CN106408350A - 一种基于溯源数据库的用户商品推荐方法及系统 - Google Patents

一种基于溯源数据库的用户商品推荐方法及系统 Download PDF

Info

Publication number
CN106408350A
CN106408350A CN201610883857.1A CN201610883857A CN106408350A CN 106408350 A CN106408350 A CN 106408350A CN 201610883857 A CN201610883857 A CN 201610883857A CN 106408350 A CN106408350 A CN 106408350A
Authority
CN
China
Prior art keywords
user
commodity
source
record
tracing
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
Application number
CN201610883857.1A
Other languages
English (en)
Inventor
胡建国
梁津铨
李仕仁
陈焕超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Smart City Development Research Institute
Guangzhou Shizhen Information Technology Co Ltd
Original Assignee
Guangzhou Smart City Development Research Institute
Guangzhou Shizhen Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Smart City Development Research Institute, Guangzhou Shizhen Information Technology Co Ltd filed Critical Guangzhou Smart City Development Research Institute
Priority to CN201610883857.1A priority Critical patent/CN106408350A/zh
Publication of CN106408350A publication Critical patent/CN106408350A/zh
Pending legal-status Critical Current

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
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2453—Query optimisation
    • G06F16/24534—Query rewriting; Transformation
    • G06F16/24537—Query rewriting; Transformation of operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06Q30/0256—User search

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (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溯源数据库的用户商品推荐方法及系统，其中所述方法包括：对溯源数据库中用户对商品的溯源记录进行初始化处理，获取初始化处理结果；根据不同的情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；根据所述过处理后的所述用户对商品的溯源记录，获取所述用户的潜在商品需求信息；根据所述用户的潜在商品需求信息向所述用户推送具有潜在需求的商品信息。实施本发明实施例，通过对溯源数据库中的保留的大量用户溯源记录进行分析，获取用户偏爱及需求商品信息，快速向用户提供个性化的商品信息推送服务，提高了广大用户购买商品的服务体验。

