CN104978437B - 一种基于地理位置的推荐方法和推荐系统 - Google Patents
一种基于地理位置的推荐方法和推荐系统 Download PDFInfo
- Publication number
- CN104978437B CN104978437B CN201510434942.5A CN201510434942A CN104978437B CN 104978437 B CN104978437 B CN 104978437B CN 201510434942 A CN201510434942 A CN 201510434942A CN 104978437 B CN104978437 B CN 104978437B
- Authority
- CN
- China
- Prior art keywords
- population ratio
- similarity
- characteristic
- population
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000013598 vector Substances 0.000 claims abstract description 22
- 241000209094 Oryza Species 0.000 claims description 4
- 235000007164 Oryza sativa Nutrition 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 235000015277 pork Nutrition 0.000 claims description 4
- 235000009566 rice Nutrition 0.000 claims description 4
- 239000013065 commercial product Substances 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明适用于数据处理领域,提供了一种基于地理位置的推荐方法和推荐系统,所述方法包括:通过地理特征将待推荐区域划分为多个小区域;获取所述多个小区域的特征数据;将所述特征数据转换为特征向量,并根据预设的余弦相似度公式判断所述特征向量的相似度;获取所述相似度高于预设的相似度阈值的小区域的商品数据,通过预设的加权公式计算所述商品数据中的商品的加权值;根据所述加权值获取推荐商品。实施本发明实施例,可以通过地理位置进行商品推荐。
Description
技术领域
本发明属于数据处理领域,尤其涉及一种基于地理位置的推荐方法和推荐系统。
背景技术
传统的推荐系统算法主要使用的基于协同过滤的推荐算法,基于上下文感知的推荐算法以及基于社交网络的推荐算法,而基于用户地理位置的产品推荐方法并没有广泛流行。但随着移动互联网的蓬勃发展,用户的地理位置数据通过手机端GPS开始被大量获取,开始成为商品推荐的重要特征属性,使得一些基于用户地理位置的商品推荐任务成为可能。
在收集到用户的地理位置数据后,需要先对用户在地理位置上进行划分,划分方法是基于用户的所在地的邮政编码为基础的划分方法。然后,通过扫描该地区的用户交易记录,通过计算地区之间的相似程度,找到与用户所在地区相似的地区,进行基于协同过滤的推荐计算。当前已有的基于协同过滤的推荐计算方案中,一种是基于用户本身之间的相似程度,一种是基于物品本身之间的相似程度,尚未有基于地区之间的相似程度的协同过滤推荐计算方法。
发明内容
鉴于此,本发明提供了一种基于地理位置的推荐方法和推荐系统,以解决现有技术没有基于地理位置进行推荐的技术问题。
本发明实施例是这样实现的,一种基于地理位置的推荐方法,所述方法包括以下步骤:
通过地理特征将待推荐区域划分为多个小区域;
获取所述多个小区域的特征数据;
将所述特征数据转换为特征向量,并根据预设的余弦相似度公式判断所述特征向量的相似度;
获取所述相似度高于预设的相似度阈值的小区域的商品数据,通过预设的加权公式计算所述商品数据中的商品的加权值;
根据所述加权值获取推荐商品。
本发明实施例还提供一种基于地理位置的推荐系统,所述系统包括:
小区域划分单元,用于通过地理特征将待推荐区域划分为多个小区域;
特征数据获取单元,用于获取所述小区域划分单元划分的多个小区域的特征数据;
相似度获取单元,用于将所述特征数据获取单元获取的特征数据转换为特征向量,并根据预设的余弦相似度公式判断所述特征向量的相似度;
加权值计算单元,用于获取所述相似度获取单元获取的相似度高于预设的相似度阈值的小区域的商品数据,通过预设的加权公式计算所述商品数据中的商品的加权值;
推荐商品获取单元,用于根据所述加权值计算单元计算的加权值获取推荐商品。
本发明实施例,通过地理特征将待推荐区域划分为多个小区域,获取多个小区域的特征数据,将特征数据转换为特征向量,根据预设的余弦相似度公式判断特征向量的相似性,获取相似度高于预设的相似度阈值的小区域的商品数据,通过预设的加权公式计算商品数据中的商品的加权值,根据加权值获取推荐商品,提供了一种基于地理位置的推荐方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于地理位置的推荐方法的流程图;
