CN108920689A - 货源推荐方法及系统 - Google Patents
货源推荐方法及系统 Download PDFInfo
- Publication number
- CN108920689A CN108920689A CN201810765565.7A CN201810765565A CN108920689A CN 108920689 A CN108920689 A CN 108920689A CN 201810765565 A CN201810765565 A CN 201810765565A CN 108920689 A CN108920689 A CN 108920689A
- Authority
- CN
- China
- Prior art keywords
- goods
- source
- user
- average
- phone
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种货源推荐方法及系统,其中,货源推荐方法中包括:接收待推荐用户发送的货源推荐请求;响应货源推荐请求,并根据预设的推荐规则进行检索;根据预设的评分规则对检索到的货源进行评分;根据评分结果对货源进行排序;根据排序结果推荐预设数量的货源。当用户需要推荐货源时,根据预设的推荐规则在所有货源中进行检索,并对检索到的货源进行评分排序,推荐评分高的货源,这样,用户看到的货源即符合自己的需求,同时还是高质量货源,大大节约了用户搜货的时间,为用户提供方便。
Description
技术领域
本发明涉及信息安全技术领域,特别涉及一种货源推荐方法及系统。
背景技术
随着物流业的飞速发展,每天的货源数都在急速的增长,庞大的信息量使得货运双方均难以获取自己想要信息。为了给货运双方提供便利,专用于货运的APP(Application,应用程序)越来越多,司机可以在APP上对其自己感兴趣的货源进行搜索,货主同时可以在APP上搜索符合条件的司机。但是,在目前的货运APP中,尤其是司机在搜索货源的过程中,往往需要反复输入不同的搜货条件达到自己的目的,不但会浪费大量时间,同时很可能不能将真正关注的货源筛选出来。
发明内容
本发明的目的是提供一种货源推荐方法及系统,其根据用户行为配置推荐规则,进而根据该推荐规则进行货源推荐,便于待推荐用户能够快速查找到符合自己条件的货源。
本发明提供的技术方案如下:
一种货源推荐方法,包括:
接收待推荐用户发送的货源推荐请求;
响应所述货源推荐请求,并根据预设的推荐规则进行检索;
根据预设的评分规则对检索到的货源进行评分;
根据评分结果对货源进行排序;
根据排序结果推荐预设数量的货源。
在本技术方案中,当用户需要推荐货源时,根据预设的推荐规则在所有货源中进行检索,并对检索到的货源进行评分排序,推荐评分高的货源,这样,用户看到的货源即符合自己的需求,同时还是高质量货源,大大节约了用户搜货的时间,为用户提供方便。
进一步优选地,在步骤根据预设的评分规则对检索到的货源进行评分中,包括:
根据检索到的货源,获取第一预设时间段内各货源的点击量和电话量;
计算各货源单位时间内的平均点击量和平均电话量;
根据平均点击量、平均电话量及相应的第一用户权重,采用加权平均的方法为各货源进行评分。
在本技术方案中,根据第一预设时间段内各货源的点击量和电话量对检索到的货源进行评分,判断出高质量货源,提高货源推荐的成功率。
进一步优选地,在步骤根据检索到的货源,获取第一预设时间段内各货源的点击量和电话量之后,还包括:
过滤电话量大于第一预设电话阈值及电话量小于第二预设电话阈值的货源;
在步骤计算各货源单位时间内的平均点击量和平均电话量中,具体为:计算过滤后剩余货源单位时间内的平均点击量和平均电话量。
在本技术方案中,在推荐货源的过程中,将电话量过多(过热货源,无需推荐)和电话量过少(过冷货源,大概率为低质量货源)的货源过滤掉,为用户提供更多真正有用的信息。
进一步优选地,在步骤接收待推荐用户发送的货源推荐请求之前还包括在服务端配置推荐规则的步骤,包括:
收集第二预设时间段内各用户针对一货源线路或一车型或一车长的电话量、点击量及浏览量,并按照用户ID进行分组;
根据各分组中电话量、点击量及浏览量分别得到各分组的第二用户权重;
根据各分组中电话量、点击量、浏览量及相应的第二用户权重得到用户针对该货源线路或车型或车长的评分;
记录评分高的预设数量的货源路线或车型或车长,作为相应用户的推荐规则。
