CN112507236A - 一种基于茶叶属性的茶叶商品推荐算法及系统 - Google Patents

一种基于茶叶属性的茶叶商品推荐算法及系统 Download PDF

Info

Publication number
CN112507236A
CN112507236A CN202011575330.5A CN202011575330A CN112507236A CN 112507236 A CN112507236 A CN 112507236A CN 202011575330 A CN202011575330 A CN 202011575330A CN 112507236 A CN112507236 A CN 112507236A
Authority
CN
China
Prior art keywords
tea
commodity
recommendation
attribute
attributes
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
CN202011575330.5A
Other languages
English (en)
Inventor
刘青
连恩杨
李朋
艾昊
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.)
Shandong Chajisong Tea Co ltd
Original Assignee
Shandong Chajisong Tea 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 Shandong Chajisong Tea Co ltd filed Critical Shandong Chajisong Tea Co ltd
Priority to CN202011575330.5A priority Critical patent/CN112507236A/zh
Publication of CN112507236A publication Critical patent/CN112507236A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06F16/9538—Presentation of query results
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (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

本发明提出一种基于茶叶属性的茶叶商品推荐算法及系统，其中算法包括以下步骤：建立茶叶商品属性池；依据茶叶商品属性池，对商品库中的茶叶商品进行属性赋值；获取当前买家浏览的茶叶商品属性，依据所述茶叶商品属性，加权计算商品库中茶叶商品的推荐匹配度；依据所述推荐匹配度显示茶叶商品推荐结果。本发明提出的基于茶叶属性的茶叶商品推荐算法及系统，是基于茶叶商品的特殊性，将茶叶的特殊属性引入茶叶商品推荐算法中，提高了茶叶相似产品推荐结果的准确性。

