CN105787770A - 一种基于nmf算法的大数据商品及服务推荐方法及系统 - Google Patents
一种基于nmf算法的大数据商品及服务推荐方法及系统 Download PDFInfo
- Publication number
- CN105787770A CN105787770A CN201610266693.8A CN201610266693A CN105787770A CN 105787770 A CN105787770 A CN 105787770A CN 201610266693 A CN201610266693 A CN 201610266693A CN 105787770 A CN105787770 A CN 105787770A
- Authority
- CN
- China
- Prior art keywords
- user
- commodity
- nmf
- goods
- algorithm
- 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
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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- 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NMF算法的大数据商品及服务推荐方法,其特征在于包括以下步骤:接收一用户输入的语音信息,生成一结构化文本并在数据库中进行查询;根据该数据库中记录的该多个用户的用户日志对用户进行聚类分析;根据用户、用户浏览记录、商品属性计算用户在每个属性分类上的NMF值:根据当前用户选择的商品,计算当前用户在属性分类上的NMF值,根据商品页的推荐数需求对排序后的推荐候选集的推荐数目进行裁剪,得到最终的推荐集合,进行个性化推荐。本发明的基于NMF算法的大数据商品及服务推荐方法及系统避免了电子商务中用户搜索所需商品所产生的浏览中的大量无关信息,大大提高了电子商务的效率,同时大大改善了用户的使用体验。
Description
技术领域
本发明涉及一种基于NMF算法的大数据商品及服务推荐方法及系统。
背景技术
随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。同时随着电子商务系统正处在不断的扩大化,系统结构不断的复杂化,用户及商品的数量几乎呈直线上身,然而现阶段很多推荐算法由于自身的条件限制,存在两个方面的问题:稀疏性问题与扩展性问题,这严重的影响了推荐的质量。另一方面,语音查询功能在各行业中都有非常实际的应用。随着移动终端的普及,越来越多的语音识别应用被开发。利用语音识别技术能够在一定程度上便于用户的搜索或操作,若能够将语音识别技术辅以主动根据用户需求对商品进行筛选推荐的系统,则有望更快、更便利地推荐最适合用户的产品,以达到使得用户能够更便捷地找寻所需商品的目的,从而大大改善用户的使用体验。
发明内容
本发明要解决的技术问题是为了现有电子商务中用户需要花费大量的时间才能找到自己想买的商品,而在这种浏览中必然产生大量无关的信息,因而会大大降低电子商务的效率,同时严重影响用户的使用体验的缺陷,提出一种基于NMF算法的大数据商品及服务推荐方法及系统。
本发明是通过下述技术方案来解决上述技术问题的:一种基于NMF算法的大数据商品及服务推荐方法,其创新点在于,在一数据库中记录有多个用户的多个用户日志,用户日志对应地记录有用户的历史记录,该基于NMF算法的大数据商品及服务推荐方法包括以下步骤:
A:接收一用户输入的信息,并将这一用户作为目标用户,对信息转化成标准文本信息,以生成一结构化文本,根据结构化文本在数据库中进行查询,以获查询结果;
B:若在该数据库中记录有该目标用户的用户日志,则将该结构化文本记录至该目标用户的用户日志中,若在该数据库中未记录有该目标用户的用户日志,则在该数据库中创建该目标用户的用户日志、并将该结构化文本记录至该目标用户的用户日志中;根据该数据库中记录的该多个用户的用户日志对用户进行聚类分析,以得到聚类结果,该聚类结果包括若干用户聚类及其特征;
C:以商品类别属性为因变量,以用户属性、商品浏览历史记录等特征值为自变量通过逻辑回归算法(LogisticRegression)做统计分析,得出用户对商品类别喜好地概率,建立属性值预测模型,然后结合非负矩阵分解算法(NMF)与用户选定的目标商品匹配对比,对用户个性化推荐,推荐相似商品。
