CN107194769A - 一种基于用户搜索内容的商品推荐方法 - Google Patents

一种基于用户搜索内容的商品推荐方法 Download PDF

Info

Publication number
CN107194769A
CN107194769A CN201710349926.5A CN201710349926A CN107194769A CN 107194769 A CN107194769 A CN 107194769A CN 201710349926 A CN201710349926 A CN 201710349926A CN 107194769 A CN107194769 A CN 107194769A
Authority
CN
China
Prior art keywords
concept
similarity
search keyword
msub
justice
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
CN201710349926.5A
Other languages
English (en)
Inventor
向敏明
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.)
Dongguan Huarui Electronic Technology Co Ltd
Original Assignee
Dongguan Huarui Electronic 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 Dongguan Huarui Electronic Technology Co Ltd filed Critical Dongguan Huarui Electronic Technology Co Ltd
Priority to CN201710349926.5A priority Critical patent/CN107194769A/zh
Publication of CN107194769A publication Critical patent/CN107194769A/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种基于用户搜索内容的商品推荐方法，方法包括：收集用户输入的搜索关键词；对收集到的搜索关键词的词语相似度进行计算；根据词语相似度的计算结果对收集到的搜索关键词进行分类；按各类别中的搜索关键词数量从高到低对各类别进行排序；向用户推荐排序靠前的类别相关的商品；所述对收集到的搜索关键词的词语相似度进行计算包括：获取第一搜索关键词以及第二搜索关键词；对第一搜索关键词和第二搜索关键词分别进行概念拆分得到第一概念集合和第二概念集合；计算第一概念集合中的第一概念与第二概念集合中的第二概念之间的概念相似度；将计算得到的各概念相似度中的最大值作为第一搜索关键词与第二搜索关键词之间的词语相似度。

