A CN 201310111517A CN 103198118 B CN103198118 B CN 103198118B
- Authority
- CN
- China
- Prior art keywords
- commodity
- interaction
- webpage
- user
- commodity webpage
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种商品网页回溯方法,包括如下步骤:S1:自动提取商品网页中商品属性;S2:提取搜索页的搜索关键字作为其购买兴趣,并对购买兴趣进行动态生命周期管理;S3:根据商品网页页面的购买兴趣、商品网页商品网页停留时间以及商品属性,确定被用户可能回溯的商品网页,并自动记录浏览该商品网页时用户与计算机的预定交互行为作为情境信息;S4:根据用户输入的商品内容相关线索、用户交互情境和商品访问日期的查询线索查询回溯至曾浏览过的商品网页。本发明还公开了一种商品网页回溯系统,克服了现有技术中用不能快捷地回溯到曾浏览过的网页页面的问题。
Description
技术领域
本发明涉及数据管理技术领域,尤其涉及一种商品网页回溯方法及系统。
背景技术
随着电子商务技术的发展与普及,越来越多的用户选择网购。不同于传统实体购物,用户在虚拟的网络商城“逛街”,可供选择的商品远比消费者实体购物中能够接触到的商品或商家多,且网购产品一般比实体商品便宜的多。此外,当前的网购商城还提供用户对购买商品的评价功能,这些来自不同用户的相对真实的反馈信息能够帮助其他购买者对商品有更好的了解。网购使得消费者能够足不出户买到物美价廉的商品。
由于网购的特殊性使得用户可以在任何时间任意浏览商品,网购消费者的购物兴趣可能会持续若干天甚至若干月。在这段时间里,消费者可能不断地货比三家。而在挑选比较的过程中,消费者可能会回溯到曾经浏览过的商品中页。
实际上,对于用户来说,从冗长的历史记录中再次定位到曾经浏览过的商品页面并非易事。而且由于搜索引擎返回结果的排序时常刷新变动,凭相同的搜索关键字重新查找该产品的过程也可能非常耗时。
发明内容
(一)要解决的技术问题
本发明所要解决的技术问题是:如何提供一种商品网页回溯方法,以克服用户从冗长的历史记录中很难再次定位到曾经浏览过的商品页面;以及如何提供一种商品网页回溯系统,以方便用户快捷回溯到曾浏览过的商品网页。
(二)技术方案
为了解决上述技术问题,一方面,本发明提供了一种商品网页回溯方法,包括如下步骤:
S1:自动提取商品网页中商品属性;
S2:提取搜索页的搜索关键字作为用户购买兴趣,并对购买兴趣进行动态生命周期管理;
S3:根据商品网页的页面购买兴趣、商品网页商品网页停留时间以及商品属性,确定被用户可能回溯的商品网页,并自动记录浏览该商品网页时用户与计算机的预定交互行为作为情境信息;
S4:根据用户输入的商品内容相关线索、用户交互情境和商品访问日期的查询线索查询回溯至曾浏览过的商品网页。
优选地,将步骤S3所述的情境信息,与商品网页的相关内容及URL地址对应存储于数据库。
优选地,步骤S1所述商品属性包括利益相关的商品属性和信誉相关的商品属性。
优选地,所述利益相关的商品属性包括商品折扣信息和运费信息。
优选地,所述的信誉相关的商品属性包括公共信誉与卖家个人信誉。
优选地,步骤S2所述购买兴趣分为活跃、休眠和废弃三种状态。
优选地,步骤S4所述的查询线索按商品内容相关线索、用户交互情境和商品访问日期的优先级顺序查询回溯。
优选地,所述用户交互情境设定为k个用户交互程序窗口。
优选地,将所述k个用户交互程序窗口赋予不同的权值ωi,令(interactionk,interactionk-1,…,interaction1)为商品页之前的用户交互序列,其中interaction1为最靠近商品页的交互,商品网页回溯系统赋予interactioni(1≤i≤k)权值ωi,其计算公式如下:
其中,和ω1:ω2:…:ωk=k:(k-1):…:2:1
交互i越靠近商品页,权值ωi越大;
查询Q与商品页P之间的相似度计算如下:
其中,Q为回溯查询请求,包含m个交互关键字(m≤k),P为数据库中存储的满足查询条件的商品页集合,p.interactionj表示商品页p的第j个交互情境,n为商品页p的总交互情境个数(n≤k),表示查询请求Q中的第i个交互情境关键字。
相似度越大,返回的商品网页排序越靠前。
优选地,所述k设定为3。
另一方面,本发明提供了一种商品网页回溯系统,所述系统包括信息提取模块、购买兴趣模块、回溯预测模块和商品回溯模块;
所述信息提取模块用于自动提取商品网页中商品属性;
所述购买兴趣模块用于提取搜索页的搜索关键字作为用户购买兴趣,并对购买兴趣进行动态生命周期管理;
所述回溯预测模块用于确定可被用户回溯的商品网页,并自动记录浏览该商品网页时用户与计算机的预定交互行为作为情境信息;
所述商品回溯模块用于查询回溯至曾浏览过的某一商品网页。
优选地,所述系统还包括数据库模块,所述数据库模块用于存储情境信息,与商品页的相关内容及网页地址。
优选地,所述信息提取模块嵌入浏览器辅助对象插件。
(三)有益效果
上述技术方案有如下优点:
本发明所记载的技术方案赋予用户购买兴趣生命周期,实现了对购买兴趣的动态管理;赋予用户交互程序不同权值,权值越大,返回商品网页越靠前;采用嵌入一个浏览器的轻量级的浏览器辅助对象,实现了不断用户浏览网页时就能自动从网页源代码中分析提取出商品属性信息;优化查询结果,缩小返回的结果集,从而使目标网页排名靠前。从而使用户更方便快捷从冗长的历史记录回溯到曾浏览过的网页页面,大大地提高了商品网页浏览效率。
附图说明
图1为商品搜索网页示意图;
图2为商品显示网页示意图;
图3为本发明一种商品网页回溯方法的步骤流程示意图;
图4为本发明一种商品网页回溯系统的工作原理示意图;
图5为本发明一种商品网页回溯系统用户界面的示意图。
具体实施方式
下面结合说明书附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例仅用于说明本发明,但不用来限制本发明的范围。
实施例一
如图3所示,本实施例记载了一种商品网页回溯方法,包括如下步骤:
S1:自动提取商品网页面中商品属性;
S2:提取搜索页的搜索关键字作为用户购买兴趣,并对购买兴趣进行动态生命周期管理;
S3:根据商品网页的页面购买兴趣、商品网页面页面停留时间以及商品属性,确定被用户可能回溯的商品网页,并自动记录浏览该商品网页时用户与计算机的预定交互行为作为情境信息;
S4:根据用户输入的商品内容相关线索、用户交互情境和商品访问日期的查询线索查询回溯至曾浏览过的商品网页。
所述情境信息,与商品页的相关内容及网页地址对应存储于数据库。
实施例二
如图4所示,本实施例记载了一种商品网页回溯系统,包括所述系统包括信息提取模块、购买兴趣模块、回溯预测模块和商品回溯模块;
所述信息提取模块用于自动提取商品网页面中商品属性;
所述购买兴趣模块用于提取搜索页的搜索关键字作为用户购买兴趣,并对购买兴趣进行动态生命周期管理;
所述回溯预测模块用于确定可被用户回溯的商品网页,并自动记录浏览该商品网页时用户与计算机的预定交互行为作为情境信息;
所述商品回溯模块用于查询回溯至曾浏览过的某一商品网页。
包括数据库模块,所述数据库模块用于存储情境信息,与商品页的相关内容及网页地址。
下面对上述技术中模块分别进行说明:
(1)信息提取模块
所述利益相关的商品属性,是指该商品是否优惠,分为商品折扣和运费信息。
所述的信誉相关属性,是指商品的描述是否可信,实物与描述是否相符。可分为:公共信誉与卖家个人信誉。前者的信誉评价来自于广大购买了相同产品或同一店内其他产品的消费者,而后者的信誉则是卖家的个人信誉。
公共信誉包括店铺好评率,商品成交量,消费者评论,商品描述相符度及商品好评率。
店铺好评率,从一个侧面反映出卖家信誉越高;商品成交量即特定商品的成交量总数,销量侧面反映了该产品的流行度,也是分析产品信誉时的一个考虑因素;商品描述相符度是购买过该商品的消费者对该商品与网页描述的相符程度,该值越大说明该商品描述越真实,商品科学难度越高;计算用户评论中的好评数占总评论数的百分比,值越大则好评数越多,该商品更可信。
卖家个人信誉分为相对描述相符度,相对服务态度,相对发货速度三种情况。
所述的相对描述相符度指示了相比于同行卖家,该卖家对其产品的描述忠实程度。
相对服务态度是卖家相比于同行的用户服务态度打分。
相对发货速度是指卖家相比于同行的发货速度。
信息提取模块中嵌入一个浏览器的轻量级浏览器辅助对象(Browser HelperObjects),随着用户浏览网页,自动地从网页源代码中分析提取出以上商品属性信息,并且不打断用户的浏览。
2.购物兴趣管理模块
购买兴趣管理模块可自动提取用户在搜索页的搜索关键字,并作为用户可能的购买兴趣。对用户的搜索关键字进行分词处理,每个购买兴趣均表示为一个关键字集合。用户在比较购买商品的过程中,用户购买兴趣会经历三个阶段:兴趣的活跃期、兴趣的休眠期和兴趣失效期。针对此三个阶段,提出了一种三段式的用户兴趣动态生命周期管理模型。购买兴趣I的状态取决于它的搜索频率,计算公式如下:
其中,freq(I)表示兴趣I的搜索频率,count(I)表示从兴趣I首次被使用至当前时间的使用次数,Now即当前日期,firstUsageTime(I)指示兴趣I第一次被访问的日期。
2.1购买兴趣的三种状态
根据动态的搜索频率,本系统将用户兴趣划分为三个状态,即活跃、休眠、废弃。
(1)若freq(I)≥θ1,兴趣I处于活跃状态;
(2)若θ2≤freq(I)<θ1,兴趣I处于休眠状态;
(3)若freq(I)<θ2,兴趣I从本系统中删除。
其中,θ1和θ2是两个阈值,且θ1>θ2。
用户的购买兴趣状态随时间动态变化,一旦到达废弃状态,将被本系统清除掉,不再保存。
2.2兴趣状态之间的转换
用户访问搜索页时,从搜索栏中提取出其购买兴趣I(一组关键字集合),并将其与当前存储的活跃兴趣及休眠兴趣比较,存在以下四种情况:
若兴趣I已存在于用户当前的活跃兴趣集合中,则I的使用次数增加1,即count(I)=count(I)+1;
若兴趣I存在于用户当前的休眠兴趣集合中,重新访问使得该兴趣从休眠状态激活至活跃状态,作为一个新的活跃兴趣,将I从休眠集合中移至活跃集合,初始化count(I)=1,firstUsageTime(I)=now;
若当前活跃兴趣集合与休眠集合中均无兴趣I,则将兴趣I作为一个新的活跃兴趣存入活跃集合中,初始化count(I)=1,firstUsageTime(I)=now;
以上三种情况均针对兴趣I自身,但是新进的兴趣I同时会对已有的相似兴趣产生影响。
若兴趣I中的关键字与当前存在的活跃/休眠兴趣关键字部分匹配,令|I|和|E|分别为新进兴趣I和已存在的兴趣E的关键字集合大小(分词处理后的关键字个数),|I∩E|表示兴趣I与兴趣E的共同关键字个数。更新count(E)使得count(E)=count(E)+incremental(E|I)。incremental(E|I)的计算公式如下:
显然,incremental(E|I)的值恒小于1。
根据当前兴趣的使用次数、跨越的时长便可得到兴趣的使用频率,因此实现了整个兴趣存储的动态生命周期管理。
3、回溯预测模块
为了较为准确地预测回溯可能性高的商品页面,除了上述商品相关属性以及用户的购买兴趣之外,用户在浏览过程中的其他信息,例如商品网页停留时间、访问动机等同样能够反映用户对该商品的偏好程度。用户在该商品页面上的停留时间越长则认为其对该商品的兴趣越大。若商品页面的标题匹配到用户当前的活跃购买兴趣,则认为该商品页面满足用户购买兴趣,该商品页面的兴趣匹配度可表示为一个逻辑布尔值,取值为1时表示满足用户兴趣,为0则反之。
根据商品页面的购买兴趣匹配度、商品网页停留时间以及上述的商品属性,可将用户浏览过的商品页面分为两大类,即有回溯可能的页面与用户不会再回溯的页面。使用Adaboost分类器可以排除一些不必要的训练数据特征,并将关键放在关键的训练数据上面。
经预测后有回溯可能性的商品页,将保存其浏览时的情境信息,包括访问日期和用户交互的情境信息。访问日期是指用户浏览该商品页的日期。而用户交互情境是指用户在该商品网页之前浏览的k个程序窗口,即作为可能的商品访问动机。所述的用户交互程序窗口包括网页、聊天窗口、其他计算机软件交互界面等。而实际用户体验结果表明,用户平均能够回忆起商品网页之前最近的3个交互程序。因此本发明的用户交互程序窗口的设定k值为3。
4.商品页的回溯
如图5所示,本发明提供的一种商品网页系统的用户界面,其查询线索包括商品页标题、卖家名、卖家所在地、店铺名、折扣信息、免邮信息、用户交互窗口和商品访问日期。其中,商品页标题、卖家名、卖家所在地、店铺名、折扣信息和免邮信息均为商品内容相关的查询线索,而用户交互窗口、商品访问日期为情境相关的查询线索。对于商品访问日期,用户可输入具体日期,也可只输入月份或年份。本发明提供的系统同时支持内容关键字查询与情境关键字查询,将用户的搜索条件映射至数据库中以构建一个商品回溯查询请求。在查询的执行过程中,查询线索的优先级顺序为,商品内容相关线索高于用户交互情境,而用户交互情境的优先级又高于商品访问日期。满足所有查询线索的商品将会作为查询结果返回。
将保存用户在商品页之前浏览的k个程序窗口作为可能的商品访问动机,越靠近商品页访问的交互程序给用户的印象越深,越有可能是直接的商品访问动机。本发明所提供的商品网页回溯系统为k个用户交互赋予不同的权值以显示用户对其记忆强度的差别。令(interactionk,interactionk-1,…,interaction1)为商品页之前的用户交互序列,,其中interaction1为最靠近商品页的交互,本系统赋予interactioni(1≤i≤k)权值ωi,计算方法如下:
其中,和ω1:ω2:...:ωk=k:(k-1):...:2:1
越靠近商品页的用户交互,其权值越高。所述的权值用来为返回结果排序,令Q为回溯查询请求,其中包含m个交互关键字(m≤k)。假设P为数据库中存储的满足查询条件的商品页集合,查询Q与商品页P之间的相似度计算如下:
其中,p.interactionj表示商品p的第j个交互情境,n为商品p的总交互情境个数(n≤k),表示查询请求Q中的第i个交互情境关键字。谓词Contain(p.interactionj,)返回真则表示p.interactionj包含关键字。
根据商品页与查询请求的相似匹配度,本系统对返回结果进行排序,相似度越大排序越靠前。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (10)
1.一种商品网页回溯方法,其特征在于,包括如下步骤:
S1:自动提取商品网页中商品属性;
S2:提取搜索页的搜索关键字作为用户购买兴趣,并对购买兴趣进行动态生命周期管理;
S3:根据商品网页的购买兴趣、商品网页停留时间以及商品属性,确定被用户可能回溯的商品网页,并自动记录浏览该商品网页时用户与计算机的预定交互行为作为情境信息;
S4:根据用户输入的商品内容相关线索、用户交互情境和商品访问日期的查询线索查询回溯至曾浏览过的商品网页;
其中,步骤S4所述的查询线索按商品内容相关线索、用户交互情境和商品访问日期的优先级顺序查询回溯;
所述用户交互情境设定为k个用户交互程序窗口;
将所述k个用户交互程序窗口赋予不同的权值ωi,令(interactionk,interactionk-1,…,interaction1)为商品网页之前的用户交互序列,其中interaction1为最靠近商品网页的交互,商品网页回溯系统赋予interactioni(1≤i≤k)权值ωi,其计算公式如下:
其中,和ω1:ω2:…:ωk=k:(k-1):…:2:1
交互i越靠近商品网页,权值ωi越大;
查询Q与商品网页p∈P之间的相似度计算如下:
其中,Q为回溯查询请求,包含m个交互关键字(m≤k),P为数据库 中存储的满足查询条件的商品网页集合,p.interactionj表示商品网页p的第j个交互情境,n为商品网页p的总交互情境个数(n≤k),Q.keywordi inter表示查询请求Q中的第i个交互情境关键字,谓词Contain(p.interactionj,Q.keywordi inter)返回真则表示p.interactionj包含keywordi inter关键字;
相似度越大,返回的商品网页排序越靠前。
2.根据权利要求1所述的方法,其特征在于,将步骤S3所述的情境信息,与商品网页的相关内容及网页地址对应存储于数据库。
3.根据权利要求1所述的方法,其特征在于,步骤S1所述商品属性包括利益相关的商品属性和信誉相关的商品属性。
4.根据权利要求3所述的方法,其特征在于,所述利益相关的商品属性包括商品折扣信息和运费信息。
5.根据权利要求3所述的方法,其特征在于,所述的信誉相关的商品属性包括公共信誉与卖家个人信誉。
6.根据权利要求1所述的方法,其特征在于,步骤S2所述购买兴趣分为活跃、休眠和废弃三种状态。
7.根据权利要求1所述的方法,其特征在于,所述k设定为3。
8.一种商品网页回溯系统,其特征在于,所述系统包括信息提取模块、购买兴趣模块、回溯预测模块和商品回溯模块;
所述信息提取模块用于自动提取商品网页中商品属性;
所述购买兴趣模块用于提取搜索页的搜索关键字作为用户购买兴趣,并对购买兴趣进行动态生命周期管理;
所述回溯预测模块用于确定可被用户回溯的商品网页,并自动记录浏览该商品网页时用户与计算机的预定交互行为作为情境信息;
所述商品回溯模块用于根据用户输入的商品内容相关线索、用户 交互情境和商品访问日期的查询线索查询回溯至曾浏览过的某一商品网页;
其中,所述的查询线索按商品内容相关线索、用户交互情境和商品访问日期的优先级顺序查询回溯;
所述用户交互情境设定为k个用户交互程序窗口;
将所述k个用户交互程序窗口赋予不同的权值ωi,令(interactionk,interactionk-1,…,interaction1)为商品网页之前的用户交互序列,其中interaction1为最靠近商品网页的交互,商品网页回溯系统赋予interactioni(1≤i≤k)权值ωi,其计算公式如下:
其中,和ω1:ω2:…:ωk=k:(k-1):…:2:1
交互i越靠近商品网页,权值ωi越大;
查询Q与商品网页p∈P之间的相似度计算如下:
其中,Q为回溯查询请求,包含m个交互关键字(m≤k),P为数据库中存储的满足查询条件的商品网页集合,p.interactionj表示商品网页p的第j个交互情境,n为商品网页p的总交互情境个数(n≤k),Q.keywordi inter表示查询请求Q中的第i个交互情境关键字,谓词Contain(p.interactionj,Q.keywordi inter)返回真则表示p.interactionj包含keywordi inter关键字;
相似度越大,返回的商品网页排序越靠前。
9.根据权利要求8所述的系统,其特征在于,所述系统还包括数据库模块,所述数据库模块用于存储情境信息,与商品网页的相关内容及网页地址。
10.根据权利要求8或9所述的系统,其特征在于,所述信息提取模块嵌入浏览器辅助对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310111517.3A CN103198118B (zh) | 2013-04-01 | 2013-04-01 | 一种商品网页回溯方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310111517.3A CN103198118B (zh) | 2013-04-01 | 2013-04-01 | 一种商品网页回溯方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103198118A CN103198118A (zh) | 2013-07-10 |
CN103198118B true CN103198118B (zh) | 2017-06-16 |
Family
ID=48720676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310111517.3A Active CN103198118B (zh) | 2013-04-01 | 2013-04-01 | 一种商品网页回溯方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103198118B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111094158A (zh) * | 2018-01-11 | 2020-05-01 | 松下电器产业株式会社 | 提示装置以及提示方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955464B (zh) * | 2014-03-25 | 2017-10-03 | 南京邮电大学 | 一种基于情境融合感知的推荐方法 |
CN103970891B (zh) * | 2014-05-23 | 2017-08-25 | 三星电子(中国)研发中心 | 一种基于情境的用户兴趣信息查询方法 |
CN105786847A (zh) * | 2014-12-22 | 2016-07-20 | 北京奇虎科技有限公司 | 一种电商网站中商品网页的结构化摘要的显示方法和系统 |
CN105786849A (zh) * | 2014-12-22 | 2016-07-20 | 北京奇虎科技有限公司 | 一种文档类网页自定义摘要的生成方法和系统 |
US10050980B2 (en) * | 2015-06-27 | 2018-08-14 | Mcafee, Llc | Enterprise reputations for uniform resource locators |
CN107516246B (zh) * | 2017-08-25 | 2021-07-16 | 北京京东尚科信息技术有限公司 | 用户类型的确定方法、确定装置、介质及电子设备 |
CN108664637B (zh) * | 2018-05-15 | 2021-10-08 | 惠龙易通国际物流股份有限公司 | 一种检索方法及系统 |
CN110738553A (zh) * | 2019-10-18 | 2020-01-31 | 深圳市比量科技传媒有限公司 | 一种将不同商城的商品链接进行相互映射的方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101344889B (zh) * | 2008-07-31 | 2011-04-13 | 中国农业大学 | 一种网络信息抽取的方法和系统 |