在本技术方案中,服务端实时收集用户的操作行为,包括针对某一货源线路、车型、车长的电话量、点击量及浏览量数据,作为推荐规则,以此根据该推荐规则为用户进行货源的推荐,且随着用户操作行为的变化进行实时更新。
进一步优选地,在配置推荐规则的过程中,收集到用户的操作数据后,将其发送至Kafka消息队列,并通过Spark流处理Kafka消息,所述用户操作数据包括电话数据、点击数据及浏览数据。
在本技术方案中,通过Spark流实时分析用户浏览、电机及电话过的货源,进而快速分析出司机当前关注的路线、车长及车型。
本发明还提供了一种货源推荐系统,所述货源推荐系统中包括客户端和服务端,其中,在所述客户端中包括:
货源推荐请求接收模块,用于接收待推荐用户发送的货源推荐请求;
货源检索模块,用于根据货源推荐请求接收模块接收到的货源推荐请求,根据服务端预设的推荐规则进行检索;
货源评分模块,用于根据预设的评分规则对货源检索模块检索到的货源进行评分;
货源排序模块,用于根据货源评分模块的评分结果对货源进行排序;
货源推荐模块,用于根据货源排序模块的排序结果推荐预设数量的货源。
在本技术方案中,当用户需要推荐货源时,根据预设的推荐规则在所有货源中进行检索,并对检索到的货源进行评分排序,推荐评分高的货源,这样,用户看到的货源即符合自己的需求,同时还是高质量货源,大大节约了用户搜货的时间,为用户提供方便。
进一步优选地,在货源评分模块中包括:
数据获取单元,用于根据货源检索模块检索到的货源,获取第一预设时间段内各货源的点击量和电话量;
均值计算单元,用于根据数据获取单元获取的点击量和电话量计算各货源单位时间内的平均点击量和平均电话量;
第一评分单元,用于根据均值计算单元计算的平均点击量、平均电话量及相应的第一用户权重,采用加权平均的方法为各货源进行评分。
在本技术方案中,根据第一预设时间段内各货源的点击量和电话量对检索到的货源进行评分,判断出高质量货源,提高货源推荐的成功率。
进一步优选地,在货源评分模块中还包括:
过滤单元,用于将数据获取单元获取的货源中,电话量大于第一预设电话阈值及电话量小于第二预设电话阈值的货源过滤;
在均值计算单元中,根据过滤单元过滤后剩余的货源计算单位时间内的平均点击量和平均电话量。
在本技术方案中,在推荐货源的过程中,将电话量过多(过热货源,无需推荐)和电话量过少(过冷货源,大概率为低质量货源)的货源过滤掉,为用户提供更多真正有用的信息。
进一步优选地,所述服务端中包括:
数据收集模块,用于收集第二预设时间段内各用户针对一货源线路或一车型或一车长的电话量、点击量及浏览量,并按照用户ID进行分组;
权重计算模块,用于根据各分组中电话量、点击量及浏览量分别得到各分组的第二用户权重;
第二评分模块,用于根据各分组中电话量、点击量、浏览量及相应的第二用户权重得到用户针对该货源线路或车型或车长的评分;
规则记录模块,记录评分高的预设数量的货源路线或车型或车长,作为相应用户的推荐规则。
在本技术方案中,服务端实时收集用户的操作行为,包括针对某一货源线路、车型、车长的电话量、点击量及浏览量数据,作为推荐规则,以此根据该推荐规则为用户进行货源的推荐,且随着用户操作行为的变化进行实时更新。
进一步优选地,在服务端中,数据收集模块收集到用户的操作数据后,将其发送至Kafka消息队列,权重计算模块和第二评分模块通过Spark流处理Kafka消息,所述用户操作数据包括电话数据、点击数据及浏览数据。
在本技术方案中,通过Spark流实时分析用户浏览、电机及电话过的货源,进而快速分析出司机当前关注的路线、车长及车型。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对一种一种日志处理方法及系统的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明中货源推荐方法一种实施方式流程示意图;
图2是本发明中规则配置步骤流程示意图;
图3是本发明中客户端示意图;
图4是本发明中服务端示意图。
附图标记说明:
100-客户端,110-货源推荐请求接收模块,120-货源检索模块,130-货源评分模块,140-货源排序模块,150-货源推荐模块,200-服务端,210-数据收集模块,220-权重计算模块,230-第二评分模块,240-规则记录模块。
具体实施方式
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,下面将对照附图说明本发明的具体实施方式。显而易见地,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他的附图,并获得其他的实施方式。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
