CN109034935B - 产品推荐方法、装置、计算机设备及存储介质 - Google Patents
产品推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109034935B CN109034935B CN201810573702.7A CN201810573702A CN109034935B CN 109034935 B CN109034935 B CN 109034935B CN 201810573702 A CN201810573702 A CN 201810573702A CN 109034935 B CN109034935 B CN 109034935B
- Authority
- CN
- China
- Prior art keywords
- product
- user
- identifier
- information
- original
- 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
Links
Images
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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种产品推荐方法、装置、计算机设备及存储介质,该产品推荐方法包括:获取用户的登录请求信息,所述登录请求信息包括用户标识;根据用户标识获取用户历史行为数据;根据所述用户历史行为数据,生成并发送目标产品推荐信息;获取用户选择信息,所述用户选择信息包括目标产品标识和行为信息;若所述目标产品标识属于共享平台产品,则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。该方法能提高用户的浏览效率,提高用户选择的便利性。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种产品推荐方法、装置、计算机设备及存储介质。
背景技术
目前,当用户在网上选购产品时,没有找到合适的产品,希望在不同专业公司选购产品时,需要进入不同的专业公司重新挑选产品,再进行购买操作。如果用户没有在该专业公司进行过注册操作,还需要进行重新注册的操作。这样会使得用户的操作变得繁琐,而且,用户在一家专业公司选购产品时,不能看到其他专业公司相似的产品,使得用户必须在不同的专业公司选购产品,使得用户的操作变得繁琐。
发明内容
基于此,有必要针对上述技术问题,提供一种可以提高用户在选购产品时的效率的产品推荐方法、装置、计算机设备及存储介质。
一种产品推荐方法,包括:
获取用户的登录请求信息,所述登录请求信息包括用户标识;
根据所述用户标识获取用户历史行为数据;
根据所述用户历史行为数据,生成并发送目标产品推荐信息;
获取用户选择信息,所述用户选择信息包括目标产品标识和行为信息;
若所述目标产品标识属于共享平台产品,则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。
一种产品推荐装置,包括:登录模块,用于获取用户的登录请求信息,所述登录请求信息包括用户标识;
第一获取模块,用于根据所述用户标识获取用户历史行为数据;
目标产品发送模块,用于根据所述用户历史行为数据,生成并发送目标产品推荐信息;
第二获取模块,用于获取用户选择信息,所述用户选择信息包括目标产品标识和行为信息;
共享产品发送模块,用于若所述目标产品标识属于共享平台产品,则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述产品推荐方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述产品推荐方法的步骤。
上述产品推荐方法、装置、计算机设备及存储介质中,通过用户历史行为数据生成目标产品推荐信息,由于该目标产品推荐信息为用户可能感兴趣的产品信息,因此,能够增加用户在进行对产品进行浏览时的选择,提高用户的浏览效率,为用户带来便利。进一步地,通过搭建共享平台,并将共享平台的产品推荐给用户,用户在进行选购产品时,能够从一家产品公司看到多家产品公司中的产品,并作出有针对性地推荐,减少了用户还要进入其他产品公司的繁琐操作,进一步提高了用户选择的便利性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中产品推荐方法的一应用环境示意图;
图2是本发明一实施例中产品推荐方法的一流程图;
图3是本发明一实施例中产品推荐方法中步骤S10的实现流程图;
图4是本发明一实施例中产品推荐方法中步骤S12的实现流程图;
图5是本发明一实施例中产品推荐方法中步骤S14的实现流程图;
图6是本发明一实施例中产品推荐方法中步骤S50的实现流程图;
图7是本发明一实施例中产品推荐装置的一原理框图;
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。根据本发明中的实施例,本领域普通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。
本申请提供的产品推荐方法,可应用在如图1的应用环境中,其中,客户端(计算机设备)通过网络与服务端进行通信。客户端获取用户的登录请求,将该登录请求发送至服务端。服务端在获取到该登录请求后,根据该用户标识生成目标产品推荐信息,发送至客户端。服务端通过计算不同产品之间的相似度和关联度构建共享平台,根据从客户端获取得到的用户选择信息,生成共享产品推荐信息,发送至客户端。其中,客户端(计算机设备)可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种产品推荐方法,以该方法应用在图1中的服务端为例进行说明,包括如下步骤:
S10:获取用户的登录请求信息,登录请求信息包括用户标识。
在本发明实施例中,登录请求信息是指客户端在获取到用户在登录界面的输入登录信息之后经过处理,并发送到服务端中的信息。登录请求信息包括用户标识。该用户标识组成登录请求信息之后,客户端将该登录请求信息发送至服务端,服务端获取该登录请求信息。
可选地,登录请求信息也可以是客户端在获取到用户输入的登录信息之后进行加密得到的,通过对用户输入的登录信息进行加密处理可以保证登录请求信息在数据传输过程中的安全性。
S20:根据用户标识获取用户历史行为数据。
在本发明实施例中,用户历史行为数据为根据该用户标识获取到该用户进行过的操作行为的数据,操作行为包括用户对在产品公司中的产品的浏览行为和购买行为。需要说明的是,该产品公司为一个企业主账户平台下,包含的一个或多个产品公司,用户可以根据该登录信息,进入该企业主账户平台下的一个产品公司,对该产品公司中的产品进行浏览和购买。
可选地,服务端通过数据埋点的方式,获取用户历史行为数据。
具体地,通过数据埋点的方式,获取用户历史行为数据的实现方法可以是通过加入埋点代码,用于采集需要向服务端返回的用户信息和用户的操作行为的数据。例如,浏览行为对应的浏览链接按钮和购买行为对应的购买链接按钮。即用户在对产品进行浏览行为和购买行为时,需要对该产品的浏览链接按钮和购买链接按钮进行对应的操作(例如:点击)以实现对该产品进行浏览和购买,当检测到该产品的浏览链接按钮被点击时,则判断该用户对该产品进行了一次浏览行为;当检测到该产品的购买链接按钮被点击时,则判断该用户对该产品进行了购买行为。
优选地,根据用户标识获取用户历史行为数据可以是获取预定期限内的用户历史行为数据。具体地,例如该预定期限为三个月,用户在最近五个月中,前三个月内对某一产品公司中的产品浏览了10次,分别为第一个月浏览了3次,第二个月浏览了5次,第三个月浏览了2次,在接下来的两个月中,该用户没有对该产品公司的产品进行浏览,则认为,该用户在预定期限内对对某一产品公司中的产品进行了2次浏览行为。
S30:根据用户历史行为数据,生成并发送目标产品推荐信息。
在本发明实施例中,目标产品推荐信息为由产品公司中的部分产品的产品信息组成的推荐信息。
具体地,根据该用户历史行为数据中的对该产品公司的产品的浏览行为、收藏行为、主动评分行为和购买行为,得到该用户感兴趣的产品,并采用协同过滤算法计算出该用户可能感兴趣的产品,根据该用户可能感兴趣的产品生成目标产品推荐信息反馈至客户端,在该客户端展现,供用户优先选择。
进一步地,根据用户对某一件产品的用户历史行为数据对该产品进行感兴趣程度计算,具体方式可以是参考主动评分或者结合将用户历史行为数据中包括的行为进行综合评价,得出该感兴趣程度,若该感兴趣程度达到预设的阈值,则认为该用户对该产品感兴趣。
若两个用户之间相同的感兴趣的产品数量较多,则认为这两个用户可能有相同的兴趣。因此,在用户浏览一件产品时,可以根据与该用户有相同的兴趣的用户浏览过的产品信息生成目标产品推荐信息,并发送至客户端。
S40:获取用户选择信息,用户选择信息包括目标产品标识和行为信息。
在本发明实施例中,该用户选择信息为用户根据产品公司在客户端上展示的产品,选择其中一个产品进行相应的操作行为,该用户选择的产品即为目标产品,该操作行为可以是浏览行为或者购买行为。目标产品标识为该用户选择的目标产品的唯一标识。行为信息为该操作行为的具体内容,包括浏览行为、收藏行为和购买行为。客户端根据该操作行为生成行为信息,并与该目标产品的目标产品标识组成用户选择信息,之后客户端将用户选择信息发送到服务端。
S50:若目标产品标识属于共享平台产品,则根据目标产品标识和行为信息生成共享产品推荐信息。
在本发明实施例中,共享平台产品为各个产品公司将各自的产品按照一定份额,放入共享平台中的产品,该共享平台中的产品可以在各个产品公司的客户端展示,供客户浏览和购买。
若该目标产品的目标产品标识能够在共享平台中查找到,则判定该目标产品标识对应的目标产品属于共享平台产品。进一步地,根据该目标产品标识和行为信息生成共享产品推荐信息,发送至客户端。其中,该共享产品推荐信息包括共享平台中的目标产品的相关信息。
在本实施例中,通过用户历史行为数据生成目标产品推荐信息,由于该目标产品推荐信息为用户可能感兴趣的产品信息,因此,能够增加用户在进行对产品进行浏览时的选择,提高用户的浏览效率,为用户带来便利。进一步地,通过搭建共享平台,并将共享平台的产品推荐给用户,用户在进行选购产品时,能够从一家产品公司看到多家产品公司中的产品,并作出有针对性地推荐,减少了用户还要进入其他产品公司的繁琐操作,进一步提高了用户选择的便利性。
在一实施例中。如图3所示,在步骤S10之前,该产品推荐方法还包括如下步骤:
S11:获取各个接口的产品信息,产品信息包括原始产品标识和产品操作记录。
具体地,在企业主账户平台中的各个产品公司的服务器中设置对应的接口,用于进行数据的交互,各个接口之间可以相互通信。该原始产品标识为各个接口中产品的唯一标识。该产品操作记录为在过去的一个周期内,例如,一个月、三个月或者半年内,不同用户对该产品进行操作的记录,包括产品浏览记录、产品收藏记录、产品取消收藏记录和产品购买记录等。
S12:根据产品操作记录,获取原始产品标识之间的相似度。
在本发明实施例中,不同原始产品标识之间的相似度为两个产品之间的功能、产品属性或者产品类别等的相似程度。其中,若两个原始产品标识之间的相似程度较高,则可以认为对其中一个原始产品标识对应产品感兴趣的用户,也会对另一个原始产品标识对应的产品感兴趣。具体地,可以通过对用户的产品操作记录进行计算,根据该计算结果获取每一原始产品标识之间的相似度。
进一步地,计算的范围包括共享平台中各个原始产品标识对应的产品之间的相似度ε。在计算两个原始产品标识之间的相似度ε时,根据产品操作记录的内容进行计算,获取共享平台中各个原始产品标识对应的产品之间的相似度ε。即计算的结果为共享平台中的每一个产品与其他产品之间的相似度ε。
例如,共享平台中有产品A、产品B和产品C,则分别计算产品A和产品B,产品A和产品C,以及产品B和产品C之间的相似度,得到的计算结果可以表示为εAB,εAC和εBC。
S13:对于每一原始产品标识,将该原始产品标识对应的相似度排在前M位的原始产品标识对应的产品作为相似产品,其中,M为一正整数。
具体地,在计算得到不同原始产品标识对应的产品之间的相似度ε后,根据共享平台中每一个产品的原始产品标识,将共享平台中其他原始产品标识和该原始产品标识的相似度从大到小进行排序,将排名前M位的原始产品标识对应的产品作为该原始产品标识的相似产品。需要说明的是,M的具体数量可以根据计算得到的相似度进行设定,例如,可以是设定相似度阈值,将相似度大于或等于相似度阈值的原始产品标识对应的产品作为相似产品。
S14:产品操作记录包括产品购买记录,根据产品购买记录,获取原始产品标识之间的关联度。
在本发明实施例中,产品购买记录为每个产品被购买的次数。不同原始产品标识对应的产品之间的关联度为不同产品之间的相关程度,例如,手机,手机贴膜,手机保护壳,手机充电线,耳机或者移动充电器等产品中,虽然产品功能不同,但是这些产品的功能是相互关联的,如手机贴膜是用于保护手机屏幕或手机壳,手机保护壳是用于保护手机机身并起到美观作用等。用户在购买手机的同时,有可能会购买与手机相关联的其他产品。
具体地,计算的范围包括共享平台中各个原始产品标识对应的产品之间的关联度。在计算关联度时,根据产品购买记录的内容进行计算,获取共享平台中各个产品之间的关联度。即计算的结果为每一个共享平台中的产品与其他产品之间的关联度。
S15:对于每一原始产品标识,将该原始产品标识对应的关联度排在前N位的原始产品标识对应的产品作为关联产品,其中,N为一正整数。
具体地,在计算得到每一原始产品标识对应的产品之间的关联度后,根据共享平台中每一个产品的原始产品标识,将共享平台中其他原始产品标识和该原始产品标识的关联度从大到小进行排序,将排名前N位的原始产品标识对应的产品作为该原始产品标识的关联产品。需要说明的是,N的具体数量可以根据计算得到的关联度进行设定,例如,可以是设定关联度阈值,将关联度大于或等于该关联度阈值的原始产品标识对应的产品作为关联产品。
本实施例中,通过计算共享平台中各个产品之间的相似度和关联度,并根据该相似度和关联度对产品进行分类,能够在用户对产品进行操作行为的时候,根据该操作行为,更加合理地向用户推荐共享平台中的产品,提高产品推荐度的有效性,也提高用户的浏览效率。
在一实施例中,如图4所示,步骤S12中,即根据产品操作记录,获取每一原始产品标识之间的相似度,具体包括如下步骤:
S121:根据产品操作记录计算用户兴趣评分。
具体地,为产品操作记录包括的产品浏览记录、产品收藏记录、产品取消收藏记录和产品购买记录设置不同的权值。其中,由于通过取消收藏行为可以认定该用户对该产品已经失去兴趣,而用户对一产品感兴趣才会对该产品的内容进行浏览,若对该产品的内容感兴趣,会进一步对该产品进行收藏,若对该产品的内容极感兴趣,就有可能会对该产品进行购买。因此,各权值的大小关系可以为:产品取消收藏记录<0<产品浏览记录<产品收藏记录<产品购买记录。具体的权值大小可以根据实际情况进行设定,在此处不做限制。
在设定好不同产品操作记录的权值之后,根据用户对于某一产品的产品操作记录,计算出用户兴趣评分。
例如,设置产品取消收藏记录权值=-2,产品浏览记录权值=1,产品收藏记录权值=3,产品购买记录权值=5。用户对某一产品进行了浏览行为,并对该产品做出了收藏行为,后续又对该产品做出了取消收藏行为,因此该用户对该产品的用户兴趣评分=产品浏览记录权值+产品收藏记录权值+产品取消收藏记录权值=1+3+(-2)=2。
S122:根据用户兴趣评分,获取每一原始产品标识的用户感兴趣数量。
具体地,可以通过设置一用户兴趣阈值对用户兴趣评分进行筛选。若用户兴趣评分≥设置用户兴趣阈值,则判断用户对该产品感兴趣,若用户兴趣评分<设置用户兴趣阈值,则判断用户对该产品不感兴趣。对每个原始产品标识对应的产品计算每一用户的用户兴趣评分,判断出每一用户对该产品是否感兴趣,并统计出每个产品的用户感兴趣的数量N。
例如:在步骤S121的例子中,计算出一用户对该产品的用户兴趣评分为2,若用户兴趣阈值为3,则说明该用户对该产品不感兴趣。
S123:根据每一原始产品标识的用户感兴趣数量计算各个原始产品标识之间的相似度。
具体地,可以通过以下公式计算两个原始产品标识之间的相似度:
其中,εij为原始产品标识i和原始产品标识j之间的相似度,|N(i)|是对原始产品标识i感兴趣的用户数量,|N(j)|是对原始产品标识j感兴趣的用户数量,|N(i)∩N(j)|为同时对原始产品标识i和原始产品标识j感兴趣的用户数量。需要说明的是,该同时对原始产品标识i和原始产品标识j感兴趣的用户数量可以通过统计同一用户对原始产品标识i和原始产品标识j都感兴趣的数量得到。
在本实施例中,通过统计用户对产品的感兴趣程度,计算不同产品之间的相似度,能够基于该相似度将相似的产品分为一类,有利于在用户对某一产品进行浏览时,将于该产品相似的产品推荐给用户,能够节省用户在选购产品的时间。
在一实施例中,如图5所示,步骤S14中,根据产品购买记录,获取原始产品标识之间的关联度,具体包括如下步骤:
S141:根据产品购买记录,统计在预定时间内两个原始产品标识被同一用户购买的购买次数。
在本发明实施例中,在预定时间内两个原始产品标识(原始产品标识A和原始产品标识B,下称产品A和产品B)被同一用户购买的购买次数为:在预定时间内(例如,一个月,三个月或者半年等),购买产品A又购买产品B的用户数量。例如,对于产品A和产品B,在该预定时间内,产品A和产品B都被100个用户购买了,其中,有40个用户在该预定的时间内,即购买了产品A,也购买了产品B,则该产品A和产品B被同一用户购买的购买次数为40。
具体地,在该预定时间内,在同一用户购买一件产品之后,购买了其他产品,说明两个被购买的产品可能存在关联性。若两个产品同时被购买的次数越多,说明这两个产品之间的关联性越高。
S142:采用TF-IDF算法获取各个原始产品标识之间的关联度。
具体地,可以采用TF-IDF(词频逆文本概率指数,term frequency–inversedocument frequency)算法计算两个原始产品标识之间的关联度,例如,计算产品A和产品B之间的关联度时,采用以下公式计算两个原始产品标识之间的关联度:
关联度=TF*IDF
其中,TF是词频(Term Frequency),IDF是逆文本频率指数(Inverse DocumentFrequency),MA为在预定时间内产品A被购买的次数,MB为在预定时间内产品B被购买的次数,MA∩MB为在预定时间内产品A产品B被同一用户购买的次数,M为预定时间内总的交易数目。
在本实施例中,通过统计在预定时间内两个原始产品标识被同一用户购买的购买次数,并采用TF-IDF算法计算不同原始产品标识之间的关联度,能够合理地向用户推荐产品,丰富用户的购买选择。
在一实施例中,如图6所示,步骤S50中,即根据目标产品标识和行为信息生成共享产品推荐信息,具体包括如下步骤:
S51:若行为信息为浏览行为,则根据目标产品标识获取对应的相似产品。
在本发明实施例中,该浏览行为是用户从其中一个接口,对该接口的客户端展现的产品进行的浏览操作,其中,目标产品标识为用户从该接口选择某一产品作为目标产品,并对该目标产品进行浏览操作,对应的该目标产品的标识。
当检测到用户对其中一个目标产品进行浏览操作时,则获取与该目标产品标识对应的相似产品。具体地,获取和该目标产品标识相同的原始产品标识对应的相似产品。
S52:根据目标产品标识对应的相似产品生成共享产品推荐信息。
具体地,根据获取到的与该目标产品标识相对应的相似产品,生成共享产品推荐信息,反馈至客户端,用户在浏览该目标产品标识对应的产品的同时,还能够看到与该目标产品标识对应的产品相似的产品。
S53:若行为信息为购买行为,则根据目标产品标识获取对应的关联产品。
在本发明实施例中,该购买行为是用户从其中一个接口,对该接口的客户端展现的产品进行购买操作,其中,目标产品标识为用户从该接口选择某一产品作为目标产品,并对该目标产品进行购买操作,对应的该目标产品的标识。
当检测到用户对其中一个目标产品进行购买操作后,则获取该目标产品标识对应的关联产品。具体地,获取和该目标产品标识相同的原始产品标识对应的关联产品。
S54:根据目标产品标识对应的关联产品生成共享产品推荐信息。
具体地,根据获取到的与该目标产品标识相对应的关联产品,生成共享产品推荐信息,反馈至客户端,用户在购买该目标产品标识对应的产品的同时,还能够看到与该目标产品标识对应的产品相关联的产品。
在本实施例中,根据用户的行为信息生成的共享产品推荐信息,而不是直接将与目标产品标识相似和关联的产品同时推荐给用户,能够提高为用户推荐产品时的有效性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种产品推荐装置,该产品推荐装置与上述实施例中产品推荐方法一一对应。如图7所示,该产品推荐装置包括登录模块71、第一获取模块72、目标产品发送模块73、第二获取模块74和共享产品发送模块75。各功能模块详细说明如下:
登录模块71,用于获取用户的登录请求信息,登录请求信息包括用户标识;
第一获取模块72,用于根据用户标识获取用户历史行为数据;
目标产品发送模块73,用于根据用户历史行为数据,生成并发送目标产品推荐信息;
第二获取模块74,用于获取用户选择信息,用户选择信息包括目标产品标识和行为信息;
共享产品发送模块75,用于若目标产品标识属于共享平台产品,则根据目标产品标识和行为信息生成共享产品推荐信息。
优选地,该产品推荐装置还包括:
接口信息获取模块711,用于获取各个接口的产品信息,产品信息包括原始产品标识和产品操作记录;
相似度获取模块712,用于根据产品操作记录,获取原始产品标识之间的相似度;
相似度排列模块713,用于对于每一原始产品标识,将该原始产品标识对应的相似度排在前M位的原始产品标识对应的产品作为相似产品,其中,M为一正整数;
关联度获取模块714,用于,根据产品购买记录,获取原始产品标识之间的关联度,其中产品操作记录包括产品购买记录;
关联度排列模块715,用于对于每一原始产品标识,将该原始产品标识对应的关联度排在前N位的原始产品标识对应的产品作为关联产品,其中,N为一正整数。
优选地,该相似度获取模块712包括:
兴趣评分计算子模块7121,用于根据产品操作记录计算用户兴趣评分;
数量统计子模块7122,用于根据用户兴趣评分,获取每一原始产品标识的用户感兴趣数量。
相似度计算子模块7123,用于根据每一原始产品标识的用户感兴趣数量计算各个原始产品标识之间的相似度。
优选地,该关联度获取模块714包括:
购买次数统计子模块7141,用于根据产品购买记录,统计在预定时间内两个原始产品标识被同一用户购买的购买次数;
关联度计算子模块7142,用于采用TF-IDF算法获取各个原始产品标识之间的关联度。
优选地,该共享产品发送模块75包括:
第一判断子模块751,用于若行为信息为浏览行为,则根据目标产品标识获取对应的相似产品;
第一推荐子模块752,用于根据目标产品标识对应的相似产品生成共享产品推荐信息;
第二判断子模块753,用于若行为信息为购买行为,则根据目标产品标识获取对应的关联产品;
第二推荐子模块754,用于根据目标产品标识对应的关联产品生成共享产品推荐信息。
关于产品推荐装置的具体限定可以参见上文中对于产品推荐方法的限定,在此不再赘述。上述产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储产品信息和用户数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种产品推荐方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取用户的登录请求信息,登录请求信息包括用户标识;
根据用户标识获取用户历史行为数据;
根据用户历史行为数据,生成并发送目标产品推荐信息;
获取用户选择信息,用户选择信息包括目标产品标识和行为信息;
若目标产品标识属于共享平台产品,则根据目标产品标识和行为信息生成共享产品推荐信息。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取用户的登录请求信息,登录请求信息包括用户标识;
根据用户标识获取用户历史行为数据;
根据用户历史行为数据,生成并发送目标产品推荐信息;
获取用户选择信息,用户选择信息包括目标产品标识和行为信息;
若目标产品标识属于共享平台产品,则根据目标产品标识和行为信息生成共享产品推荐信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述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,均应包含在本发明的保护范围之内。
Claims (7)
1.一种产品推荐方法,其特征在于,包括:
获取用户的登录请求信息,所述登录请求信息包括用户标识;
根据所述用户标识获取用户历史行为数据;
根据所述用户历史行为数据,生成并发送目标产品推荐信息;
获取用户选择信息,所述用户选择信息包括目标产品标识和行为信息;
若所述目标产品标识属于共享平台产品,则根据所述目标产品标识和所述行为信息生成共享产品推荐信息;
所述根据所述目标产品标识和所述行为信息生成共享产品推荐信息,包括:
若所述行为信息为浏览行为,则根据所述目标产品标识获取对应的相似产品;
根据所述目标产品标识对应的相似产品生成共享产品推荐信息;
若所述行为信息为购买行为,则根据所述目标产品标识获取对应的关联产品;
根据所述目标产品标识对应的关联产品生成共享产品推荐信息;
在所述获取用户的登录请求信息的步骤之前,所述产品推荐方法还包括:
获取各个接口的产品信息,所述产品信息包括原始产品标识和产品操作记录,所述产品操作记录包括产品浏览记录;
根据所述产品浏览记录,获取所述原始产品标识之间的相似度;
对于每一原始产品标识,将该原始产品标识对应的相似度排在前M位的原始产品标识对应的产品作为相似产品,其中,M为一正整数;
所述产品操作记录包括产品购买记录,根据所述产品购买记录,获取所述原始产品标识之间的关联度;
对于每一原始产品标识,将该原始产品标识对应的关联度排在前N位的原始产品标识对应的产品作为关联产品,其中,N为一正整数。
2.如权利要求1所述的产品推荐方法,其特征在于,所述根据所述产品操作记录,获取所述原始产品标识之间的相似度,包括:
根据所述产品操作记录计算用户兴趣评分;
根据所述用户兴趣评分,获取每一所述原始产品标识的用户感兴趣数量;
根据每一所述原始产品标识的所述用户感兴趣数量计算各个所述原始产品标识之间的所述相似度。
3.如权利要求2所述的产品推荐方法,其特征在于,所述根据所述产品购买记录,获取所述原始产品标识之间的关联度,包括:
根据所述产品购买记录,统计在预定时间内两个所述原始产品标识被同一用户购买的购买次数;
采用TF-IDF算法获取各个所述原始产品标识之间的所述关联度。
4.一种产品推荐装置,其特征在于,包括:
登录模块,用于获取用户的登录请求信息,所述登录请求信息包括用户标识;
第一获取模块,用于根据所述用户标识获取用户历史行为数据;
目标产品发送模块,用于根据所述用户历史行为数据,生成并发送目标产品推荐信息;
第二获取模块,用于获取用户选择信息,所述用户选择信息包括目标产品标识和行为信息;
共享产品发送模块,用于若所述目标产品标识属于共享平台产品,则根据所述目标产品标识和所述行为信息生成共享产品推荐信息;
所述共享产品发送模块包括:
第一判断子模块,用于若所述行为信息为浏览行为,则根据所述目标产品标识获取对应的相似产品;
第一推荐子模块,用于根据所述目标产品标识对应的相似产品生成所述共享产品推荐信息;
第二判断子模块,用于若所述行为信息为购买行为,则根据所述目标产品标识获取对应的关联产品;
第二推荐子模块,用于根据所述目标产品标识对应的关联产品生成所述共享产品推荐信息;
所述装置还包括:
接口信息获取模块,用于获取各个接口的产品信息,所述产品信息包括原始产品标识和产品操作记录,所述产品操作记录包括产品浏览记录;
相似度获取模块,用于根据所述产品浏览记录,获取所述原始产品标识之间的相似度;
相似度排列模块,用于对于每一原始产品标识,将该原始产品标识对应的相似度排在前M位的原始产品标识对应的产品作为相似产品,其中,M为一正整数;
关联度获取模块,用于所述产品操作记录包括产品购买记录,根据所述产品购买记录,获取所述原始产品标识之间的关联度;
关联度排列模块,用于对于每一原始产品标识,将该原始产品标识对应的关联度排在前N位的原始产品标识对应的产品作为关联产品,其中,N为一正整数。
5.如权利要求4所述的产品推荐装置,其特征在于,所述相似度获取模块包括:
兴趣评分计算子模块,用于根据所述产品操作记录计算用户兴趣评分;
数量统计子模块,用于根据所述用户兴趣评分,获取每一所述原始产品标识的用户感兴趣数量;
相似度计算子模块,用于根据每一所述原始产品标识的所述用户感兴趣数量计算各个所述原始产品标识之间的所述相似度。
6.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述产品推荐方法的步骤。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述产品推荐方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573702.7A CN109034935B (zh) | 2018-06-06 | 2018-06-06 | 产品推荐方法、装置、计算机设备及存储介质 |
PCT/CN2018/092361 WO2019232822A1 (zh) | 2018-06-06 | 2018-06-22 | 产品推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573702.7A CN109034935B (zh) | 2018-06-06 | 2018-06-06 | 产品推荐方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109034935A CN109034935A (zh) | 2018-12-18 |
CN109034935B true CN109034935B (zh) | 2023-04-21 |
Family
ID=64612346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810573702.7A Active CN109034935B (zh) | 2018-06-06 | 2018-06-06 | 产品推荐方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109034935B (zh) |
WO (1) | WO2019232822A1 (zh) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415185B (zh) * | 2019-01-08 | 2024-05-28 | 腾讯科技(深圳)有限公司 | 业务处理方法、装置、终端及存储介质 |
CN109886772A (zh) * | 2019-01-16 | 2019-06-14 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN109934664A (zh) * | 2019-01-17 | 2019-06-25 | 深圳壹账通智能科技有限公司 | 基于鞋交易的智能推荐方法、装置、设备及存储介质 |
CN109785066A (zh) * | 2019-01-17 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 基于微表情的产品推荐方法、装置、设备及存储介质 |
CN109885676B (zh) * | 2019-02-26 | 2020-04-17 | 利辛县雨若信息科技有限公司 | 家用设备报告的生成方法、大数据系统和存储介质 |
CN110083634B (zh) * | 2019-03-19 | 2024-02-06 | 中国平安人寿保险股份有限公司 | 基于数据分析的订单处理方法、装置、设备及存储介质 |
CN110084677A (zh) * | 2019-04-25 | 2019-08-02 | 佛山市南鼎文化传播有限公司 | 一种控制既有物品进行流通的方法及物品流通管理平台 |
CN111949695A (zh) * | 2019-05-14 | 2020-11-17 | 保定市大为计算机软件开发有限公司 | 一种专利推荐方法和专利推荐装置 |
CN112150225A (zh) * | 2019-06-28 | 2020-12-29 | 北京沃东天骏信息技术有限公司 | 物品信息反馈方法、装置、设备及计算机可读存储介质 |
CN110598090B (zh) * | 2019-07-23 | 2023-04-11 | 平安科技(深圳)有限公司 | 兴趣标签的生成方法、装置、计算机设备和存储介质 |
CN110503483A (zh) * | 2019-08-23 | 2019-11-26 | 深圳市福尔科技有限公司 | 一种通过发送缺货列表进行店铺推广的方法 |
CN113076469B (zh) * | 2020-01-03 | 2024-06-14 | 阿里巴巴集团控股有限公司 | 模型构建方法、数据推荐方法及装置 |
CN111738754A (zh) * | 2020-06-01 | 2020-10-02 | 上海晶赞融宣科技有限公司 | 对象推荐方法及装置、存储介质、计算机设备 |
CN112288570B (zh) * | 2020-11-23 | 2024-07-23 | 中国农业银行股份有限公司 | 一种数据处理方法及装置 |
CN112598475A (zh) * | 2020-12-28 | 2021-04-02 | 深圳壹账通创配科技有限公司 | 配件推荐方法、系统、设备及存储介质 |
CN113744019A (zh) * | 2021-01-12 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种商品推荐方法、装置、设备及存储介质 |
CN113763110B (zh) * | 2021-02-08 | 2024-09-20 | 北京沃东天骏信息技术有限公司 | 一种物品推荐方法和装置 |
CN113158031B (zh) * | 2021-03-15 | 2024-04-23 | 北京水滴科技集团有限公司 | 用户资源信息的确定方法及装置、计算机存储介质、终端 |
CN113191840B (zh) * | 2021-04-25 | 2024-09-24 | 北京沃东天骏信息技术有限公司 | 物品信息显示方法、装置、电子设备和计算机可读介质 |
CN113139086B (zh) * | 2021-04-29 | 2024-09-20 | 北京沃东天骏信息技术有限公司 | 信息推荐方法和装置 |
CN113065932A (zh) * | 2021-05-06 | 2021-07-02 | 北京京东振世信息技术有限公司 | 一种物品推荐方法和装置 |
CN113139667B (zh) * | 2021-05-07 | 2024-02-20 | 深圳他米科技有限公司 | 基于人工智能的酒店房间推荐方法、装置、设备及存储介质 |
CN113393089A (zh) * | 2021-05-21 | 2021-09-14 | 中国建设银行股份有限公司 | 产品推荐程度的评价方法、装置、可读介质以及设备 |
CN113626693B (zh) * | 2021-07-30 | 2024-08-23 | 西藏峰梓恺实业有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
CN113946755A (zh) * | 2021-10-29 | 2022-01-18 | 平安科技(深圳)有限公司 | 基于关联规则的信息推送方法、装置、设备及存储介质 |
CN114219554B (zh) * | 2021-11-19 | 2024-05-28 | 建信金融科技有限责任公司 | 基于盲盒文化的产品分配方法、装置、电子设备 |
CN114547470A (zh) * | 2022-03-07 | 2022-05-27 | 北京腾云天下科技有限公司 | 数据处理方法及装置、电子设备和存储介质 |
CN114943573A (zh) * | 2022-03-30 | 2022-08-26 | 爱友智信息科技(苏州)有限公司 | 一种基于零售SaaS平台用户画像的构建方法、系统及存储介质 |
CN117788124B (zh) * | 2024-02-26 | 2024-05-14 | 山东街景智能制造科技股份有限公司 | 一种用于定制化产品的数据管理系统及方法 |
CN117892010B (zh) * | 2024-03-14 | 2024-05-24 | 江西省博库信息技术有限公司 | 一种基于大数据的科普知识精准推送方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102385601A (zh) * | 2010-09-03 | 2012-03-21 | 阿里巴巴集团控股有限公司 | 一种产品信息的推荐方法及系统 |
CN105554087A (zh) * | 2015-12-10 | 2016-05-04 | 小米科技有限责任公司 | 信息设置方法及装置 |
US9420319B1 (en) * | 2012-06-07 | 2016-08-16 | Audible, Inc. | Recommendation and purchase options for recommemded products based on associations between a user and consumed digital content |
WO2017090764A1 (ja) * | 2015-11-27 | 2017-06-01 | インフィニティー株式会社 | 商品/サービスの購入支援方法及びシステム並びにプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8606678B2 (en) * | 2008-10-15 | 2013-12-10 | Bank Of America Corporation | Interactive and collaborative financial customer experience application |
DK177371B1 (en) * | 2012-02-14 | 2013-02-25 | Martin Professional As | Animation and gobo forming means for illumination device |
CN103679494B (zh) * | 2012-09-17 | 2018-04-03 | 阿里巴巴集团控股有限公司 | 商品信息推荐方法及装置 |
CN105761122B (zh) * | 2016-04-29 | 2020-09-08 | 山东大学 | 一种融合制造商相似度的产品推荐方法及装置 |
-
2018
- 2018-06-06 CN CN201810573702.7A patent/CN109034935B/zh active Active
- 2018-06-22 WO PCT/CN2018/092361 patent/WO2019232822A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102385601A (zh) * | 2010-09-03 | 2012-03-21 | 阿里巴巴集团控股有限公司 | 一种产品信息的推荐方法及系统 |
US9420319B1 (en) * | 2012-06-07 | 2016-08-16 | Audible, Inc. | Recommendation and purchase options for recommemded products based on associations between a user and consumed digital content |
WO2017090764A1 (ja) * | 2015-11-27 | 2017-06-01 | インフィニティー株式会社 | 商品/サービスの購入支援方法及びシステム並びにプログラム |
CN105554087A (zh) * | 2015-12-10 | 2016-05-04 | 小米科技有限责任公司 | 信息设置方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109034935A (zh) | 2018-12-18 |
WO2019232822A1 (zh) | 2019-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034935B (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN108665329B (zh) | 一种基于用户浏览行为的商品推荐方法 | |
US9965522B2 (en) | Mobile application search ranking | |
JP5897019B2 (ja) | 候補製品のリンクリストを判定する方法および装置 | |
CN109360048A (zh) | 订单生成方法、系统、计算机设备和存储介质 | |
US9818131B2 (en) | Anonymous information management | |
US20130332385A1 (en) | Methods and systems for detecting and extracting product reviews | |
US20130166488A1 (en) | Personalized information pushing method and device | |
US11049166B2 (en) | Systems and methods for managing product recommendations and affiliate links | |
CN107784504B (zh) | 客户回访事件的生成方法及终端设备 | |
US20200090269A1 (en) | Data collection method and apparatus for risk evaluation, and electronic device | |
US10074032B2 (en) | Using images and image metadata to locate resources | |
US20160196579A1 (en) | Dynamic deep links based on user activity of a particular user | |
CN111768258A (zh) | 识别异常订单的方法、装置、电子设备和介质 | |
US20190228180A1 (en) | Apparatus, method, and system for providing informati0n and storage medium | |
US10491592B2 (en) | Cross device user identification | |
CN109325796B (zh) | 潜在用户筛选方法、装置、计算机设备及存储介质 | |
CN111062594A (zh) | 一种供应商运营能力的评估方法、装置和电子设备 | |
US10474688B2 (en) | System and method to recommend a bundle of items based on item/user tagging and co-install graph | |
US20190318386A1 (en) | Information processing method, program, information processing system, and information processing apparatus | |
JP6872853B2 (ja) | 検出装置、検出方法及び検出プログラム | |
CA3025839C (en) | Data interaction processing method, device and system | |
CN111798282A (zh) | 一种信息处理方法、终端及存储介质 | |
CN110832481A (zh) | 不具有用户的先前信息的在线用户验证 | |
JP6167029B2 (ja) | レコメンド情報生成装置およびレコメンド情報生成方法 |
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 |