D:根据用户属性信息、用户浏览记录、商品属性计算用户在每个属性分类上的NMF值,用户的NMF值计算结果为一个向量,对于m个属性分类,用eum表示用户NMF值向量中的项,用户NMF值向量表示为Eu={eu1,eu2,eu3,...,eum},每个进行个性化推荐的用户都有一个用户NMF值向量;对用户个性化推荐,推荐相似商品,根据当前用户所选商品,与推荐候选集中的结果进行匹配,根据匹配结果和分类NMF值权重计算商品的相似度,然后根据相似度进行降序排序完成推荐排序过程:
E:根据当前用户选择的商品,计算当前用户在属性分类上的NMF值,匹配得到的候选集合商品的属性匹配向量B,再根据全局NMF值向量Et和中的用户NMF值向量Eu,计算推荐候选集中每个商品的相似度,再根据相似度对推荐候选集商品进行降序排序,其中,对于推荐候选集中的第k项商品,k=1,2,3,4,5...,相似度simk计算公式为:如果k≤5,simk=Bk×(Et-Eu)÷k,如果k>5,simk=Bk×(Et-Eu)÷0.5k,根据商品页的推荐数需求对排序后的推荐候选集的推荐数目进行裁剪,得到最终的推荐集合,进行个性化推荐。
优选的,该步骤A包括以下步骤:对语音信息进行音频特征的提取;获取以马尔科夫模型为基础建立的声学模型,然后根据该声学模型解析得到和提取的音频特征匹配度最高的词序列将该词序列生成为该文本信息。
优选的,对语音信息进行模数转换、端点检测、预加重、加窗、自相关序列、LPC系数、和/或倒频谱系数的计算,以提取音频特征。
优选的,该步骤A还包括以下步骤:利用预设的分词和词性标注算法对该文本信息进行分词和词性标注;对分词后的该文本信息进行同义词替换,以进行归一化处理;找出该文本信息所包含的第一类词,并以预设的通配符代替该文本信息中的第一类词,以形成该结构化文本。
优选的,该步骤C中,采用逻辑回归算法(LogisticRegression)对用户对于商品的喜好做初步的统计分析,得出用户对商品类别喜好地概率,建立属性值预测模型。
优选的,该步骤D中的用户所选商品P和推荐商品Q的相似性为:,其中w表示每幅商品图片中包含的高维向量的数量,w=r×m,r表示每幅图片被划分的局部区域数量,m表示每个局部区域包含的颜色数量;||表示取模运算符,,,pi表示待查询商品图片P中第i个高维向量元素对应的词频,qi表示待推荐商品图片Q中第i个高维向量元素对应的词频背景区域的词频为0。
本发明的积极进步效果在于:本发明的基于NMF算法的大数据商品及服务推荐方法及系统避免了电子商务中用户搜索所需商品所产生的浏览中的大量无关信息,大大提高了电子商务的效率,同时大大改善了用户的使用体验。
附图说明
下面结合附图和具体实施方式对本发明做进一步详细的说明。
图1是本发明一种基于NMF算法的大数据商品及服务推荐方法及系统的流程图。
具体实施方式
本发明的基于NMF算法的大数据商品及服务推荐方法,其创新点在于,在一数据库中记录有多个用户的多个用户日志,用户日志对应地记录有用户的历史记录,该基于NMF算法的大数据商品及服务推荐方法包括以下步骤:
A:接收一用户输入的信息,并将这一用户作为目标用户,对信息转化成标准文本信息,以生成一结构化文本,根据结构化文本在数据库中进行查询,以获查询结果;
B:若在该数据库中记录有该目标用户的用户日志,则将该结构化文本记录至该目标用户的用户日志中,若在该数据库中未记录有该目标用户的用户日志,则在该数据库中创建该目标用户的用户日志、并将该结构化文本记录至该目标用户的用户日志中;根据该数据库中记录的该多个用户的用户日志对用户进行聚类分析,以得到聚类结果,该聚类结果包括若干用户聚类及其特征;
C:以商品类别属性为因变量,以用户属性、商品浏览历史记录等特征值为自变量通过逻辑回归算法(LogisticRegression)做统计分析,得出用户对商品类别喜好地概率,建立属性值预测模型,然后结合非负矩阵分解算法(NMF)与用户选定的目标商品匹配对比,对用户个性化推荐,推荐相似商品。
D:根据用户属性信息、用户浏览记录、商品属性计算用户在每个属性分类上的NMF值,用户的NMF值计算结果为一个向量,对于m个属性分类,用eum表示用户NMF值向量中的项,用户NMF值向量表示为Eu={eu1,eu2,eu3,...,eum},每个进行个性化推荐的用户都有一个用户NMF值向量;对用户个性化推荐,推荐相似商品,根据当前用户所选商品,与推荐候选集中的结果进行匹配,根据匹配结果和分类NMF值权重计算商品的相似度,然后根据相似度进行降序排序完成推荐排序过程:
E:根据当前用户选择的商品,计算当前用户在属性分类上的NMF值,匹配得到的候选集合商品的属性匹配向量B,再根据全局NMF值向量Et和中的用户NMF值向量Eu,计算推荐候选集中每个商品的相似度,再根据相似度对推荐候选集商品进行降序排序,其中,对于推荐候选集中的第k项商品,k=1,2,3,4,5...,相似度simk计算公式为:如果k≤5,simk=Bk×(Et-Eu)÷k,如果k>5,simk=Bk×(Et-Eu)÷0.5k,根据商品页的推荐数需求对排序后的推荐候选集的推荐数目进行裁剪,得到最终的推荐集合,进行个性化推荐。本发明的基于NMF算法的大数据商品及服务推荐方法及系统避免了电子商务中用户搜索所需商品所产生的浏览中的大量无关信息,大大提高了电子商务的效率,同时大大改善了用户的使用体验。
该步骤A包括以下步骤:对语音信息进行音频特征的提取;获取以马尔科夫模型为基础建立的声学模型,然后根据该声学模型解析得到和提取的音频特征匹配度最高的词序列将该词序列生成为该文本信息。对语音信息进行模数转换、端点检测、预加重、加窗、自相关序列、LPC系数、和/或倒频谱系数的计算,以提取音频特征。该步骤A还包括以下步骤:利用预设的分词和词性标注算法对该文本信息进行分词和词性标注;对分词后的该文本信息进行同义词替换,以进行归一化处理;找出该文本信息所包含的第一类词,并以预设的通配符代替该文本信息中的第一类词,以形成该结构化文本。
该步骤C中的用户所选商品P和推荐商品Q的相似性为:,其中w表示每幅商品图片中包含的高维向量的数量,w=r×m,r表示每幅图片被划分的局部区域数量,m表示每个局部区域包含的颜色数量;||表示取模运算符,,,pi表示待查询商品图片P中第i个高维向量元素对应的词频,qi表示待推荐商品图片Q中第i个高维向量元素对应的词频背景区域的词频为0。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (9)
1.一种基于NMF算法的大数据商品及服务推荐方法,其特征在于,在一数据库中记录有多个用户的多个用户日志,用户日志对应地记录有用户的历史数据记录,所述的历史记录数据及可供推荐的商品及服务属性值组合,利用早先生成的属性值预测模型,以此来获取用户目前对感兴趣商品属性值的组合;
该基于NMF算法的大数据商品及服务推荐方法包括以下步骤:
A:接收一用户输入的信息,并将这一用户作为目标用户,对信息转化成标准文本信息,以生成一结构化文本,根据结构化文本在数据库中进行查询,以获查询结果;
B:若在该数据库中记录有该目标用户的用户日志,则将该结构化文本记录至该目标用户的用户日志中,若在该数据库中未记录有该目标用户的用户日志,则在该数据库中创建该目标用户的用户日志、并将该结构化文本记录至该目标用户的用户日志中;根据该数据库中记录的该多个用户的用户日志对用户进行聚类分析,以得到聚类结果,该聚类结果包括若干用户聚类及其特征;
C:以商品类别属性为因变量,以用户属性、商品浏览历史记录等特征值为自变量通过逻辑回归算法(LogisticRegression)做统计分析,得出用户对商品类别喜好地概率,建立属性值预测模型,然后结合非负矩阵分解算法(NMF)与用户选定的目标商品匹配对比,对用户个性化推荐,推荐相似商品;
D:根据用户属性信息、用户浏览记录、商品属性计算用户在每个属性分类上的NMF值,用户的NMF值计算结果为一个向量,对于m个属性分类,用eum表示用户NMF值向量中的项,用户NMF值向量表示为Eu={eu1,eu2,eu3,...,eum},每个进行个性化推荐的用户都有一个用户NMF值向量;对用户个性化推荐,推荐相似商品,根据当前用户所选商品,与推荐候选集中的结果进行匹配,根据匹配结果和分类NMF值权重计算商品的相似度,然后根据相似度进行降序排序完成推荐排序过程:
E:根据当前用户选择的商品,计算当前用户在属性分类上的NMF值,匹配得到的候选集合商品的属性匹配向量B,再根据全局NMF值向量Et和中的用户NMF值向量Eu,计算推荐候选集中每个商品的相似度,再根据相似度对推荐候选集商品进行降序排序,其中,对于推荐候选集中的第k项商品,k=1,2,3,4,5...,相似度simk计算公式为:如果k≤5,simk=Bk×(Et-Eu)÷k,如果k>5,simk=Bk×(Et-Eu)÷0.5k,根据商品页的推荐数需求对排序后的推荐候选集的推荐数目进行裁剪,得到最终的推荐集合,进行个性化推荐。
2.如权利要求1所述的一种基于NMF算法的大数据商品及服务推荐方法,其特征在于,所属A步骤中的用户输入信息包括:用户注册信息、用户浏览输入信息、用户语音输入信息、用户文本评价信息、用户评分信息、用户购买历史数据信息。
3.如权利要求1所述的一种基于NMF算法的大数据商品及服务推荐方法,其特征在于,所属的属性值预测模型由以下方法生成:
采用逻辑回归算法(LogisticRegression)将用户属性、商品浏览记录、商品属性作为数据集合,来建立所属商品的预测模型,以此来根据用户浏览商品的行为来预测用户对某一特定的商品感兴趣概率值;所述用户对商品属性感兴趣是指,用户对某一商品进行评分、收藏、加入购物车、点赞等行为操作。