如图1所示为本发明提供的货源推荐方法一种实施方式流程示意图,从图中可以看出,在该货源推荐方法中包括:S10接收待推荐用户发送的货源推荐请求;S20响应货源推荐请求,并根据预设的推荐规则进行检索;S30根据预设的评分规则对检索到的货源进行评分;S40根据评分结果对货源进行排序;S50根据排序结果推荐预设数量的货源。
在本实施方式中,当用户需要在客户端APP中展示推荐的货源时,随即根据该用户的ID(Identity,身份标识号)从服务端的数据库中查找到预设的推荐规则,以此根据在推荐规则在所有货源中按照用户最为关注的货源路线、车型及车长进行检索,并根据检索到的货源,获取此前第一预设时间段内(如半个小时内、一个小时内等)各货源的点击量和电话量,计算各货源单位时间内(如每分钟内)的平均点击量和平均电话量;以此,根据平均点击量、平均电话量及相应的第一用户权重,采用加权平均的方法为各货源进行评分,在APP中推荐评分高的货源,如推荐评分列表中前20条货源供用户查看。
对于第一用户权重,在一种实施方式中,根据此前第一预设时间段内,该所有用户的操作行为进行计算得到,具体,点击量和电话量对应的权重为其对应的数量在总行为数量(点击量和电话量总和)的比例的反比。如,在一实例中,若针对一货源,每分钟内的平均点击量为60,每分钟内的电话量为40,根据计算,点击量与总行为数的比值为0.6,电话量与总行为数的比值为0.4,则点击量的权重为0.4,电话量的权重为0.6。在其他实施方式中,还可以用户进行预先设定,如将货源点击量的权重设定为0.4,电话量的权重设置为0.6;又如将货源点击量的权重设定为0.3,将电话量的权重设置为0.7;以此,在得到单位时间内的平均点击量和平均电话量之后,采用加权平均的方法计算其分数。在一实例中,若针对一货源,每分钟内的平均点击量为50,每分钟内的电话量为40,点击量的权重为0.4,电话量的权重为0.6,则计算得到针对该货源的分数Score1=50*0.4+40*0.6=44。
对上述实施方式进行改进得到本实施方式,在本实施方式中,还包括过滤过热和过冷货源的步骤,具体,在根据推荐规则检索货源,并计算得到第一预设时间段内各货源的点击量和电话量之后,还包括:过滤电话量大于第一预设电话阈值及电话量小于第二预设电话阈值的货源;之后,计算过滤后剩余货源单位时间内的平均点击量和平均电话量。
在本实施方式中,在推荐货源的过程中,将电话量过多(过热货源,无需推荐)和电话量过少(过冷货源,大概率为低质量货源)的货源过滤掉,避免过热货源占据推荐列表,过冷货源占用内存资源,为用户提供更多真正有用的信息。对于第一预设电话阈值和第二预设阈值的设定,根据实际情况而定,如,将第一预设电话阈值设定为100,第二预设电话阈值设定为10等,这里不做具体限定。
对上述实施方式进行改进得到本实施方式,如图2所示,在本实施方式中,还包括在服务端配置推荐规则的步骤,包括:S01收集第二预设时间段内各用户针对一货源线路或一车型或一车长的电话量、点击量及浏览量,并按照用户ID进行分组;S02根据各分组中电话量、点击量及浏览量分别得到各分组的第二用户权重;S03根据各分组中电话量、点击量、浏览量及相应的第二用户权重得到用户针对该货源线路或车型或车长的评分;S04记录评分高的预设数量的货源路线或车型或车长,作为相应用户的推荐规则。
在本实施方式中,对于货源路线来说,当用户在客户端APP中点击一货源或给货源货主打电话时,则客户端立刻向服务端发送消息(包括用户Id、货源Id及时间),便于服务端对于点击量和电话量进行统计。对于浏览量,当用户在客户端APP中浏览货源列表时,随着用户下拉列表,展现给用户的货源达到一定数量,如20条、30条时,则立刻将加载出来的货源信息上传至服务端,便于服务端对浏览量进行统计。当收集到用户的操作数据后,服务端随即将其发送至Kafka消息队列,通过Spark流处理Kafka消息,对消息按用户ID进行分组,保存第二预设时间段内(如半小时内)该用户的浏览数据、点击数据及电话数据,以对接收到的数据进行实时处理,对推荐规则进行实时更新,为用户提供准确的货源信息。之后,将用户第二预设时间段内的浏览数据、点击数据及电话数据按照货源路线进行分组(根据用户ID进行分组),并统计每组内的电话量、点击量及浏览量,根据规则得到各自的第二用户权重,并进行加权计算,得到用户针对各货源路线的关注度分数,从中提取预设数量的分数高的货源路线(如,5条、10条等)存入数据库中,作为相应用户的推荐规则。
在该实施方式中,第一用户权重由此前第一预设时间段APP内各组用户针对各货源路线的点击量、电话量及浏览量计算而来,具体为其占总行为数量(点击量、电话量及浏览量总和)中比例的反比。如,在一实例中,若针对一货源路线,半个小时内该用户的浏览量为50,点击量为30,电话量为20,根据计算,浏览量与总行为数的比值为0.5,点击量与总行为数的比值为0.3,电话量与总行为数的比值为0.2,则根据规则,浏览量的权重为0.2,点击量的权重为0.3,电话量的权重为0.5,该用户对该条货源路线的分数为29。在数据处理的过程中,根据该方法,计算该用户对所有货源路线的评分,并记录评分高的5条货源路线,作为该用户针对货源路线的推荐规则。
针对车型和车长,采用与上述货源路线相同的方法进行评分,将匹配度高的车型和车长作为该用户的推荐规则。如,对于车型来说,当用户在客户端APP中点击一货源或给货源货主打电话时,客户端立刻向服务端发送消息(包括用户Id、货源Id及时间)。对于浏览量,当用户在客户端APP中浏览货源列表时,随着用户下拉列表,展现给用户的货源达到一定数量,如20条、30条时,则立刻将加载出来的货源信息上传至服务端。之后,将用户第二预设时间段内的浏览数据、点击数据及电话数据按照车型进行分组(根据用户ID进行分组),并统计每组内的电话量、点击量及浏览量,根据规则得到各自的第二用户权重,并进行加权计算,得到用户针对各货源路线的关注度分数。
基于此,在本实施方式中,当用户需要在客户端APP中展示推荐的货源时,随即根据该用户的ID从服务端的数据库中查找到当前的推荐规则,根据推荐规则中包括的该用户最为关注的货源路线、车型及车长进行检索,得到当前所有货源中按照用户较为关注的货源,并根据检索到的货源,获取此前第一预设时间段内(如半个小时内)各货源的点击量和电话量,计算各货源单位时间内(如每分钟内)的平均点击量和平均电话量;以此,根据平均点击量、平均电话量及第一用户权重,采用加权平均的方法为各货源进行评分,在APP中推荐评分高的货源,如推荐评分列表中前20条货源供用户查看。
本发明还提供了一种货源推荐系统,货源推荐系统中包括客户端100和服务端200,其中,如图3所示,在客户端100中包括:货源推荐请求接收模块110、货源检索模块120、货源评分模块130、货源排序模块140及货源推荐模块150,其中,货源检索模块120与货源推荐请求接收模块110连接,货源评分模块130与货源检索模块120连接,货源排序模块140与货源评分模块130连接,货源推荐模块150与货源排序模块140连接。
在本实施方式中,当货源推荐请求接收模块110接收到待推荐用户发送的货源推荐请求,即用户需要在客户端APP中展示推荐的货源时,随即根据该用户的ID从服务端200的数据库中查找到预设的推荐规则,以此货源检索模块120根据货源推荐请求接收模块110接收到的货源推荐请求,根据服务端200预设的推荐规则进行检索;之后,货源评分模块130根据预设的评分规则对货源检索模块120检索到的货源进行评分;接着,货源排序模块140根据货源评分模块130的评分结果对货源进行排序;最后,货源推荐模块150根据货源排序模块140的排序结果推荐预设数量的货源,如推荐评分列表中前20条货源等。
具体,在货源评分模块130中包括数据获取单元、均值计算单元及第一评分单元,其中,均值计算单元分别与数据获取单元和第一评分单元连接。在根据预设的评分规则对检索到的货源进行评分时,首先,根据检索到的货源,数据获取单元获取此前第一预设时间段内(如半个小时内、一个小时内等)各货源的点击量和电话量;之后,均值计算单元计算各货源单位时间内(如每分钟内)的平均点击量和平均电话量;最后,第一评分单元根据平均点击量、平均电话量及相应的第一用户权重,采用加权平均的方法为各货源进行评分。
对于第一用户权重,在一种实施方式中,根据此前第一预设时间段内,该所有用户的操作行为进行计算得到,具体,点击量和电话量对应的权重为其对应的数量在总行为数量(点击量和电话量总和)的比例的反比。如,在一实例中,若针对一货源,每分钟内的平均点击量为70,每分钟内的电话量为30,根据计算,点击量与总行为数的比值为0.7,电话量与总行为数的比值为0.3,则点击量的权重为0.3,电话量的权重为0.7。在其他实施方式中,还可以用户进行预先设定,如将货源点击量的权重设定为0.4,电话量的权重设置为0.6;又如将货源点击量的权重设定为0.3,将电话量的权重设置为0.7;以此,在得到单位时间内的平均点击量和平均电话量之后,采用加权平均的方法计算其分数。
对上述实施方式进行改进得到本实施方式,在本实施方式中,货源评分模块130中除了包括数据获取单元、均值计算单元及第一评分单元之外,还包括过滤单元,分别与数据获取单元和均值计算单元连接,用于将数据获取单元获取的货源中,电话量大于第一预设电话阈值及电话量小于第二预设电话阈值的货源过滤,均值计算单元根据过滤单元过滤后剩余的货源计算单位时间内的平均点击量和平均电话量。
在本实施方式中,在推荐货源的过程中,过滤单元将电话量过多(过热货源,无需推荐)和电话量过少(过冷货源,大概率为低质量货源)的货源过滤掉,避免过热货源占据推荐列表,过冷货源占用内存资源,为用户提供更多真正有用的信息。对于第一预设电话阈值和第二预设阈值的设定,根据实际情况而定。
对上述实施方式进行改进得到本实施方式,如图4所示,在本实施方式中,用于配置推荐的服务端200中包括:数据收集模块210、权重计算模块220、第二评分模块230及规则记录模块240,其中,权重计算模块220与数据收集模块210连接,第二评分模块230与权重计算模块220连接,规则记录模块240与第二评分模块230连接。在规则配置的过程中,首先通过数据收集模块210收集第二预设时间段内各用户针对一货源线路或一车型或一车长的电话量、点击量及浏览量,并按照用户ID进行分组;之后,权重计算模块220根据各分组中电话量、点击量及浏览量分别得到各分组的第二用户权重;接着,第二评分模块230根据各分组中电话量、点击量、浏览量及相应的第二用户权重得到用户针对该货源线路或车型或车长的评分;最后,规则记录模块240记录评分高的预设数量的货源路线或车型或车长,作为相应用户的推荐规则。
在本实施方式中,对于货源路线来说,当用户在客户端APP中点击一货源或给货源货主打电话时,则客户端100立刻向服务端200发送消息(包括用户Id、货源Id及时间),便于服务端200对于点击量和电话量进行统计。对于浏览量,当用户在客户端APP中浏览货源列表时,随着用户下拉列表,展现给用户的货源达到一定数量,如20条、30条时,则立刻将加载出来的货源信息上传至服务端200,便于服务端200对浏览量进行统计。当数据收集模块210收集到用户的操作数据后,服务端200随即将其发送至Kafka消息队列,通过Spark流处理Kafka消息,对消息按用户ID进行分组,保存第二预设时间段内(如半小时内)该用户的浏览数据、点击数据及电话数据,以对接收到的数据进行实时处理,对推荐规则进行实时更新,为用户提供准确的货源信息。之后,将用户第二预设时间段内的浏览数据、点击数据及电话数据按照货源路线进行分组(根据用户ID进行分组),并统计每组内的电话量、点击量及浏览量,权重计算模块220根据规则得到各自的第二用户权重,并通过第二评分模块230进行加权计算,得到用户针对各货源路线的关注度分数,规则记录模块240从中提取预设数量的分数高的货源路线(如,5条、10条等)存入数据库中,作为相应用户的推荐规则。
在该实施方式中,第一用户权重由此前第一预设时间段APP内各组用户针对各货源路线的点击量、电话量及浏览量计算而来,具体为其占总行为数量(点击量、电话量及浏览量总和)中比例的反比。
针对车型和车长,采用与上述货源路线相同的方法进行评分,将匹配度高的车型和车长作为该用户的推荐规则。如,对于车长来说,当用户在客户端APP中点击一货源或给货源货主打电话时,客户端100立刻向服务端200发送消息(包括用户Id、货源Id及时间)。对于浏览量,当用户在客户端APP中浏览货源列表时,随着用户下拉列表,展现给用户的货源达到一定数量,如20条、30条时,则立刻将加载出来的货源信息上传至服务端200。之后,将用户第二预设时间段内的浏览数据、点击数据及电话数据按照车长进行分组(根据用户ID进行分组),并统计每组内的电话量、点击量及浏览量,根据规则得到各自的第二用户权重,并进行加权计算,得到用户针对各货源路线的关注度分数。
基于此,在本实施方式中,当用户需要在客户端APP中展示推荐的货源时,随即货源检索模块120根据该用户的ID从服务端200的数据库中查找到当前的推荐规则,根据推荐规则中包括的该用户最为关注的货源路线、车型及车长进行检索,得到当前所有货源中按照用户较为关注的货源,并根据检索到的货源,获取此前第一预设时间段内(如半个小时内)各货源的点击量和电话量,计算各货源单位时间内(如每分钟内)的平均点击量和平均电话量;以此,根据平均点击量、平均电话量及第一用户权重,货源评分模块130采用加权平均的方法为各货源进行评分,在APP中推荐评分高的货源,如推荐评分列表中前20条货源供用户查看。