Description

一种基于溯源数据库的用户商品推荐方法及系统
技术领域
本发明涉及信息推荐技术领域，尤其涉及一种基于溯源数据库的用户商品推荐方法及系统。
背景技术
信息推送是通过一定的技术标准或协议，在互联网上通过定期传送用户需要的信息来减少信息过载的一项新技术。推送技术通过自动传送信息给用户，来减少用于网络上搜索的时间。它根据用户的兴趣来搜索、过滤信息，并将其定期推给用户，帮助用户高效率地发掘有价值的信息。从技术而言，信息推送是一项以数据挖掘、自然语言处理及互联网等多门技术为基础的综合性方向；将合适的信息推送给合适的人，是一项极具挑战的工作，这个过程需要对信息作充分的分析。
现在很多的购物网站都是通过站外推广的方式向用户推广产品，这些商品信息推广几乎都是基于当下最为热销的商品信息之下进行的，或者是根据用户浏览过的商品信息进行相应的推广；不能准确地向用户推广用户需要的产品信息，使得用户在看到这些推广信息时，感到非常的反感，并且影响用户在上网是的体验，而大量的商品信息被推送至用户的终端上，给用户带来了一定的生活困扰。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种基于溯源数据库的用户商品推荐方法及系统，快速向用户提供个性化的商品信息推送服务，提高了广大用户购买商品的服务体验。
为了解决上述技术问题，本发明提出了一种基于溯源数据库的用户商品推荐方法，所述方法包括：
对溯源数据库中用户对商品的溯源记录进行初始化处理，获取初始化处理结果；
根据不同的情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；
根据所述过处理后的所述用户对商品的溯源记录，获取所述用户的潜在商品需求信息；
根据所述用户的潜在商品需求信息向所述用户推送具有潜在需求的商品信息。
优选地，所述对溯源数据库中用户对商品的溯源记录进行初始化处理，包括：
对所述溯源数据库中的溯源记录按照用户进行分类，获取溯源记录用户分类结果；
对所述溯源记录用户分类结果进行无效溯源记录剔除处理，获取有效溯源记录用户分类结果。
优选地，所述根据不同的情景对所述初始化处理结果进行过滤处理，包括：
根据当前情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；
所述情景至少包括以下一种或多种情景信息：时间情景信息、季节情景信息。
优选地，所述根据所述过处理后的所述用户对商品的溯源记录，获取所述用户的潜在商品需求信息，包括：
对所述过处理后的所述用户对商品的溯源记录进行贝叶斯概率预测，获取预测结果；
根据所述预测结果的概率大小排序获取所述用户的潜在商品需求信息。
优选地，所述根据所述用户的潜在商品需求信息向所述用户推送具有潜在需求的商品信息，包括：
通过分析分所述用户的潜在商品需求信息，获取所述潜在商品需求信息相关的商品信息；
将所述潜在商品需求信息与所述潜在商品需求信息相关的商品信息推送给所述用户。
另外，本发明实施例还提供了一种基于溯源数据库的用户商品推荐系统，所述系统包括：
初始化处理模块：用于对溯源数据库中用户对商品的溯源记录进行初始化处理，获取初始化处理结果；
过滤处理模块：用于根据不同的情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；
需求信息获取模块：用于根据所述过处理后的所述用户对商品的溯源记录，获取所述用户的潜在商品需求信息；
信息推送模块：用于根据所述用户的潜在商品需求信息向所述用户推送具有潜在需求的商品信息。
优选地，所述初始化处理模块包括：
分类单元：用于对所述溯源数据库中的溯源记录按照用户进行分类，获取溯源记录用户分类结果；
有效记录获取单元：用于对所述溯源记录用户分类结果进行无效溯源记录剔除处理，获取有效溯源记录用户分类结果。
优选地，所述过滤处理模块包括：
过滤单元：用于根据当前情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；
所述情景至少包括以下一种或多种情景信息：时间情景信息、季节情景信息。
优选地，所述需求信息获取模块包括：
预测单元：用于对所述过处理后的所述用户对商品的溯源记录进行贝叶斯概率预测，获取预测结果；
排序单元：用于根据所述预测结果的概率大小排序获取所述用户的潜在商品需求信息。
优选地，所述信息推送模块包括：
分析单元：用于通过分析分所述用户的潜在商品需求信息，获取所述潜在商品需求信息相关的商品信息；
推送单元：用于将所述潜在商品需求信息与所述潜在商品需求信息相关的商品信息推送给所述用户。
实施本发明实施例，通过对溯源数据库中的保留的大量用户溯源记录进行分析，获取用户偏爱及需求商品信息，快速向用户提供个性化的商品信息推送服务，提高了广大用户购买商品的服务体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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，显而易见的，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的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例中的基于溯源数据库的用户商品推荐方法的流程示意图；
