CN112348594A - 物品需求的处理方法、装置、计算设备和介质 - Google Patents
物品需求的处理方法、装置、计算设备和介质 Download PDFInfo
- Publication number
- CN112348594A CN112348594A CN202011341743.7A CN202011341743A CN112348594A CN 112348594 A CN112348594 A CN 112348594A CN 202011341743 A CN202011341743 A CN 202011341743A CN 112348594 A CN112348594 A CN 112348594A
- Authority
- CN
- China
- Prior art keywords
- category
- data
- article
- articles
- features
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 168
- 230000006399 behavior Effects 0.000 claims abstract description 57
- 238000013500 data storage Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 34
- 230000008451 emotion Effects 0.000 claims description 14
- 230000000737 periodic effect Effects 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000002996 emotional effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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]
- G06Q30/0605—Supply or demand aggregation
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种由计算设备执行的物品需求的处理方法,包括:从数据存储平台中获取所存储的历史数据,历史数据包括用户行为数据、物品需求数据、物品属性数据,用户行为数据表征了用户针对第一类别物品和第二类别物品的行为,物品需求数据表征了第一类别物品和第二类别物品的关注度,物品属性数据表征了第一类别物品和第二类别物品的属性;处理历史数据,得到针对第一类别物品的多个评估值,多个评估值包括与用户行为数据对应的第一评估值、与物品需求数据对应的第二评估值、与物品属性数据对应的第三评估值;基于多个评估值和与多个评估值一一对应的多个权重值,确定总体评估值。本公开还提供了一种物品需求的处理装置、计算设备以及介质。
Description
技术领域
本公开涉及计算机技术领域,更具体地,涉及一种物品需求的处理方法、一种物品需求的处理装置、一种计算设备以及一种计算机可读存储介质。
背景技术
相关技术中通常通过人为分析的方式来评估物品的需求程度。例如通过问卷调查的方式得到调查结果,并人为分析调查结果来评估物品的需求程度。相关技术的方式成本高昂、效率较低、评估结果过于依赖人为主观性。
发明内容
有鉴于此,本公开提供了一种优化的物品需求的处理方法、物品需求的处理装置、计算设备和计算机可读存储介质。
本公开的一个方面提供了一种由计算设备执行的物品需求的处理方法,包括:从数据存储平台中获取所存储的历史数据,其中,所述历史数据包括用户行为数据、物品需求数据、物品属性数据,所述用户行为数据表征了用户针对第一类别物品和第二类别物品的行为,所述物品需求数据表征了所述第一类别物品和所述第二类别物品的关注度,所述物品属性数据表征了所述第一类别物品和所述第二类别物品的属性。处理所述历史数据,得到针对所述第一类别物品的多个评估值,其中,所述多个评估值包括与所述用户行为数据对应的第一评估值、与所述物品需求数据对应的第二评估值、与所述物品属性数据对应的第三评估值。基于所述多个评估值和与所述多个评估值一一对应的多个权重值,确定总体评估值,所述总体评估值表征了所述第一类别物品的需求情况。
根据本公开的实施例,上述处理所述历史数据,得到针对所述第一类别物品的多个评估值包括:处理所述历史数据,得到N个特征,N为大于等于3的整数,确定所述N个特征中每个特征出现的时间、出现的次数和关联度,其中,所述关联度表征了每个特征与所述第一类别物品或所述第二类别物品关联,基于每个特征出现的时间、出现的次数和关联度,确定所述多个评估值。
根据本公开的实施例,上述确定所述N个特征中每个特征出现的时间、出现的次数和关联度包括,针对每个特征:确定针对所述特征的M个出现次数,其中,所述M个出现次数与M个时间段一一对应,每个出现次数表征所述特征在对应的时间段内出现的次数,M为大于等于1的整数,确定针对所述特征的M个关联度,其中,所述M个关联度与所述M个时间段一一对应,每个关联度表征所述特征与所述第一类别物品关联出现的次数和总次数之间的比值,所述总次数表征了所述特征与所述第一类别物品关联出现的次数和所述特征与所述第二类别物品关联出现的次数之和。
根据本公开的实施例,上述N个特征包括N1个第一特征、N2个第二特征、N3个第三特征,N1、N2、N3均为大于等于1的整数,且N1+N2+N3=N。所述基于每个特征出现的时间、出现的次数和关联度,确定所述多个评估值包括:针对所述N1个第一特征中的每个第一特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定所述第一评估值,针对所述N2个第二特征中的每个第二特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定所述第二评估值,针对所述N3个第二特征中的每个第三特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定所述第三评估值。
根据本公开的实施例,上述用户行为数据包括以下至少一个:用户针对第一类别物品和第二类别物品的搜索数据、用户针对第一类别物品和第二类别物品的评论数据、用户针对第一类别物品和第二类别物品的投诉数据。所述N1个第一特征包括以下至少一个:物品功能特征、物品使用场景特征、用户针对物品的情感特征、用户针对物品的情感程度特征。
根据本公开的实施例,上述物品需求数据包括以下至少一个:物品生产数量数据、物品销量数据、物品的市场需求趋势数据。所述N2个第二特征包括以下至少一个:热点物品信息特征、周期性的物品功能特征、非周期性的物品功能特征、物品收益特征。
根据本公开的实施例,上述物品属性数据包括以下至少一个:物品图片数据、物品标题数据、物品信息描述数据。所述N3个第三特征包括物品功能描述特征。
本公开的另一个方面提供了一种物品需求的处理装置,包括:获取模块、处理模块以及确定模块。其中,获取模块用于从数据存储平台中获取所存储的历史数据,其中,所述历史数据包括用户行为数据、物品需求数据、物品属性数据,所述用户行为数据表征了用户针对第一类别物品和第二类别物品的行为,所述物品需求数据表征了所述第一类别物品和所述第二类别物品的关注度,所述物品属性数据表征了所述第一类别物品和所述第二类别物品的属性。处理模块用于处理所述历史数据,得到针对所述第一类别物品的多个评估值,其中,所述多个评估值包括与所述用户行为数据对应的第一评估值、与所述物品需求数据对应的第二评估值、与所述物品属性数据对应的第三评估值。确定模块用于基于所述多个评估值和与所述多个评估值一一对应的多个权重值,确定总体评估值,所述总体评估值表征了所述第一类别物品的需求情况。
根据本公开的实施例,上述处理模块包括:处理子模块、第一确定子模块以及第二确定子模块。其中,处理子模块用于处理所述历史数据,得到N个特征,N为大于等于3的整数。第一确定子模块用于确定所述N个特征中每个特征出现的时间、出现的次数和关联度,其中,所述关联度表征了每个特征与所述第一类别物品或所述第二类别物品关联。第二确定子模块用于基于每个特征出现的时间、出现的次数和关联度,确定所述多个评估值。
根据本公开的实施例,上述第一确定子模块还用于,针对每个特征:确定针对所述特征的M个出现次数,其中,所述M个出现次数与M个时间段一一对应,每个出现次数表征所述特征在对应的时间段内出现的次数,M为大于等于1的整数,确定针对所述特征的M个关联度,其中,所述M个关联度与所述M个时间段一一对应,每个关联度表征所述特征与所述第一类别物品关联出现的次数和总次数之间的比值,所述总次数表征了所述特征与所述第一类别物品关联出现的次数和所述特征与所述第二类别物品关联出现的次数之和。
根据本公开的实施例,上述N个特征包括N1个第一特征、N2个第二特征、N3个第三特征,N1、N2、N3均为大于等于1的整数,且N1+N2+N3=N。所述基于每个特征出现的时间、出现的次数和关联度,确定所述多个评估值包括:针对所述N1个第一特征中的每个第一特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定所述第一评估值,针对所述N2个第二特征中的每个第二特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定所述第二评估值,针对所述N3个第二特征中的每个第三特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定所述第三评估值。
根据本公开的实施例,上述用户行为数据包括以下至少一个:用户针对第一类别物品和第二类别物品的搜索数据、用户针对第一类别物品和第二类别物品的评论数据、用户针对第一类别物品和第二类别物品的投诉数据。所述N1个第一特征包括以下至少一个:物品功能特征、物品使用场景特征、用户针对物品的情感特征、用户针对物品的情感程度特征。
根据本公开的实施例,上述物品需求数据包括以下至少一个:物品生产数量数据、物品销量数据、物品的市场需求趋势数据。所述N2个第二特征包括以下至少一个:热点物品信息特征、周期性的物品功能特征、非周期性的物品功能特征、物品收益特征。
根据本公开的实施例,上述物品属性数据包括以下至少一个:物品图片数据、物品标题数据、物品信息描述数据。所述N3个第三特征包括物品功能描述特征。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例,利用上述物品需求的处理方法或装置可以至少部分地解决相关技术中物品需求评估成本高昂、效率较低、评估结果过于依赖人为主观性的问题,并因此可以实现通过对用户行为数据、物品需求数据、物品属性数据进行处理,得到针对物品的评估值,便于基于评估值确定物品的需求程度,使得评估值更加精准、有效、客观的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的物品需求的处理方法和装置的系统架构;
图2示意性示出了根据本公开实施例的物品需求的处理方法的流程图;
图3示意性示出了根据本公开实施例的物品需求的处理方法的示意图;
图4示意性示出了根据本公开实施例的确定多个评估值的流程图;
图5示意性示出了根据本公开实施例的物品需求的处理装置的框图;
图6示意性示出了根据本公开实施例的处理模块的框图;以及
图7示意性示出了根据本公开实施例的适于评估物品需求的计算机系统的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种由计算设备执行的物品需求的处理方法,包括:从数据存储平台中获取所存储的历史数据,历史数据包括用户行为数据、物品需求数据、物品属性数据,用户行为数据表征了用户针对第一类别物品和第二类别物品的行为,物品需求数据表征了第一类别物品和第二类别物品的关注度,物品属性数据表征了第一类别物品和第二类别物品的属性。处理历史数据,得到针对第一类别物品的多个评估值,多个评估值包括与用户行为数据对应的第一评估值、与物品需求数据对应的第二评估值、与物品属性数据对应的第三评估值。基于多个评估值和与多个评估值一一对应的多个权重值,确定总体评估值,总体评估值表征了第一类别物品的需求情况。