图2是本发明实施例提供的基于地理位置的推荐系统的结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
如图1所示为本发明实施例提供的基于地理位置的推荐方法的流程图,所述方法包括以下步骤:
步骤S101,通过地理特征将待推荐区域划分为多个小区域。
在本发明实施例中,待推荐区域可以通过地理特征将该待推荐区域划分为多个小区域,其中,该地理特征包括但不限于:邮政编码、经度和纬度中的一种或多种。如:可以根据邮政编码将待推荐区域划分为XXXXXX小区域和YYYYYY小区域;也可以根据经度将待推荐区域划分为东经XX度小区域和东经YY度小区域;还可以根据纬度将待推荐区域划分为北纬XX度小区域和北纬YY度小区域。
步骤S102,获取所述多个小区域的特征数据。
在本发明实施例中,对每个小区域分别提取其特征数据,该特征数据包括但不限于:单位面积新房售价、单位面积二手房售价、单位面积人口密度、人均房屋拥有面积、人均汽车拥有量、大米平均售价、猪肉平均售价、鸡蛋平均售价、人均年消费金额、人均年收入、人均家庭孩子数量、10岁以下的人口比例、11~30岁人口比例、31~60岁人口比例、60岁以上的人口比例、未接受过教育的人口比例、小学~高中教育的人口比例、专科~本科教育的人口比例、研究生以上教育的人口比例、年收入1万以下的人口比例、年收入2~10万的人口比例、年收入10~30万的人口比例、年收入30万以上的人口比例、汉族人口比例、非汉族人口比例。
步骤S103,将所述特征数据转换为特征向量,并根据预设的余弦相似度公式判断所述特征向量的相似度,所述w1、w2为特征向量,θ为w1和w2之间的夹角。
在本发明实施例中,将特征数据转换为特征向量,通过预设的余弦相似度公式对两个特征向量进行两两比较,其中,w1、w2为特征向量,θ为w1和w2之间的夹角。
步骤S104,获取所述相似度高于预设的相似度阈值的小区域的商品数据,通过预设的加权公式计算所述商品数据中的商品的加权值。
在本发明实施例中,根据预设的加权公式
计算所述商品数据中的商品的加权值,其中,T表示当前时间,t表示商品交易时间,α表示时间衰减参数。
步骤S105,根据所述加权值获取推荐商品。
在本发明实施例中,对相似的小区域,根据加权值对小区域的商品进行流行度排名,加权值越高流行度越高,从所述排名中过滤掉本区域的流行商品,剩下的即为推荐商品。
本发明实施例,通过地理特征将待推荐区域划分为多个小区域,获取多个小区域的特征数据,将特征数据转换为特征向量,根据预设的余弦相似度公式判断特征向量的相似性,获取相似度高于预设的相似度阈值的小区域的商品数据,通过预设的加权公式计算商品数据中的商品的加权值,根据加权值获取推荐商品,提供了一种基于地理位置的推荐方法。
实施例二
如图2所示为本发明实施例提供的基于地理位置的推荐系统的结构图,为了便于说明,仅示出与本发明实施例相关的部分,包括:
小区域划分单元201,用于通过地理特征将待推荐区域划分为多个小区域。
在本发明实施例中,待推荐区域可以通过地理特征将该待推荐区域划分为多个小区域,其中,该地理特征包括但不限于:邮政编码、经度或纬度中的一种或多种。如:可以根据邮政编码将待推荐区域划分为XXXXXX小区域和YYYYYY小区域;也可以根据经度将待推荐区域划分为东经XX度小区域和东经YY度小区域;还可以根据纬度将待推荐区域划分为北纬XX度小区域和北纬YY度小区域。
特征数据获取单元202,用于获取所述小区域划分单元201划分的多个小区域的特征数据。
在本发明实施例中,对每个小区域分别提取其特征数据,该特征数据包括但不限于:单位面积新房售价、单位面积二手房售价、单位面积人口密度、人均房屋拥有面积、人均汽车拥有量、大米平均售价、猪肉平均售价、鸡蛋平均售价、人均年消费金额、人均年收入、人均家庭孩子数量、10岁以下的人口比例、11~30岁人口比例、31~60岁人口比例、60岁以上的人口比例、未接受过教育的人口比例、小学~高中教育的人口比例、专科~本科教育的人口比例、研究生以上教育的人口比例、年收入1万以下的人口比例、年收入2~10万的人口比例、年收入10~30万的人口比例、年收入30万以上的人口比例、汉族人口比例、非汉族人口比例。
相似度获取单元203,用于将所述特征数据获取单元202获取段额特征数据转换为特征向量,并根据预设的余弦相似度公式
判断所述特征向量的相似度,所述w1、w2为特征向量,θ为w1和w2之间的夹角。
在本发明实施例中,将特征数据转换为特征向量,通过预设的余弦相似度公式对两个特征向量进行两两比较,其中,w1、w2为特征向量,θ为w1和w2之间的夹角。
加权值计算单元204,用于获取所述相似度获取单元203获取的相似度高于预设的相似度阈值的小区域的商品数据,通过预设的加权公式
计算所述商品数据中的商品的加权值。
在本发明实施例中,根据预设的加权公式
计算所述商品数据中的商品的加权值,其中,T表示当前时间,t表示商品交易时间,α表示时间衰减参数。
推荐商品获取单元205,用于根据所述加权值计算单元204计算的加权值获取推荐商品。
在本发明实施例中,对相似的小区域,根据加权值对小区域的商品进行流行度排名,加权值越高流行度越高,从所述排名中过滤掉本区域的流行商品,剩下的即为推荐商品。
本发明实施例,通过地理特征将待推荐区域划分为多个小区域,获取多个小区域的特征数据,将特征数据转换为特征向量,根据预设的余弦相似度公式判断特征向量的相似性,获取相似度高于预设的相似度阈值的小区域的商品数据,通过预设的加权公式计算商品数据中的商品的加权值,根据加权值获取推荐商品,提供了一种基于地理位置的推荐系统。
本领域普通技术人员可以理解为上述实施例二所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本领域普通技术人员还可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以在存储于一计算机可读取存储介质中,所述的存储介质,包括ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于地理位置的推荐方法,其特征在于,所述方法包括以下步骤:
通过地理特征将待推荐区域划分为多个小区域;
获取所述多个小区域的特征数据;
将所述特征数据转换为特征向量,并根据预设的余弦相似度公式判断所述特征向量的相似度;
获取所述相似度高于预设的相似度阈值的小区域的商品数据,通过预设的加权公式计算所述商品数据中的商品的加权值;
根据所述加权值获取推荐商品。
2.如权利要求1所述的方法,其特征在于,所述地理特征包括:邮政编码、经度和纬度中的一种或多种。
3.如权利要求1所述的方法,其特征在于,所述特征数据包括:单位面积新房售价、单位面积二手房售价、单位面积人口密度、人均房屋拥有面积、人均汽车拥有量、大米平均售价、猪肉平均售价、鸡蛋平均售价、人均年消费金额、人均年收入、人均家庭孩子数量、10岁以下的人口比例、11~30岁人口比例、31~60岁人口比例、60岁以上的人口比例、未接受过教育的人口比例、小学~高中教育的人口比例、专科~本科教育的人口比例、研究生以上教育的人口比例、年收入1万以下的人口比例、年收入2~10万的人口比例、年收入10~30万的人口比例、年收入30万以上的人口比例、汉族人口比例、非汉族人口比例。
4.如权利要求1~3任一项所述的方法,其特征在于,所述余弦相似度公式为:所述w1、w2为特征向量,θ为w1和w2之间的夹
角。
5.如权利要求1~3任一项所述的方法,其特征在于,所述加权公式为:
所述T表示当前时间,t表示商品交易时间,α表
示时间衰减参数。
6.一种基于地理位置的推荐系统,其特征在于,所述系统包括:
小区域划分单元,用于通过地理特征将待推荐区域划分为多个小区域;
特征数据获取单元,用于获取所述小区域划分单元划分的多个小区域的特征数据;
相似度获取单元,用于将所述特征数据获取单元获取的特征数据转换为特征向量,并根据预设的余弦相似度公式判断所述特征向量的相似度;
加权值计算单元,用于获取所述相似度获取单元获取的相似度高于预设的相似度阈值的小区域的商品数据,通过预设的加权公式计算所述商品数据中的商品的加权值;
推荐商品获取单元,用于根据所述加权值计算单元计算的加权值获取推荐商品。
7.如权利要求6所述的系统,其特征在于,所述地理特征包括:邮政编码、经度和纬度中的一种或多种。
8.如权利要求6所述的系统,其特征在于,所述特征数据包括:单位面积新房售价、单位面积二手房售价、单位面积人口密度、人均房屋拥有面积、人均汽车拥有量、大米平均售价、猪肉平均售价、鸡蛋平均售价、人均年消费金额、人均年收入、人均家庭孩子数量、10岁以下的人口比例、11~30岁人口比例、31~60岁人口比例、60岁以上的人口比例、未接受过教育的人口比例、小学~高中教育的人口比例、专科~本科教育的人口比例、研究生以上教育的人口比例、年收入1万以下的人口比例、年收入2~10万的人口比例、年收入10~30万的人口比例、年收入30万以上的人口比例、汉族人口比例、非汉族人口比例。
9.如权利要求6~8任一项所述的系统,其特征在于,所述余弦相似度公式为:所述w1、w2为特征向量,θ为w1和w2之间的夹
角。
10.如权利要求6~8任一项所述的系统,其特征在于,所述加权公式为:所述T表示当前时间,t表示商品交易时间,α表示
时间衰减参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510434942.5A CN104978437B (zh) | 2015-07-22 | 2015-07-22 | 一种基于地理位置的推荐方法和推荐系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510434942.5A CN104978437B (zh) | 2015-07-22 | 2015-07-22 | 一种基于地理位置的推荐方法和推荐系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104978437A CN104978437A (zh) | 2015-10-14 |
CN104978437B true CN104978437B (zh) | 2018-09-25 |
Family
ID=54274940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510434942.5A Active CN104978437B (zh) | 2015-07-22 | 2015-07-22 | 一种基于地理位置的推荐方法和推荐系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104978437B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649331B (zh) * | 2015-10-29 | 2020-09-11 | 阿里巴巴集团控股有限公司 | 商圈识别方法及设备 |
CN107516226A (zh) * | 2016-06-15 | 2017-12-26 | 苏州宝时得电动工具有限公司 | 一种智能割草机筛选方法及装置 |
CN107301579A (zh) * | 2017-04-28 | 2017-10-27 | 徐罡 | 基于网格的电子商务实现方法与系统 |
CN109003107B (zh) * | 2017-06-06 | 2020-12-04 | 北京嘀嘀无限科技发展有限公司 | 区域划分方法及装置 |
CN107679053B (zh) * | 2017-06-12 | 2020-02-18 | 平安科技(深圳)有限公司 | 地点推荐方法、装置、计算机设备及存储介质 |
CN108133406B (zh) * | 2017-12-21 | 2021-10-15 | 北京星选科技有限公司 | 信息显示方法、装置、电子设备及计算机可读存储介质 |
CN109255680A (zh) * | 2018-09-04 | 2019-01-22 | 浙江经济职业技术学院 | 一种面向农产品大数据的精准个性化推荐方法 |
CN109509016A (zh) * | 2018-09-25 | 2019-03-22 | 中国平安人寿保险股份有限公司 | 销售处理方法、装置及计算机可读存储介质 |
CN109241234A (zh) * | 2018-09-27 | 2019-01-18 | 北京京东尚科信息技术有限公司 | 地址的确定方法、装置及计算机可读存储介质 |
CN109241441B (zh) * | 2018-09-30 | 2021-09-17 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN111274345A (zh) * | 2020-01-21 | 2020-06-12 | 成都智库二八六一信息技术有限公司 | 一种基于网格划分和取值的相似区域检索方法和系统 |
CN112102029B (zh) * | 2020-08-20 | 2022-10-14 | 浙江大学 | 一种基于知识图谱的长尾推荐计算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102047249A (zh) * | 2008-05-27 | 2011-05-04 | 高通股份有限公司 | 用于聚合和呈现与地理位置相关联的数据的方法和设备 |
CN104112213A (zh) * | 2013-04-19 | 2014-10-22 | 腾讯科技(深圳)有限公司 | 推荐信息的方法及装置 |
CN104765873A (zh) * | 2015-04-24 | 2015-07-08 | 百度在线网络技术(北京)有限公司 | 用户相似度确定方法和装置 |
-
2015
- 2015-07-22 CN CN201510434942.5A patent/CN104978437B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102047249A (zh) * | 2008-05-27 | 2011-05-04 | 高通股份有限公司 | 用于聚合和呈现与地理位置相关联的数据的方法和设备 |
CN104112213A (zh) * | 2013-04-19 | 2014-10-22 | 腾讯科技(深圳)有限公司 | 推荐信息的方法及装置 |
CN104765873A (zh) * | 2015-04-24 | 2015-07-08 | 百度在线网络技术(北京)有限公司 | 用户相似度确定方法和装置 |
Non-Patent Citations (1)
Title |
---|
基于QoS感知的Web服务推荐算法;李宁;《计算机工程与设计》;20121130;第33卷(第11期);第4164-4168页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104978437A (zh) | 2015-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104978437B (zh) | 一种基于地理位置的推荐方法和推荐系统 | |
Singleton et al. | Measuring the spatial vulnerability of retail centres to online consumption through a framework of e-resilience | |
Li | An Engel curve for variety | |
Zhai et al. | Mapping the popularity of urban restaurants using social media data | |
Lee | Determinants of recreational boater expenditures on trips | |
Dodson et al. | Gender and food insecurity in southern African cities | |
Dawson et al. | Wine tourism: Winery visitation in the wine appellations of Ontario | |
US9208444B1 (en) | Determining happiness indices | |
Dwyer et al. | Methods of estimating destination price competitiveness: a case of horses for courses? | |
KR20180124931A (ko) | 지리적 위치의 속성 정보를 결정하기 위한 방법 및 디바이스 | |
Capitello et al. | Chinese import demand for wine: evidence from econometric estimations | |
Sovbetov | Impact of digital economy on female employment: Evidence from Turkey | |
Wang et al. | Vitality continuation or over-commercialization? Spatial structure characteristics of commercial services and population agglomeration in historic and cultural areas | |
Mikulić et al. | An extended neural network-based importance-performance analysis for enhancing wine fair experience | |
Mueller et al. | Are Australian wine consumers becoming more environmentally conscious? Robustness of latent preference segments over time | |
Cerovečki et al. | “Food deserts” in urban districts: evidence from a transitional market and implications for macromarketing | |
Hadjikakou | Measuring the Impact of Tourism on Water Resources: alternative frameworks | |
Hernández et al. | Using accommodation price determinants to segment tourist areas | |
CN110990717A (zh) | 一种基于跨域关联的兴趣点推荐方法 | |
McIntyre | Consuming Craft | |
Radhakrishna et al. | Assessment of well-being in multidimensional perspective in post reform India | |
Özmen et al. | Price rigidity in Turkey: Evidence from micro data | |
Zhang et al. | Investigation of export-driving forces and trade potentials of the US bourbon whisky industry | |
Tapsuwan et al. | Correctly specifying environmental assets in spatial hedonic pricing models | |
Tu et al. | More focus on what you care about: Personalized top reviews set |
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 | ||
GR01 | Patent grant |