应当说明的是,上述实施例均可根据需要自由组合。以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种货源推荐方法,其特征在于,所述货源推荐方法中包括:
接收待推荐用户发送的货源推荐请求;
响应所述货源推荐请求,并根据预设的推荐规则进行检索;
根据预设的评分规则对检索到的货源进行评分;
根据评分结果对货源进行排序;
根据排序结果推荐预设数量的货源。
2.如权利要求1所述的货源推荐方法,其特征在于,在步骤根据预设的评分规则对检索到的货源进行评分中,包括:
根据检索到的货源,获取第一预设时间段内各货源的点击量和电话量;
计算各货源单位时间内的平均点击量和平均电话量;
根据平均点击量、平均电话量及相应的第一用户权重,采用加权平均的方法为各货源进行评分。
3.如权利要求2所述的货源推荐方法,其特征在于,在步骤根据检索到的货源,获取第一预设时间段内各货源的点击量和电话量之后,还包括:
过滤电话量大于第一预设电话阈值及电话量小于第二预设电话阈值的货源;
在步骤计算各货源单位时间内的平均点击量和平均电话量中,具体为:计算过滤后剩余货源单位时间内的平均点击量和平均电话量。
4.如权利要求1-3任意一项所述的货源推荐方法,其特征在于,在步骤接收待推荐用户发送的货源推荐请求之前还包括在服务端配置推荐规则的步骤,包括:
收集第二预设时间段内各用户针对一货源线路或一车型或一车长的电话量、点击量及浏览量,并按照用户ID进行分组;
根据各分组中电话量、点击量及浏览量分别得到各分组的第二用户权重;
根据各分组中电话量、点击量、浏览量及相应的第二用户权重得到用户针对该货源线路或车型或车长的评分;
记录评分高的预设数量的货源路线或车型或车长,作为相应用户的推荐规则。
5.如权利要求4所述的货源推荐方法,其特征在于,在配置推荐规则的过程中,收集到用户的操作数据后,将其发送至Kafka消息队列,并通过Spark流处理Kafka消息,所述用户操作数据包括电话数据、点击数据及浏览数据。
6.一种货源推荐系统,其特征在于,所述货源推荐系统中包括客户端和服务端,其中,所述客户端中包括:
货源推荐请求接收模块,用于接收待推荐用户发送的货源推荐请求;
货源检索模块,用于根据货源推荐请求接收模块接收到的货源推荐请求,根据服务端预设的推荐规则进行检索;
货源评分模块,用于根据预设的评分规则对货源检索模块检索到的货源进行评分;
货源排序模块,用于根据货源评分模块的评分结果对货源进行排序;
货源推荐模块,用于根据货源排序模块的排序结果推荐预设数量的货源。
7.如权利要求6所述的货源推荐系统,其特征在于,在货源评分模块中包括:
数据获取单元,用于根据货源检索模块检索到的货源,获取第一预设时间段内各货源的点击量和电话量;
均值计算单元,用于根据数据获取单元获取的点击量和电话量计算各货源单位时间内的平均点击量和平均电话量;
第一评分单元,用于根据均值计算单元计算的平均点击量、平均电话量及相应的第一用户权重,采用加权平均的方法为各货源进行评分。
8.如权利要求7所述的货源推荐系统,其特征在于,在货源评分模块中还包括:
过滤单元,用于将数据获取单元获取的货源中,电话量大于第一预设电话阈值及电话量小于第二预设电话阈值的货源过滤;
在均值计算单元中,根据过滤单元过滤后剩余的货源计算单位时间内的平均点击量和平均电话量。
9.如权利要求6-8任意一项所述的货源推荐系统,其特征在于,所述服务端中包括:
数据收集模块,用于收集第二预设时间段内各用户针对一货源线路或一车型或一车长的电话量、点击量及浏览量,并按照用户ID进行分组;
权重计算模块,用于根据各分组中电话量、点击量及浏览量分别得到各分组的第二用户权重;
第二评分模块,用于根据各分组中电话量、点击量、浏览量及相应的第二用户权重得到用户针对该货源线路或车型或车长的评分;
规则记录模块,记录评分高的预设数量的货源路线或车型或车长,作为相应用户的推荐规则。
10.如权利要求9所述的货源推荐系统,其特征在于,在服务端中,数据收集模块收集到用户的操作数据后,将其发送至Kafka消息队列,权重计算模块和第二评分模块通过Spark流处理Kafka消息,所述用户操作数据包括电话数据、点击数据及浏览数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810765565.7A CN108920689A (zh) | 2018-07-12 | 2018-07-12 | 货源推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810765565.7A CN108920689A (zh) | 2018-07-12 | 2018-07-12 | 货源推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108920689A true CN108920689A (zh) | 2018-11-30 |
