CN107451881A - 信息获取方法及装置 - Google Patents
信息获取方法及装置 Download PDFInfo
- Publication number
- CN107451881A CN107451881A CN201710482615.6A CN201710482615A CN107451881A CN 107451881 A CN107451881 A CN 107451881A CN 201710482615 A CN201710482615 A CN 201710482615A CN 107451881 A CN107451881 A CN 107451881A
- Authority
- CN
- China
- Prior art keywords
- provider
- product provider
- similarity
- product
- target product
- 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]
-
- 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
- G06F16/2462—Approximate or statistical 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种信息获取方法及装置,其中,本发明实施例基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度;基于所述至少一个特征相似度,计算所述目标产品提供方与所述任一产品提供方的综合相似度;确定与目标产品提供方的综合相似度满足相似要求的候选产品提供方;从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方;提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。本发明实施例提供的技术方案提高了信息获取的准确度。
Description
技术领域
本发明实施例涉及计算机应用技术领域,尤其涉及一种信息获取方法及装置。
背景技术
随着互联网技术以及电子技术的发展,通过网上交易获取各种产品的便携方式逐渐渗透到日常生活中。
网上交易平台通常提供检索功能,产品提供方为了提供更好的产品,提高其业务能力,可以自行检索与其业务相似的其它产品提供方,通过其它产品提供方的信息页面,来了解其它产品提供方的业务情况,以进行自我诊断,从而确定是否进行业务调整等。
但是现有的这种方式,需要手动检索、获得的信息准确度低。
发明内容
本发明实施例提供一种信息获取方法及装置,用以解决现有技术中手动检测导致获得的信息准确度低的技术问题。
第一方面,本发明实施例中提供了一种信息获取方法,包括:
基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度;
基于所述至少一个特征相似度,计算所述目标产品提供方与所述任一产品提供方的综合相似度;
确定与所述目标产品提供方的综合相似度满足相似要求的候选产品提供方;
从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方;
提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
可选地,所述候选产品提供方确定步骤包括:
确定与所述目标产品提供方的综合相似度处于预设范围内的候选产品提供方。
可选地,所述基于所述至少一个特征相似度,计算所述目标产品提供方与任一产品提供方的综合相似度包括:
确定所述目标产品提供方与所述任一产品提供方的每一特征属性的权重系数;
基于所述权重系统,加权求和所述至少一个特征相似度的和值,作为所述目标产品提供方与所述任一产品提供方的综合相似度。
可选地,所述至少一个特征属性包括产品信息、消费价格、位置信息和/或业务范围;
所述针对每一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度包括:
针对所述产品信息,计算所述目标产品提供方与所述任一产品提供方的产品相似度;
针对所述消费价格,计算所述目标产品提供方与所述任一产品提供方的消费相似度;
针对所述位置信息,计算所述目标产品提供方与所述任一产品提供方的位置相似度;
和/或,
针对所述业务范围,计算所述目标产品提供方与所述任一产品提供方的业务范围相似度。
可选地,所述业务数据包括销量数据;
所述任意产品提供方确定步骤包括:
根据所述候选产品提供方的业务数据,确定所述候选产品提供方中销量数据大于预设数据的任意产品提供方。
第二方面,本发明实施例提供了一种信息获取装置,包括:
第一计算模块,用于基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度;
第二计算模块,用于基于所述至少一个特征相似度,计算所述目标产品提供方与所述任一产品提供方的综合相似度;
第一确定模块,用于确定与所述目标产品提供方的综合相似度满足相似要求的候选产品提供方;
第二确定模块,用于从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方;
信息提供模块,用于提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
可选地,所述第一确定模块具体用于确定与所述目标产品提供方的综合相似度处于预设范围内的候选产品提供方。
可选地,所述第二计算模块具体用于:确定所述目标产品提供方与所述任一产品提供方的每一特征属性的权重系数;基于所述权重系数,加权求和所述至少一个特征相似度的和值,作为所述目标产品提供方与所述任一产品提供方的综合相似度。
可选地,所述至少一个特征属性包括产品信息、消费价格、位置信息和/或业务范围;
所述第一计算模块包括:
产品相似度计算子单元,用于针对所述产品信息,计算所述目标产品提供方与所述任一产品提供方的产品相似度;
消费相似度计算子单元,用于针对所述消费价格,计算所述目标产品提供方与所述任一产品提供方的消费相似度;
位置相似度计算子单元,用于针对所述位置信息,计算所述目标产品提供方与所述任一产品提供方的位置相似度;
和/或,
业务相似度计算子单元,用于针对所述业务范围,计算所述目标产品提供方与所述任一产品提供方的业务范围相似度。
可选地,所述业务数据包括销量数据;
所述第二确定模块具体用于:
根据所述候选产品提供方的业务数据,确定所述候选产品提供方中销量数据大于预设数据的任意产品提供方。
本发明实施例中,基于各个产品提供方的至少一个特征属性,确定与目标产品提供方满足相似要求的候选产品提供方;从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方;并提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。本发明实施例基于产品提供方的特征属性,实现了相似的产品提供方的自动、准确检索,基于业务数据进行筛选,仅将满足业绩要求的任意产品提供方的相关信息提供给目标产品提供方,保证了获得的信息的准确度。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
