CN110197415A - 一种推荐方法、装置、电子设备及可读存储介质 - Google Patents
一种推荐方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN110197415A CN110197415A CN201910330329.7A CN201910330329A CN110197415A CN 110197415 A CN110197415 A CN 110197415A CN 201910330329 A CN201910330329 A CN 201910330329A CN 110197415 A CN110197415 A CN 110197415A
- Authority
- CN
- China
- Prior art keywords
- commodity
- information
- user
- keyword
- merchandise sales
- 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 39
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000001568 sexual effect Effects 0.000 claims abstract description 64
- 239000000284 extract Substances 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000011002 quantification Methods 0.000 claims description 8
- 239000000047 product Substances 0.000 description 25
- 241000209094 Oryza Species 0.000 description 19
- 235000007164 Oryza sativa Nutrition 0.000 description 19
- 235000009566 rice Nutrition 0.000 description 19
- 239000000843 powder Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000005406 washing Methods 0.000 description 7
- 239000002453 shampoo Substances 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 235000005911 diet Nutrition 0.000 description 5
- 230000037213 diet Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 241000183294 Scleropages formosus Species 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 235000013336 milk Nutrition 0.000 description 4
- 239000008267 milk Substances 0.000 description 4
- 210000004080 milk Anatomy 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000013065 commercial product Substances 0.000 description 3
- 235000013350 formula milk Nutrition 0.000 description 3
- 238000005086 pumping Methods 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 241001372210 Gobioides broussonnetii Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 208000001840 Dandruff Diseases 0.000 description 1
- 230000001139 anti-pruritic effect Effects 0.000 description 1
- 239000003908 antipruritic agent Substances 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 235000020256 human milk Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种推荐方法、装置、电子设备及可读存储介质，包括：获取用户的历史信息；根据所述历史信息，确定所述用户的关键需求；在预设商家列表数据库中提取匹配所述关键需求的候选商品；提取所述候选商品的商品销售信息；根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品。解决了为现有技术根据用户需求推荐的商品还需要用户进一步筛选的问题。
Description
技术领域
本公开涉及推荐技术领域，特别是涉及一种推荐方法、一种推荐装置、电子设备及可读存储介质。
背景技术
根据用户提供的搜索行为信息获取用户的消费倾向，并为用户推荐对应的产品是目前广泛应用的商品推荐方式。
现有技术中，通过用户关注商品进行信息推荐的技术方案中，一般基于用户的历史行为数据、商品热度等信息进行推荐，缺点一方面是商品泛化性能比较差，只能推荐用户浏览过或者热度比较高的商品，而目前用户往往给出一个泛概念的商品(所谓泛概念商品一般是指某种类别商品，类别可大可小，例如“一袋大米”、“一袋10KG大米”、“一袋10KGXX牌大米”就是从大到小的三个类别)，而不是一个需求十分明确的商品；另一方面，用户比较热衷于那些人气高、折扣率大且性价比高的商品，但目前商家促销手段多种多样，用户很难在不同商家选择出一个真正实惠且人气高的商品。
如此，往往为用户推荐的商品总是不够精准，导致用户还需要从推荐列表中获取的多个商品进行价格或者活动等销售信息的横向比较的问题。
发明内容
鉴于上述问题，提出了本公开实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种推荐方法和相应的一种推荐装置。
根据本公开的第一方面，本公开实施例公开了一种推荐方法，具体包括：
获取用户的历史信息；
根据所述历史信息，确定所述用户的关键需求；
在预设商家列表数据库中提取匹配所述关键需求的候选商品；
提取所述候选商品的商品销售信息；
根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；
根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品。
根据本公开的第二方面，本公开实施例公开了一种推荐装置，具体包括：
历史信息获取模块，用于获取用户的历史信息；
关键需求确定模块，用于根据所述历史信息，确定所述用户的关键需求；
候选商品提取模块，用于在预设商家列表数据库中提取匹配所述关键需求的候选商品；
商品销售信息提取模块，用于提取所述候选商品的商品销售信息；
性价比指数确定模块，用于根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；
商品展示模块，用于根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品。
根据本公开的第三方面，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如前述的推荐方法。
根据本公开的第四方面，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，使得电子设备能够实现前述的推荐方法。
本公开实施例包括以下优点：通过获取用户的历史信息，进而确定用户的泛需求，也即关键需求，找到符合关键需求对应商品的销售商家，将具备性价比较高的商品推荐给用户。具备有效理解用户的历史信息中的泛需求，根据用户的泛需求为用户提供性价比最高商品，减少用户在同类商品中进一步筛选比较导致耗费时间的有益效果。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对本公开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是本公开的一种推荐方法实施例的步骤流程图；
图2是本公开的一种推荐方法实施例的步骤流程图；
图3是本公开的一种推荐装置实施例的结构框图；
图4是本公开的一种推荐装置实施例的结构框图。
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，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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，都属于本公开保护的范围。
实施例一
参照图1，示出了本公开的一种推荐方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，获取用户的历史信息；
在用户商品推荐领域中，通常基于用户的历史行为数据，以及对应的商品特度等信息进行推荐，要求用户有一个明确的目标商品，而本公开实施例是基于用户的历史信息，例如包含历史浏览信息、历史消费信息、历史订阅信息的一种或多种，以历史订阅信息为例，从用户历史订阅信息中筛选用户的购物意向，即为泛概念商品信息，而泛概念商品一般指某种类别商品，类别可大可小，例如“一袋大米”、“一袋10KG大米”、“一袋10KGXX牌大米”就是从大到小的三个类别，而不是一个需求十分明确的商品，所以针对用户需求推荐商品时，首先获取用户的历史信息，从历史信息中筛选出用户的购物意向。
步骤102，根据所述历史信息，确定所述用户的关键需求；
本公开实施例中，在上述用户的历史信息中筛选出用户的购物意向，可以是基于一个历史信息，也可以是基于多个商品信息，例如用户最近的历史浏览信息、历史订阅信息以及历史购物搜索信息都是基于家庭日用品的种类，那么可以将用户的购物意向，也可以称之为用户的关键需求，例如通过用户历史商品订阅信息确定用户的需求范围，如日用品中的大米信息为用户历史点击率最高，或历史搜索频率多高等，确定为用户的关键需求。
可以理解地，用户的历史信息具备时效性，即用户在一周内或者三天内历史浏览商品信息，或者历史订阅商品信息可以被认为是表征用户需求的实时数据，从中提取出的商品信息为用户较易购买的商品，而历史订阅信息中提取的商品信息通常为商品的大分类，例如日用品中的大米信息，保健品中的减肥产品信息等，可以进一步根据用户对各个具体产品的历史浏览时间，历史点击率或历史搜索率等历史信息，进一步确定用户的关键需求。
具体地，可以根据用户对历史信息的提前预设重要度，对每一个历史信息分类设置权重值，根据权重值与历史信息可以更高效和准确的计算出用户的关键需求。
步骤103，在预设商家列表数据库中提取匹配所述关键需求的候选商品；
本公开实施例中，例如通过历史订阅信息中提取商品的大分类信息后，可以确定用户的需求范围，如上述描述的日用品中的大米信息，或者保健品中的减肥产品信息，可以确定用户需求的关键需求为大米类或者减肥产品类，可以进一步在预设商家列表数据库中提取用户曾经购买过大米类或减肥产品类相关产品的商家，作为候选商家，并将候选商家销售的产品确定为符合关键需求的候选商品。
其中，预设商家列表数据库中通常会存储所有商品信息对应的分类，与销售该商品的商家的对应关系。对于预设商家列表数据库中存储数据的形式本公开实施例不加以限制。
步骤104，提取所述候选商品的商品销售信息；
本公开实施例中，在确定的候选商家中，获取针对确定的关键需求的商品的销售信息，例如，大米或者减肥产品在各商家的具体销售信息，其中包括售价、计量单位、当前折扣率以及历史销售记录。
当然，销售信息不限于上述描述，本公开实施例不加以限制。
步骤105，根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；
本公开实施例中，通过上述获取的各商家对于目标商品的销售信息，可以得出各商品的性价比，即根据售价、人气、折扣率等确定一个性价比指数，以便清晰准确的表达各商品的实际销售价格，即性价比指数。
其中，性价比指数还可以根据用户的喜好来确定，例如用户希望发货速度最快，或者历史评价最高等，所以在确定商品性价比指数时，不限于上述描述的售价、人气、折扣率等因素，对此本公开实施例不加以限制。
步骤106，根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品；
本公开实施例中，根据上述确定的性价比指数的高低，对所有候选商家进行排序，其中性价比指数高的排名靠前，最终获得候选商家推荐列表。将目标商品以候选商家推荐列表的形式展示给用户，或者只选取其中前预设位数的商家及商品展示给用户，预设位数由用户选择或者根据系统需求设定，对比本公开实施例不加以限制。
在本公开实施例中，通过获取用户的历史信息；根据所述历史信息，确定所述用户的关键需求；在预设商家列表数据库中提取匹配所述关键需求的候选商品；提取所述候选商品的商品销售信息；根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品。具备有效理解用户的历史信息中的泛需求，根据用户的泛需求为用户提供性价比最高商品，减少用户在同类商品中进一步筛选比较导致耗费时间的有益效果。
实施例二
参照图2，示出了本公开的一种推荐方法实施例的步骤流程图，具体可以包括如下步骤：
步骤201，获取用户的历史信息；
此步骤与步骤101相同，在此不再详述。
步骤202，所述历史信息包括历史浏览信息、历史搜索信息、历史订阅信息、历史消费信息、历史消费周期其中的一项或多项，则根据所述历史信息，确定所述用户的关键需求的步骤，包括：
子步骤S1，根据所述历史浏览信息获取浏览关键词以及对应所述浏览关键词的历史浏览量；
和/或，
子步骤S2，根据所述历史搜索信息获取搜索关键词以及对应所述搜索关键词的历史搜索频率；
和/或，
子步骤S3，根据所述历史搜索信息获取订阅关键词以及对应所述订阅关键词的历史阅读频率；
和/或，
子步骤S4，根据所述历史消费信息获取消费关键词以及对应所述消费关键词的历史消费量；
具体地，当历史信息包括历史浏览信息、历史搜索信息、历史订阅信息、历史消费信息、历史消费周期其中的一项或多项时，通过上述每一项历史信息，可以分别获取各自的与用户消费需求有关的关键词，如浏览关键词、搜索关键词、订阅关键词、消费关键词。
当然，关键词的提取可以利用预先训练好的机器学习模型从海量的历史数据中提取出来，对于各自历史信息关键词的提取方法，本公开实施例对此不加以限制。
子步骤S5，根据所述历史消费周期对应的消费产品与所述浏览关键词、所述搜索关键词、所述订阅关键词、所述消费关键词中的一项或多项进行对比，得到所述用户的消费需求关键词；
具体地，历史消费周期为用户周期性购买商品的规律，例如，用户每隔三个月会购买A品牌的洗衣粉，那么三个月为A品牌洗衣粉针对该用户的消费周期，如此，在用户历史消费周期中获取的对应消费关键词为洗衣粉和A品牌，将上述关键词与其他历史关键词，如浏览关键词、搜索关键词、订阅关键词、消费关键词的一项或多项进行对比，得到用户消费的关键需求为，喜欢性价比高、国产品牌、打折的A品牌的洗衣粉。
子步骤S6，根据所述历史浏览量、所述历史搜索频率、所述历史阅读频率、所述历史消费量分别确定所述浏览关键词、所述搜索关键词、所述订阅关键词、所述消费关键词的关键权重值；
具体地，根据用户提前对历史浏览量、历史搜索频率、历史阅读频率、历史消费量的高低，分别设置各历史信息中提取出的历史关键词的关键权重值。
例如，用户阅读频率较高，那么用户订阅关键词则设置较高的权重值，如果消费关键词是针对三个历史信息关键词获取的，那么三个关键词的关键词权重的和为1，各自关键词的权重值分别设置为各自历史信息的使用率所占用户整体消费相关行为产生的时间的比值。
当然，关键词权重值的设置不限于上述描述，本公开实施例对此不加以限制。
子步骤S7，根据所述关键权重值的大小对所述消费需求关键词进行排序；
具体地，当得到各自消费需求关键词权重值后，根据权重值对各消费关键词进行排序。例如，从用户的历史消息中提取出多个关键需求，有日用品分类下的洗衣粉、有母婴用品中的奶粉、有家具用品中的电视柜等，而洗衣粉的历史点击率最高，奶粉的历史搜索率最高，电视柜的历史订阅频率最高，根据各自的历史信息使用率，得到洗衣粉、奶粉和电视柜这三个消费关键词各自的权重值，得出奶粉的整体权重最高，那么奶粉排名第一，以此类推。
子步骤S8，选择所述排序中的前预设位数的消费关键词，确定为所述用户的关键需求。
具体地，在得到的消费关键词的排序中，将排序靠前的N位确定为用户的关键需求，当然，也可以只确定第一位作为用户的消费关键词，对此本公开实施例不加以限制。
步骤203，在预设商家列表数据库中提取匹配所述关键需求的候选商品；
优选地，步骤203，进一步包括：
子步骤2031，将所述浏览关键词、所述搜索关键词、所述订阅关键词、所述消费关键词中的一项或多项与预设商品信息数据库中的商品目录进行匹配，得到匹配所述关键需求的候选商品。
具体地，例如，在用户的历史商品订阅信息中提取的关键词可以为商品特征词和商品属性信息，通常商品特征词为商品名称信息，商品属性信息为商品分类、品牌名称以及商品计量单位等，将商品名称信息与本地预设商品信息数据库商品类别信息进行匹配，得到符合关键需求的候选商品。
例如，历史订阅信息中包含金龙鱼大米，其中的商品属性为乳玉皇妃特级东北大米10KG”，那么根据上述关键词确定的候选商品即为“一袋10KG金龙鱼牌大米”。
步骤204，提取所述候选商品的商品销售信息；
具体地，将在历史信息中提取的候选商品与预设商品信息数据库中的商品属性标签进行匹配，例如在用户历史信息中提取的关键词为是“大容量控油洗发水”，需要理解“大容量”、“控油”等这些标签，预设商品信息数据库中的商品属性标签中有洗发水下常见的功效有“控油”、“去屑”、“止痒”等，净含量区间有[80ml,250ml)、[250ml,500ml)、[500ml,750ml)、[750ml,1L)等，匹配结果得到功效为“控油”容量为“[750ml,1L)”的洗发水为符合关键需求的候选商品，再进一步获取其销售信息。
首先，在预设商家列表数据库中提取售卖控油、容量为“[750ml,1L)”的洗发水的商家作为候选商家。
可以理解地，还可以据用户的定位信息，为用户自动筛选地理范围为3KM，5KM且含有处于优惠活动的该类别商品的商家确定为候选商家。
除此之外，还可以考察用户历史数据，将用户经常消费的商家，且含有该优惠活动的商品作为候选商家。
当然，在确定候选商家时，可以同时考虑上述因素的一种或多种，对此本公开实施例不加以限制。
其次，获取各候选商家针对控油、容量为“[750ml,1L)”的洗发水的销售信息，例如，候选商家1的销售该商品的售价为98，计量单位800ml，当前折扣率9.5折，历史销售记录为月销量1000；候选商家2的销售该商品的售价为95，计量单位800ml，当前折扣率为赠送150ml小包装同类洗发水，历史销售记录为月销量500，而两种商品得到的单价是不同的。
步骤205，获取用户选择的预设权重值，所述预设权重值包括性价比指数、归一化单位计量折扣价格、折扣率因子之间的权重比例。
具体地，在候选商家中，用户可以根据具体需求进行预设权重值的选择，其中包括性价比、商品人气、折扣率对在用户的不同重要度，即用户根据性价比、商品人气、折扣率的不同重要度选择它们之间的比值，且性价比、商品人气、折扣率总和为1。
例如，性价比、商品人气、折扣率的比重分别为80％，10％和10％，其权重值分别为0.8、0.1、0.1。
步骤206，根据所述商品售价与所述商品计量单位的比值，确定所述商品归一化计量单位价格；所述商品销售信息包括商品售价、商品计量单位、商品当前折扣率以及商品历史销售记录，根据所述商品销售信息。
具体地，通常人气高、折扣大、性价比高的用户订阅的类别下的某商品为用户的热衷商品，所以为了获取商品的性价比指数，首先需要获取商品在单价，即根据商品的售价与商品的计量单位的比值，计算出商品单价，即归一化计量单位价格，例如，一袋10KG金龙鱼牌大米为75元，那么金龙鱼牌大米归一化计量单位价格为7.5元/千克。
步骤207，根据所述归一化计量单位价格与所述商品折扣率，确定所述商品归一化单位计量折扣价格；
其中，根据当前目标商品的折扣率，可以计算出目标商品的实际单价，即归一化单位计量折扣价格。例如金龙鱼牌大米归一化计量单位价格为7.5元/千克，该店折扣率为9.7折，那么金龙鱼牌大米归一化单位计量折扣价格为7.275元/千克。
步骤208，根据所述商品历史销售记录，确定所述商品历史最大折扣率；
步骤209，根据所述商品当前折扣率与所述商品历史最大折扣率之间的比值，确定所述商品折扣率因子；
具体地，获取目标商品的历史销售记录中，可以得到该商品的历史最低折扣率因子Di：
Di＝MAX(di_Hmax/di,do_max/di)
其中di为商品i的折扣率，di_Hmax为t这段时间当前商品的最大折扣率，do_max为备选泛概念商品列表的最大折扣率，如当前商品对外宣传“8.5折”促销，时间段t内商品i的最高折扣率为8折，而备选商品列表最大折扣率为7折，Di为8/8.5＝0.941；
步骤210，根据所述商品折扣率因子与所述归一化单位计量折扣价格的和，确定对应所述关键需求的商品销售性价比指数。
具体地，定义商品的性价比指数为Ri，可以根据如下公式进行计算：
Ri＝Pi/ci+Hi+Ri
其中Pi是该商品i的实际售价，ci是该商品i可通用归一化的单位计量，则Pi/ci即为该单位计量上商品的单价，即，归一化计量单位价格，如“清风原木纯品家庭装抽纸130抽/包3.5元”P即为3.5元，C为130抽，为0.0269元/抽；Hi为t这段时间i的销售量，如此计算得出的Ri即为该候选商家的性价比指数。
优选地，步骤210，进一步包括：
子步骤2101，根据所述性价比指数、归一化单位计量折扣单价、折扣率因子之间的权重比例，计算所述商品折扣率因子与所述归一化单位计量折扣价格的加权和，确定为对应所述关键需求的所述商品销售性价比指数。
具体地，如步骤208描述的，如果添加了性价比指数、归一化单位计量折扣单价、折扣率因子之间的权重比例，分别为α、β、γ，那么候选商家的性价比指数Ri，可以根据如下公式进行计算：
Ri＝αPi/ci+βHi+γRi
其中，计算了目标商品的折扣率因子与所述归一化单位计量折扣价格的加权和，所得到的性价比指数考虑了性价比、商品人气、折扣率对用户的不同重要度。
可以理解地，性价比、商品人气、折扣率的权重比值不限于步骤208中描述的由用户主动选择的方式确定，也可以由系统根据用户的历史购物记录分析得到，在下次用户购物时，直接由系统做出针对于用户有利的选择，对此本公开实施例不加以限制。
步骤211，根据所述性价比指数，将所述商品销售信息进行排序，得到候选商品排序列表；
本公开实施例中，根据上述确定的性价比指数的高低，对所有候选商品进行排序，其中性价比指数高的排名靠前，最终获得候选商品排序列表。
步骤212，向所述用户展示所述候选商品排序列表中预设位数的商品。
本公开实施例中，将候选商品推荐列表展示给用户，或者只选取其中前预设位数的商家及商品展示给用户，预设位数由用户选择或者根据系统需求设定，对比本发明实施例不加以限制。
在本公开实施例中，通过获取用户的历史信息；所述历史信息包括历史浏览信息、历史搜索信息、历史订阅信息、历史消费信息、历史消费周期其中的一项或多项；根据所述历史信息，确定所述用户的关键需求；在预设商家列表数据库中提取匹配所述关键需求的候选商品；提取所述候选商品的商品销售信息；根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；所述商品销售信息包括商品售价、商品计量单位、商品当前折扣率以及商品历史销售记录；根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品。具备有效理解用户的订阅内容中对泛需求概念的理解，为用户提供性价比最高商家，减少用户在同类商家中再次进行性价比比较的导致耗费时间的有益效果。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开实施例并不受所描述的动作顺序的限制，因为依据本公开实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本公开实施例所必须的。
实施例三
参照图3，示出了本公开的一种推荐装置实施例的结构框图，具体可以包括如下模块：
历史信息获取模块301，用于获取用户的历史信息；
关键需求确定模块302，用于根据所述历史信息，确定所述用户的关键需求；
候选商品提取模块303，用于在预设商家列表数据库中提取匹配所述关键需求的候选商品；
商品销售信息提取模块304，用于提取所述候选商品的商品销售信息；
性价比指数确定模块305，用于根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；
商品展示模块306，用于根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品。
在本公开实施例中，通过获取用户的历史信息；根据所述历史信息，确定所述用户的关键需求；在预设商家列表数据库中提取匹配所述关键需求的候选商品；提取所述候选商品的商品销售信息；根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品。具备有效理解用户的历史信息中的泛需求，根据用户的泛需求为用户提供性价比最高商品，减少用户在同类商品中进一步筛选比较导致耗费时间的有益效果。
实施例四
参照图4，示出了本公开的一种推荐装置实施例的结构框图，具体可以包括如下模块：
历史信息获取模块301，用于获取用户的历史信息；
关键需求确定模块302，用于根据所述历史信息，确定所述用户的关键需求；
优选地，所述历史信息包括历史浏览信息、历史搜索信息、历史订阅信息、历史消费信息、历史消费周期其中的一项或多项，所述关键需求确定模块302，进一步包括：
历史浏览信息确定子模块，用于根据所述历史浏览信息获取浏览关键词以及对应所述浏览关键词的历史浏览量；
和/或，
历史搜索频率获取子模块，用于根据所述历史搜索信息获取搜索关键词以及对应所述搜索关键词的历史搜索频率；
和/或，
历史阅读频率获取子模块，用于根据所述历史搜索信息获取订阅关键词以及对应所述订阅关键词的历史阅读频率；
和/或，
历史消费量获取子模块，用于根据所述历史消费信息获取消费关键词以及对应所述消费关键词的历史消费量；
消费需求关键词获取子模块，用于根据所述历史消费周期对应的消费产品与所述浏览关键词、所述搜索关键词、所述订阅关键词、所述消费关键词中的一项或多项进行对比，得到所述用户的消费需求关键词；
关键权重值确定子模块，用于根据所述历史浏览量、所述历史搜索频率、所述历史阅读频率、所述历史消费量分别确定所述浏览关键词、所述搜索关键词、所述订阅关键词、所述消费关键词的关键权重值；
关键词排序子模块，用于根据所述关键权重值的大小对所述消费需求关键词进行排序；
关键需求确定子模块，用于选择所述排序中的前预设位数的消费关键词，确定为所述用户的关键需求。
候选商品提取模块303，用于在预设商家列表数据库中提取匹配所述关键需求的候选商品；
优选地，所述候选商品提取模块303，包括：
候选商品提取子模块3031，用于将所述浏览关键词、所述搜索关键词、所述订阅关键词、所述消费关键词中的一项或多项与预设商品信息数据库中的商品目录进行匹配，得到匹配所述关键需求的候选商品。
商品销售信息提取模块304，用于提取所述候选商品的商品销售信息；
优选地，还包括：
权重比例获取模块，用于获取用户选择的预设权重值，所述预设权重值包括性价比指数、归一化单位计量折扣价格、折扣率因子之间的权重比例。
性价比指数确定模块305，用于根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；
优选地，所述商品销售信息包括商品售价、商品计量单位、商品当前折扣率以及商品历史销售记录，所述性价比指数确定模块305，包括：
归一化计量单位价格确定子模块3051，用于根据所述商品售价与所述商品计量单位的比值，确定所述商品归一化计量单位价格；
归一化单位计量折扣价格确定子模块3052，用于根据所述归一化计量单位价格与所述商品折扣率，确定所述商品归一化单位计量折扣价格；
历史最大折扣率确定子模块3053，用于根据所述商品历史销售记录，确定所述商品历史最大折扣率；
折扣率因子确定子模块3054，用于根据所述商品当前折扣率与所述商品历史最大折扣率之间的比值，确定所述商品折扣率因子；
性价比指数确定子模块3055，用于根据所述商品折扣率因子与所述归一化单位计量折扣价格的和，确定对应所述关键需求的商品销售性价比指数。
优选地，所述性价比指数确定子模块3055，进一步包括：
性价比指数确定单元，用于根据所述性价比指数、归一化单位计量折扣单价、折扣率因子之间的权重比例，计算所述商品折扣率因子与所述归一化单位计量折扣价格的加权和，确定为对应所述关键需求的所述商品销售性价比指数。
商品展示模块306，用于根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品。
优选地，所述商品展示模块306，进一步包括：
候选商品排序列表获取子模块3061，用于根据所述性价比指数，将所述商品销售信息进行排序，得到候选商品排序列表；
商品展示子模块3062，用于向所述用户展示所述候选商品排序列表中预设位数的商品。
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。
本公开实施例还提供一种电子设备，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如上述的一个或多个所述的推荐方法。
本公开实施例还提供一种可读存储介质，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如所述的推荐方法。
综上所述，在本公开实施例中，通过获取用户的历史信息；所述历史信息包括历史浏览信息、历史搜索信息、历史订阅信息、历史消费信息、历史消费周期其中的一项或多项；根据所述历史信息，确定所述用户的关键需求；在预设商家列表数据库中提取匹配所述关键需求的候选商品；提取所述候选商品的商品销售信息；根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；所述商品销售信息包括商品售价、商品计量单位、商品当前折扣率以及商品历史销售记录；根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品。具备有效理解用户的订阅内容中对泛需求概念的理解，为用户提供性价比最高商家，减少用户在同类商家中再次进行性价比比较的导致耗费时间的有益效果。
其具有如下优点：
一.在更少的交互次数基础上，只是通过用户的历史信息理解用户的购物关键需求，提高交互体验；
二.能够在有限的推送次数内，为用户发现令用户感兴趣的商品，提高购买量；
三.适用于线上线下不同情形，不需要过多的用户历史信息，适应程度广。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本公开实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本公开实施例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，本公开实施例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。
本公开实施例是参照根据本公开实施例的方法、终端设备(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终端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终端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终端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终端设备上，使得在计算机或其他可编程终端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终端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。
尽管已描述了本公开实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本公开实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本公开所提供的一种推荐方法、装置、电子设备及可读存储介质，进行了详细介绍，本文中应用了具体个例对本公开的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本公开的方法及其核心思想；同时，对于本领域的一般技术人员，依据本公开的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本公开的限制。
Claims (10)
1.一种推荐方法，其特征在于，包括：
获取用户的历史信息；
根据所述历史信息，确定所述用户的关键需求；
在预设商家列表数据库中提取匹配所述关键需求的候选商品；
提取所述候选商品的商品销售信息；
根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；
根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品。
2.根据权利要求1所述的方法，其特征在于，所述历史信息包括历史浏览信息、历史搜索信息、历史订阅信息、历史消费信息、历史消费周期其中的一项或多项，所述根据所述历史信息，确定所述用户的关键需求的步骤，包括：
根据所述历史浏览信息获取浏览关键词以及对应所述浏览关键词的历史浏览量；
和/或，
根据所述历史搜索信息获取搜索关键词以及对应所述搜索关键词的历史搜索频率；
和/或，
根据所述历史搜索信息获取订阅关键词以及对应所述订阅关键词的历史阅读频率；
和/或，
根据所述历史消费信息获取消费关键词以及对应所述消费关键词的历史消费量；
根据所述历史消费周期对应的消费产品与所述浏览关键词、所述搜索关键词、所述订阅关键词、所述消费关键词中的一项或多项进行对比，得到所述用户的消费需求关键词；
根据所述历史浏览量、所述历史搜索频率、所述历史阅读频率、所述历史消费量分别确定所述浏览关键词、所述搜索关键词、所述订阅关键词、所述消费关键词的关键权重值；
根据所述关键权重值的大小对所述消费需求关键词进行排序；
选择所述排序中的前预设位数的消费关键词，确定为所述用户的关键需求。
3.根据权利要求1所述的方法，其特征在于，所述商品销售信息包括商品售价、商品计量单位、商品当前折扣率以及商品历史销售记录，所述根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数的步骤，包括：
根据所述商品售价与所述商品计量单位的比值，确定所述商品归一化计量单位价格；
根据所述归一化计量单位价格与所述商品折扣率，确定所述商品归一化单位计量折扣价格；
根据所述商品历史销售记录，确定所述商品历史最大折扣率；
根据所述商品当前折扣率与所述商品历史最大折扣率之间的比值，确定所述商品折扣率因子；
根据所述商品折扣率因子与所述归一化单位计量折扣价格的和，确定对应所述关键需求的商品销售性价比指数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品的步骤，包括：
根据所述性价比指数，将所述商品销售信息进行排序，得到候选商品排序列表；
向所述用户展示所述候选商品排序列表中预设位数的商品。
5.根据权利要求2所述的方法，其特征在于，所述在预设商家列表数据库中提取匹配所述关键需求的候选商品的步骤，包括：
将所述浏览关键词、所述搜索关键词、所述订阅关键词、所述消费关键词中的一项或多项与预设商品信息数据库中的商品目录进行匹配，得到匹配所述关键需求的候选商品。
6.根据权利要求3所述的方法，其特征在于，在所述根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数的步骤之前，还包括：
获取用户选择的预设权重值，所述预设权重值包括性价比指数、归一化单位计量折扣价格、折扣率因子之间的权重比例。
7.根据权利要求6所述的方法，其特征在于，所述根据所述商品折扣率因子与所述归一化单位计量折扣价格的和，确定对应所述关键需求的商品销售性价比指数的步骤，包括：
根据所述性价比指数、归一化单位计量折扣单价、折扣率因子之间的权重比例，计算所述商品折扣率因子与所述归一化单位计量折扣价格的加权和，确定为对应所述关键需求的所述商品销售性价比指数。
8.一种推荐装置，其特征在于，包括：
历史信息获取模块，用于获取用户的历史信息；
关键需求确定模块，用于根据所述历史信息，确定所述用户的关键需求；
候选商品提取模块，用于在预设商家列表数据库中提取匹配所述关键需求的候选商品；
商品销售信息提取模块，用于提取所述候选商品的商品销售信息；
性价比指数确定模块，用于根据所述商品销售信息，获取符合所述关键需求的商品销售性价比指数；
商品展示模块，用于根据所述商品销售性价比指数，向所述用户展示针对所述商品销售信息的商品。
9.一种电子设备，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1-7之任一项所述的推荐方法。
10.一种可读存储介质，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，使得电子设备能够实现如权利要求1-7之任一项所述的测推荐方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910330329.7A CN110197415A (zh) | 2019-04-23 | 2019-04-23 | 一种推荐方法、装置、电子设备及可读存储介质 |
| PCT/CN2019/125713 WO2020215751A1 (zh) | 2019-04-23 | 2019-12-16 | 一种推荐方法、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910330329.7A CN110197415A (zh) | 2019-04-23 | 2019-04-23 | 一种推荐方法、装置、电子设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110197415A true CN110197415A (zh) | 2019-09-03 |
Family
ID=67752003
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910330329.7A Pending CN110197415A (zh) | 2019-04-23 | 2019-04-23 | 一种推荐方法、装置、电子设备及可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110197415A (zh) |
| WO (1) | WO2020215751A1 (zh) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110533485A (zh) * | 2019-09-05 | 2019-12-03 | 金瓜子科技发展（北京）有限公司 | 一种对象选取的方法、装置、存储介质及电子设备 |
| CN110689402A (zh) * | 2019-09-04 | 2020-01-14 | 北京三快在线科技有限公司 | 推荐商家的方法、装置、电子设备及可读存储介质 |
| CN110737694A (zh) * | 2019-09-17 | 2020-01-31 | 中电万维信息技术有限责任公司 | 一种政务数据资源目录智能订阅方法 |
| CN110992146A (zh) * | 2019-12-02 | 2020-04-10 | 泰康保险集团股份有限公司 | 服务信息推送方法、装置、设备及存储介质 |
| CN111080418A (zh) * | 2019-12-28 | 2020-04-28 | 广东奥园奥买家电子商务有限公司 | 一种基于电商平台的商品组合销售方法和装置以及设备 |
| CN111210308A (zh) * | 2020-01-03 | 2020-05-29 | 精硕科技（北京）股份有限公司 | 一种推广策略的确定方法、装置、计算机设备和介质 |
| CN111461782A (zh) * | 2020-03-31 | 2020-07-28 | 广东奥园奥买家电子商务有限公司 | 一种电商商品的信息推送方法和装置以及设备 |
| CN111695971A (zh) * | 2020-06-12 | 2020-09-22 | 腾讯科技（深圳）有限公司 | 物品推荐方法、装置和设备及计算机存储介质 |
| WO2020215751A1 (zh) * | 2019-04-23 | 2020-10-29 | 北京三快在线科技有限公司 | 一种推荐方法、电子设备及可读存储介质 |
| CN112288464A (zh) * | 2020-10-16 | 2021-01-29 | 杭州贝嘟科技有限公司 | 商品推荐方法、装置、计算机设备和存储介质 |
| CN112419078A (zh) * | 2020-12-03 | 2021-02-26 | 中国人寿保险股份有限公司 | 产品推荐方法、装置和电子设备 |
| CN112488782A (zh) * | 2020-11-18 | 2021-03-12 | 北京三快在线科技有限公司 | 商品推荐方法、装置、存储介质及电子设备 |
| CN112950320A (zh) * | 2021-03-03 | 2021-06-11 | 刘晓斌 | 基于机器自学习的商品自动上下线方法、装置和电子设备 |
| CN113159905A (zh) * | 2021-05-20 | 2021-07-23 | 深圳马六甲网络科技有限公司 | 新用户的商品推荐方法、装置、设备及存储介质 |
| CN113297503A (zh) * | 2021-07-26 | 2021-08-24 | 北京天健智慧科技有限公司 | 互联网护理信息平台的业务推荐方法 |
| CN113378057A (zh) * | 2021-06-29 | 2021-09-10 | 珠海必要工业科技股份有限公司 | 一种信息提示方法、装置、计算机设备及存储介质 |
| CN113706239A (zh) * | 2021-08-13 | 2021-11-26 | 湖南方圆工程咨询监理有限公司 | 一种工程造价智能统计方法、计算机设备及系统 |
| CN113762993A (zh) * | 2020-06-03 | 2021-12-07 | 阿里巴巴集团控股有限公司 | 数据处理方法、系统、装置、设备和存储介质 |
| CN113919912A (zh) * | 2021-10-13 | 2022-01-11 | 广州风雷益信息技术有限公司 | 一种产品智能选择方法、系统、设备及可读存储介质 |
| CN114240505A (zh) * | 2021-12-21 | 2022-03-25 | 南京吐纳健康科技有限公司 | 一种基于大数据的空气净化器推荐系统及方法 |
| CN114612126A (zh) * | 2021-12-08 | 2022-06-10 | 江苏众亿国链大数据科技有限公司 | 一种基于大数据的信息推送方法 |
| CN115482065A (zh) * | 2022-09-22 | 2022-12-16 | 保利和悦生活科技服务有限公司 | 基于大数据与电子商城平台的购物数据共享方法及系统 |
| CN117035947A (zh) * | 2023-10-09 | 2023-11-10 | 新立讯科技股份有限公司 | 基于大数据处理的农产品数据分析方法及云平台 |
| CN118277677A (zh) * | 2024-06-04 | 2024-07-02 | 山东再起数据科技有限公司 | 基于数据挖掘的物联网平台信息推荐方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102938123A (zh) * | 2012-10-24 | 2013-02-20 | 江苏乐买到网络科技有限公司 | 一种向用户推荐商品信息的方法 |
| CN103593781A (zh) * | 2012-08-16 | 2014-02-19 | 郑鑫 | 同类非同质商品对性价比进行比较与排序的方法 |
| CN107169842A (zh) * | 2017-05-31 | 2017-09-15 | 合肥亿迈杰软件有限公司 | 一种基于商品数据的电子商务数据筛选系统 |
| CN107705183A (zh) * | 2017-09-30 | 2018-02-16 | 深圳乐信软件技术有限公司 | 一种商品的推荐方法、装置、存储介质及服务器 |
| CN109214893A (zh) * | 2018-08-31 | 2019-01-15 | 深圳春沐源控股有限公司 | 商品推荐方法、推荐系统及计算机装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104599160B (zh) * | 2015-02-06 | 2020-09-08 | 腾讯科技（深圳）有限公司 | 商品推荐方法和装置 |
| CN106709741A (zh) * | 2015-07-22 | 2017-05-24 | 中兴通讯股份有限公司 | 一种商品推荐方法及系统 |
| CN106933821A (zh) * | 2015-12-29 | 2017-07-07 | 中国电信股份有限公司 | 一种基于相似度计算的个性化职位推荐方法和系统 |
| CN106910108A (zh) * | 2017-01-24 | 2017-06-30 | 武汉奇米网络科技有限公司 | 一种商品列表展示方法及系统 |
| CN107767227A (zh) * | 2017-10-31 | 2018-03-06 | 深圳春沐源控股有限公司 | 网上商城的商品推荐方法、商品推荐系统 |
| CN110197415A (zh) * | 2019-04-23 | 2019-09-03 | 北京三快在线科技有限公司 | 一种推荐方法、装置、电子设备及可读存储介质 |
-
2019
- 2019-04-23 CN CN201910330329.7A patent/CN110197415A/zh active Pending
- 2019-12-16 WO PCT/CN2019/125713 patent/WO2020215751A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103593781A (zh) * | 2012-08-16 | 2014-02-19 | 郑鑫 | 同类非同质商品对性价比进行比较与排序的方法 |
| CN102938123A (zh) * | 2012-10-24 | 2013-02-20 | 江苏乐买到网络科技有限公司 | 一种向用户推荐商品信息的方法 |
| CN107169842A (zh) * | 2017-05-31 | 2017-09-15 | 合肥亿迈杰软件有限公司 | 一种基于商品数据的电子商务数据筛选系统 |
| CN107705183A (zh) * | 2017-09-30 | 2018-02-16 | 深圳乐信软件技术有限公司 | 一种商品的推荐方法、装置、存储介质及服务器 |
| CN109214893A (zh) * | 2018-08-31 | 2019-01-15 | 深圳春沐源控股有限公司 | 商品推荐方法、推荐系统及计算机装置 |
Cited By (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020215751A1 (zh) * | 2019-04-23 | 2020-10-29 | 北京三快在线科技有限公司 | 一种推荐方法、电子设备及可读存储介质 |
| CN110689402A (zh) * | 2019-09-04 | 2020-01-14 | 北京三快在线科技有限公司 | 推荐商家的方法、装置、电子设备及可读存储介质 |
| CN110533485A (zh) * | 2019-09-05 | 2019-12-03 | 金瓜子科技发展（北京）有限公司 | 一种对象选取的方法、装置、存储介质及电子设备 |
| CN110737694A (zh) * | 2019-09-17 | 2020-01-31 | 中电万维信息技术有限责任公司 | 一种政务数据资源目录智能订阅方法 |
| CN110737694B (zh) * | 2019-09-17 | 2022-09-23 | 中电万维信息技术有限责任公司 | 一种政务数据资源目录智能订阅方法 |
| CN110992146A (zh) * | 2019-12-02 | 2020-04-10 | 泰康保险集团股份有限公司 | 服务信息推送方法、装置、设备及存储介质 |
| CN111080418A (zh) * | 2019-12-28 | 2020-04-28 | 广东奥园奥买家电子商务有限公司 | 一种基于电商平台的商品组合销售方法和装置以及设备 |
| CN111210308A (zh) * | 2020-01-03 | 2020-05-29 | 精硕科技（北京）股份有限公司 | 一种推广策略的确定方法、装置、计算机设备和介质 |
| CN111210308B (zh) * | 2020-01-03 | 2024-03-26 | 北京秒针人工智能科技有限公司 | 一种推广策略的确定方法、装置、计算机设备和介质 |
| CN111461782A (zh) * | 2020-03-31 | 2020-07-28 | 广东奥园奥买家电子商务有限公司 | 一种电商商品的信息推送方法和装置以及设备 |
| CN113762993A (zh) * | 2020-06-03 | 2021-12-07 | 阿里巴巴集团控股有限公司 | 数据处理方法、系统、装置、设备和存储介质 |
| CN111695971A (zh) * | 2020-06-12 | 2020-09-22 | 腾讯科技（深圳）有限公司 | 物品推荐方法、装置和设备及计算机存储介质 |
| CN111695971B (zh) * | 2020-06-12 | 2024-01-12 | 腾讯科技（深圳）有限公司 | 物品推荐方法、装置和设备及计算机存储介质 |
| CN112288464A (zh) * | 2020-10-16 | 2021-01-29 | 杭州贝嘟科技有限公司 | 商品推荐方法、装置、计算机设备和存储介质 |
| CN112488782A (zh) * | 2020-11-18 | 2021-03-12 | 北京三快在线科技有限公司 | 商品推荐方法、装置、存储介质及电子设备 |
| CN112419078A (zh) * | 2020-12-03 | 2021-02-26 | 中国人寿保险股份有限公司 | 产品推荐方法、装置和电子设备 |
| CN112950320A (zh) * | 2021-03-03 | 2021-06-11 | 刘晓斌 | 基于机器自学习的商品自动上下线方法、装置和电子设备 |
| CN113159905A (zh) * | 2021-05-20 | 2021-07-23 | 深圳马六甲网络科技有限公司 | 新用户的商品推荐方法、装置、设备及存储介质 |
| CN113378057A (zh) * | 2021-06-29 | 2021-09-10 | 珠海必要工业科技股份有限公司 | 一种信息提示方法、装置、计算机设备及存储介质 |
| CN113297503A (zh) * | 2021-07-26 | 2021-08-24 | 北京天健智慧科技有限公司 | 互联网护理信息平台的业务推荐方法 |
| CN113706239A (zh) * | 2021-08-13 | 2021-11-26 | 湖南方圆工程咨询监理有限公司 | 一种工程造价智能统计方法、计算机设备及系统 |
| CN113919912B (zh) * | 2021-10-13 | 2023-06-02 | 广州风雷益信息技术有限公司 | 一种产品智能选择方法、系统、设备及可读存储介质 |
| CN113919912A (zh) * | 2021-10-13 | 2022-01-11 | 广州风雷益信息技术有限公司 | 一种产品智能选择方法、系统、设备及可读存储介质 |
| CN114612126A (zh) * | 2021-12-08 | 2022-06-10 | 江苏众亿国链大数据科技有限公司 | 一种基于大数据的信息推送方法 |
| CN114240505B (zh) * | 2021-12-21 | 2022-07-26 | 南京吐纳健康科技有限公司 | 一种基于大数据的空气净化器推荐系统及方法 |
| CN114240505A (zh) * | 2021-12-21 | 2022-03-25 | 南京吐纳健康科技有限公司 | 一种基于大数据的空气净化器推荐系统及方法 |
| CN115482065A (zh) * | 2022-09-22 | 2022-12-16 | 保利和悦生活科技服务有限公司 | 基于大数据与电子商城平台的购物数据共享方法及系统 |
| CN117035947A (zh) * | 2023-10-09 | 2023-11-10 | 新立讯科技股份有限公司 | 基于大数据处理的农产品数据分析方法及云平台 |
| CN117035947B (zh) * | 2023-10-09 | 2024-01-09 | 新立讯科技股份有限公司 | 基于大数据处理的农产品数据分析方法及云平台 |
| CN118277677A (zh) * | 2024-06-04 | 2024-07-02 | 山东再起数据科技有限公司 | 基于数据挖掘的物联网平台信息推荐方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020215751A1 (zh) | 2020-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110197415A (zh) | 一种推荐方法、装置、电子设备及可读存储介质 | |
| US11301868B2 (en) | Method for predictive analytics for finding related array entries | |
| CN110569432B (zh) | 商品序列计算方法、装置、计算机设备及存储介质 | |
| CN104965889B (zh) | 内容推荐方法及装置 | |
| CN101324948B (zh) | 一种信息推荐的方法及装置 | |
| US8756121B2 (en) | Retail website user interface | |
| CN108121737A (zh) | 一种业务对象属性标识的生成方法、装置和系统 | |
| CN107230098A (zh) | 一种业务对象的分时推荐方法和系统 | |
| CN108205768A (zh) | 数据库建立方法和数据推荐方法及装置、设备和存储介质 | |
| CN105718184A (zh) | 一种数据处理方法和装置 | |
| CN106910108A (zh) | 一种商品列表展示方法及系统 | |
| CN107862566A (zh) | 一种商品推荐方法和系统 | |
| KR101371326B1 (ko) | 유비쿼터스 스마트 쇼핑 시스템 | |
| CN104573108A (zh) | 信息处理方法和信息处理装置 | |
| CN106326318B (zh) | 搜索方法及装置 | |
| KR20140025538A (ko) | 광고 시스템, 광고 시스템의 제어 방법 및 정보 기억 매체 | |
| CN110930214A (zh) | 一种用于满减活动的商品排序方法 | |
| US20090024489A1 (en) | Reputation based display | |
| KR101707660B1 (ko) | 연관 검색어를 이용한 관심사 카테고리 기반 이커머스 시스템 | |
| CN110619559A (zh) | 基于大数据信息在电子商务中精准推荐商品的方法 | |
| CN103577473B (zh) | 分类消岐方法、分类消岐装置及其系统 | |
| CN113689259A (zh) | 基于用户行为的商品个性化推荐方法及系统 | |
| CN114926237A (zh) | 一种商品推荐方法、装置、存储介质及电子设备 | |
| WO2019184204A1 (zh) | 资源信息推荐方法及资源信息推荐系统 | |
| Ge et al. | Effects of product characteristics on the bundling strategy implemented by recommendation systems |
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 |