图1示意性示出了根据本公开实施例物品需求的处理方法和装置的系统架构。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的物品需求的处理方法一般可以由服务器105执行。相应地,本公开实施例所提供的物品需求的处理装置一般可以设置于服务器105中。本公开实施例所提供的物品需求的处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的物品需求的处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
例如,本公开实施例的历史数据可以由终端设备101、102、103接收并存储在终端设备101、102、103中,通过终端设备101、102、103将历史数据发送至服务器105中,服务器105可以处理历史数据,得到针对第一类别物品的多个评估值,并基于多个评估值和与多个评估值一一对应的多个权重值,确定总体评估值。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的物品需求的处理方法的流程图。
如图2所示,该方法例如可以包括以下操作S210~操作S230。
图3示意性示出了根据本公开实施例的物品需求的处理方法的示意图。
以下将结合图2和图3来描述操作S210~操作S230。
在操作S210,从数据存储平台中获取所存储的历史数据。
根据本公开实施例,历史数据包括用户行为数据、物品需求数据、物品属性数据。该历史数据可以从数据存储平台中获取,数据存储平台可以是网络平台,网络平台包括但不仅限于电商平台、微博平台、公众号平台。
在本公开实施例中,历史数据包括第一类别物品和第二类别物品的相关数据。第一类别物品为被关注的物品,第二类别物品可以作为参考的物品,该第二类别可以包括多个类别。
在一种示例中,第一类别可以是“手机”类别,第二类别可以包括“耳机”、“电脑”类别等。
在本公开的实施例中,用户行为数据表征了用户针对第一类别物品和第二类别物品的行为,该行为包括但不仅限于搜索行为、评论行为、投诉行为。例如,用户行为数据包括:用户针对第一类别物品和第二类别物品的搜索数据、用户针对第一类别物品和第二类别物品的评论数据、用户针对第一类别物品和第二类别物品的投诉数据。
在本公开的实施例中,物品需求数据表征了第一类别物品和第二类别物品的关注度。该物品需求数据包括:物品生产数量数据、物品销量数据、物品的市场需求趋势数据。即,生产数量、物品销量、市场需求趋势表征了物品的关注度。
在本公开的实施例中,物品属性数据表征了第一类别物品和第二类别物品的属性。物品属性数据包括:物品图片数据、物品标题数据、物品信息描述数据。其中,本公开实施例所指的第一类别物品和第二类别物品可以包括商品。以电商平台中的商品为例,物品的图片数据包括商品的封面图片,物品标题数据包括商品的标题信息,物品信息描述数据包括商品的详情信息。
在操作S220,处理历史数据,得到针对第一类别物品的多个评估值。
多个评估值包括与用户行为数据对应的第一评估值、与物品需求数据对应的第二评估值、与物品属性数据对应的第三评估值。
其中,第一评估值、第二评估值、第三评估值均用于表征对第一类别物品的需求程度。
第一评估值是基于用户行为数据得到的评估值,该第一评估值用于表征对第一类别物品的需求程度,第一评估值越大,在用户层面表征对第一类别物品的需求程度越高。第二评估值是基于物品需求数据得到的评估值,该第二评估值用于表征对第一类别物品的需求程度,第二评估值越大,在市场层面表征对第一类别物品的需求程度越高。第三评估值是基于物品属性数据得到的评估值,该第三评估值用于表征对第一类别物品的需求程度,第三评估值越大,在物品属性层面表征对第一类别物品的需求程度越高。
在操作S230,基于多个评估值和与多个评估值一一对应的多个权重值,确定总体评估值,总体评估值表征了第一类别物品的需求情况。
例如,第一评估值对应第一权重,第二评估值对应第二权重,第三评估值对应第三权重,基于各个权重分别对相应的评估值进行加权求和,得到总体评估值,基于该总体评估值可以确定对第一类别物品的需求情况。其中,总体评估值越大,在用户、市场、物品的总体层面表示对第一类别物品的需求程度越高。
在一种实施例中,当需要推广、生产或销售第一类别物品之前,可以获取历史数据,该历史数据包括第一类别物品的相关数据以及第二类别物品的相关数据。然后处理历史数据得到针对该第一类别物品的多个评估值,该多个评估值从不同的方面表征了第一类别物品的需求程度。基于多个评估值和对应的权重确定总体评估值,以便基于总体评估值来确定是否需要推广、生产或销售第一类别物品。例如,当需要推广、生产或销售某一“手机”之前,可以处理历史数据得知用户或市场对各种“手机”的相关评估,便于基于用户或市场对各种“手机”的相关评估来确定待推广、待生产或待销售的某一“手机”的需求程度,以便确定是否继续推广、生产或销售该某一“手机”。其中,某一“手机”和各种“手机”均属于第一类别物品。
可以理解,本公开的实施例通过获取并处理历史数据得到针对第一类别物品的多个评估值,并基于相应的权重对多个评估值进行加权求和得到总体评估值,便于基于总体评估值来确定对第一类别物品的需求程度。其中,历史数据中包括用户行为数据、物品需求数据、物品属性数据三种类型的数据,基于该三种类型的数据得到的总体评估值更加精准、客观地表征对第一类别物品的需求程度。
图4示意性示出了根据本公开实施例的确定多个评估值的流程图。
如图4所示,上述操作S220中关于处理历史数据,得到针对第一类别物品的多个评估值例如包括操作S221~操作S223。
在操作S221,处理历史数据,得到N个特征,N为大于等于3的整数。
例如,处理用户行为数据得到N1个第一特征,处理物品需求数据得到N2个第二特征,处理物品属性数据得到N3个第三特征,其中且N1+N2+N3=N。
在操作S222,确定N个特征中每个特征出现的时间、出现的次数和关联度,其中,关联度表征了每个特征与第一类别物品或第二类别物品关联。
例如,以处理用户行为数据得到一个第一特征“续航能力”为例,第一特征“续航能力”出现的时间例如为用户搜索关于续航能力的时间、评论关于续航能力的时间、或者投诉关于续航能力的时间。特征“续航能力”出现的次数为被用户搜索、评论、或投诉的次数。关联度表征了每一次该特征“续航能力”出现时是针对第一类别物品还是针对第二类别物品的。以第一类别物品为“手机”、第二类别物品为“电脑”为例,关联度表征特征“续航能力”每次出现时是表示手机的续航能力或者电脑的续航能力。
在操作S223,基于每个特征出现的时间、出现的次数和关联度,确定多个评估值。
例如,基于N1个第一特征中每个第一特征出现的时间、出现的次数和关联度来确定第一评估值。基于N2个第二特征中每个第二特征出现的时间、出现的次数和关联度来确定第二评估值。基于N3个第三特征中每个第三特征出现的时间、出现的次数和关联度来确定第三评估值。
根据本公开的实施例,上述操作S222中关于确定N个特征中每个特征出现的时间、出现的次数和关联度,包括针对每个特征执行以下操作:
首先,确定针对特征的M个出现次数,其中,M个出现次数与M个时间段一一对应,每个出现次数表征特征在对应的时间段内出现的次数,M为大于等于1的整数。每个时间段例如为1天、1个月、1年等等。
以每个时间段为1个月为例,当历史数据包括过去一年的数据时,M个时间段为12个月,即M为12。M个出现次数例如为该特征在过去12个月中每个月出现的次数,即得到12个出现次数。例如该特征在过去12个月分别出现的次数为a1次、a2次、a3次、……、a12次,则M=12个出现次数分别为a1次、a2次、a3次、……、a12次。其中,该特征在每一时间段出现的次数越多,表明该特征的重要性越大。
然后,确定针对特征的M个关联度,其中,M个关联度与M个时间段一一对应,每个关联度表征特征与第一类别物品关联出现的次数和总次数之间的比值,总次数表征了特征与第一类别物品关联出现的次数和特征与第二类别物品关联出现的次数之和。
以过去12个月中的1个月为例,以特征为“续航能力”为例,以第一类别物品为“手机”、第二类别物品为“电脑”、“充电宝”为例。该特征“续航能力”在该1个月内出现的总次数为a1次,该特征“续航能力”出现a11次为“手机”的续航能力,出现a12次为“电脑”或“充电宝”的续航能力,其中,a1=a11+a12。则针对该1个月的关联度为a11/a1。类似地,可以得到与12个月一一对应的12个关联度。其中,关联度越大,表明该特征与第一类别物品越紧密。
根据本公开的实施例,上述操作S223中关于基于每个特征出现的时间、出现的次数和关联度,确定多个评估值包括以下步骤(1)~(3)。
(1)参考以下公式1,针对N1个第一特征中的每个第一特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定第一评估值u。
其中,i为时间段,i的取值范围例如为1至12;为时间系数,fu_i表示在第i个时间段内每个第一特征出现的次数,idfu_i表示在第i个时间段内每个第一特征的关联度。针对每个第一特征,将时间系数、出现次数、关联度进行相乘计算,得到每个第一特征的评估值,并将N1个第一特征的评估值进行和计算得到第一评估值u。
(2)参考以下公式2,针对N2个第二特征中的每个第二特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定第二评估值m。
其中,i为时间段,i的取值范围例如为1至12;为时间系数,fm_i表示在第i个时间段内每个第二特征出现的次数,idfm_i表示在第i个时间段内每个第二特征的关联度。针对每个第二特征,将时间系数、出现次数、关联度进行相乘计算,得到每个第二特征的评估值,并将N2个第二特征的评估值进行和计算得到第二评估值m。
(3)参考以下公式3,针对N3个第三特征中的每个第三特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定第三评估值p。
其中,i为时间段,i的取值范围例如为1至12;为时间系数,fp_i表示在第i个时间段内每个第三特征出现的次数,idfp_i表示在第i个时间段内每个第三特征的关联度。针对每个第三特征,将时间系数、出现次数、关联度进行相乘计算,得到每个第三特征的评估值,并将N3个第三特征的评估值进行和计算得到第三评估值p。
在本公开的实施例中,针对每个第一特征、每个第二特征或者每个第三特征,在利用上述公式1、公式2或公式3进行计算之前,可以衡量每个特征的重要性、置信度或影响度,并根据重要性、置信度或影响度对每个特征赋予相应的权重,利用每个特征对应的权重对该特征的特征值进行加权之后得到加权后的特征值,并将加权后的特征值输入至公式1、公式2或公式3进行计算。例如,根据用户行为的置信度对每个第一特征进行赋权,根据市场需求的影响度对每个第二特征进行赋权,根据物品属性的重要度和置信度对每个第三特征进行赋权。
如上文所提及的,用户行为数据例如包括:用户针对第一类别物品和第二类别物品的搜索数据、用户针对第一类别物品和第二类别物品的评论数据、用户针对第一类别物品和第二类别物品的投诉数据。本公开实施例可以基于用户行为数据得到N1个第一特征。其中,N1个第一特征例如包括但不仅限于:物品功能特征、物品使用场景特征、用户针对物品的情感特征、用户针对物品的情感程度特征。
在本公开的实施例中,可以利用文本解析技术解析用户行为数据得到物品功能特征,或者利用文本挖掘技术挖掘用户行为数据得到物品功能特征。物品功能特征包括但不仅限于“续航能力”、“屏幕亮度”。
利用自然语言处理中的实体识别技术处理用户行为数据得到物品使用场景特征。物品使用场景特征包括但不仅限于“长途旅程使用的续航能力差”、“晚上使用时屏幕刺眼”。
利用情感识别技术处理用户行为数据得到用户针对物品的情感特征,用户针对物品的情感特征包括但不仅限于正向情感“晚上使用时屏幕不刺眼”、负向情感“晚上使用时屏幕刺眼”。
利用句法分析技术处理用户行为数据得到用户针对物品的情感程度特征,用户针对物品的情感程度特征包括但不仅限于“一点都不刺眼”、“非常刺眼”。
在本公开的实施例中,N1个第一特征还反映了用户对第一类别物品或第二类别物品的满意情况和不满意情况,用户的不满意情况可以反映针对物品的改进点和新需求。当需要推广、生产或销售第一类别物品之前,可以基于N1个第一特征所表征的改进点和新需求进行改良物品。另外,用户行为数据更多地反映用户对物品的需求程度,根据第一特征以及第一评估值,可以较准确地确定物品的市场需求,从而带来更大的效益。
如上文所提及的,物品需求数据包括:物品生产数量数据、物品销量数据、物品的市场需求趋势数据。在本公开实施例可以基于物品需求数据得到N2个第二特征。其中,N2个第二特征包括但不仅限于:热点物品信息特征、周期性的物品功能特征、非周期性的物品功能特征、物品收益特征。
利用异常检测技术处理物品需求数据得到热点物品信息特征,热点物品信息特征包括但不仅限于“全面屏”。该热点物品信息特征表征了市场需求的增长点。
利用时序分析技术处理物品需求数据得到周期性的物品功能特征和非周期性的物品功能特征。周期性的物品功能特征包括但不仅限于“冬天续航时间短”、“夏天续航时间长”。非周期性的物品功能特征包括但不仅限于“屏幕触摸舒适”。其中,周期性的物品功能特征更多地体现了客观因素的影响(例如时间因素),而非周期性的功能特征更多地体现了物品本身的特征。在利用上述公式2计算第二评估值时,可以利用上述公式2来处理非周期性的功能特征。在处理周期性的物品功能特征时,可以修改公式2中的时间系数类型,使得修改后的时间系数类型为周期系数类型。物品收蔬特征可以由物品的销量和成交总额GMV确定,该物品收益特征可以表征推广、生产、销售该物品的收益情况。
在本公开的实施例中,物品需求数据反映了市场的需求,因此,物品需求数据更多地反映了行业大盘动向,在一定程度上反映了用户需求点的漂移趋势。可以根据潮流的动向,定制相关的蹭热点物品。这些热点可能是国内某些人或事兴起的(如:XXX明星同款等),也可能是国外的爆款商品(如:曾经的XX国家防潮鞋等)。利用潮流定制新物品,解决用户需求的同时也能起到宣传推广物品效果的作用。
如上文所提及的,物品属性数据包括:物品图片数据、物品标题数据、物品信息描述数据。在本公开实施例可以基于物品属性数据得到N3个第三特征。其中,N3个第三特征包括但不仅限于物品功能描述特征。
利用OCR(Optical Character Recognition)识别技术识别图片中的文本,基于文本挖掘解析技术针对所识别的文本获取物品功能描述特征(需求点),并使用统计学习方法对物品功能描述特征(需求点)进行重要度评估。利用图像匹配及图像文本生成技术分析图片,得到满足用户需求的物品功能描述特征(核心点),利用高阶网络特征对物品功能描述特征(核心点)进行重要度评估。其中,需求点和核心点例如均为物品功能描述特征,需求点反映了物品的重要卖点特征,核心点反映了物品的功能亮点特征。
利用词法分析解析物品标题,提取其中满足用户需求的物品功能描述特征(物品核心点),利用特征关联分析技术处理物品信息描述数据,得到物品属性的置信度。
其中,物品功能描述特征的重要度和置信度可以作为对每个第三特征进行权重赋权的参考,如果某一第三特征的重要度或置信度较高,则针对该第三特征所赋的权重较大。
在本公开的实施例中,物品属性数据更多地反映竞争对手之间的差异性。针对竞争对手的物品(第一类别物品),根据得到的重要度或置信度较高的第三特征与自有的待推广物品的特征进行对比,以定制与竞争对手物品相关的竞品,便于开拓或扩大自有物品的市场占有比例。
本公开实施例的物品需求的处理方法具有成本可控、数据为主、效率高、需求覆盖面广的优势。其中,成本可控体现在一次开发该评估方法之后可重复利用,后期维护成本较低。数据为主体现在评估结果来源于数据,关于物品的评估建议有据可循,降低对人为主观判断的依赖性。效率高体现在高并发处理数据,输出结果周期短。需求覆盖面广体现在该评估方法可设置为周期任务,周期可根据需求调整,自动触发并生成结果,避免遗漏相关需求。
本公开的实施例考虑多种类型的数据,例如用户行为数据、物品需求数据、物品属性数据。用户行为数据反映了用户对物品的满意程度,对物品的改进点和渴望程度。物品需求数据反映了市场需求的漂移趋势和发展趋势等。物品属性数据反映了用户之前的需求和商家对用户现有及未来需求的预判。基于用户行为数据、物品需求数据、物品属性数据得到的物品评估值更加精准、有效、客观。
图5示意性示出了根据本公开实施例的物品需求的处理装置的框图。
如图5所示,物品需求的处理装置500例如包括获取模块510、处理模块520以及确定模块530。
获取模块510可以用于从数据存储平台中获取所存储的历史数据,其中,历史数据包括用户行为数据、物品需求数据、物品属性数据,用户行为数据表征了用户针对第一类别物品和第二类别物品的行为,物品需求数据表征了第一类别物品和第二类别物品的关注度,物品属性数据表征了第一类别物品和第二类别物品的属性。根据本公开实施例,获取模块510例如可以执行上文参考图2描述的操作S210,在此不再赘述。
处理模块520可以用于处理历史数据,得到针对第一类别物品的多个评估值,其中,多个评估值包括与用户行为数据对应的第一评估值、与物品需求数据对应的第二评估值、与物品属性数据对应的第三评估值。根据本公开实施例,处理模块520例如可以执行上文参考图2描述的操作S220,在此不再赘述。
确定模块530可以用于基于多个评估值和与多个评估值一一对应的多个权重值,确定总体评估值,总体评估值表征了第一类别物品的需求情况。根据本公开实施例,确定模块530例如可以执行上文参考图2描述的操作S230,在此不再赘述。
图6示意性示出了根据本公开实施例的处理模块的框图。
如图6所示,处理模块520例如包括处理子模块521、第一确定子模块522以及第二确定子模块523。
处理子模块521可以用于处理历史数据,得到N个特征,N为大于等于3的整数。根据本公开实施例,处理子模块521例如可以执行上文参考图4描述的操作S221,在此不再赘述。
第一确定子模块522可以用于确定N个特征中每个特征出现的时间、出现的次数和关联度,其中,关联度表征了每个特征与第一类别物品或第二类别物品关联。根据本公开实施例,第一确定子模块522例如可以执行上文参考图4描述的操作S222,在此不再赘述。
第二确定子模块523可以用于基于每个特征出现的时间、出现的次数和关联度,确定多个评估值。根据本公开实施例,第二确定子模块523例如可以执行上文参考图4描述的操作S223,在此不再赘述。
根据本公开的实施例,第一确定子模块522还用于,针对每个特征:确定针对特征的M个出现次数,其中,M个出现次数与M个时间段一一对应,每个出现次数表征特征在对应的时间段内出现的次数,M为大于等于1的整数,确定针对特征的M个关联度,其中,M个关联度与M个时间段一一对应,每个关联度表征特征与第一类别物品关联出现的次数和总次数之间的比值,总次数表征了特征与第一类别物品关联出现的次数和特征与第二类别物品关联出现的次数之和。
根据本公开的实施例,N个特征包括N1个第一特征、N2个第二特征、N3个第三特征,N1、N2、N3均为大于等于1的整数,且N1+N2+N3=N。基于每个特征出现的时间、出现的次数和关联度,确定多个评估值包括:针对N1个第一特征中的每个第一特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定第一评估值,针对N2个第二特征中的每个第二特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定第二评估值,针对N3个第二特征中的每个第三特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定第三评估值。
根据本公开的实施例,用户行为数据包括以下至少一个:用户针对第一类别物品和第二类别物品的搜索数据、用户针对第一类别物品和第二类别物品的评论数据、用户针对第一类别物品和第二类别物品的投诉数据。N1个第一特征包括以下至少一个:物品功能特征、物品使用场景特征、用户针对物品的情感特征、用户针对物品的情感程度特征。
根据本公开的实施例,物品需求数据包括以下至少一个:物品生产数量数据、物品销量数据、物品的市场需求趋势数据。N2个第二特征包括以下至少一个:热点物品信息特征、周期性的物品功能特征、非周期性的物品功能特征、物品收益特征。
根据本公开的实施例,物品属性数据包括以下至少一个:物品图片数据、物品标题数据、物品信息描述数据。N3个第三特征包括物品功能描述特征。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,第一获取模块310、处理模块320、第二获取模块330以及训练模块340中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,第一获取模块310、处理模块320、第二获取模块330以及训练模块340中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一获取模块310、处理模块320、第二获取模块330以及训练模块340中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图7示意性示出了根据本公开实施例的适于评估物品需求的计算机系统的方框图。图7示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,根据本公开实施例的计算机系统700包括处理器701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分706加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 703中,存储有系统700操作所需的各种程序和数据。处理器701、ROM 702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,程序也可以存储在除ROM702和RAM703以外的一个或多个存储器中。处理器701也可以通过执行存储在一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,系统700还可以包括输入/输出(I/O)接口705,输入/输出(I/O)接口705也连接至总线704。系统700还可以包括连接至I/O接口705的以下部件中的一项或多项:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是计算机非易失性的计算机可读存储介质,例如可以可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种由计算设备执行的物品需求的处理方法,包括:
从数据存储平台中获取所存储的历史数据,其中,所述历史数据包括用户行为数据、物品需求数据、物品属性数据,所述用户行为数据表征了用户针对第一类别物品和第二类别物品的行为,所述物品需求数据表征了所述第一类别物品和所述第二类别物品的关注度,所述物品属性数据表征了所述第一类别物品和所述第二类别物品的属性;
处理所述历史数据,得到针对所述第一类别物品的多个评估值,其中,所述多个评估值包括与所述用户行为数据对应的第一评估值、与所述物品需求数据对应的第二评估值、与所述物品属性数据对应的第三评估值;以及
基于所述多个评估值和与所述多个评估值一一对应的多个权重值,确定总体评估值,所述总体评估值表征了所述第一类别物品的需求情况。
2.根据权利要求1所述的方法,其中,所述处理所述历史数据,得到针对所述第一类别物品的多个评估值包括:
处理所述历史数据,得到N个特征,N为大于等于3的整数;
确定所述N个特征中每个特征出现的时间、出现的次数和关联度,其中,所述关联度表征了每个特征与所述第一类别物品或所述第二类别物品关联;以及
基于每个特征出现的时间、出现的次数和关联度,确定所述多个评估值。
3.根据权利要求2所述的方法,其中,所述确定所述N个特征中每个特征出现的时间、出现的次数和关联度包括,针对每个特征:
确定针对所述特征的M个出现次数,其中,所述M个出现次数与M个时间段一一对应,每个出现次数表征所述特征在对应的时间段内出现的次数,M为大于等于1的整数;以及
确定针对所述特征的M个关联度,其中,所述M个关联度与所述M个时间段一一对应,每个关联度表征所述特征与所述第一类别物品关联出现的次数和总次数之间的比值,所述总次数表征了所述特征与所述第一类别物品关联出现的次数和所述特征与所述第二类别物品关联出现的次数之和。
4.根据权利要求3所述的方法,其中,所述N个特征包括N1个第一特征、N2个第二特征、N3个第三特征,N1、N2、N3均为大于等于1的整数,且N1+N2+N3=N;所述基于每个特征出现的时间、出现的次数和关联度,确定所述多个评估值包括:
针对所述N1个第一特征中的每个第一特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定所述第一评估值;
针对所述N2个第二特征中的每个第二特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定所述第二评估值;以及
针对所述N3个第二特征中的每个第三特征,基于与M个时间段相关联的时间系数、M个出现次数、M个关联度,确定所述第三评估值。
5.根据权利要求4所述的方法,其中:
所述用户行为数据包括以下至少一个:用户针对第一类别物品和第二类别物品的搜索数据、用户针对第一类别物品和第二类别物品的评论数据、用户针对第一类别物品和第二类别物品的投诉数据;
所述N1个第一特征包括以下至少一个:物品功能特征、物品使用场景特征、用户针对物品的情感特征、用户针对物品的情感程度特征。
6.根据权利要求4所述的方法,其中:
所述物品需求数据包括以下至少一个:物品生产数量数据、物品销量数据、物品的市场需求趋势数据;
所述N2个第二特征包括以下至少一个:热点物品信息特征、周期性的物品功能特征、非周期性的物品功能特征、物品收益特征。
7.根据权利要求4所述的方法,其中:
所述物品属性数据包括以下至少一个:物品图片数据、物品标题数据、物品信息描述数据;
所述N3个第三特征包括物品功能描述特征。
8.一种物品需求的处理装置,包括:
获取模块,用于从数据存储平台中获取所存储的历史数据,其中,所述历史数据包括用户行为数据、物品需求数据、物品属性数据,所述用户行为数据表征了用户针对第一类别物品和第二类别物品的行为,所述物品需求数据表征了所述第一类别物品和所述第二类别物品的关注度,所述物品属性数据表征了所述第一类别物品和所述第二类别物品的属性;
处理模块,用于处理所述历史数据,得到针对所述第一类别物品的多个评估值,其中,所述多个评估值包括与所述用户行为数据对应的第一评估值、与所述物品需求数据对应的第二评估值、与所述物品属性数据对应的第三评估值;以及
确定模块,用于基于所述多个评估值和与所述多个评估值一一对应的多个权重值,确定总体评估值,所述总体评估值表征了所述第一类别物品的需求情况。
9.一种计算设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011341743.7A CN112348594A (zh) | 2020-11-25 | 2020-11-25 | 物品需求的处理方法、装置、计算设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011341743.7A CN112348594A (zh) | 2020-11-25 | 2020-11-25 | 物品需求的处理方法、装置、计算设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112348594A true CN112348594A (zh) | 2021-02-09 |
Family
ID=74365631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011341743.7A Pending CN112348594A (zh) | 2020-11-25 | 2020-11-25 | 物品需求的处理方法、装置、计算设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348594A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113988152A (zh) * | 2021-09-23 | 2022-01-28 | 北京达佳互联信息技术有限公司 | 用户类型预测模型训练方法、资源分配方法、介质及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617548A (zh) * | 2013-12-06 | 2014-03-05 | 李敬泉 | 一种趋势性、周期性商品的中长期需求预测方法 |
CN103617458A (zh) * | 2013-12-06 | 2014-03-05 | 李敬泉 | 一种短期商品需求预测方法 |
CN104517224A (zh) * | 2014-12-22 | 2015-04-15 | 浙江工业大学 | 一种网络热销商品的预测方法及系统 |
CN105528374A (zh) * | 2014-10-21 | 2016-04-27 | 苏宁云商集团股份有限公司 | 一种电子商务中的商品推荐方法及其系统 |
CN106447144A (zh) * | 2015-08-07 | 2017-02-22 | 阿里巴巴集团控股有限公司 | 一种目标对象的评估方法及装置 |
CN107562818A (zh) * | 2017-08-16 | 2018-01-09 | 中国工商银行股份有限公司 | 信息推荐系统及方法 |
CN108647312A (zh) * | 2018-05-10 | 2018-10-12 | 佛山欧神诺云商科技有限公司 | 一种用户偏好分析方法及其装置 |
CN109919728A (zh) * | 2019-03-12 | 2019-06-21 | 贵州大学 | 一种微商城的商品推荐方法 |
CN110516033A (zh) * | 2018-05-04 | 2019-11-29 | 北京京东尚科信息技术有限公司 | 一种计算用户偏好的方法和装置 |
CN111859139A (zh) * | 2020-07-27 | 2020-10-30 | 中国工商银行股份有限公司 | 应用程序推荐方法、装置、计算设备和介质 |
CN111967924A (zh) * | 2019-05-20 | 2020-11-20 | 北京京东尚科信息技术有限公司 | 商品推荐方法、商品推荐装置、计算机设备和介质 |
-
2020
- 2020-11-25 CN CN202011341743.7A patent/CN112348594A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617548A (zh) * | 2013-12-06 | 2014-03-05 | 李敬泉 | 一种趋势性、周期性商品的中长期需求预测方法 |
CN103617458A (zh) * | 2013-12-06 | 2014-03-05 | 李敬泉 | 一种短期商品需求预测方法 |
CN105528374A (zh) * | 2014-10-21 | 2016-04-27 | 苏宁云商集团股份有限公司 | 一种电子商务中的商品推荐方法及其系统 |
CN104517224A (zh) * | 2014-12-22 | 2015-04-15 | 浙江工业大学 | 一种网络热销商品的预测方法及系统 |
CN106447144A (zh) * | 2015-08-07 | 2017-02-22 | 阿里巴巴集团控股有限公司 | 一种目标对象的评估方法及装置 |
CN107562818A (zh) * | 2017-08-16 | 2018-01-09 | 中国工商银行股份有限公司 | 信息推荐系统及方法 |
CN110516033A (zh) * | 2018-05-04 | 2019-11-29 | 北京京东尚科信息技术有限公司 | 一种计算用户偏好的方法和装置 |
CN108647312A (zh) * | 2018-05-10 | 2018-10-12 | 佛山欧神诺云商科技有限公司 | 一种用户偏好分析方法及其装置 |
CN109919728A (zh) * | 2019-03-12 | 2019-06-21 | 贵州大学 | 一种微商城的商品推荐方法 |
CN111967924A (zh) * | 2019-05-20 | 2020-11-20 | 北京京东尚科信息技术有限公司 | 商品推荐方法、商品推荐装置、计算机设备和介质 |
CN111859139A (zh) * | 2020-07-27 | 2020-10-30 | 中国工商银行股份有限公司 | 应用程序推荐方法、装置、计算设备和介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113988152A (zh) * | 2021-09-23 | 2022-01-28 | 北京达佳互联信息技术有限公司 | 用户类型预测模型训练方法、资源分配方法、介质及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111125574B (zh) | 用于生成信息的方法和装置 | |
CN107679217B (zh) | 基于数据挖掘的关联内容提取方法和装置 | |
US20130339350A1 (en) | Ranking Search Results Based on Click Through Rates | |
US20200234218A1 (en) | Systems and methods for entity performance and risk scoring | |
CN109388548B (zh) | 用于生成信息的方法和装置 | |
CN113592535A (zh) | 一种广告推荐方法、装置、电子设备和存储介质 | |
CN113327151A (zh) | 商品对象推荐方法、装置、计算机设备及存储介质 | |
CN112650942A (zh) | 产品推荐方法、装置、计算机系统和计算机可读存储介质 | |
WO2022156589A1 (zh) | 一种直播点击率的确定方法和装置 | |
CN109978594B (zh) | 订单处理方法、装置及介质 | |
US20170193539A1 (en) | Time-value estimation method and system for sharing environment | |
CN113392200A (zh) | 基于用户学习行为的推荐方法及装置 | |
CN111126649A (zh) | 用于生成信息的方法和装置 | |
CN117573973A (zh) | 资源推荐方法、装置、电子设备以及存储介质 | |
CN112348594A (zh) | 物品需求的处理方法、装置、计算设备和介质 | |
WO2020150597A1 (en) | Systems and methods for entity performance and risk scoring | |
CN107357847B (zh) | 数据处理方法及其装置 | |
CN113159877B (zh) | 数据处理方法、装置、系统、计算机可读存储介质 | |
CN114549125A (zh) | 物品推荐方法及装置、电子设备和计算机可读存储介质 | |
CN113391988A (zh) | 流失用户留存的方法、装置、电子设备及存储介质 | |
CN113515713B (zh) | 网页缓存策略生成方法及装置、网页缓存方法及装置 | |
CN114637921B (zh) | 基于建模偶然不确定性的物品推荐方法、装置和设备 | |
CN113360765B (zh) | 事件信息的处理方法、装置、电子设备和介质 | |
CN109426978A (zh) | 用于生成信息的方法和装置 | |
CN118195783A (zh) | 产品推荐方法、装置、设备、存储介质及程序产品 |
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 |