CN110111170A - 候选商家匹配方法、装置、电子设备及可读存储介质 - Google Patents
候选商家匹配方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN110111170A CN110111170A CN201910245765.4A CN201910245765A CN110111170A CN 110111170 A CN110111170 A CN 110111170A CN 201910245765 A CN201910245765 A CN 201910245765A CN 110111170 A CN110111170 A CN 110111170A
- Authority
- CN
- China
- Prior art keywords
- candidate
- vegetable
- businessman
- region
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008569 process Effects 0.000 title claims abstract description 26
- 235000013311 vegetables Nutrition 0.000 claims abstract description 277
- 239000013598 vector Substances 0.000 claims description 30
- 230000007306 turnover Effects 0.000 claims description 29
- 238000013507 mapping Methods 0.000 claims description 26
- 239000000284 extract Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000012216 screening Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 235000015842 Hesperis Nutrition 0.000 description 1
- 235000012633 Iberis amara Nutrition 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009394 selective breeding Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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]
- G06Q30/0605—Supply or demand aggregation
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
本公开的实施例提供了一种候选商家匹配方法、装置、电子设备及可读存储介质,所述方法包括:获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域;在所述候选区域中获取与所述菜品属性信息相似的候选菜品;将所述候选菜品对应的商家确定为候选商家;获取所述候选商家的经营信息;根据所述经营信息向所述目标商家推送所述候选商家。能够为目标商家准确找到相似商业区域中供参考的标杆商家,以获取标杆商家的经营方法。
Description
技术领域
本公开的实施例涉及信息处理技术领域,尤其涉及一种候选商家匹配方法、装置、电子设备及可读存储介质。
背景技术
在信息处理技术领域中,在商家运营变的越来越重要的情况下,通过互联网平台获取同类型优秀商家的运营建议是一件很有价值的事情。其中,为目标商家寻找一个或多个可以类比对照的商家,这些商家与目标商家经营属性相似,但是交易上却表现的更优秀。这类作为参考对象的优秀商家对于目标商家健康状况的诊断和运营很有价值。
现有技术中,主要通过运营人员凭借对自己负责商家的了解,人工的选择参考对象商家进行对比,效率低下且找到准确参考对象的概率较低。
发明内容
本公开的实施例提供一种候选商家匹配方法、装置、电子设备及可读存储介质,用以确定目标商家的参考对象。
根据本公开的实施例的第一方面,提供了一种候选商家匹配方法,所述方法包括:
获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;
根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域;
在所述候选区域中获取与所述菜品属性信息相似的候选菜品;
将所述候选菜品对应的商家确定为候选商家;
获取所述候选商家的经营信息;
根据所述经营信息向所述目标商家推送所述候选商家。
根据本公开的实施例的第二方面,提供了一种候选商家匹配装置,所述装置包括:
区域信息获取模块,用于获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;
候选区域确定模块,用于根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域;
候选菜品获取模块,用于在所述候选区域中获取与所述菜品属性信息相似的候选菜品;
候选商家确定模块,用于将所述候选菜品对应的商家确定为候选商家;
经营信息获取模块,用于获取所述候选商家的经营信息;
候选商家推送模块,用于根据所述经营信息向所述目标商家推送所述候选商家。
根据本公开的实施例的第三方面,提供了一种电子设备,包括:
处理器、存储器以及存储在所述存储器上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程序时实现前述候选商家匹配方法。
根据本公开的实施例的第四方面,提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述候选商家匹配方法。
本公开的实施例提供了一种候选商家匹配方法、装置、电子设备及可读存储介质,所述方法包括:获取所述目标商家的第一属性信息;根据所述第一属性信息,确定与所述目标商家匹配的候选商家;根据所述候选商家与所述目标商家之间的相似度,对所述候选商家的进行权重标记,得到所述候选商家的权重分值;根据所述权重分值,对所述候选商家进行排序;选取所述排序结果中前预设位数的所述候选商家,确定为所述目标商家的参考对象。能够为目标商家准确找到供参考的标杆商家。