Family
ID=64411842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810765565.7A Pending CN108920689A (zh) | 2018-07-12 | 2018-07-12 | 货源推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108920689A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348786A (zh) * | 2019-07-11 | 2019-10-18 | 惠龙易通国际物流股份有限公司 | 货源信息推送方法及装置 |
CN110766514A (zh) * | 2019-09-25 | 2020-02-07 | 苏宁云计算有限公司 | 用于电商平台的最优货源筛选方法及装置 |
CN111222822A (zh) * | 2020-01-07 | 2020-06-02 | 贵阳货车帮科技有限公司 | 货源推送方法、装置、电子设备及可读存储介质 |
CN111242535A (zh) * | 2020-01-07 | 2020-06-05 | 贵阳货车帮科技有限公司 | 运输路线推送方法、装置、电子设备及可读存储介质 |
CN111324827A (zh) * | 2020-02-12 | 2020-06-23 | 上海东普信息科技有限公司 | 智能推荐货源订单信息的方法、装置、设备及存储介质 |
CN111444436A (zh) * | 2020-05-08 | 2020-07-24 | 惠龙易通国际物流股份有限公司 | 货源推荐方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679405A (zh) * | 2012-08-31 | 2014-03-26 | 成都海存艾匹科技有限公司 | 物流配送系统和方法 |
CN107944053A (zh) * | 2017-12-22 | 2018-04-20 | 江苏满运软件科技有限公司 | 一种公路干线物流中货车及货源的检索方法 |
CN108038647A (zh) * | 2017-12-22 | 2018-05-15 | 江苏满运软件科技有限公司 | 一种公路干线物流的货源推荐方法 |
CN108255840A (zh) * | 2016-12-28 | 2018-07-06 | 北京酷我科技有限公司 | 一种歌曲的推荐方法和系统 |
-
2018
- 2018-07-12 CN CN201810765565.7A patent/CN108920689A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679405A (zh) * | 2012-08-31 | 2014-03-26 | 成都海存艾匹科技有限公司 | 物流配送系统和方法 |
CN108255840A (zh) * | 2016-12-28 | 2018-07-06 | 北京酷我科技有限公司 | 一种歌曲的推荐方法和系统 |
CN107944053A (zh) * | 2017-12-22 | 2018-04-20 | 江苏满运软件科技有限公司 | 一种公路干线物流中货车及货源的检索方法 |
CN108038647A (zh) * | 2017-12-22 | 2018-05-15 | 江苏满运软件科技有限公司 | 一种公路干线物流的货源推荐方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348786A (zh) * | 2019-07-11 | 2019-10-18 | 惠龙易通国际物流股份有限公司 | 货源信息推送方法及装置 |
CN110766514A (zh) * | 2019-09-25 | 2020-02-07 | 苏宁云计算有限公司 | 用于电商平台的最优货源筛选方法及装置 |
