CN112380419B - 一种竞品数据查询方法、系统及电子设备 - Google Patents
一种竞品数据查询方法、系统及电子设备 Download PDFInfo
- Publication number
- CN112380419B CN112380419B CN202011182978.6A CN202011182978A CN112380419B CN 112380419 B CN112380419 B CN 112380419B CN 202011182978 A CN202011182978 A CN 202011182978A CN 112380419 B CN112380419 B CN 112380419B
- Authority
- CN
- China
- Prior art keywords
- bid data
- attribute information
- order
- classification attribute
- users
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005070 sampling Methods 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 12
- 239000013598 vector Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书一个或多个实施例提供一种竞品数据查询方法、系统及电子设备，所述方法包括：获取指定范围内多个用户的竞品数据；设定至少一种归类属性信息；生成对应所述归类属性信息的次序刻度表；接收来自客户端的竞品数据查询请求；向所述客户端返回与所述归类属性信息对应的次序刻度表。通过本方法，在确保竞品查询准确性的同时，减少服务压力，为客户带来更佳体验。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种竞品数据查询方法、系统及电子设备。
背景技术
竞品数据查询是一种当下非常重要的互联网产品功能，该功能能够让客户了解自身在群体中的表现，同时激发客户购买欲望。竞品排名往往展示的不是详细排名名次，大部分都是排名占位展示。
常规的竞品数据查询技术方案，首先，定期获取海量待排序信息(例如保障信息)；其次，使用经典排序算法进行排序；最后，根据排序结果计算个人排名占比。并由客户发起个人查询请求；客户端展现由服务器返回个人排名占比情况。为了准确并及时展示个人竞品排序结果，难点在于如何及时进行全量竞品数据排序，虽然有诸如插入排序、选择排序和交换排序等传统排序算法解决该问题，但当数据量到达海量(比如上亿级别)时，这种常规方式会给系统资源开销带来较大的挑战。
因此，需要一种新的竞品数据查询方法，使其能够确定查询准确性的同时，智能化减少服务压力，为客户带来更佳体验。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种竞品数据查询方法、系统及电子设备，能够确定查询准确性的同时，智能化减少服务压力。
基于上述目的，本说明书一个或多个实施例提供了一种竞品数据查询方法，包括：
获取指定范围内多个用户的竞品数据；
设定至少一种第一归类属性信息；
针对每一种所述第一归类属性信息，从所述多个用户的竞品数据中提取满足所述第一归类属性信息的至少一个目标用户的竞品数据，对所述至少一个目标用户的竞品数据进行排序，记录排序后所述至少一个目标用户的次序以及对应排序数值，并根据所述至少一个目标用户的次序以及对应排序数值生成对应所述第一归类属性信息的次序刻度表；
接收来自客户端的竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息；
向所述客户端返回与所述第二归类属性信息对应的次序刻度表。
进一步的，一种竞品数据查询方法，包括：
向服务器发送竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息；
从服务器接收与所述第二归类属性信息对应的次序刻度表；
将用户当前的个人竞品数据与所述次序刻度表中的排序数值进行比较计算，确定所述个人竞品数据在所述次序刻度表中的位置；
根据所述位置，确定并显示所述个人竞品数据在所述第二归类属性信息中的占比。
基于同一发明构思，本说明书一个或多个实施例还提供了一种竞品数据查询系统，包括：
服务器模块：用于获取指定范围内多个用户的竞品数据；设定至少一种第一归类属性信息；针对每一种所述第一归类属性信息，从所述多个用户的竞品数据中提取满足所述第一归类属性信息的至少一个目标用户的竞品数据，对所述至少一个目标用户的竞品数据进行排序，记录排序后所述至少一个目标用户的次序以及对应排序数值，并根据所述至少一个目标用户的次序以及对应排序数值生成对应所述第一归类属性信息的次序刻度表；接收来自客户端的竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息；向所述客户端返回与所述第二归类属性信息对应的次序刻度表；
客户端模块：用于向服务器发送竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息；从服务器接收与所述第二归类属性信息对应的次序刻度表；将用户当前的个人竞品数据与所述次序刻度表中的排序数值进行比较计算，确定所述个人竞品数据在所述次序刻度表中的位置；根据所述位置，确定并显示所述个人竞品数据在所述第二归类属性信息中的占比。
