CN110874788A - 产品推荐方法、装置及计算机存储介质 - Google Patents
产品推荐方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN110874788A CN110874788A CN201911108611.7A CN201911108611A CN110874788A CN 110874788 A CN110874788 A CN 110874788A CN 201911108611 A CN201911108611 A CN 201911108611A CN 110874788 A CN110874788 A CN 110874788A
- Authority
- CN
- China
- Prior art keywords
- parameter
- label
- recommended
- sales
- weight
- 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
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
-
- 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
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
本申请公开了一种产品推荐方法、装置及计算机存储介质。方法包括如下步骤:获取产品的销售数据;产品包括多个参数标签,每一参数标签均包括多个参数数值;根据每一参数标签的销售数据,获取每一参数标签的标签权重;获取待推荐目标的待推荐信息,分析与推荐信息相关的销售数据,获取每一参数标签下各个参数数值的销售比例;根据标签权重和销售比例,计算不同型号的产品与待推荐目标的匹配度;基于匹配度向待推荐目标推荐产品。通过上述方式,本申请能够向待推荐目标准确推荐与之匹配度高的推荐商品。
Description
技术领域
本申请涉及智能家居技术领域,特别是涉及一种产品推荐方法、产品推荐装置及计算机存储介质。
背景技术
随着互联网的发展,通过分析消费者的历史行为给消费者的兴趣爱好建模,从而主动给消费者推荐能够满足他们兴趣和需求的内容,已被各大网站、APP广泛应用。
但基于消费者历史行为推荐的内容往往较单一,不能综合多方面因素进行推荐,同时在缺乏消费者行为数据时往往存在推荐不准确的问题。
发明内容
本申请提供一种产品推荐方法、产品推荐装置及计算机存储介质,以解决相关技术中推荐机制单一、推荐结果不准确的问题。
为解决上述技术问题,本申请提供一种产品推荐方法。该方法包括:获取产品的销售数据;产品包括多个参数标签,每一参数标签均包括多个参数数值;根据每一参数标签的销售数据,获取每一参数标签的标签权重;获取待推荐目标的待推荐信息,分析与推荐信息相关的销售数据,获取每一参数标签下各个参数数值的销售比例;根据标签权重和销售比例,计算不同型号的产品与待推荐目标的匹配度;基于匹配度向待推荐目标推荐产品。
为解决上述技术问题,本申请提供一种产品推荐装置。该装置包括处理器和存储器;处理器耦接存储器,在工作时执行指令,以配合存储器实现上述的产品推荐方法。
为解决上述技术问题,本申请提供一种计算机存储介质。该计算机存储介质存储有计算机程序,计算机程序被执行以实现上述的产品推荐方法的步骤。
本申请通过将产品划分多个参数标签,并根据参数标签的销售数据确定参数标签的标签权重,标签权重能够反映区域对与标签权重对应的参数标签的关注程度。进一步地根据待推荐目标的待推荐信息,分析与推荐信息相关的销售数据,获取每一参数标签下各个参数数值的销售比例,从而使销售比例与待推荐目标的待推荐信息对应。通过结合标签权重和销售比例计算不同型号产品与待推荐目标的匹配度,可以准确反映不同型号产品与待推荐目标的匹配程度,从而能够向待推荐目标推荐与其匹配度高的产品。
附图说明
图1是本申请提供的产品推荐方法第一实施例的流程示意图;
图2是本申请提供的产品推荐方法第二实施例的流程示意图;
图3是本申请提供的产品推荐装置一实施例的结构示意图;
图4是本申请提供的计算机存储介质一实施例的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本申请的技术方案,下面结合附图和具体实施方式对本申请所提供的菜谱比较方法、菜谱比较装置及计算机存储介质做进一步详细描述。
请参阅图1,图1是本申请提供的产品推荐方法第一实施例的流程示意图。本实施例包括以下步骤:
S101:获取产品的销售数据;产品包括多个参数标签,每一参数标签均包括多个参数数值。
获取产品的历史销售数据。销售数据可以从线上线下的销售记录中获取。当然,还可以同时获取该产品的历史关注数据,可以通过消费者从线上线下咨询、收藏、浏览、加购而未购买等历史行为来获悉。
其中,产品划分有多个参数标签,每一参数标签还包括有多个参数数值。可以理解,参数数值并不限定为数字,也可以是表示参数标签范围的其他表达方式。本申请中的多个,指2个及以上数量个。
