CN110473043A - 一种基于用户行为的物品推荐方法和装置 - Google Patents
一种基于用户行为的物品推荐方法和装置 Download PDFInfo
- Publication number
- CN110473043A CN110473043A CN201810447240.4A CN201810447240A CN110473043A CN 110473043 A CN110473043 A CN 110473043A CN 201810447240 A CN201810447240 A CN 201810447240A CN 110473043 A CN110473043 A CN 110473043A
- Authority
- CN
- China
- Prior art keywords
- shop
- target
- user
- item
- target item
- 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 54
- 230000007704 transition Effects 0.000 claims description 51
- 238000013507 mapping Methods 0.000 claims description 32
- 230000009191 jumping Effects 0.000 claims description 31
- 230000007306 turnover Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000007796 conventional method Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 48
- 239000011159 matrix material Substances 0.000 description 16
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000012546 transfer Methods 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method 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
- G06Q30/02—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]
- G06Q30/0631—Item recommendations
Abstract
本发明公开了一种基于用户行为的物品推荐方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:根据用户浏览记录确定目标店铺的相似店铺;基于用户的特征行为从所述相似店铺的物品中筛选目标物品;向所述目标店铺推荐所述目标物品。该实施方式能够有助于目标店铺灵活地确定自身店铺中缺失或不足的目标物品,并对所述目标物品进行全面的处理;相比于传统方法,本方案中对目标店铺的相似店铺的确定方式更具有灵活性与实用性,从而能够基于目标物品对目标店铺进行更全面的物品推荐。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于用户行为的物品推荐方法和装置。
背景技术
目前商家店铺对于挖掘自身缺失商品或者潜力商品的方法多为盲目推荐自身店铺中所没有的商品,而事实上,用户流失的原因不只因为自身店铺中缺失用户所期望的商品,更主要的是还包括经常被商家所忽略的与自身店铺相似的店铺中的同种商品。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
在传统挖掘自身店铺中的缺失商品或者潜力商品的方法中,仅仅基于自身店铺中的缺失商品进行相似商品的推荐,且在关于所要推荐的商品的确定上缺少与用户跳转行为的关联性,也无相同商品的流失分析,缺少了对潜力商品挖掘的涵盖范围。
发明内容
有鉴于此,本发明实施例提供一种基于用户行为的物品推荐方法和装置,能够有助于目标店铺灵活地确定自身店铺中缺失或不足的目标物品,并对所述目标物品进行全面的处理;相比于传统方法,本方案中对目标店铺的相似店铺的确定方式更具有灵活性与实用性,从而能够基于从相似店铺的物品中筛选出的目标物品,对目标店铺进行更全面的物品推荐。
为实现上述目的,根据本发明实施例的一个方面,提供了一种基于用户行为的物品推荐方法,包括:
根据用户浏览记录确定目标店铺的相似店铺;
基于用户的特征行为从所述相似店铺的物品中筛选目标物品;
向所述目标店铺推荐所述目标物品。
可选地,根据用户浏览记录确定目标店铺的相似店铺,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率;
将转移概率大于第一阈值的所述其他店铺作为所述目标店铺的跳转店铺;
根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺。
可选地,基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录,确定待统计用户集合M,待统计物品集合K,待统计用户对待统计物品所在店铺的浏览信息;
根据所述待统计用户对待统计物品所在店铺的浏览信息,确定M中第m个待统计用户关于K中第k个待统计物品所浏览的店铺所组成的集合Smk;
对集合Smk内部的元素建立两两之间的映射关系,其中
根据集合Smk内部的映射关系,采用如下公式确定目标店铺到第i个店铺的转移概率ai:
其中n表示集合Smk中从目标店铺出发的映射关系的个数;ni表示集合Smk中从目标店铺到第i个店铺的映射关系的个数总和;|*|表示集合*包含的元素的数量。
可选地,确定所述目标店铺到其他店铺的转移概率之前,还包括:确认所述目标店铺和所述其他店铺满足如下预设条件;
所述预设条件包括以下至少之一:在预设的历史时段内或者截止至当前时刻的预设时段内的浏览量超过第二阈值、浏览量排名在第三阈值内、成交总额超过第四阈值、成交总额排名在第五阈值内。
可选地,根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺,包括:
根据所述跳转店铺中的物品信息和所述目标店铺中的物品信息,采用预设的相似度判断标准确定每个所述跳转店铺与所述目标店铺的重合度;
选择所述重合度超过第六阈值的跳转店铺作为所述目标店铺的相似店铺。
可选地,所述特征行为包括以下至少之一:购买、收藏、分享、加入对比、时常超过第七阈值的浏览行为。
可选地,向所述目标店铺推荐所述目标物品之前,还包括:
确认所述目标物品不存在于所述目标店铺中;以及,
若所述目标物品存在于所述目标店铺中,则对所述目标物品进行评估。
可选地,对所述目标物品进行评估,包括:
基于预设维度,根据预设标准分别确定所述目标店铺中的目标物品和所述相似店铺中的目标物品的评估数据;
所述预设维度包括以下至少之一:目标物品的价格、对目标物品的评论、与目标物品相关的图片质量、与目标物品相关的规格描述。
根据本发明实施例的再一个方面,提供了一种基于用户行为的物品推荐装置,包括:
店铺确定模块,用于根据用户浏览记录确定目标店铺的相似店铺;
筛选模块,用于基于用户的特征行为从所述相似店铺的物品中筛选目标物品;
管理模块,用于向所述目标店铺推荐所述目标物品。
可选地,所述店铺确定模块根据用户浏览记录确定目标店铺的相似店铺,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率;
将转移概率大于第一阈值的所述其他店铺作为所述目标店铺的跳转店铺;
根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺。
可选地,所述店铺确定模块基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录,确定待统计用户集合M,待统计物品集合K,待统计用户对待统计物品所在店铺的浏览信息;
根据所述待统计用户对待统计物品所在店铺的浏览信息,确定M中第m个待统计用户关于K中第k个待统计物品所浏览的店铺所组成的集合Smk;
对集合Smk内部的元素建立两两之间的映射关系,其中
根据集合Smk内部的映射关系,采用如下公式确定目标店铺到第i个店铺的转移概率ai:
其中n表示集合Smk中从目标店铺出发的映射关系的个数;ni表示集合Smk中从目标店铺到第i个店铺的映射关系的个数总和;|*|表示集合*包含的元素的数量。
可选地,所述店铺确定模块确定所述目标店铺到其他店铺的转移概率之前,还包括:确认所述目标店铺和所述其他店铺满足如下预设条件;
所述预设条件包括以下至少之一:在预设的历史时段内或者截止至当前时刻的预设时段内的浏览量超过第二阈值、浏览量排名在第三阈值内、成交总额超过第四阈值、成交总额排名在第五阈值内。
可选地,所述店铺确定模块根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺,包括:
根据所述跳转店铺中的物品信息和所述目标店铺中的物品信息,采用预设的相似度判断标准确定每个所述跳转店铺与所述目标店铺的重合度;
选择所述重合度超过第六阈值的跳转店铺作为所述目标店铺的相似店铺。
可选地,所述特征行为包括以下至少之一:购买、收藏、分享、加入对比、时常超过第七阈值的浏览行为。
可选地,所述管理模块向所述目标店铺推荐所述目标物品之前,还包括:
确认所述目标物品不存在于所述目标店铺中;以及,
若所述目标物品存在于所述目标店铺中,则对所述目标物品进行评估。
可选地,所述管理模块对所述目标物品进行评估,包括:
基于预设维度,根据预设标准分别确定所述目标店铺中的目标物品和所述相似店铺中的目标物品的评估数据;
所述预设维度包括以下至少之一:目标物品的价格、对目标物品的评论、与目标物品相关的图片质量、与目标物品相关的规格描述。
根据本发明实施例的另一个方面,提供了一种基于用户行为的物品推荐的电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明提供的AA方法。
根据本发明实施例的还一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明提供的基于用户行为的物品推荐方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用根据用户浏览记录确定目标店铺的相似店铺、从所述相似店铺的物品中筛选目标物品、并向所述目标店铺推荐所述目标物品的技术手段,所以克服了传统方式中对自身店铺中缺失或不足的目标物品挖掘不全面、处理不全面的技术问题,进而达到能够灵活地确定自身店铺中缺失或不足的目标物品,并基于目标物品对目标店铺进行全面的物品推荐的技术效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的一种基于用户行为的物品推荐方法的主要流程的示意图;
图2是根据本发明可选实施例中确定跳转店铺的方法的主要步骤的示意图;
图3是根据本发明可选实施例中转移概率计算方法的示意图;
图4是根据本发明可选实施例中确定相似店铺的方法的主要步骤的示意图;
图5是根据本发明实施例的一种基于用户行为的物品推荐装置的主要模块的示意图;
图6是本发明实施例可以应用于其中的示例性系统架构图;
图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的一种基于用户行为的物品推荐方法的主要流程的示意图,如图1所示,包括:
步骤S101、根据用户浏览记录确定目标店铺的相似店铺;
步骤S102、基于用户的特征行为从所述相似店铺的物品中筛选目标物品;
步骤S103、向所述目标店铺推荐所述目标物品。
所述用户行为可以是用户对电商平台上店铺进行的搜索、浏览、关注、收藏、转发、分享等行为,也可以是用户在电商平台上关于某种物品的搜索、浏览、关注、收藏、购买、转发、分享等行为。
确定所述目标物品的意义在于,目标店铺可以将所述目标物品作为自身店铺的缺失物品或潜力物品,基于所述目标物品对自身店铺进行物品推荐,从而使自身店铺中物品的种类更加齐全,或者对自身店铺中已有的物品做进一步的完善处理。
本发明根据用户浏览记录确定目标店铺的相似店铺、基于用户的特征行为从所述相似店铺的物品中筛选目标物品,并向所述目标店铺推荐所述目标物品,能够有助于目标店铺灵活地确定自身店铺中缺失或不足的目标物品,并对所述目标物品进行全面的处理;相比于传统方法,本方案中对目标店铺的相似店铺的确定方式更具有灵活性与实用性,从而能够基于目标物品对目标店铺进行更全面的物品推荐。
在一些实施例中,根据用户浏览记录确定目标店铺的相似店铺,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率;
将转移概率大于第一阈值的所述其他店铺作为所述目标店铺的跳转店铺;
根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺。
所述预设的历史时段是可调整的,例如,若当前时刻为2018年5月1日,可以设置所述预设的历史时段为2017年2月1日到2017年5月1日;
并且,还可以通过基于预设的历史时段内的用户浏览记录确定任意一个店铺到另一个店铺的转移概率的方式,对多个店铺确定其转移概率矩阵,从而达到可以根据该转移概率矩阵查询所述多个店铺中任意一个店铺到其他店铺的转移概率的效果。
此外,还可以通过预设多个历史时段、统计多个历史时段内的用户浏览记录的方式,对已有的转移概率矩阵进行更新;
例如:已基于2016年6月1日到2016年9月1日的用户浏览记录确定出一个概率矩阵P1,那么可以将2016年9月1日到2017年12月1日的用户浏览记录信息,加入2016年6月1日到2016年9月1日的用户浏览记录信息,将所述概率矩阵P1更新为新的转移概率矩阵;
该实施例的意义在于,能够根据更新的用户浏览记录信息对转移概率矩阵进行更新,从而确定出对于当前更具有实际应用意义的转移概率矩阵。
所述截止至当前时刻的预设时段是可调整的,例如,若当前时刻为2018年5月1日,可以设置所述截止至当前时刻的预设时段为2018年1月1日至当前时刻。
所述第一阈值是可调整的,如可以设置为40%,也可以设置为30%。
确定所述跳转店铺的意义在于,所述跳转店铺可以看作是用户在目标店铺与目标店铺的跳转店铺之间存在有频繁跳转浏览的行为,使得根据所述跳转店铺确定的相似店铺更具有实际应用的价值,进而使得后续方法中从所述相似店铺的物品中筛选出的目标物品更具有实际应用的价值。
在一些实施例中,基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录,确定待统计用户集合M,待统计物品集合K,待统计用户对待统计物品所在店铺的浏览信息;
根据所述待统计用户对待统计物品所在店铺的浏览信息,确定M中第m个待统计用户关于K中第k个待统计物品所浏览的店铺所组成的集合Smk;
对集合Smk内部的元素建立两两之间的映射关系,其中
根据集合Smk内部的映射关系,采用如下公式确定目标店铺到第i个店铺的转移概率ai:
其中n表示集合Smk中从目标店铺出发的映射关系的个数;ni表示集合Smk中从目标店铺到第i个店铺的映射关系的个数总和;|*|表示集合*包含的元素的数量。
确定所述转移概率的意义在于,可以基于用户的行为将用户在目标店铺和其他店铺之间发生的跳转行为量化,使得能够根据量化的结果确定出目标店铺的跳转店铺。
为方便理解本发明实施例中的确定跳转店铺的方法,如图2是根据本发明可选实施例中确定跳转店铺的方法的主要步骤的示意图;包括:
获取过去三个月内的用户浏览信息和过去三个月内店铺浏览量的排名;
确定过去三个月内用户对浏览量排名前20%的店铺的浏览信息;
确定待统计用户集合M,待统计物品集合K,待统计用户对待统计物品所在店铺的浏览信息;
确定M中第m个待统计用户关于K中第k个待统计物品所浏览的店铺所组成的集合Smk,并对集合内部的元素建立两两之间的映射关系;
确定目标店铺到其他店铺的转移概率;
将转移概率大于第一阈值的所述其他店铺作为所述目标店铺的跳转店铺。
为方便理解本发明实施例中的确定转移概率的方法,如图3是根据本发明可选实施例中转移概率计算方法的示意图;图3中,店铺A为目标店铺;店铺B、C、D、E为其他店铺;
根据待统计用户对待统计物品所在店铺的浏览信息,确定出了五个集合,如图3所示:集合301,集合302,集合303,集合304,集合305;其中集合301中有店铺A、B,集合302中有店铺A、B、C,集合303中有店铺A、B、D,集合304中有店铺A、B、D、E,集合305中有店铺A、B、E;
如图3所示,对这五个集合,分别建立集合内部的映射关系;
根据映射关系,得到从店铺A出发的映射关系的个数为10,从店铺A到店铺B的映射关系的个数总和为5,从店铺A到店铺C的映射关系的个数总和为1,从店铺A到店铺D的映射关系的个数总和为2,从店铺A到店铺E的映射关系的个数总和为2;
进而确定出店铺A到店铺B的转移概率为店铺A到店铺C的转移概率为店铺A到店铺B的转移概率为店铺A到店铺B的转移概率为
在本实施例中,若将所述第一阈值设置为40%,那么可以确定店铺B为目标店铺A的跳转店铺。
在一些实施例中,确定所述目标店铺到其他店铺的转移概率之前,还包括:确认所述目标店铺和所述其他店铺满足如下预设条件;
所述预设条件包括以下至少之一:在预设的历史时段内或者截止至当前时刻的预设时段内的浏览量超过第二阈值、浏览量排名在第三阈值内、成交总额超过第四阈值、成交总额排名在第五阈值内。
所述第二阈值、第三阈值、第四阈值、第五阈值都是可调整的,如:可以将第二阈值设置为10万次,可以将第三阈值设置为30%,可以将第四阈值设置为100万,可以将第五阈值设置为20%。
所述预设条件的设置使得参与确定转移概率的店铺更有代表性和实际意义,进而使得对于目标店铺的跳转店铺的确定更有实际意义。
在一些实施例中,根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺,包括:
根据所述跳转店铺中的物品信息和所述目标店铺中的物品信息,采用预设的相似度判断标准确定每个所述跳转店铺与所述目标店铺的重合度;
选择所述重合度超过第六阈值的跳转店铺作为所述目标店铺的相似店铺。
所述预设的相似度判断标准确可以基于店铺中的物品进行判断;例如:
目标店铺G中有物品个数为100个,跳转店铺H中有物品个数为200个,确定出店铺G与店铺H中相同物品的个数为80个;可以采用相同物品的个数在各自店铺中物品的总个数中的占比确定出重合度;在本实施例中,相同物品的个数在店铺G中的占比为rg=80%,相同物品的个数在店铺H中的占比为rh=40%;
可以以rg,或rh,或min(rg,rb)作为该跳转店铺H与所述目标店铺G的重合度。
所述预设的相似度判断标准确还可以基于店铺中物品的种类进行判断;例如:
目标店铺A中有P1、P2、P3、P4、P5这5类物品,跳转店铺B中有P2、P3、P4、P5、P6这5类物品,那么可以确定店铺A与店铺B中有P2、P3、P4、P5这4类物品是重合的;可以采用重合类别的个数在各自店铺中物品的类别总个数中的占比确定出重合度;在本实施例中,重合类别的个数在店铺A中的占比为qa=80%,重合类别的个数在店铺B中的占比为qb=80%;
可以以qa,或qb,或min(qa,qb)作为该跳转店铺B与所述目标店铺A的重合度。
所述第六阈值是可调整的,如可以设置为50%。
根据目标店铺的跳转店铺进一步确定目标店铺的相似店铺的意义在于,从跳转店铺中进一步筛选出与目标店铺相似的店铺,使得所确定的店铺更有实际应用的意义,从而使得后续方法中从所述相似店铺中的物品中筛选出的目标物品,对于目标店铺具有更高的参考价值。
为方便理解本发明实施例中的相似度判断标准,如图4是根据本发明可选实施例中确定相似店铺的方法的主要步骤的示意图;包括:
确定目标店铺与目标店铺的跳转店铺中相同物品的个数;
计算所述相同物品在目标店铺物品中的占比a,以及所述相同物品在目标店铺的跳转店铺物品中的占比b,以min(a,b)作为所述跳转店铺与目标店铺的重合度;
以重合度超过70%的店铺作为目标店铺的相似店铺。
在一些实施例中,所述特征行为包括以下至少之一:购买、收藏、分享、加入对比、时常超过第七阈值的浏览行为。
所述第七阈值是可调整的,如可以设置为10分钟。
基于用户的特征行为从所述相似店铺的物品中筛选目标物品,可以是根据用户在过去某一段时间内的购买、收藏、分享、加入对比、浏览时常超过第七阈值等行为,从所述相似店铺的物品中进行筛选;例如:
在过去七天中,一用户在目标店铺的一相似店铺中,在一物品页面上浏览了20分钟,对该物品进行了分享以及购买,则可以确定该物品为所述目标物品。
在一些实施例中,向所述目标店铺推荐所述目标物品之前,还包括:
确认所述目标物品不存在于所述目标店铺中;以及,
若所述目标物品存在于所述目标店铺中,则对所述目标物品进行评估。
本发明中的方法通过先判断所述目标物品是否存在于所述目标店铺中,给出了不同情况下对所述目标店铺不同的处理方法,使得目标店铺对于目标物品的处理更加全面。
在一些实施例中,对所述目标物品进行评估,包括:
基于预设维度,根据预设标准分别确定所述目标店铺中的目标物品和所述相似店铺中的目标物品的评估数据;
所述预设维度包括以下至少之一:目标物品的价格、对目标物品的评论、与目标物品相关的图片质量、与目标物品相关的规格描述。
所述预设标准可以根据实际情况灵活调整,使得对目标物品的评估更加灵活。
以下结合一具体实施例,详细说明对所述目标物品进行评估的方法:
根据目标物品品类归属准确度、目标物品关键词关联度、与目标物品相关的图片质量、与目标物品相关的规格描述,通过与电商平台中店铺运营规定的要求相比,采用人为打分或系统检测的方式确定出各项评估数据;
例如:确定出与目标物品相关的规格描述得分为9分;其中评估标准为:满分为10分,根据电商平台中店铺运营规定的要求,每少一项规格描述则减1分,直至减到0分;
确定目标物品的价格得分为9分;其中评估标准为:满分为10分,满分为所述目标物品价格小于等于相似物品价格的平均价,每比平均价高低10%则减1分,超出100%则为0分;
确定出对目标物品的评论得分为9分;其中评估标准为:满分为10分,满分为所述目标物品的好评率达100%,每降低10%则减1分;
此外,不限于上述提到的评估维度,店铺可以自定义更多的评估维度,可以自定义评估标准,以便于更灵活地找到与其他店铺中的目标物品的差距。
图5是根据本发明实施例的一种基于用户行为的物品推荐装置的主要模块的示意图;如图5所示,基于用户行为的物品推荐装置500包括:
店铺确定模块501,用于根据用户浏览记录确定目标店铺的相似店铺;
筛选模块502,用于基于用户的特征行为从所述相似店铺的物品中筛选目标物品;
管理模块503,用于向所述目标店铺推荐所述目标物品。
所述用户行为可以是用户对电商平台上店铺进行的搜索、浏览、关注、收藏、转发、分享等行为,也可以是用户在电商平台上关于某种物品的搜索、浏览、关注、收藏、购买、转发、分享等行为。
确定所述目标物品的意义在于,目标店铺可以将所述目标物品作为自身店铺的缺失物品或潜力物品,基于所述目标物品对自身店铺进行物品推荐,从而使自身店铺中物品的种类更加齐全,或者对自身店铺中已有的物品做进一步的完善处理。
本发明根据用户浏览记录确定目标店铺的相似店铺、基于用户的特征行为从所述相似店铺的物品中筛选目标物品,并向所述目标店铺推荐所述目标物品,能够有助于目标店铺灵活地确定自身店铺中缺失或不足的目标物品,并对所述目标物品进行全面的处理;相比于传统方法,本方案中对目标店铺的相似店铺的确定方式更具有灵活性与实用性,从而能够基于目标物品对目标店铺进行更全面的物品推荐。
在一些实施例中,所述店铺确定模块501根据用户浏览记录确定目标店铺的相似店铺,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率;
将转移概率大于第一阈值的所述其他店铺作为所述目标店铺的跳转店铺;
根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺。
所述预设的历史时段是可调整的,例如,若当前时刻为2018年5月1日,可以设置所述预设的历史时段为2017年2月1日到2017年5月1日;
并且,还可以通过基于预设的历史时段内的用户浏览记录确定任意一个店铺到另一个店铺的转移概率的方式,对多个店铺确定其转移概率矩阵,从而达到可以根据该转移概率矩阵查询所述多个店铺中任意一个店铺到其他店铺的转移概率的效果。
此外,还可以通过预设多个历史时段、统计多个历史时段内的用户浏览记录的方式,对已有的转移概率矩阵进行更新;
例如:已基于2016年6月1日到2016年9月1日的用户浏览记录确定出一个概率矩阵P1,那么可以将2016年9月1日到2017年12月1日的用户浏览记录信息,加入2016年6月1日到2016年9月1日的用户浏览记录信息,将所述概率矩阵P1更新为新的转移概率矩阵;
该实施例的意义在于,能够根据更新的用户浏览记录信息对转移概率矩阵进行更新,从而确定出对于当前更具有实际应用意义的转移概率矩阵。
所述截止至当前时刻的预设时段是可调整的,例如,若当前时刻为2018年5月1日,可以设置所述截止至当前时刻的预设时段为2018年1月1日至当前时刻。
所述第一阈值是可调整的,如可以设置为40%,也可以设置为30%。
确定所述跳转店铺的意义在于,所述跳转店铺可以看作是用户在目标店铺与目标店铺的跳转店铺之间存在有频繁跳转浏览的行为,使得根据所述跳转店铺确定的相似店铺更具有实际应用的价值,进而使得后续方法中从所述相似店铺的物品中筛选出的目标物品更具有实际应用的价值。
在一些实施例中,所述店铺确定模块501基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录,确定待统计用户集合M,待统计物品集合K,待统计用户对待统计物品所在店铺的浏览信息;
根据所述待统计用户对待统计物品所在店铺的浏览信息,确定M中第m个待统计用户关于K中第k个待统计物品所浏览的店铺所组成的集合Smk;
对集合Smk内部的元素建立两两之间的映射关系,其中
根据集合Smk内部的映射关系,采用如下公式确定目标店铺到第i个店铺的转移概率ai:
其中n表示集合Smk中从目标店铺出发的映射关系的个数;ni表示集合Smk中从目标店铺到第i个店铺的映射关系的个数总和;|*|表示集合*包含的元素的数量。
确定所述转移概率的意义在于,可以基于用户的行为将用户在目标店铺和其他店铺之间发生的跳转行为量化,使得能够根据量化的结果确定出目标店铺的跳转店铺。
在一些实施例中,所述店铺确定模块501确定所述目标店铺到其他店铺的转移概率之前,还包括:确认所述目标店铺和所述其他店铺满足如下预设条件;
所述预设条件包括以下至少之一:在预设的历史时段内或者截止至当前时刻的预设时段内的浏览量超过第二阈值、浏览量排名在第三阈值内、成交总额超过第四阈值、成交总额排名在第五阈值内。
所述第二阈值、第三阈值、第四阈值、第五阈值都是可调整的,如:可以将第二阈值设置为10万次,可以将第三阈值设置为30%,可以将第四阈值设置为100万,可以将第五阈值设置为20%。
所述预设条件的设置使得参与确定转移概率的店铺更有代表性和实际意义,进而使得对于目标店铺的跳转店铺的确定更有实际意义。
在一些实施例中,所述店铺确定模块501根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺,包括:
根据所述跳转店铺中的物品信息和所述目标店铺中的物品信息,采用预设的相似度判断标准确定每个所述跳转店铺与所述目标店铺的重合度;
选择所述重合度超过第六阈值的跳转店铺作为所述目标店铺的相似店铺。
所述预设的相似度判断标准确可以基于店铺中的物品进行判断;例如:
目标店铺G中有物品个数为100个,跳转店铺H中有物品个数为200个,确定出店铺G与店铺H中相同物品的个数为80个;可以采用相同物品的个数在各自店铺中物品的总个数中的占比确定出重合度;在本实施例中,相同物品的个数在店铺G中的占比为rg=80%,相同物品的个数在店铺H中的占比为rh=40%;
可以以rg,或rh,或min(rg,rb)作为该跳转店铺H与所述目标店铺G的重合度。
所述预设的相似度判断标准确还可以基于店铺中物品的种类进行判断;例如:
目标店铺A中有P1、P2、P3、P4、P5这5类物品,跳转店铺B中有P2、P3、P4、P5、P6这5类物品,那么可以确定店铺A与店铺B中有P2、P3、P4、P5这4类物品是重合的;可以采用重合类别的个数在各自店铺中物品的类别总个数中的占比确定出重合度;在本实施例中,重合类别的个数在店铺A中的占比为qa=80%,重合类别的个数在店铺B中的占比为qb=80%;
可以以qa,或qb,或min(qa,qb)作为该跳转店铺B与所述目标店铺A的重合度。
所述第六阈值是可调整的,如可以设置为50%。
根据目标店铺的跳转店铺进一步确定目标店铺的相似店铺的意义在于,从跳转店铺中进一步筛选出与目标店铺相似的店铺,使得所确定的店铺更有实际应用的意义,从而使得后续方法中从所述相似店铺中的物品中筛选出的目标物品,对于目标店铺具有更高的参考价值。
在一些实施例中,所述特征行为包括以下至少之一:购买、收藏、分享、加入对比、时常超过第七阈值的浏览行为。
所述第七阈值是可调整的,如可以设置为10分钟。
基于用户的特征行为从所述相似店铺的物品中筛选目标物品,可以是根据用户在过去某一段时间内的购买、收藏、分享、加入对比、浏览时常超过第七阈值等行为,从所述相似店铺的物品中进行筛选;例如:
在过去七天中,一用户在目标店铺的一相似店铺中,在一物品页面上浏览了20分钟,对该物品进行了分享以及购买,则可以确定该物品为所述目标物品。
在一些实施例中,所述管理模块503向所述目标店铺推荐所述目标物品之前,还包括:
确认所述目标物品不存在于所述目标店铺中;以及,
若所述目标物品存在于所述目标店铺中,则对所述目标物品进行评估。
本发明中的方法通过先判断所述目标物品是否存在于所述目标店铺中,给出了不同情况下对所述目标店铺不同的管理方法,使得目标店铺对于目标物品的处理更加全面。
在一些实施例中,所述管理模块503对所述目标物品进行评估,包括:
基于预设维度,根据预设标准分别确定所述目标店铺中的目标物品和所述相似店铺中的目标物品的评估数据;
所述预设维度包括以下至少之一:目标物品的价格、对目标物品的评论、与目标物品相关的图片质量、与目标物品相关的规格描述。
所述预设标准可以根据实际情况灵活调整,使得对目标物品的评估更加灵活。
图6示出了可以应用本发明实施例的基于用户行为的物品推荐方法或基于用户行为的物品推荐装置的示例性系统架构600。
如图6所示,系统架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器,例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的基于用户行为的物品推荐方法一般由服务器605执行,相应地,基于用户行为的物品推荐装置一般设置于服务器605中。
应该理解,图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图7,其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:步骤S101、根据用户浏览记录确定目标店铺的相似店铺;步骤S102、基于用户的特征行为从所述相似店铺的物品中筛选目标物品;步骤S103、向所述目标店铺推荐所述目标物品。
根据本发明实施例的技术方案,因为采用根据用户浏览记录确定目标店铺的相似店铺、基于用户的特征行为从所述相似店铺的物品中筛选目标物品、并向所述目标店铺推荐所述目标物品的技术手段,所以克服了传统方式中对自身店铺中缺失或不足的目标物品挖掘不全面、处理不全面的技术问题,进而达到能够灵活地确定自身店铺中缺失或不足的目标物品,并基于目标物品对目标店铺进行全面的物品推荐的技术效果。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (18)
1.一种基于用户行为的物品推荐方法,其特征在于,包括:
根据用户浏览记录确定目标店铺的相似店铺;
基于用户的特征行为从所述相似店铺的物品中筛选目标物品;
向所述目标店铺推荐所述目标物品。
2.根据权利要求1所述的方法,其特征在于,根据用户浏览记录确定目标店铺的相似店铺,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率;
将转移概率大于第一阈值的所述其他店铺作为所述目标店铺的跳转店铺;
根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺。
3.根据权利要求2所述的方法,其特征在于,基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录,确定待统计用户集合M,待统计物品集合K,待统计用户对待统计物品所在店铺的浏览信息;
根据所述待统计用户对待统计物品所在店铺的浏览信息,确定M中第m个待统计用户关于K中第k个待统计物品所浏览的店铺所组成的集合Smk;
对集合Smk内部的元素建立两两之间的映射关系,其中
根据集合Smk内部的映射关系,采用如下公式确定目标店铺到第i个店铺的转移概率ai:
其中n表示集合Smk中从目标店铺出发的映射关系的个数;ni表示集合Smk中从目标店铺到第i个店铺的映射关系的个数总和;|*|表示集合*包含的元素的数量。
4.根据权利要求2所述的方法,其特征在于,确定所述目标店铺到其他店铺的转移概率之前,还包括:确认所述目标店铺和所述其他店铺满足如下预设条件;
所述预设条件包括以下至少之一:在预设的历史时段内或者截止至当前时刻的预设时段内的浏览量超过第二阈值、浏览量排名在第三阈值内、成交总额超过第四阈值、成交总额排名在第五阈值内。
5.根据权利要求2所述的方法,其特征在于,根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺,包括:
根据所述跳转店铺中的物品信息和所述目标店铺中的物品信息,采用预设的相似度判断标准确定每个所述跳转店铺与所述目标店铺的重合度;
选择所述重合度超过第六阈值的跳转店铺作为所述目标店铺的相似店铺。
6.根据权利要求1所述的方法,其特征在于,所述特征行为包括以下至少之一:购买、收藏、分享、加入对比、时常超过第七阈值的浏览行为。
7.根据权利要求1所述的方法,其特征在于,向所述目标店铺推荐所述目标物品之前,还包括:
确认所述目标物品不存在于所述目标店铺中;以及,
若所述目标物品存在于所述目标店铺中,则对所述目标物品进行评估。
8.根据权利要求7所述的方法,其特征在于,对所述目标物品进行评估,包括:
基于预设维度,根据预设标准分别确定所述目标店铺中的目标物品和所述相似店铺中的目标物品的评估数据;
所述预设维度包括以下至少之一:目标物品的价格、对目标物品的评论、与目标物品相关的图片质量、与目标物品相关的规格描述。
9.一种基于用户行为的物品推荐装置,其特征在于,包括:
店铺确定模块,用于根据用户浏览记录确定目标店铺的相似店铺;
筛选模块,用于基于用户的特征行为从所述相似店铺的物品中筛选目标物品;
管理模块,用于向所述目标店铺推荐所述目标物品。
10.根据权利要求9所述的方法,其特征在于,所述店铺确定模块根据用户浏览记录确定目标店铺的相似店铺,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率;
将转移概率大于第一阈值的所述其他店铺作为所述目标店铺的跳转店铺;
根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺。
11.根据权利要求10所述的方法,其特征在于,所述店铺确定模块基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录确定所述目标店铺到其他店铺的转移概率,包括:
基于预设的历史时段内或者截止至当前时刻的预设时段内的用户浏览记录,确定待统计用户集合M,待统计物品集合K,待统计用户对待统计物品所在店铺的浏览信息;
根据所述待统计用户对待统计物品所在店铺的浏览信息,确定M中第m个待统计用户关于K中第k个待统计物品所浏览的店铺所组成的集合Smk;
对集合Smk内部的元素建立两两之间的映射关系,其中
根据集合Smk内部的映射关系,采用如下公式确定目标店铺到第i个店铺的转移概率ai:
其中n表示集合Smk中从目标店铺出发的映射关系的个数;ni表示集合Smk中从目标店铺到第i个店铺的映射关系的个数总和;|*|表示集合*包含的元素的数量。
12.根据权利要求10所述的方法,其特征在于,所述店铺确定模块确定所述目标店铺到其他店铺的转移概率之前,还包括:确认所述目标店铺和所述其他店铺满足如下预设条件;
所述预设条件包括以下至少之一:在预设的历史时段内或者截止至当前时刻的预设时段内的浏览量超过第二阈值、浏览量排名在第三阈值内、成交总额超过第四阈值、成交总额排名在第五阈值内。
13.根据权利要求10所述的方法,其特征在于,所述店铺确定模块根据所述目标店铺的跳转店铺确定所述目标店铺的相似店铺,包括:
根据所述跳转店铺中的物品信息和所述目标店铺中的物品信息,采用预设的相似度判断标准确定每个所述跳转店铺与所述目标店铺的重合度;
选择所述重合度超过第六阈值的跳转店铺作为所述目标店铺的相似店铺。
14.根据权利要求9所述的方法,其特征在于,所述特征行为包括以下至少之一:购买、收藏、分享、加入对比、时常超过第七阈值的浏览行为。
15.根据权利要求9所述的方法,其特征在于,所述管理模块向所述目标店铺推荐所述目标物品之前,还包括:
确认所述目标物品不存在于所述目标店铺中;以及,
若所述目标物品存在于所述目标店铺中,则对所述目标物品进行评估。
16.根据权利要求15所述的方法,其特征在于,所述管理模块对所述目标物品进行评估,包括:
基于预设维度,根据预设标准分别确定所述目标店铺中的目标物品和所述相似店铺中的目标物品的评估数据;
所述预设维度包括以下至少之一:目标物品的价格、对目标物品的评论、与目标物品相关的图片质量、与目标物品相关的规格描述。
17.一种基于用户行为的物品推荐的电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
18.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810447240.4A CN110473043A (zh) | 2018-05-11 | 2018-05-11 | 一种基于用户行为的物品推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810447240.4A CN110473043A (zh) | 2018-05-11 | 2018-05-11 | 一种基于用户行为的物品推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110473043A true CN110473043A (zh) | 2019-11-19 |
Family
ID=68504335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810447240.4A Pending CN110473043A (zh) | 2018-05-11 | 2018-05-11 | 一种基于用户行为的物品推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110473043A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340565A (zh) * | 2020-03-20 | 2020-06-26 | 北京爱笔科技有限公司 | 一种信息推荐方法、装置、设备及存储介质 |
CN113065932A (zh) * | 2021-05-06 | 2021-07-02 | 北京京东振世信息技术有限公司 | 一种物品推荐方法和装置 |
CN113450174A (zh) * | 2020-03-27 | 2021-09-28 | 北京沃东天骏信息技术有限公司 | 一种确定相似店铺的方法和装置 |
CN113763065A (zh) * | 2020-06-17 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 推荐商品的方法、装置、设备和计算机可读介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365842A (zh) * | 2012-03-26 | 2013-10-23 | 阿里巴巴集团控股有限公司 | 一种页面浏览推荐方法及装置 |
KR20140107726A (ko) * | 2013-02-26 | 2014-09-05 | 에스케이플래닛 주식회사 | 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치 |
CN104239338A (zh) * | 2013-06-19 | 2014-12-24 | 阿里巴巴集团控股有限公司 | 信息推荐方法及装置 |
CN105580044A (zh) * | 2013-09-20 | 2016-05-11 | 日本电气株式会社 | 产品推荐设备、产品推荐方法和记录介质 |
CN105809479A (zh) * | 2016-03-07 | 2016-07-27 | 海信集团有限公司 | 物品推荐方法及装置 |
CN106022869A (zh) * | 2016-05-12 | 2016-10-12 | 北京邮电大学 | 一种消费对象的推荐方法及装置 |
CN106257444A (zh) * | 2015-06-17 | 2016-12-28 | 阿里巴巴集团控股有限公司 | 一种信息的推送方法和设备 |
US20170053312A1 (en) * | 2014-06-03 | 2017-02-23 | Sony Corporation | Information processing apparatus, information presentation method, program, and system |
CN106651542A (zh) * | 2016-12-31 | 2017-05-10 | 珠海市魅族科技有限公司 | 一种物品推荐的方法及装置 |
CN106779981A (zh) * | 2017-02-04 | 2017-05-31 | 广州中国科学院计算机网络信息中心 | 基于物联网标识的店铺信息的查询方法以及装置 |
CN107066476A (zh) * | 2016-12-13 | 2017-08-18 | 江苏途致信息科技有限公司 | 一种基于物品相似度的实时推荐方法 |
WO2017149647A1 (ja) * | 2016-03-01 | 2017-09-08 | 楽天株式会社 | 推奨装置、推奨方法、プログラム、及び、記録媒体 |
CN107169801A (zh) * | 2017-05-22 | 2017-09-15 | 上海汇纳信息科技股份有限公司 | 店铺关联关系获取方法、系统、存储介质以及移动终端 |
CN107368483A (zh) * | 2016-05-11 | 2017-11-21 | 阿里巴巴集团控股有限公司 | 信息推荐方法、装置及服务器 |
CN107506495A (zh) * | 2017-09-28 | 2017-12-22 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN107944956A (zh) * | 2017-11-20 | 2018-04-20 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
CN107993103A (zh) * | 2017-12-29 | 2018-05-04 | 山东易威德信息服务有限公司 | 一种基于增强现实技术的穿戴物品推荐方法和装置 |
CN108022150A (zh) * | 2017-11-29 | 2018-05-11 | 金色家园网络科技有限公司 | 基于o2o数据的推荐方法和系统 |
-
2018
- 2018-05-11 CN CN201810447240.4A patent/CN110473043A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365842A (zh) * | 2012-03-26 | 2013-10-23 | 阿里巴巴集团控股有限公司 | 一种页面浏览推荐方法及装置 |
KR20140107726A (ko) * | 2013-02-26 | 2014-09-05 | 에스케이플래닛 주식회사 | 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치 |
CN104239338A (zh) * | 2013-06-19 | 2014-12-24 | 阿里巴巴集团控股有限公司 | 信息推荐方法及装置 |
CN105580044A (zh) * | 2013-09-20 | 2016-05-11 | 日本电气株式会社 | 产品推荐设备、产品推荐方法和记录介质 |
US20170053312A1 (en) * | 2014-06-03 | 2017-02-23 | Sony Corporation | Information processing apparatus, information presentation method, program, and system |
CN106257444A (zh) * | 2015-06-17 | 2016-12-28 | 阿里巴巴集团控股有限公司 | 一种信息的推送方法和设备 |
WO2017149647A1 (ja) * | 2016-03-01 | 2017-09-08 | 楽天株式会社 | 推奨装置、推奨方法、プログラム、及び、記録媒体 |
CN105809479A (zh) * | 2016-03-07 | 2016-07-27 | 海信集团有限公司 | 物品推荐方法及装置 |
CN107368483A (zh) * | 2016-05-11 | 2017-11-21 | 阿里巴巴集团控股有限公司 | 信息推荐方法、装置及服务器 |
CN106022869A (zh) * | 2016-05-12 | 2016-10-12 | 北京邮电大学 | 一种消费对象的推荐方法及装置 |
CN107066476A (zh) * | 2016-12-13 | 2017-08-18 | 江苏途致信息科技有限公司 | 一种基于物品相似度的实时推荐方法 |
CN106651542A (zh) * | 2016-12-31 | 2017-05-10 | 珠海市魅族科技有限公司 | 一种物品推荐的方法及装置 |
CN106779981A (zh) * | 2017-02-04 | 2017-05-31 | 广州中国科学院计算机网络信息中心 | 基于物联网标识的店铺信息的查询方法以及装置 |
CN107169801A (zh) * | 2017-05-22 | 2017-09-15 | 上海汇纳信息科技股份有限公司 | 店铺关联关系获取方法、系统、存储介质以及移动终端 |
CN107506495A (zh) * | 2017-09-28 | 2017-12-22 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN107944956A (zh) * | 2017-11-20 | 2018-04-20 | 北京百度网讯科技有限公司 | 用于生成信息的方法和装置 |
CN108022150A (zh) * | 2017-11-29 | 2018-05-11 | 金色家园网络科技有限公司 | 基于o2o数据的推荐方法和系统 |
CN107993103A (zh) * | 2017-12-29 | 2018-05-04 | 山东易威德信息服务有限公司 | 一种基于增强现实技术的穿戴物品推荐方法和装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340565A (zh) * | 2020-03-20 | 2020-06-26 | 北京爱笔科技有限公司 | 一种信息推荐方法、装置、设备及存储介质 |
CN113450174A (zh) * | 2020-03-27 | 2021-09-28 | 北京沃东天骏信息技术有限公司 | 一种确定相似店铺的方法和装置 |
CN113763065A (zh) * | 2020-06-17 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 推荐商品的方法、装置、设备和计算机可读介质 |
CN113065932A (zh) * | 2021-05-06 | 2021-07-02 | 北京京东振世信息技术有限公司 | 一种物品推荐方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110473043A (zh) | 一种基于用户行为的物品推荐方法和装置 | |
CN107464169A (zh) | 信息输出方法和装置 | |
CN110020162A (zh) | 用户识别方法和装置 | |
CN108776692A (zh) | 用于处理信息的方法和装置 | |
CN109981322A (zh) | 基于标签的云资源管理的方法和装置 | |
CN110473036A (zh) | 一种生成订单号的方法和装置 | |
CN108898496A (zh) | 产品推荐方法、装置、介质及电子设备 | |
CN109784352A (zh) | 一种评估分类模型的方法和装置 | |
CN109727047A (zh) | 一种确定数据关联度的方法和装置、数据推荐方法和装置 | |
CN113095893A (zh) | 确定物品销量的方法和装置 | |
CN109902986A (zh) | 用于输出信息的方法和装置 | |
CN109961299A (zh) | 数据分析的方法和装置 | |
CN109190027A (zh) | 多源推荐方法、终端、服务器、计算机设备、可读介质 | |
CN110049358A (zh) | 一种基于电视的物品推送方法和系统 | |
CN109840724A (zh) | 用于输出信息的方法和装置 | |
CN110232581A (zh) | 一种为用户提供优惠券的方法和装置 | |
CN108376162B (zh) | 用于推送信息的方法和装置 | |
CN107908662A (zh) | 搜索系统的实现方法和实现装置 | |
CN108985805A (zh) | 一种选择性执行推送任务的方法和装置 | |
US10043141B2 (en) | Information provision method and information processing method | |
CN110472190A (zh) | 填充有序序列的方法和装置 | |
CN110110267A (zh) | 提取对象特征、搜索对象的方法和装置 | |
CN109146585A (zh) | 一种通过抽样检验确定高危商品的方法和装置 | |
CN110020131A (zh) | 一种排列商品的方法和装置 | |
CN109976835A (zh) | 一种管理对象状态的方法和系统 |
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 |