CN111222822A (zh) * | 2020-01-07 | 2020-06-02 | 贵阳货车帮科技有限公司 | 货源推送方法、装置、电子设备及可读存储介质 |
CN111242535A (zh) * | 2020-01-07 | 2020-06-05 | 贵阳货车帮科技有限公司 | 运输路线推送方法、装置、电子设备及可读存储介质 |
CN111222822B (zh) * | 2020-01-07 | 2023-04-07 | 贵阳货车帮科技有限公司 | 货源推送方法、装置、电子设备及可读存储介质 |
CN111242535B (zh) * | 2020-01-07 | 2023-04-07 | 贵阳货车帮科技有限公司 | 运输路线推送方法、装置、电子设备及可读存储介质 |
CN111324827A (zh) * | 2020-02-12 | 2020-06-23 | 上海东普信息科技有限公司 | 智能推荐货源订单信息的方法、装置、设备及存储介质 |
CN111324827B (zh) * | 2020-02-12 | 2023-04-07 | 上海东普信息科技有限公司 | 智能推荐货源订单信息的方法、装置、设备及存储介质 |
CN111444436A (zh) * | 2020-05-08 | 2020-07-24 | 惠龙易通国际物流股份有限公司 | 货源推荐方法及装置 |
CN111444436B (zh) * | 2020-05-08 | 2024-03-22 | 惠龙易通国际物流股份有限公司 | 货源推荐方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108920689A (zh) | 货源推荐方法及系统 | |
CN105701216B (zh) | 一种信息推送方法及装置 | |
CN105335509B (zh) | 一种推荐活动信息的方法、装置及服务器 | |
CN105589905B (zh) | 用户兴趣数据分析和收集系统及其方法 | |
CN103577413B (zh) | 搜索结果排序方法及系统、搜索结果排序优化方法及系统 | |
CN101192227B (zh) | 一种基于分布式计算网络的日志文件分析方法和系统 | |
CN102622417B (zh) | 对信息记录进行排序的方法和装置 | |
DE112015006585B4 (de) | Fahr-Assistenzvorrichtung, Fahr-Assistenzserver und Fahr-Assistenzsystem | |
CN101957847B (zh) | 一种搜索系统及其实现方法 | |
CN101477554A (zh) | 基于用户兴趣的个性化元搜索引擎及搜索结果处理方法 | |
CN101317177A (zh) | 确定内容提供商优先级的系统和方法 | |
CN1954336A (zh) | 用于确定通信网络用户概况的系统和方法 | |
CN102663064B (zh) | 一种收藏夹数据的处理方法及装置 | |
CN108876537A (zh) | 一种用于网上商场系统的混合推荐方法 | |
CN107896153B (zh) | 一种基于移动用户上网行为的流量套餐推荐方法及装置 | |
CN104636407B (zh) | 参数取值训练及搜索请求处理方法和装置 | |
CN112348602A (zh) | 一种基于大数据的广告自动化投放管理系统 | |
CN106971344A (zh) | 保额控制方法和系统 | |
CN103970747A (zh) | 网络侧计算机对搜索结果进行排序的数据处理方法 | |
CN105871585A (zh) | 终端关联方法及装置 | |
CN101957845A (zh) | 一种在线应用系统及其实现方法 | |
CN110275943A (zh) | 文章推送方法及装置 | |
CN106021423A (zh) | 基于群组划分的元搜索引擎个性化结果推荐方法 | |
CN109166012A (zh) | 针对行程预定类用户的分类及信息推送的方法和装置 | |
CN108959443A (zh) | 一种信息推送方法、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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181130 |