CN107392718A - 商品推荐方法 - Google Patents
商品推荐方法 Download PDFInfo
- Publication number
- CN107392718A CN107392718A CN201710618323.0A CN201710618323A CN107392718A CN 107392718 A CN107392718 A CN 107392718A CN 201710618323 A CN201710618323 A CN 201710618323A CN 107392718 A CN107392718 A CN 107392718A
- Authority
- CN
- China
- Prior art keywords
- commodity
- mrow
- product features
- user
- certain class
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/0263—Targeted advertisements based upon Internet or website rating
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及商品推荐方法。本发明为了准确地对用户在电子商务网站上的商品信息及评论信息进行特征好评率分析,并结合客户的兴趣爱好及网购习惯进行商品推荐,提出了一种商品推荐方法,其技术方案要点为:首先对获取商品的评论文本进行预处理;然后提取出对应商品的商品特征,并分析商品不同商品特征的好评率;再然后选择需要的商品特征,然后对选择出的商品特征进行排序;再然后分别计算选择的某类商品下与选择出的商品特征相对应的权重;再然后根据选择出的商品特征计算该类商品下所有商品与用户对商品的需求的相似度;最后按照相似度的由高到低将对应的商品推荐给用户。本发明的有益效果是,将关注度高且用户需要的商品准确的推荐给用户。
Description
技术领域
本发明涉及商品推荐技术。
背景技术
随着电子商务规模的不断扩大,商品个数和种类的快速增长,如何从大量商品中选择出自己想要购买的个性化商品,已成为急需解决的问题。个性化商务模式和应用如:个性化定价与促销、个性化新闻、个性化广告、个性化搜索引擎、个性化社交网络等。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。个性化推荐的目的主要有三个:一是可以将网站访问者转化为购买者;二是提高网站的交叉销售能力;三是提高用户对网站的忠诚度。
发明内容
本发明的目的是提供一种商品推荐方法,能够准确地对用户在电子商务网站上的商品信息及评论信息进行特征好评率分析,并结合客户的兴趣爱好及网购习惯进行商品推荐。
本发明解决其技术问题,采用的技术方案是:商品推荐方法,其特征在于,包括以下步骤:
步骤1、获取电商网站的所有商品及其对应的评论信息,并获取各类商品的关注度;
步骤2、将各商品对应的评论文本进行预处理;
步骤3、根据预处理后的评论文本提取出对应商品的商品特征,并分析所有商品不同商品特征的好评率;
步骤4、按照受关注度的由高到低提取出各类商品与之对应的供选择的商品特征;
步骤5、选择某类商品,并在该类商品与之对应的供选择的商品特征中选择需要的商品特征,然后对选择出的商品特征进行排序;
步骤6、分别计算选择的某类商品下与选择出的商品特征相对应的权重;
步骤7、根据选择出的商品特征在选择的某类商品下所有商品中对应的好评率及其对应的权重计算该类商品下所有商品与用户对该类商品的需求的相似度;
步骤8、按照相似度的由高到低将对应的商品推荐给用户。
进一步的是,步骤1中,所述获取电商网站的所有商品及其对应的评论信息的方法具体如下:
101、从指定的站点开始,以宽度优先搜索算法来获取网页;
102、针对每一个获取到的网页,对其页面源代码进行解析,获取网页内相关的信息,所述相关信息指用户的评论信息;
103、将用户的评论信息写入数据库。
进一步的是,步骤2中,所述预处理具体包括对用户的评价文本进行分词,并对分词标注词性。
进一步的是,步骤3中,提取对应商品的商品特征的具体方法包括以下步骤:
301、在分词结果的基础上,采用关联挖掘算法Apriori在数据库中扫描到出现频率最高的名词和/或名词词组,并将其视为典型特征;
302、对于包含典型特征的评价文本,对出现频率最高的名词和/或名词词组逐一匹配所在评论文本中与之对应的距离最近的形容词,并生成对应的特征向量。
进一步的是,步骤3中,所述分析该商品不同商品特征的好评率的方法具体为:结合情感词典逐一对特征向量所在评论文本中的每一个典型特征进行极性标注,所述极性包括好评和差评。
进一步的是,步骤4和/或步骤5中,某类商品与之对应的供选择的商品特征具体是利用词频统计的方法,从数据库中提取大部分客户最关注的N个商品特征,放到交互界面供客户选择。
进一步的是,步骤6中,所述计算选择的某类商品下与选择出的商品特征相对应的权重的公式具体为:
其中,n为选择的某类商品下选择出的商品特征的总数,i为选择的某类商品下选择出的商品特征中的每一个商品特征的序列号。
进一步的是,步骤7和/或步骤8中,所述相似度的计算公式具体如下:
其中,Sim(j)为选择的某类商品下第j个商品与用户对商品的需求的相似度,α(j)k为选择的某类商品下第j个商品的第k个商品特征的好评率,ωk为选择的某类商品下需要的商品特征中的第k个商品特征的权重,n该选择的某类商品下选择出的商品特征的总数。
本发明的有益效果是,通过上述商品推荐方法,根据用户需要选择出某类商品对应商品的商品特征,并根据选择出的商品特征的好评率及其对应的权重计算出对应商品的相似度,并按相似度的由高到低将对应商品推荐给用户,所以能够将关注度高且用户需要的商品准确的推荐给用户。
具体实施方式
下面结合实施例,详细描述本发明的技术方案。
本发明所述商品推荐方法,包括以下步骤:
步骤1、获取电商网站的所有商品及其对应的评论信息,并获取各类商品的关注度;
步骤2、将各商品对应的评论文本进行预处理;
步骤3、根据预处理后的评论文本提取出对应商品的商品特征,并分析所有商品不同商品特征的好评率;
步骤4、按照受关注度的由高到低提取出各类商品与之对应的供选择的商品特征;
步骤5、选择某类商品,并在该类商品与之对应的供选择的商品特征中选择需要的商品特征,然后对选择出的商品特征进行排序;
步骤6、分别计算选择的某类商品下与选择出的商品特征相对应的权重;
步骤7、根据选择出的商品特征在选择的某类商品下所有商品中对应的好评率及其对应的权重计算该类商品下所有商品与用户对该类商品的需求的相似度;
步骤8、按照相似度的由高到低将对应的商品推荐给用户。
实施例
本发明实施例本发明所述商品推荐方法,包括以下步骤:
步骤1、获取电商网站的所有商品及其对应的评论信息;
步骤2、将各商品对应的评论文本进行预处理;
步骤3、根据预处理后的评论文本提取出对应商品的商品特征,并分析所有商品不同商品特征的好评率;
步骤4、按照受关注度的由高到低提取出各类商品与之对应的供选择的商品特征;
步骤5、选择某类商品,本例选择商品种类为电视,并在电视类商品与之对应的供选择的商品特征中选择需要的商品特征,然后对选择出的商品特征进行排序,本例选择电视类的商品特征为:品牌、尺寸、功能、质量和价格;
步骤6、分别计算选择的电视类商品下与选择出的商品特征相对应的权重;
步骤7、根据选择出的商品特征在选择的电视类商品下所有电视商品中对应的好评率及其对应的权重计算电视类商品下所有电视与用户对电视类商品的需求的相似度;
步骤8、按照相似度的由高到低将对应的电视推荐给用户。
上述方法中,步骤1中,获取电商网站的所有商品及其对应的评论信息的方法具体如下:
101、从指定的站点开始,以宽度优先搜索算法来获取网页;
102、针对每一个获取到的网页,对其页面源代码进行解析,获取网页内相关的信息,相关信息指用户的评论信息;
103、将用户的评论信息写入数据库。
具体的,步骤2中,预处理具体包括对用户的评价文本进行分词,并对分词标注词性。
具体的,步骤3中,提取对应商品的商品特征的具体方法包括以下步骤:
301、在分词结果的基础上,采用关联挖掘算法Apriori在数据库中扫描到出现频率最高的名词和/或名词词组,并将其视为典型特征;
302、对于包含典型特征的评价文本,对出现频率最高的名词和/或名词词组逐一匹配所在评论文本中与之对应的距离最近的形容词,并生成对应的特征向量,比如屏幕/不错、功能/丰富、价格/贵/物流/慢。
具体的,步骤3中,分析该商品不同商品特征的好评率的方法具体为:结合情感词典逐一对特征向量所在评论文本中的每一个典型特征进行极性标注,极性包括好评和差评。
具体的,步骤4和/或步骤5中,电视类商品与之对应的供选择的商品特征具体是利用词频统计的方法,从数据库中提取大部分客户最关注的N个商品特征,放到交互界面供客户选择。
具体的,步骤6中,计算选择的电视类商品下与选择出的商品特征相对应的权重的公式具体为:
其中,n为选择的电视类商品下选择出的商品特征的总数,i为选择的电视类商品下选择出的商品特征中的每一个商品特征的序列号,本例选择电视类商品的商品特征为:品牌、尺寸、功能、质量、外观和价格,根据用户关注程度,其排序为:品牌、价格、功能、尺寸和质量,根据权重公式,品牌、价格、功能、尺寸和质量的权重对应的分别为0.333,0.267,0.200,0.133,0.067。
具体的,步骤7和/或步骤8中,相似度的计算公式具体如下:
其中,Sim(j)为选择的电视类商品下第j个商品与用户对商品的需求的相似度,α(j)k为选择的电视类商品下第j个商品的第k个商品特征的好评率,ωk为选择的电视类商品下需要的商品特征中的第k个商品特征的权重,n该选择的电视类商品下选择出的商品特征的总数。最后,按照相似度的由高到低将对应的电视推荐给用户。
Claims (8)
1.商品推荐方法,其特征在于,包括以下步骤:
步骤1、获取电商网站的所有商品及其对应的评论信息,并获取各类商品的关注度;
步骤2、将各商品对应的评论文本进行预处理;
步骤3、根据预处理后的评论文本提取出对应商品的商品特征,并分析所有商品不同商品特征的好评率;
步骤4、按照受关注度的由高到低提取出各类商品与之对应的供选择的商品特征;
步骤5、选择某类商品,并在该类商品与之对应的供选择的商品特征中选择需要的商品特征,然后对选择出的商品特征进行排序;
步骤6、分别计算选择的某类商品下与选择出的商品特征相对应的权重;
步骤7、根据选择出的商品特征在选择的某类商品下所有商品中对应的好评率及其对应的权重计算该类商品下所有商品与用户对商品的需求的相似度;
步骤8、按照相似度的由高到低将对应的商品推荐给用户。
2.如权利要求1所述的商品推荐方法,其特征在于,步骤1中,所述获取电商网站的所有商品及其对应的评论信息的方法具体如下:
101、从指定的站点开始,以宽度优先搜索算法来获取网页;
102、针对每一个获取到的网页,对其页面源代码进行解析,获取网页内相关的信息,所述相关信息指用户的评论信息;
103、将用户的评论信息写入数据库。
3.如权利要求1所述的商品推荐方法,其特征在于,步骤2中,所述预处理具体包括对用户的评价文本进行分词,并对分词标注词性。
4.如权利要求2或3所述的商品推荐方法,其特征在于,步骤3中,提取对应商品的商品特征的具体方法包括以下步骤:
301、在分词结果的基础上,采用关联挖掘算法Apriori在数据库中扫描到出现频率最高的名词和/或名词词组,并将其视为典型特征;
302、对于包含典型特征的评价文本,对出现频率最高的名词和/或名词词组逐一匹配所在评论文本中与之对应的距离最近的形容词,并生成对应的特征向量。
5.如权利要求4所述的商品推荐方法,其特征在于,步骤3中,所述分析该商品不同商品特征的好评率的方法具体为:结合情感词典逐一对特征向量所在评论文本中的每一个典型特征进行极性标注,所述极性包括好评和差评。
6.如权利要求2所述的商品推荐方法,其特征在于,步骤4和/或步骤5中,某类商品与之对应的供选择的商品特征具体是利用词频统计的方法,从数据库中提取大部分客户最关注的N个商品特征,放到交互界面供客户选择。
7.如权利要求1所述的商品推荐方法,其特征在于,步骤6中,所述计算选择的某类商品下与选择出的商品特征相对应的权重的公式具体为:
<mrow>
<msub>
<mi>&omega;</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mi>i</mi>
</mrow>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mi>j</mi>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
</mrow>
其中,n为选择的某类商品下选择出的商品特征的总数,i为选择的某类商品下选择出的商品特征中的每一个商品特征的序列号。
8.如权利要求5-7任意一项所述的商品推荐方法,其特征在于,步骤7和/或步骤8中,所述相似度的计算公式具体如下:
<mrow>
<mi>S</mi>
<mi>i</mi>
<mi>m</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&omega;</mi>
<mi>k</mi>
</msub>
<msub>
<mi>&alpha;</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
<mi>k</mi>
</mrow>
</msub>
</mrow>
其中,Sim(j)为选择的某类商品下第j个商品与用户对商品的需求的相似度,α(j)k为选择的某类商品下第j个商品的第k个商品特征的好评率,ωk为选择的某类商品下需要的商品特征中的第k个商品特征的权重,n该选择的某类商品下选择出的商品特征的总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710618323.0A CN107392718A (zh) | 2017-07-26 | 2017-07-26 | 商品推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710618323.0A CN107392718A (zh) | 2017-07-26 | 2017-07-26 | 商品推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107392718A true CN107392718A (zh) | 2017-11-24 |
Family
ID=60341737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710618323.0A Pending CN107392718A (zh) | 2017-07-26 | 2017-07-26 | 商品推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107392718A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230085A (zh) * | 2017-11-27 | 2018-06-29 | 重庆邮电大学 | 一种基于用户评论的商品评价系统及方法 |
