CN112256960A - 一种商场、社区、写字楼用户推荐服务的算法方法 - Google Patents

一种商场、社区、写字楼用户推荐服务的算法方法 Download PDF

Info

Publication number
CN112256960A
CN112256960A CN202011080524.8A CN202011080524A CN112256960A CN 112256960 A CN112256960 A CN 112256960A CN 202011080524 A CN202011080524 A CN 202011080524A CN 112256960 A CN112256960 A CN 112256960A
Authority
CN
China
Prior art keywords
entry
repeated
office
repeated entry
user
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.)
Granted
Application number
CN202011080524.8A
Other languages
English (en)
Other versions
CN112256960B (zh
Inventor
陈继强
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.)
Chengdu Yike Quantum Technology Co ltd
Original Assignee
Chengdu Yike Quantum 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 Chengdu Yike Quantum Technology Co ltd filed Critical Chengdu Yike Quantum Technology Co ltd
Priority to CN202011080524.8A priority Critical patent/CN112256960B/zh
Publication of CN112256960A publication Critical patent/CN112256960A/zh
Application granted granted Critical
Publication of CN112256960B publication Critical patent/CN112256960B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9538Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0631Item recommendations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种商场、社区、写字楼用户推荐服务的算法方法,方法步骤包括:收集用户车辆信息、调取用户历史信息、将对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条进行对比、收集用户进入商场、社区、写字楼的时间、将该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条以及第一非重复词条进行对比,得到推荐词条排序。本发明中,采用了重复词条综合算法,以便于将用户进入商场时的各特征进行综合排序输出,采用了多次对比结果的排序输出,实现了各词条的综合对比,以便于推荐适合的商品与服务。