基于同一发明构思，本说明书一个或多个实施例还提供了一种电子设备，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，所述处理器执行所述程序时实现如上任意一项所述的方法。
从上面所述可以看出，本发明提供的一种竞品数据查询方法，通过次序刻度表完成竞品数据查询，有效保障排名精度，增强客户端体验；有效提升系统使用率，大幅度降低系统计算压力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个或多个实施例的可由服务器执行的竞品数据查询方法流程图；
图2为本发明一个或多个实施例的可由客户端执行的竞品数据查询方法流程图；
图3为本发明一个或多个实施例中预测次序刻度表更新时间的流程图；
图4为本发明一个或多个实施例的竞品数据查询系统结构示意图；
图5为本发明一个或多个实施例的电子设备结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
如背景技术部分所述，现有的竞品数据查询方法还难以满足需要。申请人在实现本公开的过程发现，现有的竞品数据查询方法存在的问题在于:客户端展现结果与服务器过度“紧耦合”，极易造成客户体验不佳；常规的排序算法在处理庞大的数据时会给系统资源开销带来较大的挑战。
有鉴于此，本说明书一个或多个实施例提供了一种竞品数据查询方法，采用基于次序刻度表的竞品查询方法设计向客户端提供更好的排序结果信息，有效的提高客户查询个人竞品占比的精度，提升客户端的体验，同时能够降低系统计算压力。
在本说明书的实施例中，上述竞品数据是指竞争的产品所包含的相关数据，利用竞品数据可以对现有或者潜在的竞争产品优势劣势进行判断，用户可以通过自己的竞品数据，了解在群体中的表现。
以下结合附图，详细说明本说明书实施例提供的技术方案。
在一方面，本发明实施例提供了一种竞品数据查询方法，该方法可以由服务器执行。
如图1所示，本实施例的竞品数据查询方法，包括：
S101：获取指定范围内多个用户的竞品数据。
本步骤中，指定范围可以为北京市市民的重疾保障、上海市市民的医疗保障等确定的范围。
S102：设定至少一种第一归类属性信息。
本步骤中，所述第一归类属性信息是指将所述竞品数据按不同分类方式进行分类，例如第一归类属性信息为城市信息，以取北京重疾险保障值排序为例，北京：<1,0>,<2,0>,<3,2>,<4,3>,<5,4>…<12222002,1200000>。
S103：针对每一种所述第一归类属性信息，从所述多个用户的竞品数据中提取满足所述第一归类属性信息的至少一个目标用户的竞品数据，对所述至少一个目标用户的竞品数据进行排序，记录排序后所述至少一个目标用户的次序以及对应排序数值，并根据所述至少一个目标用户的次序以及对应排序数值生成对应所述第一归类属性信息的次序刻度表。
本步骤中，根据所述至少一个目标用户的次序以及对应排序数值生成对应所述第一归类属性信息的次序刻度表具体包括：
根据预先设定的采样数，确定在排序后所述至少一个目标用户的次序以及对应排序数值中多个被采样用户的次序。
所述多个被采样用户的次序的计算方法为：
NS＝(N/S)×i
其中，NS代表第i个被采样用户的次序；N代表所述目标用户的总数；S表示所述预先设定的采样数。
根据所述多个被采样用户的次序，获取对应的排序数值，得到多个采样结果。
以下通过具体举例对生成次序刻度表的过程进行描述：
以取北京重疾险保障次序刻度表为例：
首先，确定被采样用户的次序：12222002/100*1＝122220，
12222002/100*2＝244440，
…
12222002/100*100＝12222002。
其次，根据被采样用户的次序确定采样对应的保障值，如下所示，
| 名次 | 保障值 |
| 1 | 0 |
| 2 | 0 |
| … | … |
| 122220 | 25.2 |
| 122221 | 25.3 |
| … | … |
| 233339 | 500 |
| … | … |
| 366660 | 8002 |
| 366661 | 8002.5 |
| … | … |
| … | … |
| 12222002 | 1200000 |
最后，确定100个值的次序刻度表，形式为：北京：<25.2,501,8002,…1200000>。
S104：接收来自客户端的竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息。
S105：向所述客户端返回与所述第二归类属性信息对应的次序刻度表。
在另一方面，结合附图2，本发明实施例提供了一种竞品数据查询方法，该方法可以由客户端执行。
S201：向服务器发送竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息。
S202：从服务器接收与所述第二归类属性信息对应的次序刻度表。
S203：将用户当前的个人竞品数据与所述次序刻度表中的排序数值进行比较计算，确定所述个人竞品数据在所述次序刻度表中的位置。
S204：根据所述位置，确定并显示所述个人竞品数据在所述第二归类属性信息中的占比，即个人竞品占比。
例如，以北京客户查找重疾险竞品保障值为例：
