CN109300003A - 企业推荐方法、装置、计算机设备和存储介质 - Google Patents
企业推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109300003A CN109300003A CN201811083214.4A CN201811083214A CN109300003A CN 109300003 A CN109300003 A CN 109300003A CN 201811083214 A CN201811083214 A CN 201811083214A CN 109300003 A CN109300003 A CN 109300003A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- label
- commercial goods
- goods labels
- purchaser
- 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.)
- Granted
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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
本申请涉及一种企业推荐方法、装置、计算机设备和存储介质。所述方法包括:从发票数据中提取销售方信息数据以及商品信息;根据销售方信息数据生成企业标签,并根据商品信息生成与企业标签相对应的企业商品标签;获取购买方的交易需求,从企业商品标签中确定与交易需求中的商品信息匹配的关联商品标签;将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方。采用本方法能够实现向购买方推荐可靠、准确的销售方企业,其中,销售方企业的信息、销售方企业销售的商品信息均是从发票数据中采集,保证销售方企业各类数据信息的准确性以及可靠性,提高企业推荐的准确度。
Description
技术领域
本申请涉及数据挖掘技术领域,特别是涉及一种企业推荐方法、装置、计算机设备和存储介质。
背景技术
传统的电子商务平台的商家推荐往往都是以购买方的历史购买行为数据为基础,即通过购买方的历史购买记录匹配供应商的销售产品,将匹配到的供应商推荐到购买方;但是当一个购买方有新的产品购买需求,传统的电子商务平台根据历史购买记录难以准确向购买方推荐适合的供应商;此外,购买方还通过查看其他企业的工商信息、投放的广告等方式搜寻相应的供应商,但是供应商的工商信息、广告等信息的准确度以及可靠性较低,购买方往往难以获取准确、可靠的供应商信息。
发明内容
基于此,有必要针对上述技术问题,提供一种能够为购买方准确推荐匹配的供应商企业的企业推荐方法、装置、计算机设备和存储介质。
一种企业推荐方法,所述方法包括:
从发票数据中提取销售方信息数据以及商品信息;
根据所述销售方信息数据生成企业标签,并根据所述商品信息生成与所述企业标签相对应的企业商品标签;
获取购买方的交易需求,从所述企业商品标签中确定与所述交易需求中的商品信息匹配的关联商品标签;
将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方。
在其中一个实施例中,所述根据所述商品信息生成与所述企业标签相对应的企业商品标签的步骤之后,包括:
从所述发票数据中获取各所述企业商品标签的销售量,并分别计算各所述企业标签对应的企业商品标签的销售量总和,获得各所述企业标签的总销售量;
分别计算各所述企业商品标签的销售量占对应的企业标签的总销售量的权重值;
根据各所述权重值分别生成各个企业商品标签的标签值;
所述将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方的步骤,包括:
从所述关联商品标签中筛选出标签值大于预设阈值的目标企业商品标签,并将所述目标企业商品标签对应的企业标签作为备选企业标签推荐至所述购买方。
在其中一个实施例中,所述企业标签包括企业税号以及企业地址;所述交易需求还包括所述购买方的企业税号;
所述将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方的步骤,包括:
根据所述购买方的企业税号查找对应的企业标签,并获取所述购买方的第一企业地址;
将与所述关联商品标签对应的企业标签作为备选企业标签,并从所述备选企业标签中获取第二企业地址;
计算所述第一企业地址与第二企业地址之间的距离值,将所述距离值小于预设距离阈值的备选企业标签推荐至所述购买方。
在其中一个实施例中,所述从所述企业商品标签中确定与所述交易需求中的商品信息匹配的关联商品标签的步骤,包括:
根据预设的关联规则获取任意两个企业商品标签间的置信度;
根据所述任意两个企业商品标签间的置信度获取所述交易需求中的商品信息关联到各所述企业商品标签的置信度;
若所述置信度大于预设最小置信度,则将所述企业商品标签确定为与买方交易需求中的商品信息匹配的关联商品标签。
在其中一个实施例中,所述将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方的步骤,包括:
将与所述关联商品标签对应的企业标签作为备选企业标签,获取各所述备选企业标签对应的企业商品标签为关联商品标签的数量;
根据所述数量的大小对所述备选企业标签进行排序,并将排序后的所述备选企业标签推荐至所述购买方。
在其中一个实施例中,所述根据预设的关联规则获取任意两个企业商品标签间的置信度的步骤之前,还包括:
根据各所述企业标签对应的企业商品标签生成标签项集,获得由各所述标签项集形成的样本集;
根据所述样本集计算在所述标签项集中的任意两个所述企业商品标签同时出现的支持度;
根据所述支持度计算所述任意两个企业商品标签间的置信度,得到预设的关联规则。
一种企业推荐装置,所述装置包括:
数据获取模块,用于从发票数据中提取销售方信息数据以及商品信息;
标签生成模块,用于根据所述销售方信息数据生成企业标签,并根据所述商品信息生成与所述企业标签相对应的企业商品标签;
