CN112001782B - 基于粉丝画像智能匹配直播带货货品信息的方法及系统 - Google Patents

基于粉丝画像智能匹配直播带货货品信息的方法及系统 Download PDF

Info

Publication number
CN112001782B
CN112001782B CN202011168693.7A CN202011168693A CN112001782B CN 112001782 B CN112001782 B CN 112001782B CN 202011168693 A CN202011168693 A CN 202011168693A CN 112001782 B CN112001782 B CN 112001782B
Authority
CN
China
Prior art keywords
information
shopping
obtaining
live
shopping list
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
Application number
CN202011168693.7A
Other languages
English (en)
Other versions
CN112001782A (zh
Inventor
王玉林
曾章强
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.)
Hangzhou Ciyuandao Technology Co ltd
Original Assignee
Hangzhou Ciyuandao Technology 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 Hangzhou Ciyuandao Technology Co ltd filed Critical Hangzhou Ciyuandao Technology Co ltd
Priority to CN202011168693.7A priority Critical patent/CN112001782B/zh
Publication of CN112001782A publication Critical patent/CN112001782A/zh
Application granted granted Critical
Publication of CN112001782B publication Critical patent/CN112001782B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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]
    • G06Q30/0623—Item investigation
    • 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]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于粉丝画像智能匹配直播带货货品信息的方法，所述方法包括：获得仓库中的第一商品信息；获得第一直播网红的第一粉丝信息；获得第二直播网红的第二粉丝信息；根据所述第一粉丝信息获得第一购物清单；根据所述第二粉丝信息获得第二购物清单；将所述第一购物清单和所述第二购物清单输入第一神经网络模型中；获得所述模型的输出信息；根据所述第一结果获得第一指令，所述第一指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。解决了由于直播带货的货品与粉丝实际的商品购买需求存在差异，导致在直播过程中网销效应不是很明显，影响商品的销售的技术问题。

Description

基于粉丝画像智能匹配直播带货货品信息的方法及系统
技术领域
本发明涉及一种直播带货领域，尤其涉及一种基于粉丝画像智能匹配直播带货货品信息的方法及系统。
背景技术
随着互联网经济的飞速发展，各种直播平台相继崛起，“直播带货”可以帮助消费者提升消费体验，为许多质量有保证、服务有保障的产品打开销路，“网络直播”正改变着人们的生活方式，给人们的生活带来了很大的便利。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
由于直播带货的货品与粉丝实际的商品购买需求存在差异，导致在直播过程中网销效应不是很明显，影响商品的销售。
发明内容
本申请实施例通过提供一种基于粉丝画像智能匹配直播带货货品信息的方法，解决了直播带货的货品与粉丝实际的商品购买需求存在差异，导致在直播过程中网销效应不是很明显，影响商品的销售的技术问题。达到了根据粉丝的实际购物需求来匹配直播带货货品，进而提高商品的售卖率的技术效果。
本申请实施例提供了一种基于粉丝画像智能匹配直播带货货品信息的方法，其中，所述方法包括：获得仓库中的第一商品信息；获得第一直播网红的第一粉丝信息；获得第二直播网红的第二粉丝信息；根据所述第一粉丝信息获得第一购物清单，所述第一购物清单为第一粉丝信息在所述网络直播平台进行直播购物的信息；根据所述第二粉丝信息获得第二购物清单，所述第二购物清单为第二粉丝信息在网络直播平台进行直播购物的信息；将所述第一购物清单和所述第二购物清单输入第一神经网络模型中，其中，所述模型使用多组训练数据训练出来的，所述多组中的训练数据中的每一组训练数据均包括：第一购物清单、第二购物清单和标识第一结果的标识信息；获得所述模型的输出信息，其中，所述输出信息包括第一结果，所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配；根据所述第一结果获得第一指令，所述第一指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。
另一方面，本申请还提供了一种基于粉丝画像智能匹配直播带货货品信息的系统，其中，所述系统包括：第一获得单元：所述第一获得单元用于获得仓库中的第一商品信息；第二获得单元：所述第二获得单元用于获得第一直播网红的第一粉丝信息；第三获得单元：所述第三获得单元用于获得第二直播网红的第二粉丝信息；第四获得单元：所述第四获得单元用于根据所述第一粉丝信息获得第一购物清单，所述第一购物清单为第一粉丝信息在所述网络直播平台进行直播购物的信息；第五获得单元：所述第五获得单元用于根据所述第二粉丝信息获得第二购物清单，所述第二购物清单为第二粉丝信息在所述网络直播平台进行直播购物的信息；第一输入单元：所述第一输入单元用于将所述第一购物清单和所述第二购物清单输入第一神经网络模型中，其中，所述模型使用多组训练数据训练出来的；第六获得单元：所述第六获得单元用于获得所述模型的输出信息，其中，所述输出信息包括第一结果，所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配；第七获得单元：所述第七获得单元用于根据所述第一结果获得第一指令，所述第一指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过根据不同的直播网红的粉丝信息，进而获得粉丝的购物清单信息，通过对所述第一购物清单和所述第二购物清单进行不断的训练，使得输出的表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配的结果更加精确，达到了根据粉丝的实际购物需求来匹配直播带货货品，进而提高商品的售卖率的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于粉丝画像智能匹配直播带货货品信息的方法的流程示意图；
图2为本申请实施例一种基于粉丝画像智能匹配直播带货货品信息的系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
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，第一输入单元16，第六获得单元17，第七获得单元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
本申请实施例通过提供一种基于粉丝画像智能匹配直播带货货品信息的方法，解决了直播带货的货品与粉丝实际的商品购买需求存在差异，导致在直播过程中网销效应不是很明显，影响商品的销售的技术问题。达到了根据粉丝的实际购物需求来匹配直播带货货品，进而提高商品的售卖率的技术效果。
下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
随着互联网经济的飞速发展，各种直播平台相继崛起，“直播带货”可以帮助消费者提升消费体验，为许多质量有保证、服务有保障的产品打开销路，“网络直播”正改变着人们的生活方式，给人们的生活带来了很大的便利。由于直播带货的货品与粉丝实际的商品购买需求存在差异，导致在直播过程中网销效应不是很明显，影响商品的销售。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种基于粉丝画像智能匹配直播带货货品信息的方法，其中，所述方法包括：获得仓库中的第一商品信息；获得第一直播网红的第一粉丝信息；获得第二直播网红的第二粉丝信息；根据所述第一粉丝信息获得第一购物清单，所述第一购物清单为第一粉丝信息在网络直播平台进行直播购物的信息；根据所述第二粉丝信息获得第二购物清单，所述第二购物清单为第二粉丝信息在所述网络直播平台进行直播购物的信息；将所述第一购物清单和所述第二购物清单输入第一神经网络模型中，其中，所述模型使用多组训练数据训练出来的，所述多组中的训练数据中的每一组训练数据均包括：第一购物清单、第二购物清单和标识第一结果的标识信息；获得所述模型的输出信息，其中，所述输出信息包括第一结果，所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配；根据所述第一结果获得第一指令，所述第一指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。
在介绍了本申请基本原理之后，为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示，本申请实施例提供了一种基于粉丝画像智能匹配直播带货货品信息的方法，其中，所述方法包括：
步骤S100：获得仓库中的第一商品信息；
具体而言，所述第一商品信息为存放在仓库的不同的商品信息，包含有美妆、奢侈品、家装、百货、洗护、进口、箱包、皮靴、手机、母婴、饰品、车品、电器、生鲜等商品信息，所述商品信息种类繁多不一。
步骤S200：获得第一直播网红的第一粉丝信息；
具体而言，所述第一直播网红为通过快手等直播平台进行网络直播的网络红人，所述第一粉丝信息为所述第一直播网红的粉丝信息，包括粉丝信息的数量等信息。
步骤S300：获得第二直播网红的第二粉丝信息；
具体而言，所述第二直播网红不同于所述第一直播网红，所述第二直播网红与所述第一直播网红具有类似的粉丝信息，即所述第二直播网红与所述第一直播网红可销售同类型的产品，所述第二粉丝信息与所述第一粉丝信息也不尽相同，根据直播网红直播时的风格不同，影响的粉丝的数量也不同。
步骤S400：根据所述第一粉丝信息获得第一购物清单，所述第一购物清单为第一粉丝信息在所述网络直播平台进行直播购物的信息；
具体而言，所述第一购物清单为第一粉丝信息在所述网络直播平台进行直播购物的信息，进一步可理解为，在所述第一直播网红进行网络直播时，粉丝根据直播的产品信息和其他影响因素，获得自身所需的所述第一购物清单。
步骤S500：根据所述第二粉丝信息获得第二购物清单，所述第二购物清单为第二粉丝信息在网络直播平台进行直播购物的信息；
具体而言，所述第二购物清单为第二粉丝信息在网络直播平台进行直播购物的信息，进一步可理解为，在所述第二直播网红进行网络直播时，粉丝根据直播的产品信息和其他影响因素，获得自身所需的所述第二购物清单。
步骤S600：将所述第一购物清单和所述第二购物清单输入第一神经网络模型中，其中，所述模型使用多组训练数据训练出来的，所述多组训练数据中的每一组训练数据均包括：第一购物清单、第二购物清单和标识第一结果的标识信息；
步骤S700：获得所述模型的输出信息，其中，所述输出信息包括第一结果，所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配；
具体而言，可根据所述第一购物清单和所述第二购物清单来确定第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配。将所述第一购物清单和所述第二购物清单输入第一神经网络模型中，神经网络(Neural Networks，NN)是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络（Artificial Neural Networks），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。在本申请实施例中，将所述第一购物清单和所述第二购物清单输入神经网络模型，用标识的第一结果信息对所述神经网络模型进行训练，所述第一结果信息为第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配。
进一步来说，所述第一神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为：第一购物清单、第二购物清单和标识第一结果的标识信息。通过输入所述第一购物清单和所述第二购物清单，神经网络模型会输出第一结果，所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配，通过将所述输出信息与起标识作用的第一结果信息进行校验，如果所述输出信息与所述起标识作用的第一结果信息要求相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果所述输出信息与所述起标识作用的第一结果信息要求不一致，则神经网络学习模型自身进行调整，直到神经网络学习模型输出结果与所述起标识作用的第一结果信息要求相一致，进行下一组数据的监督学习。借助训练模型对所述第一购物清单和所述第二购物清单进行不断训练，达到了使得输出的第一结果即第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配更加精确地技术效果。
步骤S800：根据所述第一结果获得第一指令，所述第一指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。
具体而言，所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配，所述第一结果不同，进而导致获得的第一指令不同。当第一粉丝信息、第二粉丝信息与所述第一商品信息相匹配时，所述第一指令表示为安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品；当第一粉丝信息、第二粉丝信息与所述第一商品信息不匹配时，所述第一指令表示为更换所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。
为了获得更加确切的所述直播购物产品与所述直播网红信息是否向匹配，本申请实施例还包括：
步骤S910：获得第一直播网红的第一指数；
步骤S920：获得第二直播网红的第二指数；
步骤S930：根据所述第一指数和第一购物清单获得第一输入信息；
步骤S940：根据所述第二指数和第二购物清单获得第二输入信息；
步骤S950：根据所述第一输入信息和所述第二输入信息获得第三输入信息；
步骤S960：将所述第三输入信息和所述第一商品信息输入第二神经网络模型中，其中，所述模型使用多组数据训练出来的，所述多组中的训练数据中的每一组训练数据均包括：第三输入信息和标识第二结果的标识信息；
步骤S970：获得所述模型的输出信息，其中，所述输出信息包括第二结果，所述第二结果表示第三输入信息与所述第一商品信息是否相匹配；
步骤S980：根据所述第二结果获得第二指令，所述第二指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。
具体而言，所述第一指数为所述第一直播网红在直播过程中的直播反响，包括粉丝人数、产品售卖率等综合得出的第一指数，所述第二指数为所述第二直播网红在直播过程中的直播反响，包括粉丝人数、产品售卖率等综合得出的第二指数；根据所述第一指数和第一购物清单获得第一输入信息，即所述第一输入信息为所述第一直播网红的直播反响和所述第一粉丝信息在所述网络直播平台进行直播购物的信息；根据所述第二指数和第二购物清单获得第二输入信息，即所述第二输入信息为所述第二直播网红的直播反响和所述第二粉丝信息在所述网络直播平台进行直播购物的信息；根据所述第一输入信息和所述第二输入信息获得第三输入信息，即所述第三输入信息为所述第一粉丝信息和所述第二粉丝信息在所述网络直播平台进行直播的共有的购物信息。
通过将所述第三输入信息和所述第一商品信息输入第二神经网络模型中，所述第二神经网络模型执行与上述第一神经网络模型同样的过程，即实质为监督学习的过程，在此不作详细阐述，对所述第三输入信息进行不断的训练，进而获得所述模型的输出信息，其中，所述输出信息包括第二结果，所述第二结果表示第三输入信息与所述第一商品信息是否相匹配，进而根据所述第二结果获得第二指令，所述第二指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品，可理解为，当所述第三输入信息与所述第一商品信息相匹配时，安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品，当所述第三输入信息与所述第一商品信息不相匹配时，不安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品，通过对所述第三输入信息进行不断训练，达到了更加准确地获得所述直播购物产品与所述直播网红信息是否向匹配的技术效果。
为了获得更加准确的所述第一粉丝信息、第二粉丝信息与所述第三商品信息是否相匹配的结果，本申请实施例还包括：
步骤S1010：根据第一粉丝信息获得第三购物清单，其中，所述第三购物清单为所述第一粉丝信息在第二购物平台进行网络购物的信息；
步骤S1020：根据第二粉丝信息获得第四购物清单，其中，第四购物清单为所述第二粉丝信息在第三购物平台进行网络购物的信息，其中，所述第二购物平台和第三购物平台可以是相同或者不同的购物平台；
步骤S1030：根据所述第一购物清单和所述第三购物清单获得第五购物清单；
步骤S1040：根据所述第二购物清单和所述第四购物清单获得第六购物清单；
步骤S1050：将所述第五购物清单和所述第六购物清单输入第三神经网络模型中，其中，所述模型使用多组训练数据训练出来的，所述多组中的训练数据中的每一组训练数据均包括：第五购物清单、第六购物清单和标识第三结果的标识信息；
步骤S1060：获得所述模型的输出信息，其中，所述输出信息包括第三结果，所述第三结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配；
步骤S1070：根据所述第三结果获得第三指令，所述第三指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。
具体而言，所述第三购物清单为所述第一粉丝信息在第二购物平台进行网络购物的信息，即所述第一粉丝信息在淘宝或者京东购物平台上进行网络购物的信息；所述第四购物清单为所述第二粉丝信息在第三购物平台进行网络购物的信息，即所述第一粉丝信息在京东或者淘宝购物平台上进行网络购物的信息，其中，所述第二购物平台和所述第三购物平台均为进行网络购物的平台，二者可以相同，也可以不同；所述第五购物清单为所述第一粉丝信息在直播平台和购物平台上的总的购物清单信息，所述第六购物清单为所述第二粉丝信息在直播平台和购物平台上的总的购物清单信息。
通过将所述第五购物清单和所述第六购物清单输入第三神经网络模型中，所述第三神经网络模型执行与上述第一神经网络模型同样的过程，即实质为监督学习的过程，在此不作详细阐述，对所述第五购物清单和所述第六购物清单进行不断的训练，进而获得所述模型的输出信息，其中，所述输出信息包括第三结果，所述第三结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配，进而根据所述第三结果获得第三指令，所述第三指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品，可理解为，当第一粉丝信息、第二粉丝信息与所述第一商品信息相匹配时，安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品，当第一粉丝信息、第二粉丝信息与所述第一商品信息不匹配时，不安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品，通过对所述第五购物清单和所述第六购物清单进行不断训练，达到了更加准确地获得所述第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配的技术效果。
为了获得所述粉丝的购物清单信息，步骤S1020还包括：
步骤S1021：所述网络直播平台和所述第二购物平台、所述第三购物平台是不同的购物平台，且，所述粉丝在所述网络直播平台和所述第二购物平台、第三购物平台具有相同的ID信息，且，根据所述ID信息均能在所述网络直播平台和所述第二购物平台、第三购物平台获得购物清单。
具体而言，虽所述网络直播平台和所述第二购物平台、所述第三购物平台是不同的购物平台，但所述网络直播平台与所述第二购物平台、所述第三购物平台有相同的登录方式，用户可以使用一个ID号登陆所述网络直播平台和所述第二购物平台、所述第三购物平台，根据所述ID信息均能在所述网络直播平台和所述第二购物平台、所述第三购物平台获得购物清单，使得所述粉丝通过相同的ID账号连接所述网络直播平台和所述第二购物平台、所述第三购物平台，进而获取到所述粉丝的购物清单，达到了获得所述粉丝的购物清单信息进而确定所述粉丝需要的产品购买信息的技术效果。
所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配，步骤S700还包括：
步骤S710：当所述第一结果标识为所述第一粉丝信息、第二粉丝信息和所述第一商品信息相匹配时，获得所述第一商品的售卖信息；
步骤S720：判定所述售卖信息是否满足第一预定条件，获得第四结果；
步骤S730：将所述第四结果作为所述第一神经网络模型的监督数据，对所述第一神经网络模型进行优化。
具体而言，可根据所述第一购物清单和所述第二购物清单来确定第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配，当所述第一粉丝信息、第二粉丝信息和所述第一商品信息相匹配时，获得所述第一商品的售卖信息，所述第一商品的售卖信息包含商品的种类、库存、型号、尺寸、颜色、外观等信息，判定所述售卖信息是否满足第一预定条件，获得第四结果，进一步可理解为热销的商品型号、商品颜色等是否库存有余，库存是否供大于求等，将所述第四结果作为所述第一神经网络模型的监督数据，即将所述售卖信息是否满足第一预定条件作为监督数据对所述第一神经网络模型进行监督训练并且进行优化，达到了使得待售商品更加符合粉丝的需求和期许的技术效果。
为了提高商品的直播带货效率，提升商品的售卖率，本申请实施例还包括：
步骤S1110：根据第一结果获得第二商品信息，将所述第二商品信息列入直播过程中的第一商品信息售卖完之后的商品售卖列表中。
步骤S1120：根据第一结果将第一商品信息推送给第三直播网红，所述第三直播网红和所述第一直播网红、所述第二直播网红均有类似的粉丝信息。
具体而言，所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配，当第一结果为所述第一粉丝信息、第二粉丝信息与所述第一商品信息相匹配，即所述售卖商品对于粉丝极为热销，可将所述第二商品信息列入直播过程中的第一商品信息售卖完之后的商品售卖列表中，进一步可理解为待到所述第一商品售卖完毕之后，继续上新所述第二商品；同时，可将第一商品信息推送给第三直播网红，所述第三直播网红和所述第一直播网红、所述第二直播网红均有类似的粉丝信息，通过对热销商品进行多手段、多渠道的销售，达到了提高商品的直播带货效率，提升商品的售卖率的技术效果。
综上所述，本申请实施例所提供的一种基于粉丝画像智能匹配直播带货货品信息的方法具有如下技术效果：
1、通过根据不同的直播网红的粉丝信息，进而获得粉丝的购物清单信息，通过对所述第一购物清单和所述第二购物清单进行不断的训练，使得输出的表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配的结果更加精确，达到了根据粉丝的实际购物需求来匹配直播带货货品，进而提高商品的售卖率的技术效果。
2、直播过程中，通过对热销产品信息即所述第一粉丝信息、第二粉丝信息和所述第一商品信息相匹配时获得的商品售卖信息的售卖顺序进行调整，还可将热销的产品推荐给其他直播完红，达到了畅销商品，通过直播带货提高售卖率的技术效果。
实施例二
基于与前述实施例中一种基于粉丝画像智能匹配直播带货货品信息的方法同样发明构思，本发明还提供了一种基于粉丝画像智能匹配直播带货货品信息的系统，如图2所示，所述系统包括：
第一获得单元11：所述第一获得单元11用于获得仓库中的第一商品信息；
第二获得单元12：所述第二获得单元12用于获得第一直播网红的第一粉丝信息；
第三获得单元13：所述第三获得单元13用于获得第二直播网红的第二粉丝信息；
第四获得单元14：所述第四获得单元14用于根据所述第一粉丝信息获得第一购物清单，所述第一购物清单为第一粉丝信息在所述网络直播平台进行直播购物的信息；
第五获得单元15：所述第五获得单元15用于根据所述第二粉丝信息获得第二购物清单，所述第二购物清单为第二粉丝信息在网络直播平台进行直播购物的信息；
第一输入单元16：所述第一输入单元16用于将所述第一购物清单和所述第二购物清单输入第一神经网络模型中，其中，所述模型使用多组训练数据训练出来的；
第六获得单元17：所述第六获得单元17用于获得所述模型的输出信息，其中，所述输出信息包括第一结果，所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配；
第七获得单元18：所述第七获得单元18用于根据所述第一结果获得第一指令，所述第一指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。
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获得第一直播网红的第一指数；
第九获得单元：所述第九获得单元用于获得第二直播网红的第二指数；
第十获得单元：所述第十获得单元用于根据所述第一指数和第一购物清单获得第一输入信息；
第十一获得单元：所述第十一获得单元用于根据所述第二指数和第二购物清单获得第二输入信息；
第十二获得单元：所述第十二获得单元用于根据所述第一输入信息和所述第二输入信息获得第三输入信息；
第二输入单元：所述第二输入单元用于将所述第三输入信息和所述第一商品信息输入第二神经网络模型中，其中，所述模型使用多组数据训练出来的；
第十三获得单元:所述第十三获得单元用于获得所述模型的输出信息，其中，所述输出信息包括第二结果，所述第二结果表示第三输入信息与所述第一商品信息是否相匹配；
第十四获得单元：所述第十四获得单元用于根据所述第三结果获得第二指令，所述第二指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。
进一步的，所述装置还包括：
第十五获得单元：所述第十五获得单元用于根据第一粉丝信息获得第三购物清单，其中，所述第三购物清单为所述第一粉丝信息在第二购物平台进行网络购物的信息；
第十六获得单元：所述第十六获得单元用于根据第二粉丝信息获得第四购物清单，其中，第四购物清单为所述第二粉丝信息在第三购物平台进行网络购物的信息；其中，所述第二购物平台和第三购物平台可以是相同或者不同的购物平台；
第十七获得单元：所述第十七获得单元用于根据所述第一购物清单和所述第三购物清单获得第五购物清单；
第十八获得单元：所述第十八获得单元用于根据所述第二购物清单和所述第四购物清单获得第六购物清单；
第三输入单元：所述第三输入单元用于将所述第五购物清单和所述第六购物清单输入第三神经网络模型中，其中，所述模型使用多组训练数据训练出来的；
第十九获得单元：所述第十九获得单元用于获得所述模型的输出信息，其中，所述输出信息包括第三结果，所述第三结果表示第一粉丝信息、第二粉丝信息与所述第三商品信息是否相匹配；
第二十获得单元：所述第二十获得单元用于根据所述第三结果获得第三指令，所述第三指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。
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当所述第一结果标识为所述第一粉丝信息、第二粉丝信息和所述第一商品信息相匹配时，获得所述第一商品的售卖信息；
第一判定单元：所述第一判定单元用于判定所述售卖信息是否满足第一预定条件，获得第四结果；
第一优化单元：所述第一优化单元用于将所述第四结果作为所述第一神经网络模型的监督数据，对所述第一神经网络模型进行优化。
进一步的，所述装置还包括：
第二十二获得单元：所述第二十二获得单元用于根据第一结果获得第二商品信息，将所述第二商品信息列入直播过程中的第一商品信息售卖完之后的商品售卖列表中。
进一步的，所述装置还包括：
第一推送单元：所述第一推送单元用于根据第一结果将第一商品信息推送给第三直播网红，所述第三直播网红和所述第一直播网红、所述第二直播网红均有类似的粉丝信息。
前述图1实施例一中的一种基于粉丝画像智能匹配直播带货货品信息的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基于粉丝画像智能匹配直播带货货品信息的系统，通过前述对一种基于粉丝画像智能匹配直播带货货品信息的方法的详细描述，本领域技术人员可以清楚的知道本实施例中的一种基于粉丝画像智能匹配直播带货货品信息的系统的实施方法，所以为了说明书的简洁，再次不再详述。
实施例三
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中的一种基于粉丝画像智能匹配直播带货货品信息的方法的发明构思，本发明还提供的一种基于粉丝画像智能匹配直播带货货品信息的系统，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的一种基于粉丝确定直播带货货品的信息处理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。
本申请实施例提供了一种基于粉丝画像智能匹配直播带货货品信息的方法，其中，所述方法包括：获得仓库中的第一商品信息；获得第一直播网红的第一粉丝信息；获得第二直播网红的第二粉丝信息；根据所述第一粉丝信息获得第一购物清单，所述第一购物清单为第一粉丝信息在网络直播平台进行直播购物的信息；根据所述第二粉丝信息获得第二购物清单，所述第二购物清单为第二粉丝信息在所述网络直播平台进行直播购物的信息；将所述第一购物清单和所述第二购物清单输入第一神经网络模型中，其中，所述模型使用多组训练数据训练出来的，所述多组训练数据中的每一组训练数据均包括：第一购物清单、第二购物清单和标识第一结果的标识信息；获得所述模型的输出信息，其中，所述输出信息包括第一结果，所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配；根据所述第一结果获得第一指令，所述第一指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品。
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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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 (3)

1.一种基于粉丝画像智能匹配直播带货货品信息的方法，其中，所述方法包括：
获得仓库中的第一商品信息；
获得第一直播网红的第一粉丝信息；
获得第二直播网红的第二粉丝信息；
根据所述第一粉丝信息获得第一购物清单，所述第一购物清单为第一粉丝信息在网络直播平台进行直播购物的信息；
根据所述第二粉丝信息获得第二购物清单，所述第二购物清单为第二粉丝信息在所述网络直播平台进行直播购物的信息；
将所述第一购物清单和所述第二购物清单输入第一神经网络模型中，其中，所述模型使用多组训练数据训练出来的，所述多组训练数据中的每一组训练数据均包括：第一购物清单、第二购物清单和标识第一结果的标识信息；
获得所述模型的输出信息，其中，所述输出信息包括第一结果，所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配；
根据所述第一结果获得第一指令，所述第一指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品；
所述方法包括：
获得第一直播网红的第一指数；
获得第二直播网红的第二指数；
根据所述第一指数和第一购物清单获得第一输入信息；
根据所述第二指数和第二购物清单获得第二输入信息；
根据所述第一输入信息和所述第二输入信息获得第三输入信息；
将所述第三输入信息和所述第一商品信息输入第二神经网络模型中，其中，所述模型使用多组数据训练出来的，所述多组中的训练数据中的每一组训练数据均包括：第三输入信息和标识第二结果的标识信息；
获得所述模型的输出信息，其中，所述输出信息包括第二结果，所述第二结果表示第三输入信息与所述第一商品信息是否相匹配；
根据所述第二结果获得第二指令，所述第二指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品；
所述方法包括：
根据第一粉丝信息获得第三购物清单，其中，所述第三购物清单为所述第一粉丝信息在第二购物平台进行网络购物的信息；
根据第二粉丝信息获得第四购物清单，其中，第四购物清单为所述第二粉丝信息在第三购物平台进行网络购物的信息；
其中，所述第二购物平台和第三购物平台可以是相同或者不同的购物平台；
根据所述第一购物清单和所述第三购物清单获得第五购物清单；
根据所述第二购物清单和所述第四购物清单获得第六购物清单；
将所述第五购物清单和所述第六购物清单输入第三神经网络模型中，其中，所述模型使用多组训练数据训练出来的，所述多组中的训练数据中的每一组训练数据均包括：第五购物清单、第六购物清单和标识第三结果的标识信息；
获得所述模型的输出信息，其中，所述输出信息包括第三结果，所述第三结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配；
根据所述第三结果获得第三指令，所述第三指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品；
所述方法包括：
所述网络直播平台和所述第二购物平台、所述第三购物平台是不同的购物平台，且，所述粉丝在所述网络直播平台和所述第二购物平台、第三购物平台具有相同的ID信息，且，根据所述ID信息均能在所述网络直播平台和所述第二购物平台、第三购物平台获得购物清单；
所述方法包括：
当所述第一结果标识为所述第一粉丝信息、第二粉丝信息和所述第一商品信息相匹配时，获得所述第一商品的售卖信息；
判定所述售卖信息是否满足第一预定条件，获得第四结果；
将所述第四结果作为所述第一神经网络模型的监督数据，对所述第一神经网络模型进行优化；
所述方法包括：
根据第一结果获得第二商品信息，将所述第二商品信息列入直播过程中的第一商品信息售卖完之后的商品售卖列表中；
所述方法包括：
根据第一结果将第一商品信息推送给第三直播网红，所述第三直播网红和所述第一直播网红、所述第二直播网红均有类似的粉丝信息。
2.一种基于粉丝画像智能匹配直播带货货品信息的系统，其中，所述系统包括：
第一获得单元：所述第一获得单元用于获得仓库中的第一商品信息；
第二获得单元：所述第二获得单元用于获得第一直播网红的第一粉丝信息；
第三获得单元：所述第三获得单元用于获得第二直播网红的第二粉丝信息；
第四获得单元：所述第四获得单元用于根据所述第一粉丝信息获得第一购物清单，所述第一购物清单为第一粉丝信息在网络直播平台进行直播购物的信息；
第五获得单元：所述第五获得单元用于根据所述第二粉丝信息获得第二购物清单，所述第二购物清单为第二粉丝信息在所述网络直播平台进行直播购物的信息；
第一输入单元：所述第一输入单元用于将所述第一购物清单和所述第二购物清单输入第一神经网络模型中，其中，所述模型使用多组训练数据训练出来的；
第六获得单元：所述第六获得单元用于获得所述模型的输出信息，其中，所述输出信息包括第一结果，所述第一结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配；
第七获得单元：所述第七获得单元用于根据所述第一结果获得第一指令，所述第一指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品；
第八获得单元：所述第八获得单元用于获得第一直播网红的第一指数；
第九获得单元：所述第九获得单元用于获得第二直播网红的第二指数；
第十获得单元：所述第十获得单元用于根据所述第一指数和第一购物清单获得第一输入信息；
第十一获得单元：所述第十一获得单元用于根据所述第二指数和第二购物清单获得第二输入信息；
第十二获得单元：所述第十二获得单元用于根据所述第一输入信息和所述第二输入信息获得第三输入信息；
第二输入单元：所述第二输入单元用于将所述第三输入信息和所述第一商品信息输入第二神经网络模型中，其中，所述模型使用多组数据训练出来的；
第十三获得单元：所述第十三获得单元用于获得所述模型的输出信息，其中，所述输出信息包括第二结果，所述第二结果表示第三输入信息与所述第一商品信息是否相匹配；
第十四获得单元：所述第十四获得单元用于根据所述第二结果获得第二指令，所述第二指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品；
第十五获得单元：所述第十五获得单元用于根据第一粉丝信息获得第三购物清单，其中，所述第三购物清单为所述第一粉丝信息在第二购物平台进行网络购物的信息；
第十六获得单元：所述第十六获得单元用于根据第二粉丝信息获得第四购物清单，其中，第四购物清单为所述第二粉丝信息在第三购物平台进行网络购物的信息；其中，所述第二购物平台和第三购物平台可以是相同或者不同的购物平台；
第十七获得单元：所述第十七获得单元用于根据所述第一购物清单和所述第三购物清单获得第五购物清单；
第十八获得单元：所述第十八获得单元用于根据所述第二购物清单和所述第四购物清单获得第六购物清单；
第三输入单元：所述第三输入单元用于将所述第五购物清单和所述第六购物清单输入第三神经网络模型中，其中，所述模型使用多组训练数据训练出来的；
第十九获得单元：所述第十九获得单元用于获得所述模型的输岀信息，其中，所述输岀信息包括第三结果，所述第三结果表示第一粉丝信息、第二粉丝信息与所述第一商品信息是否相匹配；
第二十获得单元：所述第二十获得单元用于根据所述第三结果获得第三指令，所述第三指令用于是否安排所述第一商品用于所述第一直播网红和第二直播网红的直播购物产品；
第二十一获得单元：所述第二十一获得单元用于当所述第一结果标识为所述第一粉丝信息、第二粉丝信息和所述第一商品信息相匹配时，获得所述第一商品的售卖信息；
第一判定单元：所述第一判定单元用于判定所述售卖信息是否满足第一预定条件，获得第四结果；
第一优化单元：所述第一优化单元用于将所述第四结果作为所述第一神经网络模型的监督数据，对所述第一神经网络模型进行优化；
第二十二获得单元：所述第二十二获得单元用于根据第一结果获得第二商品信息，将所述第二商品信息列入直播过程中的第一商品信息售卖完之后的商品售卖列表中；
第一推送单元：所述第一推送单元用于根据第一结果将第一商品信息推送给第三直播网红，所述第三直播网红和所述第一直播网红、所述第二直播网红均有类似的粉丝信息。
3.一种基于粉丝画像智能匹配直播带货货品信息的系统，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，其中，所述处理器执行所述程序时实现权利要求1所述方法的步骤。
CN202011168693.7A 2020-10-28 2020-10-28 基于粉丝画像智能匹配直播带货货品信息的方法及系统 Active CN112001782B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011168693.7A CN112001782B (zh) 2020-10-28 2020-10-28 基于粉丝画像智能匹配直播带货货品信息的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011168693.7A CN112001782B (zh) 2020-10-28 2020-10-28 基于粉丝画像智能匹配直播带货货品信息的方法及系统

Publications (2)

Publication Number Publication Date
CN112001782A CN112001782A (zh) 2020-11-27
CN112001782B true CN112001782B (zh) 2021-06-15

Family

ID=73475211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011168693.7A Active CN112001782B (zh) 2020-10-28 2020-10-28 基于粉丝画像智能匹配直播带货货品信息的方法及系统

Country Status (1)

Country Link
CN (1) CN112001782B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112700298A (zh) * 2020-12-10 2021-04-23 吴翊展 一种提高直播带货销量的信息处理方法及系统
CN113099249B (zh) * 2021-03-22 2023-08-08 北京达佳互联信息技术有限公司 直播间对象推荐方法、装置、服务器及电子设备
CN113298619A (zh) * 2021-05-24 2021-08-24 成都威爱新经济技术研究院有限公司 一种基于自由视点技术的3d商品直播展示方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190253751A1 (en) * 2018-02-13 2019-08-15 Perfect Corp. Systems and Methods for Providing Product Information During a Live Broadcast
CN110401844A (zh) * 2019-08-22 2019-11-01 北京字节跳动网络技术有限公司 视频直播策略的生成方法、装置、设备及可读介质
CN110827129B (zh) * 2019-11-27 2022-11-11 中国联合网络通信集团有限公司 一种商品推荐方法及装置
CN110996110B (zh) * 2019-12-02 2022-02-18 深圳市云积分科技有限公司 一种直播过程中的商品调整方法和装置

Also Published As

Publication number Publication date
CN112001782A (zh) 2020-11-27

Similar Documents

Publication Publication Date Title
CN112001782B (zh) 基于粉丝画像智能匹配直播带货货品信息的方法及系统
CN112001783B (zh) 基于商品信息进行网络直播带货的信息处理方法及系统
CN106651542B (zh) 一种物品推荐的方法及装置
CN108427708B (zh) 数据处理方法、装置、存储介质和电子装置
CN112686704B (zh) 一种购物指导方法及系统
CN110245301A (zh) 一种推荐方法、装置及存储介质
CN115917535A (zh) 推荐模型的训练方法、推荐方法、装置及计算机可读介质
CN107273436A (zh) 一种推荐模型的训练方法和训练装置
CN111494964B (zh) 虚拟物品的推荐方法、模型的训练方法、装置及存储介质
CN106484777A (zh) 一种多媒体数据处理方法以及装置
CN110782259A (zh) 一种会员等级管理方法和装置
CN105469279A (zh) 一种商品的质量评价方法和装置
CN108304426A (zh) 标识的获取方法及装置
CN107741967A (zh) 用于行为数据处理的方法、装置以及电子设备
CN112132660A (zh) 商品推荐方法、系统、设备及存储介质
CN112528164B (zh) 一种用户协同过滤召回方法及装置
CN116894711A (zh) 商品推荐理由生成方法及其装置、电子设备
CN109977979B (zh) 定位种子用户的方法、装置、电子设备和存储介质
CN111461757A (zh) 信息处理方法及装置、计算机存储介质、电子设备
KR20230137861A (ko) 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법 및 장치
WO2015195840A1 (en) System and method for creating interactive meta-content
CN111192084A (zh) 一种会员身份评定管理方法和装置
CN115511582B (zh) 一种基于人工智能的商品推荐系统及方法
CN110765350A (zh) 一种会员积分的数据融合方法和装置
CN115129991A (zh) 内容推荐方法、模型训练方法、装置及电子设备

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