CN103426096A - 一种推荐用户的方法及装置 - Google Patents
一种推荐用户的方法及装置 Download PDFInfo
- Publication number
- CN103426096A CN103426096A CN2012101490460A CN201210149046A CN103426096A CN 103426096 A CN103426096 A CN 103426096A CN 2012101490460 A CN2012101490460 A CN 2012101490460A CN 201210149046 A CN201210149046 A CN 201210149046A CN 103426096 A CN103426096 A CN 103426096A
- Authority
- CN
- China
- Prior art keywords
- seller
- track
- transaction
- incidence relation
- buyer
- 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
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种推荐用户的方法及装置,用以解决现有技术中用户推荐的准确性低,浪费相关处理资源的问题。该方法根据买家的交易记录中每个记录生成的先后顺序,将每个记录中记录的卖家进行排序,形成该买家的交易轨迹,确定分别针对不同买家确定的交易轨迹中相同的交易轨迹,为相同的交易轨迹中包含的每个卖家之间建立关联关系,根据建立的卖家之间的关联关系进行用户推荐。由于各买家的相同的交易轨迹可以表征在实际交易过程中各卖家的关联性,因此本申请实施例中服务器根据各买家的相同的交易轨迹为卖家建立关联关系,可以提高服务器建立各卖家之间的关联关系的准确性,进而提高用户推荐的准确性,节省了相关处理资源。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种推荐用户的方法及装置。
背景技术
随着购物网站的兴起,卖家可以直接在购物网站上开设网店并出售商品,而不必考虑开设实体店所带来的高昂费用,买家也可以足不出户,直接在购物网站上购买商品,这极大的提高了商品交易的效率。
在购物网站中,用户推荐是一种提高卖家的商品成交量的有效方法,当买家点击某个卖家的页面时,服务器除了将该卖家出售的商品信息提供给买家之外,还可以向该买家提供出售与该卖家的商品相关的其他商品的卖家的信息。
例如,卖家a出售的商品为品牌A的手机,卖家b出售的商品是该品牌A的手机的保护壳和保护袋,卖家c出售的商品是该品牌A的手机的电池、充电器和耳机。当买家点击该卖家a的页面时,服务器将该卖家a出售的该品牌A手机的商品信息提供给买家的同时,还将卖家b和卖家c的信息提供给买家,也即将卖家b和卖家c推荐给买家,以方便该买家在订购该品牌A的手机后,直接到卖家b和卖家c处挑选需要的配件。
要实现上述用户推荐的方法,就需要服务器预先建立各个卖家之间的关联关系,并在向买家提供某个卖家的页面时,将与该卖家具有关联关系的其他卖家的信息提供给买家。
然而,在现有技术中,服务器建立各个卖家之间的关联关系时,是根据卖家提交的其出售商品的类型信息来建立的,而卖家提交的出售商品的类型信息是由卖家人为判断并填写的,因此无可避免的会出现卖家填写的出售商品的类型信息与其实际出售的商品不符的情况,这就会导致服务器建立各个卖家之间的关联关系的准确性下降,使得后续用户推荐的准确性下降,浪费相关处理资源。
发明内容
本申请实施例提供一种推荐用户的方法及装置,用以解决现有技术中用户推荐的准确性低,浪费相关处理资源的问题。
本申请实施例提供的一种推荐用户的方法,包括:
服务器提取买家的交易记录,按照所述交易记录中每个记录生成的先后顺序,将每个记录中记录的卖家进行排序,将排序后的各卖家确定为所述买家的交易轨迹;并
将分别针对不同买家确定的交易轨迹进行比较,确定相同的交易轨迹,为所述相同的交易轨迹中包含的每个卖家之间建立关联关系;以及
根据建立的卖家之间的关联关系进行用户推荐。
本申请实施例提供的一种推荐用户的装置,包括:
轨迹确定模块,用于提取买家的交易记录,按照所述交易记录中每个记录生成的先后顺序,将每个记录中记录的卖家进行排序,将排序后的各卖家确定为所述买家的交易轨迹;
关联模块,用于将分别针对不同买家确定的交易轨迹进行比较,确定相同的交易轨迹,为所述相同的交易轨迹中包含的每个卖家之间建立关联关系;
用户推荐模块,用于根据建立的卖家之间的关联关系进行用户推荐。
本申请实施例提供一种推荐用户的方法及装置,该方法根据买家的交易记录中每个记录生成的先后顺序,将每个记录中记录的卖家进行排序,形成该买家的交易轨迹,将分别针对不同买家确定的交易轨迹进行比较,确定相同的交易轨迹,为相同的交易轨迹中包含的每个卖家之间建立关联关系,根据建立的卖家之间的关联关系进行用户推荐。由于各买家的相同的交易轨迹可以表征在实际交易过程中各卖家的关联性,因此本申请实施例中服务器根据各买家的相同的交易轨迹为卖家建立关联关系,而非根据卖家人为填写的其出售商品的类型信息建立关联关系,可以提高服务器建立各卖家之间的关联关系的准确性,进而提高用户推荐的准确性,节省了相关处理资源。
附图说明
图1为本申请实施例提供的推荐用户的过程;
图2为本申请实施例提供的确定的各买家的交易轨迹示意图;
图3为本申请实施例提供的推荐用户的装置结构示意图。
具体实施方式
