CN110223092A - 选品方法、装置和计算机可读存储介质 - Google Patents
选品方法、装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN110223092A CN110223092A CN201810170563.3A CN201810170563A CN110223092A CN 110223092 A CN110223092 A CN 110223092A CN 201810170563 A CN201810170563 A CN 201810170563A CN 110223092 A CN110223092 A CN 110223092A
- Authority
- CN
- China
- Prior art keywords
- article
- theme
- data
- hot value
- selection
- 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
- 238000010187 selection method Methods 0.000 title claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 95
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims description 26
- 241001269238 Data Species 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 239000008267 milk Substances 0.000 description 4
- 210000004080 milk Anatomy 0.000 description 4
- 235000013336 milk Nutrition 0.000 description 4
- 239000000843 powder Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001052 transient 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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
Abstract
本公开提出一种选品方法、装置和计算机可读存储介质,涉及大数据技术领域。本公开的一种选品方法包括:根据关键词与物品的关联关系分析待测数据,确定待测数据的主题物品,待测数据包括互联网数据;根据主题物品相同的待测数据的数据量确定物品的热度值;根据热度值选品。通过这样的方法,能够基于互联网数据分析相关的主题物品,并得到物品的热度值,进而根据热度值进行选品,使得选品能够符合网络热点,提高选品的市场针对性,降低使用者的经营风险。
Description
技术领域
本公开涉及大数据技术领域,特别是一种选品方法、装置和计算机可读存储介质。
背景技术
随着生活水平的提高,人们的选购的商品趋于多样化,消费水平也不断提高。往往爆款商品能为商家带来不菲的利润,但是,如果某种或某类产品发生了滞销,则会为商家带来不小的损失,也不利于销售平台的持续发展。
发明内容
本公开的一个目的在于根据物品的讨论热度进行选品,提高选品的市场针对性。
根据本公开的一个方面,提出一种选品方法,包括:根据关键词与物品的关联关系分析待测数据,确定待测数据的主题物品,待测数据包括互联网数据;根据主题物品相同的待测数据的数据量确定物品的热度值;根据热度值选品。
可选地,关键词与物品的关联关系包括在待测数据中出现关键词的情况下待测数据的主题为对应物品的概率。
可选地,根据主题物品相同的待测数据的数据量确定物品的热度值包括:根据相同物品为不同待测数据的主题物品的概率之和确定物品的热度值。
可选地,确定待测数据的主题物品包括:对待测数据进行关键词匹配;根据关键词与物品的关联关系确定待测数据的主题物品和主题物品概率;根据主题物品相同的待测数据的数据量确定物品的热度值包括:将不同待测数据的相同主题物品的主题物品概率相加,作为物品的热度值。
可选地,还包括:根据待测数据的来源确定主题物品类目;若根据关键词与物品的关联关系分析得到的待测数据的主题物品不属于对应待测数据的主题物品类目,则主题物品概率为0。
可选地,还包括:基于确定的主题物品获取训练数据,训练数据包括主题物品的属性、评价或描述信息中的一种或多种;根据多种主题物品的训练数据,基于LDA(LatentDirichlet Allocation,文档主题生成)模型确定关键词与物品的关联关系。
可选地,根据热度值选品包括以下一种或多种操作:选择热度值高于预定热度值下限的物品;按照热度值从高到低的顺序选择物品;根据热度值确定物品的选品量。
通过这样的方法,能够基于互联网数据分析相关的主题物品,并得到物品的热度值,进而根据热度值进行选品,使得选品能够符合网络热点,提高选品的市场针对性,降低使用者的经营风险。
根据本公开的另一个方面,提出一种选品装置,包括:主题物品确定单元,被配置为根据关键词与物品的关联关系分析待测数据,确定待测数据的主题物品,待测数据包括互联网数据;热度值确定单元,被配置为根据主题物品相同的待测数据的数据量确定物品的热度值;选品单元,被配置为根据热度值选品。