标签匹配模块,用于获取购买方的交易需求,从所述企业商品标签中确定与所述交易需求中的商品信息匹配的关联商品标签;
企业推荐模块,用于将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方。
在其中一个实施例中,企业推荐装置还包括标签值获取模块;
所述标签值获取模块,用于从所述发票数据中获取各所述企业商品标签的销售量,并分别计算各所述企业标签对应的企业商品标签的销售量总和,获得各所述企业标签的总销售量;分别计算各所述企业商品标签的销售量占对应的企业标签的总销售量的权重值;根据各所述权重值分别生成各个企业商品标签的标签值;
所述企业推荐模块用于从所述关联商品标签中筛选出标签值大于预设阈值的目标企业商品标签,并将所述目标企业商品标签对应的企业标签作为备选企业标签推荐至所述购买方。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
从发票数据中提取销售方信息数据以及商品信息;
根据所述销售方信息数据生成企业标签,并根据所述商品信息生成与所述企业标签相对应的企业商品标签;
获取购买方的交易需求,从所述企业商品标签中确定与所述交易需求中的商品信息匹配的关联商品标签;
将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
从发票数据中提取销售方信息数据以及商品信息;
根据所述销售方信息数据生成企业标签,并根据所述商品信息生成与所述企业标签相对应的企业商品标签;
获取购买方的交易需求,从所述企业商品标签中确定与所述交易需求中的商品信息匹配的关联商品标签;
将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方。
上述企业推荐方法、装置、计算机设备和存储介质,通过发票数据中的销售方信息数据以及商品信息分别生成表征销售方企业的企业标签以及对应的企业商品标签,在获取到购买方的交易需求时,根据交易需求的商品信息匹配对应的企业商品标签,将企业商品标签对应的企业标签推荐给购买方企业,实现向购买方推荐可靠、准确的销售方企业,其中,销售方企业的信息、销售方企业销售的商品信息均是从发票数据中采集,保证销售方企业各类数据信息的准确性以及可靠性,提高企业推荐的准确度。
附图说明
图1为一个实施例中企业推荐方法的应用场景图;
图2为一个实施例中企业推荐方法的流程示意图;
图3为另一个实施例中企业推荐方法的流程示意图;
图4为又一个实施例中企业推荐方法的流程示意图;
图5为一个实施例中企业推荐装置的结构框图;
图6为另一个实施例中企业推荐装置的结构框图;
图7为又一个实施例中企业推荐装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的企业推荐方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。服务器104预先获取发票数据,利用发票数据建立表征企业的企业标签以及对应的企业商品标签,在购买方通过终端102将交易需求发送到服务器104后,服务器104根据交易需求中的商品信息匹配企业商品标签,将匹配到的企业商品标签所对应的企业标签返回至终端102,实现将企业标签对应的企业推荐给购买方,提高企业推荐的准确度。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104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。
在一个实施例中,如图2所示,提供了一种企业推荐方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S202,从发票数据中提取销售方信息数据以及商品信息。
具体的,服务器可以从税务局获取到企业的发票数据,发票数据记载着各种信息,包括但不限于开票商品信息、销售方信息、销货数据等;服务器从发票数据中提取出销售方信息数据以及商品信息,其中,销售方信息数据包括销售方的企业名称、企业税号、地址电话等信息,商品信息包括商品名称、商品种类、商品单价、商品数量等信息。
步骤S204,根据销售方信息数据生成企业标签,并根据商品信息生成与企业标签相对应的企业商品标签。
具体的,服务器根据销售方信息数据生成表征该销售方企业的企业标签,同时根据同一张发票数据中的商品信息生成该销售方企业销售商品的企业商品标签;由于一个销售方企业销售的商品往往是多种多样的,所以一个企业标签可以有多个相对应的企业商品标签,对于不同的销售方企业销售的商品种类可能是相同的,所以不同的企业标签可以有相同的企业商品标签。利用发票数据中的销售方信息数据以及商品信息生成不同标签,使得每一个销售方企业都具有对应的一个企业标签,每个企业标签根据对应企业销售的商品种类具有多个相对应企业商品标签,从而构建起与标签为单位的企业画像。
步骤S206,获取购买方的交易需求,从企业商品标签中确定与交易需求中的商品信息匹配的关联商品标签。
本步骤中,当购买方有新的商品购买意向,购买方可以通过终端向服务器发送交易需求,服务器接收到终端发送的交易需求后,将企业商品标签中的商品信息与交易需求中的商品信息进行匹配,若企业商品标签中的商品信息与交易需求中的商品信息匹配成功,则将该企业商品标签确定为关联商品标签;具体的,商品信息可以包括商品名称以及商品种类,企业商品标签中的商品信息与交易需求中的商品信息匹配成功可以是指商品信息中的商品名称一致,也可以是指商品信息中的商品种类一致。
步骤S208,将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方。
具体的,服务器在获得关联商品标签以后,将关联商品标签对应的企业标签发送至终端,使得购买方能够获取到企业标签中的销售方信息数据,实现将销售意向商品的企业推荐给购买方企业。
