CN108280098B - 信息推荐方法及装置 - Google Patents

信息推荐方法及装置 Download PDF

Info

Publication number
CN108280098B
CN108280098B CN201710011249.6A CN201710011249A CN108280098B CN 108280098 B CN108280098 B CN 108280098B CN 201710011249 A CN201710011249 A CN 201710011249A CN 108280098 B CN108280098 B CN 108280098B
Authority
CN
China
Prior art keywords
information
user
commodity
matched
matching
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.)
Active
Application number
CN201710011249.6A
Other languages
English (en)
Other versions
CN108280098A (zh
Inventor
孟令芹
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.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201710011249.6A priority Critical patent/CN108280098B/zh
Publication of CN108280098A publication Critical patent/CN108280098A/zh
Application granted granted Critical
Publication of CN108280098B publication Critical patent/CN108280098B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • 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
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开是关于信息推荐方法及装置。该方法包括：响应一用户的预备搜索请求，获取所述用户的标识信息并根据所述标识信息，获取所述用户的用户画像；根据所述用户画像以及商家信息获取与所述用户匹配的匹配商家；响应所述用户的搜索请求并回溯符合所述搜索请求所包含的关键词的商品信息；将所述用户画像与所述商品信息进行匹配获取与所述用户匹配的匹配商品；将所述匹配商家与所述匹配商品进行匹配，在所述匹配商品归属于所述匹配商家时，为所述用户推荐该匹配商家的所述匹配商品的优惠信息。该方法可以为用户推荐个性化的优惠信息。

Description

信息推荐方法及装置
技术领域
本公开涉及计算机处理技术领域，具体而言，涉及一种信息推荐方法及信息推荐装置。
背景技术
在网络购物日益趋于日常化的今天，网络购物不仅仅只是购物，将逐渐成为一种愉悦的生活体验。了解用户的购物习惯，辅助用户选择物美价廉的商品，就显得格外重要。而搜索功能，是用户挑选商品时使用最直接最便捷的功能，如何能在用户搜索商品时，提供更好玩更有趣更有价值的购物体验，更是重中之重。
目前，当用户通过关键词搜索某商品时，会针对用户进行个性化商品推荐的同时也会推送给用户优惠券，让用户在独享折扣优惠的同时，也感觉到了好玩有趣。但是，现有的技术存在以下不足：一、关键词和优惠券信息必须提前设置好，且一一匹配，只有当搜索到这一个关键词时，优惠券才会出现。二、优惠券的推送比较单一，无法做到个性化推荐，即不同用户推荐不同优惠券。三，用户输入了关键词后，才进行用户信息及商品信息匹配，且没有商家维度，商品推荐信息不够精准快速。
由上可知，需要提供一种新的信息推荐方法及信息推荐装置。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种信息推荐方法及信息推荐装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面，提供了一种信息推荐方法，包括：
响应一用户的预备搜索请求，获取所述用户的标识信息并根据所述标识信息，获取所述用户的用户画像；
根据所述用户画像以及商家信息获取与所述用户匹配的匹配商家；
响应所述用户的搜索请求并回溯符合所述搜索请求所包含的关键词的商品信息；
将所述用户画像与所述商品信息进行匹配获取与所述用户匹配的匹配商品；
将所述匹配商家与所述匹配商品进行匹配，在所述匹配商品归属于所述匹配商家时，为所述用户推荐该匹配商家的所述匹配商品的优惠信息。
在本公开的一种示例性实施例中，所述信息推荐方法还包括：
在所述匹配商品归属于所述匹配商家时，为所述用户推荐所述匹配商家的所述匹配商品信息。
在本公开的一种示例性实施例中，所述信息推荐方法还包括：
在所述匹配商品不归属于所述匹配商家时，为所述用户推荐所述匹配商品信息。
在本公开的一种示例性实施例中，所述用户画像包括所述用户的性别、地域、喜好以及消费能力中的一种或多种。
在本公开的一种示例性实施例中，所述商家信息包括信用、等级以及会员标签中的一种或多种。
在本公开的一种示例性实施例中，为所述用户推荐该匹配商家的所述匹配商品的优惠信息包括：
获取所述匹配商品的标识信息，通过所述匹配商品的标识信息调取与所述匹配商品的标识信息对应的所述优惠信息。
根据本公开的另一个方面，提供一种信息推荐装置，包括：
用户画像获取单元，用于响应一用户的预备搜索请求，获取所述用户的标识信息并根据所述标识信息，获取所述用户的用户画像；
匹配商家获取单元，用于根据所述用户画像以及商家信息获取与所述用户匹配的匹配商家；
商品信息获取单元，用于响应所述用户的搜索请求回溯符合所述搜索请求所包含的关键词的商品信息；
匹配商品获取单元，用于将所述用户画像与所述商品信息进行匹配获取与所述用户匹配的匹配商品；
优惠信息推荐单元，用于将所述匹配商家与所述匹配商品进行匹配，在所述匹配商品归属于所述匹配商家时，为所述用户推荐该匹配商家的所述匹配商品的优惠信息。
在本公开的一种示例性实施例中，所述信息推荐装置还包括：
匹配商品信息第一推荐单元，用于在所述匹配商品归属于所述匹配商家时，为所述用户推荐所述匹配商家的所述匹配商品信息。
在本公开的一种示例性实施例中，所述信息推荐装置还包括：
匹配商品信息第二推荐单元，用于在所述匹配商品不归属于所述匹配商家时，为所述用户推荐所述匹配商品信息。
在本公开的一种示例性实施例中，所述用户画像包括所述用户的性别、地域、喜好以及消费能力中的一种或多种。
在本公开的一种示例性实施例中，所述商家信息包括信用、等级以及会员标签中的一种或多种。
在本公开的一种示例性实施例中，为所述用户推荐该匹配商家的所述匹配商品的优惠信息包括：
获取所述匹配商品的标识信息，通过所述匹配商品的标识信息调取与所述匹配商品的标识信息对应的所述优惠信息。
本公开的信息推荐方法及信息推荐装置，在接受到用户的预备搜索请求后，根据所述用户画像以及商家信息获取与所述用户匹配的匹配商家；在接收到用户的搜索请求后，根据用户画像与商品信息获取与所述用户匹配的匹配商品，在所述匹配商品归属于所述匹配商家时，为用户推荐该匹配商家的所述匹配商品的优惠信息。一方面，在用户未进行搜索时，就对用户画像和商家信息进行数据匹配，缩减整个搜索过程的处理时间。另一方面，在搜索过程中加入商家信息的数据参数，使搜索数据更精准，推荐的优惠信息更符合用户使用。再一方面，关键词和优惠信息不是一一匹配，每个商家的每个商品的优惠信息不一样，能够为用户推荐个性化的优惠信息，增强用户购物的趣味性及良好体验，间接增加了用户点击购买商品的概率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示意性示出本公开一示例实施例的信息推荐方法的流程图。
图2示意性示出本公开一示例实施例的信息推荐装置的方框图。
图3示意性示出本公开一示例实施例的信息推荐装置的方框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本公开的示例实施例中，首先提供了一种信息推荐方法，参考图1所示，该信息推荐方法可以包括以下步骤：
步骤S1，响应一用户的预备搜索请求，获取所述用户的标识信息并根据所述标识信息，获取所述用户的用户画像。
步骤S2，根据所述用户画像以及商家信息获取与所述用户匹配的匹配商家。
步骤S3，响应所述用户的搜索请求并回溯符合所述搜索请求所包含的关键词的商品信息。
步骤S4，将所述用户画像与所述商品信息进行匹配获取与所述用户匹配的匹配商品。
步骤S5，将所述匹配商家与所述匹配商品进行匹配，在所述匹配商品归属于所述匹配商家时，为所述用户推荐该匹配商家的所述匹配商品的优惠信息。
根据本示例实施例中信息推荐方法，一方面，在用户未进行搜索时，就对用户画像和商家信息进行数据匹配，缩减整个搜索过程的处理时间。另一方面，在搜索过程中加入商家信息的数据参数，使搜索数据更精准，推荐的红包信息更符合用户使用。再一方面，关键词和优惠信息不是一一匹配，每个商家的每个商品的优惠信息不一样，能够为用户推荐个性化的优惠信息，增强用户购物的趣味性及良好体验，间接增加了用户点击购买商品的概率，能有效提高转化率。用户在任何时候搜索任意关键词时都匹配最优的针对该用户发送的优惠信息。且能推送最符合此用户的商家的商品信息，推荐商品信息和优惠信息更精准，更快速。
下面，将对本示例实施方式中的信息推荐方法进行进一步的说明。
在步骤S1中，响应一用户的预备搜索请求，获取所述用户的标识信息并根据所述标识信息，获取所述用户的用户画像。
在本实施例中，所述预备搜索请求可以为用户点击搜索框但还未做“回车”或“搜索”操作，即光标进入搜索框但还未输入或者输入部分搜索词。所述获取所述用户的标识信息是从用户Cookie中，直接获取用户PIN(Personal Identification Number个人识别码)。在用户点击搜索框但还未做“回车”或“搜索”操作时，从用户Cookie中，直接获取用户PIN。当然，在本公开的其他示例性实施例中，也可以通过用户的登录信息获取所述用户的标识信息。本示例性实施例中对此不做特殊限定。
所述用户画像是真实用户的虚拟代表，是建立在一系列真实数据(Marketingdata，Usability data)之上的目标用户模型。举例而言，所述用户画像可以包括所述用户的性别、地域、喜好以及消费能力中的一种或多种。即根据上述获取的标识信息，获取用户的性别、地域、喜好以及消费能力中的一种或多种。另外，本领域的技术人员可以理解的是，所述用户画像还可以包括用户的年龄、职业等等其他信息。
在步骤S2中，根据所述用户画像以及商家信息，获取与所述用户匹配的匹配商家。
在本实施例中，将所述用户画像与商家信息进行匹配，获取与所述用户匹配的匹配商家的ID信息。举例而言，所述商家信息包括信用、等级以及会员标签中的一种或多种；另外，本领域的技术人员可以理解的是，所述商家信息还可以包括商家所在的城市、商家所销售的产品是食品、衣物、办公用品、书籍或者是女性用品、男性用品、儿童用品等等各种与商家有关的信息。将所述用户画像与商家信息进行匹配可以理解如下：该用户为女性可以获取售卖女性用品的商家；该用户的消费能力较高，可以获取商品价格稍高的商家。在用户未进行搜索时，就对用户画像和商家信息进行数据匹配，缩减整个搜索过程的处理时间。在搜索过程中加入商家信息的数据参数，使搜索数据更精准，推荐的优惠信息更符合用户使用。
在步骤，响应所述用户的搜索请求，并回溯符合所述搜索请求所包含的关键词的商品信息。
在本实施例中，所述搜索请求可以为用户输入搜索关键词后回车或点击“搜索”按钮。在所述用户输入搜索关键词并回车或点击“搜索”按钮后，回溯包含关键词的商品信息。举例而言，在响应用户在搜索栏输入的“热水袋”、“杯子”或“手机”等关键词后，回溯所有包含“热水袋”、“杯子”或“手机”等关键词的商品信息。
在步骤S4中，将所述用户画像与所述商品信息进行匹配，获取与所述用户匹配的匹配商品。
在本实施例中，将所述用户画像中的多条信息与所述商品信息进行逐项匹配。例如，所述用户画像中显示该用户只买皇冠商家的商品，可以获取皇冠商家的匹配商品；所述用户画像中显示该用户只买进口商品，可以获取进口商品作为匹配商品。结合在步骤S3中的举例，在本步骤中获取皇冠商家或进口商品中的具有“热水袋”、“杯子”或“手机”等关键词的商品作为匹配商品。
在步骤S5中，将所述匹配商家与所述匹配商品进行匹配，在所述匹配商品归属于所述匹配商家时，为所述用户推荐该匹配商家的所述匹配商品的优惠信息。
在本实施例中，将所述匹配商家与所述匹配商品进行匹配，即判断所述匹配商品是否归属于所述匹配商家。所述优惠信息可以为红包信息、满赠信息和买赠信息等各种优惠信息。在所述匹配商品归属于所述匹配商家时，可以为所述用户推荐该匹配商家的所述匹配商品的红包信息、满赠信息和买赠信息中的一种或多种。结合上述步骤中的举例，例如，匹配商家有三家分别为商家A、商家B、商家C，商家提供上述匹配商品“杯子”，即为所述用户推荐该商家A的所述匹配商品“杯子”的优惠信息。
进一步的，在所述匹配商品归属于所述匹配商家时，还可以为所述用户推荐所述匹配商家的所述匹配商品信息。
在本实施例中，在所述匹配商品归属于所述匹配商家时，为用户推荐该匹配商家的所述匹配商品的红包信息、满赠信息和买赠信息中的一种或多种，同时为用户推荐所述匹配商家的所述匹配商品信息；即同时将匹配商品信息和优惠信息推荐给用户。结合上述步骤中的举例，例如，匹配商家有三家分别为商家A、商家B、商家C，商家提供上述匹配商品“杯子”，即为所述用户推荐该商家A的匹配商品“杯子”的信息以及与商品“杯子”匹配的优惠信息。
进一步的，在所述匹配商品不归属于所述匹配商家时，还可以为所述用户推荐所述匹配商品信息。
在本实施例中，在所述匹配商品不归属于所述匹配商家时，还可以为所述用户推荐所述匹配商品信息，不展示任何商家的优惠信息。结合上述步骤中的举例，例如，匹配商家有三家分别为商家A、商家B、商家C，但是商家A、商家B和商家C均不提供上述匹配商品“杯子”，就仅仅为用户推荐匹配商品“杯子”的信息，也不展示任何商家的优惠信息。
进一步的，在所述匹配商品归属于所述匹配商家时，获取所述匹配商品的标识信息，通过所述匹配商品的标识信息调取与所述匹配商品的标识信息对应的所述优惠信息。
在本实施例中，所述匹配商品的标识信息为所述匹配商品的ID。在所述匹配商品归属于所述匹配商家时，获取所述匹配商品的ID，通过该ID调取匹配商家的优惠信息。
进一步的，本示例实施方式中还可以对商家开放优惠信息创建功能。使得商家可随意创建优惠信息，不需要同关键词关联。搜索后可直接调取商家优惠信息数据。关键词和优惠信息不是一一匹配，为用户推荐个性化的优惠信息，增强用户购物的趣味性及良好体验，间接增加了用户点击购买商品的概率。在商家创建的优惠信息的业务数据支撑下，联合分析用户和商家数据模型，结合现有的搜索功能，创新实现针对不同用户搜索快速推荐个性化商品及商家优惠信息的功能。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
进一步的，本示例实施方式还提供了对应于上述信息推荐方法的信息推荐装置。参照图2所示，该信息推荐装置可以包括用户画像获取单元1、匹配商家获取单元2、商品信息获取单元3、匹配商品获取单元4以及优惠信息推荐单元5。其中：
用户画像获取单元1可以用于响应一用户的预备搜索请求，获取所述用户的标识信息并根据所述标识信息，获取所述用户的用户画像。
匹配商家获取单元2可以用于根据所述用户画像以及商家信息获取与所述用户匹配的匹配商家。
商品信息获取单元3可以用于响应所述用户的搜索请求回溯符合所述搜索请求所包含的关键词的商品信息。
匹配商品获取单元4可以用于将所述用户画像与所述商品信息进行匹配获取与所述用户匹配的匹配商品。
优惠信息推荐单元5可以用于将所述匹配商家与所述匹配商品进行匹配，在所述匹配商品归属于所述匹配商家时，为所述用户推荐该匹配商家的所述匹配商品的优惠信息。
在本示例实施例中，所述信息推荐装置还包括：匹配商品信息第一推荐单元，用于在所述匹配商品归属于所述匹配商家时，为所述用户推荐所述匹配商家的所述匹配商品信息。
在本示例实施例中，所述信息推荐装置还包括：匹配商品信息第二推荐单元，用于在所述匹配商品不归属于所述匹配商家时，为所述用户推荐所述匹配商品信息。
在本示例实施例中，所述用户画像包括所述用户的性别、地域、喜好以及消费能力中的一种或多种。
在本示例实施例中，所述商家信息包括信用、等级以及会员标签中的一种或多种。
在本示例实施例中，为所述用户推荐该匹配商家的所述匹配商品的优惠信息，包括：
获取所述匹配商品的标识信息，通过所述匹配商品的标识信息调取与所述匹配商品的标识信息对应的所述优惠信息。
上述信息推荐装置中各模块的具体细节已经在对应的虚拟对象运动控制方法中进行了详细想描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
图3示出根据本公开示例实施方式中一种电子设备400的示意图。例如，电子设备400可以被提供为一服务器。参照图3，电子设备400包括处理组件422，其进一步包括一个或多个处理器，以及由存储器432所代表的存储器资源，用于存储可由处理组件422的执行的指令，例如应用程序。存储器432中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件422被配置为执行指令，以执行上述方法。
电子设备400还可以包括一个电源组件426被配置为执行电子设备400的电源管理，一个有线或无线网络接口450被配置为将电子设备400连接到网络，和一个输入输出(I/O)接口458。电子设备400可以操作基于存储在存储器432的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (14)

1.一种信息推荐方法，其特征在于，包括：
响应一用户的预备搜索请求，获取所述用户的标识信息并根据所述标识信息，获取所述用户的用户画像；
根据所述用户画像以及商家信息获取与所述用户匹配的匹配商家；
响应所述用户的搜索请求并回溯符合所述搜索请求所包含的关键词的商品信息；
将所述用户画像与所述商品信息进行匹配获取与所述用户匹配的匹配商品；
将所述匹配商家与所述匹配商品进行匹配，在所述匹配商品归属于所述匹配商家时，为所述用户推荐该匹配商家的所述匹配商品的优惠信息。
2.根据权利要求1所述的信息推荐方法，其特征在于，所述信息推荐方法还包括：
在所述匹配商品归属于所述匹配商家时，为所述用户推荐所述匹配商家的所述匹配商品信息。
3.根据权利要求1所述的信息推荐方法，其特征在于，所述信息推荐方法还包括：
在所述匹配商品不归属于所述匹配商家时，为所述用户推荐所述匹配商品信息。
4.根据权利要求1所述的信息推荐方法，其特征在于，所述用户画像包括所述用户的性别、地域、喜好以及消费能力中的一种或多种。
5.根据权利要求1所述的信息推荐方法，其特征在于，所述商家信息包括信用、等级以及会员标签中的一种或多种。
6.根据权利要求1所述的信息推荐方法，其特征在于，为所述用户推荐该匹配商家的所述匹配商品的优惠信息包括：
获取所述匹配商品的标识信息，通过所述匹配商品的标识信息调取与所述匹配商品的标识信息对应的所述优惠信息。
7.一种信息推荐装置，其特征在于，包括：
用户画像获取单元，用于响应一用户的预备搜索请求，获取所述用户的标识信息并根据所述标识信息，获取所述用户的用户画像；
匹配商家获取单元，用于根据所述用户画像以及商家信息获取与所述用户匹配的匹配商家；
商品信息获取单元，用于响应所述用户的搜索请求回溯符合所述搜索请求所包含的关键词的商品信息；
匹配商品获取单元，用于将所述用户画像与所述商品信息进行匹配获取与所述用户匹配的匹配商品；
优惠信息推荐单元，用于将所述匹配商家与所述匹配商品进行匹配，在所述匹配商品归属于所述匹配商家时，为所述用户推荐该匹配商家的所述匹配商品的优惠信息。
8.根据权利要求7所述的信息推荐装置，其特征在于，所述信息推荐装置还包括：
匹配商品信息第一推荐单元，用于在所述匹配商品归属于所述匹配商家时，为所述用户推荐所述匹配商家的所述匹配商品信息。
9.根据权利要求7所述的信息推荐装置，其特征在于，所述信息推荐装置还包括：
匹配商品信息第二推荐单元，用于在所述匹配商品不归属于所述匹配商家时，为所述用户推荐所述匹配商品信息。
10.根据权利要求7所述的信息推荐装置，其特征在于，所述用户画像包括所述用户的性别、地域、喜好以及消费能力中的一种或多种。
11.根据权利要求7所述的信息推荐装置，其特征在于，所述商家信息包括信用、等级以及会员标签中的一种或多种。
12.根据权利要求7所述的信息推荐装置，其特征在于，为所述用户推荐该匹配商家的所述匹配商品的优惠信息，包括：
获取所述匹配商品的标识信息，通过所述匹配商品的标识信息调取与所述匹配商品的标识信息对应的所述优惠信息。
13.一种存储介质，其上存储有指令，其特征在于，所述指令被计算设备执行以实现如权利要求1至6中任一项所述的信息推荐方法。
14.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储所述一个或多个处理器执行的指令，当所述一个或多个处理器执行所述指令时，使得所述一个或多个处理器实现如权利要求1至6中任一项所述的信息推荐方法。
CN201710011249.6A 2017-01-06 2017-01-06 信息推荐方法及装置 Active CN108280098B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710011249.6A CN108280098B (zh) 2017-01-06 2017-01-06 信息推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710011249.6A CN108280098B (zh) 2017-01-06 2017-01-06 信息推荐方法及装置

Publications (2)

Publication Number Publication Date
CN108280098A CN108280098A (zh) 2018-07-13
CN108280098B true CN108280098B (zh) 2020-06-30

Family

ID=62801090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710011249.6A Active CN108280098B (zh) 2017-01-06 2017-01-06 信息推荐方法及装置

Country Status (1)

Country Link
CN (1) CN108280098B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109118225A (zh) * 2018-08-22 2019-01-01 泰康保险集团股份有限公司 基于区块链的收藏品管理方法、装置、介质及电子设备
CN109410675B (zh) * 2018-12-12 2021-03-12 广东小天才科技有限公司 一种基于学生画像的练习题推荐方法及家教设备
CN110517001A (zh) * 2019-08-29 2019-11-29 江苏德赢软件科技有限公司 一种时效性客房商品去库存的方法、装置及系统
CN110781397B (zh) * 2019-10-29 2023-04-07 上海连尚网络科技有限公司 一种用于提供小说信息的方法与设备
CN112215664A (zh) * 2020-10-29 2021-01-12 支付宝(杭州)信息技术有限公司 信息推荐方法及装置
CN112784156A (zh) * 2021-01-13 2021-05-11 携程旅游信息技术（上海）有限公司 基于意图识别的搜索反馈方法、系统、设备及存储介质
CN117391821B (zh) * 2023-12-11 2024-03-08 南京中廷网络信息技术有限公司 电商平台信息数据规范化处理方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004046568A (ja) * 2002-07-12 2004-02-12 Nippon Telegr & Teleph Corp <Ntt> 販売促進システム，サービス提供装置およびその販売促進用プログラム
CN102104663A (zh) * 2009-12-18 2011-06-22 北京闻言科技有限公司 一种在手机端实现的即时查看商家促销信息的方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101110115A (zh) * 2006-07-20 2008-01-23 阿里巴巴公司 一种在网络中处理商品信息的方法及系统
KR20140100661A (ko) * 2013-02-06 2014-08-18 오종훈 큐레이터 추천 판매 시스템 및 방법
CN104517227A (zh) * 2013-09-27 2015-04-15 上海酷远物联网科技有限公司 一种通过互联网或物联网购物的方法和系统
CN106257444A (zh) * 2015-06-17 2016-12-28 阿里巴巴集团控股有限公司 一种信息的推送方法和设备
CN105894357A (zh) * 2016-03-30 2016-08-24 北京金山安全软件有限公司 商品信息推送方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004046568A (ja) * 2002-07-12 2004-02-12 Nippon Telegr & Teleph Corp <Ntt> 販売促進システム，サービス提供装置およびその販売促進用プログラム
CN102104663A (zh) * 2009-12-18 2011-06-22 北京闻言科技有限公司 一种在手机端实现的即时查看商家促销信息的方法

Also Published As

Publication number Publication date
CN108280098A (zh) 2018-07-13

Similar Documents

Publication Publication Date Title
CN108280098B (zh) 信息推荐方法及装置
US20230192947A1 (en) System and method allowing social fashion selection in an electronic marketplace
KR102220273B1 (ko) 상품 추천 방법 및 이를 이용하는 서버
US9489688B2 (en) Method and system for recommending search phrases
US9727906B1 (en) Generating item clusters based on aggregated search history data
US9002889B2 (en) System and method for social data mining that learns from a dynamic taxonomy
US20150254714A1 (en) Systems and methods for keyword suggestion
CN103377193A (zh) 信息提供方法、网页服务器以及网页浏览器
CN110929138A (zh) 推荐信息生成方法、装置、设备及存储介质
CN110910179B (zh) 一种拼团营销方法和装置
CN112132660B (zh) 商品推荐方法、系统、设备及存储介质
CN113689259A (zh) 基于用户行为的商品个性化推荐方法及系统
CN110599291A (zh) 商家买家多种市场高效精准融合智能电商运营系统和方法
CN110020171B (zh) 数据处理方法、装置、设备及计算机可读存储介质
CN111787042B (zh) 用于推送信息的方法和装置
KR20220169663A (ko) 인공지능 기반 패션 코디 추천 서비스 플랫폼의 운영 시스템 및 방법
CN110781399A (zh) 一种跨平台的信息推送方法和装置
CN113781171A (zh) 信息推送方法、装置、设备及存储介质
Li et al. An appraisal mechanism for a social marketplace
JP7093439B1 (ja) 広告支援装置、広告支援方法、およびプログラム
Meyer E-commerce interface design parameters and their relation to website popularity
Van Niekerk Factors that influence the adoption of mCommerce applications for purchasing athletic fashion apparel
Bansal et al. A review on cross domain recommendation
Sun App Attributes and Perceived Values Determining Chinese Consumers' Intent to Reuse Fashion Shopping Apps
Zheng et al. Recommending What to Search: Sales Volume and Consumption Diversity Effects of a Query Recommender System

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
GR01 Patent grant
GR01 Patent grant