可选地,关键词与物品的关联关系包括在待测数据中出现关键词的情况下待测数据的主题为物品的概率。
可选地,热度值确定单元被配置为根据相同物品为不同待测数据的主题物品的概率之和确定物品的热度值。
可选地,主题物品确定单元被配置为:对待测数据进行关键词匹配;根据关键词与物品的关联关系确定待测数据的主题物品和主题物品概率;热度值确定单元被配置为将不同待测数据的相同主题物品的主题物品概率相加,作为物品的热度值。
可选地,还包括:类目确定单元,被配置为根据待测数据的来源确定主题物品类目;主题物品确定单元还被配置为若根据关键词与物品的关联关系分析得到的待测数据的主题物品不属于对应待测数据的主题物品类目,则主题物品概率为0。
可选地,还包括:训练单元,被配置为基于确定的主题物品获取训练数据,训练数据包括主题物品的属性、评价或描述信息中的一种或多种;根据多种主题物品的训练数据,基于LDA模型确定关键词与物品的关联关系。
可选地,选品单元被配置为执行以下一种或多种操作:选择热度值高于预定热度值下限的物品;按照热度值从高到低的顺序选择物品;根据热度值确定物品的选品量。
根据本公开的又一个方面,提出一种选品装置,包括:存储器;以及耦接至存储器的处理器,处理器被配置为基于存储在存储器的指令执行上文中任意一种选品方法。
这样的选品装置能够基于互联网数据分析相关的主题物品,并得到物品的热度值,进而根据热度值进行选品,使得选品能够符合网络热点,提高选品的市场针对性,降低使用者的经营风险。
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指令,该指令被处理器执行时实现上文中任意一种选品方法的步骤。
通过执行这样的计算机可读存储介质上的指令,能够基于互联网数据分析相关的主题物品,并得到物品的热度值,进而根据热度值进行选品,使得选品能够符合网络热点,提高选品的市场针对性,降低使用者的经营风险。
附图说明
此处所说明的附图用来提供对本公开的进一步理解,构成本公开的一部分,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。在附图中:
图1为本公开的选品方法的一个实施例的流程图。
图2为本公开的选品方法中确定物品热度值的一个实施例的流程图。
图3为本公开的选品方法的另一个实施例的流程图。
图4为本公开的选品装置的一个实施例的示意图。
图5为本公开的选品装置的另一个实施例的示意图。
图6为本公开的选品装置的又一个实施例的示意图。
具体实施方式
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
本公开的选品方法的一个实施例的流程图如图1所示。
在步骤101中,根据关键词与物品的关联关系分析待测数据,确定待测数据的主题物品。在一个实施例中,待测数据包括互联网数据,如论坛数据、微博数据、用户评论、网页文章、公众号数据等。
在步骤102中,根据主题物品相同的待测数据的数据量确定物品的热度值。在一个实施例中,可以假设物品被讨论的越多则其热度值越高。在一个实施例中,可以通过LDA模型确定待测数据的主题,且将待测物体的主题限定为待选择的物品,即通过LDA模型确定作为待测数据的主题的物品。
在步骤103中,根据热度值选品。在一个实施例中,可以按照热度值从高到低的顺序选品,优先选择热度值高的物品进货和销售。在另一个实施例中,可以设定预定热度值下限,只选择热度值高于预定热度值下限的物品;在又一个实施例中,还可以根据热度值确定选品量,如热度值高的增加进货量,热度值低的减少进货量或者不进货。
通过这样的方法,能够基于互联网数据分析相关的主题物品,并得到物品的热度值,进而根据热度值进行选品,使得选品能够符合网络热点,提高选品的市场针对性,降低使用者的经营风险。尤其是对于一些短期内产生的数据而言,能够提高选出爆品的可能性,提高了用户体验。
在一个实施例中,关键词与物品的关联关系包括在待测数据中出现关键词的情况下待测数据的主题为该物品的概率,可以通过分析待测数据中出现的关键词确定待测数据的主题物品可能是哪种物品或哪些物品,以及概率为多少。基于概率进行的运算能够将待测数据的主题物品的可能性量化,一方面提高数据的直观性,另一方面也提高数据的准确性。
本公开的选品方法中确定物品热度值的一个实施例的流程图如图2所示。
在步骤201中,对待测数据进行关键词匹配。
在步骤202中,根据关键词与物品的关联关系确定待测数据的主题物品和主题物品概率。在一个实施例中,同一篇文章的主题物品有多种可能,如:关键词包括孩子、宝宝、不倒翁,已知的关键词与物品的关联关系包括:如P(玩具|孩子)=0.07,P(玩具|宝宝)=0.1,P(玩具|不倒翁)=0.4,P(奶粉|宝宝)=0.2,P(奶粉|孩子)=0.05,P(奶粉|不倒翁)=0.001,比如文章中出现“孩子”、“宝宝”、“不倒翁”这三个词,则认为待测数据关于玩具这类商品的概率是(0.07+0.1+0.4)/3=0.19,关于奶粉这类商品的概率是(0.2+0.05+0.001)/3=0.08。另外,为了实现选品的细化,可以将主题物品细化至某款物品,从而方便选品的执行。
在一个实施例中,可以将待测数据的主题物品的各种可能性均带入步骤203中,以提高数据的精准度,在另一个实施例中,可以设定概率阈值,当主题物品概率低于概率阈值时,则认为待测数据的主题物品几乎不可能为该物品,不纳入步骤203的考虑范围;在又一个实施例中,为减少运算量,可以为待测数据确定预定数量上限的主题物品(如1-3种)。
在步骤203中,循环执行以上步骤,直至完成所有待测数据的分析。将不同待测数据的相同主题物品的主题物品概率相加,作为物品的热度值。
通过这样的方法,能够综合考虑待测数据的讨论的主题所关于的物品的种类,以及各种物品被讨论的概率大小。由于概率的统计结果能够反映物品被讨论的多少,因此能够体现物品的讨论热度,从而将讨论热度量化,提高对网络热点分析的准确性。
在一个实施例中,由于待测数据来源的限制,其主题往往有一定的范围,如比如数据来自于一个毛绒玩具制造商的微博,若主题物品超出了毛绒玩具的范围,则可以认为是无效数据,也有可能是主题分析偏差造成的。因此,可以根据待测数据的来源确定主题物品类目,主题物品类目限定了待测数据的主题物品范围。当通过对待测数据的分析得到主题物品及主题物品概率后,可以与主题物品类目进行匹配,若主题物品不在主题物品类目范围内,则将其主题物品概率归0,以避免无效、错误数据对热度值分析结果造成影响,进一步提高选品的可靠性。
在一个实施例中,由于市场的更新迅速,不时会产生新的物品或物品产生新的属性,因此可以为物品生成训练数据,进而确定关键词与物品的关联关系。
本公开的选品方法的另一个实施例的流程图如图3所示。
在步骤301中,基于确定的主题物品获取训练数据,训练数据包括主题物品的属性、评价或描述信息中的一种或多种。在一个实施例中,可以将主题物品的属性、评价、描述信息等信息放入一个词袋中,作为该主题物品的训练数据。
在步骤302中,根据多种主题物品的训练数据,基于LDA模型确定关键词与物品的关联关系。
在步骤303中,根据关键词与物品的关联关系分析待测数据,确定待测数据的主题物品。
在步骤304中,根据主题物品相同的待测数据的数据量确定物品的热度值。在一个实施例中,可以假设物品被讨论的越多则其热度值越高。
在步骤305中,根据热度值选品。
通过这样的方法,能够有针对性的生成物品的训练数据,并生成物品与关键词的关联关系,便于使用者对备选的物品进行热度值计算,符合商家的实际需求,也能够提高运算速率,且能够提高关联关系的时效性,进一步提高选品的准确度。
本公开的选品装置的一个实施例的示意图如图4所示。主题物品确定单元401能够根据关键词与物品的关联关系分析待测数据,确定待测数据的主题物品。在一个实施例中,待测数据包括互联网数据,如论坛数据、微博数据、用户评论、网页文章、公众号数据等。热度值确定单元402能够根据主题物品相同的待测数据的数据量确定物品的热度值。在一个实施例中,可以假设物品被讨论的越多则其热度值越高。在一个实施例中,可以通过LDA模型确定待测数据的主题,且将待测物体的主题限定为待选择的物品,即通过LDA模型确定作为待测数据的主题的物品。选品单元403能够根据热度值选品。在一个实施例中,可以按照热度值从高到低的顺序选品,优先选择热度值高的物品进货和销售。在另一个实施例中,可以设定预定热度值下限,只选择热度值高于预定热度值下限的物品;在又一个实施例中,还可以根据热度值确定选品量,如热度值高的增加进货量,热度值低的减少进货量或者不进货。
这样的装置能够基于互联网数据分析相关的主题物品,并得到物品的热度值,进而根据热度值进行选品,使得选品能够符合网络热点,提高选品的市场针对性,降低使用者的经营风险。
在一个实施例中,热度值确定单元402能够对待测数据进行关键词匹配,根据关键词与物品的关联关系确定待测数据的主题物品和主题物品概率,将不同待测数据的相同主题物品的主题物品概率相加,作为物品的热度值。
通过这样的方法,能够综合考虑待测数据的讨论的主题所关于的物品的种类,以及各种物品被讨论的概率大小。由于概率的统计结果能够反映物品被讨论的多少,因此能够体现物品的讨论热度,从而将讨论热度量化,提高对网络热点分析的准确性。
在一个实施例中,如图4所示,选品装置还可以包括类目确定单元404,能够根据待测数据的来源确定主题物品类目,主题物品类目限定了待测数据的主题物品范围。当通过对待测数据的分析得到主题物品及主题物品概率后,可以与主题物品类目进行匹配,若主题物品不在主题物品类目范围内,则将其主题物品概率归0,以避免无效、错误数据对热度值分析结果造成影响,进一步提高选品的可靠性。
在一个实施例中,如图4所示,选品装置还可以包括训练单元405,能够基于确定的主题物品获取训练数据,训练数据包括主题物品的属性、评价或描述信息中的一种或多种。在一个实施例中,可以将主题物品的属性、评价、描述信息等信息放入一个词袋中,作为该主题物品的训练数据,根据多种主题物品的训练数据,基于LDA模型确定关键词与物品的关联关系。
这样的装置能够有针对性的生成物品的训练数据,并生成物品与关键词的关联关系,便于使用者对备选的物品进行热度值计算,符合商家的实际需求,也能够提高运算速率,且能够提高关联关系的时效性,进一步提高选品的准确度。
本公开的选品装置的一个实施例的结构示意图如图5所示。选品装置包括存储器501和处理器502。其中:存储器501可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储上文中选品方法的对应实施例中的指令。处理器502耦接至存储器501,可以作为一个或多个集成电路来实施,例如微处理器或微控制器。该处理器502用于执行存储器中存储的指令,能够使选品符合网络热点,提高选品的市场针对性,降低使用者的经营风险。
在一个实施例中,还可以如图6所示,选品装置600包括存储器601和处理器602。处理器602通过BUS总线603耦合至存储器601。该选品装置600还可以通过存储接口604连接至外部存储装置605以便调用外部数据,还可以通过网络接口606连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。
在该实施例中,通过存储器存储数据指令,再通过处理器处理上述指令,能够使选品符合网络热点,提高选品的市场针对性,降低使用者的经营风险。
在另一个实施例中,一种计算机可读存储介质,其上存储有计算机程序指令,该指令被处理器执行时实现选品方法对应实施例中的方法的步骤。本领域内的技术人员应明白,本公开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。
至此,已经详细描述了本公开。为了避免遮蔽本公开的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本公开的方法以及装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
最后应当说明的是:以上实施例仅用以说明本公开的技术方案而非对其限制;尽管参照较佳实施例对本公开进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本公开的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本公开技术方案的精神,其均应涵盖在本公开请求保护的技术方案范围当中。
Claims (16)
1.一种选品方法,包括:
根据关键词与物品的关联关系分析待测数据,确定待测数据的主题物品,所述待测数据包括互联网数据;
根据主题物品相同的待测数据的数据量确定物品的热度值;
根据所述热度值选品。
2.根据权利要求1所述的方法,其中,
所述关键词与物品的关联关系包括在待测数据中出现所述关键词的情况下待测数据的主题为所述物品的概率。
3.根据权利要求1或2所述的方法,其中,所述根据主题物品相同的待测数据的数据量确定物品的热度值包括:
根据相同物品为不同所述待测数据的主题物品的概率之和确定所述物品的热度值。
4.根据权利要3所述的方法,其中,
所述确定待测数据的主题物品包括:
对待测数据进行关键词匹配;
根据所述关键词与物品的关联关系确定待测数据的主题物品和主题物品概率;
所述根据主题物品相同的待测数据的数据量确定物品的热度值包括:
将不同待测数据的相同主题物品的主题物品概率相加,作为所述物品的热度值。
5.根据权利要求4所述的方法,还包括:
根据待测数据的来源确定主题物品类目;
若根据所述关键词与物品的关联关系分析得到的待测数据的主题物品不属于对应待测数据的所述主题物品类目,则所述主题物品概率为0。
6.根据权利要求1所述的方法,还包括:
基于确定的主题物品获取训练数据,所述训练数据包括所述主题物品的属性、评价或描述信息中的一种或多种;
根据多种主题物品的所述训练数据,基于文档主题生成LDA模型确定关键词与物品的关联关系。
7.根据权利要求1所述的方法,其中,所述根据所述热度值选品包括以下一种或多种操作:
选择所述热度值高于预定热度值下限的物品;
按照所述热度值从高到低的顺序选择物品;
根据所述热度值确定物品的选品量。
8.一种选品装置,包括:
主题物品确定单元,被配置为根据关键词与物品的关联关系分析待测数据,确定待测数据的主题物品,所述待测数据包括互联网数据;
热度值确定单元,被配置为根据主题物品相同的待测数据的数据量确定物品的热度值;
选品单元,被配置为根据所述热度值选品。
9.根据权利要求8所述的装置,其中,
所述关键词与物品的关联关系包括在待测数据中出现所述关键词的情况下待测数据的主题为所述物品的概率。
10.根据权利要求8或9所述的装置,其中,所述热度值确定单元被配置为根据相同物品为不同所述待测数据的主题物品的概率之和确定所述物品的热度值。
11.根据权利要求10所述的装置,其中,
所述主题物品确定单元被配置为:
对待测数据进行关键词匹配;
根据所述关键词与物品的关联关系确定待测数据的主题物品和主题物品概率;
所述热度值确定单元被配置为将不同待测数据的相同主题物品的主题物品概率相加,作为所述物品的热度值。
12.根据权利要求11所述的装置,还包括:
类目确定单元,被配置为根据待测数据的来源确定主题物品类目;
所述主题物品确定单元还被配置为若根据所述关键词与物品的关联关系分析得到的待测数据的主题物品不属于对应待测数据的所述主题物品类目,则所述主题物品概率为0。
13.根据权利要求8所述的装置,还包括:
训练单元,被配置为基于确定的主题物品获取训练数据,所述训练数据包括所述主题物品的属性、评价或描述信息中的一种或多种;根据多种主题物品的所述训练数据,基于LDA模型确定关键词与物品的关联关系。
14.根据权利要求8所述的装置,其中,所述选品单元被配置为执行以下一种或多种操作:
选择所述热度值高于预定热度值下限的物品;
按照所述热度值从高到低的顺序选择物品;
根据所述热度值确定物品的选品量。
15.一种选品装置,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的指令执行如权利要求1至7任一项所述的方法。
16.一种计算机可读存储介质,其上存储有计算机程序指令,该指令被处理器执行时实现权利要求1至7任意一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810170563.3A CN110223092A (zh) | 2018-03-01 | 2018-03-01 | 选品方法、装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810170563.3A CN110223092A (zh) | 2018-03-01 | 2018-03-01 | 选品方法、装置和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110223092A true CN110223092A (zh) | 2019-09-10 |
Family
ID=67821881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810170563.3A Pending CN110223092A (zh) | 2018-03-01 | 2018-03-01 | 选品方法、装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223092A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006227965A (ja) * | 2005-02-18 | 2006-08-31 | Dainippon Printing Co Ltd | トレンド予測装置およびトレンド予測方法 |
JP2010020731A (ja) * | 2008-07-14 | 2010-01-28 | Datasection Inc | 情報分析装置及び情報分析プログラム |
CN102929937A (zh) * | 2012-09-28 | 2013-02-13 | 福州博远无线网络科技有限公司 | 基于文本主题模型的商品分类的数据处理方法 |
CN102982157A (zh) * | 2012-12-03 | 2013-03-20 | 北京奇虎科技有限公司 | 用于挖掘微博热点话题的装置及方法 |
US20130110823A1 (en) * | 2011-10-26 | 2013-05-02 | Yahoo! Inc. | System and method for recommending content based on search history and trending topics |
JP2014081882A (ja) * | 2012-10-18 | 2014-05-08 | Hitachi Ltd | トレンド分析装置、方法及びプログラム |
CN103927297A (zh) * | 2014-04-13 | 2014-07-16 | 北京工业大学 | 基于证据理论的中文微博可信度评估方法 |
CN104516902A (zh) * | 2013-09-29 | 2015-04-15 | 北大方正集团有限公司 | 语义信息获取方法及其对应的关键词扩展方法和检索方法 |
CN104899230A (zh) * | 2014-03-07 | 2015-09-09 | 上海市玻森数据科技有限公司 | 舆情热点自动监测系统 |
CN105868242A (zh) * | 2015-12-14 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 网络推荐中标签的排序方法及系统 |
CN105956882A (zh) * | 2016-05-09 | 2016-09-21 | 陈包容 | 一种获取采购需求的方法及装置 |
CN106611366A (zh) * | 2015-10-26 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 自动选品的方法及装置 |
CN107392703A (zh) * | 2017-07-11 | 2017-11-24 | 网易无尾熊(杭州)科技有限公司 | 一种确定预采购商品的方法、设备和服务器 |
CN107730346A (zh) * | 2017-09-25 | 2018-02-23 | 北京京东尚科信息技术有限公司 | 物品聚类的方法和装置 |
-
2018
- 2018-03-01 CN CN201810170563.3A patent/CN110223092A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006227965A (ja) * | 2005-02-18 | 2006-08-31 | Dainippon Printing Co Ltd | トレンド予測装置およびトレンド予測方法 |
JP2010020731A (ja) * | 2008-07-14 | 2010-01-28 | Datasection Inc | 情報分析装置及び情報分析プログラム |
US20130110823A1 (en) * | 2011-10-26 | 2013-05-02 | Yahoo! Inc. | System and method for recommending content based on search history and trending topics |
CN102929937A (zh) * | 2012-09-28 | 2013-02-13 | 福州博远无线网络科技有限公司 | 基于文本主题模型的商品分类的数据处理方法 |
JP2014081882A (ja) * | 2012-10-18 | 2014-05-08 | Hitachi Ltd | トレンド分析装置、方法及びプログラム |
CN102982157A (zh) * | 2012-12-03 | 2013-03-20 | 北京奇虎科技有限公司 | 用于挖掘微博热点话题的装置及方法 |
CN104516902A (zh) * | 2013-09-29 | 2015-04-15 | 北大方正集团有限公司 | 语义信息获取方法及其对应的关键词扩展方法和检索方法 |
CN104899230A (zh) * | 2014-03-07 | 2015-09-09 | 上海市玻森数据科技有限公司 | 舆情热点自动监测系统 |
CN103927297A (zh) * | 2014-04-13 | 2014-07-16 | 北京工业大学 | 基于证据理论的中文微博可信度评估方法 |
CN106611366A (zh) * | 2015-10-26 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 自动选品的方法及装置 |
CN105868242A (zh) * | 2015-12-14 | 2016-08-17 | 乐视网信息技术(北京)股份有限公司 | 网络推荐中标签的排序方法及系统 |
CN105956882A (zh) * | 2016-05-09 | 2016-09-21 | 陈包容 | 一种获取采购需求的方法及装置 |
CN107392703A (zh) * | 2017-07-11 | 2017-11-24 | 网易无尾熊(杭州)科技有限公司 | 一种确定预采购商品的方法、设备和服务器 |
CN107730346A (zh) * | 2017-09-25 | 2018-02-23 | 北京京东尚科信息技术有限公司 | 物品聚类的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135915B (zh) | 商品推荐方法和系统 | |
CN110490717A (zh) | 基于用户会话及图卷积神经网络的商品推荐方法及系统 | |
CN106326248B (zh) | 数据库数据的存储方法和装置 | |
CN104021163B (zh) | 产品推荐系统及方法 | |
CN104750771B (zh) | 利用域信息进行上下文数据分析的方法和系统 | |
CN107644286A (zh) | 工作流处理方法及装置 | |
RU2012127407A (ru) | Система, устройство и способы использования вероятностных технологий при определении тенденции, составлении профиля и основанных на шаблонах предсказаний поведения пользователя с целью предложения рекомендаций | |
CN108921566A (zh) | 一种基于图结构模型的虚假交易识别方法和装置 | |
WO2018035164A1 (en) | Description information generation and presentation systems, methods, and devices | |
CN105488068B (zh) | 搜索音乐和建立索引的方法及装置、搜索结果判断方法 | |
CN108984658A (zh) | 一种智能问答数据处理方法及装置 | |
US20170345029A1 (en) | User action data processing method and device | |
Chan et al. | PredictionIO: a distributed machine learning server for practical software development | |
CN103778553A (zh) | 一种商品属性推荐方法及系统 | |
CN107369091A (zh) | 产品推荐方法、装置及理财产品推荐方法 | |
CN109508879A (zh) | 一种风险的识别方法、装置及设备 | |
CN110222285A (zh) | 阅读页面的展示方法、计算设备及计算机存储介质 | |
WO2018142753A1 (ja) | ディープラーニングを用いる情報処理装置、情報処理方法及び情報処理プログラム | |
CN109784599A (zh) | 一种模型训练、风险识别的方法、装置及设备 | |
CN106776697A (zh) | 内容推荐方法及装置 | |
CN108921600A (zh) | 实现信息分类的装置和方法及存储介质 | |
CN106920119A (zh) | 一种用户价值的评价方法及装置 | |
CN109800401A (zh) | 信息报表自动生成方法及装置 | |
CN105843793A (zh) | 在自动模型产生期间检测和创建合适行概念的方法和系统 | |
CN109933678A (zh) | 艺术品推荐方法、装置、可读介质及电子设备 |
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 |