CN111428143A - 一种商品推荐方法及系统、服务器及存储介质 - Google Patents

一种商品推荐方法及系统、服务器及存储介质 Download PDF

Info

Publication number
CN111428143A
CN111428143A CN202010526248.7A CN202010526248A CN111428143A CN 111428143 A CN111428143 A CN 111428143A CN 202010526248 A CN202010526248 A CN 202010526248A CN 111428143 A CN111428143 A CN 111428143A
Authority
CN
China
Prior art keywords
commodity
purchase
user
node
time
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
Application number
CN202010526248.7A
Other languages
English (en)
Inventor
王勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Missfresh Ecommerce Co Ltd
Original Assignee
Beijing Missfresh Ecommerce Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Missfresh Ecommerce Co Ltd filed Critical Beijing Missfresh Ecommerce Co Ltd
Priority to CN202010526248.7A priority Critical patent/CN111428143A/zh
Publication of CN111428143A publication Critical patent/CN111428143A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种商品推荐方法及系统、服务器及存储介质，其包括：获取用户在过去第一设定时间段内购买的每一种商品的购买时间节点；根据购买时间节点获取该种商品的购买频率，若其购买频率不低于设定阈值，则根据该种商品在过去第一设定时间段的购买时间节点预测用户未来购买该种商品的预购时间节点，并在预购时间节点前的设定时间段内向该用户发出该种商品的推荐信息。本发明通过采集用户在过去第一设定时间段内该种商品的购买时间节点以获取其购买频率，对于较高购买频率的商品则预测其预购时间节点，并根据预购时间节点针对该用户和商品发出推荐信息，以便于用户在需求购买该商品时收到推荐信息，其提高了推荐准确性和用户的体验。

Description

一种商品推荐方法及系统、服务器及存储介质
技术领域
本发明涉及商品推介技术，尤其是涉及一种商品推荐方法及系统、服务器及存储介质。
背景技术
目前，电商平台一般均通过获取用户的检索关键词、浏览对象等方式，进行针对性的推荐，该方式对于普通商品来说，具备一定的效果，而对于瓜果、蔬菜、生鲜等商品，在实际应用中，由于每天或每隔几天需要进行更换或调整，也即，每天或每隔几天都需要进行不同商品的关键词检索或浏览，若采用上述推荐方式，则会导致前一天检索或浏览并购买的商品在第二天又会被推荐，其降低了推荐的效果，也不利于提高用户的体验。
发明内容
本发明的目的在于克服上述技术不足，提出一种商品推荐方法及系统、服务器及存储介质，解决现有技术中推荐效果差、用户体验性差的技术问题。
为达到上述技术目的，本发明的技术方案第一方面提供一种商品推荐方法，包括如下步骤：
获取用户在过去第一设定时间段内购买的每一种商品的购买时间节点；
根据过去第一设定时间段内该种商品的购买时间节点获取该种商品的购买频率，若其购买频率不低于设定阈值，则按如下方式推荐：
根据该种商品在过去第一设定时间段的购买时间节点预测用户未来购买该种商品的预购时间节点，并在预购时间节点前的设定时间段内向该用户发出该种商品的推荐信息；其中，所述用户未来购买该种商品的预购时间节点按如下公式预测：
Figure DEST_PATH_IMAGE001
Figure 188143DEST_PATH_IMAGE002
是用户未来购买该种商品的预购时间节点，
Figure 266958DEST_PATH_IMAGE003
是该用户第
Figure 951886DEST_PATH_IMAGE004
次购买该种商品的购买时间节点，
Figure 723533DEST_PATH_IMAGE005
是该用户第
Figure 674171DEST_PATH_IMAGE006
次购买该种商品的购买时间节点，
Figure 494359DEST_PATH_IMAGE007
为修正参数。
本发明第二方面还提供商品推荐系统，包括：
数据采集模块，其用于获取用户在过去第一设定时间段内购买的每一种商品的购买时间节点；
推荐模块，其用于根据过去第一设定时间段内该种商品的购买时间节点获取该种商品的购买频率，若其购买频率不低于设定阈值，则按如下方式推荐：
根据该种商品在过去第一设定时间段的购买时间节点预测用户未来购买该种商品的预购时间节点，并在预购时间节点前的设定时间段内向该用户发出该种商品的推荐信息；其中，所述用户未来购买该种商品的预购时间节点按如下公式预测：
Figure 846843DEST_PATH_IMAGE008
Figure 789392DEST_PATH_IMAGE002
是用户未来购买该种商品的预购时间节点，
Figure 414277DEST_PATH_IMAGE003
是该用户第
Figure 834894DEST_PATH_IMAGE004
次购买该种商品的购买时间节点，
Figure 307464DEST_PATH_IMAGE005
是该用户第
Figure 358596DEST_PATH_IMAGE006
次购买该种商品的购买时间节点，
Figure 283827DEST_PATH_IMAGE007
为修正参数。
本发明第三方面还提供一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述商品推荐方法的步骤。
本发明第四方面还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述商品推荐方法的步骤。
与现有技术相比，本发明通过采集用户在过去第一设定时间段内该种商品的购买时间节点以获取其购买频率，对于较高购买频率的商品则预测其预购时间节点，并根据预购时间节点针对该用户和商品发出推荐信息，以便于用户在需求购买该商品时收到推荐信息，其提高了推荐准确性和用户的体验。
附图说明
图1是本发明所述商品推荐方法的流程框图；
图2是本发明所述商品推荐系统的模块框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明的实施例提供了一种商品推荐方法，该推荐方法主要针对电商平台，其主要通过采集用户通过电商平台购买商品的数据进行针对性的推荐，以使得用户在需求购买该种商品时，电商平台针对该用户发出该种商品的推荐信息，其利于提高推荐的准确性，降低了无效推荐，同时极大的提高了用户的体验。
本实施例商品推荐方法包括如下步骤：
S1、获取用户在过去第一设定时间段内购买的每一种商品的购买时间节点；
需要指出的是，为了提高后续预测的准确性，本实施例所述过去第一设定时间段至少为过去的三个月，而且本实施例的所说的过去第一设定时间应该解释为获取数据的当下时间节点与过往某一时间节点之间的时间段，该时间段的长度为第一设定时间段，以三个月为例，则2020年5月25日获取用户在过去第一设定时间段内购买某一种商品的购买时间节点应该理解为：2月25日（包括）至2020年5月24日（包括）之间该用户每一次购买该商品的时间节点，而不应该理解为2月20日至2020年5月19日之间该用户每一次购买该商品的时间节点或者其他的时间段内购买商品的时间节点。
S2、根据过去第一设定时间段内该种商品的购买时间节点获取该种商品的购买频率，若其购买频率不低于设定阈值，则按如下方式推荐：
根据该种商品在过去第一设定时间段的购买时间节点预测用户未来购买该种商品的预购时间节点，并在预购时间节点前的设定时间段内向该用户发出该种商品的推荐信息；其中，所述用户未来购买该种商品的预购时间节点按如下公式预测：
Figure 508135DEST_PATH_IMAGE008
Figure 756582DEST_PATH_IMAGE002
是用户未来购买该种商品的预购时间节点，
Figure 40933DEST_PATH_IMAGE003
是该用户第
Figure 453460DEST_PATH_IMAGE004
次购买该种商品的购买时间节点，
Figure 419142DEST_PATH_IMAGE005
是该用户第
Figure 600725DEST_PATH_IMAGE006
次购买该种商品的购买时间节点，
Figure 790398DEST_PATH_IMAGE007
为修正参数。
本实施例通过购买频率来判断用户购买该种商品的大致时间间隔，从而可较好的判断该用户下一次购买该种商品的时间节点，并根据预测的预购时间节点向用户发出该种商品的推荐信息，其利于提高推荐的准确性，也提高了用户的体验。
本实施例该种商品的购买频率可以是过去第一设定时间段内该种商品的购买次数，也可以是该种商品的在过去第一设定时间段内的月平均购买次数，也可以是其他设定时间段内的平均购买次数，本实施例优选采用上述的月平均购买次数。在实际应用中，本实施例也可针对不同的商品采用不同的方式以提高准确性，一般来说，对于季节性较长的商品，例如香蕉，则可采用较长时间段内的平均购买次数，而对于季节性较短的商品，例如荔枝，则可采用较短时间段内的平均购买次数。
对于上述推荐方式，主要针对购买频率相对较高的商品，例如瓜果、蔬菜、生鲜等需要经常购买的物资类消耗品，而对于并不需要经常购买的商品由于存在较大的随机性，故本实施例采用另一种方式，也即，当该种商品的购买频率低于设定阈值时，则按如下方式推荐：
获取与该种商品对应的关键词，并判断该用户在过去第二设定时间段内是否检索过所述关键词，是则向该用户发出该种商品的推荐信息，否则不发出该种商品的推荐信息。
对于购买频率相对较低的商品，本实施例则是通过判断用户在过去第二设定时间段内否检索所述关键词，例如，用户是否检索该商品的名称、品牌等，并根据判断结果进行针对性的推荐，上述关键词的方式与现有的方式较为类似，但本实施例基于提高用户体验的目的采用仅仅针对在过去第二设定时间段内的检索进行推荐，一旦超过第二设定时间段则不进行推荐。具体来说，本实施例过去第二设定时间段与过去第一设定时间段的意思大致相同，不同之处在于过去第二设定时间段一般多为过去的3~7天，以3天为例，则2020年5月25日推荐时，仅限于2020年5月22日（包括）至2020年5月24日（包括）的时间段内检索过该商品的关键词的用户，对于2020年5月21日检索过该商品的关键词的用户则不进行推荐。在实际应用中，可根据不同商品的类别设置不同的第二设定时间段，以针对性的进行推荐，从而提高推荐效果。
对于修正参数
Figure 877171DEST_PATH_IMAGE007
，一般可采用一常数，例如1；然而，在实际购买时，对于不同的家庭，其购买的时间间隔差异性较大，为了提高预测的准确性，本实施例修正参数
Figure 443282DEST_PATH_IMAGE007
可根据用户购买的时间间隔的均衡度进行修正，故本实施例所述商品推荐方法还包括：根据该用户在过去第一设定时间段内购买该种商品的购买时间节点获取该种商品购买的均衡性，并根据均衡性获取与之对应的修正参数，所述修正参数获取的公式如下：
Figure 744950DEST_PATH_IMAGE009
其中，
Figure 105524DEST_PATH_IMAGE010
该用户第
Figure 617277DEST_PATH_IMAGE011
次购买该种商品的购买时间节点，
Figure 987078DEST_PATH_IMAGE012
。
通过上述公式对修正参数
Figure 877674DEST_PATH_IMAGE007
的值进行适应性调整，进而针对性的调整用户未来购买该种商品的预购时间节点，以提高预购时间节点预测的准确性，提高用户的体验效果。
如图2所示，本实施例还提供一种商品推荐系统，包括：
数据采集模块10，其用于获取用户在过去第一设定时间段内购买的每一种商品的购买时间节点；
推荐模块20，其用于根据过去第一设定时间段内该种商品的购买时间节点获取该种商品的购买频率，若其购买频率不低于设定阈值，则按如下方式推荐：
根据该种商品在过去第一设定时间段的购买时间节点预测用户未来购买该种商品的预购时间节点，并在预购时间节点前的设定时间段内向该用户发出该种商品的推荐信息；其中，所述用户未来购买该种商品的预购时间节点按如下公式预测：
Figure 612412DEST_PATH_IMAGE013
Figure 221248DEST_PATH_IMAGE002
是用户未来购买该种商品的预购时间节点，
Figure 394740DEST_PATH_IMAGE003
是该用户第
Figure 592372DEST_PATH_IMAGE004
次购买该种商品的购买时间节点，
Figure 560328DEST_PATH_IMAGE005
是该用户第
Figure 656460DEST_PATH_IMAGE006
次购买该种商品的购买时间节点，
Figure 305747DEST_PATH_IMAGE007
为修正参数。
本实施例的商品推荐系统的执行方式与上述商品推荐方法基本相同，故不作详细赘述。
本实施例服务器为提供计算服务的设备，通常指具有较高计算能力，通过网络提供给多个用户使用的计算机。该实施例的服务器包括：存储器、处理器以及系统总线，所述存储器包括存储其上的可运行的程序，本领域技术人员可以理解，本实施例的终端设备结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据终端的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在存储器上包含商品推荐方法的可运行程序，所述可运行程序可以被分割成一个或多个模块/单元，所述一个或多个模块/单元被存储在所述存储器中，并由处理器执行，以完成信息的获取及实现过程，所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述服务器中的执行过程。例如，所述计算机程序可以被分割为数据采集模块和推荐模块。
处理器是服务器的控制中心，利用各种接口和线路连接整个终端设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行终端的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器可包括一个或多个处理单元；优选的，处理器可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器中。
系统总线是用来连接计算机内部各功能部件，可以传送数据信息、地址信息、控制信息，其种类可以是例如PCI总线、ISA总线、VESA总线等。处理器的指令通过总线传递至存储器，存储器反馈数据给处理器，系统总线负责处理器与存储器之间的数据、指令交互。当然系统总线还可以接入其他设备，例如网络接口、显示设备等。
所述服务器应至少包括CPU、芯片组、内存、磁盘系统等，其他构成部件在此不再赘述。
在本发明实施例中，该终端所包括的处理器执行的可运行程序具体为：一种商品推荐方法，其包括：
获取用户在过去第一设定时间段内购买的每一种商品的购买时间节点；
根据过去第一设定时间段内该种商品的购买时间节点获取该种商品的购买频率，若其购买频率不低于设定阈值，则按如下方式推荐：
根据该种商品在过去第一设定时间段的购买时间节点预测用户未来购买该种商品的预购时间节点，并在预购时间节点前的设定时间段内向该用户发出该种商品的推荐信息；其中，所述用户未来购买该种商品的预购时间节点按如下公式预测：
Figure 170935DEST_PATH_IMAGE001
Figure 309792DEST_PATH_IMAGE002
是用户未来购买该种商品的预购时间节点，
Figure 80171DEST_PATH_IMAGE003
是该用户第
Figure 329887DEST_PATH_IMAGE004
次购买该种商品的购买时间节点，
Figure 315160DEST_PATH_IMAGE005
是该用户第
Figure 562602DEST_PATH_IMAGE006
次购买该种商品的购买时间节点，
Figure 633326DEST_PATH_IMAGE007
为修正参数。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种商品推荐方法，其特征在于，包括如下步骤：
获取用户在过去第一设定时间段内购买的每一种商品的购买时间节点；
根据过去第一设定时间段内该种商品的购买时间节点获取该种商品的购买频率，若其购买频率不低于设定阈值，则按如下方式推荐：
根据该种商品在过去第一设定时间段的购买时间节点预测用户未来购买该种商品的预购时间节点，并在预购时间节点前的设定时间段内向该用户发出该种商品的推荐信息；其中，所述用户未来购买该种商品的预购时间节点按如下公式预测：
Figure 231014DEST_PATH_IMAGE001
Figure 335106DEST_PATH_IMAGE002
是用户未来购买该种商品的预购时间节点，
Figure 114843DEST_PATH_IMAGE003
是该用户第
Figure 510052DEST_PATH_IMAGE004
次购买该种商品的购买时间节点，
Figure 262107DEST_PATH_IMAGE005
是该用户第
Figure 84570DEST_PATH_IMAGE006
次购买该种商品的购买时间节点，
Figure 351603DEST_PATH_IMAGE007
为修正参数。
2.根据权利要求1所述的商品推荐方法，其特征在于，所述商品推荐方法还包括当该种商品的购买频率低于设定阈值时，则按如下方式推荐：
获取与该种商品对应的关键词，并判断该用户在过去第二设定时间段内是否检索过所述关键词，是则向该用户发出该种商品的推荐信息，否则不发出该种商品的推荐信息。
3.根据权利要求1所述的商品推荐方法，其特征在于，所述过去第一设定时间段至少为过去的三个月。
4.根据权利要求3所述的商品推荐方法，其特征在于，该种商品的购买频率为该种商品的在过去第一设定时间段内的月平均购买次数。
5.根据权利要求1所述的商品推荐方法，其特征在于，所述商品推荐方法还包括：根据该用户在过去第一设定时间段内购买该种商品的购买时间节点获取该种商品购买的均衡性，并根据均衡性获取与之对应的修正参数。
6.根据权利要求1所述的商品推荐方法，其特征在于，所述修正参数为：
Figure 737454DEST_PATH_IMAGE008
其中，
Figure 406333DEST_PATH_IMAGE009
该用户第
Figure 399696DEST_PATH_IMAGE010
次购买该种商品的购买时间节点，
Figure 154026DEST_PATH_IMAGE011
。
7.一种商品推荐系统，其特征在于，包括：
数据采集模块，其用于获取用户在过去第一设定时间段内购买的每一种商品的购买时间节点；
推荐模块，其用于根据过去第一设定时间段内该种商品的购买时间节点获取该种商品的购买频率，若其购买频率不低于设定阈值，则按如下方式推荐：
根据该种商品在过去第一设定时间段的购买时间节点预测用户未来购买该种商品的预购时间节点，并在预购时间节点前的设定时间段内向该用户发出该种商品的推荐信息；其中，所述用户未来购买该种商品的预购时间节点按如下公式预测：
Figure 828721DEST_PATH_IMAGE001
Figure 352106DEST_PATH_IMAGE002
是用户未来购买该种商品的预购时间节点，
Figure 781950DEST_PATH_IMAGE003
是该用户第
Figure 210527DEST_PATH_IMAGE004
次购买该种商品的购买时间节点，
Figure 485650DEST_PATH_IMAGE005
是该用户第
Figure 129121DEST_PATH_IMAGE006
次购买该种商品的购买时间节点，
Figure 464287DEST_PATH_IMAGE007
为修正参数。
8.根据权利要求7所述的商品推荐系统，其特征在于，所述推荐模块还用于当该种商品的购买频率低于设定阈值时，则按如下方式推荐：
获取与该种商品对应的关键词，并判断该用户在过去第二设定时间段内是否检索过所述关键词，是则向该用户发出该种商品的推荐信息，否则不发出该种商品的推荐信息。
9.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述商品推荐方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述商品推荐方法的步骤。
CN202010526248.7A 2020-06-11 2020-06-11 一种商品推荐方法及系统、服务器及存储介质 Pending CN111428143A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010526248.7A CN111428143A (zh) 2020-06-11 2020-06-11 一种商品推荐方法及系统、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010526248.7A CN111428143A (zh) 2020-06-11 2020-06-11 一种商品推荐方法及系统、服务器及存储介质

Publications (1)

Publication Number Publication Date
CN111428143A true CN111428143A (zh) 2020-07-17

Family

ID=71551436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010526248.7A Pending CN111428143A (zh) 2020-06-11 2020-06-11 一种商品推荐方法及系统、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN111428143A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102043A (zh) * 2020-11-05 2020-12-18 北京每日优鲜电子商务有限公司 物品推荐页面生成方法、装置、电子设备和可读介质
CN113301094A (zh) * 2020-09-10 2021-08-24 阿里巴巴集团控股有限公司 一种信息推送方法及装置
CN113742570A (zh) * 2020-12-01 2021-12-03 北京沃东天骏信息技术有限公司 一种商品搜索方法、终端设备及服务器
CN114493759A (zh) * 2021-12-30 2022-05-13 胜斗士(上海)科技技术发展有限公司 用于对目标用户应用推荐策略的方法
CN114708036A (zh) * 2022-04-26 2022-07-05 北京猎人纪信息科技有限公司 一种基于社交网络技术的产品推广系统及方法
CN116402566A (zh) * 2023-01-17 2023-07-07 广州易海创腾信息科技有限公司 一种基于大数据互联网平台的信息推送方法及推送系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254028A (zh) * 2011-07-22 2011-11-23 青岛理工大学 一种集成属性和结构相似性的个性化商品推荐方法和系统
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
CN104573108A (zh) * 2015-01-30 2015-04-29 联想(北京)有限公司 信息处理方法和信息处理装置
CN107038624A (zh) * 2017-04-12 2017-08-11 杭州纳戒科技有限公司 购物配送方法及装置
CN109872220A (zh) * 2019-01-24 2019-06-11 上海朝朝晤网络科技有限公司 一种商品推荐单推送方法及商品推荐单推送系统
CN110533130A (zh) * 2019-08-30 2019-12-03 北京牧家科技有限公司 一种智能售卖终端的价格管理系统
CN110570233A (zh) * 2019-08-16 2019-12-13 苏宁云计算有限公司 用于电商平台的用户回购时间预测方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254028A (zh) * 2011-07-22 2011-11-23 青岛理工大学 一种集成属性和结构相似性的个性化商品推荐方法和系统
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
CN104573108A (zh) * 2015-01-30 2015-04-29 联想(北京)有限公司 信息处理方法和信息处理装置
CN107038624A (zh) * 2017-04-12 2017-08-11 杭州纳戒科技有限公司 购物配送方法及装置
CN109872220A (zh) * 2019-01-24 2019-06-11 上海朝朝晤网络科技有限公司 一种商品推荐单推送方法及商品推荐单推送系统
CN110570233A (zh) * 2019-08-16 2019-12-13 苏宁云计算有限公司 用于电商平台的用户回购时间预测方法及装置
CN110533130A (zh) * 2019-08-30 2019-12-03 北京牧家科技有限公司 一种智能售卖终端的价格管理系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113301094A (zh) * 2020-09-10 2021-08-24 阿里巴巴集团控股有限公司 一种信息推送方法及装置
CN112102043A (zh) * 2020-11-05 2020-12-18 北京每日优鲜电子商务有限公司 物品推荐页面生成方法、装置、电子设备和可读介质
CN112102043B (zh) * 2020-11-05 2021-03-02 北京每日优鲜电子商务有限公司 物品推荐页面生成方法、装置、电子设备和可读介质
CN113742570A (zh) * 2020-12-01 2021-12-03 北京沃东天骏信息技术有限公司 一种商品搜索方法、终端设备及服务器
CN114493759A (zh) * 2021-12-30 2022-05-13 胜斗士(上海)科技技术发展有限公司 用于对目标用户应用推荐策略的方法
CN114708036A (zh) * 2022-04-26 2022-07-05 北京猎人纪信息科技有限公司 一种基于社交网络技术的产品推广系统及方法
CN114708036B (zh) * 2022-04-26 2023-04-07 华视中广国际传媒(武汉)有限责任公司 一种基于社交网络技术的产品推广系统及方法
CN116402566A (zh) * 2023-01-17 2023-07-07 广州易海创腾信息科技有限公司 一种基于大数据互联网平台的信息推送方法及推送系统

Similar Documents

Publication Publication Date Title
CN111428143A (zh) 一种商品推荐方法及系统、服务器及存储介质
CN108665329B (zh) 一种基于用户浏览行为的商品推荐方法
JP5789664B2 (ja) 商品推薦システム
CN110020122B (zh) 一种视频推荐方法、系统及计算机可读存储介质
US10332184B2 (en) Personalized application recommendations
CN111538907B (zh) 一种对象推荐方法、系统及装置
CN109213802B (zh) 用户画像构建方法、装置、终端和计算机可读存储介质
US20130166488A1 (en) Personalized information pushing method and device
CN109977296B (zh) 一种信息推送方法、装置、设备及存储介质
CN103164424B (zh) 一种时效性词的获取方法和装置
WO2010120359A1 (en) Recommendation of network object information to user
US11048764B2 (en) Managing under—and over-represented content topics in content pools
WO2015185020A1 (en) Information category obtaining method and apparatus
WO2012019001A2 (en) Returning estimated value of search keywords of entire account
US20120166412A1 (en) Super-clustering for efficient information extraction
JP2011227721A (ja) 関心抽出装置、関心抽出方法、及び関心抽出プログラム
CN111612560A (zh) 用于促销对象的推荐方法、系统、存储介质及电子设备
CN112330382A (zh) 物品推荐方法、装置、计算设备和介质
CN108153891A (zh) 上网活跃时间统计方法及装置
CN110570271A (zh) 信息推荐方法、装置、电子设备及可读存储介质
CN110750238B (zh) 确定产品需求的方法及装置和电子设备
CN110472137B (zh) 识别模型的负样本构建方法、装置和系统
CN110796520A (zh) 商品推荐的方法、装置、计算设备以及介质
CN110442616B (zh) 一种针对大数据量的页面访问路径分析方法与系统
CN111009299A (zh) 相似药品推荐方法及系统、服务器及介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200717