上述企业推荐方法中,利用发票数据中的销售方信息数据以及商品信息分别生成表征销售方企业的企业标签以及对应的企业商品标签,在获取到购买方的交易需求时,根据交易需求的商品信息匹配对应的企业商品标签,将企业商品标签对应的企业标签推荐给购买方企业,实现向购买方推荐可靠、准确的销售方企业,其中,销售方企业的信息、销售方企业销售的商品信息均是从发票数据中采集,保证销售方企业各类数据信息的准确性以及可靠性,提高企业推荐的准确度。
在一个实施例中,根据商品信息生成与企业标签相对应的企业商品标签的步骤之后,包括:从发票数据中获取各企业商品标签的销售量,并分别计算各企业标签对应的企业商品标签的销售量总和,获得各企业标签的总销售量;分别计算各企业商品标签的销售量占对应的企业标签的总销售量的权重值;根据各权重值分别生成各个企业商品标签的标签值;将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方的步骤,包括:从关联商品标签中筛选出标签值大于预设阈值的目标企业商品标签,并将目标企业商品标签对应的企业标签作为备选企业标签推荐至购买方。
本实施例中,服务器从发票数据中获取企业标签对应的每个企业商品标签的销售量,并将该企业标签对应的所有企业商品标签的销售量进行累加以获取企业标签的总销售量,进而计算每个企业商品标签的销售量占对应企业标签的销售量总和的权重值,并将该权重值作为企业商品标签的标签值。在服务器筛选出关联商品标签以后,服务器将标签值大于预设阈值的关联商品标签确定为目标企业商品标签,将目标企业商品标签对应的企业标签返回至终端,推荐给购买方。具体的,可以利用发票数据中的销售金额表示企业商品标签的销售量,也可以利用发票数据中的商品数量,即销售数量表示企业商品标签的销售量。
利用发票数据的数据内容获取某一商品在对应的企业中占的交易权重作为企业商品标签的标签值,在后续进行企业推荐时,将标签值较大的关联商品标签对应的企业标签推荐给购买方,实现将意向商品占企业交易权值更大的优质企业推荐给购买方,提高企业推荐的可靠性,为购买方经营决策提供更有效依据。
进一步的,随着发票数据的不断更新,可以根据更新的发票数据对企业标签、企业标签对应的企业商品标签以及企业商品标签的标签值进行更新。具体的,服务器从更新的发票数据提取销售方信息数据以及商品信息;若发现有新的销售方信息数据,服务器根据该销售方信息数据生成企业标签,并根据发票数据中的商品信息生成对应的企业商品标签;若销售方信息数据已建立对应的企业标签,而商品信息未有对应的企业商品标签,服务器根据该商品信息,生成与已建立的企业标签对应的企业商品标签;服务器还可以从更新的发票数据中获取企业商品标签的销售量,再次统计企业标签对应的每个企业商品标签的销售量以及企业标签的总销售量,以便更新每个企业商品标签的标签值。通过更新企业标签、企业标签对应的企业商品标签以及企业商品标签的标签值,以提高销售方企业各类数据信息的准确性以及可靠性,提高企业推荐的准确度。
在一个实施例中,企业标签包括企业税号以及企业地址;交易需求还包括购买方的企业税号;将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方的步骤,包括:根据购买方的企业税号查找对应的企业标签,并获取购买方的第一企业地址;将与关联商品标签对应的企业标签作为备选企业标签,并从备选企业标签中获取第二企业地址;计算第一企业地址与第二企业地址之间的距离值,将距离值小于预设距离阈值的备选企业标签推荐至购买方。
本实施例中,在服务器接收到购买方的交易需求后,获取交易需求中购买方企业的企业税号,并根据该企业税号在企业标签中查找出表征该购买方企业的企业标签,获取其中的购买方企业的企业地址;利用购买方企业的企业地址以及备选企业标签的企业地址,计算购买方企业与各个备选企业间的地理位置的距离值,实现将距离值较小的备选企业的企业标签推荐至购买方企业,提供更优质的企业给购买方,为购买方的经营决策提供更有效依据。
在一个实施例中,如图3所示,提供了一种企业推荐方法,企业推荐方法包括以下步骤:
步骤S302:从发票数据中提取销售方信息数据以及商品信息。
步骤S304:根据销售方信息数据生成企业标签,并根据商品信息生成与企业标签相对应的企业商品标签,其中,企业标签包括企业税号以及企业地址。
步骤S306:从发票数据中获取各企业商品标签的销售量,并分别计算各企业标签对应的企业商品标签的销售量总和,获得各企业标签的总销售量。
步骤S308:分别计算各企业商品标签的销售量占对应的企业标签的总销售量的权重值。
步骤S310:根据各权重值分别生成各个企业商品标签的标签值。
步骤S312:获取购买方的交易需求,从企业商品标签中确定与交易需求中的商品信息匹配的关联商品标签,其中,交易需求还包括购买方的企业税号。
步骤S314:从关联商品标签中筛选出标签值大于预设阈值的目标企业商品标签,并将目标企业商品标签对应的企业标签作为备选企业标签。
步骤S316:根据购买方的企业税号查找对应的企业标签,并获取购买方的第一企业地址。
步骤S318:从备选企业标签中获取第二企业地址,计算第一企业地址与第二企业地址之间的距离值。
步骤S320:将距离值小于预设距离阈值的备选企业标签推荐至购买方。
本实施例中,服务器利用发票数据中的销售方信息数据以及商品信息分别生成表征销售方企业的企业标签以及对应的企业商品标签,并利用发票数据的数据内容获取某一商品在对应的企业中占的交易权重作为企业商品标签的标签值;在获取到购买方的交易需求时,服务器根据交易需求的商品信息匹配的企业商品标签作为关联商品标签,再根据标签值从关联商品标签筛选出企业商品标签占企业交易权值较大的目标企业商品标签,将目标企业商品标签对应的企业标签确定为备选企业标签,然后根据购买方的企业地址以及备选企业标签的企业地址筛选出地理位置较近的企业标签,实现为购买方推荐优质企业。
在一个实施例中,从企业商品标签中确定与交易需求中的商品信息匹配的关联商品标签的步骤,包括:根据预设的关联规则获取任意两个企业商品标签间的置信度;根据任意两个企业商品标签间的置信度得到交易需求中的商品信息关联到各企业商品标签的置信度;若置信度大于预设最小置信度,则将企业商品标签确定为与买方交易需求中的商品信息匹配的关联商品标签。