Description

一种基于用户搜索内容的商品推荐方法
技术领域
本发明商品推荐领域，尤其涉及一种基于用户搜索内容的商品推荐方法。
背景技术
随着人们生活水平的提高以及移动互联网的发展，人们随时随地都能在购物网站上进行购物，网购这种方式也成为了时下最为流行的购物方式。众多购物网站为了最大化地实现利益，都会想方设法地提升用户的购买成交率。而为了提高购买成交率，向用户推荐其想要的商品成为了一个重要途径。用户在进行浏览网页或者购物网站时都会输入搜索关键词，搜索关键词中包含了许多信息，例如用户可能想要购买的商品名称、商品类型等等。
目前的购物网站推荐方法经常采用协同过滤方法或者内容推荐算法，例如根据用户购买过的商品进行推荐，或者与用户兴趣相似的人购买过的商品进行推荐等等，但是这些方法并不能很好地利用用户直接输入的搜索关键词，不能达到很好地匹配精确度。
发明内容
本发明提供了一种基于用户搜索内容的商品推荐方法。
本发明提供的一种基于用户搜索内容的商品推荐方法，方法包括：
收集用户输入的搜索关键词；
对收集到的搜索关键词的词语相似度进行计算；
根据词语相似度的计算结果对收集到的搜索关键词进行分类；
按各类别中的搜索关键词数量从高到低对各类别进行排序；
向用户推荐排序靠前的类别相关的商品；
所述对收集到的搜索关键词的词语相似度进行计算包括：
获取第一搜索关键词以及第二搜索关键词；
对所述第一搜索关键词进行概念拆分得到包含若干个概念的第一概念集合，对所述第二搜索关键词进行概念拆分得到包含若干个概念的第二概念集合；
计算所述第一概念集合中的第一概念与所述第二概念集合中的第二概念之间的概念相似度，所述第一概念为所述第一概念集合中的任一概念，所述第二概念为所述第二概念集合中的任一概念；
将计算得到的各概念相似度中的最大值作为第一搜索关键词与第二搜索关键词之间的词语相似度。
可选地，根据词语相似度的计算结果对收集到的搜索关键词进行分类包括：
从收集到的搜索关键词中挑选出一搜索关键词作为目标搜索关键词；
再从搜集到的搜索关键词中挑选出与目标搜索关键词的词语相似度大于阈值的其他搜索关键词，并与目标搜索关键词组成一个类别的搜索关键词。
可选地，向用户推荐排序靠前的类别相关的商品包括：
挑取排序前五的搜索关键词的类别；
获取各类别的属性信息；
根据所述属性信息向用户推荐相关的商品。
可选地，所述计算所述第一概念集合中的第一概念与所述第二概念集合中的第二概念之间的概念相似度包括：
计算所述第一概念的第一独立义原与第二概念的第一独立义原之间的第一相似度；
计算所述第一概念的第二独立义原与第二概念的第二独立义原之间的第二相似度，所述第二独立义原为语义表达式中除所述第一独立义原以外的所有其他独立义原；
计算所述第一概念的关系义原与第二概念的关系义原之间的第三相似度；
计算所述第一概念的符号义原与第二概念的符号义原之间的第四相似度；
根据所述第一相似度、第二相似度、第三相似度、第四相似度计算所述第一概念与所述第二概念之间的概念相似度。
可选地，所述计算所述第一概念的第一独立义原与第二概念的第一独立义原之间的第一相似度包括：
按照如下公式计算所述第一相似度Sim1(V1,V2)：
其中，所述(d+α)表示两个义原，d是和在义原层次体系中的路径长度，α为常数参数。
可选地，计算所述第一概念的第二独立义原与第二概念的第二独立义原之间的第二相似度包括：
1)将第一概念与第二概念的语义表达式的所有独立义原任意配对，计算两两独立义原相似度；
2)将相似度取值最大的一对归为一组；
3)对剩余的独立义原两两执行步骤2)，直至所有独立义原都完成分组；
4)对各组的相似度计算平均值作为所述第二相似度。
可选地，所述根据所述第一相似度、第二相似度、第三相似度、第四相似度计算所述第一概念与所述第二概念之间的概念相似度包括：
按照如下公式计算所述概念相似度Sim(Si,Tj)：
本发明中，收集用户输入的搜索关键词；对收集到的搜索关键词的词语相似度进行计算；根据词语相似度的计算结果对收集到的搜索关键词进行分类；按各类别中的搜索关键词数量从高到低对各类别进行排序；向用户推荐排序靠前的类别相关的商品；所述对收集到的搜索关键词的词语相似度进行计算包括：获取第一搜索关键词以及第二搜索关键词；对第一搜索关键词和第二搜索关键词分别进行概念拆分得到第一概念集合和第二概念集合；计算第一概念集合中的第一概念与第二概念集合中的第二概念之间的概念相似度；将计算得到的各概念相似度中的最大值作为第一搜索关键词与第二搜索关键词之间的词语相似度。本发明中，通过对用户输入的搜索关键词进行相似度计算，并根据相似度进行分类，按照类别进行商品推荐，既能提高商品推荐的效率，又能提高商品推荐的匹配精确度。
附图说明
图1为基于用户搜索内容的商品推荐方法流程示意图。
具体实施方式
为了使本领域的技术人员更好的理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
请参阅图1，本发明基于用户搜索内容的商品推荐方法流程包括：
101、收集用户输入的搜索关键词；
102、对收集到的搜索关键词的词语相似度进行计算；
103、根据词语相似度的计算结果对收集到的搜索关键词进行分类；
104、按各类别中的搜索关键词数量从高到低对各类别进行排序；
105、向用户推荐排序靠前的类别相关的商品；
所述对收集到的搜索关键词的词语相似度进行计算包括：
获取第一搜索关键词以及第二搜索关键词；
对所述第一搜索关键词进行概念拆分得到包含若干个概念的第一概念集合，对所述第二搜索关键词进行概念拆分得到包含若干个概念的第二概念集合；
计算所述第一概念集合中的第一概念与所述第二概念集合中的第二概念之间的概念相似度，所述第一概念为所述第一概念集合中的任一概念，所述第二概念为所述第二概念集合中的任一概念；
将计算得到的各概念相似度中的最大值作为第一搜索关键词与第二搜索关键词之间的词语相似度。
在步骤101中，首先收集用户输入的搜索关键词。
所述搜索关键词可以是用户直接在购物网站的搜索栏中输入的搜索关键词，也可以是用户在购物网站上所点击的商品名称，当然还可以是用户在浏览网页时所输入的搜索关键词，或者点击某个链接后该链接所包含的关键词。也即本发明的搜索关键词可以是购物网站或者非购物网站中输入的搜索关键词，也可以是直接输入或隐性点击的搜索关键词。
在步骤102中，对收集到的搜索关键词的词语相似度进行计算。
下面对此步骤进行详细说明。
Hownet中，对实词的概念描述由以下三种形式的描述式组成：
(1)独立义原描述式：由“基本义原”或“(具体词)”表示；
(2)关系义原描述式：由“关系义原＝基本义原”或“关系义原＝(具体词)”或者“(关系义原＝具体词)”来表示，其中关系义原是指包含“EventRole| 动态角色”和“EventFeatures|动态属性”这两类的义原；
(3)符号义原描述式：由“关系符号基本义原”或者“关系符号(具体词)”表示，其中关系符号包括“#、％、$、*、+、&、@、？、！”，其各自代表的关系不再赘述。
在实际应用中，每一个概念由多个义原组成，义原是最基本的、不易于再分割的意义的最小单位。例如：“人”虽然是一个非常复杂的概念，它可以是多种属性的集合体，但也可以把它看作为一个义原。
所有的概念都可以分解成各种各样的义原。同时也应该有一个有限的义原集合，其中的义原组合成一个无限的概念集合。中文中的字(包括单纯词) 是有限的，并且它可以被用来表达各种各样的单纯的或复杂的概念，以及表达概念与概念之间、概念的属性与属性之间的关系。
通过对义原和概念的定义，就可以对两个词语的相似度进行计算。
例如对于第一搜索关键词X1和第二搜索关键词X2，如果第一搜索关键词X1有n个概念[S1，S2,…,Sn]，其中，Sn表示第一搜索关键词X1中的第n个概念， [S1，S2,…,Sn]即为第一概念集合；第二搜索关键词X2有m个概念[T1，T2,…,Tm]，其中，Tm表示第二搜索关键词X2中的第m个概念，[T1，T2,…,Tm]即为第二概念集合；第一搜索关键词X1和第二搜索关键词X2的相似度Sim(X1，X2)为各个概念的相似度的最大值：
因此，为了计算得到第一搜索关键词X1和第二搜索关键词X2的相似度Sim (X1，X2)，即词语相似度，则需要计算每两个概念之间的相似度。
计算两个概念之间的相似度则需要通过多个方面来综合计算：
(1)第一独立义原描述式：
因为所有的概念都最终归结于用义原来表示，所以义原的相似度计算是概念相似度的基础。由于所有的义原根据上下位关系构成树状的义原层次体系，可以简单的通过语义距离计算相似度。
用Sim1(V1，V2)表示两个概念的这部分相似度，具体就是两个义原的相似度，具体计算公式如下：
其中(d+α)表示两个义原，d是和在义原层次体系中的路径长度。α是一个可调节的参数，在基于Hownet的词汇语义相似度计算方法中可以设定α的取值，例如：α＝0.5。
(2)其他独立义原描述式：语义表达式中除第一独立义原以外的所有其他独立义原，用Sim2(V1，V2)表示两个概念的这部分相似度，具体计算步骤如下：
a、先把两个表达式的所有独立义原任意配对，计算两两义原相似度；
b、取值最大的一对归为一组；
c、对剩下的独立义原两两相似度执行第b步。如此反复，直到所有都完成分组。任何义原与空值的相似度定义为常数δ，例如：δ＝0.2；
d、最后求平均值。
(3)关系义原描述式：语义表达式中所有的关系义原，用Sim3(V1，V2) 表示两个概念的这部分相似度，把关系义原相同的表达式分为一组，计算相似度，最后求平均值。