从服务器获取的刻度表为：北京<25.2,501,8002,…,20030,…,1200000>
假设北京某客户C保障值为550，最多顺序读取3次停止，则排名占比为2％；
假设北京某客户E保障值为1250000，最多读取全部刻度表(即100次)，则排名占比100％；
如图3所示，在一些可选实施例的竞品数据查询方法中，向所述客户端返回与所述第二归类属性信息对应的次序刻度表之后还包括：
S301：定义相关特征和标签，并使用回归算法和回归损失函数进行最优化模型训练，得到作业预测模型。
本步骤中，所述作业预测模型构建可采用较大周期的时间阶段(例如按月)进行模型迭代。
S302：查看当前日期是否到达计划表中的计划任务日期，若是，则触发次序刻度表更新作业，若否，则退出。
S303：成功完成所述次序刻度表更新作业后在计划表删除该条计划，并将属性记录写入历史日志表。
所述属性包括归属类别、作业业务属性、次序刻度表、操作日期和运行时长。举例来说，某时点成功执行完北京重疾险竞品排序运行任务后，产生的日志如下：
<北京，重疾险，<25.2,501,8002,…,20030,…,1200000>，2019-08-29，120mm>
S304：根据所述历史日志表，计算个人竞品的属性特征、统计特征和客户关系管理RFM相关特征。
本步骤中，RFM模型较为动态地显示了一个客户的全部轮廓，这对个性化的沟通和服务提供了依据，同时，如果与该客户打交道的时间足够长，也能够较为精确地判断该客户的长期价值(甚至是终身价值)，通过改善三项指标的状况，从而为更多的营销决策提供支持。在RFM模式中，R(Recency)表示客户购买的时间有多远，F(Frequency)表示客户在时间内购买的次数，M(Monetary)表示客户在时间内购买的金额。一般的分析型CRM着重在对于客户贡献度的分析，RFM则强调以客户的行为来区分客户。
S305：将所述属性特征、统计特征和RFM相关特征输入所述作业预测模型，得出所述第一归类属性信息下个人竞品统计的下一次最晚运行所述次序刻度表更新时间，并换算成日期写入所述计划表中。
在一些可选实施例的竞品数据查询方法中，所述定义相关特征和标签，并使用回归算法和回归损失函数进行最优化模型训练，得到作业预测模型，所述定义相关特征包括排序竞品的属性特征、排序竞品的已完成的统计特征和基于RFM模型的新增相关特征。
所述排序竞品的属性特征包括竞品名称、竞品归属地、归属类别、统计时间、采样数；所述排序竞品的已完成的统计特征包括本次统计的总数量、本次统计竞品的均值、本次统计的中值、本次统计的众值、前25％的中位值、前50％的中位值、前75％的中位值；
所述基于RFM模型的新增相关特征包括最近N次对竞品排名更新时间间隔均值，最近N次更新消耗平均时长，最近N天更新的频率，最近N次统计变化值的均值。
具体的，统计变化值采用的是L2表示法，即：将每次做竞品统计时，抽取已排序特征做成统计向量，计算统计向量之间的L2值。
统计向量形式如下：[本次排序对象总数量X，本次排序对象均值Y，本次排序中值Z，本次排序众值A，前25％的中位值B，前50％的中位值C，前75％的中位值D]
统计变化值的计算方法为：
X1,Y1,Z1,A1,B1,C1,D1为第一次统计向量的参数，X2,Y2,Z2,A2,B2,C2,D2为第二次统计向量的参数。
所述定义标签包括：
人为设定一个λ值，λ取值为(0,1)之间，统计个人竞品在给定第一归类属性信息下相邻时点统计向量的所有L2均值u,根据λ值和L2均值u确定阈值λu；
其中λu的计算方法为：
λu＝λ*u
若L2>λu，则表示需要进行更新；若L2<λu，则表示无需更新；
统计最近一次更新时间间隔，作为标签。
以下通过具体举例对定义标签进行说明：
以北京重疾险竞品统计为例，假设一共有如下9笔历史统计记录：
那么L2均值u：(2.64+2.64+0+5.29+26+10.5+5.29)/8＝6.545
假设λ定义为0.5，那么阈值λu为3.27。
针对上述9笔记录，前8笔的标签计算如下：
λ值越大，代表接纳变化越大，更新的时间允许更久，那么标签列的值也就越大。
可见，在本实施例中，通过上述方法，基于次序刻度表进行竞品数据查询，有效保障排名精度，增强客户端的体验，其次通过智能化更新排名的决策方案，有效提升系统的使用率，降低系统计算压力。
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在另一方面，本发明实施例提供了一种竞品数据查询系统。
如图4所示，所述竞品数据查询系统包括：
服务器模块401：用于获取指定范围内多个用户的竞品数据；设定至少一种第一归类属性信息；针对每一种所述第一归类属性信息，从所述多个用户的竞品数据中提取满足所述第一归类属性信息的至少一个目标用户的竞品数据，对所述至少一个目标用户的竞品数据进行排序，记录排序后所述至少一个目标用户的次序以及对应排序数值，并根据所述至少一个目标用户的次序以及对应排序数值生成对应所述第一归类属性信息的次序刻度表；接收来自客户端的竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息；向所述客户端返回与所述第二归类属性信息对应的次序刻度表。