CN101727461B (zh) * | 2008-10-13 | 2012-11-21 | 中国科学院计算技术研究所 | 一种网页的正文抽取方法 |
CN102254025B (zh) * | 2011-07-28 | 2013-10-02 | 清华大学 | 信息回忆检索方法 |
-
2013
- 2013-04-01 CN CN201310111517.3A patent/CN103198118B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111094158A (zh) * | 2018-01-11 | 2020-05-01 | 松下电器产业株式会社 | 提示装置以及提示方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103198118A (zh) | 2013-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103198118B (zh) | 一种商品网页回溯方法及系统 | |
TWI522942B (zh) | 用戶收藏夾資料的處理方法與裝置、用戶收藏夾資料的搜尋方法與裝置、及用戶收藏夾系統 | |
TWI615724B (zh) | 基於電子資訊的關鍵字提取的資訊推送、搜尋方法及裝置 | |
CN102279851B (zh) | 一种智能导航方法、装置和系统 | |
US8301514B1 (en) | System, method, and computer readable medium for providing recommendations based on purchase phrases | |
US8700621B1 (en) | Generating query suggestions from user generated content | |
US8209616B2 (en) | System and method for interfacing a web browser widget with social indexing | |
CN102073717A (zh) | 一种面向垂直电子商务网站的首页推荐方法 | |
CN101639857B (zh) | 构建知识问答分享平台的方法、装置及系统 | |
CN105426528A (zh) | 一种商品数据的检索排序方法及系统 | |
CN105930469A (zh) | 基于Hadoop的个性化旅游推荐系统及方法 | |
CN101436186A (zh) | 一种提供相关搜索的方法及系统 | |
CN105447186A (zh) | 一种基于大数据平台的用户行为分析系统 | |
CN106033415A (zh) | 文本内容推荐方法及装置 | |
CN105447731A (zh) | 站外用户站内动态广告生成方法及系统 | |
US20150221023A1 (en) | Information providing device, information providing method, information providing program, and computer-readable storage medium storing the program | |
CN107341173A (zh) | 一种信息处理方法及装置 | |
CN102339448B (zh) | 团购平台信息处理方法及装置 | |
Lin et al. | Personalized hotel recommendation using text mining and mobile browsing tracking | |
CN103699603A (zh) | 一种基于用户行为的信息推荐方法和系统 | |
CN110827112A (zh) | 深度学习的商品推荐方法、装置、计算机设备及存储介质 | |
CN105931082B (zh) | 一种商品类目关键词提取方法和装置 | |
CN101957825A (zh) | 基于网页中图像、视频内容的图像搜索方法 | |
Wu et al. | Keyword extraction for contextual advertisement | |
Niu et al. | Predictive analytics of E-commerce search behavior for conversion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |