CN109064261A - 推荐商品的方法、装置和计算机可读存储介质 - Google Patents

推荐商品的方法、装置和计算机可读存储介质 Download PDF

Info

Publication number
CN109064261A
CN109064261A CN201810760313.5A CN201810760313A CN109064261A CN 109064261 A CN109064261 A CN 109064261A CN 201810760313 A CN201810760313 A CN 201810760313A CN 109064261 A CN109064261 A CN 109064261A
Authority
CN
China
Prior art keywords
commodity
user
time
recommendation
recommending
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
Application number
CN201810760313.5A
Other languages
English (en)
Inventor
朱翔宇
翟磊
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 Financial Technology Holding Co Ltd
Original Assignee
Beijing Jingdong Financial Technology Holding 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 Financial Technology Holding Co Ltd filed Critical Beijing Jingdong Financial Technology Holding Co Ltd
Priority to CN201810760313.5A priority Critical patent/CN109064261A/zh
Publication of CN109064261A publication Critical patent/CN109064261A/zh
Pending legal-status Critical Current

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

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)

Abstract

本公开提出一种推荐商品的方法、装置和计算机可读存储介质，涉及信息推荐领域。其中的方法包括：获取用户对商品具有重复购买行为的历史购买信息；根据历史购买信息确定用户对商品的重复购买的平均周期和最大周期以及最后一次购买的时间；根据最后一次购买的时间和重复购买的平均周期确定推荐开始的时间点；根据重复购买的平均周期和最大周期确定推荐持续的时间段；在推荐开始的时间点和推荐持续的时间段确定的推荐窗口内，向用户进行商品的相关推荐。本公开实现了一种适用于重复购买商品的业务场景的商品推荐方案，可以提高该业务场景下的推荐效果。

Description

推荐商品的方法、装置和计算机可读存储介质
技术领域
本公开涉及信息推荐领域，特别涉及一种推荐商品的方法、装置和计算机可读存储介质。
背景技术
通过数据挖掘技术向用户推荐商品，可以提高用户体验。商品推荐的相关技术例如包括：将用户购买过的商品的相似商品推荐给用户，或者，将相似用户购买过的商品推荐给用户。
发明内容
发明人发现，对于一些具体业务场景，例如重复购买商品的业务场景，通用的商品推荐方法没有针对性，推荐效果并不好。
鉴于此，本公开的一个目的是：提供一种适用于重复购买商品的业务场景的商品推荐方案，以提高该业务场景下的推荐效果。
本公开的一个方面提出一种推荐商品的方法，包括：
获取用户对商品具有重复购买行为的历史购买信息；
根据所述历史购买信息确定所述用户对所述商品的重复购买的平均周期和最大周期以及最后一次购买的时间；
根据所述最后一次购买的时间和所述重复购买的平均周期确定推荐开始的时间点；
根据所述重复购买的平均周期和最大周期确定推荐持续的时间段；
在所述推荐开始的时间点和所述推荐持续的时间段确定的推荐窗口内，向所述用户进行所述商品的相关推荐。
可选地，按照推荐程度向所述用户进行所述商品的相关推荐，
其中，所述推荐程度根据推荐窗口内的当前时间点距离推荐开始的时间点的时长的反比例信息确定，在推荐窗口内的所述当前时间点之前的时间点所述用户对所述商品未发生购买行为；
或者，所述推荐程度根据推荐窗口内的当前时间片与推荐开始的时间点之间的时间片数量的反比例信息确定，在推荐窗口内的所述当前时间片之前的时间片所述用户对所述商品未发生购买行为。
可选地，所述推荐持续的时间段为：所述重复购买的平均周期与最大周期之间的差值对应的时间段。
可选地，所述推荐开始的时间点为：所述最后一次购买的时间加上所述重复购买的平均周期得到的时间点。
可选地，该方法还包括：从所述历史购买信息中去除所述用户对所述商品的重复购买周期小于重复购买的最小周期的历史购买记录。
可选地，获取所述历史购买信息包括下述两个步骤中的至少一个步骤：
获取预设时间内用户对商品具有重复购买行为的历史购买信息，
获取用户对商品具有重复购买行为且所述用户对所述商品的重复购买次数满足预设数量的历史购买信息。
可选地，该方法还包括：在推荐窗口内，如果所述用户对所述商品发生购买行为，停止本次推荐。
可选地，所述相关推荐包括：向所述用户推荐所述商品，或者，与所述商品具有相同功能的其他商品。
根据本公开的再一个方面，提出一种推荐商品的装置，包括：
历史购买信息获取模块，用于获取用户对商品具有重复购买行为的历史购买信息；
购买信息确定模块，用于根据所述历史购买信息确定所述用户对所述商品的重复购买的平均周期和最大周期及最后一次购买的时间；
推荐信息确定模，用于根据所述最后一次购买的时间和所述重复购买的平均周期确定推荐开始的时间点；根据所述重复购买的平均周期和最大周期确定推荐持续的时间段；
推荐模块，用于在所述推荐开始的时间点和所述推荐持续的时间段确定的推荐窗口内，向所述用户进行所述商品的相关推荐。
可选地，所述推荐模块，用于在所述推荐开始的时间点和所述推荐持续的时间段确定的推荐窗口内，按照推荐程度向所述用户进行所述商品的相关推荐，
其中，所述推荐程度根据推荐窗口内的当前时间点距离推荐开始的时间点的时长的反比例信息确定，在推荐窗口内的所述当前时间点之前的时间点所述用户对所述商品未发生购买行为；
或者，所述推荐程度根据推荐窗口内的当前时间片与推荐开始的时间点之间的时间片数量的反比例信息确定，在推荐窗口内的所述当前时间片之前的时间片所述用户对所述商品未发生购买行为。
可选地，所述推荐持续的时间段为：所述重复购买的平均周期与最大周期之间的差值对应的时间段。
可选地，所述推荐开始的时间点为：所述最后一次购买的时间加上所述重复购买的平均周期得到的时间点；
可选地，该装置还包括：历史购买信息清洗模块，用于从所述历史购买信息中去除所述用户对所述商品的重复购买周期小于重复购买的最小周期的历史购买记录。
可选地，所述推荐模块，还用于在推荐窗口内，如果所述用户对所述商品发生购买行为，停止本次推荐。
可选地，所述推荐模块中的相关推荐的步骤包括：向所述用户推荐所述商品，或者，与所述商品具有相同功能的其他商品。
根据本公开的再一个方面，提出一种推荐商品的装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行任一项前述的推荐商品的方法。
根据本公开的再一个方面，提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项前述的推荐商品的步骤。
本公开实现了一种适用于重复购买商品的业务场景的商品推荐方案，可以提高该业务场景下的推荐效果。
附图说明
下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍。根据下面参照附图的详细描述，可以更加清楚地理解本公开，
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开的基于用户重复购买行为的推荐商品的方法的一些实施例的流程示意图。
图2为某个用户对某种商品的历史购买情况示意图。
图3为本公开针对某个用户i对商品m，n的推荐情况示意图。
图4和图5为本公开的基于用户重复购买行为的推荐商品的装置一些实施例的结构示意图。
图6为本公开的推荐商品的装置的一些实施例的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。
图1为本公开的基于用户重复购买行为的推荐商品的方法的一些实施例的流程示意图。
如图1所示，该实施例的方法包括：步骤110～150。
在步骤110，获取用户对商品具有重复购买行为的历史购买信息。
历史购买信息例如可以记录用户、商品、购买时间等信息。其中，同一用户对同一商品的购买信息记录到一条历史购买记录中，该历史购买记录中还包括该用户对该商品的多个购买时间。
图2为本公开某个用户i对某种商品m的历史购买情况示意图。如图2所示，该用户i对该商品m共有4次购买行为，这4次的购买时间分别为t1，t2，t3，t4。则相应的历史购买记录例如为(i，m，t1，t2，t3，t4)。
在一些实施例中，获取该历史购买信息包括下述两个步骤中的至少一个步骤：
步骤A：获取预设时间内(例如一年内)用户对商品具有重复购买行为的历史购买信息，从而获取在有效时限内的历史购买信息。
步骤B：获取用户对商品具有重复购买行为且该用户对该商品的重复购买次数满足预设数量的历史购买信息，从而确定重复购买次数对推荐的影响。
在一些实施例中，获取该历史购买信息之后，还可以从该历史购买信息中去除该用户对该商品的重复购买周期小于重复购买的最小周期的历史购买记录。从而去掉异常的历史购买记录，使得根据历史购买信息进行推荐更加可靠。
重复购买周期可以根据相邻两次购买的时间间隔确定。重复购买的最小周期可以根据经验预先设置，也可以根据历史购买数据确定，例如，统计某商品m的所有重复购买周期，从这些重复购买周期中选取最小的重复购买周期确定为重复购买的最小周期。
在步骤120，根据该历史购买信息确定该用户对该商品的重复购买的平均周期和最大周期以及最后一次购买的时间。
例如，将该用户i对该商品m的各个重复购买周期的平均值确定为该用户i对该商品m的重复购买的平均周期。
以图2为例，该用户i对该商品m的最后一次购买的时间为t4，该用户i对该商品m的重复购买的最大周期为：|t2-t1|，该用户i对该商品m的重复购买的平均周期Tim为：
在步骤130，根据该最后一次购买的时间和该重复购买的平均周期确定推荐开始的时间点。
该推荐开始的时间点为：该最后一次购买的时间加上该重复购买的平均周期得到的时间点。公式表示为：
RecAcTimeim＝LsTimeim+Tim，
其中，RecAcTimeim表示推荐开始的时间点，LsTimeim表示该用户i对该商品m的最后一次购买的时间，Tim表示该用户i对该商品m的重复购买的平均周期。
图2为例，该推荐开始的时间点为：t4+Tim。
在步骤140，根据该重复购买的平均周期和最大周期确定推荐持续的时间段。
该推荐持续的时间段为：该重复购买的平均周期与最大周期之间的差值对应的时间段。
推荐持续的时间段也即推荐窗口的大小，推荐窗口根据该推荐开始的时间点和该推荐持续的时间段确定。
以图2为例，该推荐持续的时间段为：||t2-t1|-Tim|。
在步骤150，在该推荐开始的时间点和该推荐持续的时间段确定的推荐窗口内，向该用户进行该商品的相关推荐。
在一些实施例中，按照推荐程度向该用户进行该商品的相关推荐。推荐程度随时间推移呈衰减趋势。即，从开始推荐，越长时间未发生该用户对该商品的购买行为，该商品的推荐程度越低。推荐程度越低意味着该商品在推荐窗口内的排序和优先级越低。
该推荐程度可以根据推荐窗口内的当前时间点距离推荐开始的时间点的时长的反比例信息确定，在推荐窗口内的该当前时间点之前的时间点该用户对该商品未发生购买行为。
该推荐程度还可以根据推荐窗口内的当前时间片与推荐开始的时间点之间的时间片数量的反比例信息确定，在推荐窗口内的该当前时间片之前的时间片该用户对该商品未发生购买行为。
每个时间片内的推荐程度是不变的。推荐程度的敏感性可以根据时间片的长度调节。通过调节时间片的长度使得推荐程度的敏感性在一个合适的范围。
图3为本公开针对某个用户i对商品m，n的推荐情况示意图。如图3所示，从时间点RecAcTimeim开始推荐，在推荐窗口RecWinSizeim内，向用户i进行商品m的相关推荐，设为<User,Item>＝<i,m>。从时间点RecAcTimein开始推荐，在推荐窗口RecWinSizein内，向用户i进行商品n的相关推荐，设为<User,Item>＝<i,n>。推荐窗口被划分为若干时间片TiSplit，每个时间片结束后，该商品的推荐程度降低。针对用户i对商品m在第j个时间片Tj的推荐程度为：
其中，α为推荐系数，可以设置，通常为大于0的值。
此外，在推荐窗口内，如果该用户对该商品发生购买行为，可以停止本次推荐。在推荐窗口外不进行相关推荐。
上述实施例实现了一种适用于重复购买商品的业务场景的商品推荐方案，可以提高该业务场景下的推荐效果。例如，相关推荐可以向该用户推荐该商品，从而提高该商品的重复购买率。相关推荐还可以向该用户推荐与该商品具有相同功能的其他商品，从而提高该用户的购买率。
图4和图5为本公开的基于用户重复购买行为的推荐商品的装置一些实施例的结构示意图。
如图4所示，该实施例的装置400包括：模块410～440。
历史购买信息获取模块410，用于获取用户对商品具有重复购买行为的历史购买信息。
购买信息确定模块420，用于根据该历史购买信息确定该用户对该商品的重复购买的平均周期和最大周期以及最后一次购买的时间。
推荐信息确定模430，用于根据该最后一次购买的时间和该重复购买的平均周期确定推荐开始的时间点；根据该重复购买的平均周期和最大周期确定推荐持续的时间段。
推荐模块440，用于在该推荐开始的时间点和该推荐持续的时间段确定的推荐窗口内，向该用户进行该商品的相关推荐。
在一些实施例中，推荐模块440，用于在该推荐开始的时间点和该推荐持续的时间段确定的推荐窗口内，按照推荐程度向该用户进行该商品的相关推荐。
在一些实施例中，该推荐程度根据推荐窗口内的当前时间点距离推荐开始的时间点的时长的反比例信息确定，在推荐窗口内的该当前时间点之前的时间点该用户对该商品未发生购买行为。
在一些实施例中，该推荐程度根据推荐窗口内的当前时间片与推荐开始的时间点之间的时间片数量的反比例信息确定，在推荐窗口内的该当前时间片之前的时间片该用户对该商品未发生购买行为。
在一些实施例中，该推荐持续的时间段为：该重复购买的平均周期与最大周期之间的差值对应的时间段。
在一些实施例中，该推荐开始的时间点为：该最后一次购买的时间加上该重复购买的平均周期得到的时间点。
在一些实施例中，该推荐模块440，还用于在推荐窗口内，如果该用户对该商品发生购买行为，停止本次推荐。
在一些实施例中，该推荐模块440中的相关推荐的步骤包括：向该用户推荐该商品，或者，与该商品具有相同功能的其他商品。
如图5所示，该实施例的装置500还包括：历史购买信息清洗模块550，用于从该历史购买信息中去除该用户对该商品的重复购买周期小于重复购买的最小周期的历史购买记录。
上述实施例实现了一种适用于重复购买商品的业务场景的商品推荐方案，可以提高该业务场景下的推荐效果。例如，相关推荐可以向该用户推荐该商品，从而提高该商品的重复购买率。相关推荐还可以向该用户推荐与该商品具有相同功能的其他商品，从而提高该用户的购买率。
图6为本公开的推荐商品的装置的一些实施例的结构示意图。
如图6所示，该实施例的装置600包括：存储器610以及耦接至该存储器610的处理器620，处理器620被配置为基于存储在存储器610中的指令，执行前述任意一些实施例中的推荐商品的方法。
其中，存储器610例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
装置600还可以包括输入输出接口630、网络接口640、存储接口650等。这些接口630，640，650以及存储器610和处理器620之间例如可以通过总线660连接。其中，输入输出接口630为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口640为各种联网设备提供连接接口。存储接口650为SD卡、U盘等外置存储设备提供连接接口。
本公开还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任意一些实施例中的推荐商品的方法的步骤。
本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (15)

1.一种推荐商品的方法，包括：
获取用户对商品具有重复购买行为的历史购买信息；
根据所述历史购买信息确定所述用户对所述商品的重复购买的平均周期和最大周期以及最后一次购买的时间；
根据所述最后一次购买的时间和所述重复购买的平均周期确定推荐开始的时间点；
根据所述重复购买的平均周期和最大周期确定推荐持续的时间段；
在所述推荐开始的时间点和所述推荐持续的时间段确定的推荐窗口内，向所述用户进行所述商品的相关推荐。
2.如权利要求1所述的方法，其中，按照推荐程度向所述用户进行所述商品的相关推荐，
其中，所述推荐程度根据推荐窗口内的当前时间点距离推荐开始的时间点的时长的反比例信息确定，在推荐窗口内的所述当前时间点之前的时间点所述用户对所述商品未发生购买行为；
或者，所述推荐程度根据推荐窗口内的当前时间片与推荐开始的时间点之间的时间片数量的反比例信息确定，在推荐窗口内的所述当前时间片之前的时间片所述用户对所述商品未发生购买行为。
3.如权利要求1所述的方法，其中，所述推荐持续的时间段为：所述重复购买的平均周期与最大周期之间的差值对应的时间段。
4.如权利要求1所述的方法，其中，所述推荐开始的时间点为：所述最后一次购买的时间加上所述重复购买的平均周期得到的时间点。
5.如权利要求1所述的方法，还包括：
从所述历史购买信息中去除所述用户对所述商品的重复购买周期小于重复购买的最小周期的历史购买记录。
6.如权利要求1所述的方法，其中，获取所述历史购买信息包括下述两个步骤中的至少一个步骤：
获取预设时间内用户对商品具有重复购买行为的历史购买信息，
获取用户对商品具有重复购买行为且所述用户对所述商品的重复购买次数满足预设数量的历史购买信息。
7.如权利要求1所述的方法，还包括：
在推荐窗口内，如果所述用户对所述商品发生购买行为，停止本次推荐。
8.如权利要求1所述的方法，其中，所述相关推荐包括：
向所述用户推荐所述商品，或者，与所述商品具有相同功能的其他商品。
9.一种推荐商品的装置，包括：
历史购买信息获取模块，用于获取用户对商品具有重复购买行为的历史购买信息；
购买信息确定模块，用于根据所述历史购买信息确定所述用户对所述商品的重复购买的平均周期和最大周期以及最后一次购买的时间；
推荐信息确定模，用于根据所述最后一次购买的时间和所述重复购买的平均周期确定推荐开始的时间点；根据所述重复购买的平均周期和最大周期确定推荐持续的时间段；
推荐模块，用于在所述推荐开始的时间点和所述推荐持续的时间段确定的推荐窗口内，向所述用户进行所述商品的相关推荐。
10.如权利要求9所述的装置，其中，所述推荐模块，用于在所述推荐开始的时间点和所述推荐持续的时间段确定的推荐窗口内，按照推荐程度向所述用户进行所述商品的相关推荐，
其中，所述推荐程度根据推荐窗口内的当前时间点距离推荐开始的时间点的时长的反比例信息确定，在推荐窗口内的所述当前时间点之前的时间点所述用户对所述商品未发生购买行为；
或者，所述推荐程度根据推荐窗口内的当前时间片与推荐开始的时间点之间的时间片数量的反比例信息确定，在推荐窗口内的所述当前时间片之前的时间片所述用户对所述商品未发生购买行为。
11.如权利要求9所述的装置，其中，
所述推荐持续的时间段为：所述重复购买的平均周期与最大周期之间的差值对应的时间段；
或者，所述推荐开始的时间点为：所述最后一次购买的时间加上所述重复购买的平均周期得到的时间点。
12.如权利要求9所述的装置，还包括：
历史购买信息清洗模块，用于从所述历史购买信息中去除所述用户对所述商品的重复购买周期小于重复购买的最小周期的历史购买记录。
13.如权利要求9所述的装置，其中，
所述推荐模块，还用于在推荐窗口内，如果所述用户对所述商品发生购买行为，停止本次推荐；
或者，
所述推荐模块中的相关推荐的步骤包括：向所述用户推荐所述商品，或者，与所述商品具有相同功能的其他商品。
14.一种推荐商品的装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行如权利要求1-8中任一项所述的推荐商品的方法。
15.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-8中任一项所述的推荐商品的步骤。
CN201810760313.5A 2018-07-12 2018-07-12 推荐商品的方法、装置和计算机可读存储介质 Pending CN109064261A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810760313.5A CN109064261A (zh) 2018-07-12 2018-07-12 推荐商品的方法、装置和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810760313.5A CN109064261A (zh) 2018-07-12 2018-07-12 推荐商品的方法、装置和计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN109064261A true CN109064261A (zh) 2018-12-21

Family

ID=64816001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810760313.5A Pending CN109064261A (zh) 2018-07-12 2018-07-12 推荐商品的方法、装置和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109064261A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110458643A (zh) * 2019-05-15 2019-11-15 北京邮电大学 基于特征融合的重复性商品信息推荐方法及电子设备
CN110570233A (zh) * 2019-08-16 2019-12-13 苏宁云计算有限公司 用于电商平台的用户回购时间预测方法及装置
CN110796520A (zh) * 2019-10-29 2020-02-14 中国工商银行股份有限公司 商品推荐的方法、装置、计算设备以及介质
CN111178963A (zh) * 2019-12-27 2020-05-19 深圳市云积分科技有限公司 一种会员生命周期管理方法和装置
CN111383049A (zh) * 2020-02-21 2020-07-07 中国平安财产保险股份有限公司 产品推荐方法、装置及存储介质
CN111582963A (zh) * 2019-02-18 2020-08-25 北京京东尚科信息技术有限公司 信息处理方法、装置和系统
CN111667290A (zh) * 2019-03-08 2020-09-15 北京京东尚科信息技术有限公司 业务展示方法和装置、计算机可读存储介质
CN112581236A (zh) * 2020-12-28 2021-03-30 北京滴普科技有限公司 一种商品的智能推荐方法、系统及其可读存储介质
CN113301094A (zh) * 2020-09-10 2021-08-24 阿里巴巴集团控股有限公司 一种信息推送方法及装置
CN113379511A (zh) * 2021-07-02 2021-09-10 北京沃东天骏信息技术有限公司 用于输出信息的方法和装置
CN113469763A (zh) * 2020-03-30 2021-10-01 阿里巴巴集团控股有限公司 信息推荐方法、装置及电子设备
CN113516531A (zh) * 2021-05-20 2021-10-19 广东金材宝五金建材有限公司 一种基于互联网的五金建材交易系统
CN113763076A (zh) * 2020-07-21 2021-12-07 北京沃东天骏信息技术有限公司 数据过滤方法和装置
US20220159458A1 (en) * 2019-07-31 2022-05-19 Huawei Technologies Co., Ltd. Method for authenticating access network device, and related device

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578022A (zh) * 2012-07-19 2014-02-12 纽海信息技术（上海）有限公司 自动化网购装置及方法
KR20140056731A (ko) * 2012-10-31 2014-05-12 에스케이플래닛 주식회사 구매추천 시스템 및 방법
CN104599160A (zh) * 2015-02-06 2015-05-06 腾讯科技（深圳）有限公司 商品推荐方法和装置
CN108009897A (zh) * 2017-12-25 2018-05-08 北京中关村科金技术有限公司 一种商品的实时推荐方法、系统及可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578022A (zh) * 2012-07-19 2014-02-12 纽海信息技术（上海）有限公司 自动化网购装置及方法
KR20140056731A (ko) * 2012-10-31 2014-05-12 에스케이플래닛 주식회사 구매추천 시스템 및 방법
CN104599160A (zh) * 2015-02-06 2015-05-06 腾讯科技（深圳）有限公司 商品推荐方法和装置
CN108009897A (zh) * 2017-12-25 2018-05-08 北京中关村科金技术有限公司 一种商品的实时推荐方法、系统及可读存储介质

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582963A (zh) * 2019-02-18 2020-08-25 北京京东尚科信息技术有限公司 信息处理方法、装置和系统
CN111667290A (zh) * 2019-03-08 2020-09-15 北京京东尚科信息技术有限公司 业务展示方法和装置、计算机可读存储介质
CN110458643A (zh) * 2019-05-15 2019-11-15 北京邮电大学 基于特征融合的重复性商品信息推荐方法及电子设备
CN110458643B (zh) * 2019-05-15 2022-07-01 北京邮电大学 基于特征融合的重复性商品信息推荐方法及电子设备
US20220159458A1 (en) * 2019-07-31 2022-05-19 Huawei Technologies Co., Ltd. Method for authenticating access network device, and related device
CN110570233A (zh) * 2019-08-16 2019-12-13 苏宁云计算有限公司 用于电商平台的用户回购时间预测方法及装置
CN110796520A (zh) * 2019-10-29 2020-02-14 中国工商银行股份有限公司 商品推荐的方法、装置、计算设备以及介质
CN111178963A (zh) * 2019-12-27 2020-05-19 深圳市云积分科技有限公司 一种会员生命周期管理方法和装置
CN111383049A (zh) * 2020-02-21 2020-07-07 中国平安财产保险股份有限公司 产品推荐方法、装置及存储介质
CN113469763A (zh) * 2020-03-30 2021-10-01 阿里巴巴集团控股有限公司 信息推荐方法、装置及电子设备
CN113763076A (zh) * 2020-07-21 2021-12-07 北京沃东天骏信息技术有限公司 数据过滤方法和装置
CN113301094A (zh) * 2020-09-10 2021-08-24 阿里巴巴集团控股有限公司 一种信息推送方法及装置
CN112581236A (zh) * 2020-12-28 2021-03-30 北京滴普科技有限公司 一种商品的智能推荐方法、系统及其可读存储介质
CN113516531A (zh) * 2021-05-20 2021-10-19 广东金材宝五金建材有限公司 一种基于互联网的五金建材交易系统
CN113379511A (zh) * 2021-07-02 2021-09-10 北京沃东天骏信息技术有限公司 用于输出信息的方法和装置

Similar Documents

Publication Publication Date Title
CN109064261A (zh) 推荐商品的方法、装置和计算机可读存储介质
CN103440335B (zh) 视频推荐方法及装置
Asparouhov et al. Variable-specific entropy contribution
CN104933618B (zh) 核心银行系统批量作业运行数据的监控方法及装置
US9418046B2 (en) Price-and-branch algorithm for mixed integer linear programming
US20130218625A1 (en) Utilizing historic projects to estimate a new project schedule based on user provided high level parameters
WO2015196005A1 (en) Manage recurring event on calendar with timeline
KR20140056731A (ko) 구매추천 시스템 및 방법
Gerstl et al. Single machine just‐in‐time scheduling problems with two competing agents
CN104424361B (zh) 自动定义热存储和大工作负载
KR102097045B1 (ko) 사용자의 특성을 반영하여 상품을 추천하는 방법 및 장치
Aktürk et al. Parallel machine match-up scheduling with manufacturing cost considerations
WO2013134309A1 (en) Apparatus, method, and system for conducting a transaction
US20140143023A1 (en) Aligning analytical metrics with strategic objectives
CN110020135B (zh) 一种需求确定方法、资源推荐方法和相关装置
US9710264B2 (en) Screen oriented data flow analysis
JP2021071836A (ja) 情報提示サーバ及び情報提示方法
CN110321475A (zh) 数据列表的排序方法、装置、设备及存储介质
CN111506724B (zh) 一种规范用语推荐方法及装置
CN111190938B (zh) 数据分析方法、装置、存储介质及处理器
CN114004626A (zh) 专利的货币价值评估方法，系统和应用程序
US9449286B2 (en) Machine learning apparatus and method with time-point information indicating the time point in a unit period
Zerafat Angiz et al. Ranking alternatives in a preferential voting system using fuzzy concepts and data envelopment analysis
CN113127724A (zh) 一种清洁机器人功能的推荐方法、系统及装置
Dadashov et al. Putting analytics on the spot: or how to lower the cost for analytics

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Beijing Daxing District, Beijing

Applicant after: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

Address before: Room 221, 2nd floor, Block C, 18 Kechuang 11th Street, Beijing Daxing District, Beijing

Applicant before: BEIJING JINGDONG FINANCIAL TECHNOLOGY HOLDING Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: Jingdong Digital Technology Holding Co.,Ltd.

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Digital Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181221