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一简单地介绍,显而易见地,下面描述中的附图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他的附图。
图1示出了本发明实施例提供的一种信息获取方法一个实施例的流程图;
图2示出了本发明实施例提供的一种信息获取方法又一个实施例的流程图;
图3示出了本发明实施例提供的一种信息获取装置一个实施例的结构示意图;
图4示出了本发明实施例提供的一种信息获取装置又一个实施例的结构示意图;
图5示出了本发明实施例提供的一种电子设备一个实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
本发明实施例的技术方案主要应用于网上交易场景中,例如O2O(Online ToOffline,线上到线下)应用场景。在网上交易场景中,由产品提供方提供产品,用户通过网上交易系统可以购买产品提供方提供的产品,产品可以是指有形商品或者无形服务等,在基于O2O的外卖应用中,产品提供方即为提供产品的线下商户,产品通常为菜品。
网上交易平台会为会每一个产品提供方配置信息页面,用以显示其提供的产品信息列表以及诸如销量数据等业务相关数据。实际应用中,产品提供方为了提高业绩,可以通过网上交易平台提供的检索功能搜索与相似的其它产品提供方,以通过其它产品提供方的信息页面,结合自身的业务相关数据,来对自己进行业务诊断等。但是这种手动检索的方式,主要依赖产品提供方的主观判断,检索获得的产品提供方不一定与自身相似,因此获得的信息准确度低。
为了解决手动检索获得的信息准确度低的技术问题,发明人经过一系列研究提出了本发明的技术方案,在本发明实施例中,基于各个产品提供方的至少一个特征属性,确定与目标产品提供方满足相似要求的候选产品提供方;从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方;提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。本发明实施例基于产品提供方的特征属性,实现了相似的产品提供方的自动检索,特征属性可以代表该产品提供方,提高了检索准确度,因此保证了获得的信息的准确度,且基于业务数据进行筛选,仅将满足业绩要求的任意产品提供方的相关信息提供给目标产品提供方,可以进一步提高了获得的信息的准确度。
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,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的一种信息获取方法一个实施例的流程图,该方法可以包括以下几个步骤:
101:基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度。
102:基于所述至少一个特征相似度,计算所述目标产品提供方与所述任一产品提供方的综合相似度。
103:确定与目标产品提供方的综合相似度满足相似要求的候选产品提供方。
目标产品提供方可以是指需要获取与其相似的产品提供方的相关信息的任一个产品提供方,为了方便描述,命名为目标产品提供方。
产品提供方在网上交易平台运营一段时间之后,会由于用户购买、浏览等用户行为出现产品销量等数据积累,因此结合产品提供方的基础信息以及用户行为数据,可以构建多个特征属性来对产品提供方进行描述。该多个特征属性例如可以包括产品信息、消费价格、位置信息以及业务范围等等。
产品信息例如可以是指产品名称和/或产品价格;
产品提供方提供的产品用于售卖,而由于每一个顾客每一次购买的产品数量以及产品种类可能不同,消费价格即可以具体是指人均消费价格,可以基于历史销售记录统计获得,例如根据消费人数以及消费总价,可以计算获得人均消费价格;当然,消费价格也可以是产品提供方自己设定的人均消费价格等。
在O2O应用中,产品提供方为线下实体商户,通常可以划定服务区域,根据产品提供方所在的地理位置可以确定其归属的服务区域,通过服务区域的划分,可以使得用户购买该服务区域中的产品提供方提供的产品,因此位置信息可以具体是指产品提供方归属的服务区域。当然,位置信息也可以是指产品提供方提供的通讯地址等。
业务范围可以根据产品提供方的业务类型确定,在网上交易场景中,业务范围也即是指产品提供方的经营范围;业务范围可以通过多个业务标签表示,每一个业务标签可以表示产品提供方所经营的一项业务,例如对于一个产品提供方既可以提供快餐食品、又可以提供下午茶,那么其业务标签可以包括“快餐”、“下午茶”等,一个产品提供方的业务标签可以根据其经营的业务的重要程度排序,例如一个产品提供方主营快餐食品,同时提供下午茶,那么“快餐”标签可以排列在“下午茶”标签之前。该业务范围的业务标签可以是产品提供方提供或者根据产品提供方的历史销售数据统计获得。
本发明实施例中,可以基于至少一个特征属性,首先计算目标产品提供方与任一产品提供方的特征相似度,进而基于至少一个特征相似度,可以计算获得目标产品提供方与任一个产品提供方综合相似度。
其中,确定与目标产品提供方的综合相似度是否满足相似要求可以多种实现方式,在下面实施例中会详细进行介绍。
此外,可选地,可以是响应于客户端发送的第一获取请求,基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度。
客户端为目标产品提供方对应的客户端,第一获取请求可以是客户端响应于目标产品提供方的检索操作时而生成的。也即可以是在接收到第一获取请求时,再触发执行步骤101~步骤105的操作。
104:从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方。
105:提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
其中,通过业务数据可以衡量一个产品提供方的业绩质量。
由于为了方便目标产品提供方更好的进行业务诊断,本实施例中,可以仅将候选产品提供方中业务数据满足业绩要求的任意产品提供方的相关信息提供给目标产品提供方,使得目标提供方获得的更加准确有效的信息,无需自己进行筛选。
可选地,在某些实施例中,可以是响应于所述客户端发送的第二获取请求,提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
该第二获取请求可以是客户端响应于目标产品提供方的获取操作时而生成的,也即步骤101~步骤104的操作可以预先执行,步骤105可以是仅在接收到第二获取请求时,再提供任意产品提供方的相关信息至该客户端。
其中,该相关信息可以包括该任意产品提供方的业务数据,以方便目标产品提供方结合自身的业务数据,进行自我业务诊断。
此外,该相关信息中还可以包括该任意产品提供方的至少一个特征属性的属性信息,由于产品提供方可以通过其特征属性进行表示,因此目标产品提供方根据该任意产品提供方的至少一个特征属性,可以判断是否进行业务调整等。
当然,该相关信息中还可以包括该任意产品提供方的业务数据与目标产品提供方的业务数据的比较结果,从而可以更加高效方便的帮助目标提供方进行自我业务诊断等。该比较结果可以是最近一段时间内的任意产品提供方的业务数据与目标产品提供方的业务数据的比较结果。
其中,业务数据可以至少包括销量数据,该销量数据可以是指一定周期内的销量数据,该周期时长可以是一天、或者一个月等。在网上交易场景中,销量数据可以通过订单数量确定,销量数据越高,即表明业绩越好。因此,可选地,该业绩要求可以是指销量数据大于预设数据的任意产品提供方。
此外,在O2O应用中,该业务数据还可以包括曝光次数、平均配送范围、日营业时长、排位、用户消费价值等,以方便目标产品提供方更好的进行业务诊断或者业务调整。
其中,每一个产品提供方的信息页面可以对应一索引信息,各个产品提供方的索引信息可以以列表形式展示在列表页面中,各个产品提供方的索引信息在列表页面中按照一定排列顺序进行排位,该排列顺序可以结合产品提供方的业务数据或者根据产品提供方的特殊要求确定。
列表页面展示给用户时,由于显示屏幕尺寸限制,用户会更多关注排位靠前的产品提供方,因此曝光次数是指在列表页面中被展现次数。在O2O外卖应用中,每一个产品提供方提供的产品会被位于不同地理位置的用户购买,并被配送至用户地址,该平均配送范围即可以是指根据已售出产品对应的配送地址而确定。
排位即是指产品提供方的索引信息在列表页面中的排列位置。
用户消费价值是指购买产品提供方的产品的用户平均消费水平等,可以根据用户历史购买不同产品的价格以及数量计算获得。
在本实施例中,通过特征属性,确定与目标产品提供方相似的候选产品提供方,并基于业务数据进行筛选,仅将满足业绩要求的任意产品提供方的相关信息提供给目标产品提供方,提高了检索准确度,以及提高了获得的信息的准确度。
在某些实施例中,所述确定与目标产品提供方的综合相似度满足相似要求的候选产品提供方可以包括:
确定与所述目标产品提供方的综合相似度处于预设范围内的候选产品提供方。
也即相似要求是指综合相似度处于预设范围内。
其中,该预设范围可以根据实际应用情况设定,目标产品提供方与任一产品提供方的综合相似度越高,可以表明目标产品提供方与任一产品提供方越相似,该预设范围例如可以为大于或等于相似度阈值。
如图2所示,为本发明实施例提供的一种信息获取方法又一个实施例的流程图,该方法可以包括以下几个步骤:
201:基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度。
202:确定所述目标产品提供方与所述任一产品提供方的每一特征属性的权重系数。
203:基于所述权重系统,加权求和所述至少一个特征相似度的和值,作为所述目标产品提供方与所述任一产品提供方的综合相似度。
其中,由于在不同实际应用场景中,不同特征属性对于目标产品提供方与任一产品提供方综合相似度的影响程度不同,因此可以结合实际情况,设定每一特征属性的权重系数,从而可以基于权重系数,将至少一个特征相似度进行加权求和,该加权求和公式为:
其中,a和b分别表示目标产品提供方以及与目标产品提供方进行相似比较的任一个产品提供方。fi为第i个特征属性的特征相似度,xi为第i个特征属性的权重系数,n为特征属性的总数量。
当然,在某些实施例中,还可以将各个特征相似度加权平均值等作为综合相似度。
204:确定与所述目标产品提供方的综合相似度处于预设范围内的候选产品提供方。
205:从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方。
206:提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
由上文描述可知,所述至少一个特征属性可以包括产品信息、消费价格、位置信息和/或业务范围;
因此,在某些实施例中,所述针对每一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度包括:
针对所述产品信息,计算所述目标产品提供方与所述任一产品提供方的产品相似度;
针对所述消费价格,计算所述目标产品提供方与所述任一产品提供方的消费相似度;
针对所述位置信息,计算所述目标产品提供方与所述任一产品提供方的位置相似度;
和/或,
针对所述业务范围,计算所述目标产品提供方与所述任一产品提供方的业务范围相似度。
其中,计算产品相似度可以多种可能的实现方式,作为一种可能的实现方式,该产品信息可以具体是指产品名称或者产品价格等,因此可以基于产品名称或者产品价格,计算目标产品提供方的任一产品与任一产品提供方的任一产品的产品相似度,从而可以基于目标产品提供方的任一产品与任一产品提供方的任一产品的产品相似度,计算获得目标产品提供方与所述任一产品提供方的产品相似度。
该产品信息为产品名称时,目标产品提供方的任一产品与任一产品提供方的任一产品的产品相似度可以为产品名称的字符串相似度。
当然作为又一种可选方式,在某些实施例中,所述产品相似度计算步骤包括:
A:将各个产品提供方提供产品的产品名称进行分词,获得产品词,并基于各个产品词构建获得产品词表;
可选地,产品词表中可以由不重复的产品词构成。
此外,分词获得的多个产品词中,存在高频或者低频出现的词汇,因此所述由各个产品词构建获得产品词表可以包括:
将分词获得的各个产品词中,过滤出现频率大于第一频率以及小于第二频率的产品词;
基于所述产品词过滤之后剩余的产品词,构建获得产品词表。
例如产品词表可以表示为:
DictV=(WORD1,WORD2,WORD3,WORD4,……);
B:统计每一个产品提供方的已售出产品的产品名称中,对应所述产品词表中每一产品词的TF-IDF(term frequency–inverse document frequency,词频-逆向文件频率)值;
其中,TF-IDF是一种用于信息检索与数据挖掘的常用加权技术。TF表示词频,IDF表示逆向文件频率。
TF-IDF可以用以评估一个字或词或短语对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。
其中,已售出产品可以是指当前时间之前的预设时间段内销售的产品。
本实施例中,可以首先针对每一个产品提供方已售出产品的产品名称经分词获得的多个产品词,计算多个产品词中每一个产品词在该多个产品词中的出现频率,也即TF值;之后,计算多个产品词中每一个产品词在针对其他产品提供方已售出产品的产品名称经分词获得的产品词中的出现频率,也即IDF值;之后,根据每一个产品词的TF值以及IDF值,即可以计算获得每一个产品词的TF-IDF值。
将每一个产品提供方的多个产品词的TF-IDF值投射到产品词表中,可以确定每一个产品提供方对应该产品词表中的每一个产品词的TF-IDF值,其中,若每一个产品提供方的多个产品词包括产品词表中的一个或多个产品词,则对应该一个或多个产品词的TF-IDF值即为0。
C:由所述每一产品词的TF-IDF值构建获得每一个产品提供方的产品特征向量。
该产品特征向量可以表示为:
Docvector={WORD1:TF_IDF1,WORD2:TF_IDF2,WORD3:TF_IDF3,……};
其中,产品特征向量中每一个元素,如WORD1:TF_IDF1,表示每一个产品提供方对应该产品词表的产品词WORD1的TF-IDF值。
D:利用潜在语义分析技术将每一个产品提供方的产品特征向量降维获得产品降维向量。
根据潜在语义分析技术(LSI,Latent Semantic Indexing),可以建立LSI模型。首先可以根据各个产品提供方的产品特征向量构建初始矩阵,初始矩阵中的每一行表示一个产品提供方,每一列表示每一个产品词对应该产品提供方的TF-IDF值。将初始矩阵利用SVD算法进行分解训练,可以获得LSI模型。