(4)符号义原描述式：语义表达式中所有的符号义原，用Sim4(V1，V2) 表示两个概念的这部分相似度，把关系符号相同的表达式分为一组，计算相似度，最后求平均值。
综上所述，两个概念的相似度计算方法如公式(3)所示。
本发明中，在进行数据匹配时要对词语进行拆分，形成概念集合，而概念集合中的概念可以最大程度的涵盖词语的本质含义，所以从概念的粒度对词语进行匹配，可以有效的提高相似度计算的准确率。
在步骤103中，根据词语相似度的计算结果对收集到的搜索关键词进行分类。
也就是说，将相似度高的搜索关键词分为一类，这样就会形成多个类别的搜索关键词。
所述根据词语相似度的计算结果对收集到的搜索关键词进行分类包括：
从收集到的搜索关键词中挑选出一搜索关键词作为目标搜索关键词；
再从搜集到的搜索关键词中挑选出与目标搜索关键词的词语相似度大于阈值的其他搜索关键词，并与目标搜索关键词组成一个类别的搜索关键词。
即先从所有收集到的搜索关键词中挑选出任意一个搜索关键词作为目标搜索关键词，然后从剩余的搜索关键词中再挑选出其他符合要求的搜索关键词与目标搜索关键词作为一个类别的搜索关键词。其中的符合要求就是指与目标搜索关键词的词语相似度大于阈值，也即某个类别的搜索关键词中，目标搜索关键词与其他搜索关键词的词语相似度都需要大于阈值，即二者相似度需要满足一定要求。这样这个类别的搜索关键词将会是非常相似的搜索关键词。在之后的推荐过程中，根据这个类别的搜索关键词的特性可以快速准确地推荐商品。需说明的是，上述的挑选是指从收集到的搜索关键词中剔除，以方便进行后续的挑选。
在挑选完上述类别的搜索关键词后，可以继续从剩余的搜索关键词中任意挑选出一个搜索关键词作为新的目标搜索关键词，然后继续从剩余的搜索关键词中挑选出符合要求的其他搜索关键词，并与新的目标搜索关键词组成新的一个类别的搜索关键词。其中的符合要求与前述类似，也是指与目标搜索关键词的词语相似度大于阈值。
依次类推，直至挑选完所有的搜索关键词。
在步骤104中，按各类别中的搜索关键词数量从高到低对各类别进行排序。
各类别中的搜索关键词数量可能各不相同，例如某个类别中，搜索关键词的数量为10个，而另一类别中，搜索关键词的数量为5个。不同的数量意味着用户对于该类别的兴趣度不同，也即购买欲望不同，对于数量多的类别，那么用户特别感兴趣，购买欲望较强，对于数量少的类别，那么用户可能只是偶尔看看，购买欲望较弱。根据这一特性，本发明进行针对性的商品推荐。
在步骤105中，向用户推荐排序靠前的类别相关的商品。
由于排序靠前的类别，用户的购买欲望较强，所以本发明中优先向用户推荐排序靠前的类别相关的商品，这样可以提高商品推荐的匹配准确度，从而提高购买成交率，且能提高推荐效率，避免过多过杂的推荐对用户的使用体验造成困扰。
所述向用户推荐排序靠前的类别相关的商品包括：
挑取排序前五的搜索关键词的类别；
获取各类别的属性信息；
根据所述属性信息向用户推荐相关的商品。
本发明中，挑选出排序前五的搜索关键词的类别，即只向用户推荐五类的商品，从而简化推荐商品的类型，对于具体地挑选的类别数量，可以根据总类别的数量以及每一类别中搜索关键词的数量来确定，例如总类别的数量较多，那么可以适当增加推荐的类别，又或者每一类别中的搜索关键词的数量较少，那么也可以适当减少推荐的类别。
各类别的属性信息可以包含商品的属性信息，例如服饰、家电、数码、图书等等。也就是根据各搜索关键词的名称来获取该类别的属性信息。根据这些属性信息即可向用户推荐相关的商品，并展示在推荐栏中。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于用户搜索内容的商品推荐方法，其特征在于，所述方法包括：
收集用户输入的搜索关键词；
对收集到的搜索关键词的词语相似度进行计算；
根据词语相似度的计算结果对收集到的搜索关键词进行分类；
按各类别中的搜索关键词数量从高到低对各类别进行排序；
向用户推荐排序靠前的类别相关的商品；
所述对收集到的搜索关键词的词语相似度进行计算包括：
获取第一搜索关键词以及第二搜索关键词；
对所述第一搜索关键词进行概念拆分得到包含若干个概念的第一概念集合，对所述第二搜索关键词进行概念拆分得到包含若干个概念的第二概念集合；
计算所述第一概念集合中的第一概念与所述第二概念集合中的第二概念之间的概念相似度，所述第一概念为所述第一概念集合中的任一概念，所述第二概念为所述第二概念集合中的任一概念；
将计算得到的各概念相似度中的最大值作为第一搜索关键词与第二搜索关键词之间的词语相似度。
2.根据权利要求1所述的基于用户搜索内容的商品推荐方法，其特征在于，根据词语相似度的计算结果对收集到的搜索关键词进行分类包括：
从收集到的搜索关键词中挑选出一搜索关键词作为目标搜索关键词；
再从搜集到的搜索关键词中挑选出与目标搜索关键词的词语相似度大于阈值的其他搜索关键词，并与目标搜索关键词组成一个类别的搜索关键词。
3.根据权利要求1所述的基于用户搜索内容的商品推荐方法，其特征在于，向用户推荐排序靠前的类别相关的商品包括：
挑取排序前五的搜索关键词的类别；
获取各类别的属性信息；
根据所述属性信息向用户推荐相关的商品。
4.根据权利要求1所述的基于用户搜索内容的商品推荐方法，其特征在于，所述计算所述第一概念集合中的第一概念与所述第二概念集合中的第二概念之间的概念相似度包括：
计算所述第一概念的第一独立义原与第二概念的第一独立义原之间的第一相似度；
计算所述第一概念的第二独立义原与第二概念的第二独立义原之间的第二相似度，所述第二独立义原为语义表达式中除所述第一独立义原以外的所有其他独立义原；
计算所述第一概念的关系义原与第二概念的关系义原之间的第三相似度；
计算所述第一概念的符号义原与第二概念的符号义原之间的第四相似度；
根据所述第一相似度、第二相似度、第三相似度、第四相似度计算所述第一概念与所述第二概念之间的概念相似度。
5.根据权利要求4所述的基于用户搜索内容的商品推荐方法，其特征在于，所述计算所述第一概念的第一独立义原与第二概念的第一独立义原之间的第一相似度包括：
按照如下公式计算所述第一相似度Sim1(V1,V2)：
<mrow> <msub> <mi>Sim</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>V</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mi>&amp;alpha;</mi> <mrow> <mi>d</mi> <mo>+</mo> <mi>&amp;alpha;</mi> </mrow> </mfrac> <mo>;</mo> </mrow> 1
其中，所述(d+α)表示两个义原，d是和在义原层次体系中的路径长度，α为常数参数。
6.根据权利要求5所述的基于用户搜索内容的商品推荐方法，其特征在于，计算所述第一概念的第二独立义原与第二概念的第二独立义原之间的第二相似度包括：
1)将第一概念与第二概念的语义表达式的所有独立义原任意配对，计算两两独立义原相似度；
2)将相似度取值最大的一对归为一组；
3)对剩余的独立义原两两执行步骤2)，直至所有独立义原都完成分组；
4)对各组的相似度计算平均值作为所述第二相似度。
7.根据权利要求6所述的基于用户搜索内容的商品推荐方法，其特征在于，所述根据所述第一相似度、第二相似度、第三相似度、第四相似度计算所述第一概念与所述第二概念之间的概念相似度包括：
按照如下公式计算所述概念相似度Sim(Si,Tj)：
<mrow> <mi>S</mi> <mi>i</mi> <mi>m</mi> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>T</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>x</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msub> <mi>&amp;beta;</mi> <mi>x</mi> </msub> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>y</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>x</mi> </munderover> <msub> <mi>Sim</mi> <mi>y</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>V</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>V</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <mo>.</mo> </mrow> 2
CN201710349926.5A 2017-05-17 2017-05-17 一种基于用户搜索内容的商品推荐方法 Pending CN107194769A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710349926.5A CN107194769A (zh) 2017-05-17 2017-05-17 一种基于用户搜索内容的商品推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710349926.5A CN107194769A (zh) 2017-05-17 2017-05-17 一种基于用户搜索内容的商品推荐方法