假设卖家a出售的商品为品牌A的手机,卖家b出售的商品是品牌A的手机配件,卖家c出售的商品是品牌B的手机配件,如果卖家b人为填写的其出售商品的类型信息出现错误,如填写为品牌B的手机配件(实际上应该是品牌A的手机配件),而卖家c人为填写的其出售商品的类型信息也出现错误,如填写为品牌A的手机配件(实际上应该是品牌B的手机配件),那么,现有技术中服务器根据各卖家提交的其出售商品的类型信息,就会将卖家a与卖家c建立关联关系,而不为卖家a和卖家b之间建立关联关系。显然,实际上卖家a应该与卖家b建立关联关系,而不应该与卖家c建立关联关系,这就会导致在进行用户推荐时,如果一个买家点击了卖家a的页面,则服务器就会在该页面中提供与卖家a具有关联关系的卖家c,而不提供卖家b,从而降低了用户推荐的准确性,浪费相关处理资源。
考虑到实际应用中一个买家在购买多个商品时,往往是具有一定的逻辑性的,例如一个买家在卖家a处购买了品牌A的手机后,会到卖家b处购买该品牌A的手机的保护壳、保护套、充电器等配件,而即使卖家b人为填写的其出售商品的类型信息有误,但是买家在购买商品时的逻辑却是不变的。因此,本申请实施例中引入交易轨迹的概念,将与买家产生过交易行为的各个卖家按照与该买家产生交易行为的时间先后顺序进行排序,形成该买家的交易轨迹,如果针对不同买家确定的交易轨迹相同,则说明具有相同的交易轨迹的不同买家在购买商品时具有相同或者近似相同的逻辑性,进而说明相同的交易轨迹中所包含的卖家是具有关联性的,从而服务器为相同的交易轨迹中包含的各卖家之间建立关联关系,并据此进行用户推荐。
下面结合说明书附图,对本申请实施例进行详细描述。
图1为本申请实施例提供的推荐用户的过程,具体包括以下步骤:
S101:服务器提取买家的交易记录,按照所述交易记录中每个记录生成的先后顺序,将每个记录中记录的卖家进行排序,将排序后的各卖家确定为所述买家的交易轨迹。
在本申请实施例中,服务器针对每个买家都保存了相应的交易记录,该交易记录中的每个记录中记录了相应买家产生的交易行为、产生该交易行为的时间、产生该交易行为所对应的卖家等信息,因此,服务器针对一个买家,根据该买家的交易记录,按照该交易记录中每个记录生成的先后顺序,将每个记录中记录的卖家进行排序,形成该买家的交易轨迹。其中,可以提取该买家在设定时间段内的交易记录,如过去3个月的交易记录。
例如,对于买家1,交易记录中共有4个记录,这4个记录中分别记录的卖家为卖家1~4,表示该买家1分别与卖家1~4这4个卖家各发生过一次交易行为,共4次交易行为,按照这4个记录生成的先后顺序,将卖家1~4进行排序为:卖家1,卖家2,卖家3,卖家4。则排序后的4个卖家就是该买家1的交易轨迹,表示该买家1依次从卖家1、卖家2、卖家3、卖家4处购买了商品。
S102:将分别针对不同买家确定的交易轨迹进行比较,确定相同的交易轨迹,为相同的交易轨迹中包含的每个卖家之间建立关联关系。
在本申请实施例中,服务器在采用上述步骤S101的方法针对不同买家都确定了相应的交易轨迹后,对不同买家的交易轨迹进行比较,确定其中相同的交易轨迹。
继续沿用上例,如果服务器通过上述步骤S101针对买家2确定的交易轨迹也是:卖家1,卖家2,卖家3,卖家4,则买家1和买家2的交易轨迹相同,说明买家1和买家2在购买商品时具有相同或近似相同的逻辑,进而说明卖家1~4这4个卖家之间具有关联性,因此服务器建立卖家1~4之间的关联关系。
较佳的,服务器在为相同的交易轨迹中包含的每个卖家之间建立关联关系之前,先要判断相同的交易轨迹的数量,当确定相同的交易轨迹的数量大于设定数量时,再为相同的交易轨迹中包含的每个卖家之间建立关联关系。其中,该设定数量可以根据需要进行设定。
继续沿用上例,由于买家1和买家2的交易轨迹都是卖家1,卖家2,卖家3,卖家4,但考虑到只有两个交易轨迹相同可能并不能充分的说明这4个卖家之间确实具有关联性,因此服务器可以判断该相同的交易轨迹的数量是否大于设定数量,也即具有该交易轨迹的买家的数量是否大于设定数量,假设服务器共确定了100个买家的交易轨迹,该设定数量为10,则服务器判断针对这100个买家确定的100个交易轨迹中,该相同的交易轨迹(卖家1,卖家2,卖家3,卖家4)的数量是否大于10,也即判断是否存在至少11个买家具有该相同的交易轨迹,如果是,则认为此时可以充分的说明卖家1~4这4个卖家之间确实具有关联性,建立卖家1~4之间的关联关系,否则不建立卖家1~4之间的关联关系。
S103:根据建立的卖家之间的关联关系进行用户推荐。
通过上述步骤S101和S102,服务器已经为各卖家之间建立了关联关系,因此,在进行用户推荐时,可以根据已建立的各卖家之间的关联关系进行用户推荐,具体可以在提供某个卖家的页面时,在该页面中提供与该卖家具有关联关系的其他卖家。
继续沿用上例,由于已经建立了卖家1~4之间的关联关系,因此,在向某个买家提供卖家1的页面时,在该页面中提供与卖家1具有关联关系的卖家2、卖家3、卖家4。
通过上述方法,服务器为各买家的相同的交易轨迹中包含的各卖家之间建立关联关系,由于各买家的相同的交易轨迹可以表征在实际交易过程中各卖家的关联性,因此,本申请实施例提供的推荐用户的方法可以提高建立各卖家之间的关联关系的准确性,进而提高用户推荐的准确性,节省了相关处理资源。
考虑到在实际应用中,不同买家的需求、购买商品时的逻辑性不可能完全相同,因此在按照上述步骤S101确定的各买家的交易轨迹中,出现相同的交易轨迹的可能性并不高,如图2所示。
图2为本申请实施例提供的确定的各买家的交易轨迹示意图,在图2中,采用步骤S101确定的各买家的交易轨迹如下:
买家1的交易轨迹为:卖家1,卖家2,卖家3,卖家4;
买家2的交易轨迹为:卖家1,卖家2,卖家3;
买家3的交易轨迹为:卖家2,卖家1,卖家3,卖家4;
买家4的交易轨迹为:卖家1,卖家2,卖家4。
可见,上述4个买家的交易轨迹虽然相似,但却各不相同。通过这4个交易轨迹可以看出,卖家1~4显然是具有一定的关联性的,但是,由于这4个交易轨迹各不相同,因此,服务器不能确定出这4个交易轨迹中相同的交易轨迹,也就不能为卖家1~4建立关联关系,这也会导致为各卖家建立关联关系的准确性下降,使用户推荐的准确性下降。
因此,为了进一步提高为各卖家建立关联关系的准确性,以进一步提高用户推荐的准确性,本申请实施例中确定买家的交易轨迹的方法具体为,针对一个买家,按照该买家的交易记录中每个记录生成的先后顺序,将每个记录中记录的卖家进行排序,根据排序后的各卖家,采用设定方法确定轨迹,将采用该设定方法能够确定的每个不同的轨迹作为针对该买家确定的每个交易轨迹,其中,采用设定方法确定轨迹具体为:在排序后的各卖家中任意提取两个卖家,按照任意提取的两个卖家在排序后的各卖家中的排序顺序,将该两个卖家进行排序,将排序后的两个卖家确定为一个轨迹。
也即,根据排序后的各卖家,遍历在各卖家中任意提取两个卖家的所有情况,针对每种情况,按照任意提取的两个卖家在排序后的各卖家中的排序顺序,将该两个卖家进行排序,将排序后的两个卖家确定为该买家的一个交易轨迹。
继续以图2为例进行说明,针对买家1,排序后的各卖家为:卖家1,卖家2,卖家3,卖家4,则任意在这4个卖家中提取两个卖家,假设为卖家1和卖家2,这两个卖家之前的排序顺序为卖家1在前,卖家2在后,因此按照这个排序顺序将这两个卖家进行排序为:卖家1,卖家2,从而该买家1的一条交易轨迹为:卖家1,卖家2,记为L12。
仍然针对买家1,假设任意提取的两个卖家为卖家1和卖家3,这两个卖家之前的排序顺序为卖家1在前,卖家3在后,因此按照这个排序顺序将这两个卖家进行排序为:卖家1,卖家3,从而该买家1的另一条交易轨迹为:卖家1,卖家3,记为L13。
以此类推,针对买家1,共可以确定出6条交易轨迹,分别为:L12、L13、L14、L23、L24、L34。
相应的,针对买家2,共可以确定出3条交易轨迹,分别为:L12、L13、L23。
针对买家3,共可以确定出6条交易轨迹,分别为:L21、L23、L24、L13、L14、L34。
针对买家4,共可以确定出3条交易轨迹,分别为:L12、L14、L24。
这样,针对买家1~4,共确定出18条交易轨迹,每条交易轨迹中只包含两个卖家,从而,在步骤S102中,确定相同的交易轨迹的方法为,针对两个交易轨迹,当其中一个交易轨迹包含的各买家与另一个交易轨迹包含的各卖家相同,且该两个交易轨迹中分别包含的各卖家的排序顺序也相同时,确定该两个交易轨迹为相同的交易轨迹。
继续沿用上例,在针对买家1~4确定出的这18条交易轨迹中,L12和L21是两条不相同的交易轨迹,这是因为虽然这两条交易轨迹中都包含卖家1和卖家2,但是两条交易轨迹中卖家1和卖家2的排序顺序是不同的。
通过上述确定相同的交易轨迹的方法,在这18条交易轨迹中确定出的相同的交易轨迹分别为:L12(3条)、L13(3条)、L14(3条)、L23(3条)、L24(3条)、L34(2条)。假设设定数量为2,则具有L34这条交易轨迹的买家(买家1和买家3)的数量不大于该设定数量,因此不建立卖家3和卖家4的关联关系。而具有L12、L13、L14、L23、L24这些交易轨迹的买家的数量均为3,大于设定数量2,因此,建立卖家1和卖家2(包含在交易轨迹L12中)、卖家1和卖家3(包含在交易轨迹L13中)、卖家1和卖家4(包含在交易轨迹L14中)、卖家2和卖家3(包含在交易轨迹L23中)、卖家2和卖家4(包含在交易轨迹L24中)的关联关系。
在后续的步骤中,则可以根据建立的上述关联关系进行用户推荐。例如,在提供卖家1的页面时,在该页面中提供与该卖家1具有关联关系的卖家2、卖家3、卖家4。而在提供卖家3的页面时,在该卖家3的页面中提供卖家1和卖家2,不提供卖家4,在提供卖家4的页面时,在该卖家4的页面中也只提供卖家1和卖家2,不提供卖家3,这是因为卖家3和卖家4之间并没有建立关联关系。
在本申请实施例中,当确定了相同的交易轨迹后,在为该相同的交易轨迹中包含的每个卖家之间建立关联关系时,考虑到在某些场景中买家购买商品时的逻辑是具有一定的方向性的,而该方向是单向的,并不是双向的,如果不考虑交易轨迹的方向性,可能会导致建立卖家之间的关联关系时出现矛盾。
例如,一个买家在卖家1处购买了品牌A手机,然后在卖家2处购买了品牌A手机的保护壳,因此针对该买家确定的交易轨迹为:卖家1,卖家2。显然可以直观的看出该买家购买商品的逻辑是:因为购买了品牌A手机,所以才要购买品牌A手机的保护壳。如果具有该交易轨迹的买家的数量大于设定数量,则会建立卖家1和卖家2的关联关系。在实际应用中,大多数买家购买商品时是具有上述逻辑的,但是,如果将该逻辑反过来,所形成的逆向逻辑就是:因为购买了品牌A手机的保护壳,所以才要购买品牌A手机。显然,只有少数买家才会具有该逆向逻辑,而该少数买家的交易轨迹就是:卖家2,卖家1。如果具有该逆向逻辑的买家的数量不大于设定数量,那么具有“卖家2,卖家1”这个交易轨迹的买家的数量也不大于设定数量,因此不应该建立卖家2和卖家1的关联关系,这样就会出现矛盾。
因此,为了进一步提高建立卖家之间的关联关系的准确性,本申请实施例中在为该相同的交易轨迹中包含的两个卖家之间建立关联关系的方法具体为:为该相同的交易轨迹中包含的各卖家建立单向关联关系,其中,该单向关联关系为排序在前的卖家指向排序在后的卖家的关联关系。
继续沿用上例,由上述确定两个交易轨迹是否相同的方法可知,上例中的两个交易轨迹并不相同,而由于具有“卖家1,卖家2”的交易轨迹的买家的数量大于设定数量,因此建立的卖家1和卖家2的关联关系为单向关联关系,也即由排序在前的卖家1指向排序在后的卖家2的关联关系。相反,由于具有“卖家2,卖家1”的交易轨迹的买家的数量不大于设定数量,因此不建立由卖家2指向卖家1的单向关联关系。
更进一步的,当采用上述方法为卖家之间建立单向关联关系时,根据建立的卖家之间的关联关系进行用户推荐的方法具体为:在提供卖家的页面时,确定与该页面所属的卖家具有指定的单向关联关系的其他卖家,其中,该指定的单向关联关系包括被该页面所属的卖家所指向的单向关联关系,在该页面中提供确定的其他卖家。
继续沿用上例,在提供卖家1的页面时,由于指定的单向关联关系为被该卖家1所指向的单向关联关系,因此,确定与卖家1具有该指定的单向关联关系的其他卖家即为卖家2,在卖家1的页面中提供卖家2。相反,在提供卖家2的页面时,由于指定的单向关联关系为被该卖家2所指向的单向关联关系,而卖家1并没有被卖家2所指向,因此在卖家2的页面中不提供卖家1。
采用上述方法进行用户推荐时,可以准确的预测买家在当前页面的卖家处购买了商品后,下一步可能需要浏览的其他卖家的页面,因此进一步提高了用户推荐的准确性。
另外,上述为卖家之间建立单向关联关系的方法除了适用于买家购买商品的逻辑是具有单向方向性的场景之外,也适用于买家购买商品的逻辑是具有双向方向性的场景。例如,买家1在卖家1处购买了三维(Three Dimensions,3D)电视,然后在卖家2处购买了3D影碟机,因此针对该买家1确定的交易轨迹为:卖家1,卖家2。该买家1购买商品的逻辑是:因为购买了3D电视,所以才要购买3D影碟机。相反的,买家2在卖家2处购买了3D影碟机,然后在卖家1处购买了3D电视,因此,针对该买家2确定的交易轨迹为:卖家2,卖家1。该卖家2购买商品的逻辑是:因为购买了3D影碟机,所以才要购买3D电视。在实际应用中,在购买商品时分别具有买家1和买家2的两种逻辑的买家的数量可能相差不大,而如果这两种交易轨迹均大于设定数量,服务器则会建立卖家1指向卖家2的单向关联关系,以及卖家2指向卖家1的单向关联关系,从而在进行用户推荐时,在卖家1的页面中提供卖家2,也在卖家2的页面中提供卖家1。
另外,为了进一步提高用户推荐的准确性,除了考虑关联关系的方向性之外,还可以考虑关联关系的关联性的强弱。具体的,将在步骤S102中建立的关联关系划分为强关联关系,也即,将为处于同一个交易轨迹中的每个卖家之间建立的关联关系划分为强关联关系。并且,针对两个不具有强关联关系的卖家,如果存在至少一个不同于这两个卖家的其他卖家与这两个卖家分别具有强关联关系,则为这两个不具有强关联关系的卖家建立弱关联关系。
例如,对于交易轨迹“卖家1,卖家3”和“卖家1,卖家4”,建立卖家1和卖家3的关联关系,建立卖家1和卖家4的关联关系,将建立的卖家1和卖家3、卖家1和卖家4的关联关系划分为强关联关系,而对于不具有强关联关系的卖家3和卖家4,由于存在卖家1分别与卖家3和卖家4都具有强关联关系,因此建立卖家3和卖家4之间的弱关联关系。
当建立了上述强关联关系和弱关联关系之后,进行用户推荐的方法具体可以为:当提供卖家的页面时,分别确定与该卖家具有强关联关系的卖家,以及与该卖家具有弱关联关系的卖家,按照关联关系的强弱顺序将确定的各卖家进行排序并在该页面中提供。继续沿用上例,在提供卖家3的页面时,由于卖家3与卖家1具有强关联关系,与卖家4具有弱关联关系,因此可以将卖家1、卖家4排序为:卖家1、卖家4,也就是与卖家3具有强关联关系的卖家排序靠前,与卖家3具有弱关联关系的卖家排序靠后,并在卖家3的页面中将排序后的卖家1和卖家4提供。
基于上述同样的思路,本申请实施例还提供一种推荐用户的装置,如图3所示。图3为本申请实施例提供的推荐用户的装置结构示意图,具体包括:
轨迹确定模块301,用于提取买家的交易记录,按照所述交易记录中每个记录生成的先后顺序,将每个记录中记录的卖家进行排序,将排序后的各卖家确定为所述买家的交易轨迹;
关联模块302,用于将分别针对不同买家确定的交易轨迹进行比较,确定相同的交易轨迹,为所述相同的交易轨迹中包含的每个卖家之间建立关联关系;
用户推荐模块303,用于根据建立的卖家之间的关联关系进行用户推荐。
所述轨迹确定模块301具体用于,根据排序后的各卖家,采用设定方法确定轨迹,将采用所述设定方法能够确定的每个不同的轨迹作为针对所述买家确定的每个交易轨迹,其中,采用设定方法确定轨迹具体为:在排序后的各卖家中任意提取两个卖家,按照任意提取的两个卖家在排序后的各卖家中的排序顺序,将所述两个卖家进行排序,将排序后的两个卖家确定为一个轨迹。
所述关联模块302具体用于,针对两个交易轨迹,当其中一个交易轨迹包含的各卖家与另一个交易轨迹包含的各卖家相同,且该两个交易轨迹中分别包含的各卖家的排序顺序也相同时,确定该两个交易轨迹为相同的交易轨迹;在为所述相同的交易轨迹中包含的每个卖家之间建立关联关系时,为所述相同的交易轨迹中包含的各卖家建立单向关联关系,其中,所述单向关联关系为排序在前的卖家指向排序在后的卖家的关联关系。
所述用户推荐模块303具体用于,在提供卖家的页面时,确定与所述页面所属的卖家具有指定的单向关联关系的其他卖家,并在所述页面中提供确定的其他卖家,其中,所述指定的单向关联关系包括被所述页面所属的卖家所指向的单向关联关系。
所述关联模块302还用于,在为所述相同的交易轨迹中包含的每个卖家之间建立关联关系之前,确定具有所述相同的交易轨迹的买家的数量大于设定数量。