本实施例中,服务器预先将不同企业商品标签的商品信息间的置信度存储为关联规则,其中,置信度指由一个企业商品标签中的商品信息关联到另一个企业商品标签中的商品信息的可信程度。服务器根据预设的关联规则获取任意两个企业商品标签中商品信息间的置信度,从而获取由交易需求中的商品信息关联到各个企业商品标签中商品信息的置信度,若交易需求中的商品信息与某个企业商品标签中商品信息的置信度大于最小置信度,则将该企业商品标签确定为与交易需求中的商品信息匹配的关联商品标签。
例如,交易需求中的商品信息为“日常用品”,而企业商品标签“日常用品”关联到企业商品标签“洗发水”的置信度为0.75,关联到企业商品标签“牙膏”为0.88,均大于预设的最小置信度0.5,则根据交易需求中“日常用品”的商品信息,确定企业商品标签“洗发水”以及企业商品标签“牙膏”为关联商品标签。通过预设的关联规则,在交易需求中的商品信息的范围较广的情况下,根据企业商品标签的商品信息间的置信度获取与交易需求中的商品信息匹配的关联商品标签,提高交易需求中的商品信息匹配企业商品标签的准确度,使购买方能够得到与交易需求匹配程度高的供应商企业。
在一个实施例中,将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方的步骤,包括:将与关联商品标签对应的企业标签作为备选企业标签,获取各备选企业标签对应的企业商品标签为关联商品标签的数量;根据数量的大小对备选企业标签进行排序,并将排序后的备选企业标签推荐至购买方。
本实施例中,当企业标签的多个企业商品标签为关联商品标签,即多个企业商品标签与交易需求的商品信息匹配,可以根据企业商品标签为关联商品标签的数量大小,对筛选出来的备选企业标签进行排序,生成备选企业标签列表,推荐给购买方。具体的,服务器获取与关联商品标签匹配的企业标签作为备选企业标签,获取各个备选企业标签对应的企业商品标签是关联商品标签的数量,并根据数量值的大小对备选企业标签进行排序,将排序后的备选企业标签返回至终端,使得购买方获的企业推荐列表。利用关联商品标签的数量对备选企业标签进行排序,可以得到最佳的备选企业标签排序结果以供购买方选择。
在一个实施例中,根据预设的关联规则获取任意两个企业商品标签间的置信度的步骤之前,还包括:根据各企业标签对应的企业商品标签生成标签项集,获得由各标签项集形成的样本集;根据样本集计算在标签项集中的任意两个企业商品标签同时出现的支持度;根据支持度计算任意两个企业商品标签间的置信度,得到预设的关联规则。
本实施例中,支持度是指在样本集中,一个标签项集同时出现任意两个企业商品标签的概率。一个企业标签对应的所有的企业商品标签生成一个标签项集,获取由所有企业标签对应标签项集形成的样本集,在样本集中,计算由任意两个企业商品标签形成的频繁项集的支持度以及企业商品标签在样本集中出现的概率,然后根据各个频繁项集的支持度以及该频繁项集中企业商品标签的概率分别计算各个频繁项集中两个企业商品标签间的置信度,服务器将任意两个企业商品标签间的置信度保存为关联规则。具体的,可以利用下述公式(1)计算频繁项集中两个企业商品标签间的置信度;
其中,confidence(a,b)表示企业商品标签a关联到企业商品标签b的置信度,confidence(b,a)表示企业商品标签b关联到企业商品标签a的置信度,support(a,b)表示企业商品标签a与企业商品标签b形成的频繁项集的支持度,support(a)表示企业商品标签a在样本集中出现的概率,support(b)表示企业商品标签b在样本集中出现的概率。
通过预设关联规则,在交易需求中的商品信息较为模糊的情况下,根据企业商品标签的商品信息间的置信度获取与交易需求中的商品信息匹配的关联商品标签,使交易需求中的商品信息提高推荐供应商的准确度。
在一个实施例中,如图4所示,提供了一种企业推荐方法,企业推荐方法包括以下步骤:
步骤S402:从发票数据中提取销售方信息数据以及商品信息。
步骤S404:根据销售方信息数据生成企业标签,并根据商品信息生成与企业标签相对应的企业商品标签。
步骤S406:获取购买方的交易需求,根据预设的关联规则获取任意两个企业商品标签间的置信度。
步骤S408:根据任意两个企业商品标签间的置信度得到交易需求中的商品信息关联到各企业商品标签的置信度。
步骤S410:若置信度大于预设最小置信度,则将企业商品标签确定为与买方交易需求中的商品信息匹配的关联商品标签。
步骤S412:将与关联商品标签对应的企业标签作为备选企业标签,获取各备选企业标签对应的企业商品标签为关联商品标签的数量。
步骤S414:根据数量的大小对备选企业标签进行排序,并将排序后的备选企业标签推荐至购买方。
本实施例中,服务器利用发票数据中的销售方信息数据以及商品信息分别生成表征销售方企业的企业标签以及对应的企业商品标签,并预先将不同企业商品标签的商品信息间的置信度存储为关联规则;在获取到购买方的交易需求时,服务器根据预设的关联规则获取由交易需求中的商品信息关联到各个企业商品标签中商品信息的置信度,若交易需求中的商品信息关联到某个企业商品标签中商品信息的置信度大于最小置信度的企业商品标签,确定该企业商品标签为关联商品标签,进而确定备选企业标签,并根据各个备选企业标签的关联商品标签的数量对备选企业标签进行排序,得到最佳的备选企业标签排序结果以供购买方选择。
应该理解的是,虽然图2至图4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2至图4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种企业推荐装置,包括:数据获取模块510、标签生成模块520、标签匹配模块530和企业推荐模块540,其中:
数据获取模块510,用于从发票数据中提取销售方信息数据以及商品信息;
标签生成模块520,用于根据销售方信息数据生成企业标签,并根据商品信息生成与企业标签相对应的企业商品标签;
标签匹配模块530,用于获取购买方的交易需求,从企业商品标签中确定与交易需求中的商品信息匹配的关联商品标签;
企业推荐模块540,用于将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方。