该LSI模型为一个转移矩阵,每一个产品提供方的产品特征向量与该转移矩阵相乘即可以获得产品降维向量。
E:计算所述目标产品提供方的产品降维向量与所述任一产品提供方的产品降维向量的距离,作为产品相似度。
其中,目标产品提供方的产品降维向量与所述任一产品提供方的产品降维向量的距离可以使用余弦距离、欧式距离或者杰卡德距离等。
其中,计算消费相似度可以有多种可能的实现方式,作为一种可能的实现方式,可以根据所述目标产品提供方的消费价格与任一产品提供方的消费价格的比较结果,计算获得消费相似度。
可选地,该消费相似度计算步骤可以具体包括:
确定所述目标产品提供方的消费价格与任一产品提供方的消费价格中的最大值以及最小值;
确定各个产品提供方的平均消费价格;
将所述最小值与所述平均消费价格的和值与所述最大值与所述平均消费价格的和值的比值,作为消费相似度。
该消费相似度的计算公式可以如下表示:
其中,C为各个产品提供方的平均消费价格。
其中,计算位置相似度可以有多种可能的实现方式,作为一种可能的实现方式,可以根据所述目标产品提供方所属服务区域以及所述任一产品提供方所属服务区域是否相同的判断结果,计算获得位置相似度。例如可以是如果相同,位置相似度可以直接为最大相似度值,比如1,如果不同,位置相似度可以直接为最小相似度值,比如0。
当然作为又一种可选方式,所述位置相似度计算步骤可以包括:
如果所述目标产品提供方所属服务区域与所述任一产品提供方所属服务区域相同,确定所述位置相似度为最大相似度值;
如果所述目标产品提供方所属服务区域与所述任一产品提供方所属服务区域不同,确定所述位置相似度为所述目标产品提供方与所述任一产品提供的区域距离与放缩因子乘积的倒数。
也即,如果所述目标产品提供方所属服务区域与所述任一产品提供方所属服务区域不同,该位置相似度可以按照如下公式计算获得:
Distancea,b表示所述目标产品提供方与所述任一产品提供的区域距离,α表示放缩因子。
其中,放缩因子取值范围为(0,1],可以结合实际应用情况选择,用于表示位置相似度在计算综合相似度时的重要性。
其中,业务范围相似度可以有多种可能的实现方式,根据所述目标产品提供方的每一个业务标签分别与所述任一产品提供方的各个业务标签是否相同的判断结果,计算获得业务范围相似度。
可选地,所述业务范围相似度计算步骤可以包括:
构建标签矩阵;
比较所述目标产品提供方的每一个业务标签分别与所述任一产品提供方的各个业务标签是否相同;
根据比较结果,确定所述标签矩阵中每一个元素的元素数值;所述标签矩阵中的第n行第m列元素的元素数值根据所述目标产品提供方的第n个业务标签与所述任一产品提供方的第m个业务标签是否相同确定,如果相同,所述元素数值为0,如果不同,所述元素数值为其元素位置对应的预定数值,不同元素位置对应的预定数值不同;
将所述标签矩阵中的各个元素的元素数值累加,获得业务范围相似度。
其中,该标签矩阵例如可以为:
其中,n=1、2…N,m=1、2…N;N为各个产品提供方中,包括最多业务标签的产品提供方的业务标签数量。
ωn,m表示第n行第m列元素,其取值根据任意两个产品提供方中一个产品提供方的第n个业务标签与另一个产品提供方的第m个业务标签是否相同确定。
因此根据目标产品提供方与任一产品提供方的业务标签比较结果,可以获得标签矩阵中各个元素的元素数值。
其中,由于每一个产品提供方中业务标签按照产品提供方经营的不同业务的重要程度进行排序获得。因此可以据此设定标签矩阵中各个元素的预定数值,例如第1行第1列元素表示一个产品提供方第1个业务标签与另一个产品提供方的第1个业务标签,由于第1个业务标签很重要,最能代表产品提供方主营业务,因此其预定数值可以为各个元素对应预定数值中的最大值,可以为最大相似度值,例如为1,第1行第m列元素的数值,可以根据m由小到大的顺序,依次设定逐渐变小的预定数值,m取值越大其对应预设数值越小;同理,第n行第1列元素的数值,可以根据n由小到大的顺序,因此设定逐渐变小的预定数值,n取值越大其对应预定数值越小。
上述以产品信息、消费价格、位置信息以及业务范围为例,对特征相似度的计算进行的说明,需要说明的是,本领域技术人员可以理解的,该至少一个特征属性可以不仅包括上述四种,上述四种特征属性仅是举例说明,而不应作为对本发明技术方案的限定。
图3为本发明实施例提供的一种信息获取装置一个实施例的结构示意图,该装置可以包括:
第一计算模块301,用于基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度。
第二计算模块302,用于基于所述至少一个特征相似度,计算所述目标产品提供方与所述任一产品提供方的综合相似度。
第一确定模块303,用于确定与目标产品提供方的综合相似度满足相似要求的候选产品提供方。
其中,所述至少一个特征属性可以包括产品信息、消费价格、位置信息和/或业务范围等等。
可选地,该地第一计算模块可以具体用于响应于所述客户端发送的第一获取请求,基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度。
第一获取请求可以是客户端响应于目标产品提供方的检索操作时而生成的。
第二确定模块304,用于从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方。
可选地,所述业务数据可以包括销量数据;
所述第二确定模块可以具体用于根据所述候选产品提供方的业务数据,确定所述候选产品提供方中销量数据大于预设数据的任意产品提供方。
此外,在O2O应用中,该业务数据还可以包括曝光次数、平均配送范围、日营业时长、排位、用户消费价值等,以方便目标产品提供方更好的进行业务诊断或者业务调整。
信息提供模块305,用于提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
可选地,所述信息提供模块可以具体用于响应于所述客户端发送的第二获取请求,提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
其中,所述任意产品提供方的相关信息可以包括所述任意产品提供方的业务数据、所述任意产品提供方的业务数据与所述目标产品提供方的业务数据的比较结果和/或所述任意产品提供方的至少一个特征属性的属性信息。
在本实施例中,通过特征属性,确定与目标产品提供方相似的候选产品提供方,并基于业务数据进行筛选,仅将满足业绩要求的任意产品提供方的相关信息提供给目标产品提供方,提高了检索准确度,以及提高了获得的信息的准确度。
作为又一个实施例,第一确定模块可以具体用于确定与所述目标产品提供方的综合相似度处于预设范围内的候选产品提供方。
其中,该预设范围可以根据实际应用情况设定,目标产品提供方与任一产品提供方的综合相似度越高,可以表明目标产品提供方与任一产品提供方越相似,该预设范围例如可以为大于或等于相似度阈值。
其中,在某些实施例中,所述第二计算模块可以具体用于:确定所述目标产品提供方与所述任一产品提供方的每一特征属性的权重系数;基于所述权重系数,加权求和所述至少一个特征相似度的和值,作为所述目标产品提供方与所述任一产品提供方的综合相似度。
由上文描述可知,所述至少一个特征属性包括产品信息、消费价格、位置信息和/或业务范围;
其中,在某些实施例中,如图4中所示,与图3所示实施例不同之处在于,所述第一计算模块401可以包括:
产品相似度计算子单元4011,用于针对所述产品信息,计算所述目标产品提供方与所述任一产品提供方的产品相似度;
消费相似度计算子单元4012,用于针对所述消费价格,计算所述目标产品提供方与所述任一产品提供方的消费相似度;
位置相似度计算子单元4013,用于针对所述位置信息,计算所述目标产品提供方与所述任一产品提供方的位置相似度;
和/或,
业务相似度计算子单元4014,用于针对所述业务范围,计算所述目标产品提供方与所述任一产品提供方的业务范围相似度。
在某些实施例中,所述产品相似度计算子单元可以具体用于:
根据所述目标产品提供方的产品名称与任一产品提供方的消费价格的产品名称,计算产品相似度。
其中,可选地目标产品提供方的任一产品与任一产品提供方的任一产品的产品相似度可以为产品名称的字符串相似度。
作为又一种可选方式,所述产品相似度计算子单元具体用于:
将各个产品提供方提供产品的产品名称进行分词,获得产品词,并由各个产品词构建获得产品词表;
统计每一个产品提供方的已售出产品的产品名称中,对应所述产品词表中每一产品词的TF-IDF值;
由所述每一产品词的TF-IDF值构建获得每一个产品提供方的产品特征向量;
利用潜在语义分析技术将每一个产品提供方的产品特征向量降维获得产品降维向量;
计算所述目标产品提供方的产品降维向量与所述任一产品提供方的产品降维向量的距离,作为产品相似度。
在某些实施例中,所述消费相似度计算子单元可以具体用于:
根据所述目标产品提供方的消费价格与任一产品提供方的消费价格的比较结果,计算获得消费相似度。
可选地,所述消费相似度计算子单元可以具体用于:
确定所述目标产品提供方的消费价格与任一产品提供方的消费价格中的最大值以及最小值;
确定各个产品提供方的平均消费价格;
将所述最小值与所述平均消费价格的和值与所述最大值与所述平均消费价格的和值的比值,作为消费相似度。
在某些实施例中,所述位置相似度计算子单元可以具体用于:根据所述目标产品提供方所属服务区域以及所述任一产品提供方所属服务区域是否相同的判断结果,计算获得位置相似度。
可选地,所述位置相似度计算子单元可以具体用于:
如果所述目标产品提供方所属服务区域与所述任一产品提供方所属服务区域相同,确定所述位置相似度为最大相似度值;
如果所述目标产品提供方所属服务区域与所述任一产品提供方所属服务区域不同,确定所述位置相似度为所述目标产品提供方与所述任一产品提供的区域距离与放缩因子乘积的倒数。
在某些实施例中,所述业务相似度计算子单元可以具体用于:
根据所述目标产品提供方的每一个业务标签分别与所述任一产品提供方的各个业务标签是否相同的判断结果,计算获得业务范围相似度。
可选地,所述业务相似度计算子单元具体用于:
构建标签矩阵;
比较所述目标产品提供方的每一个业务标签分别与所述任一产品提供方的各个业务标签是否相同;
根据比较结果,确定所述标签矩阵中每一个元素的元素数值;所述标签矩阵中的第n行第m列元素的元素数值根据所述目标产品提供方的第n个业务标签与所述任一产品提供方的第m个业务标签是否相同确定,如果不同,所述元素数值为0,如果相同,所述元素数值为其元素位置对应的预定数值,不同元素位置对应的预定数值不同;
将所述标签矩阵中的各个元素的元素数值累加,获得业务范围相似度。
通过本发明实施例,提高了检索准确度,因此保证了获得的信息的准确度,且基于业务数据进行筛选,仅将满足业绩要求的任意产品提供方的相关信息提供给目标产品提供方,可以进一步保证获得的信息的准确度。
在一个可能的设计中,图3或图4所示实施例的信息获取装置可以实现为一电子设备,如图5所示,该电子设备可以包括一个或多个处理器501以及一个或多个存储器502;
所述一个或多个存储器502中存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述一个或多个处理器调用执行。
所述一个或多个处理器501用于:
基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度;
基于所述至少一个特征相似度,计算所述目标产品提供方与所述任一产品提供方的综合相似度;
确定与所述目标产品提供方的综合相似度满足相似要求的候选产品提供方;
从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方;
提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
其中,所述一个或多个处理器还用于执行上述任一实施例所述的信息获取方法。
该一个或多个存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
本发明实施例还提供了一种计算机存储介质,所述计算机可读存储介质存储有计算机程序;
所述计算机程序使计算机执行时实现上述任一实施例所述的信息处理方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是: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。
本发明公开了A1、一种信息获取方法,包括:
基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度;
基于所述至少一个特征相似度,计算所述目标产品提供方与所述任一产品提供方的综合相似度;
确定与所述目标产品提供方的综合相似度满足相似要求的候选产品提供方;
从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方;
提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
A2、根据A1所述的方法,所述候选产品提供方确定步骤包括:
确定与所述目标产品提供方的综合相似度处于预设范围内的候选产品提供方。
A3、根据A1所述的方法,所述基于所述至少一个特征相似度,计算所述目标产品提供方与任一产品提供方的综合相似度包括:
确定所述目标产品提供方与所述任一产品提供方的每一特征属性的权重系数;
基于所述权重系统,加权求和所述至少一个特征相似度的和值,作为所述目标产品提供方与所述任一产品提供方的综合相似度。
A4、根据A1所述的方法,所述至少一个特征属性包括产品信息、消费价格、位置信息和/或业务范围;
所述针对每一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度包括:
针对所述产品信息,计算所述目标产品提供方与所述任一产品提供方的产品相似度;
针对所述消费价格,计算所述目标产品提供方与所述任一产品提供方的消费相似度;
针对所述位置信息,计算所述目标产品提供方与所述任一产品提供方的位置相似度;
和/或,
针对所述业务范围,计算所述目标产品提供方与所述任一产品提供方的业务范围相似度。
A5、根据A1所述的方法,所述业务数据包括销量数据;
所述任意产品提供方确定步骤包括:
根据所述候选产品提供方的业务数据,确定所述候选产品提供方中销量数据大于预设数据的任意产品提供方。
A6、根据A4所述的方法,所述产品相似度计算步骤包括:
根据所述目标产品提供方的产品名称与任一产品提供方的消费价格的产品名称,计算产品相似度。
A7、根据A6所述的方法,所述产品相似度计算步骤包括:
将各个产品提供方提供产品的产品名称进行分词,获得产品词,并由各个产品词构建获得产品词表;
统计每一个产品提供方的已售出产品的产品名称中,对应所述产品词表中每一产品词的词频-逆向文件频率TF-IDF值;
由所述每一产品词的TF-IDF值构建获得每一个产品提供方的产品特征向量;
利用潜在语义分析技术将每一个产品提供方的产品特征向量降维获得产品降维向量;
计算所述目标产品提供方的产品降维向量与所述任一产品提供方的产品降维向量的距离,作为产品相似度。
A8、根据A4所述的方法,所述消费相似度计算步骤包括:
根据所述目标产品提供方的消费价格与任一产品提供方的消费价格的比较结果,计算获得消费相似度。
A9、根据A8所述的方法,所述消费相似度计算步骤包括:
确定所述目标产品提供方的消费价格与任一产品提供方的消费价格中的最大值以及最小值;
确定各个产品提供方的平均消费价格;
将所述最小值与所述平均消费价格的和值与所述最大值与所述平均消费价格的和值的比值,作为消费相似度。
A10、根据A4所述的方法,所述位置相似度计算步骤包括:
根据所述目标产品提供方所属服务区域以及所述任一产品提供方所属服务区域是否相同的判断结果,计算获得位置相似度。
A11、根据A10所述的方法,所述位置相似度计算步骤包括:
如果所述目标产品提供方所属服务区域与所述任一产品提供方所属服务区域相同,确定所述位置相似度为最大相似度值;
如果所述目标产品提供方所属服务区域与所述任一产品提供方所属服务区域不同,确定所述位置相似度为所述目标产品提供方与所述任一产品提供的区域距离与放缩因子乘积的倒数。
A12、根据A4所述的方法,所述业务范围相似度计算步骤包括:
根据所述目标产品提供方的每一个业务标签分别与所述任一产品提供方的各个业务标签是否相同的判断结果,计算获得业务范围相似度。
A13、根据A12所述的方法,所述业务范围相似度计算步骤包括:
构建标签矩阵;
比较所述目标产品提供方的每一个业务标签分别与所述任一产品提供方的各个业务标签是否相同;
根据比较结果,确定所述标签矩阵中每一个元素的元素数值;所述标签矩阵中的第n行第m列元素的元素数值根据所述目标产品提供方的第n个业务标签与所述任一产品提供方的第m个业务标签是否相同确定,如果不同,所述元素数值为0,如果相同,所述元素数值为其元素位置对应的预定数值,不同元素位置对应的预定数值不同;
将所述标签矩阵中的各个元素的元素数值累加,获得业务范围相似度。
A14、根据A1所述的方法,所述任意产品提供方的相关信息包括所述任意产品提供方的业务数据、所述任意产品提供方的业务数据与所述目标产品提供方的业务数据的比较结果和/或所述任意产品提供方的至少一个特征属性的属性信息。
A15、根据A1所述的方法,所述基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度包括:
响应于所述客户端发送的第一获取请求,基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度。
A16、根据A1所述的方法,所述提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端包括:
响应于所述客户端发送的第二获取请求,提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
B17、一种信息获取装置,包括:
第一计算模块,用于基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度;
第二计算模块,用于基于所述至少一个特征相似度,计算所述目标产品提供方与所述任一产品提供方的综合相似度;
第一确定模块,用于确定与所述目标产品提供方的综合相似度满足相似要求的候选产品提供方;
第二确定模块,用于从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方;
信息提供模块,用于提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
B18、根据B17所述的装置,所述第一确定模块具体用于确定与所述目标产品提供方的综合相似度处于预设范围内的候选产品提供方。
B19、根据B17所述的装置,所述第二计算模块具体用于:确定所述目标产品提供方与所述任一产品提供方的每一特征属性的权重系数;基于所述权重系数,加权求和所述至少一个特征相似度的和值,作为所述目标产品提供方与所述任一产品提供方的综合相似度。
B20、根据B17所述的装置,所述至少一个特征属性包括产品信息、消费价格、位置信息和/或业务范围;
所述第一计算模块包括:
产品相似度计算子单元,用于针对所述产品信息,计算所述目标产品提供方与所述任一产品提供方的产品相似度;
消费相似度计算子单元,用于针对所述消费价格,计算所述目标产品提供方与所述任一产品提供方的消费相似度;
位置相似度计算子单元,用于针对所述位置信息,计算所述目标产品提供方与所述任一产品提供方的位置相似度;
和/或,
业务相似度计算子单元,用于针对所述业务范围,计算所述目标产品提供方与所述任一产品提供方的业务范围相似度。
B21、根据B17所述的装置,所述业务数据包括销量数据;
所述第二确定模块具体用于:
根据所述候选产品提供方的业务数据,确定所述候选产品提供方中销量数据大于预设数据的任意产品提供方。
B22、根据B20所述的装置,所述产品相似度计算子单元具体用于:
根据所述目标产品提供方的产品名称与任一产品提供方的消费价格的产品名称,计算产品相似度。
B23、根据B23所述的装置,所述产品相似度计算子单元具体用于:
将各个产品提供方提供产品的产品名称进行分词,获得产品词,并由各个产品词构建获得产品词表;
统计每一个产品提供方的已售出产品的产品名称中,对应所述产品词表中每一产品词的TF-IDF值;
由所述每一产品词的TF-IDF值构建获得每一个产品提供方的产品特征向量;
利用潜在语义分析技术将每一个产品提供方的产品特征向量降维获得产品降维向量;
计算所述目标产品提供方的产品降维向量与所述任一产品提供方的产品降维向量的距离,作为产品相似度。
B24、根据B20的装置,所述消费相似度计算子单元具体用于:
根据所述目标产品提供方的消费价格与任一产品提供方的消费价格的比较结果,计算获得消费相似度。
B25、根据B24所述的装置,所述消费相似度计算子单元具体用于:确定所述目标产品提供方的消费价格与任一产品提供方的消费价格中的最大值以及最小值;确定各个产品提供方的平均消费价格;将所述最小值与所述平均消费价格的和值与所述最大值与所述平均消费价格的和值的比值,作为消费相似度。
B26、根据B20所述的装置,所述位置相似度计算子单元具体用于:根据所述目标产品提供方所属服务区域以及所述任一产品提供方所属服务区域是否相同的判断结果,计算获得位置相似度。
B27、根据B26所述的装置,所述位置相似度计算子单元具体用于:如果所述目标产品提供方所属服务区域与所述任一产品提供方所属服务区域相同,确定所述位置相似度为最大相似度值;如果所述目标产品提供方所属服务区域与所述任一产品提供方所属服务区域不同,确定所述位置相似度为所述目标产品提供方与所述任一产品提供的区域距离与放缩因子乘积的倒数。
B28、根据B20所述的装置,所述业务相似度计算子单元具体用于:根据所述目标产品提供方的每一个业务标签分别与所述任一产品提供方的各个业务标签是否相同的判断结果,计算获得业务范围相似度。
B29、根据B28所述的装置,所述业务相似度计算子单元具体用于:构建标签矩阵;比较所述目标产品提供方的每一个业务标签分别与所述任一产品提供方的各个业务标签是否相同;根据比较结果,确定所述标签矩阵中每一个元素的元素数值;所述标签矩阵中的第n行第m列元素的元素数值根据所述目标产品提供方的第n个业务标签与所述任一产品提供方的第m个业务标签是否相同确定,如果不同,所述元素数值为0,如果相同,所述元素数值为其元素位置对应的预定数值,不同元素位置对应的预定数值不同;将所述标签矩阵中的各个元素的元素数值累加,获得业务范围相似度。
B30、根据B17所述的装置,所述任意产品提供方的相关信息包括所述任意产品提供方的业务数据、所述任意产品提供方的业务数据与所述目标产品提供方的业务数据的比较结果和/或所述任意产品提供方的至少一个特征属性的属性信息。
B31、根据B17所述的装置,所述第一计算模块具体用于:响应于所述客户端发送的第一获取请求,基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度。
B32、根据B17所述的装置,所述信息提供模块具体用于:响应于所述客户端发送的第二获取请求,提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
C33、一种电子设备,包括一个或多个处理器以及一个或多个存储器;
所述一个或多个存储器中存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述一个或多个处理器调用执行。
所述一个或多个处理器用于:
基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度;
基于所述至少一个特征相似度,计算所述目标产品提供方与所述任一产品提供方的综合相似度;
确定与所述目标产品提供方的综合相似度满足相似要求的候选产品提供方;
从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方;
提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
D34、一种计算机存储介质,所述计算机可读存储介质存储有计算机程序;
所述计算机程序使计算机设备执行时实现如A1~A16任一项所述的信息处理方法。
Claims (10)
1.一种信息获取方法,其特征在于,包括:
基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度;
基于所述至少一个特征相似度,计算所述目标产品提供方与所述任一产品提供方的综合相似度;
确定与所述目标产品提供方的综合相似度满足相似要求的候选产品提供方;
从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方;
提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
2.根据权利要求1所述的方法,其特征在于,所述候选产品提供方确定步骤包括:
确定与所述目标产品提供方的综合相似度处于预设范围内的候选产品提供方。
3.根据权利要求1所述的方法,其特征在于,所述基于所述至少一个特征相似度,计算所述目标产品提供方与任一产品提供方的综合相似度包括:
确定所述目标产品提供方与所述任一产品提供方的每一特征属性的权重系数;
基于所述权重系统,加权求和所述至少一个特征相似度的和值,作为所述目标产品提供方与所述任一产品提供方的综合相似度。
4.根据权利要求1所述的方法,其特征在于,所述至少一个特征属性包括产品信息、消费价格、位置信息和/或业务范围;
所述针对每一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度包括:
针对所述产品信息,计算所述目标产品提供方与所述任一产品提供方的产品相似度;
针对所述消费价格,计算所述目标产品提供方与所述任一产品提供方的消费相似度;
针对所述位置信息,计算所述目标产品提供方与所述任一产品提供方的位置相似度;
和/或,
针对所述业务范围,计算所述目标产品提供方与所述任一产品提供方的业务范围相似度。
5.根据权利要求1所述的方法,其特征在于,所述业务数据包括销量数据;
所述任意产品提供方确定步骤包括:
根据所述候选产品提供方的业务数据,确定所述候选产品提供方中销量数据大于预设数据的任意产品提供方。
6.一种信息获取装置,其特征在于,包括:
第一计算模块,用于基于各个产品提供方的至少一个特征属性,计算目标产品提供方与任一产品提供方的特征相似度,获得至少一个特征相似度;
第二计算模块,用于基于所述至少一个特征相似度,计算所述目标产品提供方与所述任一产品提供方的综合相似度;
第一确定模块,用于确定与所述目标产品提供方的综合相似度满足相似要求的候选产品提供方;
第二确定模块,用于从所述候选产品提供方中,确定业务数据满足业绩要求的任意产品提供方;
信息提供模块,用于提供所述任意产品提供方的相关信息至所述目标产品提供方的客户端。
7.根据权利要求6所述的装置,其特征在于,所述第一确定模块具体用于确定与所述目标产品提供方的综合相似度处于预设范围内的候选产品提供方。
8.根据权利要求6所述的装置,其特征在于,所述第二计算模块具体用于:确定所述目标产品提供方与所述任一产品提供方的每一特征属性的权重系数;基于所述权重系数,加权求和所述至少一个特征相似度的和值,作为所述目标产品提供方与所述任一产品提供方的综合相似度。
9.根据权利要求6所述的装置,其特征在于,所述至少一个特征属性包括产品信息、消费价格、位置信息和/或业务范围;
所述第一计算模块包括:
产品相似度计算子单元,用于针对所述产品信息,计算所述目标产品提供方与所述任一产品提供方的产品相似度;
消费相似度计算子单元,用于针对所述消费价格,计算所述目标产品提供方与所述任一产品提供方的消费相似度;
位置相似度计算子单元,用于针对所述位置信息,计算所述目标产品提供方与所述任一产品提供方的位置相似度;
和/或,
业务相似度计算子单元,用于针对所述业务范围,计算所述目标产品提供方与所述任一产品提供方的业务范围相似度。
10.根据权利要求6所述的装置,其特征在于,所述业务数据包括销量数据;
所述第二确定模块具体用于:
根据所述候选产品提供方的业务数据,确定所述候选产品提供方中销量数据大于预设数据的任意产品提供方。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710482615.6A CN107451881A (zh) | 2017-06-22 | 2017-06-22 | 信息获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710482615.6A CN107451881A (zh) | 2017-06-22 | 2017-06-22 | 信息获取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107451881A true CN107451881A (zh) | 2017-12-08 |
Family
ID=60486332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710482615.6A Pending CN107451881A (zh) | 2017-06-22 | 2017-06-22 | 信息获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107451881A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110443663A (zh) * | 2018-05-03 | 2019-11-12 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置及计算设备 |
CN111309774A (zh) * | 2018-12-11 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN112700296A (zh) * | 2019-10-23 | 2021-04-23 | 阿里巴巴集团控股有限公司 | 业务对象搜索/属性确定方法、装置、系统及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823880A (zh) * | 2014-03-03 | 2014-05-28 | 国家认证认可监督管理委员会信息中心 | 一种基于属性加权计算检测机构相似度的方法 |
CN105786838A (zh) * | 2014-12-22 | 2016-07-20 | 阿里巴巴集团控股有限公司 | 一种信息匹配处理方法和装置 |
CN106845874A (zh) * | 2017-03-16 | 2017-06-13 | 北京中电普华信息技术有限公司 | 一种关联度计算方法及装置 |
-
2017
- 2017-06-22 CN CN201710482615.6A patent/CN107451881A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823880A (zh) * | 2014-03-03 | 2014-05-28 | 国家认证认可监督管理委员会信息中心 | 一种基于属性加权计算检测机构相似度的方法 |
CN105786838A (zh) * | 2014-12-22 | 2016-07-20 | 阿里巴巴集团控股有限公司 | 一种信息匹配处理方法和装置 |
CN106845874A (zh) * | 2017-03-16 | 2017-06-13 | 北京中电普华信息技术有限公司 | 一种关联度计算方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443663A (zh) * | 2018-05-03 | 2019-11-12 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置及计算设备 |
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 |
CN111309774A (zh) * | 2018-12-11 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN112700296A (zh) * | 2019-10-23 | 2021-04-23 | 阿里巴巴集团控股有限公司 | 业务对象搜索/属性确定方法、装置、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8468045B2 (en) | Automated specification, estimation, discovery of causal drivers and market response elasticities or lift factors | |
CN107451881A (zh) | 信息获取方法及装置 | |
US8332263B2 (en) | System and method for configuring scoring rules and generating supplier performance ratings | |
US10977676B2 (en) | Method and system for digital content pricing | |
US11301794B2 (en) | Machine for labor optimization for efficient shipping | |
US8117060B2 (en) | Geographic demand distribution and forecast | |
CN106503258A (zh) | 一种网站站内精确搜索方法 | |
US20100070342A1 (en) | Regional demand and supply comparison | |
CN102282551A (zh) | 娱乐入场券定价的自动决策支持 | |
US20130179218A1 (en) | Seller conversion factor to ranking score for presented item listings | |
CN109493113A (zh) | 一种优惠信息的提供方法以及装置 | |
KR102068820B1 (ko) | 온라인 마켓 상에서 상품의 등록 및 통합 관리를 수행하는 컴퓨터 프로그램 및 이의 동작 방법 | |
CN109213936B (zh) | 商品搜索方法和装置 | |
JP2014209376A (ja) | オンライン商取引プラットフォームにおける広告ソースおよびキーワードセットの適合 | |
CN110852818A (zh) | 商品排序方法、装置和计算机可读存储介质 | |
CN116308684B (zh) | 一种网购平台店铺信息推送方法及系统 | |
CN111369276A (zh) | 一种评估亚马逊产品市场趋势的方法 | |
CN111768243A (zh) | 销量预测方法、预测模型构建方法、装置、设备及介质 | |
CN109191205A (zh) | 一种基于预测模型的定价计算方法及终端设备 | |
CN110019774A (zh) | 标签分配方法、装置、存储介质及电子装置 | |
US20040122718A1 (en) | Method, system and program product for selecting a supplier | |
TW201727551A (zh) | 返利機制的管理系統、方法、及其電腦可讀取記錄媒體 | |
Shendryk et al. | Information system for selection the optimal goods supplier | |
CN107481088A (zh) | 信息显示方法及装置 | |
JP2007503651A (ja) | ページビューデータから予想されるアイテムの需要に応じたアイテムの単位の製造 |
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: 20171208 |