具体的上述推荐用户的装置可以位于服务器中。
本申请实施例提供一种推荐用户的方法及装置,该方法根据买家的交易记录中每个记录生成的先后顺序,将每个记录中记录的卖家进行排序,形成该买家的交易轨迹,将分别针对不同买家确定的交易轨迹进行比较,确定相同的交易轨迹,为相同的交易轨迹中包含的每个卖家之间建立关联关系,根据建立的卖家之间的关联关系进行用户推荐。由于各买家的相同的交易轨迹可以表征在实际交易过程中各卖家的关联性,因此本申请实施例中服务器根据各买家的相同的交易轨迹为卖家建立关联关系,而非根据卖家人为填写的其出售商品的类型信息建立关联关系,可以提高服务器建立各卖家之间的关联关系的准确性,进而提高用户推荐的准确性,节省相关处理资源。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种推荐用户的方法,其特征在于,包括:
服务器提取买家的交易记录,按照所述交易记录中每个记录生成的先后顺序,将每个记录中记录的卖家进行排序,将排序后的各卖家确定为所述买家的交易轨迹;并
将分别针对不同买家确定的交易轨迹进行比较,确定相同的交易轨迹,为所述相同的交易轨迹中包含的每个卖家之间建立关联关系;以及
根据建立的卖家之间的关联关系进行用户推荐。
2.如权利要求1所述的方法,其特征在于,将排序后的各卖家确定为所述买家的交易轨迹,具体包括:
根据排序后的各卖家,采用设定方法确定轨迹,将采用所述设定方法能够确定的每个不同的轨迹作为针对所述买家确定的每个交易轨迹,其中,采用设定方法确定轨迹具体为:在排序后的各卖家中任意提取两个卖家,按照任意提取的两个卖家在排序后的各卖家中的排序顺序,将所述两个卖家进行排序,将排序后的两个卖家确定为一个轨迹。
3.如权利要求2所述的方法,其特征在于,确定相同的交易轨迹,具体包括:
针对两个交易轨迹,当其中一个交易轨迹包含的各卖家与另一个交易轨迹包含的各卖家相同,且该两个交易轨迹中分别包含的各卖家的排序顺序也相同时,确定该两个交易轨迹为相同的交易轨迹;
为所述相同的交易轨迹中包含的每个卖家之间建立关联关系,具体包括:
为所述相同的交易轨迹中包含的各卖家建立单向关联关系,其中,所述单向关联关系为排序在前的卖家指向排序在后的卖家的关联关系。
4.如权利要求3所述的方法,其特征在于,根据建立的卖家之间的关联关系进行用户推荐,具体包括:
在提供卖家的页面时,确定与所述页面所属的卖家具有指定的单向关联关系的其他卖家,其中,所述指定的单向关联关系包括被所述页面所属的卖家所指向的单向关联关系;并
在所述页面中提供确定的其他卖家。
5.如权利要求1~3任一所述的方法,其特征在于,为所述相同的交易轨迹中包含的每个卖家之间建立关联关系之前,所述方法还包括:
确定具有所述相同的交易轨迹的买家的数量大于设定数量。
6.一种推荐用户的装置,其特征在于,包括:
轨迹确定模块,用于提取买家的交易记录,按照所述交易记录中每个记录生成的先后顺序,将每个记录中记录的卖家进行排序,将排序后的各卖家确定为所述买家的交易轨迹;
关联模块,用于将分别针对不同买家确定的交易轨迹进行比较,确定相同的交易轨迹,为所述相同的交易轨迹中包含的每个卖家之间建立关联关系;
用户推荐模块,用于根据建立的卖家之间的关联关系进行用户推荐。
7.如权利要求6所述的装置,其特征在于,所述轨迹确定模块具体用于,根据排序后的各卖家,采用设定方法确定轨迹,将采用所述设定方法能够确定的每个不同的轨迹作为针对所述买家确定的每个交易轨迹,其中,采用设定方法确定轨迹具体为:在排序后的各卖家中任意提取两个卖家,按照任意提取的两个卖家在排序后的各卖家中的排序顺序,将所述两个卖家进行排序,将排序后的两个卖家确定为一个轨迹。
8.如权利要求7所述的装置,其特征在于,所述关联模块具体用于,针对两个交易轨迹,当其中一个交易轨迹包含的各卖家与另一个交易轨迹包含的各卖家相同,且该两个交易轨迹中分别包含的各卖家的排序顺序也相同时,确定该两个交易轨迹为相同的交易轨迹;在为所述相同的交易轨迹中包含的每个卖家之间建立关联关系时,为所述相同的交易轨迹中包含的各卖家建立单向关联关系,其中,所述单向关联关系为排序在前的卖家指向排序在后的卖家的关联关系。
9.如权利要求8所述的装置,其特征在于,所述用户推荐模块具体用于,在提供卖家的页面时,确定与所述页面所属的卖家具有指定的单向关联关系的其他卖家,并在所述页面中提供确定的其他卖家,其中,所述指定的单向关联关系包括被所述页面所属的卖家所指向的单向关联关系。
10.如权利要求6~9任一所述的装置,其特征在于,所述关联模块还用于,在为所述相同的交易轨迹中包含的每个卖家之间建立关联关系之前,确定具有所述相同的交易轨迹的买家的数量大于设定数量。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101490460A CN103426096A (zh) | 2012-05-14 | 2012-05-14 | 一种推荐用户的方法及装置 |
TW101128242A TWI552099B (zh) | 2012-05-14 | 2012-08-06 | Recommended user method and device |
PCT/US2013/040657 WO2013173194A1 (en) | 2012-05-14 | 2013-05-10 | A user recommendation method and device |
EP13725027.0A EP2850544A4 (en) | 2012-05-14 | 2013-05-10 | METHOD AND DEVICE FOR USER RECOMMENDATIONS |
US13/892,135 US20130304539A1 (en) | 2012-05-14 | 2013-05-10 | User recommendation method and device |
JP2015512711A JP6199958B2 (ja) | 2012-05-14 | 2013-05-10 | ユーザー推奨方法および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101490460A CN103426096A (zh) | 2012-05-14 | 2012-05-14 | 一种推荐用户的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103426096A true CN103426096A (zh) | 2013-12-04 |
Family
ID=48485522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101490460A Pending CN103426096A (zh) | 2012-05-14 | 2012-05-14 | 一种推荐用户的方法及装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20130304539A1 (zh) |
EP (1) | EP2850544A4 (zh) |
JP (1) | JP6199958B2 (zh) |
CN (1) | CN103426096A (zh) |
TW (1) | TWI552099B (zh) |
WO (1) | WO2013173194A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016192585A1 (zh) * | 2015-06-04 | 2016-12-08 | 阿里巴巴集团控股有限公司 | 用户推荐方法及装置 |
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 |
CN106980999A (zh) * | 2016-01-19 | 2017-07-25 | 阿里巴巴集团控股有限公司 | 一种用户推荐的方法和设备 |
CN109062955A (zh) * | 2018-06-25 | 2018-12-21 | 广东神马搜索科技有限公司 | 项目间关联关系挖掘方法、装置、计算设备及存储介质 |
CN109767292A (zh) * | 2018-12-20 | 2019-05-17 | 厦门笨鸟电子商务有限公司 | 一种买家公司推荐方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105590223A (zh) * | 2014-12-29 | 2016-05-18 | 中国银联股份有限公司 | 商户的商圈信息的标定 |
JP7312923B1 (ja) * | 2021-12-22 | 2023-07-21 | 楽天グループ株式会社 | 情報処理システム、情報処理方法及びプログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206751A (zh) * | 2007-12-25 | 2008-06-25 | 北京科文书业信息技术有限公司 | 基于数据挖掘的顾客推荐系统及其方法 |
US20110231257A1 (en) * | 2010-03-19 | 2011-09-22 | Visa U.S.A. Inc. | Systems and Methods to Identify Differences in Spending Patterns |
CN102236867A (zh) * | 2011-08-15 | 2011-11-09 | 悠易互通(北京)广告有限公司 | 基于云计算的受众行为分析广告定向系统 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6430539B1 (en) * | 1999-05-06 | 2002-08-06 | Hnc Software | Predictive modeling of consumer financial behavior |
US7330826B1 (en) * | 1999-07-09 | 2008-02-12 | Perfect.Com, Inc. | Method, system and business model for a buyer's auction with near perfect information using the internet |
WO2001008067A1 (en) * | 1999-07-21 | 2001-02-01 | Netgenshopper.Com, Inc. | Network-based transaction system and method |
US6904336B2 (en) * | 2001-12-28 | 2005-06-07 | Fannie Mae | System and method for residential emissions trading |
US20040088179A1 (en) * | 2002-11-06 | 2004-05-06 | Cogen Jack D. | Emissions reduction portfolio |
US7983929B2 (en) * | 2003-02-10 | 2011-07-19 | South Dakota School Of Mines And Technology | Technique for determining and reporting reduction in emissions of greenhouse gases at a site |
US20060015424A1 (en) * | 2004-07-15 | 2006-01-19 | Augusta Systems, Inc. | Management method, system and product for enterprise environmental programs |
US7970642B2 (en) * | 2005-12-27 | 2011-06-28 | Alex Anas | Computer based system to generate data for implementing regional and metropolitan economic, land use and transportation planning |
JP2008117070A (ja) * | 2006-11-01 | 2008-05-22 | Matching Method Research Institute Co Ltd | ショッピング情報提供方法およびシッピング情報提供システム |
US8050998B2 (en) * | 2007-04-26 | 2011-11-01 | Ebay Inc. | Flexible asset and search recommendation engines |
WO2011085360A1 (en) * | 2010-01-11 | 2011-07-14 | Panjiva, Inc. | Evaluating public records of supply transactions for financial investment decisions |
US8224845B2 (en) * | 2008-01-21 | 2012-07-17 | International Business Machines Corporation | Transaction prediction modeling method |
US8417698B2 (en) * | 2008-05-06 | 2013-04-09 | Yellowpages.Com Llc | Systems and methods to provide search based on social graphs and affinity groups |
US20100088148A1 (en) * | 2008-10-02 | 2010-04-08 | Presswala Irfan | System and methodology for recommending purchases for a shopping intent |
US20110010208A1 (en) * | 2009-07-09 | 2011-01-13 | Barak Yekutiely | Method for integrated climate change mitigation & adaptation |
KR101106220B1 (ko) * | 2011-01-17 | 2012-01-19 | 롯데건설 주식회사 | 목적지향형 건축물 전생애 환경부하 평가시스템 |
US20130204738A1 (en) * | 2011-01-26 | 2013-08-08 | Agilone Inc. | Systems and methods for recommending entities to online customers |
WO2012154267A1 (en) * | 2011-02-22 | 2012-11-15 | Enviance, Inc. | Environmental impact assessment system and method |
US20130035973A1 (en) * | 2011-08-01 | 2013-02-07 | Infosys Limited | Assessing green it maturity and providing green it recommendations |
-
2012
- 2012-05-14 CN CN2012101490460A patent/CN103426096A/zh active Pending
- 2012-08-06 TW TW101128242A patent/TWI552099B/zh active
-
2013
- 2013-05-10 JP JP2015512711A patent/JP6199958B2/ja active Active
- 2013-05-10 WO PCT/US2013/040657 patent/WO2013173194A1/en active Application Filing
- 2013-05-10 US US13/892,135 patent/US20130304539A1/en not_active Abandoned