附图说明
为了更清楚地说明本公开的实施例的技术方案,下面将对本公开的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公开的实施例的一些实施例,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示出了在本公开的一个实施例中的候选商家匹配方法的步骤流程图;
图2示出了在本公开的另一个实施例中的候选商家匹配方法的步骤流程图;
图2A示出了在本公开的实施例中的属性信息处理示意图;
图2B示出了在本公开的实施例中的属性信息处理流程图;
图3示出了在本公开的一个实施例中的候选商家匹配装置的结构图;
图4示出了在本公开的另一个实施例中的候选商家匹配装置的结构图;
图5示出了本公开的一个实施例提供的电子设备的结构图。
具体实施方式
下面将结合本公开的实施例中的附图,对本公开的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公开的实施例一部分实施例,而不是全部的实施例。基于本公开的实施例中的实施例,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,都属于本公开的实施例保护的范围。
实施例一
参照图1,其示出了在本公开的一个实施例中的候选商家匹配方法的步骤流程图,包括:
步骤101,获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;
本公开实施例中,在百万量级的商家中,为一目标商家进行诊断,选择一参考对象,以给予该目标商家个性化运营建议,是一件很有价值的事情。
其中,为了进行目标商家的自行诊断,首先要获取目标商家详细信息,具体可以包括商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息等其中的一种或多种,通过上述信息可以进一步获知和目标商家匹配的商圈信息。
可以理解地,为了获取目标商家所在区域相似的候选区域,获取的目标商家的信息不限于上述描述的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息,本公开实施例对此不加以限制。
步骤102,根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域;
本公开实施例中,根据上述获取的目标商家的区域范围,在预设的商圈数据库中查找相同范围的商业区域,并根据该商业区域的菜品订单流量和区域定义信息与目标商家所在的商业区域的相似度,筛选上述商业区域,最终得到与目标商家所在商业区域最接近的商业区域为候选区域。
其中,以目标商家为餐馆为例,首先,选取该目标商家的菜品列表,区域范围、区域菜品订单流量和区域定义信息等基础属性等作为计算因子。其次,基于文本相似性算法和余弦相似度将菜品列表转化为商家之间的菜品相似,找到类似商家作为候选商家。
步骤103,在所述候选区域中获取与所述菜品属性信息相似的候选菜品;
本公开实施例中,以目标商家为餐馆为例,那么目标商家的商品信息为菜品,所以,获取目标商家的菜品属性信息。
同样地,在候选区域中获取与上述菜品属性信息的相似的菜品,作为候选菜品。
可以理解地,候选菜品不是一个单位商品,可能具备的菜品名称不同,但是配方和口味相似,也可以作为相同属性的候选菜品。
除此之外,候选菜品不是一个菜品,而可以包含预设数目个菜品,例如一家川菜馆中的川菜系菜品可能是10个,与这10个菜品都具备相似属性的菜品,作为候选菜品。
当然,对于候选菜品的判定方法不限于上述描述,本公开实施例对此不加以限制。
步骤104,将所述候选菜品对应的商家确定为候选商家;
本公开实施例中,在确定候选菜品后,将售卖候选菜品的商家确定为候选商家。
当然,通过上述描述可知,候选商家不是一个商家,是所有包含候选菜品的商家的集合,在上述确定候选菜品后,有些商家可能包含其中一个或多个候选菜品,有些商家可能包含大部分候选菜品,则覆盖候选菜品的范围越大的候选商家,可以为其设置更高的候选权重值,并可以根据权重值对候选商家进行排序,将排序反馈给目标商家,以供参考。
可以理解地,为了目标商家获取更好的参考对象,上述候选商家排序方法不限于对候选菜品的涵盖度,还可以包括菜品的经营效益,将效益更高的设置更高的权重值,或者结合候选菜品涵盖度以及候选菜品的经营效益,给出综合权重值,使得目标商家获取更具参考价值的候选商家。
具体地,在得到各候选商家的权重分值后,按照权重分值的大小对各候选商家进行排序。权重值高者排序靠前,反之,靠后。
步骤105,获取所述候选商家的经营信息;
本公开实施例中,在生成候选商家排序列表后,进一步获取候选商家的经营信息,例如经营时间,经营方式等数据。
步骤106,根据所述经营信息向所述目标商家推送所述候选商家。
本公开实施例中,将上述得到的候选商家列表结合候选商家的经营信息推送至目标商家。
具体地,在排序结果中可以只选取其中的前N名,作为标杆商家,为目标商家提供运营建议。
综上所述,本公开的实施例提供了一种候选商家匹配方法,所述方法包括:获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域;在所述候选区域中获取与所述菜品属性信息相似的候选菜品;将所述候选菜品对应的商家确定为候选商家;获取所述候选商家的经营信息;根据所述经营信息向所述目标商家推送所述候选商家。能够实现为目标商家准确找到供参考的标杆商家的目的。
实施例二
参照图2,其示出了在本公开的另一个实施例中的候选商家匹配方法的步骤流程图,具体如下。
步骤201,获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;
此步骤与步骤101相同,在此不再详述。
步骤202,提取所述区域定义信息中的定义关键词;
具体地,根据目标商家的区域定义信息,获取区域定义关键词,例如住宅区、商业区、办公区、教育区、科技区等等。
步骤203,在预设商圈地图数据库中提取包含所述定义关键词的第一区域;
具体地,在预设商圈地图数据库中存储有全国各地的商家以及所在区域,所以在商圈地图数据库中可以根据区域定义提取对应的第一区域。
例如,目标商家所在区域为办公区,那么在商圈地图数据库中提取全国办公区所在的第一区域地图信息。
步骤204,提取所述第一区域中的历史菜品订单流量;
具体地,在获取的第一区域中提取菜品类型的订单流量。
当然,上述目标商家以餐馆为例,所有销售商品以菜品为主,获取菜品的订单流量与目标商家进行匹配。所以,在目标商家不为餐馆的时候,商品不限于菜品,本公开实施例对此不加以限制。
步骤205,计算所述目标商家的所述菜品订单流量与所述历史菜品订单流量之间的第一余弦相似度;
具体地,传统计算商圈的做法是基于商圈来算,面临的问题是商圈数据可能不准确,商圈数据覆盖不够,本实施例中把地理位置相似,转化为潜在流量相似。潜在流量的计算方式是,计算每个POI周边范围(比如3.5km)内当前品类下的流量(订单量或交易额)。
具体地,基于位置空间算法(geohash)算法,进行潜在流量计算,得到第一位置空间订单流量值。通过潜在流量相似,来衡量商业地理位置相似。
根据上述描述的基于位置空间算法(geohash)算法,进行潜在流量计算,得到第二位置空间订单流量值。
进一步地,对流量局部敏感哈希值和相似局部敏感哈希值之间的余弦相似度,作为第一余弦相似度。
步骤206,所述第一余弦相似度达到第一预设相似度阈值时,确定对应的第一区域为第二区域;
具体地,在上述第一余弦相似度达到第一预设阈值,则说明上述菜品订单流量与候选区域的历史菜品订单流量类似,则将该历史订单流量对应的第一区域标记为第二区域。
其中,将第一区域中所有历史菜品订单流量与目标商家的菜品订单流量的相似的区域,全部标记为第二区域,即是从第一区域中进一步筛选出订单流量类似的区域,以作进一步筛选。
步骤207,获取所述第二区域的预设区域范围;
具体地,获取第二区域的覆盖范围,通常情况下为第二区域的行政范围,例如纵向为xx路至xx路之间,横向为XX路和XX路之间的范围。
步骤208,计算所述预设区域范围与所述目标商家的所述区域范围之间的第二余弦相似度;
其中,计算目标商家的区域范围与第二区域的区域范围之间的余弦相似度,通常会将区域范围进行向量化,然后计算两个向量之间的第二余弦相似度。
步骤209,所述第二余弦相似度达到第二预设相似度阈值时,确定对应的第二区域为候选区域。
其中,在第二余弦相似度达到第二预设相似度阈值的所有第二区域确定为候选区域。
以上通过区域商圈关键词、菜品订单流量、区域范围在预设商圈地图数据库中筛选出相似的候选区域。
步骤210,在所述候选区域中获取与所述菜品属性信息相似的候选菜品;
具体地,通过在获选区域中选择与目标商家具备相似的候选菜品,进一步筛选出对应目标商家的候选商家。
子步骤A1,提取所述菜品属性信息中所述目标商家的菜品知识图谱;
其中,知识图谱的主要目标是用来描述真实世界中存在的各种实体和概念,以及他们之间的强关系,用关系去描述两个实体之间的关联,例如姚明和火箭队之间的关系,他们的属性,我们就用“属性--值对“来刻画它的内在特性,比如说人物,他有年龄、身高、体重属性。知识图谱可以通过人为构建与定义,去描述各种概念之间的弱关系,例如:“忘了订单号”和“找回订单号”之间的关系。
子步骤A2,获取所述候选区域的候选菜品属性信息;
其中,菜品知识图谱描述的是菜品与配方、店面销售等属性之间的关系,所以为了计算候选区域的菜品与目标商家的菜品之间的相似度,首先需要获取候选区域菜品的属性信息。
子步骤A3,提取所述候选菜品属性信息中的候选菜品知识图谱;
其中,通过上述获取的候选菜品属性信息,得到对应的候选菜品知识图谱,即候选菜品属性与实际售卖菜品以及售卖商家的强关系。
子步骤A4,获取所述候选菜品知识图谱的第一局部敏感哈希值;
其中,通过文本相似度算法(simhash)将候选菜品知识图谱的文本转化为01串,然后计算汉明距离就是简单的逻辑异或,内存中计算时间几乎可以忽略不计。如图2A所示的,将POI(point of interest,兴趣点)的菜品切词通过simhash转化为零一串,然后计算它们之间的汉明距离。汉明距离代理代表了POI的相似性,逻辑异或的速度快。然后计算余弦相似度,这样做的好处,既兼顾了simhash的效率,又充分使用了余弦相似度的计算精度,充分考虑了效率和效果。
子步骤A5,获取所述菜品知识图谱的第二局部敏感哈希值;
其中,通过文本相似度算法(simhash)计算在菜品知识图谱的第二局部敏感哈希值的第二局部敏感哈希值。
子步骤A6,计算所述第一局部敏感哈希值与所述第二局部敏感哈希值之间的第三余弦相似度;
如图2B所示的,为上述描述的数据处理流程图,其中,切词之后,如果有这个词,词向量对应位置就是1,没有对应位置就是0;而对于有无销量的菜品的处理是,有且有销量给的值是销量,有这个词,但是对应菜品没有销量,会给一个趋近于0的很小的值;作用是区分没有该词的情况;既反映了菜品的相似性,也反映了菜品销售结构的相似性。
可以理解地,可以通过余弦相似度计算第一局部敏感哈希值与第二局部敏感哈希值之间的第三余弦相似度,即数量级降低后的候选商家与目标商家之间的相似度。
当然,相似度计算方法不限于余弦相似度或者上述描述的汉明距离,本公开实施例对此不加以限制。
子步骤A7,所述第三余弦相似度达到第三预设相似度阈值时,确定对应所述候选菜品知识图谱的菜品为所述目标商家的候选菜品。
同样地,在第三余弦相似度达到第三预设相似度阈值的候选菜品确定为对应目标商家的候选菜品。如此,进一步从候选商家中筛选出了与目标商家具备相似菜品的候选商家。
可选地,所述菜品属性信息还包括菜品交易额,则步骤210,还可以包括:
子步骤B1,获取所述目标商家的第一菜品交易额;
优选地,在本公开的另一实施例中,进一步的通过商家交易额进行候选商家的筛选。
首先,获取目标商家的菜品交易额作为第一菜品交易额。
可以理解地,交易额可以是在设定的时间段内的交易额,由相关技术人员设定,本公开对此不加以限定。
子步骤B2,获取所述候选商业区域中候选菜品属性信息中的第二菜品交易额;
其中,获取第二候选商家对应第一交易额,即可以在同一时间段内的第二交易额。
子步骤B3,计算所述第一菜品交易额与所述第二菜品交易额之间的第四余弦相似度;
同样地,计算第一交易额与所述第二交易额之间的相似度,这里使用余弦相似度算法进行计算初第四余弦相似度。
子步骤B4,所述第四余弦相似度达到第四预设相似度阈值时,确定所述第二菜品交易额对应的菜品为所述目标商家的候选菜品。
其中,当第四余弦相似度达到第四预设相似度阈值时,将第二菜品交易额对应的菜品确定为目标商家的候选菜品。
可以理解地,上述计算相似度使用的方法不限于余弦相似度算法,本公开实施例对此不加以限制。
可选地,所述菜品属性信息还包括菜品品牌信息,则步骤210,还可以包括:
子步骤C1,获取所述目标商家的第一品牌信息;
具体地,进一步的通过商家品牌信息进行候选商家的筛选。
首先获取目标商家的第一品牌信息。
子步骤C2,将所述第一品牌信息进行词向量转换,生成第一品牌信息词向量;
具体地,利用词向量转化工具,例如word2vec,或者one-hot对品牌文本进行词向量转化,生成第一品牌信息词向量。
子步骤C3,获取所述候选商业区域中候选菜品属性信息中的第二品牌信息;
子步骤C4,将所述第二品牌信息进行词向量转换,生成第二品牌信息词向量;
同样地,获取候选商业区域中候选菜品属性信息中的第二品牌信息,并利用与上述同样的词向量转换方法,将其转换为词向量,即为第二品牌信息词向量。
当然,词向量转换方法不限于上述描述,本公开实施例对此不加以限制。
子步骤C5,计算所述第一品牌信息词向量与所述第二品牌信息词向量之间的第五余弦相似度;
子步骤C6,所述第五余弦相似度达到第五预设相似度阈值时,确定所述第二品牌信息对应的菜品为所述目标商家的候选菜品。
具体地,计算第一品牌信息词向量与第二品牌信息词向量之间的第五余弦相似度后,如果第五余弦相似度达到第五预设相似度阈值,则将第二品牌信息对应的菜品确定为目标商家的候选菜品。
步骤211,将所述候选菜品对应的商家确定为候选商家;
其中,通过步骤210获取到的候选菜品对应的商家即为目标商家的候选商家。
通过上述逐层的筛选后,最后确定的候选商家量级最小,便于计算,并且与目标商家的相似度最为接近。
可以理解地,在筛选候选集的过程中,即可以只选用销售信息,也可以选用销售信息、品牌信息。
当然,进行筛选的属性信息可以进行顺序替换,本公开实施例对此不加以限制。
步骤212,获取所述候选商家的经营信息;
具体地,在确定候选商家后,可以进一步根据商家的经营信息,寻找与目标商家的最匹配的参考商家。
步骤213,根据所述经营信息向所述目标商家推送所述候选商家;
可选地,所述经营信息包括销售折扣信息、销售时间周期、销售范围、销售管理信息、销售店面布置信息的其中一种或几种,则步骤215,进一步包括:
首先,获取目标商家的经营信息,以目标商家是餐馆为例,其中经营信息可以包括经营信息包括菜品销售折扣信息、菜品销售时间周期、菜品销售范围、菜品销售管理信息、菜品销售店面布置信息的其中一种或几种等等。
当然,经营信息不限于上述描述,本公开实施例不加以限制。
子步骤D1,分别标记所述销售折扣信息、所述销售时间周期、所述销售范围、所述销售管理信息、所述销售店面布置信息的预设权重分值;
其中,根据目标商家对上述经营信息自选的重要度进行权重值标记。
子步骤D2,根据各所述预设权重分值,对各所述候选商家进行排序;
具体地,根据不同经营信息的权重值计算经营信息的整体加权和,以此对所有候选商家进行排序。
子步骤D3,选取所述排序结果中前预设位数的所述候选商家,作为待推送商家;
其中,将排序结果中前10位作为待推送商家,推送给目标商家。
子步骤D4,将所述待推送商家的经营信息推送给所述目标商家。
其中,在向目标商家推送候选商家列表时,同时推送候选商家的上述经营信息。
综上所述,本公开的实施例提供了一种候选商家匹配方法,所述方法包括:获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;提取所述区域定义信息中的定义关键词;在预设商圈地图数据库中提取包含所述定义关键词的第一区域;提取所述第一区域中的历史菜品订单流量;计算所述目标商家的所述菜品订单流量与所述历史菜品订单流量之间的第一余弦相似度;所述第一余弦相似度达到第一预设相似度阈值时,确定对应的第一区域为第二区域;获取所述第二区域的预设区域范围;计算所述预设区域范围与所述目标商家的所述区域范围之间的第二余弦相似度;所述第二余弦相似度达到第二预设相似度阈值时,确定对应的第二区域为候选区域。提取所述菜品属性信息中所述目标商家的菜品知识图谱;获取所述候选区域的候选菜品属性信息;提取所述候选菜品属性信息中的候选菜品知识图谱;获取所述候选菜品知识图谱的第一局部敏感哈希值;获取所述菜品知识图谱的第二局部敏感哈希值;计算所述第一局部敏感哈希值与所述第二局部敏感哈希值之间的第三余弦相似度;所述第三余弦相似度达到第三预设相似度阈值时,确定对应所述候选菜品知识图谱的菜品为所述目标商家的候选菜品。将所述候选菜品对应的商家确定为候选商家;获取所述候选商家的经营信息;根据所述经营信息向所述目标商家推送所述候选商家。此外,还可以根据经营信息和品牌信息进一步筛选候选区域中的候选菜品,最终得到最接近目标商家的候选商家,将其经营信息推送给目标商家。具备准确找到与目标商家具备相同类别和所在商业位置类似的参考商家,以为目标商家提供其经营信息以供参考的有益效果。
实施例三
参照图3,其示出了在本公开的一个实施例中的候选商家匹配装置的结构图,具体如下。
区域信息获取模块301,用于获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;
候选区域确定模块302,用于根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域;
候选菜品获取模块303,用于在所述候选区域中获取与所述菜品属性信息相似的候选菜品;
候选商家确定模块304,用于将所述候选菜品对应的商家确定为候选商家;
经营信息获取模块305,用于获取所述候选商家的经营信息;
候选商家推送模块306,用于根据所述经营信息向所述目标商家推送所述候选商家。
综上所述,本公开的实施例提供了一种候选商家匹配装置,所述装置包括:区域信息获取模块,用于获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;候选区域确定模块,用于根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域;候选菜品获取模块,用于在所述候选区域中获取与所述菜品属性信息相似的候选菜品;候选商家确定模块,用于将所述候选菜品对应的商家确定为候选商家;经营信息获取模块,用于获取所述候选商家的经营信息;候选商家推送模块,用于根据所述经营信息向所述目标商家推送所述候选商家。能够实现为目标商家准确找到供参考的标杆商家的目的。
装置实施例三对应方法实施例一,详细说明可以参照实施例一,在此不再赘述。
实施例四
参照图4,其示出了本公开的另一个实施例中的候选商家匹配装置的结构图,具体如下。
区域信息获取模块401,用于获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;
候选区域确定模块402,用于根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域;
优选地,所述候选区域确定模块402,包括:
定义关键词提取子模块4021,用于提取所述区域定义信息中的定义关键词;
第一区域提取子模块4022,用于在预设商圈地图数据库中提取包含所述定义关键词的第一区域;
历史菜品订单流量提取子模块4023,用于提取所述第一区域中的历史菜品订单流量;
第一余弦相似度计算子模块4024,用于计算所述目标商家的所述菜品订单流量与所述历史菜品订单流量之间的第一余弦相似度;
第二区域确定子模块4025,用于所述第一余弦相似度达到第一预设相似度阈值时,确定对应的第一区域为第二区域;
预设区域范围获取子模块4026,用于获取所述第二区域的预设区域范围;
第二余弦相似度计算子模块4027,用于计算所述预设区域范围与所述目标商家的所述区域范围之间的第二余弦相似度;
候选区域确定子模块4028,用于所述第二余弦相似度达到第二预设相似度阈值时,确定对应的第二区域为候选区域。
候选菜品获取模块403,用于在所述候选区域中获取与所述菜品属性信息相似的候选菜品;
优选地,所述候选菜品获取模块403,包括:
菜品知识图谱提取子模块,用于提取所述菜品属性信息中所述目标商家的菜品知识图谱;
候选菜品属性信息获取子模块,用于获取所述候选区域的候选菜品属性信息;
候选菜品知识图谱提取子模块,用于提取所述候选菜品属性信息中的候选菜品知识图谱;
第一局部敏感哈希值获取子模块,用于获取所述候选菜品知识图谱的第一局部敏感哈希值;
第二局部敏感哈希值获取子模块,用于获取所述菜品知识图谱的第二局部敏感哈希值;
第三余弦相似度计算子模块,用于计算所述第一局部敏感哈希值与所述第二局部敏感哈希值之间的第三余弦相似度;
目标商家的候选菜品确定子模块,用于所述第三余弦相似度达到第三预设相似度阈值时,确定对应所述候选菜品知识图谱的菜品为所述目标商家的候选菜品。
优选地,所述菜品属性信息还包括菜品交易额,则所述候选菜品获取模块403,还包括:
第一菜品交易额获取子模块,用于获取所述目标商家的第一菜品交易额;
第二菜品交易额获取子模块,用于获取所述候选商业区域中候选菜品属性信息中的第二菜品交易额;
第四余弦相似度计算子模块,用于计算所述第一菜品交易额与所述第二菜品交易额之间的第四余弦相似度;
候选菜品确定子模块,用于所述第四余弦相似度达到第四预设相似度阈值时,确定所述第二菜品交易额对应的菜品为所述目标商家的候选菜品。
优选地,所述菜品属性信息还包括菜品品牌信息,则所述候选菜品获取模块403,还包括:
第一品牌信息获取子模块,用于获取所述目标商家的第一品牌信息;
第一品牌信息词向量生成子模块,用于将所述第一品牌信息进行词向量转换,生成第一品牌信息词向量;
第二品牌信息获取子模块,用于获取所述候选商业区域中候选菜品属性信息中的第二品牌信息;
第二品牌信息词向量获取子模块,用于将所述第二品牌信息进行词向量转换,生成第二品牌信息词向量;
第五余弦相似度获取子模块,用于计算所述第一品牌信息词向量与所述第二品牌信息词向量之间的第五余弦相似度;
候选菜品获取子模块,用于所述第五余弦相似度达到第五预设相似度阈值时,确定所述第二品牌信息对应的菜品为所述目标商家的候选菜品。
候选商家确定模块404,用于将所述候选菜品对应的商家确定为候选商家;
经营信息获取模块405,用于获取所述候选商家的经营信息;
候选商家推送模块406,用于根据所述经营信息向所述目标商家推送所述候选商家。
优选地,所述经营信息包括销售折扣信息、销售时间周期、销售范围、销售管理信息、销售店面布置信息的其中一种或几种,所述候选商家推送模块406,包括:
预设权重分值标记子模块,用于分别标记所述销售折扣信息、所述销售时间周期、所述销售范围、所述销售管理信息、所述销售店面布置信息的预设权重分值;
排序子模块,用于根据各所述预设权重分值,对各所述候选商家进行排序;
待推送商家确定子模块,用于选取所述排序结果中前预设位数的所述候选商家,作为待推送商家;
推送子模块,用于将所述待推送商家的经营信息推送给所述目标商家。
综上所述,本公开的实施例提供了一种候选商家匹配装置,所述装置包括:区域信息获取模块,用于获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;候选区域确定模块,用于根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域;优选地,所述候选区域确定模块,包括:定义关键词提取子模块,用于提取所述区域定义信息中的定义关键词;第一区域提取子模块,用于在预设商圈地图数据库中提取包含所述定义关键词的第一区域;历史菜品订单流量提取子模块,用于提取所述第一区域中的历史菜品订单流量;第一余弦相似度计算子模块,用于计算所述目标商家的所述菜品订单流量与所述历史菜品订单流量之间的第一余弦相似度;第二区域确定子模块,用于所述第一余弦相似度达到第一预设相似度阈值时,确定对应的第一区域为第二区域;预设区域范围获取子模块,用于获取所述第二区域的预设区域范围;第二余弦相似度计算子模块,用于计算所述预设区域范围与所述目标商家的所述区域范围之间的第二余弦相似度;候选区域确定子模块,用于所述第二余弦相似度达到第二预设相似度阈值时,确定对应的第二区域为候选区域。候选菜品获取模块,用于在所述候选区域中获取与所述菜品属性信息相似的候选菜品;候选商家确定模块,用于将所述候选菜品对应的商家确定为候选商家;经营信息获取模块,用于获取所述候选商家的经营信息;候选商家推送模块,用于根据所述经营信息向所述目标商家推送所述候选商家。具备准确找到与目标商家具备相同类别和所在商业位置类似的参考商家,以为目标商家提供其经营信息以供参考的有益效果。
装置实施例四对应方法实施例二,详细说明可以参照实施例二,在此不再赘述。
本公开的实施例还提供了一种电子设备,参见图5,包括:处理器501、存储器502以及存储在所述存储器上并可在所述处理器上运行的计算机程序5021,所述处理器执行所述程序时实现前述实施例的候选商家匹配方法。
本公开的实施例还提供了一种可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行前述实施例的候选商家匹配方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本公开的实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本公开的实施例的内容,并且上面对特定语言所做的描述是为了披露本公开的实施例的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本公开的实施例的示例性实施例的描述中,本公开的实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开的实施例要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的实施例的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本公开的实施例的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开的实施例的排序设备中的一些或者全部部件的一些或者全部功能。本公开的实施例还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本公开的实施例的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述仅为本公开的实施例的较佳实施例而已,并不用以限制本公开的实施例,凡在本公开的实施例的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本公开的实施例的保护范围之内。
以上所述,仅为本公开的实施例的具体实施方式,但本公开的实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开的实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的实施例的保护范围之内。因此,本公开的实施例的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种候选商家匹配方法,其特征在于,所述方法包括:
获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;
根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域;
在所述候选区域中获取与所述菜品属性信息相似的候选菜品;
将所述候选菜品对应的商家确定为候选商家;
获取所述候选商家的经营信息;
根据所述经营信息向所述目标商家推送所述候选商家。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域,包括:
提取所述区域定义信息中的定义关键词;
在预设商圈地图数据库中提取包含所述定义关键词的第一区域;
提取所述第一区域中的历史菜品订单流量;
计算所述目标商家的所述菜品订单流量与所述历史菜品订单流量之间的第一余弦相似度;
所述第一余弦相似度达到第一预设相似度阈值时,确定对应的第一区域为第二区域;
获取所述第二区域的预设区域范围;
计算所述预设区域范围与所述目标商家的所述区域范围之间的第二余弦相似度;
所述第二余弦相似度达到第二预设相似度阈值时,确定对应的第二区域为候选区域。
3.根据权利要求1所述的方法,其特征在于,所述在所述候选区域中获取与所述菜品属性信息相似的候选菜品,包括:
提取所述菜品属性信息中所述目标商家的菜品知识图谱;
获取所述候选区域的候选菜品属性信息;
提取所述候选菜品属性信息中的候选菜品知识图谱;
获取所述候选菜品知识图谱的第一局部敏感哈希值;
获取所述菜品知识图谱的第二局部敏感哈希值;
计算所述第一局部敏感哈希值与所述第二局部敏感哈希值之间的第三余弦相似度;
所述第三余弦相似度达到第三预设相似度阈值时,确定对应所述候选菜品知识图谱的菜品为所述目标商家的候选菜品。
4.根据权利要求1所述的方法,其特征在于,所述菜品属性信息还包括菜品交易额,所述在所述候选区域中获取与所述菜品属性信息相似的候选菜品,包括:
获取所述目标商家的第一菜品交易额;
获取所述候选商业区域中候选菜品属性信息中的第二菜品交易额;
计算所述第一菜品交易额与所述第二菜品交易额之间的第四余弦相似度;
所述第四余弦相似度达到第四预设相似度阈值时,确定所述第二菜品交易额对应的菜品为所述目标商家的候选菜品。
5.根据权利要求1所述的方法,其特征在于,所述菜品属性信息还包括菜品品牌信息,所述在所述候选区域中获取与所述菜品属性信息相似的候选菜品,包括:
获取所述目标商家的第一品牌信息;
将所述第一品牌信息进行词向量转换,生成第一品牌信息词向量;
获取所述候选商业区域中候选菜品属性信息中的第二品牌信息;
将所述第二品牌信息进行词向量转换,生成第二品牌信息词向量;
计算所述第一品牌信息词向量与所述第二品牌信息词向量之间的第五余弦相似度;
所述第五余弦相似度达到第五预设相似度阈值时,确定所述第二品牌信息对应的菜品为所述目标商家的候选菜品。
6.根据权利要求1所述的方法,所述经营信息包括销售折扣信息、销售时间周期、销售范围、销售管理信息、销售店面布置信息的其中一种或几种,所述根据所述经营信息向所述目标商家推送所述候选商家,包括:
分别标记所述销售折扣信息、所述销售时间周期、所述销售范围、所述销售管理信息、所述销售店面布置信息的预设权重分值;
根据各所述预设权重分值,对各所述候选商家进行排序;
选取所述排序结果中前预设位数的所述候选商家,作为待推送商家;
将所述待推送商家的经营信息推送给所述目标商家。
7.一种候选商家匹配装置,其特征在于,所述装置包括:
区域信息获取模块,用于获取目标商家的菜品属性信息、区域范围、区域菜品订单流量和区域定义信息;
候选区域确定模块,用于根据所述目标商家的区域范围、区域菜品订单流量和区域定义信息,确定与所述目标商家所在区域相似的候选区域;
候选菜品获取模块,用于在所述候选区域中获取与所述菜品属性信息相似的候选菜品;
候选商家确定模块,用于将所述候选菜品对应的商家确定为候选商家;
经营信息获取模块,用于获取所述候选商家的经营信息;
候选商家推送模块,用于根据所述经营信息向所述目标商家推送所述候选商家。
8.一种电子设备,其特征在于,包括:
处理器、存储器以及存储在所述存储器上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程序时实现如权利要求1-6中一个或多个所述的候选商家匹配方法。
9.一种可读存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如方法权利要求1-6中一个或多个所述的候选商家匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910245765.4A CN110111170A (zh) | 2019-03-28 | 2019-03-28 | 候选商家匹配方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910245765.4A CN110111170A (zh) | 2019-03-28 | 2019-03-28 | 候选商家匹配方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110111170A true CN110111170A (zh) | 2019-08-09 |
Family
ID=67484840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910245765.4A Pending CN110111170A (zh) | 2019-03-28 | 2019-03-28 | 候选商家匹配方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110111170A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919879A (zh) * | 2021-10-19 | 2022-01-11 | 北京沃东天骏信息技术有限公司 | 物料处理方法及装置、电子设备和计算机可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL2006608C2 (nl) * | 2011-04-14 | 2012-10-16 | Sepasoft B V | Samenstel en werkwijze voor het afhandelen van transacties. |
US20140358772A1 (en) * | 2013-06-04 | 2014-12-04 | Mastercard International Incorporated | Merchant aggregation through merchant data provisioning |
CN105589947A (zh) * | 2015-12-17 | 2016-05-18 | 北京奇虎科技有限公司 | 一种备选商家信息推送方法和装置 |
US20170169497A1 (en) * | 2015-12-11 | 2017-06-15 | Mastercard International Incorporated | Systems and methods of location based merchant recommendations |
CN107146134A (zh) * | 2017-04-28 | 2017-09-08 | 维沃移动通信有限公司 | 一种订单生成方法及服务器 |
CN107220852A (zh) * | 2017-05-26 | 2017-09-29 | 北京小度信息科技有限公司 | 用于确定目标推荐用户的方法、装置和服务器 |
CN107481114A (zh) * | 2017-08-16 | 2017-12-15 | 北京京东尚科信息技术有限公司 | 商品推荐方法、装置、电子商务系统及存储介质 |
CN107862542A (zh) * | 2017-09-28 | 2018-03-30 | 北京三快在线科技有限公司 | 一种菜品推荐方法和装置 |
US9996859B1 (en) * | 2012-03-30 | 2018-06-12 | Groupon, Inc. | Method, apparatus, and computer readable medium for providing a self-service interface |
CN109146345A (zh) * | 2017-06-16 | 2019-01-04 | 北京三快在线科技有限公司 | 信息推送方法及装置、电子设备 |
CN109191236A (zh) * | 2018-06-15 | 2019-01-11 | 长沙市到家悠享家政服务有限公司 | 订单生成方法、装置及电子设备 |
-
2019
- 2019-03-28 CN CN201910245765.4A patent/CN110111170A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL2006608C2 (nl) * | 2011-04-14 | 2012-10-16 | Sepasoft B V | Samenstel en werkwijze voor het afhandelen van transacties. |
US9996859B1 (en) * | 2012-03-30 | 2018-06-12 | Groupon, Inc. | Method, apparatus, and computer readable medium for providing a self-service interface |
US20140358772A1 (en) * | 2013-06-04 | 2014-12-04 | Mastercard International Incorporated | Merchant aggregation through merchant data provisioning |
US20170169497A1 (en) * | 2015-12-11 | 2017-06-15 | Mastercard International Incorporated | Systems and methods of location based merchant recommendations |
CN105589947A (zh) * | 2015-12-17 | 2016-05-18 | 北京奇虎科技有限公司 | 一种备选商家信息推送方法和装置 |
CN107146134A (zh) * | 2017-04-28 | 2017-09-08 | 维沃移动通信有限公司 | 一种订单生成方法及服务器 |
CN107220852A (zh) * | 2017-05-26 | 2017-09-29 | 北京小度信息科技有限公司 | 用于确定目标推荐用户的方法、装置和服务器 |
CN109146345A (zh) * | 2017-06-16 | 2019-01-04 | 北京三快在线科技有限公司 | 信息推送方法及装置、电子设备 |
CN107481114A (zh) * | 2017-08-16 | 2017-12-15 | 北京京东尚科信息技术有限公司 | 商品推荐方法、装置、电子商务系统及存储介质 |
CN107862542A (zh) * | 2017-09-28 | 2018-03-30 | 北京三快在线科技有限公司 | 一种菜品推荐方法和装置 |
CN109191236A (zh) * | 2018-06-15 | 2019-01-11 | 长沙市到家悠享家政服务有限公司 | 订单生成方法、装置及电子设备 |
Non-Patent Citations (4)
Title |
---|
BHAGYA RAMESH ET AL: "Secure recommendation system for E-commerce website", 《2017 INTERNATIONAL CONFERENCE ON CIRCUIT , POWER AND COMPUTING TECHNOLOGIES (ICCPCT)》, 19 October 2017 (2017-10-19), pages 1 - 5 * |
孙瑞丽 等: "改进 SVM算法的电商行业竞争对手识别", 《河南科技大学学报(自然科学版)》, no. 1, 25 February 2016 (2016-02-25), pages 46 - 50 * |
孙艳翠: "基于协同过滤算法的移动点餐系统的设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 7, 15 July 2018 (2018-07-15), pages 138 - 1055 * |
赵桢: "西安美团外卖配送模式和流程优化研究", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》, no. 4, 15 April 2018 (2018-04-15), pages 157 - 266 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919879A (zh) * | 2021-10-19 | 2022-01-11 | 北京沃东天骏信息技术有限公司 | 物料处理方法及装置、电子设备和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104123332B (zh) | 搜索结果的显示方法及装置 | |
CN109299994B (zh) | 推荐方法、装置、设备及可读存储介质 | |
US8799074B2 (en) | Methods and apparatus for performing enhanced queries for items such as maps and geospatial data | |
JP4800394B2 (ja) | 顧客購買行動分析に基づく知能化された商品検索方法及びシステム | |
CN109377328B (zh) | 商家门店地理位置的推荐方法及装置 | |
EP2038677B1 (en) | Enhanced positional accuracy in geocoding by dynamic interpolation | |
KR20180039154A (ko) | 검색을 시드하는 시스템 및 방법 | |
CA2655196A1 (en) | System and method for generating a display of tags | |
US20110173130A1 (en) | Method and system for informing a user by utilizing time based reviews | |
CN110246007A (zh) | 一种商品推荐方法及装置 | |
CN104572957B (zh) | 一种基于聚类的poi名称确定系统及方法 | |
CN109284498A (zh) | 自提柜推荐方法、自提柜推荐装置和电子装置 | |
CN109241455B (zh) | 一种推荐对象的展示方法及装置 | |
WO2020150611A1 (en) | Systems and methods for entity performance and risk scoring | |
CN108182592A (zh) | 公交线路多维特征属性挖掘方法、装置及电子设备 | |
CN113570413A (zh) | 广告关键词的生成方法、装置、存储介质及电子设备 | |
US20240112097A1 (en) | Information processing system and method of information processing | |
CN110111170A (zh) | 候选商家匹配方法、装置、电子设备及可读存储介质 | |
CN110992194A (zh) | 一种基于含属性的多进程采样图表示学习模型的用户参考指数算法 | |
CN108182593A (zh) | 基于地图数据的公交车身广告投放线路定制方法及装置 | |
Goldsberry et al. | Visualizing nutritional terrain: a geospatial analysis of pedestrian produce accessibility in Lansing, Michigan, USA | |
CN112395486B (zh) | 一种宽带业务推荐方法、系统、服务器和存储介质 | |
CN107908649A (zh) | 一种文本分类的控制方法 | |
CN112287976A (zh) | 一种对象推荐方法、装置、电子设备及存储介质 | |
JP7422682B2 (ja) | 改良された地理的指標付け |
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 |