客户端模块402：用于向服务器发送竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息；从服务器接收与所述第二归类属性信息对应的次序刻度表；将用户当前的个人竞品数据与所述次序刻度表中的排序数值进行比较计算，确定所述个人竞品数据在所述次序刻度表中的位置；根据所述位置，确定并显示所述个人竞品数据在所述第二归类属性信息中的占比。
为了描述的方便，描述以上系统时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的系统用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
在另一方面，本发明一个或多个实施例还提供了一种电子设备，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，所述处理器执行所述程序时实现所述竞品数据查询方法。
图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、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 (3)
1.一种竞品数据查询方法，包括：
获取指定范围内多个用户的竞品数据；
设定至少一种第一归类属性信息；
针对每一种所述第一归类属性信息，从所述多个用户的竞品数据中提取满足所述第一归类属性信息的至少一个目标用户的竞品数据，对所述至少一个目标用户的竞品数据进行排序，记录排序后所述至少一个目标用户的次序以及对应排序数值，并根据所述至少一个目标用户的次序以及对应排序数值生成对应所述第一归类属性信息的次序刻度表；包括：
根据预先设定的采样数，确定在排序后所述至少一个目标用户的次序以及对应排序数值中多个被采样用户的次序，包括：
根据如下表达式确定所述多个被采样用户的次序：
其中，代表第/>个被采样用户的次序；N代表所述目标用户的总数；S表示所述预先设定的采样数；
根据所述多个被采样用户的次序，获取对应的排序数值，得到多个采样结果；
将所述多个采样结果从小到大进行排序，生成所述次序刻度表；
接收来自客户端的竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息；
向所述客户端返回与所述第二归类属性信息对应的次序刻度表；
向服务器发送竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息；
从服务器接收与所述第二归类属性信息对应的次序刻度表；
将用户当前的个人竞品数据与所述次序刻度表中的排序数值进行比较计算，确定所述个人竞品数据在所述次序刻度表中的位置；包括：
根据所述位置，确定并显示所述个人竞品数据在所述第二归类属性信息中的占比。
2.一种竞品数据查询系统，包括：
服务器模块：用于获取指定范围内多个用户的竞品数据；设定至少一种第一归类属性信息；针对每一种所述第一归类属性信息，从所述多个用户的竞品数据中提取满足所述第一归类属性信息的至少一个目标用户的竞品数据，对所述至少一个目标用户的竞品数据进行排序，记录排序后所述至少一个目标用户的次序以及对应排序数值，并根据所述至少一个目标用户的次序以及对应排序数值生成对应所述第一归类属性信息的次序刻度表；包括：
根据预先设定的采样数，确定在排序后所述至少一个目标用户的次序以及对应排序数值中多个被采样用户的次序，包括：
根据如下表达式确定所述多个被采样用户的次序：
其中，代表第/>个被采样用户的次序；N代表所述目标用户的总数；S表示所述预先设定的采样数；
根据所述多个被采样用户的次序，获取对应的排序数值，得到多个采样结果；
将所述多个采样结果从小到大进行排序，生成所述次序刻度表；
接收来自客户端的竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息；向所述客户端返回与所述第二归类属性信息对应的次序刻度表；
客户端模块：用于向服务器发送竞品数据查询请求，其中，所述竞品数据查询请求中包括第二归类属性信息；从服务器接收与所述第二归类属性信息对应的次序刻度表；将用户当前的个人竞品数据与所述次序刻度表中的排序数值进行比较计算，确定所述个人竞品数据在所述次序刻度表中的位置；根据所述位置，确定并显示所述个人竞品数据在所述第二归类属性信息中的占比。
3.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011182978.6A CN112380419B (zh) | 2020-10-29 | 2020-10-29 | 一种竞品数据查询方法、系统及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011182978.6A CN112380419B (zh) | 2020-10-29 | 2020-10-29 | 一种竞品数据查询方法、系统及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112380419A CN112380419A (zh) | 2021-02-19 |
| CN112380419B true CN112380419B (zh) | 2024-02-09 |
Family
ID=74576864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011182978.6A Active CN112380419B (zh) | 2020-10-29 | 2020-10-29 | 一种竞品数据查询方法、系统及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112380419B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7302429B1 (en) * | 1999-04-11 | 2007-11-27 | William Paul Wanker | Customizable electronic commerce comparison system and method |
| US8473392B1 (en) * | 2009-10-09 | 2013-06-25 | Ryan Hinchey | System and method for evaluation and comparison of variable annuity products |
| CN104616179A (zh) * | 2015-03-06 | 2015-05-13 | 焦点科技股份有限公司 | 一种适用于保险电子商务平台的保险产品排序方法 |
| CN105468628A (zh) * | 2014-09-04 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种排序方法及装置 |
| CN108920675A (zh) * | 2018-07-09 | 2018-11-30 | 北京百悟科技有限公司 | 一种信息处理的方法、装置、计算机存储介质及终端 |
| CN110060088A (zh) * | 2019-03-07 | 2019-07-26 | 平安国际智慧城市科技股份有限公司 | 竞品监控方法、装置及存储介质、计算机设备 |
| CN111292167A (zh) * | 2020-02-03 | 2020-06-16 | 山东爱城市网信息技术有限公司 | 基于大数据的竞品分析方法、系统、存储介质及电子设备 |
| CN111291094A (zh) * | 2020-02-29 | 2020-06-16 | 江苏润桐数据服务有限公司 | 一种基于关键词和多平台分类号的检索方法和装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050187810A1 (en) * | 2004-02-19 | 2005-08-25 | International Business Machines Corporation | Ranking software product requirements using customer interest categories and supplier metrics |
| WO2008073053A1 (en) * | 2006-12-14 | 2008-06-19 | Jerry Jie Ji | Method and system for online collaborative ranking and reviewing of classified goods or service |
| WO2016134736A1 (en) * | 2015-02-25 | 2016-09-01 | Nikolov Kalin Georgiev | System and method for ranking agents within commodity endorsements |
| US10417237B2 (en) * | 2016-05-24 | 2019-09-17 | International Business Machines Corporation | Sorting tables in analytical databases |
| US10600104B2 (en) * | 2017-05-25 | 2020-03-24 | Walmart Apollo, Llc | Systems and methods for determining product search results based on product attribute scores |
-
2020
- 2020-10-29 CN CN202011182978.6A patent/CN112380419B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7302429B1 (en) * | 1999-04-11 | 2007-11-27 | William Paul Wanker | Customizable electronic commerce comparison system and method |
| US8473392B1 (en) * | 2009-10-09 | 2013-06-25 | Ryan Hinchey | System and method for evaluation and comparison of variable annuity products |
| CN105468628A (zh) * | 2014-09-04 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种排序方法及装置 |
| CN104616179A (zh) * | 2015-03-06 | 2015-05-13 | 焦点科技股份有限公司 | 一种适用于保险电子商务平台的保险产品排序方法 |
| CN108920675A (zh) * | 2018-07-09 | 2018-11-30 | 北京百悟科技有限公司 | 一种信息处理的方法、装置、计算机存储介质及终端 |
| CN110060088A (zh) * | 2019-03-07 | 2019-07-26 | 平安国际智慧城市科技股份有限公司 | 竞品监控方法、装置及存储介质、计算机设备 |
| CN111292167A (zh) * | 2020-02-03 | 2020-06-16 | 山东爱城市网信息技术有限公司 | 基于大数据的竞品分析方法、系统、存储介质及电子设备 |
| CN111291094A (zh) * | 2020-02-29 | 2020-06-16 | 江苏润桐数据服务有限公司 | 一种基于关键词和多平台分类号的检索方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112380419A (zh) | 2021-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10936947B1 (en) | Recurrent neural network-based artificial intelligence system for time series predictions | |
| CN110503531B (zh) | 时序感知的动态社交场景推荐方法 | |
| US20180341898A1 (en) | Demand forecast | |
| CN106251174A (zh) | 信息推荐方法及装置 | |
| US10748072B1 (en) | Intermittent demand forecasting for large inventories | |
| CN108764974A (zh) | 一种基于深度学习的商品采购量预测方法及装置 | |
| US20210103858A1 (en) | Method and system for model auto-selection using an ensemble of machine learning models | |
| US11854022B2 (en) | Proactively predicting transaction dates based on sparse transaction data | |
| US20060116921A1 (en) | Methods and systems for profile-based forecasting with dynamic profile selection | |
| CN112488863A (zh) | 一种在用户冷启动场景下的险种推荐方法及相关设备 | |
| CN113537850A (zh) | 仓储优化方法、装置、计算机设备和存储介质 | |
| CN111861605A (zh) | 业务对象推荐方法 | |
| JP5287639B2 (ja) | 商品利用傾向分析方法、商品推奨方法、商品利用傾向分析システム、及び商品推奨システム | |
| CN115423555A (zh) | 一种商品推荐方法、装置、电子设备及存储介质 | |
| CN112380419B (zh) | 一种竞品数据查询方法、系统及电子设备 | |
| CN114429384B (zh) | 基于电商平台的产品智能推荐方法及系统 | |
| US20210216907A1 (en) | Selecting optimum primary and secondary parameters to calibrate and generate an unbiased forecasting model | |
| CN115796984A (zh) | 物品推荐模型的训练方法、存储介质及相关设备 | |
| CN113792952A (zh) | 用于生成模型的方法和装置 | |
| CN114722266A (zh) | 问卷推送方法、装置、电子设备及可读存储介质 | |
| CN110503482B (zh) | 一种物品处理方法、装置、终端及存储介质 | |
| CN110162697A (zh) | 基于大数据的用户浏览行为分析方法、装置、介质及终端 | |
| Onokoy et al. | Modern approaches to building recommender systems for online stores | |
| US20220398433A1 (en) | Efficient Cross-Platform Serving of Deep Neural Networks for Low Latency Applications | |
| CN118037396A (zh) | 商品推荐方法、装置、电子设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |