CN110807691B - 一种跨商品品类的商品推荐方法和装置 - Google Patents
一种跨商品品类的商品推荐方法和装置 Download PDFInfo
- Publication number
- CN110807691B CN110807691B CN201911056334.XA CN201911056334A CN110807691B CN 110807691 B CN110807691 B CN 110807691B CN 201911056334 A CN201911056334 A CN 201911056334A CN 110807691 B CN110807691 B CN 110807691B
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- obtaining
- label
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Abstract
本发明提供了一种跨商品品类的商品推荐方法和装置,涉及信息推送技术领域,通过获得第一用户的第一购买清单,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;获得第二用户的第二购买清单;获得第一用户的第一标签;获得第二用户的第二标签;当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合;获得第三用户的第三购买清单,所述第三购买清单中具有所述第一商品;获得所述第三用户的第三标签;当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户,从而提高商品推荐效果。
Description
技术领域
本发明涉及信息推送技术领域,尤其涉及一种跨商品品类的商品推荐方法和装置。
背景技术
互联网时代的到来,使得人们的生活习惯和购物习惯也随之发生了变化,同样的,各大企业的宣传模式也发生了变化。例如网上购物成为了大多数用户的消费方式,用户可以通过互联网检索商品信息,并通过电子订购单发出购物请求,厂商通过邮购的方式发货,或是通过快递公司送货上门,通过该方式使用户能够购买到想要的物品。目前,企业对于商品推荐时,主要是基于用户购买过的产品或者是浏览过的产品来进行相应的推荐,这样,感兴趣的用户选择打开或者下次再看,而不感兴趣的用户会选择直接关掉,或者屏蔽消息推送,又或者直接卸载产品。
但本发明申请人发现现有技术至少存在如下技术问题:
现有的商品推荐方式容易造成用户的体验度较差,无法刺激用户的购买欲望,从而导致商品推荐的效果不理想,难以提高推荐商品的购买率。
发明内容
本发明实施例提供了一种跨商品品类的商品推荐方法和装置,解决了现有技术中的商品推荐方式容易造成用户的体验度较差,无法刺激用户的购买欲望,从而导致商品推荐的效果不理想,难以提高推荐商品的购买率的技术问题,达到了智能化地推荐对应的商品,实现跨商品品类的商品推荐,大大的为用户提供了方便,提高推荐商品的购买率,提高商品推荐效果的技术效果。
鉴于上述问题,提出了本申请实施例以便提供一种跨商品品类的商品推荐方法和装置。
第一方面,本发明提供了一种跨商品品类的商品推荐方法,所述方法包括:获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;获得第一用户的第一标签;获得第二用户的第二标签;当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;获得所述第三用户的第三标签;当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户。
优选的,所述方法还包括:当所述第三标签与所述第一标签不具有第一关联关系,且,当所述第三标签与所述第二标签不具有第一关联关系时,获得所述第三用户与所述第一用户之间的第一互动信息;根据所述第一互动信息获得第三商品;判断所述第三商品是否满足第一预设条件;当所述第三商品满足所述第一预设条件时,将所述第三商品推荐给所述第三用户;或,获得所述第三用户与所述第二用户之间的第二互动信息;根据所述第二互动信息获得第四商品;判断所述第四商品是否满足所述第一预设条件;当所述第四商品满足所述第一预设条件时,将所述第四商品推荐给所述第三用户。
优选的,所述方法还包括:根据所述第三购买清单,获得所述第三用户的评价信息;根据所述评价信息,获得所述第三用户对于所述第二商品的预设满意指数;判断所述预设满意指数是否满足第一预设阈值;当所述预设满意指数满足所述第一预设阈值时,将所述第一推荐组合中的第二商品推荐给所述第三用户。
优选的,所述方法还包括:当所述预设满意指数不满足第一预设阈值时,获得所述第三用户的购物车信息;根据所述购物车信息,获得所述第三用户的喜好信息;获得所述第二商品的商品品类信息;根据所述喜好信息、评价信息以及商品品类信息,获得第五商品;将所述第五商品推荐给所述第三用户。
优选的,所述获得第一用户的第一标签,还包括:获得所述第一用户的第一访问记录;根据所述第一访问记录获得第一标签关键词;获得所述第一标签关键词的第一频次;判断所述第一频次是否满足第二预设阈值;当满足所述第二预设阈值时,为所述第一用户打上第一标签。
优选的,所述方法还包括:获得所述第三用户的行为数据信息;根据所述行为数据信息,获得所述第三用户的空闲时间;根据所述第三购买清单,获得所述第三用户的平均消费时间间隔;根据所述平均消费时间间隔,获得所述第三用户购买所述第二商品的预设时间;在所述预设时间之前,将所述第二商品在所述空闲时间内推荐给所述第三用户。
第二方面,本发明提供了一种跨商品品类的商品推荐装置,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;
第二获得单元,所述第二获得单元用于获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;
第三获得单元,所述第三获得单元用于获得第一用户的第一标签;
第四获得单元,所述第四获得单元用于获得第二用户的第二标签;
第五获得单元,所述第五获得单元用于当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;
第六获得单元,所述第六获得单元用于获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;
第七获得单元,所述第七获得单元用于获得所述第三用户的第三标签;
第一推荐单元,所述第一推荐单元用于当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户。
优选的,所述装置还包括:
第八获得单元,所述第八获得单元用于当所述第三标签与所述第一标签不具有第一关联关系,且,当所述第三标签与所述第二标签不具有第一关联关系时,获得所述第三用户与所述第一用户之间的第一互动信息;
第九获得单元,所述第九获得单元用于根据所述第一互动信息获得第三商品;
第一判断单元,所述第一判断单元用于判断所述第三商品是否满足第一预设条件;
第二推荐单元,所述第二推荐单元用于所述第三商品满足所述第一预设条件时,将所述第三商品推荐给所述第三用户;
或,第十获得单元,所述第十获得单元用于获得所述第三用户与所述第二用户之间的第二互动信息;
第十一获得单元,所述第十一获得单元用于根据所述第二互动信息获得第四商品;
第二判断单元,所述第二判断单元用于判断所述第四商品是否满足所述第一预设条件;
第三推荐单元,所述第三推荐单元用于当所述第四商品满足所述第一预设条件时,将所述第四商品推荐给所述第三用户。
优选的,所述装置还包括:
第十二获得单元,所述第十二获得单元用于根据所述第三购买清单,获得所述第三用户的评价信息;
第十三获得单元,所述第十三获得单元用于根据所述评价信息,获得所述第三用户对于所述第二商品的预设满意指数;
第三判断单元,所述第三判断单元用于判断所述预设满意指数是否满足第一预设阈值;