图2是本发明实施例中的基于溯源数据库的用户商品推荐系统的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1是本发明实施例中的基于溯源数据库的用户商品推荐方法的流程示意图，如图1所示，所述方法包括：
S11：对溯源数据库中用户对商品的溯源记录进行初始化处理，获取初始化处理结果；
S12：根据不同的情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；
S13：根据所述过处理后的所述用户对商品的溯源记录，获取所述用户的潜在商品需求信息；
S14：根据所述用户的潜在商品需求信息向所述用户推送具有潜在需求的商品信息。
对S11作进一步说明：
对所述溯源数据库中的溯源记录按照用户进行分类，获取溯源记录用户分类结果；对所述溯源记录用户分类结果进行无效溯源记录剔除处理，获取有效溯源记录用户分类结果。
进一步的，采用溯源终端设备标记的方式来确定使用用户，即一个溯源终端设备(如智能手机、平板电脑、标记本或其他移动终端设备，只要可以连接网络进行溯源的终端设备即可)对应一个用户，这是根据每台终溯源端设备上的硬件标识码识别用户，即按一个溯源终端设备标记为一个用户，通过数据爬虫的方式，获取到溯源数据库中的用户对商品溯源数据信息，然后根据用户采用的终端设备进行溯源的设备硬件标识码进行用户分类，将采用同一设备进行商品溯源的分作一个用户；获取到一个用户在溯源数据库中对商品的溯源记录，对这些用户在溯源数据库中的溯源记录进行无效记录剔除，这里以一年问世间周期进行无效记录的剔除处理，即保存用户在一年之内在溯源数据库中对商品进行溯源的记录，并将这些溯源记录记为用户的有效溯源记录。
对S12作进一步说明：
根据当前情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；所述情景至少包括以下一种或多种情景信息：时间情景信息、季节情景信息。
进一步的，根据当前时间下的情景对这些初始化之后的用户的有效溯源记录进行过滤，假设该情景为以季节为当前情景多为过滤，则将非前季节用户在溯源数据库中对商品进行溯源的记录进行剔除处理，只需获取当前季节用户在溯源数据库中的对商品的溯源记录；但是距离的情景可以根据用户而设定，但是情景至少包括以下一种或多种情景信息：时间情景信息、季节情景信息。
对S13作进一步说明：
对所述过处理后的所述用户对商品的溯源记录进行贝叶斯概率预测，获取预测结果；根据所述预测结果的概率大小排序获取所述用户的潜在商品需求信息。
进一步的，
采用贝叶斯条件概率模型对用户在溯源数据库中对商品溯源的有效记录进行预测，在此对实景情景进行提取，在这里采用三个情景进行预测处理，即提取实时情景T<A1,A2,A3>对用户在溯源数据库中对商品溯源的有效记录进行预测，用户可能需要购买商品Typei的概率可表示为：
而情景T<A1,A2,A3>的各维度是相互独立的，则
将(2)(3)代入(1)可得：
通过上述的贝叶斯预测处理，获取到用户相应的商品购买需求；并根据贝叶斯预测结果的概率的大小进行排序，从而获取用户潜在商品需求信息的顺序排列。
用户可根据实际情况采用几个情景进行贝叶斯预测处理，在本发明实施例中就不一一列举。
对S14作进一步说明：
通过分析分所述用户的潜在商品需求信息，获取所述潜在商品需求信息相关的商品信息；将所述潜在商品需求信息与所述潜在商品需求信息相关的商品信息推送给所述用户。
进一步的，通过分析用户潜在商品需求信息，获取该潜在商品需求信息对应的商品信息，将这些对应的商品信息也并入用户的潜在商品需求信息中；通过站外推广或其他推送方式向用户推送潜在商品需求信息与潜在商品需求信息相关的商品信息，在推送相关商品信息时，根据用户对这些商品信息的点击量或关闭量对推送的商品信息作进一步的调整，最终获取到较为准确的商品信息推送结果。
另外，图2是本发明实施例中的基于溯源数据库的用户商品推荐系统的结构组成示意图，如图2所示，本发明实施例还提供了一种基于溯源数据库的用户商品推荐系统，所述系统包括：
初始化处理模块：用于对溯源数据库中用户对商品的溯源记录进行初始化处理，获取初始化处理结果；
过滤处理模块：用于根据不同的情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；
需求信息获取模块：用于根据所述过处理后的所述用户对商品的溯源记录，获取所述用户的潜在商品需求信息；
信息推送模块：用于根据所述用户的潜在商品需求信息向所述用户推送具有潜在需求的商品信息。
优选地，所述初始化处理模块包括：
分类单元：用于对所述溯源数据库中的溯源记录按照用户进行分类，获取溯源记录用户分类结果；
有效记录获取单元：用于对所述溯源记录用户分类结果进行无效溯源记录剔除处理，获取有效溯源记录用户分类结果。
优选地，所述过滤处理模块包括：
过滤单元：用于根据当前情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；
所述情景至少包括以下一种或多种情景信息：时间情景信息、季节情景信息。
优选地，所述需求信息获取模块包括：
预测单元：用于对所述过处理后的所述用户对商品的溯源记录进行贝叶斯概率预测，获取预测结果；
排序单元：用于根据所述预测结果的概率大小排序获取所述用户的潜在商品需求信息。
优选地，所述信息推送模块包括：