以产品为冰箱举例说明,冰箱的参数标签可以包括但不限于:门款式、容积、制冷方式、颜色、压缩机、门体材质、面板颜色、是否有变温室、是否可制冰、保鲜功能、杀菌功能、是否可联网、是否智能、价格、适用人数和是否自动开门等。门款式的参数数值可以包括2门、十字对开门、法式门和对开门等。容积的参数数值可以包括200L及以下、201-300L、301-400L、401-550L、551L及以上等。价格的参数数值可以包括1500元及以下、1501-2000元、2001-3000元、3001-4000元、4001-5000元、5001-6500元、5601-8000元、8000元及以上等。颜色的参数数值可以包括红、黄、蓝、绿、白、银等。是否智能的参数数值可以包括智能和不智能。需要说明的是,以上参数数值范围的划分仅是示意性的,还可以是其他范围的划分,本申请对此不做限制。
获取的产品的销售数据可以是该产品的年度销售数据,也可以是季度销售数据,还可以是月度销售数据,还可以是自该产品销售以来累计的销售数据。具体销售数据获取的期限根据实际分析需求确定,本申请对此不做限制。
S102:根据每一参数标签的销售数据,获取每一参数标签的标签权重。
统计每一参数标签下与该参数标签相关的销售数据,进而计算得到每一参数标签的标签权重。
计算每一参数标签的标签权重的方法有多种,例如可以根据不同区域的每一参数标签之间的差异度来确定。具体地,销售数据可以包括多个区域的销售数据,比较每一参数标签下多个区域的销售数据中多个参数数值分布的差异度,根据多个区域的同一参数标签下参数数值分布的差异度确定标签权重。标签权重与差异度正相关,即差异度越大,标签权重越高;差异度越小,标签权重越小。
其中,多个区域是指在行政区域划分上处于同一等级的多个区域,区域具体可以是省、自治区、市、区、县、街道、乡镇和村等等。例如多个区域可以是包括安徽省、广东省、江苏省和黑龙江省等如此同一行政等级的省、自治区或直辖市,多个区域还可以是包括广州市、深圳市、佛山市和珠海市等如此同一行政等级的地级市。
差异度可以是指其中一区域某参数标签下每一参数数值的占比与多个区域同一参数标签下每一参数数值的平均占比的差值大小的和。当然,差异度的计算还可以是其他方式,本申请对此不做限制。
举例说明,冰箱门款式下的多个省的销售数据中,广东省的2门、十字对开门、法式门和对开门这些参数数值分别在门款式的销售数据占比,与纳入统计范围的多个省(直辖市、自治区)2门、十字对开门、法式门和对开门这些参数数值分别在门款式的销售数据占比平均值有较大差异。广东省的2门在门款式的占比,比多个省的2门在门款式的占比的平均值高16%,广东省的法式门在门款式的占比,比多个省的法式门在门款式的占比的平均值低21%等等,遍历广东省门款式下每一参数数值的占比与多个省门款式下对应的每一参数数值的占比的平均值的差,计算广东省门款式下各参数标签的占比与多个省门款式下对应的每一参数数值占比的平均值的差之和,得到广东省门款式的差异度。若广东省的门款式的差异度较高,那么可以增加广东省的门款式的标签权重,反之可以降低广东省的门款式的标签权重。
本实施例中,还可以根据每一参数标签下销售数据中多个参数数值分布的均匀度来确定每一参数标签的标签权重。均匀度例如是指参数标签下的多个参数数值间的销售数据离散程度,具体可以计算参数标签下的多个参数数值间的销售数据的标准差来确定。
根据均匀度可以设置每一参数标签的标签权重,标签权重与均匀度负相关。即,均匀度越高,对应的标签权重越小;均匀度越低,对应的标签权重越大。
例如,某区域法式和十字对开门款式的冰箱销售数据较2门和对开门的冰箱销售数据高20%,冰箱门款式的2门、十字对开门、法式门和对开门之间的销售数据均匀度较低,则门款式的标签权重提高。而反之,该区域的冰箱容积这一参数标签下的各参数数值的销售数据的标准差较小,则该容积的标签权重适当降低。
S103:获取待推荐目标的待推荐信息,分析与推荐信息相关的销售数据,获取每一参数标签下各个参数数值的销售比例。
其中,待推荐目标可以指销售区域。待推荐信息可以指具体某一销售区域。例如,待推荐信息是上海,则分析上海的销售数据,得到上海的产品每一参数标签下各个参数数值的销售比例。
待推荐目标还可以是消费者。待推荐信息包括消费者的住房小区及住房户型。分析消费者所在住房小区及住房户型的销售数据,得到该小区及该住房房型的产品每一参数标签下各个参数数值的销售比例。具体住房房型可以根据消费者住址通过网络获取。
待推荐目标是消费者时,待推荐信息还可以包括消费者的家庭人口数量,分析与家庭人口数量相关的销售数据,得到与家庭人口数量相关的每一参数标签下各个参数数值的销售比例。例如,消费者的家庭人口数量为5,获取并分析5个家庭人口购买产品的销售数据,得到5个家庭人口的每一参数标签下各个参数数值的销售比例,以得到5个家庭人口购买产品的选择和偏好。
S104:根据标签权重和销售比例,计算不同型号的产品与待推荐目标的匹配度。
获取了产品的标签权重和与待推荐目标相关的参数数值的销售比例后,进一步计算不同型号的产品与待推荐目标的匹配度。
具体地,可以根据产品的型号获取产品的参数标签及参数数值,进而确定该型号产品的标签权重和参数标签的参数数值对应的参数比例。计算各个标签权重和销售比例的乘积之和,以得到产品的匹配度。例如公式表示如下:
其中,P表示产品的匹配度,i表示该产品有i个参数标签,Xi表示第i个参数标签的标签权重,Yj表示该型号产品第i个参数标签的参数数值对应的销售比例。
S105:基于匹配度向待推荐目标推荐产品。
计算得到多个不同型号的产品的匹配度后,可以向待推荐目标推荐其中匹配度较高或匹配度高于阈值的产品。
本实施例中,由于匹配度是基于待推荐目标的待推荐信息相关的销售比例计算得到的,因此,最终计算得到的匹配度高的产品不仅能够符合待推荐目标所在区域的整体偏好,还符合待推荐目标的客观情况,推荐的产品更加准确。
例如,可以通过获取消费者住房小区及住房户型,从而匹配到同一住房小区及住房户型的消费者适合的产品。消费者的住房小区及住房户型是兴华小区4栋,97平方户型,则获取销售数据得到该住房小区同一住房户型的冰箱购买数据,和该小区所在区域的冰箱的标签比重。分析该住房小区同一住房户型的冰箱购买数据,得到冰箱的各参数标签下的每一参数数值的销售比例。获取不同型号的在售冰箱的参数数值,根据该型号冰箱的参数数值确定对应的销售比例。确定标签比重和不用型号冰箱分别对应的销售比例后,计算各不同型号冰箱的匹配度。最后向消费者推送匹配度高的冰箱,推荐的冰箱与消费者所在的住房小区及住房户型适配,不会出现例如因消费者购买冰箱尺寸太大而家中放不下的情况。
请参阅图2,图2是本申请提供的产品推荐方法第二实施例的流程示意图。本实施例基于产品推荐方法第一实施例,相同的实施步骤在此不再赘述。本实施例包括以下步骤:
S201:获取产品的销售数据;产品包括多个参数标签,每一参数标签均包括多个参数数值。
S202:根据每一参数标签的销售数据,获取每一参数标签的标签权重。
S203:根据销售区域的区域特点对标签权重进行修正。
结合销售区域的区域特点对标签权重进行修正。不同销售区域因为多种因素对同一参数标签有不同的选择倾向,不同的区域特点会影响不同的参数标签。
其中,区域特点包含但不局限于:地理环境、当地气温湿度、区域消费水平、当地GDP、人口数量、家庭成员普遍构成等地域因素。
例如,销售区域为北方,则降低参数标签为是否制冰的标签权重;销售区域为南方,则升高参数标签为是否制冰的标签权重。还例如,销售区域的区域消费水平较高,可以降低参数标签为价格的标签权重;销售区域的区域消费水平较低,可以升高参数标签为价格的标签权重。
S204:获取待推荐目标的待推荐信息,分析与推荐信息相关的销售数据,获取每一参数标签下各个参数数值的销售比例。
S205:根据修正后的标签权重和销售比例,计算不同型号的产品与待推荐目标的匹配度。
计算不同型号的产品与待推荐目标的匹配度的方法与S104类似,使用修正后的标签权重带入计算即可,故在此不再赘述。
S206:基于匹配度向待推荐目标推荐产品。
本实施例中,结合销售地区的区域特点对参数标签的标签权重进行修正,最终计算得到的推荐产品更贴合区域特点,对待推荐目标而言更加符合其客观需求。
本申请的产品推荐方法除可以向待推荐目标推荐与其匹配度高的产品以外,还可以根据产品反向匹配待推荐目标。例如,根据标签权重和销售比例构建出不同销售区域或消费者的对应的模型后,将产品多个参数标签的参数数值输入模型中,得到产品与不同销售区域或消费者的匹配度。匹配度数值高的销售区域或消费者,可作为该产品重点营销对象。可以帮助销售人员快速推进,节省时间,也能提升销售区域消费者好感度。
上述产品推荐方法由产品推荐装置实现,因而本申请还提供产品推荐装置,请参阅图3,图3是本申请提供的产品推荐装置一实施例的结构示意图。产品推荐装置300包括相互连接的处理器301和存储器302,本实施例产品推荐装置300可实现上述产品推荐方法的实施例。其中,存储器302中存储有计算机程序,处理器301用于执行计算机程序以实现上述产品推荐方法。具体来说,处理器301用于计算参数标签的标签权重和参数标签下各个参数数值的销售比例。
其中,处理器301可以是一种集成电路芯片,具有信号的处理能力。处理器301还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
对于上述实施例的方法,其可以计算机程序的形式存在,因而本申请提出一种计算机存储介质,请参阅图4,图4是本申请提供的计算机存储介质一实施例的结构示意图。本实施例计算机存储介质400中存储有计算机程序401,其可被执行以实现上述实施例中的方法。
本实施例计算机存储介质400可以是U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等可以存储程序指令的介质,或者也可以为存储有该程序指令的服务器,该服务器可将存储的程序指令发送给其他设备运行,或者也可以自运行该存储的程序指令。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种产品推荐方法,其特征在于,所述方法包括:
获取所述产品的销售数据;所述产品包括多个参数标签,每一所述参数标签均包括多个参数数值;
根据每一所述参数标签的销售数据,获取每一所述参数标签的标签权重;
获取待推荐目标的待推荐信息,分析与所述推荐信息相关的销售数据,获取每一所述参数标签下各个所述参数数值的销售比例;
根据所述标签权重和所述销售比例,计算不同型号的产品与所述待推荐目标的匹配度;
基于所述匹配度向所述待推荐目标推荐产品。
2.根据权利要求1所述的方法,其特征在于,所述销售数据包括多个区域的销售数据;所述根据每一所述参数标签的销售数据,获取每一所述参数标签的标签权重,包括:
比较每一所述参数标签下多个区域的销售数据中多个所述参数数值分布的差异度,根据所述差异度设置每一所述参数标签的所述标签权重,所述标签权重与所述差异度正相关。
3.根据权利要求1所述的方法,其特征在于,所述根据每一所述参数标签的销售数据,获取每一所述参数标签的标签权重,包括:
分析每一所述参数标签下销售数据中多个所述参数数值分布的均匀度,根据所述均匀度设置每一所述参数标签的所述标签权重,所述标签权重与所述均匀度负相关。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据销售区域的区域特点对所述标签权重进行修正;
所述根据所述标签权重和所述销售比例,计算不同型号的产品与所述待推荐目标的匹配度,包括:
根据修正后的标签权重和所述销售比例,计算不同型号的产品与所述待推荐目标的匹配度;
其中,所述待推荐目标属于所述销售区域。
5.根据权利要求4所述的方法,其特征在于,所述根据销售区域的区域特点对所述标签权重进行修正,包括:
若所述销售区域为北方,则降低所述参数标签为是否制冰的标签权重;若所述销售区域为南方,则升高所述参数标签为是否制冰的标签权重。
6.根据权利要求1所述的方法,其特征在于,所述根据所述标签权重和所述销售比例,计算不同型号的产品与所述待推荐目标的匹配度,包括:
根据所述产品的型号获取所述产品的所述参数标签及所述参数数值,计算所述标签权重和所述销售比例的乘积之和,以计算所述产品的所述匹配度。
7.根据权利要求1所述的方法,其特征在于,所述待推荐目标为消费者,所述待推荐信息包括所述消费者的住房小区及住房户型;
所述分析与所述推荐信息相关的销售数据,包括:
分析所述住房小区及所述住房户型的销售数据。
8.根据权利要求1所述的方法,其特征在于,其特征在于,所述待推荐目标为消费者,所述待推荐信息包括所述消费者的家庭人口数量;
所述分析与所述推荐信息相关的销售数据,包括:
分析与所述家庭人口数量相关的销售数据。
9.一种产品推荐装置,其特征在于,所述产品推荐装置包括处理器和存储器;所述处理器耦接所述存储器,在工作时执行指令,以配合所述存储器实现如权利要求1至8任一项所述的产品推荐方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序被执行以实现如权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911108611.7A CN110874788A (zh) | 2019-11-13 | 2019-11-13 | 产品推荐方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911108611.7A CN110874788A (zh) | 2019-11-13 | 2019-11-13 | 产品推荐方法、装置及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110874788A true CN110874788A (zh) | 2020-03-10 |
Family
ID=69718057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911108611.7A Pending CN110874788A (zh) | 2019-11-13 | 2019-11-13 | 产品推荐方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110874788A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738796A (zh) * | 2020-05-15 | 2020-10-02 | 珠海格力电器股份有限公司 | 产品定向推荐方法、装置、设备及计算机可读介质 |
CN112328897A (zh) * | 2020-11-26 | 2021-02-05 | 重庆趣嗨租科技有限公司 | 一种基于大数据的青少年人群对电子设备的喜好分析系统 |
CN112837116A (zh) * | 2021-01-13 | 2021-05-25 | 中国农业银行股份有限公司 | 一种产品推荐方法及装置 |
CN113393271A (zh) * | 2021-06-15 | 2021-09-14 | 湖南汽车工程职业学院 | 一种产品客户大数据适用匹配系统及计算机存储介质 |
CN113469719A (zh) * | 2020-03-30 | 2021-10-01 | 青岛海尔电冰箱有限公司 | 卖场冰箱推荐方法、卖场导航装置、计算机可读存储介质 |
CN113469718A (zh) * | 2020-03-30 | 2021-10-01 | 青岛海尔电冰箱有限公司 | 卖场冰箱推荐方法、卖场导航装置、计算机可读存储介质 |
CN118245634A (zh) * | 2024-05-28 | 2024-06-25 | 德州华源生态科技有限公司 | 基于大数据的影视内容优化推荐方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930429A (zh) * | 2016-04-19 | 2016-09-07 | 乐视控股(北京)有限公司 | 一种音乐推荐的方法及装置 |
CN107194754A (zh) * | 2017-04-11 | 2017-09-22 | 美林数据技术股份有限公司 | 基于混合协同过滤的券商产品推荐方法 |
CN108268660A (zh) * | 2018-02-08 | 2018-07-10 | 深圳市口袋网络科技有限公司 | 一种客户数据推荐方法、服务器及存储介质 |
CN109767318A (zh) * | 2018-12-15 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 贷款产品推荐方法、装置、设备及存储介质 |
CN109872258A (zh) * | 2019-01-17 | 2019-06-11 | 平安城市建设科技(深圳)有限公司 | 楼盘户型与推荐者的匹配方法、装置、设备及存储介质 |
-
2019
- 2019-11-13 CN CN201911108611.7A patent/CN110874788A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930429A (zh) * | 2016-04-19 | 2016-09-07 | 乐视控股(北京)有限公司 | 一种音乐推荐的方法及装置 |
CN107194754A (zh) * | 2017-04-11 | 2017-09-22 | 美林数据技术股份有限公司 | 基于混合协同过滤的券商产品推荐方法 |
CN108268660A (zh) * | 2018-02-08 | 2018-07-10 | 深圳市口袋网络科技有限公司 | 一种客户数据推荐方法、服务器及存储介质 |
CN109767318A (zh) * | 2018-12-15 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 贷款产品推荐方法、装置、设备及存储介质 |
CN109872258A (zh) * | 2019-01-17 | 2019-06-11 | 平安城市建设科技(深圳)有限公司 | 楼盘户型与推荐者的匹配方法、装置、设备及存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469719A (zh) * | 2020-03-30 | 2021-10-01 | 青岛海尔电冰箱有限公司 | 卖场冰箱推荐方法、卖场导航装置、计算机可读存储介质 |
CN113469718A (zh) * | 2020-03-30 | 2021-10-01 | 青岛海尔电冰箱有限公司 | 卖场冰箱推荐方法、卖场导航装置、计算机可读存储介质 |
CN111738796A (zh) * | 2020-05-15 | 2020-10-02 | 珠海格力电器股份有限公司 | 产品定向推荐方法、装置、设备及计算机可读介质 |
CN112328897A (zh) * | 2020-11-26 | 2021-02-05 | 重庆趣嗨租科技有限公司 | 一种基于大数据的青少年人群对电子设备的喜好分析系统 |
CN112837116A (zh) * | 2021-01-13 | 2021-05-25 | 中国农业银行股份有限公司 | 一种产品推荐方法及装置 |
CN113393271A (zh) * | 2021-06-15 | 2021-09-14 | 湖南汽车工程职业学院 | 一种产品客户大数据适用匹配系统及计算机存储介质 |
CN113393271B (zh) * | 2021-06-15 | 2022-09-23 | 湖南汽车工程职业学院 | 一种产品客户大数据适用匹配系统及计算机存储介质 |
CN118245634A (zh) * | 2024-05-28 | 2024-06-25 | 德州华源生态科技有限公司 | 基于大数据的影视内容优化推荐方法 |
CN118245634B (zh) * | 2024-05-28 | 2024-08-02 | 德州华源生态科技有限公司 | 基于大数据的影视内容优化推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110874788A (zh) | 产品推荐方法、装置及计算机存储介质 | |
US11238065B1 (en) | Systems and methods for generating and implementing knowledge graphs for knowledge representation and analysis | |
McMillen | Repeat sales as a matching estimator | |
Stehman | Estimating area and map accuracy for stratified random sampling when the strata are different from the map classes | |
van Diepen et al. | Evaluating chi-squared automatic interaction detection | |
Räsänen et al. | Reducing energy consumption by using self-organizing maps to create more personalized electricity use information | |
Guegan et al. | Change analysis of a dynamic copula for measuring dependence in multivariate financial data | |
Chen et al. | A novel approach to deriving the lower confidence limit of indices C pu, C pl, and C pk in assessing process capability | |
Leishman | Spatial change and the structure of urban housing sub-markets | |
CN110110201B (zh) | 一种内容推荐方法和系统 | |
Kim et al. | The accuracy of tourism forecasting and data characteristics: a meta-analytical approach | |
CN112446764B (zh) | 游戏商品推荐方法、装置及电子设备 | |
CN110189164B (zh) | 基于信息熵度量和特征随机采样的商品—门店推荐方案 | |
CN106127521A (zh) | 一种信息处理方法及数据处理系统 | |
Choy et al. | Housing attributes and Hong Kong real estate prices: a quantile regression analysis | |
KR101639656B1 (ko) | 광고 제공 방법 및 서버 장치 | |
CN103617146B (zh) | 一种基于硬件资源消耗的机器学习方法及装置 | |
US11985368B2 (en) | Synthetic total audience ratings | |
CN109685573A (zh) | 一种商圈数据的处理方法、装置、电子设备和存储介质 | |
CN112100511B (zh) | 一种偏好程度数据获得方法、装置以及电子设备 | |
CN114090891A (zh) | 个性化内容推荐方法、装置、设备及存储介质 | |
Soltani et al. | Ranking decision making units based on the multi-directional efficiency measure | |
Jiang et al. | Intertemporal pricing via nonparametric estimation: Integrating reference effects and consumer heterogeneity | |
Nilsson | Are valuations of place-based amenities driven by scale? | |
Tete et al. | Determinants of urban residential electricity consumption in Burkina Faso: a study of dwelling, household, socio-economic and appliance-related factors |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200310 |
|
RJ01 | Rejection of invention patent application after publication |