Description

一种商场、社区、写字楼用户推荐服务的算法方法
技术领域
本发明属于商场推荐服务技术领域,具体为一种商场、社区、写字楼用户推荐服务的算法方法。
背景技术
推荐系统是利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程,个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。
随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品,这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。
发明内容
本发明的目的在于:为了解决现实存在的技术问题,提供一种商场、社区、写字楼用户推荐服务的算法方法。
本发明采用的技术方案如下:
一种商场、社区、写字楼用户推荐服务的算法方法,方法步骤包括:
S1:收集用户车辆信息,调取对应车辆车牌号过往消费商品、办公、生活服务,运行S2;
S2:调取用户历史信息,调取用户历史消费商品、办公、生活服务,运行S3;
S3:将对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条进行对比,将结果A输出到第一重复词条,将结果B输出到第一非重复词条,运行S4;
S4:收集用户进入商场时间,调取该对应时间段内主要消费商品、办公、生活服务,运行S5;
S5:将该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条以及第一非重复词条进行对比,将结果C输出到第二重复词条,将结果D输出到第二非重复词条,运行S6;
S6:调取用户浏览商品记录,将用户浏览过的商品信息进行收集,运行S7;
S7:将商品信息的关键词条与第二重复词条以及第二非重复词条进行对比,将结果E输出到第三重复词条,将结果F输出到第三非重复词条,运行S8;
S8:将第三重复词条、第二重复词条以及第一重复词条按照顺序依次排列输出,得到推荐词条排序。
其中,步骤S3中所述的结果A包括输出对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的重复词条的算法;
步骤S3中所述的第一重复词条为对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的重复词条。
其中,步骤S3中所述的结果B包括输出对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的非重复词条的算法;
步骤S3中所述的第二重复词条为对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的非重复词条。
其中,步骤S5中所述的结果C包括输出该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条之间的重复词条A,以及输出该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一非重复词条之间的重复词条B的算法;
步骤S5中所述的第二重复词条为重复词条A与重复词条B的顺序排列。
其中,步骤S5中所述的结果D包括输出该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条以及第一非重复词条之间的非重复词条的算法;
步骤S5中所述的第二非重复词条为该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条以及第一非重复词条之间的非重复词条。
其中,步骤S7中所述的结果E包括输出商品信息的关键词条与第二重复词条之间的重复词条C,以及输出商品信息的关键词条与第二非重复词条之间的重复词条D的算法;
步骤S7中所述的第三重复词条为重复词条C与重复词条D的顺序排列。
其中,步骤S7中所述的结果F包括输出商品信息的关键词条与第二重复词条以及第二非重复词条之间的非重复词条的算法;
步骤S7中所述的第三非重复词条为输出商品信息的关键词条与第二重复词条以及第二非重复词条之间的非重复词条。
其中,步骤S8中所述的推荐词条排序为第三重复词条、第二重复词条、第一重复词条中的第一个词条、第二个词条进行排序输出。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明中,采用了重复词条综合算法,由于采用了用户车辆信息、用户历史信息、用户进入商场时间以及用户浏览商品记录中词条的综合收集,以及将各词条的多次循环对比输出,以便于将用户进入商场时的各特征进行综合排序输出。
2、本发明中,采用了多次对比结果的排序输出,由于采用了第一重复词条。第二重复词条以及第三重复词条中第一位词条、第二位词条的重新排序,以及第一非重复词条以及第二非重复词条的循环对比,实现了各词条的综合对比,以便于推荐适合的商品与服务。
附图说明
图1示出了本发明实施例的算法方法流程图。
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用以解释本发明,并不用于限定本发明。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制;术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性;此外,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例一,参照图1,一种商场、社区、写字楼用户推荐服务的算法方法,方法步骤包括:
S1:收集用户车辆信息,调取对应车辆车牌号过往消费商品、办公、生活服务,调取历史停车场进出时间,停车时长和停车轨迹等数据,分析判断出用户的相关出行行为习惯,运行S2;
S2:调取用户历史信息,调取用户历史消费商品、办公、生活服务,根据性别,年龄等用户信息匹配出当下同行为习惯同年龄同教育程度等相似人群喜欢的商品和服务运行S3;
S3:将对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条进行对比,将结果A输出到第一重复词条,将结果B输出到第一非重复词条,运行S4;
S4:收集用户进入商场时间,调取该对应时间段内主要消费商品、办公、生活服务,尤其是时令和节气的元素对应的服务类型,运行S5;
S5:将该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条以及第一非重复词条进行对比,将结果C输出到第二重复词条,将结果D输出到第二非重复词条,运行S6;
S6:调取用户浏览商品记录,将用户浏览过的商品信息进行收集,运行S7;
S7:将商品信息的关键词条与第二重复词条以及第二非重复词条进行对比,将结果E输出到第三重复词条,将结果F输出到第三非重复词条,运行S8;
S8:将第三重复词条、第二重复词条以及第一重复词条按照顺序依次排列输出,得到推荐词条排序。
实施例二,参照图1,步骤S3中的结果A包括输出对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的重复词条的算法;
步骤S3中的第一重复词条为对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的重复词条,其中第一重复词条中词条数量为两条;
步骤S3中的结果B包括输出对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的非重复词条的算法;
步骤S3中的第二重复词条为对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的非重复词条;
步骤S5中的结果C包括输出该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条之间的重复词条A,以及输出该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一非重复词条之间的重复词条B 的算法;
步骤S5中的第二重复词条为重复词条A与重复词条B的顺序排列,其中重复词条A与重复词条B中词条数量均分别为一条;
步骤S5中的结果D包括输出该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条以及第一非重复词条之间的非重复词条的算法;
步骤S5中的第二非重复词条为该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条以及第一非重复词条之间的非重复词条;
步骤S7中的结果E包括输出商品信息的关键词条与第二重复词条之间的重复词条C,以及输出商品信息的关键词条与第二非重复词条之间的重复词条D的算法;
步骤S7中的第三重复词条为重复词条C与重复词条D的顺序排列,其中重复词条C与重复词条D中词条数量均分别为一条;
步骤S7中的结果F包括输出商品信息的关键词条与第二重复词条以及第二非重复词条之间的非重复词条的算法;
步骤S7中的第三非重复词条为输出商品信息的关键词条与第二重复词条以及第二非重复词条之间的非重复词条;
步骤S8中的推荐词条排序为第三重复词条、第二重复词条、第一重复词条中的第一个词条、第二个词条进行排序输出,其中重复的词条仅第一次输出时有效。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种商场、社区、写字楼用户推荐服务的算法方法,其特征在于:方法步骤包括:
S1:收集用户车辆信息,调取对应车辆车牌号过往消费商品、办公、生活服务,运行S2;
S2:调取用户历史信息,调取用户历史消费商品、办公、生活服务,运行S3;
S3:将对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条进行对比,将结果A输出到第一重复词条,将结果B输出到第一非重复词条,运行S4;
S4:收集用户进入商场时间,调取该对应时间段内主要消费商品、办公、生活服务,运行S5;
S5:将该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条以及第一非重复词条进行对比,将结果C输出到第二重复词条,将结果D输出到第二非重复词条,运行S6;
S6:调取用户浏览商品记录,将用户浏览过的商品信息进行收集,运行S7;
S7:将商品信息的关键词条与第二重复词条以及第二非重复词条进行对比,将结果E输出到第三重复词条,将结果F输出到第三非重复词条,运行S8;
S8:将第三重复词条、第二重复词条以及第一重复词条按照顺序依次排列输出,得到推荐词条排序。
2.如权利要求1所述的一种商场、社区、写字楼用户推荐服务的算法方法,其特征在于:
步骤S3中所述的结果A包括输出对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的重复词条的算法;
步骤S3中所述的第一重复词条为对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的重复词条。
3.如权利要求1所述的一种商场、社区、写字楼用户推荐服务的算法方法,其特征在于:
步骤S3中所述的结果B包括输出对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的非重复词条的算法;
步骤S3中所述的第二重复词条为对应车辆车牌号过往消费商品、办公、生活服务中的关键词条与用户历史消费商品、办公、生活服务中的关键词条之间的非重复词条。
4.如权利要求1所述的一种商场、社区、写字楼用户推荐服务的算法方法,其特征在于:
步骤S5中所述的结果C包括输出该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条之间的重复词条A,以及输出该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一非重复词条之间的重复词条B的算法;
步骤S5中所述的第二重复词条为重复词条A与重复词条B的顺序排列。
5.如权利要求1所述的一种商场、社区、写字楼用户推荐服务的算法方法,其特征在于:
步骤S5中所述的结果D包括输出该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条以及第一非重复词条之间的非重复词条的算法;
步骤S5中所述的第二非重复词条为该对应时间段内主要消费商品、办公、生活服务中的关键词条与第一重复词条以及第一非重复词条之间的非重复词条。
6.如权利要求1所述的一种商场、社区、写字楼用户推荐服务的算法方法,其特征在于:
步骤S7中所述的结果E包括输出商品信息的关键词条与第二重复词条之间的重复词条C,以及输出商品信息的关键词条与第二非重复词条之间的重复词条D的算法;
步骤S7中所述的第三重复词条为重复词条C与重复词条D的顺序排列。
7.如权利要求1所述的一种商场、社区、写字楼用户推荐服务的算法方法,其特征在于:
步骤S7中所述的结果F包括输出商品信息的关键词条与第二重复词条以及第二非重复词条之间的非重复词条的算法;
步骤S7中所述的第三非重复词条为输出商品信息的关键词条与第二重复词条以及第二非重复词条之间的非重复词条。
8.如权利要求1所述的一种商场、社区、写字楼用户推荐服务的算法方法,其特征在于:步骤S8中所述的推荐词条排序包括第三重复词条、第二重复词条、第一重复词条中的第一个词条、第二个词条进行排序输出。
CN202011080524.8A 2020-10-10 2020-10-10 一种商场、社区、写字楼用户推荐服务的算法方法 Active CN112256960B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011080524.8A CN112256960B (zh) 2020-10-10 2020-10-10 一种商场、社区、写字楼用户推荐服务的算法方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011080524.8A CN112256960B (zh) 2020-10-10 2020-10-10 一种商场、社区、写字楼用户推荐服务的算法方法

Publications (2)

Publication Number Publication Date
CN112256960A true CN112256960A (zh) 2021-01-22
CN112256960B CN112256960B (zh) 2024-04-16

Family

ID=74242796

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011080524.8A Active CN112256960B (zh) 2020-10-10 2020-10-10 一种商场、社区、写字楼用户推荐服务的算法方法

Country Status (1)

Country Link
CN (1) CN112256960B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110093949A1 (en) * 2008-12-18 2011-04-21 Bulletin.Net System and method for using symbol command language within a communications network via sms or internet communications protocols
CN102750274A (zh) * 2011-01-04 2012-10-24 张越峰 一种初具人类思维的现场智能引导服务系统及方法
CN102799591A (zh) * 2011-05-26 2012-11-28 阿里巴巴集团控股有限公司 一种提供推荐词的方法及装置
CN105046518A (zh) * 2015-06-29 2015-11-11 成都亿邻通科技有限公司 一种推荐团购服务的方法
US20150379006A1 (en) * 2014-06-26 2015-12-31 Amazon Technologies, Inc. Automatic image-based recommendations using a color palette
CN105760548A (zh) * 2016-03-21 2016-07-13 武汉烽火众智数字技术有限责任公司 一种基于大数据跨域比对的车辆首次出现分析方法及系统
WO2017057832A1 (ko) * 2015-10-01 2017-04-06 에스케이플래닛 주식회사 사용자 장치, 비콘, 서비스 제공 장치, 그를 포함하는 결제 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체
CN107633430A (zh) * 2017-09-20 2018-01-26 哈尔滨工业大学 一种基于群体社区的商品推荐方法
CN107729548A (zh) * 2017-01-25 2018-02-23 问众智能信息科技(北京)有限公司 基于汽车数据的lbs搜索排序方法和装置
CN108319646A (zh) * 2017-12-26 2018-07-24 金瓜子科技发展(北京)有限公司 基于用户历史行为的车源搜索方法及装置
CN108389268A (zh) * 2018-02-07 2018-08-10 浙江莲荷科技有限公司 缴费方法、系统及设备
US10127591B1 (en) * 2017-05-15 2018-11-13 Wippy, LLC Systems, methods, and devices for dynamic used vehicle marketing, dealer matching, and extended sale period transactions platform
CN108960945A (zh) * 2017-05-18 2018-12-07 北京京东尚科信息技术有限公司 商品推荐方法和装置
CN110297968A (zh) * 2019-05-22 2019-10-01 中国平安人寿保险股份有限公司 产品推送方法、装置、计算机设备及存储介质
CN110309274A (zh) * 2018-03-14 2019-10-08 北京三快在线科技有限公司 引导语推荐方法、装置及电子设备
CN110706014A (zh) * 2018-07-10 2020-01-17 杭州海康威视系统技术有限公司 一种商场店铺推荐方法、装置及系统
CN111078991A (zh) * 2018-10-19 2020-04-28 奇酷互联网络科技(深圳)有限公司 推送信息的方法、移动终端和计算机可读存储介质

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110093949A1 (en) * 2008-12-18 2011-04-21 Bulletin.Net System and method for using symbol command language within a communications network via sms or internet communications protocols
CN102750274A (zh) * 2011-01-04 2012-10-24 张越峰 一种初具人类思维的现场智能引导服务系统及方法
CN102799591A (zh) * 2011-05-26 2012-11-28 阿里巴巴集团控股有限公司 一种提供推荐词的方法及装置
US20150379006A1 (en) * 2014-06-26 2015-12-31 Amazon Technologies, Inc. Automatic image-based recommendations using a color palette
CN105046518A (zh) * 2015-06-29 2015-11-11 成都亿邻通科技有限公司 一种推荐团购服务的方法
WO2017057832A1 (ko) * 2015-10-01 2017-04-06 에스케이플래닛 주식회사 사용자 장치, 비콘, 서비스 제공 장치, 그를 포함하는 결제 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체
CN105760548A (zh) * 2016-03-21 2016-07-13 武汉烽火众智数字技术有限责任公司 一种基于大数据跨域比对的车辆首次出现分析方法及系统
CN107729548A (zh) * 2017-01-25 2018-02-23 问众智能信息科技(北京)有限公司 基于汽车数据的lbs搜索排序方法和装置
US10127591B1 (en) * 2017-05-15 2018-11-13 Wippy, LLC Systems, methods, and devices for dynamic used vehicle marketing, dealer matching, and extended sale period transactions platform
US20180330417A1 (en) * 2017-05-15 2018-11-15 Wippy, LLC Systems, methods, and devices for dynamic used vehicle marketing, dealer matching, and extended sale period transactions platform
CN108960945A (zh) * 2017-05-18 2018-12-07 北京京东尚科信息技术有限公司 商品推荐方法和装置
CN107633430A (zh) * 2017-09-20 2018-01-26 哈尔滨工业大学 一种基于群体社区的商品推荐方法
CN108319646A (zh) * 2017-12-26 2018-07-24 金瓜子科技发展(北京)有限公司 基于用户历史行为的车源搜索方法及装置
CN108389268A (zh) * 2018-02-07 2018-08-10 浙江莲荷科技有限公司 缴费方法、系统及设备
CN110309274A (zh) * 2018-03-14 2019-10-08 北京三快在线科技有限公司 引导语推荐方法、装置及电子设备
CN110706014A (zh) * 2018-07-10 2020-01-17 杭州海康威视系统技术有限公司 一种商场店铺推荐方法、装置及系统
CN111078991A (zh) * 2018-10-19 2020-04-28 奇酷互联网络科技(深圳)有限公司 推送信息的方法、移动终端和计算机可读存储介质
CN110297968A (zh) * 2019-05-22 2019-10-01 中国平安人寿保险股份有限公司 产品推送方法、装置、计算机设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
COOKHWAN KIM 等: "How to select search keywords for online advertising depending on consumer involvement: An empirical investigation", 《EXPERT SYSTEMS WITH APPLICATIONS》, vol. 39, no. 1, 31 January 2012 (2012-01-31), pages 594 - 610, XP028390576, DOI: 10.1016/j.eswa.2011.07.050 *
殷聪: "O2O环境下融合情境的个性化推荐方法研究——以餐饮业为例", 《中国博士学位论文全文数据库 经济与管理科学辑》, no. 06, 15 June 2020 (2020-06-15), pages 157 - 9 *
洪小蕾: "基于消费者行为数据分析的珠宝线下零售管理系统设计与研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 12, pages 138 - 620 *

Also Published As

Publication number Publication date
CN112256960B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
Su et al. A method for discovering clusters of e-commerce interest patterns using click-stream data
Chen et al. Developing recommender systems with the consideration of product profitability for sellers
Sivapalan et al. Recommender systems in e-commerce
US10664889B2 (en) System and method for combining and optimizing business strategies
Bergen et al. Branded variants: A retail perspective
Hauser Agendas and consumer choice
Huang et al. Handling sequential pattern decay: Developing a two-stage collaborative recommender system
US20050010494A1 (en) Method and apparatus for Internet e-commerce shopping guide
US20080091508A1 (en) Multidimensional personal behavioral tomography
CN106708821A (zh) 基于用户个性化购物行为进行商品推荐的方法
Basiri et al. Alleviating the cold-start problem of recommender systems using a new hybrid approach
JP2002334257A (ja) レコメンドエンジン、レコメンド方法、レコメンドプログラム
KR100823853B1 (ko) 인구통계학적 속성과 구매이력을 이용한 개인화 콘텐츠추천 방법
Hemalatha Market basket analysis–a data mining application in Indian retailing
Damangir et al. Uncovering patterns of product co-consideration: A case study of online vehicle price quote request data
CN112150218A (zh) 一种基于购物习惯的广告推送方法及系统
Gensch Empirical evidence supporting the use of multiple choice models in analyzing a population
CN105590234A (zh) 一种向目标用户推荐商品的方法和系统
CN113837843A (zh) 产品推荐方法、装置、介质及电子设备
CN113254780A (zh) 信息处理的方法、装置、电子设备及计算机存储介质
Qiu et al. Design of multi-mode e-commerce recommendation system
CN112256960A (zh) 一种商场、社区、写字楼用户推荐服务的算法方法
Liao et al. A rough set-based association rule approach implemented on a brand trust evaluation model
Pinto et al. Hybrid recommendation system based on collaborative filtering and fuzzy numbers
Anitha Consumer preference towards online retailing

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