CN111882401A - 一种电商自动提醒方法及系统 - Google Patents

一种电商自动提醒方法及系统 Download PDF

Info

Publication number
CN111882401A
CN111882401A CN202010768690.0A CN202010768690A CN111882401A CN 111882401 A CN111882401 A CN 111882401A CN 202010768690 A CN202010768690 A CN 202010768690A CN 111882401 A CN111882401 A CN 111882401A
Authority
CN
China
Prior art keywords
similarity
search information
commerce commodity
commerce
commodity
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
CN202010768690.0A
Other languages
English (en)
Inventor
施兴明
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202010768690.0A priority Critical patent/CN111882401A/zh
Publication of CN111882401A publication Critical patent/CN111882401A/zh
Pending legal-status Critical Current

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (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)

Abstract

本发明公开了一种电商自动提醒方法及系统，对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度，计算至少一个第一电商商品与该电商商品之间的相似度作为第二相似度，并根据所述第一相似度和第二相似度确定该电商商品的相似得分，其中，每一个第一电商商品为在历史一段时间内完成与所述搜索信息内容相同或相似的搜索信息的客流的电商商品；以及根据所述至少一个电商商品的相似得分从所述至少一个电商商品中选取目的电商商品，并将所述目的电商商品提醒推送给所述搜索信息的查询者。本发明计算出的查询者的电商商品的相似得分和目的搜索信息的相似得分较为准确，因而提高了商品和目的搜索信息推送的准确度。

Description

一种电商自动提醒方法及系统
技术领域
本发明涉及相似搜索技术领域，具体而言，涉及一种电商自动提醒方法及系统。
背景技术
电子商务存在价值就是让消费者通过网络在网上购物、网上支付，节省了客户与企业的时间和空间，大大提高了交易效率，特别对于工作忙碌的上班族，也大量节省了其宝贵时间。在信息多元化的21世纪，消费者可以通过足不出户的网络渠道，实现本地商场商品信息的了解和购买。
当用户在电子商务网站上有了购买行为之后，就从潜在客户变成了网站的价值客户。电子商务网站一般都会将用户的交易信息，包括购买时间、购买商品、购买数量、支付金额等信息保存在自己的数据库里面，所以对于这些用户，可以基于网站的运营数据对他们的交易行为进行分析，以估计每位用户的价值，及针对每位用户的扩展营销的可能性，由此可以看出，电子商务信息推送对电子商务的重要性。
发明内容
本发明在于提供一种电商自动提醒方法及系统，其能够缓解上述问题，通过客户的搜索行为推送对应需求的商品给搜索用户。
为了缓解上述的问题，本发明采取的技术方案如下：
第一方面，本发明包括对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度，计算至少一个第一电商商品与该电商商品之间的相似度作为第二相似度，并根据所述第一相似度和第二相似度确定该电商商品的相似得分，其中，每一个第一电商商品为在历史一段时间内完成与所述搜索信息内容相同或相似的搜索信息的客流的电商商品；以及根据所述至少一个电商商品的相似得分从所述至少一个电商商品中选取目的电商商品，并将所述目的电商商品提醒推送给所述搜索信息的查询者。
可选地，在所述对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度之前，还包括：对所述至少一个电商商品进行聚类得到至少一个电商商品类；其中，所述对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度，计算至少一个第一电商商品与该电商商品之间的相似度作为第二相似度，包括：对于每一个电商商品类，计算所述搜索信息与该电商商品类的中心之间的相似度，将所述搜索信息与该电商商品类的中心之间的相似度作为所述搜索信息与该电商商品类中每一个电商商品之间的相似度，并计算所述至少一个第一电商商品与该电商商品类的中心之间的相似度，将所述至少一个第一电商商品与该电商商品类的中心之间的相似度作为所述至少一个第一电商商品与该电商商品类中每一个电商商品之间的相似度。
可选地，所述计算所述搜索信息与该电商商品类的中心之间的相似度，包括：获取该电商商品类的中心的关键词以及所述搜索信息的关键词，对该电商商品类的中心的关键词中与所述搜索信息的任一关键词相相似的关键词的分值进行求和，并将求和结果作为所述搜索信息与该电商商品类的中心之间的相似度；其中，所述计算所述至少一个第一电商商品与该电商商品类的中心之间的相似度，包括：对于每一个第一电商商品，获取该第一电商商品的关键词，对该电商商品类的中心的关键词中与该第一电商商品的任一关键词相相似的关键词的分值进行求和；对所述至少一个第一电商商品对应的求和结果求均值，将求均值的结果作为所述至少一个第一电商商品与该电商商品类的中心之间的相似度；其中，所述根据所述第一相似度和第二相似度确定该电商商品的相似得分，包括：对所述第一相似度和第二相似度进行加权求和，并将加权求和的结果作为该电商商品的相似得分。
可选地，所述搜索信息与每一个第一电商商品之间的相似度均大于第一数值。
一种搜索信息提醒方法，包括：对于至少一个搜索信息中的每一个搜索信息，计算待处理的电商商品与该搜索信息之间的相似度作为第三相似度，计算所述电商商品与该搜索信息对应的至少一个第二电商商品之间的相似度作为第四相似度，并根据所述第三相似度和第四相似度确定该搜索信息的相似得分，其中，每一个第二电商商品为在历史一段时间内完成与该搜索信息内容相同或相似的搜索信息的客流的电商商品；以及根据所述至少一个搜索信息的相似得分从所述至少一个搜索信息中选取目的搜索信息，并将所述目的搜索信息提醒给所述电商商品的查询者。
可选地，在所述对于至少一个搜索信息中的每一个目的搜索信息，计算待处理的电商商品与该搜索信息之间的相似度作为第三相似度之前，还包括：对所述至少一个搜索信息进行聚类得到至少一个搜索信息类；其中，所述对于至少一个搜索信息中的每一个搜索信息，计算待处理的电商商品与该搜索信息之间的相似度作为第三相似度，计算所述电商商品与该搜索信息对应的至少一个第二电商商品之间的相似度作为第四相似度，包括：对于每一个搜索信息类，计算所述电商商品与该搜索信息类的中心之间的相似度作为所述电商商品与该搜索信息类中每一个搜索信息之间的相似度，并计算所述电商商品与该搜索信息类的中心对应的至少一个第二电商商品之间的相似度作为所述电商商品与该搜索信息类中每一个搜索信息对应的至少一个第二电商商品之间的相似度。
可选地，所述计算所述电商商品与该搜索信息类的中心之间的相似度作为所述电商商品与该搜索信息类中每一个搜索信息之间的相似度，包括：获取所述电商商品的关键词以及该搜索信息类的中心的关键词，对该搜索信息类的中心的关键词中与所述电商商品的任一关键词相相似的关键词的分值进行求和，并将求和结果作为所述电商商品与该搜索信息类的中心之间的相似度；其中，所述计算所述电商商品与该搜索信息类的中心对应的至少一个第二电商商品之间的相似度作为所述电商商品与该搜索信息类中每一个搜索信息对应的至少一个第二电商商品之间的相似度，包括：对于每一个第二电商商品，获取该第二电商商品的关键词，对该第二电商商品的关键词中与所述电商商品的任一关键词相相似的关键词的分值进行求和；对所述至少一个第二电商商品对应的求和结果求均值，将求均值的结果作为所述电商商品与该搜索信息类的中心对应的至少一个第二电商商品之间的相似度；其中，所述根据所述第三相似度和第四相似度确定该搜索信息的相似得分，包括：对所述第三相似度和第四相似度进行加权求和，并将加权求和的结果作为该搜索信息的相似得分。
可选地，获取最大相似得分的搜索信息对应的第四相似度，若判断获知所述第四相似度小于第二数值，则提示所述电商商品的查询者完善电商商品信息。
第二方面，本发明提供了一种电商商品提醒系统，包括：第一计算单元，用于对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度，计算至少一个第一电商商品与该电商商品之间的相似度作为第二相似度，并根据所述第一相似度和第二相似度确定该电商商品的相似得分，其中，每一个第一电商商品为在历史一段时间内完成与所述搜索信息内容相同或相似的搜索信息的客流的电商商品；以及第一提醒单元，用于根据所述至少一个电商商品的相似得分从所述至少一个电商商品中选取目的电商商品，并将所述目的电商商品提醒给所述搜索信息的查询者。
第三方面，本发明提供了一种搜索信息提醒系统，包括：第二计算单元，用于对于至少一个搜索信息中的每一个搜索信息，计算待处理的电商商品与该搜索信息之间的相似度作为第三相似度，计算所述电商商品与该搜索信息对应的至少一个第二电商商品之间的相似度作为第四相似度，并根据所述第三相似度和第四相似度确定该搜索信息的相似得分，其中，每一个第二电商商品为在历史一段时间内完成与该搜索信息内容相同或相似的搜索信息的客流的电商商品；以及第二提醒单元，用于根据所述至少一个搜索信息的相似得分从所述至少一个搜索信息中选取目的搜索信息，并将所述目的搜索信息提醒给所述电商商品的查询者。
本技术方案的技术效果是：
本发明解决传统商品信息无法定向推送以及精确化推送的技术问题，也解决现有推送信息包含大量垃圾信息的技术问题，这就使得本方案计算出的查询者的电商商品的相似得分和目的搜索信息的相似得分较为准确，因而提高了商品和目的搜索信息推送的准确度。
附图说明
图1为一种电商自动提醒方法的流程示意图；
图2为一种电商自动提醒方法及系统的聚类方法的流程示意图；
图3为一种电商商品提醒系统的流程示意图；
图4为一种搜索信息提醒系统的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提包括对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度，计算至少一个第一电商商品与该电商商品之间的相似度作为第二相似度，并根据所述第一相似度和第二相似度确定该电商商品的相似得分，其中，每一个第一电商商品为在历史一段时间内完成与所述搜索信息内容相同或相似的搜索信息的客流的电商商品；以及根据所述至少一个电商商品的相似得分从所述至少一个电商商品中选取目的电商商品，并将所述目的电商商品提醒推送给所述搜索信息的查询者。
如图2所示，在所述对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度之前，还包括：对所述至少一个电商商品进行聚类得到至少一个电商商品类；其中，所述对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度，计算至少一个第一电商商品与该电商商品之间的相似度作为第二相似度，包括：对于每一个电商商品类，计算所述搜索信息与该电商商品类的中心之间的相似度，将所述搜索信息与该电商商品类的中心之间的相似度作为所述搜索信息与该电商商品类中每一个电商商品之间的相似度，并计算所述至少一个第一电商商品与该电商商品类的中心之间的相似度，将所述至少一个第一电商商品与该电商商品类的中心之间的相似度作为所述至少一个第一电商商品与该电商商品类中每一个电商商品之间的相似度。
所述计算所述搜索信息与该电商商品类的中心之间的相似度，包括：获取该电商商品类的中心的关键词以及所述搜索信息的关键词，对该电商商品类的中心的关键词中与所述搜索信息的任一关键词相相似的关键词的分值进行求和，并将求和结果作为所述搜索信息与该电商商品类的中心之间的相似度；其中，所述计算所述至少一个第一电商商品与该电商商品类的中心之间的相似度，包括：对于每一个第一电商商品，获取该第一电商商品的关键词，对该电商商品类的中心的关键词中与该第一电商商品的任一关键词相相似的关键词的分值进行求和；对所述至少一个第一电商商品对应的求和结果求均值，将求均值的结果作为所述至少一个第一电商商品与该电商商品类的中心之间的相似度；其中，所述根据所述第一相似度和第二相似度确定该电商商品的相似得分，包括：对所述第一相似度和第二相似度进行加权求和，并将加权求和的结果作为该电商商品的相似得分
本实施例中，对所述至少一个电商商品进行聚类可以通过对所述至少一个电商商品对应的向量进行聚类实现。电商商品对应的向量可以通过对电商商品的内容提取关键词，并对关键词进行向量化，对向量化的结果进行组合得到。通过对所述至少一个电商商品进行聚类，并计算所述任务与电商商品类的中心之间的匹配度作为所述任务与电商商品类的中心所属的电商商品类中每一个电商商品之间的匹配度，以及所述至少一个第一电商商品与电商商品类的中心之间的匹配度作为所述至少一个第一电商商品与电商商品类的中心所属的电商商品类中每一个电商商品之间的匹配度，从而在计算所述任务与所述至少一个电商商品之间的匹配度以及所述至少一个第一电商商品与所述至少一个电商商品之间的匹配度时不需要计算所述任务与所述至少一个电商商品中每一个电商商品之间的匹配度，以及所述至少一个第一电商商品与所述至少一个电商商品中每一个电商商品之间的匹配度，大大减少了第一匹配度和第二匹配度的计算量，这就使得本实施例相较于前述实施例，提高了商品推送效率。
在前述方法实施例的基础上，所述计算所述任务与该电商商品类的中心之间的匹配度，可以包括：
获取该电商商品类的中心的关键词以及所述任务的关键词，对该电商商品类的中心的关键词中与所述任务的任一关键词相匹配的关键词的分值进行求和，并将求和结果作为所述任务与该电商商品类的中心之间的匹配度；
其中，所述计算所述至少一个第一电商商品与该电商商品类的中心之间的匹配度，可以包括：
对于每一个第一电商商品，获取该第一电商商品的关键词，对该电商商品类的中心的关键词中与该第一电商商品的任一关键词相匹配的关键词的分值进行求和；
对所述至少一个第一电商商品对应的求和结果求均值，将求均值的结果作为所述至少一个第一电商商品与该电商商品类的中心之间的匹配度；
其中，所述根据所述第一匹配度和第二匹配度确定该电商商品的匹配得分，可以包括：
对所述第一匹配度和第二匹配度进行加权求和，并将加权求和的结果作为该电商商品的匹配得分。
本实施例中，电商商品的关键词来自于以下三个方面中的至少一个方面：第一方面是从查询者的电商品类中提取的；
对于第一方面，需要说明的是，从查询者的电商品类中提取关键词的过程包括：从查询者的电商品类中提取关键词，将提取出的关键词与预设的关键词库中的关键词进行语义匹配，将语义匹配上的关键词作为从查询者的电商品类中提取的关键词。关键词库中的关键词为与能否匹配商品相关的单词，包括性别单词、用途单词、专业单词、使用说明单词、以及与商标相关的单词。比如假设一任务的检索内容包括模型与工具，则该任务的关键词可以包括模型工具和工具模型。
如图3所示，一种电商商品提醒系统，包括：第一计算单元，用于对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度，计算至少一个第一电商商品与该电商商品之间的相似度作为第二相似度，并根据所述第一相似度和第二相似度确定该电商商品的相似得分，其中，每一个第一电商商品为在历史一段时间内完成与所述搜索信息内容相同或相似的搜索信息的客流的电商商品；以及第一提醒单元，用于根据所述至少一个电商商品的相似得分从所述至少一个电商商品中选取目的电商商品，并将所述目的电商商品提醒给所述搜索信息的查询者。
如图4所示，一种搜索信息提醒系统，包括第二计算单元，用于对于至少一个搜索信息中的每一个搜索信息，计算待处理的电商商品与该搜索信息之间的相似度作为第三相似度，计算所述电商商品与该搜索信息对应的至少一个第二电商商品之间的相似度作为第四相似度，并根据所述第三相似度和第四相似度确定该搜索信息的相似得分，其中，每一个第二电商商品为在历史一段时间内完成与该搜索信息内容相同或相似的搜索信息的客流的电商商品；以及第二提醒单元，用于根据所述至少一个搜索信息的相似得分从所述至少一个搜索信息中选取目的搜索信息，并将所述目的搜索信息提醒给所述电商商品的查询者。
本技术方案基于查询者的电商商品与目的搜索信息的相似度，以及查询者的电商商品与历史一段时间完成与该目的搜索信息内容相同或相似的目的搜索信息的查询者的电商商品的相似度计算查询者的电商商品的相似得分或目的搜索信息的相似得分，并基于查询者的电商商品的相似得分进行商品推送，基于目的搜索信息的相似得分进行目的搜索信息推送，相较于在计算相似得分时仅考虑查询者的电商商品与目的搜索信息的相似度的现有技术，整个方案不仅考虑了查询者的电商商品与目的搜索信息的相似度，还考虑了查询者的电商商品与历史一段时间完成与该任务内容相同或相似的目的搜索信息的查询者的电商商品的相似度，这就使得本方案计算出的查询者的电商商品的相似得分和目的搜索信息的相似得分较为准确，因而提高了商品和目的搜索信息推送的准确度。
所述任务的各个关键词可以根据其重要程度设置不同的分值，对于该电商商品的某一个关键词T1，如果关键词T1与所述任务的某个关键词T2相匹配，则关键词T1的分值即为关键词T2的分值。如果关键词T1与所述任务的某两个关键词T20和T21均相匹配，则关键词T1的分值为关键词T20的分值和关键词T21的分值中的较大值。而如果关键词T1与所述任务的任一个关键词均不相匹配，则关键词T1的分值为0。
需要说明的是，在计算所述第二匹配度之前，可以对每一类型关键词分别赋予不同的分值，则对于某一个电商商品类的中心的某一个关键词T1，以及第一电商商品的某一个关键词T3，如果T1和T3相匹配，则T1的分值为T3所属的类型的分值，与T3所属的类型下的关键词的数量的比值。且预先为与检索内容相关的关键词赋值为80，则该电商商品类的中心的Oracle数据库管理这一关键词的分值为40。如果关键词T1和第一电商商品的某两个关键词T30和T31相匹配，则T1的分值为T30所属的类型的分值与T30所属的类型下的关键词的数量的比值，与T31所属的类型的分值与T31所属的类型下的关键词的数量的比值中的较大值。而如果关键词T1与第一电商商品的任一个关键词均不相匹配，则关键词T1的分值为0。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种电商自动提醒方法，其特征在于，包括：对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度，计算至少一个第一电商商品与该电商商品之间的相似度作为第二相似度，并根据所述第一相似度和第二相似度确定该电商商品的相似得分，其中，每一个第一电商商品为在历史一段时间内完成与所述搜索信息内容相同或相似的搜索信息的客流的电商商品；以及根据所述至少一个电商商品的相似得分从所述至少一个电商商品中选取目的电商商品，并将所述目的电商商品提醒推送给所述搜索信息的查询者。
2.根据权利要求1所述的电商自动提醒方法，其特征在于，在所述对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度之前，还包括：对所述至少一个电商商品进行聚类得到至少一个电商商品类；其中，所述对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度，计算至少一个第一电商商品与该电商商品之间的相似度作为第二相似度，包括：对于每一个电商商品类，计算所述搜索信息与该电商商品类的中心之间的相似度，将所述搜索信息与该电商商品类的中心之间的相似度作为所述搜索信息与该电商商品类中每一个电商商品之间的相似度，并计算所述至少一个第一电商商品与该电商商品类的中心之间的相似度，将所述至少一个第一电商商品与该电商商品类的中心之间的相似度作为所述至少一个第一电商商品与该电商商品类中每一个电商商品之间的相似度。
3.根据权利要求2所述的电商自动提醒方法，其特征在于，所述计算所述搜索信息与该电商商品类的中心之间的相似度，包括：获取该电商商品类的中心的关键词以及所述搜索信息的关键词，对该电商商品类的中心的关键词中与所述搜索信息的任一关键词相相似的关键词的分值进行求和，并将求和结果作为所述搜索信息与该电商商品类的中心之间的相似度；其中，所述计算所述至少一个第一电商商品与该电商商品类的中心之间的相似度，包括：对于每一个第一电商商品，获取该第一电商商品的关键词，对该电商商品类的中心的关键词中与该第一电商商品的任一关键词相相似的关键词的分值进行求和；对所述至少一个第一电商商品对应的求和结果求均值，将求均值的结果作为所述至少一个第一电商商品与该电商商品类的中心之间的相似度；其中，所述根据所述第一相似度和第二相似度确定该电商商品的相似得分，包括：对所述第一相似度和第二相似度进行加权求和，并将加权求和的结果作为该电商商品的相似得分。
4.根据权利要求1所述的电商自动提醒方法，其特征在于，所述搜索信息与每一个第一电商商品之间的相似度均大于第一数值。
5.一种搜索信息提醒方法，其特征在于，包括：对于至少一个搜索信息中的每一个搜索信息，计算待处理的电商商品与该搜索信息之间的相似度作为第三相似度，计算所述电商商品与该搜索信息对应的至少一个第二电商商品之间的相似度作为第四相似度，并根据所述第三相似度和第四相似度确定该搜索信息的相似得分，其中，每一个第二电商商品为在历史一段时间内完成与该搜索信息内容相同或相似的搜索信息的客流的电商商品；以及根据所述至少一个搜索信息的相似得分从所述至少一个搜索信息中选取目的搜索信息，并将所述目的搜索信息提醒给所述电商商品的查询者。
6.根据权利要求5所述的方法，其特征在于，在所述对于至少一个搜索信息中的每一个目的搜索信息，计算待处理的电商商品与该搜索信息之间的相似度作为第三相似度之前，还包括：对所述至少一个搜索信息进行聚类得到至少一个搜索信息类；其中，所述对于至少一个搜索信息中的每一个搜索信息，计算待处理的电商商品与该搜索信息之间的相似度作为第三相似度，计算所述电商商品与该搜索信息对应的至少一个第二电商商品之间的相似度作为第四相似度，包括：对于每一个搜索信息类，计算所述电商商品与该搜索信息类的中心之间的相似度作为所述电商商品与该搜索信息类中每一个搜索信息之间的相似度，并计算所述电商商品与该搜索信息类的中心对应的至少一个第二电商商品之间的相似度作为所述电商商品与该搜索信息类中每一个搜索信息对应的至少一个第二电商商品之间的相似度。
7.根据权利要求6所述的方法，其特征在于，所述计算所述电商商品与该搜索信息类的中心之间的相似度作为所述电商商品与该搜索信息类中每一个搜索信息之间的相似度，包括：获取所述电商商品的关键词以及该搜索信息类的中心的关键词，对该搜索信息类的中心的关键词中与所述电商商品的任一关键词相相似的关键词的分值进行求和，并将求和结果作为所述电商商品与该搜索信息类的中心之间的相似度；其中，所述计算所述电商商品与该搜索信息类的中心对应的至少一个第二电商商品之间的相似度作为所述电商商品与该搜索信息类中每一个搜索信息对应的至少一个第二电商商品之间的相似度，包括：对于每一个第二电商商品，获取该第二电商商品的关键词，对该第二电商商品的关键词中与所述电商商品的任一关键词相相似的关键词的分值进行求和；对所述至少一个第二电商商品对应的求和结果求均值，将求均值的结果作为所述电商商品与该搜索信息类的中心对应的至少一个第二电商商品之间的相似度；其中，所述根据所述第三相似度和第四相似度确定该搜索信息的相似得分，包括：对所述第三相似度和第四相似度进行加权求和，并将加权求和的结果作为该搜索信息的相似得分。
8.根据权利要求5所述的方法，其特征在于，还包括：获取最大相似得分的搜索信息对应的第四相似度，若判断获知所述第四相似度小于第二数值，则提示所述电商商品的查询者完善电商商品信息。
9.一种电商商品提醒系统，其特征在于，包括：第一计算单元，用于对于至少一个电商品类中的每一个电商商品，计算待处理的搜索信息与该电商商品之间的相似度作为第一相似度，计算至少一个第一电商商品与该电商商品之间的相似度作为第二相似度，并根据所述第一相似度和第二相似度确定该电商商品的相似得分，其中，每一个第一电商商品为在历史一段时间内完成与所述搜索信息内容相同或相似的搜索信息的客流的电商商品；以及第一提醒单元，用于根据所述至少一个电商商品的相似得分从所述至少一个电商商品中选取目的电商商品，并将所述目的电商商品提醒给所述搜索信息的查询者。
10.一种搜索信息提醒系统，其特征在于，包括：第二计算单元，用于对于至少一个搜索信息中的每一个搜索信息，计算待处理的电商商品与该搜索信息之间的相似度作为第三相似度，计算所述电商商品与该搜索信息对应的至少一个第二电商商品之间的相似度作为第四相似度，并根据所述第三相似度和第四相似度确定该搜索信息的相似得分，其中，每一个第二电商商品为在历史一段时间内完成与该搜索信息内容相同或相似的搜索信息的客流的电商商品；以及第二提醒单元，用于根据所述至少一个搜索信息的相似得分从所述至少一个搜索信息中选取目的搜索信息，并将所述目的搜索信息提醒给所述电商商品的查询者。
CN202010768690.0A 2020-08-03 2020-08-03 一种电商自动提醒方法及系统 Pending CN111882401A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010768690.0A CN111882401A (zh) 2020-08-03 2020-08-03 一种电商自动提醒方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010768690.0A CN111882401A (zh) 2020-08-03 2020-08-03 一种电商自动提醒方法及系统

Publications (1)

Publication Number Publication Date
CN111882401A true CN111882401A (zh) 2020-11-03

Family

ID=73205526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010768690.0A Pending CN111882401A (zh) 2020-08-03 2020-08-03 一种电商自动提醒方法及系统

Country Status (1)

Country Link
CN (1) CN111882401A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236663A (zh) * 2010-04-30 2011-11-09 阿里巴巴集团控股有限公司 一种基于垂直搜索的查询方法、系统和装置
CN103744966A (zh) * 2014-01-07 2014-04-23 Tcl集团股份有限公司 一种物品推荐方法、装置
CN104317945A (zh) * 2014-10-31 2015-01-28 亚信科技（南京）有限公司 一种基于搜索行为的电商网站商品推荐方法
CN106021562A (zh) * 2016-05-31 2016-10-12 北京京拍档科技有限公司 用于电商平台的基于主题相关的推荐方法
WO2016201595A1 (zh) * 2015-06-15 2016-12-22 上海市浦东新区人民医院 一种基于rfid技术的自动化就诊系统
CN108108497A (zh) * 2018-01-29 2018-06-01 上海名轩软件科技有限公司 关键词推荐方法及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236663A (zh) * 2010-04-30 2011-11-09 阿里巴巴集团控股有限公司 一种基于垂直搜索的查询方法、系统和装置
CN103744966A (zh) * 2014-01-07 2014-04-23 Tcl集团股份有限公司 一种物品推荐方法、装置
CN104317945A (zh) * 2014-10-31 2015-01-28 亚信科技（南京）有限公司 一种基于搜索行为的电商网站商品推荐方法
WO2016201595A1 (zh) * 2015-06-15 2016-12-22 上海市浦东新区人民医院 一种基于rfid技术的自动化就诊系统
CN106021562A (zh) * 2016-05-31 2016-10-12 北京京拍档科技有限公司 用于电商平台的基于主题相关的推荐方法
CN108108497A (zh) * 2018-01-29 2018-06-01 上海名轩软件科技有限公司 关键词推荐方法及设备

Similar Documents

Publication Publication Date Title
Christy et al. RFM ranking–An effective approach to customer segmentation
CN101661487B (zh) 对信息项进行搜索的方法和系统
CN104866474A (zh) 个性化数据搜索方法及装置
US20180300748A1 (en) Technologies for granular attribution of value to conversion events in multistage conversion processes
CN104239338A (zh) 信息推荐方法及装置
CN107563857B (zh) 基于逻辑推理负关联规则修剪技术的客户购买行为分析方法
Dachyar et al. Loyalty improvement of Indonesian local brand fashion customer based on customer lifetime value (CLV) segmentation
KR20140115430A (ko) 온라인 판매자 평가정보 제공방법
US11693836B2 (en) System, method, and computer program product for monitoring and improving data quality
CN103903148A (zh) C2c系统、b2c系统及其使用方法
Aprilianti et al. Implementation of weighted parallel hybrid recommender systems for e-commerce in indonesia
CN111951051A (zh) 一种为客户推荐产品的方法、装置和系统
Allegue et al. RFMC: a spending-category segmentation
KR20190081671A (ko) 온라인 쇼핑몰 통합 관리 시스템에서의 유사상품을 검색하는 방법 및 그 서버
CN111882401A (zh) 一种电商自动提醒方法及系统
TWI626609B (zh) Production method and system for personal product and expense purchase combination
JP2018041220A (ja) マーケティング支援方法、プログラム、コンピュータ記憶媒体及びマーケティング支援システム
Wu et al. [Retracted] Using the Mathematical Model on Precision Marketing with Online Transaction Data Computing
CN110717095A (zh) 服务项目的推送方法及装置
CN102789615A (zh) 图书信息关联推荐方法、服务器及系统
CN106204172A (zh) 为含税额销售单开具单税率增值税发票的方法和系统
CN111507804B (zh) 基于混合信息融合的情感感知商品推荐方法
CN113469792A (zh) 一种话术推荐方法、装置、电子设备及存储介质
Cherednichenko et al. Information technology for intellectual analysis of item descriptions in e-commerce
CN112734511A (zh) 一种基于电商系统商品搜索推荐方法及应用

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20201103