在一个实施例中,如图6所示,提供了一种企业推荐装置,企业推荐装置还包括标签值获取模块550;标签值获取模块550,用于从发票数据中获取各企业商品标签的销售量,并分别计算各企业标签对应的企业商品标签的销售量总和,获得各企业标签的总销售量;分别计算各企业商品标签的销售量占对应的企业标签的总销售量的权重值;根据各权重值分别生成各个企业商品标签的标签值;企业推荐模块540用于从关联商品标签中筛选出标签值大于预设阈值的目标企业商品标签,并将目标企业商品标签对应的企业标签作为备选企业标签推荐至购买方。
在一个实施例中,企业标签包括企业税号以及企业地址;交易需求还包括购买方的企业税号;企业推荐模块540用于根据购买方的企业税号查找对应的企业标签,并获取购买方的第一企业地址;将与关联商品标签对应的企业标签作为备选企业标签,并从备选企业标签中获取第二企业地址;计算第一企业地址与第二企业地址之间的距离值,将距离值小于预设距离阈值的备选企业标签推荐至购买方。
在一个实施例中,标签匹配模块530用于根据预设的关联规则获取任意两个企业商品标签间的置信度;根据任意两个企业商品标签间的置信度获取交易需求中的商品信息关联到各企业商品标签的置信度;若置信度大于预设最小置信度,则将企业商品标签确定为与买方交易需求中的商品信息匹配的关联商品标签。
在一个实施例中,企业推荐模块540用于将与关联商品标签对应的企业标签作为备选企业标签,获取各备选企业标签对应的企业商品标签为关联商品标签的数量;根据数量的大小对备选企业标签进行排序,并将排序后的备选企业标签推荐至购买方。
在一个实施例中,如图7所示,提供了一种企业推荐装置,企业推荐装置还包括关联规则获取模块560,用于根据各企业标签对应的企业商品标签生成标签项集,获得由各标签项集形成的样本集;根据样本集计算在标签项集中的任意两个企业商品标签同时出现的支持度;根据支持度计算任意两个企业商品标签间的置信度,得到预设的关联规则。
关于企业推荐装置的具体限定可以参见上文中对于企业推荐方法的限定,在此不再赘述。上述企业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发票数据以及关联规则。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企业推荐方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
从发票数据中提取销售方信息数据以及商品信息;
根据销售方信息数据生成企业标签,并根据商品信息生成与企业标签相对应的企业商品标签;
获取购买方的交易需求,从企业商品标签中确定与交易需求中的商品信息匹配的关联商品标签;
将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:从发票数据中获取各企业商品标签的销售量,并分别计算各企业标签对应的企业商品标签的销售量总和,获得各企业标签的总销售量;分别计算各企业商品标签的销售量占对应的企业标签的总销售量的权重值;根据各权重值分别生成各个企业商品标签的标签值;处理器执行计算机程序实现将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方的步骤时,可以包括:从关联商品标签中筛选出标签值大于预设阈值的目标企业商品标签,并将目标企业商品标签对应的企业标签作为备选企业标签推荐至购买方。
在一个实施例中,企业标签包括企业税号以及企业地址;交易需求还包括购买方的企业税号;处理器执行计算机程序实现将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方的步骤时,可以包括:根据购买方的企业税号查找对应的企业标签,并获取购买方的第一企业地址;将与关联商品标签对应的企业标签作为备选企业标签,并从备选企业标签中获取第二企业地址;计算第一企业地址与第二企业地址之间的距离值,将距离值小于预设距离阈值的备选企业标签推荐至购买方。
在一个实施例中,处理器执行计算机程序实现从企业商品标签中确定与交易需求中的商品信息匹配的关联商品标签的步骤时,可以包括:根据预设的关联规则获取任意两个企业商品标签间的置信度;根据任意两个企业商品标签间的置信度获取交易需求中的商品信息关联到各企业商品标签的置信度;若置信度大于预设最小置信度,则将企业商品标签确定为与买方交易需求中的商品信息匹配的关联商品标签。
在一个实施例中,处理器执行计算机程序实现将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方的步骤时,可以包括:将与关联商品标签对应的企业标签作为备选企业标签,获取各备选企业标签对应的企业商品标签为关联商品标签的数量;根据数量的大小对备选企业标签进行排序,并将排序后的备选企业标签推荐至购买方。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据各企业标签对应的企业商品标签生成标签项集,获得由各标签项集形成的样本集;根据样本集计算在标签项集中的任意两个企业商品标签同时出现的支持度;根据支持度计算任意两个企业商品标签间的置信度,得到预设的关联规则。
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:
从发票数据中提取销售方信息数据以及商品信息;
根据销售方信息数据生成企业标签,并根据商品信息生成与企业标签相对应的企业商品标签;
获取购买方的交易需求,从企业商品标签中确定与交易需求中的商品信息匹配的关联商品标签;
将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:从发票数据中获取各企业商品标签的销售量,并分别计算各企业标签对应的企业商品标签的销售量总和,获得各企业标签的总销售量;分别计算各企业商品标签的销售量占对应的企业标签的总销售量的权重值;根据各权重值分别生成各个企业商品标签的标签值;计算机程序被处理器执行实现将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方的步骤时,可以包括:从关联商品标签中筛选出标签值大于预设阈值的目标企业商品标签,并将目标企业商品标签对应的企业标签作为备选企业标签推荐至购买方。
在一个实施例中,企业标签包括企业税号以及企业地址;交易需求还包括购买方的企业税号;计算机程序被处理器执行实现将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方的步骤时,可以包括:根据购买方的企业税号查找对应的企业标签,并获取购买方的第一企业地址;将与关联商品标签对应的企业标签作为备选企业标签,并从备选企业标签中获取第二企业地址;计算第一企业地址与第二企业地址之间的距离值,将距离值小于预设距离阈值的备选企业标签推荐至购买方。
在一个实施例中,计算机程序被处理器执行实现从企业商品标签中确定与交易需求中的商品信息匹配的关联商品标签的步骤时,可以包括:根据预设的关联规则获取任意两个企业商品标签间的置信度;根据任意两个企业商品标签间的置信度获取交易需求中的商品信息关联到各企业商品标签的置信度;若置信度大于预设最小置信度,则将企业商品标签确定为与买方交易需求中的商品信息匹配的关联商品标签。
在一个实施例中,计算机程序被处理器执行实现将与关联商品标签对应的企业标签作为备选企业标签推荐至购买方的步骤时,可以包括:将与关联商品标签对应的企业标签作为备选企业标签,获取各备选企业标签对应的企业商品标签为关联商品标签的数量;根据数量的大小对备选企业标签进行排序,并将排序后的备选企业标签推荐至购买方。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据各企业标签对应的企业商品标签生成标签项集,获得由各标签项集形成的样本集;根据样本集计算在标签项集中的任意两个企业商品标签同时出现的支持度;根据支持度计算任意两个企业商品标签间的置信度,得到预设的关联规则。
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。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种企业推荐方法,所述方法包括:
从发票数据中提取销售方信息数据以及商品信息;
根据所述销售方信息数据生成企业标签,并根据所述商品信息生成与所述企业标签相对应的企业商品标签;
获取购买方的交易需求,从所述企业商品标签中确定与所述交易需求中的商品信息匹配的关联商品标签;
将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方。
2.根据权利要求1所述的方法,其特征在于,所述根据所述商品信息生成与所述企业标签相对应的企业商品标签的步骤之后,包括:
从所述发票数据中获取各所述企业商品标签的销售量,并分别计算各所述企业标签对应的企业商品标签的销售量总和,获得各所述企业标签的总销售量;
分别计算各所述企业商品标签的销售量占对应的企业标签的总销售量的权重值;
根据各所述权重值分别生成各个企业商品标签的标签值;
所述将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方的步骤,包括:
从所述关联商品标签中筛选出标签值大于预设阈值的目标企业商品标签,并将所述目标企业商品标签对应的企业标签作为备选企业标签推荐至所述购买方。
3.根据权利要求1所述的方法,其特征在于,所述企业标签包括企业税号以及企业地址;所述交易需求还包括所述购买方的企业税号;
所述将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方的步骤,包括:
根据所述购买方的企业税号查找对应的企业标签,并获取所述购买方的第一企业地址;
将与所述关联商品标签对应的企业标签作为备选企业标签,并从所述备选企业标签中获取第二企业地址;
计算所述第一企业地址与第二企业地址之间的距离值,将所述距离值小于预设距离阈值的备选企业标签推荐至所述购买方。
4.根据权利要求1所述的方法,其特征在于,所述从所述企业商品标签中确定与所述交易需求中的商品信息匹配的关联商品标签的步骤,包括:
根据预设的关联规则获取任意两个企业商品标签间的置信度;
根据所述任意两个企业商品标签间的置信度获取所述交易需求中的商品信息关联到各所述企业商品标签的置信度;
若所述置信度大于预设最小置信度,则将所述企业商品标签确定为与买方交易需求中的商品信息匹配的关联商品标签。
5.根据权利要求4所述的方法,其特征在于,所述将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方的步骤,包括:
将与所述关联商品标签对应的企业标签作为备选企业标签,获取各所述备选企业标签对应的企业商品标签为关联商品标签的数量;
根据所述数量的大小对所述备选企业标签进行排序,并将排序后的所述备选企业标签推荐至所述购买方。
6.根据权利要求4所述的方法,其特征在于,所述根据预设的关联规则获取任意两个企业商品标签间的置信度的步骤之前,还包括:
根据各所述企业标签对应的企业商品标签生成标签项集,获得由各所述标签项集形成的样本集;
根据所述样本集计算在所述标签项集中的任意两个所述企业商品标签同时出现的支持度;
根据所述支持度计算所述任意两个企业商品标签间的置信度,得到预设的关联规则。
7.一种企业推荐装置,其特征在于,所述装置包括:
数据获取模块,用于从发票数据中提取销售方信息数据以及商品信息;
标签生成模块,用于根据所述销售方信息数据生成企业标签,并根据所述商品信息生成与所述企业标签相对应的企业商品标签;
标签匹配模块,用于获取购买方的交易需求,从所述企业商品标签中确定与所述交易需求中的商品信息匹配的关联商品标签;
企业推荐模块,用于将与所述关联商品标签对应的企业标签作为备选企业标签推荐至所述购买方。
8.根据权利要求7所述的装置,其特征在于,还包括标签值获取模块;
所述标签值获取模块,用于从所述发票数据中获取各所述企业商品标签的销售量,并分别计算各所述企业标签对应的企业商品标签的销售量总和,获得各所述企业标签的总销售量;分别计算各所述企业商品标签的销售量占对应的企业标签的总销售量的权重值;根据各所述权重值分别生成各个企业商品标签的标签值;
所述企业推荐模块用于从所述关联商品标签中筛选出标签值大于预设阈值的目标企业商品标签,并将所述目标企业商品标签对应的企业标签作为备选企业标签推荐至所述购买方。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述企业推荐方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述企业推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811083214.4A CN109300003B (zh) | 2018-09-17 | 2018-09-17 | 企业推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811083214.4A CN109300003B (zh) | 2018-09-17 | 2018-09-17 | 企业推荐方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109300003A true CN109300003A (zh) | 2019-02-01 |
CN109300003B CN109300003B (zh) | 2023-06-02 |
Family
ID=65163239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811083214.4A Active CN109300003B (zh) | 2018-09-17 | 2018-09-17 | 企业推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109300003B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110458565A (zh) * | 2019-08-16 | 2019-11-15 | 弦子科技(北京)有限公司 | 一种商品数字凭证交易方法及装置 |
CN110490612A (zh) * | 2019-08-16 | 2019-11-22 | 弦子科技(北京)有限公司 | 一种商品数字凭证匹配方法及装置 |
CN110648043A (zh) * | 2019-07-26 | 2020-01-03 | 深圳壹账通智能科技有限公司 | 基于地址信息的分析方法、装置、电子设备及存储介质 |
CN111340365A (zh) * | 2020-02-26 | 2020-06-26 | 深圳壹账通智能科技有限公司 | 企业数据处理方法、装置、计算机设备和存储介质 |
CN112395501A (zh) * | 2020-11-17 | 2021-02-23 | 航天信息股份有限公司 | 企业推荐方法、装置、存储介质及电子设备 |
CN112435052A (zh) * | 2020-11-13 | 2021-03-02 | 北京创业光荣信息科技有限责任公司 | 一种关联企业的获取方法、电子设备、计算机可读存储介质及终端 |
CN112819541A (zh) * | 2021-02-08 | 2021-05-18 | 杭州唯赞数据科技有限公司 | 商品推荐方法、系统、计算机设备及存储介质 |
CN112927084A (zh) * | 2021-04-08 | 2021-06-08 | 浙江诺诺网络科技有限公司 | 一种交易企业推荐方法、装置、设备及介质 |
CN113762678A (zh) * | 2020-10-30 | 2021-12-07 | 北京京东振世信息技术有限公司 | 确定产品的优选制造商的方法、装置、设备和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060136345A1 (en) * | 2004-12-17 | 2006-06-22 | Netsuite, Inc. | Efficient schema supporting upsell features of a web-based business application |
CN103208073A (zh) * | 2012-01-17 | 2013-07-17 | 阿里巴巴集团控股有限公司 | 获得推荐商品信息及提供商品信息的方法、装置 |
CN105718457A (zh) * | 2014-12-01 | 2016-06-29 | 航天信息股份有限公司 | 基于电子票据的信息推送方法及系统 |
CN106383894A (zh) * | 2016-09-23 | 2017-02-08 | 深圳市由心网络科技有限公司 | 一种企业供需信息匹配方法和装置 |
CN108427695A (zh) * | 2017-08-04 | 2018-08-21 | 平安科技(深圳)有限公司 | 企业推荐方法及应用服务器 |
CN108446937A (zh) * | 2018-01-18 | 2018-08-24 | 大象慧云信息技术有限公司 | 基于协同过滤算法的发票购销方推荐方法及装置 |
-
2018
- 2018-09-17 CN CN201811083214.4A patent/CN109300003B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060136345A1 (en) * | 2004-12-17 | 2006-06-22 | Netsuite, Inc. | Efficient schema supporting upsell features of a web-based business application |
CN103208073A (zh) * | 2012-01-17 | 2013-07-17 | 阿里巴巴集团控股有限公司 | 获得推荐商品信息及提供商品信息的方法、装置 |
CN105718457A (zh) * | 2014-12-01 | 2016-06-29 | 航天信息股份有限公司 | 基于电子票据的信息推送方法及系统 |