分析单元：用于通过分析分所述用户的潜在商品需求信息，获取所述潜在商品需求信息相关的商品信息；
推送单元：用于将所述潜在商品需求信息与所述潜在商品需求信息相关的商品信息推送给所述用户。
具体地，本发明实施例的系统相关功能模块工作原理可参考方法实施例的相关描述，这里不再赘述。
实施本发明实施例，通过对溯源数据库中的保留的大量用户溯源记录进行分析，获取用户偏爱及需求商品信息，快速向用户提供个性化的商品信息推送服务，提高了广大用户购买商品的服务体验。
本领域普通技术人员可以理解上述实施例的各种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，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
另外，以上对本发明实施例所提供的一种基于溯源数据库的用户商品推荐方法及系统进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于溯源数据库的用户商品推荐方法，其特征在于，所述方法包括：
对溯源数据库中用户对商品的溯源记录进行初始化处理，获取初始化处理结果；
根据不同的情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；
根据所述过处理后的所述用户对商品的溯源记录，获取所述用户的潜在商品需求信息；
根据所述用户的潜在商品需求信息向所述用户推送具有潜在需求的商品信息。
2.根据权利要求1所述的用户商品推荐方法，其特征在于，所述对溯源数据库中用户对商品的溯源记录进行初始化处理，包括：
对所述溯源数据库中的溯源记录按照用户进行分类，获取溯源记录用户分类结果；
对所述溯源记录用户分类结果进行无效溯源记录剔除处理，获取有效溯源记录用户分类结果。
3.根据权利要求1所述的用户商品推荐方法，其特征在于，所述根据不同的情景对所述初始化处理结果进行过滤处理，包括：
根据当前情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；
所述情景至少包括以下一种或多种情景信息：时间情景信息、季节情景信息。
4.根据权利要求1所述的用户商品推荐方法，其特征在于，所述根据所述过处理后的所述用户对商品的溯源记录，获取所述用户的潜在商品需求信息，包括：
对所述过处理后的所述用户对商品的溯源记录进行贝叶斯概率预测，获取预测结果；
根据所述预测结果的概率大小排序获取所述用户的潜在商品需求信息。
5.根据权利要求1所述的用户商品推荐方法，其特征在于，所述根据所述用户的潜在商品需求信息向所述用户推送具有潜在需求的商品信息，包括：
通过分析分所述用户的潜在商品需求信息，获取所述潜在商品需求信息相关的商品信息；
将所述潜在商品需求信息与所述潜在商品需求信息相关的商品信息推送给所述用户。
6.一种基于溯源数据库的用户商品推荐系统，其特征在于，所述系统包括：
初始化处理模块：用于对溯源数据库中用户对商品的溯源记录进行初始化处理，获取初始化处理结果；
过滤处理模块：用于根据不同的情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；
需求信息获取模块：用于根据所述过处理后的所述用户对商品的溯源记录，获取所述用户的潜在商品需求信息；
信息推送模块：用于根据所述用户的潜在商品需求信息向所述用户推送具有潜在需求的商品信息。
7.根据权利要求6所述的用户商品推荐系统，其特征在于，所述初始化处理模块包括：
分类单元：用于对所述溯源数据库中的溯源记录按照用户进行分类，获取溯源记录用户分类结果；
有效记录获取单元：用于对所述溯源记录用户分类结果进行无效溯源记录剔除处理，获取有效溯源记录用户分类结果。
8.根据权利要求6所述的用户商品推荐系统，其特征在于，所述过滤处理模块包括：
过滤单元：用于根据当前情景对所述初始化处理结果进行过滤处理，获取过滤处理后的所述用户对商品的溯源记录；
所述情景至少包括以下一种或多种情景信息：时间情景信息、季节情景信息。
9.根据权利要求6所述的用户商品推荐系统，其特征在于，所述需求信息获取模块包括：
预测单元：用于对所述过处理后的所述用户对商品的溯源记录进行贝叶斯概率预测，获取预测结果；
排序单元：用于根据所述预测结果的概率大小排序获取所述用户的潜在商品需求信息。
10.根据权利要求6所述的用户商品推荐系统，其特征在于，所述信息推送模块包括：
分析单元：用于通过分析分所述用户的潜在商品需求信息，获取所述潜在商品需求信息相关的商品信息；
推送单元：用于将所述潜在商品需求信息与所述潜在商品需求信息相关的商品信息推送给所述用户。
CN201610883857.1A 2016-10-09 2016-10-09 一种基于溯源数据库的用户商品推荐方法及系统 Pending CN106408350A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610883857.1A CN106408350A (zh) 2016-10-09 2016-10-09 一种基于溯源数据库的用户商品推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610883857.1A CN106408350A (zh) 2016-10-09 2016-10-09 一种基于溯源数据库的用户商品推荐方法及系统

Publications (1)

Publication Number Publication Date
CN106408350A true CN106408350A (zh) 2017-02-15

Family

ID=59229046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610883857.1A Pending CN106408350A (zh) 2016-10-09 2016-10-09 一种基于溯源数据库的用户商品推荐方法及系统

Country Status (1)

Country Link
CN (1) CN106408350A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107038593A (zh) * 2017-04-06 2017-08-11 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种基于防伪溯源系统的异常数据处理方法及系统
CN111523888A (zh) * 2020-04-16 2020-08-11 武汉有牛科技有限公司 基于区块链技术的链上数据及信息溯源系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102810194A (zh) * 2012-07-27 2012-12-05 常会友 一种基于明暗码的产品质量溯源和防伪系统
CN103544632A (zh) * 2013-07-22 2014-01-29 杭州师范大学 一种网络商品个性化推荐方法及系统
US20140067476A1 (en) * 2012-08-30 2014-03-06 Accenture Global Services Limited Marketing device, marketing method, program and recording medium
CN104599153A (zh) * 2014-08-29 2015-05-06 腾讯科技（深圳）有限公司 商品推荐方法、商品推荐服务器及商品推荐终端
CN104699711A (zh) * 2013-12-09 2015-06-10 华为技术有限公司 一种推荐方法及服务器
CN105488688A (zh) * 2015-05-15 2016-04-13 广州交易猫信息技术有限公司 商品信息推送方法、装置及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102810194A (zh) * 2012-07-27 2012-12-05 常会友 一种基于明暗码的产品质量溯源和防伪系统
US20140067476A1 (en) * 2012-08-30 2014-03-06 Accenture Global Services Limited Marketing device, marketing method, program and recording medium
CN103544632A (zh) * 2013-07-22 2014-01-29 杭州师范大学 一种网络商品个性化推荐方法及系统
CN104699711A (zh) * 2013-12-09 2015-06-10 华为技术有限公司 一种推荐方法及服务器
CN104599153A (zh) * 2014-08-29 2015-05-06 腾讯科技（深圳）有限公司 商品推荐方法、商品推荐服务器及商品推荐终端
CN105488688A (zh) * 2015-05-15 2016-04-13 广州交易猫信息技术有限公司 商品信息推送方法、装置及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107038593A (zh) * 2017-04-06 2017-08-11 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种基于防伪溯源系统的异常数据处理方法及系统
CN107038593B (zh) * 2017-04-06 2020-07-21 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种基于防伪溯源系统的异常数据处理方法及系统
CN111523888A (zh) * 2020-04-16 2020-08-11 武汉有牛科技有限公司 基于区块链技术的链上数据及信息溯源系统
CN111523888B (zh) * 2020-04-16 2023-09-05 武汉有牛科技有限公司 基于区块链技术的链上数据及信息溯源系统

Similar Documents

Publication Publication Date Title
CN109359244B (zh) 一种个性化信息推荐方法和装置
CN108021929B (zh) 基于大数据的移动端电商用户画像建立与分析方法及系统
CN109299994B (zh) 推荐方法、装置、设备及可读存储介质
CN105227971B (zh) 一种酒店用电视的信息推荐方法及系统
CN103226578B (zh) 面向医学领域的网站识别和网页细分类的方法
KR101419504B1 (ko) 사용자 성향 분석을 통한 맞춤형 쇼핑 정보 제공 시스템 및 방법
CN104462336A (zh) 信息推送方法和装置
CN106504099A (zh) 一种构建用户画像的系统
CN104035927A (zh) 一种基于用户行为的搜索方法及系统
CN104537115A (zh) 用户兴趣的探索方法和装置
CN105718184A (zh) 一种数据处理方法和装置
CN103235824A (zh) 根据浏览网页确定用户感兴趣的网页文本的方法和系统
CN103235823A (zh) 根据相关网页和当前行为确定用户当前兴趣的方法和系统
CN103246725A (zh) 一种基于无线网络的数据业务推送系统和方法
CN103577549A (zh) 一种基于微博标签的人群画像系统和方法
CN108319376B (zh) 一种优化商业词推广的输入联想推荐方法及装置
CN110263248A (zh) 一种信息推送方法、装置、存储介质和服务器
CN103377249A (zh) 关键词投放方法及系统
CN104424308A (zh) 网页分类标准获取方法、装置及网页分类方法、装置
CN105677787B (zh) 信息搜索装置及信息搜索方法
CN104077417A (zh) 社交网络中的人物标签推荐方法和系统
CN106021551A (zh) 基于截图信息识别的消费辅助决策方法
CN103064880A (zh) 一种基于搜索信息向用户提供网站选择的方法、装置和系统
CN105916032A (zh) 视频推荐的方法及视频推荐的终端设备
CN104516980B (zh) 搜索结果的输出方法以及服务器系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170215

RJ01 Rejection of invention patent application after publication