CN109242644A (zh) * | 2018-10-10 | 2019-01-18 | 深圳市心版图科技有限公司 | 商品推荐方法、终端及计算机可读存储介质 |
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 |
CN109961345A (zh) * | 2017-12-22 | 2019-07-02 | 财团法人工业技术研究院 | 交互式商品推荐方法以及非瞬时计算机可读介质 |
CN109978645A (zh) * | 2017-12-28 | 2019-07-05 | 北京京东尚科信息技术有限公司 | 一种数据推荐方法和装置 |
CN110648173A (zh) * | 2019-09-19 | 2020-01-03 | 西安电子科技大学 | 基于商品好评和差评率的无监督异常商品数据检测方法 |
CN111476632A (zh) * | 2020-03-31 | 2020-07-31 | 北京三快在线科技有限公司 | 显示资源的方法、装置、电子设备及可读存储介质 |
US10922737B2 (en) | 2017-12-22 | 2021-02-16 | Industrial Technology Research Institute | Interactive product recommendation method and non-transitory computer-readable medium |
CN112734462A (zh) * | 2020-12-30 | 2021-04-30 | 北京字跳网络技术有限公司 | 一种信息推荐方法、装置、设备及介质 |
CN113744002A (zh) * | 2020-05-27 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 推送信息的方法、装置、设备和计算机可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054117A (zh) * | 2009-11-03 | 2011-05-11 | 财团法人工业技术研究院 | 电子装置及藉助其进行个人餐饮推荐的方法 |
CN104462333A (zh) * | 2014-12-03 | 2015-03-25 | 上海耀肖电子商务有限公司 | 购物搜索推荐与告警方法和系统 |
CN106127507A (zh) * | 2016-06-13 | 2016-11-16 | 四川长虹电器股份有限公司 | 一种基于用户评价信息的商品舆情分析方法及系统 |
CN106296288A (zh) * | 2016-08-10 | 2017-01-04 | 常州大学 | 一种网络评价文本引导下的商品性能评价方法 |
-
2017
- 2017-07-26 CN CN201710618323.0A patent/CN107392718A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054117A (zh) * | 2009-11-03 | 2011-05-11 | 财团法人工业技术研究院 | 电子装置及藉助其进行个人餐饮推荐的方法 |
CN104462333A (zh) * | 2014-12-03 | 2015-03-25 | 上海耀肖电子商务有限公司 | 购物搜索推荐与告警方法和系统 |
CN106127507A (zh) * | 2016-06-13 | 2016-11-16 | 四川长虹电器股份有限公司 | 一种基于用户评价信息的商品舆情分析方法及系统 |
CN106296288A (zh) * | 2016-08-10 | 2017-01-04 | 常州大学 | 一种网络评价文本引导下的商品性能评价方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230085A (zh) * | 2017-11-27 | 2018-06-29 | 重庆邮电大学 | 一种基于用户评论的商品评价系统及方法 |
CN109961345A (zh) * | 2017-12-22 | 2019-07-02 | 财团法人工业技术研究院 | 交互式商品推荐方法以及非瞬时计算机可读介质 |
US10922737B2 (en) | 2017-12-22 | 2021-02-16 | Industrial Technology Research Institute | Interactive product recommendation method and non-transitory computer-readable medium |
CN109978645B (zh) * | 2017-12-28 | 2022-04-12 | 北京京东尚科信息技术有限公司 | 一种数据推荐方法和装置 |
CN109978645A (zh) * | 2017-12-28 | 2019-07-05 | 北京京东尚科信息技术有限公司 | 一种数据推荐方法和装置 |
CN109242644A (zh) * | 2018-10-10 | 2019-01-18 | 深圳市心版图科技有限公司 | 商品推荐方法、终端及计算机可读存储介质 |
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 |
CN110648173A (zh) * | 2019-09-19 | 2020-01-03 | 西安电子科技大学 | 基于商品好评和差评率的无监督异常商品数据检测方法 |
CN110648173B (zh) * | 2019-09-19 | 2023-04-07 | 西安电子科技大学 | 基于商品好评和差评率的无监督异常商品数据检测方法 |
CN111476632A (zh) * | 2020-03-31 | 2020-07-31 | 北京三快在线科技有限公司 | 显示资源的方法、装置、电子设备及可读存储介质 |
CN113744002A (zh) * | 2020-05-27 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 推送信息的方法、装置、设备和计算机可读介质 |
CN112734462A (zh) * | 2020-12-30 | 2021-04-30 | 北京字跳网络技术有限公司 | 一种信息推荐方法、装置、设备及介质 |
CN112734462B (zh) * | 2020-12-30 | 2024-04-05 | 北京字跳网络技术有限公司 | 一种信息推荐方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107392718A (zh) | 商品推荐方法 | |
CN109299994B (zh) | 推荐方法、装置、设备及可读存储介质 | |
CN103246980B (zh) | 信息输出方法及服务器 | |
CN104035927B (zh) | 一种基于用户行为的搜索方法及系统 | |
CN104156450B (zh) | 一种基于用户网络数据的物品信息推荐方法 | |
US20120284081A1 (en) | Methods and Apparatus for Gathering Intelligence from Itemized Receipts | |
CN103970850B (zh) | 网站信息推荐方法和系统 | |
US20120226698A1 (en) | Food or drink product searching and matching system and method | |
US20150379609A1 (en) | Generating recommendations for unfamiliar users by utilizing social side information | |
US20150205801A1 (en) | Systems and methods for wine ranking | |
CN101206751A (zh) | 基于数据挖掘的顾客推荐系统及其方法 | |
CN102411754A (zh) | 一种基于商品属性熵值的个性化推荐方法 | |
WO2013155144A1 (en) | Searching supplier information based on transaction platform | |
CN105718184A (zh) | 一种数据处理方法和装置 | |
CN103473354A (zh) | 基于电子商务平台的保险推荐系统框架及保险推荐方法 | |
CN103544632A (zh) | 一种网络商品个性化推荐方法及系统 | |
CN104679771A (zh) | 一种个性化数据搜索方法和装置 | |
CN102542490A (zh) | 基于模型匹配的商品推荐方法 | |
CN104517216A (zh) | 增强推荐系统和方法 | |
CN105447731A (zh) | 站外用户站内动态广告生成方法及系统 | |
CN110348930A (zh) | 业务对象数据处理方法、业务对象信息的推荐方法和装置 | |
CN109101553B (zh) | 用于购买方非受益方的行业的采购用户评价方法和系统 | |
CN102103641A (zh) | 在用户浏览网络图像中添加图标广告的方法 | |
CN105931082B (zh) | 一种商品类目关键词提取方法和装置 | |
CN105809465A (zh) | 一种信息处理方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171124 |