CN106383894A (zh) * | 2016-09-23 | 2017-02-08 | 深圳市由心网络科技有限公司 | 一种企业供需信息匹配方法和装置 |
CN108427695A (zh) * | 2017-08-04 | 2018-08-21 | 平安科技(深圳)有限公司 | 企业推荐方法及应用服务器 |
CN108446937A (zh) * | 2018-01-18 | 2018-08-24 | 大象慧云信息技术有限公司 | 基于协同过滤算法的发票购销方推荐方法及装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110648043A (zh) * | 2019-07-26 | 2020-01-03 | 深圳壹账通智能科技有限公司 | 基于地址信息的分析方法、装置、电子设备及存储介质 |
CN110458565A (zh) * | 2019-08-16 | 2019-11-15 | 弦子科技(北京)有限公司 | 一种商品数字凭证交易方法及装置 |
CN110490612A (zh) * | 2019-08-16 | 2019-11-22 | 弦子科技(北京)有限公司 | 一种商品数字凭证匹配方法及装置 |
CN111340365A (zh) * | 2020-02-26 | 2020-06-26 | 深圳壹账通智能科技有限公司 | 企业数据处理方法、装置、计算机设备和存储介质 |
CN113762678A (zh) * | 2020-10-30 | 2021-12-07 | 北京京东振世信息技术有限公司 | 确定产品的优选制造商的方法、装置、设备和介质 |
CN112435052A (zh) * | 2020-11-13 | 2021-03-02 | 北京创业光荣信息科技有限责任公司 | 一种关联企业的获取方法、电子设备、计算机可读存储介质及终端 |
CN112435052B (zh) * | 2020-11-13 | 2023-11-28 | 海创汇科技创业发展股份有限公司 | 一种关联企业的获取方法、电子设备、计算机可读存储介质及终端 |
CN112395501A (zh) * | 2020-11-17 | 2021-02-23 | 航天信息股份有限公司 | 企业推荐方法、装置、存储介质及电子设备 |
CN112819541A (zh) * | 2021-02-08 | 2021-05-18 | 杭州唯赞数据科技有限公司 | 商品推荐方法、系统、计算机设备及存储介质 |
CN112927084A (zh) * | 2021-04-08 | 2021-06-08 | 浙江诺诺网络科技有限公司 | 一种交易企业推荐方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109300003B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109300003A (zh) | 企业推荐方法、装置、计算机设备和存储介质 | |
CN110135823B (zh) | 订单处理方法、装置、计算机设备及可读存储介质 | |
CN112837118B (zh) | 企业用户的商品推荐方法和装置 | |
CN106156880A (zh) | 一种预测库存分配比例的方法、装置及电子设备 | |
CN104615721B (zh) | 用于基于退货关联信息推荐商品的方法和系统 | |
CN113312527B (zh) | 采购数据处理方法、装置、计算机设备和存储介质 | |
CN110766520A (zh) | 多系统多店铺订单融合方法、装置、计算机设备和存储介质 | |
CN106600360B (zh) | 推荐对象的排序方法及装置 | |
CN111798293A (zh) | 一种云仓储订单处理方法、装置、计算机设备和存储介质 | |
US11538084B2 (en) | Method and medium for customer product recommendations | |
CN110276660A (zh) | 一种配货方法、装置及其系统 | |
CN110889748B (zh) | 店商平台产品推荐方法、装置、计算机设备以及存储介质 | |
KR101947413B1 (ko) | 유가 헤징 시스템 | |
KR101637986B1 (ko) | 최적 상품 제공 시스템 및 그 방법 | |
CN112085537A (zh) | 一种基于大数据分析商品的方法及系统 | |
CN112035624A (zh) | 文本推荐方法和装置及存储介质 | |
CN114708070B (zh) | 一种信息智能推送方法、装置、电子设备和存储介质 | |
XIE et al. | The Implication of E-Business Management in China Wholesale and Retail Industries. | |
CN112699168B (zh) | 基于互联网金融和大数据的业务推荐方法及系统 | |
CN111161026A (zh) | 基于电商平台的商品信息推送方法和装置 | |
US20140358635A1 (en) | Making product substitution recommendations | |
CN111639274B (zh) | 线上商品智能排序方法、装置、计算机设备和存储介质 | |
Qian et al. | Winner determination problem with loss-averse buyers in reverse auctions | |
CN114820113A (zh) | 基于区块链的电商平台推荐调整方法及系统 | |
CN114418663A (zh) | 商品信息处理方法、装置、计算机设备和存储介质 |
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 |