4.如权利要求2所述的辑回归算法(LogisticRegression)其特征在于,以商品类别为应变量设为yi(i=1,2,3,4,…,k),其中i为同属性商品y所表示的商品类别,同时定义xmn(n=1,2,3,4,…,k;m=1,2,3,4,…,k)为自变量,其中包含用户属性、商品浏览历史记录等特征属性,每个因变量yi与一组特征属性自变量xn有关,对于多个特征属性样本数据XMN(xm1,xm2,xm3,…xmn),多类别LogisticRegression回归模型第m组样本的因变量yi取第i个商品类别的概率P为:
。
5.如权利要求1所述的一种基于NMF算法的大数据商品及服务推荐方法,其特征在于,用户日志包括用户属性、商品浏览记录、商品属性:
所述用户属性包括:年龄、性别、职业、爱好、住址等;
所述商品浏览记录:浏览次数、浏览驻留时间、浏览商品类别、历史记录、浏览输入信息等;
所述商品属性包括:价格区间、商品类别、商品风格、商品评分、用户文本评价等。
6.如权利要求1所述的一种基于NMF算法的大数据商品及服务推荐方法,其特征在于,该步骤A包括以下步骤:对语音信息进行音频特征的提取;获取以马尔科夫模型为基础建立的声学模型,然后根据该声学模型解析得到和提取的音频特征匹配度最高的词序列将该词序列生成为该文本信息。
7.如权利要求2所述的一种基于NMF算法的大数据商品及服务推荐方法,其特征在于,对语音信息进行模数转换、端点检测、预加重、加窗、自相关序列、LPC系数、和/或倒频谱系数的计算,以提取音频特征。
8.如权利要求1所述的一种基于NMF算法的大数据商品及服务推荐方法,其特征在于,该步骤A还包括以下步骤:在用户输入信心中的语音输入信息是利用预设的分词和词性标注算法对该文本信息进行分词和词性标注;对分词后的该文本信息进行同义词替换,以进行归一化处理;找出该文本信息所包含的第一类词,并以预设的通配符代替该文本信息中的第一类词,以形成该结构化文本。
9.如权利要求1所述的一种基于NMF算法的大数据商品及服务推荐方法,其特征在于,该步骤D中的用户所选商品P和推荐商品Q的相似性为:,其中w表示每幅商品图片中包含的高维向量的数量,w=r×m,r表示每幅图片被划分的局部区域数量,m表示每个局部区域包含的颜色数量;||表示取模运算符,,,pi表示待查询商品图片P中第i个高维向量元素对应的词频,qi表示待推荐商品图片Q中第i个高维向量元素对应的词频背景区域的词频为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610266693.8A CN105787770A (zh) | 2016-04-27 | 2016-04-27 | 一种基于nmf算法的大数据商品及服务推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610266693.8A CN105787770A (zh) | 2016-04-27 | 2016-04-27 | 一种基于nmf算法的大数据商品及服务推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105787770A true CN105787770A (zh) | 2016-07-20 |
Family
ID=56399679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610266693.8A Pending CN105787770A (zh) | 2016-04-27 | 2016-04-27 | 一种基于nmf算法的大数据商品及服务推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105787770A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296368A (zh) * | 2016-08-19 | 2017-01-04 | 北京好车轰轰电子商务有限公司 | 一种车型推荐系统和方法 |
CN106910108A (zh) * | 2017-01-24 | 2017-06-30 | 武汉奇米网络科技有限公司 | 一种商品列表展示方法及系统 |
CN107133836A (zh) * | 2017-03-22 | 2017-09-05 | 无锡中科富农物联科技有限公司 | 一种自适应权重组合推荐算法 |
CN107633073A (zh) * | 2017-09-22 | 2018-01-26 | 广州阿里巴巴文学信息技术有限公司 | 资源确定方法、装置及系统 |
CN107943895A (zh) * | 2017-11-16 | 2018-04-20 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN107967641A (zh) * | 2017-10-18 | 2018-04-27 | 美的智慧家居科技有限公司 | 商品推荐方法、装置及计算机可读存储介质 |
CN108261766A (zh) * | 2018-01-18 | 2018-07-10 | 珠海金山网络游戏科技有限公司 | 基于偏好的游戏商品推荐方法和装置 |
CN108416616A (zh) * | 2018-02-05 | 2018-08-17 | 阿里巴巴集团控股有限公司 | 投诉举报类别的排序方法和装置 |
CN108596375A (zh) * | 2018-04-11 | 2018-09-28 | 武汉理工大学 | 一种装备制造业物料需求方案设计方法及系统 |
CN108665329A (zh) * | 2017-03-29 | 2018-10-16 | 北京京东尚科信息技术有限公司 | 一种基于用户浏览行为的商品推荐方法 |
CN108875455A (zh) * | 2017-05-11 | 2018-11-23 | Tcl集团股份有限公司 | 一种无监督的人脸智能精确识别方法及系统 |
CN108921673A (zh) * | 2018-07-16 | 2018-11-30 | 广州友米科技有限公司 | 基于大数据的商品推荐方法 |
CN109255664A (zh) * | 2018-10-17 | 2019-01-22 | 珠海格力电器股份有限公司 | 一种产品选型方法、存储介质及处理器 |
CN109447698A (zh) * | 2018-10-18 | 2019-03-08 | 广州云从人工智能技术有限公司 | 一种基于神经网络的推荐算法 |
CN110019392A (zh) * | 2017-11-07 | 2019-07-16 | 北京大米科技有限公司 | 在网络教学系统中推荐教师的方法 |
CN110322323A (zh) * | 2019-07-02 | 2019-10-11 | 拉扎斯网络科技(上海)有限公司 | 实体展示方法、装置、存储介质和电子设备 |
CN110335116A (zh) * | 2019-07-03 | 2019-10-15 | 浪潮软件集团有限公司 | 一种基于边缘计算的数据商品推荐方法 |
CN111695922A (zh) * | 2019-03-15 | 2020-09-22 | 北京沃东天骏信息技术有限公司 | 潜在用户确定方法及装置、存储介质和电子设备 |
CN113761332A (zh) * | 2020-11-10 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
CN115080865A (zh) * | 2022-08-19 | 2022-09-20 | 山东智豆数字科技有限公司 | 基于多维数据分析的电商数据运营管理系统 |
CN117522528A (zh) * | 2024-01-04 | 2024-02-06 | 厦门智数联科技有限公司 | 互联网数据检测分析方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650945A (zh) * | 2009-09-17 | 2010-02-17 | 浙江工业大学 | 基于多元核logistic回归模型的说话人辨别实现方法 |
US20120030020A1 (en) * | 2010-08-02 | 2012-02-02 | International Business Machines Corporation | Collaborative filtering on spare datasets with matrix factorizations |
CN102411754A (zh) * | 2011-11-29 | 2012-04-11 | 南京大学 | 一种基于商品属性熵值的个性化推荐方法 |
CN103336831A (zh) * | 2013-07-09 | 2013-10-02 | 清华大学 | 基于块对角矩阵的推荐方法和装置 |
CN104361507A (zh) * | 2014-11-20 | 2015-02-18 | 携程计算机技术(上海)有限公司 | 商品推荐方法及系统 |
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
-
2016
- 2016-04-27 CN CN201610266693.8A patent/CN105787770A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650945A (zh) * | 2009-09-17 | 2010-02-17 | 浙江工业大学 | 基于多元核logistic回归模型的说话人辨别实现方法 |
US20120030020A1 (en) * | 2010-08-02 | 2012-02-02 | International Business Machines Corporation | Collaborative filtering on spare datasets with matrix factorizations |
CN102411754A (zh) * | 2011-11-29 | 2012-04-11 | 南京大学 | 一种基于商品属性熵值的个性化推荐方法 |
CN103336831A (zh) * | 2013-07-09 | 2013-10-02 | 清华大学 | 基于块对角矩阵的推荐方法和装置 |
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
CN104361507A (zh) * | 2014-11-20 | 2015-02-18 | 携程计算机技术(上海)有限公司 | 商品推荐方法及系统 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296368A (zh) * | 2016-08-19 | 2017-01-04 | 北京好车轰轰电子商务有限公司 | 一种车型推荐系统和方法 |
CN106910108A (zh) * | 2017-01-24 | 2017-06-30 | 武汉奇米网络科技有限公司 | 一种商品列表展示方法及系统 |
CN107133836A (zh) * | 2017-03-22 | 2017-09-05 | 无锡中科富农物联科技有限公司 | 一种自适应权重组合推荐算法 |
CN108665329A (zh) * | 2017-03-29 | 2018-10-16 | 北京京东尚科信息技术有限公司 | 一种基于用户浏览行为的商品推荐方法 |
CN108875455A (zh) * | 2017-05-11 | 2018-11-23 | Tcl集团股份有限公司 | 一种无监督的人脸智能精确识别方法及系统 |
CN107633073A (zh) * | 2017-09-22 | 2018-01-26 | 广州阿里巴巴文学信息技术有限公司 | 资源确定方法、装置及系统 |
CN107967641A (zh) * | 2017-10-18 | 2018-04-27 | 美的智慧家居科技有限公司 | 商品推荐方法、装置及计算机可读存储介质 |
CN110019392A (zh) * | 2017-11-07 | 2019-07-16 | 北京大米科技有限公司 | 在网络教学系统中推荐教师的方法 |
CN110019392B (zh) * | 2017-11-07 | 2021-07-23 | 北京大米科技有限公司 | 在网络教学系统中推荐教师的方法 |
CN107943895A (zh) * | 2017-11-16 | 2018-04-20 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN108261766A (zh) * | 2018-01-18 | 2018-07-10 | 珠海金山网络游戏科技有限公司 | 基于偏好的游戏商品推荐方法和装置 |
CN108416616A (zh) * | 2018-02-05 | 2018-08-17 | 阿里巴巴集团控股有限公司 | 投诉举报类别的排序方法和装置 |
WO2019149145A1 (zh) * | 2018-02-05 | 2019-08-08 | 阿里巴巴集团控股有限公司 | 投诉举报类别的排序方法和装置 |
US10915706B2 (en) | 2018-02-05 | 2021-02-09 | Advanced New Technologies Co., Ltd. | Sorting text report categories |
CN108596375A (zh) * | 2018-04-11 | 2018-09-28 | 武汉理工大学 | 一种装备制造业物料需求方案设计方法及系统 |
CN108596375B (zh) * | 2018-04-11 | 2021-07-27 | 武汉理工大学 | 一种装备制造业物料需求方案设计方法及系统 |
CN108921673A (zh) * | 2018-07-16 | 2018-11-30 | 广州友米科技有限公司 | 基于大数据的商品推荐方法 |
CN108921673B (zh) * | 2018-07-16 | 2021-06-01 | 广州天高软件科技有限公司 | 基于大数据的商品推荐方法 |
CN109255664A (zh) * | 2018-10-17 | 2019-01-22 | 珠海格力电器股份有限公司 | 一种产品选型方法、存储介质及处理器 |
CN109447698A (zh) * | 2018-10-18 | 2019-03-08 | 广州云从人工智能技术有限公司 | 一种基于神经网络的推荐算法 |
CN109447698B (zh) * | 2018-10-18 | 2021-01-29 | 广州云从人工智能技术有限公司 | 一种基于神经网络的推荐方法 |
CN111695922A (zh) * | 2019-03-15 | 2020-09-22 | 北京沃东天骏信息技术有限公司 | 潜在用户确定方法及装置、存储介质和电子设备 |
CN110322323A (zh) * | 2019-07-02 | 2019-10-11 | 拉扎斯网络科技(上海)有限公司 | 实体展示方法、装置、存储介质和电子设备 |
CN110335116A (zh) * | 2019-07-03 | 2019-10-15 | 浪潮软件集团有限公司 | 一种基于边缘计算的数据商品推荐方法 |
CN113761332A (zh) * | 2020-11-10 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
CN115080865A (zh) * | 2022-08-19 | 2022-09-20 | 山东智豆数字科技有限公司 | 基于多维数据分析的电商数据运营管理系统 |
CN117522528A (zh) * | 2024-01-04 | 2024-02-06 | 厦门智数联科技有限公司 | 互联网数据检测分析方法和系统 |
CN117522528B (zh) * | 2024-01-04 | 2024-03-12 | 厦门智数联科技有限公司 | 互联网数据检测分析方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105787770A (zh) | 一种基于nmf算法的大数据商品及服务推荐方法及系统 | |
CN108346075B (zh) | 信息推荐方法和装置 | |
US20210191509A1 (en) | Information recommendation method, device and storage medium | |
US9569499B2 (en) | Method and apparatus for recommending content on the internet by evaluating users having similar preference tendencies | |
CN104679771B (zh) | 一种个性化数据搜索方法和装置 | |
CN103246980B (zh) | 信息输出方法及服务器 | |
WO2018014759A1 (zh) | 一种聚类数据表的展现方法、装置和系统 | |
US9384233B2 (en) | Product synthesis from multiple sources | |
CN106779809B (zh) | 一种大数据平台的价格信息优化组合方法与系统 | |
CN108153792B (zh) | 一种数据处理方法和相关装置 | |
CN104361507A (zh) | 商品推荐方法及系统 | |
CN102411754A (zh) | 一种基于商品属性熵值的个性化推荐方法 | |
WO2018040069A1 (zh) | 信息推荐系统及方法 | |
CN106407420B (zh) | 一种多媒体资源的推荐方法及系统 | |
CN103473327A (zh) | 图像检索方法与系统 | |
CN102254043A (zh) | 一种基于语义映射的服装图像检索方法 | |
CN105468649B (zh) | 一种待展示对象匹配的判断方法及其装置 | |
CN108763321A (zh) | 一种基于大规模相关实体网络的相关实体推荐方法 | |
JP2015522190A (ja) | 検索結果の生成 | |
US10896458B2 (en) | Method, system, and computer-readable medium for product and vendor selection | |
CN110019943A (zh) | 视频推荐方法、装置、电子设备和存储介质 | |
CN111651678B (zh) | 一种基于知识图谱的个性化推荐方法 | |
CN104751354A (zh) | 一种广告人群筛选方法 | |
CN103309869A (zh) | 数据对象的展示关键词推荐方法及系统 | |
CN116308684A (zh) | 一种网购平台店铺信息推送方法及系统 |
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: 20160720 |