- 2013-05-10 EP EP13725027.0A patent/EP2850544A4/en not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206751A (zh) * | 2007-12-25 | 2008-06-25 | 北京科文书业信息技术有限公司 | 基于数据挖掘的顾客推荐系统及其方法 |
US20110231257A1 (en) * | 2010-03-19 | 2011-09-22 | Visa U.S.A. Inc. | Systems and Methods to Identify Differences in Spending Patterns |
CN102236867A (zh) * | 2011-08-15 | 2011-11-09 | 悠易互通(北京)广告有限公司 | 基于云计算的受众行为分析广告定向系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016192585A1 (zh) * | 2015-06-04 | 2016-12-08 | 阿里巴巴集团控股有限公司 | 用户推荐方法及装置 |
US10963935B2 (en) | 2015-06-04 | 2021-03-30 | Alibaba Group Holding Limited | User recommendation method and device |
CN106980999A (zh) * | 2016-01-19 | 2017-07-25 | 阿里巴巴集团控股有限公司 | 一种用户推荐的方法和设备 |
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 |
CN109062955A (zh) * | 2018-06-25 | 2018-12-21 | 广东神马搜索科技有限公司 | 项目间关联关系挖掘方法、装置、计算设备及存储介质 |
CN109767292A (zh) * | 2018-12-20 | 2019-05-17 | 厦门笨鸟电子商务有限公司 | 一种买家公司推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2013173194A1 (en) | 2013-11-21 |
JP2015521321A (ja) | 2015-07-27 |
TW201346820A (zh) | 2013-11-16 |
TWI552099B (zh) | 2016-10-01 |
EP2850544A4 (en) | 2016-02-17 |
EP2850544A1 (en) | 2015-03-25 |
JP6199958B2 (ja) | 2017-09-20 |
US20130304539A1 (en) | 2013-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103426096A (zh) | 一种推荐用户的方法及装置 | |
CN103473230B (zh) | 服务范围确定方法、物流服务提供方推荐方法及相应装置 | |
CN103164804B (zh) | 一种个性化的信息推送方法及装置 | |
CN102841904B (zh) | 一种搜索方法及设备 | |
CN102446326B (zh) | 一种信息推送的方法、系统及设备 | |
US9342559B1 (en) | Automatic matching of users and service providers | |
CN106251168A (zh) | 信息推送方法及系统 | |
CN104599160A (zh) | 商品推荐方法和装置 | |
CN105718184A (zh) | 一种数据处理方法和装置 | |
CN104462113A (zh) | 搜索方法、装置及电子设备 | |
CN104951468A (zh) | 数据搜索处理方法和系统 | |
CN103309894B (zh) | 基于用户属性的搜索实现方法及系统 | |
CN110335111A (zh) | 数据处理方法、系统、终端及服务器 | |
CN105184616A (zh) | 一种业务对象定向投放的方法和装置 | |
CN103064852A (zh) | 网站统计信息处理方法及系统 | |
CN103345489A (zh) | 一种事件查询请求处理方法及装置 | |
CN105677867A (zh) | 一种用户标签的生成方法和装置 | |
CN102890685B (zh) | 一种信息重定向的方法及设备 | |
CN103426089A (zh) | 商品导购系统及方法 | |
CN102737038B (zh) | 关联度确定方法及装置、信息提供方法及装置 | |
CN104156375A (zh) | 一种基于众包的信息投放方法和系统 | |
CN103902598A (zh) | 移动终端及商品信息查询方法 | |
CN105046518A (zh) | 一种推荐团购服务的方法 | |
CN106484701B (zh) | 一种基于业务对象的信息展示方法和装置 | |
CN104050174B (zh) | 一种个性化页面生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131204 |