第四推荐单元,所述第四推荐单元用于当所述预设满意指数满足所述第一预设阈值时,将所述第一推荐组合中的第二商品推荐给所述第三用户。
优选的,所述装置还包括:
第十四获得单元,所述第十四获得单元用于当所述预设满意指数不满足第一预设阈值时,获得所述第三用户的购物车信息;
第十五获得单元,所述第十五获得单元用于根据所述购物车信息,获得所述第三用户的喜好信息;
第十六获得单元,所述第十六获得单元用于获得所述第二商品的商品品类信息;
第十七获得单元,所述第十七获得单元用于根据所述喜好信息、评价信息以及商品品类信息,获得第五商品;
第五推荐单元,所述第五推荐单元用于将所述第五商品推荐给所述第三用户。
优选的,所述装置还包括:
第十八获得单元,所述第十八获得单元用于获得所述第一用户的第一访问记录;
第十九获得单元,所述第十九获得单元用于根据所述第一访问记录获得第一标签关键词;
第二十获得单元,所述第二十获得单元用于获得所述第一标签关键词的第一频次;
第四判断单元,所述第四判断单元用于判断所述第一频次是否满足第二预设阈值;
第一执行单元,所述第一执行单元用于当满足所述第二预设阈值时,为所述第一用户打上第一标签。
优选的,所述装置还包括:
第二十一获得单元,所述第二十一获得单元用于获得所述第三用户的行为数据信息;
第二十二获得单元,所述第二十二获得单元用于根据所述行为数据信息,获得所述第三用户的空闲时间;
第二十三获得单元,所述第二十三获得单元用于根据所述第三购买清单,获得所述第三用户的平均消费时间间隔;
第二十四获得单元,所述第二十四获得单元用于根据所述平均消费时间间隔,获得所述第三用户购买所述第二商品的预设时间;
第六推荐单元,所述第六推荐单元用于在所述预设时间之前,将所述第二商品在所述空闲时间内推荐给所述第三用户。
第三方面,本发明提供了一种跨商品品类的商品推荐装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;获得第一用户的第一标签;获得第二用户的第二标签;当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;获得所述第三用户的第三标签;当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户。
第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;获得第一用户的第一标签;获得第二用户的第二标签;当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;获得所述第三用户的第三标签;当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种跨商品品类的商品推荐方法和装置,通过获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;获得第一用户的第一标签;获得第二用户的第二标签;当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;获得所述第三用户的第三标签;当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户,从而解决了现有技术中的商品推荐方式容易造成用户的体验度较差,无法刺激用户的购买欲望,从而导致商品推荐的效果不理想,难以提高推荐商品的购买率的技术问题,达到了智能化地推荐对应的商品,实现跨商品品类的商品推荐,大大的为用户提供了方便,提高推荐商品的购买率,提高商品推荐效果的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
图1为本发明实施例中一种跨商品品类的商品推荐方法的流程示意图;
图2为本发明实施例中一种跨商品品类的商品推荐装置的结构示意图;
图3为本发明实施例中另一种跨商品品类的商品推荐装置的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,第一推荐单元18,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本发明实施例提供了一种跨商品品类的商品推荐方法和装置,用于解决现有技术中的商品推荐方式容易造成用户的体验度较差,无法刺激用户的购买欲望,从而导致商品推荐的效果不理想,难以提高推荐商品的购买率的技术问题。
本发明提供的技术方案总体思路如下:
获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;获得第一用户的第一标签;获得第二用户的第二标签;当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;获得所述第三用户的第三标签;当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户,从而达到了智能化地推荐对应的商品,实现跨商品品类的商品推荐,大大的为用户提供了方便,提高推荐商品的购买率,提高商品推荐效果的技术效果。
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
实施例一
图1为本发明实施例中一种跨商品品类的商品推荐方法的流程示意图。如图1所示,本发明实施例提供了一种跨商品品类的商品推荐方法,所述方法包括:
步骤110:获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类。
具体而言,第一购买清单即为第一用户在购物平台上曾经购买过的商品的相关信息,从第一购买清单中可以看到用户的交易时间、交易商品、卖家信息、物流信息以及交易金额等。在第一购买清单中包含有若干不同的商品,由于不同用户使用购物平台的时间年限以及购买量均存在差异,因此,本实施例中以第一购买清单为预设时间范围内的购买清单作为优选。通过对第一购买清单进行分析,可以得到在第一购买清单中包括第一商品和第二商品,并且本实施例中以第一商品和第二商品为不同的商品品类作为优选。其中,商品品类是指商品的分类,一个小分类就代表了一种消费者的需求,即将不同的商品按照不同的种类而做出的区别。例如,可以按照商品的用途将商品分为服装、电器、箱包、日用品、生鲜、母婴、美妆、运动、食品等等。例如第一用户王某在在淘宝上三个月内的购买清单中包括袜子、皮鞋、瑜伽垫、风衣、洗面奶、牙刷等,其中的瑜伽垫属于运动器材类商品,而洗面奶则属于美妆类商品,说明此时的瑜伽垫和洗面奶处于不同的商品品类之中。
步骤120:获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品。
具体而言,如前所述,第二购买清单即为第二用户在购物平台上曾经购买过的商品的相关信息,从第二购买清单中可以看到用户的交易时间、交易商品、卖家信息、物流信息以及交易金额等。在第二购买清单中包含有若干不同的商品,由于不同用户使用购物平台的时间年限以及购买量均存在差异,因此,本实施例中以第二购买清单为预设时间范围内的购买清单作为优选。且获取到的第一购买清单和第二购买清单均处于同一时间范围内。通过对第二购买清单进行分析,可以得到在第二购买清单中同样包括有第一商品和第二商品,因此,与第一购买清单类似,此时的第一商品和第二商品也同样处于不同的商品品类。例如,可以将商品分为服装、电器、箱包、日用品、生鲜、母婴、美妆、运动、食品等等。举例而言,当另外一用户张某在淘宝上三个月内的购买清单中包括尿不湿、连衣裙、书籍、瑜伽垫、洗面奶、洗发水等,其中的瑜伽垫和洗面奶处于不同的商品品类,且与前述王某的瑜伽垫和洗面奶为同一种商品。
步骤130:获得第一用户的第一标签。
进一步的,所述获得第一用户的第一标签,还包括:获得所述第一用户的第一访问记录;根据所述第一访问记录获得第一标签关键词;获得所述第一标签关键词的第一频次;判断所述第一频次是否满足第二预设阈值;当满足所述第二预设阈值时,为所述第一用户打上第一标签。
具体而言,第一标签即为第一用户的画像信息,也就是通过采集用户的个人信息例如社会属性、生活习惯、消费信息等数据信息之后,进而抽象出一个用户的信息全貌,通过标签信息可以为用户的个性化推荐服务。本实施例中,获取第一用户的第一标签的具体过程如下:首先,采集到用户在预定时间范围内的第一访问记录,其中,第一访问记录即为用户在购物平台上的行为数据信息,包括用户与卖家的互动信息、购买记录、对于商品的评价记录、商品浏览记录等,然后,从第一访问记录中提取第一标签关键词,进而对第一标签关键词的出现频率进行计算和统计,接着判断第一频次是否达到了第二预设阈值,如果达到了第二预设阈值,则说明第一用户的第一标签关键词能够代表该用户的个人标签,此时根据第一标签关键词的所属类型为第一用户打上第一标签即可。举例而言,经过对前述用户王某在淘宝上的访问记录进行数据分析和处理发现,王某的一个月内访问记录中经常出现的关键信息为户外运动器材,也就是说,户外运动器材在用户的访问记录中出现的权重最大,例如登山用品、呼啦圈、臂力棒、瑜伽垫等,且关键信息所出现的次数为200次,若第二预设阈值设定为100次时,说明户外运动器材所出现的次数满足了阈值要求,则此时根据户外运动器材即可为王某打上健身达人的标签。
步骤140:获得第二用户的第二标签。
具体而言,如前步骤130所述,第二标签即为第二用户的画像信息,也就是通过采集用户的个人信息例如社会属性、生活习惯、消费信息等数据信息之后,进而抽象出一个用户的信息全貌,通过标签信息可以为用户的个性化推荐服务。本实施例中,与获取第一用户的第一标签的方式相同,获取第二用户的第二标签的具体过程如下:首先,采集到第二用户在预定时间范围内的第二访问记录,其中,第二访问记录即为用户在购物平台上的行为数据信息,包括用户与卖家的互动信息、购买记录、对于商品的评价记录、商品浏览记录等,然后,从第二访问记录中提取第二标签关键词,进而对第二标签关键词的出现频率进行计算和统计,接着判断第二频次是否达到了第三预设阈值,如果达到了第三预设阈值,则说明第二用户的第二标签关键词能够代表该用户的个人标签,此时根据第二标签关键词的所属类型为第二用户打上第二标签即可。举例而言,经过对第二用户张某在淘宝上的访问记录进行数据分析和处理发现,张某的一个月内访问记录中经常出现的关键信息为减肥产品,也就是说,减肥产品在用户的访问记录中出现的权重最大,例如瘦身霜、减肥茶、美体衣、呼啦圈、瑜伽垫等,且关键信息所出现的次数为150次,若第三预设阈值设定为100次时,说明减肥产品所出现的次数满足了阈值要求,则此时根据减肥产品即可为张某打上减肥达人的标签。
步骤150:当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品。
具体而言,在得到第一用户的第一标签和第二用户的第二标签之后,则需要继续判断第一标签和第二标签之间是否具有第一关联关系,其中,第一关联关系即为第一标签和第二标签之间的相似度。在本实施例中,可以将用户的标签与用户的访问记录相对应,然后建立两者之间的匹配度,根据匹配度值的大小来判断第一标签和第二标签之间是否满足了相似度的要求,例如,前述第一用户王某的第一标签为健身达人,第二用户张某的第二标签为减肥达人,通过对两个用户的访问记录进行分析发现,两个用户的行为数据中存在一定的相似度,也就是说,健身达人和减肥达人在访问过程中,所搜索的产品之间具有一定的匹配度。进一步的,在判断得到第一标签和第二标签之间具有第一关联关系之后,获取第一推荐组合,此时的第一推荐组合中包括第一商品和第二商品,例如当第一商品为瑜伽垫、第二商品为洗面奶时,则此时的第一推荐组合即为瑜伽垫和洗面奶。
步骤160:获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品。
具体而言,如前步骤110和步骤120所述,第三购买清单即为第三用户在购物平台上曾经购买过的商品的相关信息,从第三购买清单中可以看到用户的交易时间、交易商品、卖家信息、物流信息以及交易金额等。在第三购买清单中包含有若干不同的商品,由于不同用户使用购物平台的时间年限以及购买量均存在差异,因此,本实施例中以第三购买清单为预设时间范围内的购买清单作为优选,且获取到的第一购买清单、第二购买清单、第三购买清单均处于同一时间范围内。通过对第三购买清单进行分析,可以得到在第三购买清单中同样包括有第一商品。举例而言,当另外一用户李某在淘宝上三个月内的购买清单中包括连衣裙、瑜伽垫、防晒霜、芒果、方便面、耳机等,其中的瑜伽垫与前述王某和张某的瑜伽垫为同一种商品。
步骤170:获得所述第三用户的第三标签。
具体而言,如前步骤130、步骤140所述,第三标签即为第三用户的画像信息,也就是通过采集用户的个人信息例如社会属性、生活习惯、消费信息等数据信息之后,进而抽象出一个用户的信息全貌,通过标签信息可以为用户的个性化推荐服务。本实施例中,与获取第一用户的第一标签的方式、获取第二用户的第二标签的方式相同,获取第三用户的第三标签的具体过程如下:首先,采集到第三用户在预定时间范围内的第三访问记录,其中,第三访问记录即为用户在购物平台上的行为数据信息,包括用户与卖家的互动信息、购买记录、对于商品的评价记录、商品浏览记录等,然后,从第三访问记录中提取第三标签关键词,进而对第三标签关键词的出现频率进行计算和统计,接着判断第三频次是否达到了第四预设阈值,如果达到了第四预设阈值,则说明第三用户的第三标签关键词能够代表该用户的个人标签,此时根据第三标签关键词的所属类型为第三用户打上第三标签即可。举例而言,经过对用户李某在淘宝上的访问记录进行数据分析和处理发现,李某的一个月内访问记录中经常出现的关键信息为健身馆器材,也就是说,健身馆器材在用户的访问记录中出现的权重最大,例如斜蹲机、多功能训练器、瑜伽垫、瑜伽球、跑步机等,且关键信息所出现的次数为130次,若第四预设阈值设定为100次时,说明健身馆器材所出现的次数满足了阈值要求,则此时根据健身馆器材即可为李某打上健身馆工作人员的标签。
步骤180:当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户。
具体而言,在得到第一用户的第一标签、第二用户的第二标签、第三用户的第三标签之后,则需要继续判断第一标签和第三标签之间,或者是第二标签和第三标签之间是否具有第一关联关系,其中,第一关联关系即为第一标签和第三标签之间或者是第二标签和第三标签的相似度。在本实施例中,可以将用户的标签与用户的访问记录相对应,然后建立两者之间的匹配度,根据匹配度值的大小来判断第一标签和第二标签之间或者是第二标签和第三标签之间是否满足了相似度的阈值要求,进一步的,在判断得到第一标签和第三标签之间具有第一关联关系之后,或者是判断得到第二标签和第三标签之间具有第一关联关系之后,即可将第一推荐组合中的第二商品推荐给第三用户,从而解决了现有技术中根据用户的浏览记录进行相关的商品推荐,容易导致用户所接收到的推荐信息为已经购买过的商品,造成用户的浏览兴趣不大,甚至会产生厌烦信息,卸载应用的现象出现,进一步实现了跨商品品类的推荐方式,打破了不同商品品类之间的壁垒,自动推送对应的商品,为商家提供商品的推广、定位和精准对象,实现有效的商品推荐的技术效果。例如,前述第一用户王某的第一标签为健身达人,第三用户李某的第三标签为健身馆工作人员,通过对两个用户的访问记录进行分析发现,两个用户的行为数据中存在一定的相似度,也就是说,健身达人和健身馆工作人员在访问过程中,所搜索的产品之间具有一定的匹配度,则此时可将第一推荐组合中的第二商品也就是洗面奶推荐给李某。
因此,通过本实施例中的跨商品品类的商品推荐方法,能够智能化地推荐对应的商品,实现跨商品品类的商品推荐,大大的为用户提供了方便,提高推荐商品的购买率,提高商品推荐效果的技术效果,从而解决了现有技术中的商品推荐方式容易造成用户的体验度较差,无法刺激用户的购买欲望,从而导致商品推荐的效果不理想,难以提高推荐商品的购买率的技术问题。
进一步的,本实施例中的跨商品品类的商品推荐方法也可结合人工智能技术来实现,其中,人工智能的英文缩写为AI(Artificial Intelligence),它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。具体的步骤为:获得第一用户的第一购买清单照片、第二用户的第二购买清单照片、第三用户的第三购买清单照片;将所述第一用户的第一购买清单照片、第二用户的第二购买清单照片、第三用户的第三购买清单照片依次输入模型中,所述模型为使用多组数据通过机器学习训练得出的,所述多组数据中的每组数据均包括第一类数据组、第二类数据组以及第三类数据组,第一类数据组的每组数据均包括:第一用户的第一购买清单照片,标识所述第一用户的第一标签的第一标识信息以及标识所述第一购买清单照片中第一商品和第二商品的第二标识信息;第二类数据组的每组数据均包括:第二用户的第二购买清单照片,标识所述第二用户的第二标签的第三标识信息以及标识所述第二购买清单照片中第一商品和第二商品的第四标识信息;第三类数据组的每组数据均包括:第三用户的第三购买清单照片,标识所述第三用户的第三标签的第五标识信息,以及标识所述第三购买清单照片中第一商品的第六标识信息;在所述第三标签与所述第一标签具有第一关联关系,或,在所述第三标签与所述第二标签具有第一关联关系的情况下,将所述第一推荐组合中的第二商品推荐给所述第三用户,其中,所述第一推荐组合的获得方式为:当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品。
进一步的,本实施例中的训练模型是通过采用多组数据利用机器学习训练得出的,其中,机器学习是实现人工智能的一种途径,它和数据挖掘有一定的相似性,也是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。对比于数据挖掘从大数据之间找相互特性而言,机器学习更加注重算法的设计,让计算机能够自动地从数据中“学习”规律,并利用规律对未知数据进行预测。
进一步的,所述方法还包括:当所述第三标签与所述第一标签不具有第一关联关系,且,当所述第三标签与所述第二标签不具有第一关联关系时,获得所述第三用户与所述第一用户之间的第一互动信息;根据所述第一互动信息获得第三商品;判断所述第三商品是否满足第一预设条件;当所述第三商品满足所述第一预设条件时;将所述第三商品推荐给所述第三用户;或,获得所述第三用户与所述第二用户之间的第二互动信息;根据所述第二互动信息获得第四商品;判断所述第四商品是否满足所述第一预设条件;当所述第四商品满足所述第一预设条件时;将所述第四商品推荐给所述第三用户。
具体而言,当判断得到第三标签与第一标签之间不具有第一关联关系,同时当第三标签与第二标签之间不具有第一关联关系时,则进一步获得第三用户与第一用户之间的第一互动信息,其中,第一互动信息即为两个用户之间在QQ、微信、微博等社交软件上的交流信息或者是点赞信息、评论记录等;进而从第一互动信息中提取到第三商品,然后判断第三商品是否满足预设条件,即判断第三商品是否与第一商品处于不同的商品品类,若处于时,则接着将第三商品发送给第三用户。如前所述,当王某与李某的标签信息不满足第一关联关系时,此时可以获取到两个用户之间的互动信息,例如王某在朋友圈分享了关于某品牌鞋子的信息,且李某关于该商品与王某之间进行了互动交流,说明此时李某对该商品可能比较感兴趣,因此,可以将鞋子的信息推荐给李某。
进一步的,本实施例中还可获得第三用户与第二用户之间的第二互动信息,同样的,第二互动信息为两个用户之间在QQ、微信、微博等社交软件上的交流信息或者是点赞信息、评论记录等;进而从第二互动信息中提取到第四商品,然后判断第四商品是否满足预设条件,即判断第四商品是否与第一商品处于不同的商品品类,而且第三用户对第四商品比较感兴趣,因此,若处于时,则接着将第四商品发送给第三用户,这样,可以使第三用户方便的接收到推荐信息,同时也可以增进用户之间的亲密度,提高用户分享信息的活跃度。
进一步的,所述方法还包括:根据所述第三购买清单,获得所述第三用户的评价信息;根据所述评价信息,获得所述第三用户对于所述第二商品的预设满意指数;判断所述预设满意指数是否满足第一预设阈值;当所述预设满意指数满足所述第一预设阈值时,将所述第一推荐组合中的第二商品推荐给所述第三用户。
具体而言,第三用户的评价信息即为第三用户对于曾经购买过的产品进行的评价、评分或者是售后、投诉信息。一般的,当用户在平台上购买商品,在交易完成之后,用户可以对所购买的产品进行评论,然后发表在平台上供其他用户参考和查看。通过对第三用户的评价信息进行分析可以预测到用户对于第二商品的预设满意度,其中的预设满意度也即代表着第三用户购买第二商品的意向指数,然后通过判断预设满意指数是否满足第一预设阈值,当满足了第一预设阈值时,说明第三用户对于第二商品的满意度较高,接着即可将第二商品推荐给第三用户。这样,可以避免用户接收到不感兴趣的内容,而产生厌烦心理的现象发生,从而达到为用户提供精准的推送内容的目的。
进一步的,所述方法还包括:当所述预设满意指数不满足第一预设阈值时,获得所述第三用户的购物车信息;根据所述购物车信息,获得所述第三用户的喜好信息;获得所述第二商品的商品品类信息;根据所述喜好信息、评价信息以及商品品类信息,获得第五商品;将所述第五商品推荐给所述第三用户。
具体而言,当预设满意指数不满足第一预设阈值时,说明第三用户对于第二商品的满意度较低,此时需要结合第三用户的购物车信息和第三购物清单进一步进行分析。因此,对购物车信息和第三购物清单进行大数据分析处理之后,从中可以得到第三用户的喜好信息。进一步的,对第二商品的商品品类信息进行分析之后,将第三用户的喜好信息、评价信息和第二商品的商品品类信息结合在一起进行综合处理,获得第五商品,此时的第五商品需满足一定的预设条件,即第五商品和第一商品处于不同的商品品类,且第五商品与第二商品处于相同的品类信息,接着即可将第五商品推荐给第三用户。举例而言,当李某对于第二商品洗面奶的满意度不够高时,可以将第三用户的购物车结合起来,分析得到李某的喜好信息。由于此时的洗面奶属于美妆类产品,因此,结合李某的喜好、评价以及美妆类产品,可以为李某提供其他美妆类产品,例如眉笔、唇膏等,进一步实现跨商品品类的商品推荐,大大的为用户提供了方便,提高推荐商品的购买率,提高商品推荐效果的技术效果。
进一步的,所述方法还包括:获得所述第三用户的行为数据信息;根据所述行为数据信息,获得所述第三用户的空闲时间;根据所述第三购买清单,获得所述第三用户的平均消费时间间隔;根据所述平均消费时间间隔,获得所述第三用户购买所述第二商品的预设时间;在所述预设时间之前,将所述第二商品在所述空闲时间内推荐给所述第三用户。
具体而言,第三用户的行为数据信息即包括了第三用户在平台上的浏览商品、购买商品、评价商品、与卖家互动等相关信息,通过对第三用户的行为数据进行分析即可从中获取到用户的空闲时间,也就是说,通过对第三用户的行为数据可以确定出用户的行为规律,从而可以在不打扰用户前提下进行商品推荐,例如工作类APP,可以选择用户下班前后推送第二天的工作计划和笔记,餐饮类APP可在早餐时间推送早中晚餐推荐饮食搭配等,电影类APP则可在周五下班后一次性推送本周观影指南等;进一步的,通过对第三用户的第三购买清单进行分析处理,可以从中获取到该用户平均多久时间消费一次,然后根据平均消费时间间隔,可以预测得到第三用户购买第二商品的时间范围,这样,可以在用户下一次消费时间到来之前,将第二商品在用户的空闲时间内推荐给第三用户。举例而言,当李某习惯于每天晚上八点以后进行商品浏览或者是购买,说明李某的空闲时间在晚上八点以后,同时,通过对李某的订单分析发现,李某平均每隔一周会在平台上购买产品,因此,可以在距离当前时间的下一周到来之前,在晚上八点以后将商品推荐给李某,这样,可以方便快捷的为用户提供服务,极大的提高了用户的体验度,进一步实现跨商品类别的商品推送。
实施例二
基于与前述实施例中一种跨商品品类的商品推荐方法同样的发明构思,本发明还提供一种跨商品品类的商品推荐方法装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类。
第二获得单元12,所述第二获得单元12用于获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品。
第三获得单元13,所述第三获得单元13用于获得第一用户的第一标签。
第四获得单元14,所述第四获得单元14用于获得第二用户的第二标签。
第五获得单元15,所述第五获得单元15用于当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品。
第六获得单元16,所述第六获得单元16用于获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品。
第七获得单元17,所述第七获得单元17用于获得所述第三用户的第三标签。
第一推荐单元18,所述第一推荐单元18用于当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户。
进一步的,所述装置还包括:
第八获得单元,所述第八获得单元用于当所述第三标签与所述第一标签不具有第一关联关系,且,当所述第三标签与所述第二标签不具有第一关联关系时,获得所述第三用户与所述第一用户之间的第一互动信息。
第九获得单元,所述第九获得单元用于根据所述第一互动信息获得第三商品。
第一判断单元,所述第一判断单元用于判断所述第三商品是否满足第一预设条件。
第二推荐单元,所述第二推荐单元用于所述第三商品满足所述第一预设条件时,将所述第三商品推荐给所述第三用户。
或,第十获得单元,所述第十获得单元用于获得所述第三用户与所述第二用户之间的第二互动信息。
第十一获得单元,所述第十一获得单元用于根据所述第二互动信息获得第四商品。
第二判断单元,所述第二判断单元用于判断所述第四商品是否满足所述第一预设条件。
第三推荐单元,所述第三推荐单元用于当所述第四商品满足所述第一预设条件时,将所述第四商品推荐给所述第三用户。
进一步的,所述装置还包括:
第十二获得单元,所述第十二获得单元用于根据所述第三购买清单,获得所述第三用户的评价信息。
第十三获得单元,所述第十三获得单元用于根据所述评价信息,获得所述第三用户对于所述第二商品的预设满意指数。
第三判断单元,所述第三判断单元用于判断所述预设满意指数是否满足第一预设阈值。
第四推荐单元,所述第四推荐单元用于当所述预设满意指数满足所述第一预设阈值时,将所述第一推荐组合中的第二商品推荐给所述第三用户。
进一步的,所述装置还包括:
第十四获得单元,所述第十四获得单元用于当所述预设满意指数不满足第一预设阈值时,获得所述第三用户的购物车信息。
第十五获得单元,所述第十五获得单元用于根据所述购物车信息,获得所述第三用户的喜好信息。
第十六获得单元,所述第十六获得单元用于获得所述第二商品的商品品类信息。
第十七获得单元,所述第十七获得单元用于根据所述喜好信息、评价信息以及商品品类信息,获得第五商品。
第五推荐单元,所述第五推荐单元用于将所述第五商品推荐给所述第三用户。
进一步的,所述装置还包括:
第十八获得单元,所述第十八获得单元用于获得所述第一用户的第一访问记录。
第十九获得单元,所述第十九获得单元用于根据所述第一访问记录获得第一标签关键词。
第二十获得单元,所述第二十获得单元用于获得所述第一标签关键词的第一频次。
第四判断单元,所述第四判断单元用于判断所述第一频次是否满足第二预设阈值。
第一执行单元,所述第一执行单元用于当满足所述第二预设阈值时,为所述第一用户打上第一标签。
进一步的,所述装置还包括:
第二十一获得单元,所述第二十一获得单元用于获得所述第三用户的行为数据信息。
第二十二获得单元,所述第二十二获得单元用于根据所述行为数据信息,获得所述第三用户的空闲时间。
第二十三获得单元,所述第二十三获得单元用于根据所述第三购买清单,获得所述第三用户的平均消费时间间隔。
第二十四获得单元,所述第二十四获得单元用于根据所述平均消费时间间隔,获得所述第三用户购买所述第二商品的预设时间。
第六推荐单元,所述第六推荐单元用于在所述预设时间之前,将所述第二商品在所述空闲时间内推荐给所述第三用户。
前述图1实施例一中的一种跨商品品类的商品推荐方法的各种变化方式和具体实例同样适用于本实施例的一种跨商品品类的商品推荐装置,通过前述对一种跨商品品类的商品推荐方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种跨商品品类的商品推荐装置的实施方法,所以为了说明书的简洁,在此不再详述。
实施例三
基于与前述实施例中一种跨商品品类的商品推荐方法同样的发明构思,本发明还提供一种跨商品品类的商品推荐装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种跨商品品类的商品推荐方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
实施例四
基于与前述实施例中一种跨商品品类的商品推荐方法同样的发明构思,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;获得第一用户的第一标签;获得第二用户的第二标签;当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;获得所述第三用户的第三标签;当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户。
在具体实施过程中,该程序被处理器执行时,还可以实现实施例一中的任一方法步骤。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种跨商品品类的商品推荐方法和装置,通过获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;获得第一用户的第一标签;获得第二用户的第二标签;当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;获得所述第三用户的第三标签;当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户,从而解决了现有技术中的商品推荐方式容易造成用户的体验度较差,无法刺激用户的购买欲望,从而导致商品推荐的效果不理想,难以提高推荐商品的购买率的技术问题,达到了智能化地推荐对应的商品,实现跨商品品类的商品推荐,大大的为用户提供了方便,提高推荐商品的购买率,提高商品推荐效果的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种跨商品品类的商品推荐方法,其特征在于,所述方法包括:
获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;
获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;
获得第一用户的第一标签;
获得第二用户的第二标签;
当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;
获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;
获得所述第三用户的第三标签;
当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户;
其中,所述方法还包括:
当所述第三标签与所述第一标签不具有第一关联关系,且,当所述第三标签与所述第二标签不具有第一关联关系时,获得所述第三用户与所述第一用户之间的第一互动信息;
根据所述第一互动信息获得第三商品;
判断所述第三商品是否满足第一预设条件;
当所述第三商品满足所述第一预设条件时,将所述第三商品推荐给所述第三用户;
或,获得所述第三用户与所述第二用户之间的第二互动信息;
根据所述第二互动信息获得第四商品;
判断所述第四商品是否满足所述第一预设条件;
当所述第四商品满足所述第一预设条件时,将所述第四商品推荐给所述第三用户;
其中,所述方法还包括:
根据所述第三购买清单,获得所述第三用户的评价信息;
根据所述评价信息,获得所述第三用户对于所述第二商品的预设满意指数;
判断所述预设满意指数是否满足第一预设阈值;
当所述预设满意指数满足所述第一预设阈值时,将所述第一推荐组合中的第二商品推荐给所述第三用户;
当所述预设满意指数不满足第一预设阈值时,获得所述第三用户的购物车信息;
根据所述购物车信息,获得所述第三用户的喜好信息;
获得所述第二商品的商品品类信息;
根据所述喜好信息、评价信息以及商品品类信息,获得第五商品;
将所述第五商品推荐给所述第三用户;
其中,所述获得第一用户的第一标签,还包括:
获得所述第一用户的第一访问记录;
根据所述第一访问记录获得第一标签关键词;
获得所述第一标签关键词的第一频次;
判断所述第一频次是否满足第二预设阈值;
当满足所述第二预设阈值时,为所述第一用户打上第一标签。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得所述第三用户的行为数据信息;
根据所述行为数据信息,获得所述第三用户的空闲时间;
根据所述第三购买清单,获得所述第三用户的平均消费时间间隔;
根据所述平均消费时间间隔,获得所述第三用户购买所述第二商品的预设时间;
在所述预设时间之前,将所述第二商品在所述空闲时间内推荐给所述第三用户。
3.一种跨商品品类的商品推荐装置,其特征在于,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;
第二获得单元,所述第二获得单元用于获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;
第三获得单元,所述第三获得单元用于获得第一用户的第一标签;
第四获得单元,所述第四获得单元用于获得第二用户的第二标签;
第五获得单元,所述第五获得单元用于当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;
第六获得单元,所述第六获得单元用于获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;
第七获得单元,所述第七获得单元用于获得所述第三用户的第三标签;
第一推荐单元,所述第一推荐单元用于当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户;
第八获得单元,所述第八获得单元用于当所述第三标签与所述第一标签不具有第一关联关系,且,当所述第三标签与所述第二标签不具有第一关联关系时,获得所述第三用户与所述第一用户之间的第一互动信息;
第九获得单元,所述第九获得单元用于根据所述第一互动信息获得第三商品;
第一判断单元,所述第一判断单元用于判断所述第三商品是否满足第一预设条件;
第二推荐单元,所述第二推荐单元用于所述第三商品满足所述第一预设条件时,将所述第三商品推荐给所述第三用户;
或,第十获得单元,所述第十获得单元用于获得所述第三用户与所述第二用户之间的第二互动信息;
第十一获得单元,所述第十一获得单元用于根据所述第二互动信息获得第四商品;
第二判断单元,所述第二判断单元用于判断所述第四商品是否满足所述第一预设条件;
第三推荐单元,所述第三推荐单元用于当所述第四商品满足所述第一预设条件时,将所述第四商品推荐给所述第三用户;
第十二获得单元,所述第十二获得单元用于根据所述第三购买清单,获得所述第三用户的评价信息;
第十三获得单元,所述第十三获得单元用于根据所述评价信息,获得所述第三用户对于所述第二商品的预设满意指数;
第三判断单元,所述第三判断单元用于判断所述预设满意指数是否满足第一预设阈值;
第四推荐单元,所述第四推荐单元用于当所述预设满意指数满足所述第一预设阈值时,将所述第一推荐组合中的第二商品推荐给所述第三用户;
第十四获得单元,所述第十四获得单元用于当所述预设满意指数不满足第一预设阈值时,获得所述第三用户的购物车信息;
第十五获得单元,所述第十五获得单元用于根据所述购物车信息,获得所述第三用户的喜好信息;
第十六获得单元,所述第十六获得单元用于获得所述第二商品的商品品类信息;
第十七获得单元,所述第十七获得单元用于根据所述喜好信息、评价信息以及商品品类信息,获得第五商品;
第五推荐单元,所述第五推荐单元用于将所述第五商品推荐给所述第三用户;
第十八获得单元,所述第十八获得单元用于获得所述第一用户的第一访问记录;
第十九获得单元,所述第十九获得单元用于根据所述第一访问记录获得第一标签关键词;
第二十获得单元,所述第二十获得单元用于获得所述第一标签关键词的第一频次;
第四判断单元,所述第四判断单元用于判断所述第一频次是否满足第二预设阈值;
第一执行单元,所述第一执行单元用于当满足所述第二预设阈值时,为所述第一用户打上第一标签。
4.一种跨商品品类的商品推荐装置,包括存储器、处理器及存储在存储器上并可在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以下方法 :
获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;
获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;
获得第一用户的第一标签;
获得第二用户的第二标签;
当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;
获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;
获得所述第三用户的第三标签;
当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户;
其中,所述方法还包括:
当所述第三标签与所述第一标签不具有第一关联关系,且,当所述第三标签与所述第二标签不具有第一关联关系时,获得所述第三用户与所述第一用户之间的第一互动信息;
根据所述第一互动信息获得第三商品;
判断所述第三商品是否满足第一预设条件;
当所述第三商品满足所述第一预设条件时,将所述第三商品推荐给所述第三用户;
或,获得所述第三用户与所述第二用户之间的第二互动信息;
根据所述第二互动信息获得第四商品;
判断所述第四商品是否满足所述第一预设条件;
当所述第四商品满足所述第一预设条件时,将所述第四商品推荐给所述第三用户;
其中,所述方法还包括:
根据所述第三购买清单,获得所述第三用户的评价信息;
根据所述评价信息,获得所述第三用户对于所述第二商品的预设满意指数;
判断所述预设满意指数是否满足第一预设阈值;
当所述预设满意指数满足所述第一预设阈值时,将所述第一推荐组合中的第二商品推荐给所述第三用户;
当所述预设满意指数不满足第一预设阈值时,获得所述第三用户的购物车信息;
根据所述购物车信息,获得所述第三用户的喜好信息;
获得所述第二商品的商品品类信息;
根据所述喜好信息、评价信息以及商品品类信息,获得第五商品;
将所述第五商品推荐给所述第三用户;
其中,所述获得第一用户的第一标签,还包括:
获得所述第一用户的第一访问记录;
根据所述第一访问记录获得第一标签关键词;
获得所述第一标签关键词的第一频次;
判断所述第一频次是否满足第二预设阈值;
当满足所述第二预设阈值时,为所述第一用户打上第一标签。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以下方法 :
获得第一用户的第一购买清单,其中,所述第一购买清单中具有第一商品和第二商品,且所述第一商品和所述第二商品处于不同的商品品类;
获得第二用户的第二购买清单,其中,所述第二购买清单中具有所述第一商品和所述第二商品;
获得第一用户的第一标签;
获得第二用户的第二标签;
当所述第一标签和所述第二标签具有第一关联关系时,获得第一推荐组合,其中,所述第一推荐组合中包括第一商品和第二商品;
获得第三用户的第三购买清单,其中,所述第三购买清单中具有所述第一商品;
获得所述第三用户的第三标签;
当所述第三标签与所述第一标签具有第一关联关系,或,当所述第三标签与所述第二标签具有第一关联关系时,将所述第一推荐组合中的第二商品推荐给所述第三用户;
其中,所述方法还包括:
当所述第三标签与所述第一标签不具有第一关联关系,且,当所述第三标签与所述第二标签不具有第一关联关系时,获得所述第三用户与所述第一用户之间的第一互动信息;
根据所述第一互动信息获得第三商品;
判断所述第三商品是否满足第一预设条件;
当所述第三商品满足所述第一预设条件时,将所述第三商品推荐给所述第三用户;
或,获得所述第三用户与所述第二用户之间的第二互动信息;
根据所述第二互动信息获得第四商品;
判断所述第四商品是否满足所述第一预设条件;
当所述第四商品满足所述第一预设条件时,将所述第四商品推荐给所述第三用户;
其中,所述方法还包括:
根据所述第三购买清单,获得所述第三用户的评价信息;
根据所述评价信息,获得所述第三用户对于所述第二商品的预设满意指数;
判断所述预设满意指数是否满足第一预设阈值;
当所述预设满意指数满足所述第一预设阈值时,将所述第一推荐组合中的第二商品推荐给所述第三用户;
当所述预设满意指数不满足第一预设阈值时,获得所述第三用户的购物车信息;
根据所述购物车信息,获得所述第三用户的喜好信息;
获得所述第二商品的商品品类信息;
根据所述喜好信息、评价信息以及商品品类信息,获得第五商品;
将所述第五商品推荐给所述第三用户;
其中,所述获得第一用户的第一标签,还包括:
获得所述第一用户的第一访问记录;
根据所述第一访问记录获得第一标签关键词;
获得所述第一标签关键词的第一频次;
判断所述第一频次是否满足第二预设阈值;
当满足所述第二预设阈值时,为所述第一用户打上第一标签。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911056334.XA CN110807691B (zh) | 2019-10-31 | 2019-10-31 | 一种跨商品品类的商品推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911056334.XA CN110807691B (zh) | 2019-10-31 | 2019-10-31 | 一种跨商品品类的商品推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110807691A CN110807691A (zh) | 2020-02-18 |
CN110807691B true CN110807691B (zh) | 2022-03-04 |
Family
ID=69489917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911056334.XA Active CN110807691B (zh) | 2019-10-31 | 2019-10-31 | 一种跨商品品类的商品推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110807691B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085561A (zh) * | 2020-08-25 | 2020-12-15 | 王娟 | 一种基于大数据的云平台电子商务数据处理方法和系统 |
CN115511582B (zh) * | 2022-10-31 | 2023-06-27 | 深圳市快云科技有限公司 | 一种基于人工智能的商品推荐系统及方法 |
CN115935068B (zh) * | 2022-12-12 | 2023-09-05 | 杭州洋驼网络科技有限公司 | 互联网平台的商品推荐方法以及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629360A (zh) * | 2012-03-13 | 2012-08-08 | 浙江大学 | 一种有效的动态商品推荐方法及商品推荐系统 |
CN104809626A (zh) * | 2015-03-17 | 2015-07-29 | 徐邑江 | 一种基于用户信用评估的个性化商品推荐方法 |
CN105205684A (zh) * | 2014-06-30 | 2015-12-30 | 阿里巴巴集团控股有限公司 | 一种搭配产品的推荐展示方法及装置 |
WO2016157138A1 (en) * | 2015-04-02 | 2016-10-06 | Santosh Prabhu | A product recommendation system and method |
CN106228386A (zh) * | 2016-07-12 | 2016-12-14 | 腾讯科技(深圳)有限公司 | 一种信息推送方法及装置 |
CN107679898A (zh) * | 2017-09-26 | 2018-02-09 | 浪潮软件股份有限公司 | 一种商品推荐方法和装置 |
CN107767276A (zh) * | 2016-08-23 | 2018-03-06 | 平安科技(深圳)有限公司 | 产品信息自动推荐方法及系统 |
CN107944942A (zh) * | 2016-10-10 | 2018-04-20 | 上海资本加管理软件有限公司 | 用户推荐方法及相关系统 |
CN108198051A (zh) * | 2018-03-01 | 2018-06-22 | 口碑(上海)信息技术有限公司 | 跨商品类别的商品推荐方法及装置 |
CN109034980A (zh) * | 2018-08-23 | 2018-12-18 | 深圳码隆科技有限公司 | 一种搭配商品推荐方法、装置和用户终端 |
CN109087177A (zh) * | 2018-08-21 | 2018-12-25 | 北京京东尚科信息技术有限公司 | 向目标用户推荐商品的方法、装置及计算机可读存储介质 |
CN109389442A (zh) * | 2017-08-04 | 2019-02-26 | 北京京东尚科信息技术有限公司 | 商品推荐方法及装置、存储介质及电子终端 |
CN109559188A (zh) * | 2018-10-12 | 2019-04-02 | 广州快批信息科技有限公司 | 线上批发方法、系统、终端设备及存储介质 |
CN110264291A (zh) * | 2018-03-12 | 2019-09-20 | 北京京东尚科信息技术有限公司 | 信息推荐方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140351079A1 (en) * | 2013-05-24 | 2014-11-27 | University College Dublin | Method for recommending a commodity |
US20150149323A1 (en) * | 2013-11-25 | 2015-05-28 | Cheng-Sung Wei | Method for surfing purchase information on shopping website |
JP6397704B2 (ja) * | 2014-09-19 | 2018-09-26 | 株式会社東芝 | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
US10346881B2 (en) * | 2014-09-19 | 2019-07-09 | International Business Machines Corporation | Advertising within social networks |
-
2019
- 2019-10-31 CN CN201911056334.XA patent/CN110807691B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629360A (zh) * | 2012-03-13 | 2012-08-08 | 浙江大学 | 一种有效的动态商品推荐方法及商品推荐系统 |
CN105205684A (zh) * | 2014-06-30 | 2015-12-30 | 阿里巴巴集团控股有限公司 | 一种搭配产品的推荐展示方法及装置 |
CN104809626A (zh) * | 2015-03-17 | 2015-07-29 | 徐邑江 | 一种基于用户信用评估的个性化商品推荐方法 |
WO2016157138A1 (en) * | 2015-04-02 | 2016-10-06 | Santosh Prabhu | A product recommendation system and method |
CN106228386A (zh) * | 2016-07-12 | 2016-12-14 | 腾讯科技(深圳)有限公司 | 一种信息推送方法及装置 |
CN107767276A (zh) * | 2016-08-23 | 2018-03-06 | 平安科技(深圳)有限公司 | 产品信息自动推荐方法及系统 |
CN107944942A (zh) * | 2016-10-10 | 2018-04-20 | 上海资本加管理软件有限公司 | 用户推荐方法及相关系统 |
CN109389442A (zh) * | 2017-08-04 | 2019-02-26 | 北京京东尚科信息技术有限公司 | 商品推荐方法及装置、存储介质及电子终端 |
CN107679898A (zh) * | 2017-09-26 | 2018-02-09 | 浪潮软件股份有限公司 | 一种商品推荐方法和装置 |
CN108198051A (zh) * | 2018-03-01 | 2018-06-22 | 口碑(上海)信息技术有限公司 | 跨商品类别的商品推荐方法及装置 |
CN110264291A (zh) * | 2018-03-12 | 2019-09-20 | 北京京东尚科信息技术有限公司 | 信息推荐方法和装置 |
CN109087177A (zh) * | 2018-08-21 | 2018-12-25 | 北京京东尚科信息技术有限公司 | 向目标用户推荐商品的方法、装置及计算机可读存储介质 |
CN109034980A (zh) * | 2018-08-23 | 2018-12-18 | 深圳码隆科技有限公司 | 一种搭配商品推荐方法、装置和用户终端 |
CN109559188A (zh) * | 2018-10-12 | 2019-04-02 | 广州快批信息科技有限公司 | 线上批发方法、系统、终端设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
User behavior analysis and commodity recommendation for point-earning apps;Yu-Ching Chen 等;《2016 Conference on Technologies and Applications of Artificial Intelligence》;20170320;第170-177页 * |
基于K均值聚类算法的图书商品推荐仿真系统;李容;《计算机仿真》;20100615(第06期);第346-349页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110807691A (zh) | 2020-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110996110B (zh) | 一种直播过程中的商品调整方法和装置 | |
Olbrich et al. | Modeling consumer purchasing behavior in social shopping communities with clickstream data | |
CN110807691B (zh) | 一种跨商品品类的商品推荐方法和装置 | |
CN110969512B (zh) | 一种基于用户购买行为的商品推荐方法和装置 | |
CN110807669B (zh) | 一种跨平台的用户信息管理方法和装置 | |
CN110933472B (zh) | 一种用于实现视频推荐的方法和装置 | |
CN108256537A (zh) | 一种用户性别预测方法和系统 | |
CN107679898A (zh) | 一种商品推荐方法和装置 | |
CN110910179B (zh) | 一种拼团营销方法和装置 | |
CN116894709A (zh) | 一种广告商品推荐方法和系统 | |
JP6840446B2 (ja) | データ処理装置及びデータ処理方法 | |
CN110751537A (zh) | 一种基于线上线下的智能营销方法和装置 | |
Degutis et al. | Consumers’ willingness to disclose their personal data in e-commerce: A reciprocity-based social exchange perspective | |
CN110807664A (zh) | 一种跨平台的客户营销方法和装置 | |
Zhang et al. | Garment recommendation in an e-shopping environment by using a Markov Chain and Complex Network integrated method | |
CN116127184A (zh) | 产品的推荐方法及装置、非易失性存储介质、电子设备 | |
CN110738521B (zh) | 一种多电商品牌的客户销售方法和装置 | |
CN111178974B (zh) | 一种提高多平台融合性的方法和装置 | |
Fazlollahtabar | Intelligent marketing decision model based on customer behavior using integrated possibility theory and K-means algorithm | |
CN111192112A (zh) | 一种多平台的交互方法和装置 | |
CN110807665A (zh) | 一种提高营销商品转化率的方法和装置 | |
Haripriya et al. | Using Social Media to Promote E-Commerce Business. | |
CN110969435B (zh) | 一种基于线下进店行为的电子凭证推送方法和装置 | |
CN111160981B (zh) | 一种基于线下店铺优化用户喜好信息的方法和装置 | |
Van Niekerk | Factors that influence the adoption of mCommerce applications for purchasing athletic fashion apparel |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A product recommendation method and device across product categories Effective date of registration: 20220824 Granted publication date: 20220304 Pledgee: Shenzhen small and medium sized small loan Co.,Ltd. Pledgor: Shenzhen yunintegral Technology Co.,Ltd. Registration number: Y2022440020175 |