Publications (1)

Publication Number Publication Date
CN107194769A true CN107194769A (zh) 2017-09-22

Family

ID=59872801

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710349926.5A Pending CN107194769A (zh) 2017-05-17 2017-05-17 一种基于用户搜索内容的商品推荐方法

Country Status (1)

Country Link
CN (1) CN107194769A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766488A (zh) * 2018-07-25 2020-02-07 北京京东尚科信息技术有限公司 一种自动确定主题场景的方法和装置
CN111353836A (zh) * 2018-12-20 2020-06-30 百度在线网络技术（北京）有限公司 商品推荐方法、装置及设备
CN111400507A (zh) * 2020-06-05 2020-07-10 浙江口碑网络技术有限公司 实体匹配方法及其装置
CN112330382A (zh) * 2020-05-28 2021-02-05 北京沃东天骏信息技术有限公司 物品推荐方法、装置、计算设备和介质
CN113111182A (zh) * 2021-04-15 2021-07-13 北京沃东天骏信息技术有限公司 信息推荐方法及装置、计算机可存储介质
CN113762990A (zh) * 2020-06-03 2021-12-07 中国移动通信集团浙江有限公司 商品推荐的方法、装置、计算设备及计算机存储介质
CN113763084A (zh) * 2020-09-21 2021-12-07 北京沃东天骏信息技术有限公司 产品推荐的处理方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102289478A (zh) * 2011-08-01 2011-12-21 江苏广播电视大学 基于模糊聚类的视频点播推荐系统及方法
CN102591873A (zh) * 2011-01-12 2012-07-18 腾讯科技（深圳）有限公司 一种信息推荐方法和设备
CN102654860A (zh) * 2011-03-01 2012-09-05 北京彩云在线技术开发有限公司 一种个性化音乐推荐方法及系统
US20120259859A1 (en) * 2009-12-31 2012-10-11 Taggy, Inc. Method for recommending best information in real time by appropriately obtaining gist of web page and user's preference
CN103577423A (zh) * 2012-07-23 2014-02-12 阿里巴巴集团控股有限公司 关键词分类方法及系统
CN106339502A (zh) * 2016-09-18 2017-01-18 电子科技大学 一种基于用户行为数据分片聚类的建模推荐方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120259859A1 (en) * 2009-12-31 2012-10-11 Taggy, Inc. Method for recommending best information in real time by appropriately obtaining gist of web page and user's preference
CN102591873A (zh) * 2011-01-12 2012-07-18 腾讯科技（深圳）有限公司 一种信息推荐方法和设备
CN102654860A (zh) * 2011-03-01 2012-09-05 北京彩云在线技术开发有限公司 一种个性化音乐推荐方法及系统
CN102289478A (zh) * 2011-08-01 2011-12-21 江苏广播电视大学 基于模糊聚类的视频点播推荐系统及方法
CN103577423A (zh) * 2012-07-23 2014-02-12 阿里巴巴集团控股有限公司 关键词分类方法及系统
CN106339502A (zh) * 2016-09-18 2017-01-18 电子科技大学 一种基于用户行为数据分片聚类的建模推荐方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
金博，史彦军，滕弘飞: "基于语义理解的文本相似度算法", 《大连理工大学学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766488A (zh) * 2018-07-25 2020-02-07 北京京东尚科信息技术有限公司 一种自动确定主题场景的方法和装置
CN111353836A (zh) * 2018-12-20 2020-06-30 百度在线网络技术（北京）有限公司 商品推荐方法、装置及设备
CN112330382A (zh) * 2020-05-28 2021-02-05 北京沃东天骏信息技术有限公司 物品推荐方法、装置、计算设备和介质
CN112330382B (zh) * 2020-05-28 2024-06-18 北京沃东天骏信息技术有限公司 物品推荐方法、装置、计算设备和介质
CN113762990A (zh) * 2020-06-03 2021-12-07 中国移动通信集团浙江有限公司 商品推荐的方法、装置、计算设备及计算机存储介质
CN113762990B (zh) * 2020-06-03 2024-03-22 中国移动通信集团浙江有限公司 商品推荐的方法、装置、计算设备及计算机存储介质
CN111400507A (zh) * 2020-06-05 2020-07-10 浙江口碑网络技术有限公司 实体匹配方法及其装置
CN113763084A (zh) * 2020-09-21 2021-12-07 北京沃东天骏信息技术有限公司 产品推荐的处理方法、装置、设备及存储介质
CN113111182A (zh) * 2021-04-15 2021-07-13 北京沃东天骏信息技术有限公司 信息推荐方法及装置、计算机可存储介质

Similar Documents

Publication Publication Date Title
CN107194769A (zh) 一种基于用户搜索内容的商品推荐方法
Sivapalan et al. Recommender systems in e-commerce
CN111444395B (zh) 获取实体间关系表达的方法、系统和设备、广告召回系统
CN103246980B (zh) 信息输出方法及服务器
CN105426528A (zh) 一种商品数据的检索排序方法及系统
CN102789462A (zh) 一种项目推荐方法及系统
CN105718184A (zh) 一种数据处理方法和装置
CN104391883B (zh) 一种基于迁移学习的在线广告受众排序方法
Kommineni et al. Machine learning based efficient recommendation system for book selection using user based collaborative filtering algorithm
CN104679771A (zh) 一种个性化数据搜索方法和装置
CN103425763B (zh) 基于sns的用户推荐方法及装置
CN105023178B (zh) 一种基于本体的电子商务推荐方法
CN103838756A (zh) 一种确定推送信息的方法及装置
CN102236646A (zh) 对象级垂直搜索引擎个性化排序算法iRank
CN106326318B (zh) 搜索方法及装置
CN108614832A (zh) 一种用户个性化商品搜索实现方法及装置
CN111310046A (zh) 对象推荐方法及装置
CN103577472A (zh) 个人信息获得、推定、商品的分类、检索方法及系统
CN112862567A (zh) 一种在线展会的展品推荐方法与系统
Almaghrabi et al. A deep learning based collaborative neural network framework for recommender system
Prasetyo Searching cheapest product on three different e-commerce using k-means algorithm
CN110083766B (zh) 一种基于元路径引导嵌入的查询推荐方法及装置
Liu et al. Car: Incorporating filtered citation relations for scientific article recommendation
Zhang et al. Discovering consumers’ purchase intentions based on mobile search behaviors
CN105590234A (zh) 一种向目标用户推荐商品的方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1242821

Country of ref document: HK

WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170922

WD01 Invention patent application deemed withdrawn after publication