Description

一种基于茶叶属性的茶叶商品推荐算法及系统
技术领域
本发明涉及电子商务技术领域，具体涉及一种基于茶叶属性的茶叶商品推荐算法及系统。
背景技术
在各类电商领域中，通过相似商品推荐，为消费者提供相似产品推荐，是消费者选购商品的重要渠道。
相似商品推荐功能是当前消费者选购商品的重要渠道，也是商家实现盈利的重要销售形式。然而针对茶叶这类特殊产品，由于其具有一些特殊属性，通过简单的品类推荐，会导致推荐结果差异巨大，同时遗漏部分推荐结果，最终最终导致消费者难以获得期待的产品，引起消费者反感，导致商家无法实现盈利。
为解决上述问题，实现茶叶商品推荐的智能化、准确化，本发明提出一种基于茶叶属性的茶叶商品推荐算法及系统。
发明内容
针对现有技术的上述不足，本发明提供一种基于茶叶属性的茶叶商品搜索算法及系统，以解决上述技术问题。
第一方面，本发明提供一种基于茶叶属性的茶叶商品推荐算法，包括以下步骤：
建立茶叶商品属性池；
依据茶叶商品属性池，对商品库中的茶叶商品进行属性赋值；
获取当前买家浏览的茶叶商品属性，依据所述茶叶商品属性，加权计算商品库中茶叶商品的推荐匹配度；
依据所述推荐匹配度显示茶叶商品推荐结果。
进一步的，所述茶叶商品属性池包括以下属性维度：
香气、耐泡度、汤色、叶型、等级、采摘时间、口感、甜度、涩度。
进一步的，所述获取当前买家浏览的茶叶商品属性，依据所述茶叶商品属性，加权计算商品库中茶叶商品的推荐匹配度，具体包括：
设定茶叶商品属性池中各个属性维度的加权值；
获取茶叶商品各个属性维度的偏差度；
计算茶叶商品各个属性维度的加权偏差度总和；
将所述加权偏差度总和作为推荐匹配度。
进一步的，所述获取茶叶商品各个属性维度的偏差度，具体包括：获取买家浏览的茶叶商品的属性维度与商品库中茶叶商品的属性维度的差值绝对值。
进一步的，依据所述推荐匹配度显示茶叶商品推荐结果，具体包括：
依据所述推荐匹配度由小到大显示茶叶商品推荐结果。
第二方面，本发明提供一种基于茶叶属性的茶叶商品推荐系统，包括以下模块：
属性池确定模块，用于建立茶叶商品属性池；
属性赋值模块，用于依据茶叶商品属性池，对商品库中的茶叶商品进行属性赋值；
推荐匹配度获取获取模块，用于获取当前买家浏览的茶叶商品属性，依据所述茶叶商品属性，加权计算商品库中茶叶商品的推荐匹配度；
显示模块，用于依据所述推荐匹配度显示茶叶商品推荐结果。
进一步的，所述属性池确定模块建立的茶叶商品属性池，具体包括以下属性维度：
香气、耐泡度、汤色、叶型、等级、采摘时间、口感、甜度、涩度。
进一步的，所述推荐匹配度获取获取模块具体用于：
设定茶叶商品属性池中各个属性维度的加权值；
获取茶叶商品各个属性维度的偏差度；
计算茶叶商品各个属性维度的加权偏差度总和；
将所述加权偏差度总和作为推荐匹配度。
进一步的，所述推荐匹配度获取获取模块中，获取茶叶商品各个属性维度的偏差度，具体包括：
获取买家浏览的茶叶商品的属性维度与商品库中茶叶商品的属性维度的差值绝对值。
进一步的，所述显示模块，具体包括：
依据所述推荐匹配度由小到大显示茶叶商品推荐结果。
本发明的有益效果在于，
本发明提出的基于茶叶属性的茶叶商品搜索算法及系统，是基于茶叶商品的特殊性，将茶叶的特殊属性引入茶叶商品推荐算法中。通过引入茶叶属性，对每个茶叶商品进行准确的属性维度设置，同时针对茶叶属性在一般消费者的饮茶口味偏好比重，设定属性维度加权值，从而使得茶叶商品的推荐结果更加准确，使相似商品推荐这一功能实现其真正目的，使消费者能够获得真正期待的产品，商家也能更好的实现盈利。
此外，本发明设计原理可靠，具有非常广泛的应用前景。
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，对于本领域普通技术人员而言，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为根据一示例性实施例示出的基于茶叶属性的茶叶商品推荐算法流程图。
图2为根据一示例性实施例示出的基于茶叶属性的茶叶商品推荐系统结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
为了使本技术领域的人员更好的理解本发明方案，下面结合附图和具体实施方式对本发明做进一步的详细说明。
相似商品推荐功能是当前消费者选购商品的重要渠道，也是商家实现盈利的重要销售形式。然而针对茶叶这类特殊产品，由于其具有一些特殊属性，通过简单的品类推荐，会导致推荐结果差异巨大，同时遗漏部分推荐结果。为实现茶叶商品推荐的智能化、准确化，本发明提出一种基于茶叶属性的茶叶商品推荐算法及系统。
图1为根据一示例性实施例示出的基于茶叶属性的茶叶商品推荐算法流程图，如图1所示的，基于茶叶属性的茶叶商品推荐算法，包括以下步骤：
建立茶叶商品属性池；
依据茶叶商品属性池，对商品库中的茶叶商品进行属性赋值；
获取当前买家浏览的茶叶商品属性，依据所述茶叶商品属性，加权计算商品库中茶叶商品的推荐匹配度；
依据所述推荐匹配度显示茶叶商品推荐结果。
对于图1所示的技术方案，需要特殊说明的是，上述基于茶叶属性的茶叶商品推荐算法，是基于茶叶商品的特殊性，将茶叶的特殊属性引入茶叶商品推荐算法中，依据茶叶商品的特殊属性进行茶叶商品的推荐能保证茶叶商品推荐的准确性，从而实现相似商品推荐这一功能的真正目的，使得消费者能够获得真正期待的产品，商家也能更好的实现盈利。
对于图1所示的技术方案，还需要具体说明的是，所述茶叶商品属性池包括以下属性维度：
香气、耐泡度、汤色、叶型、等级、采摘时间、口感、甜度、涩度。
再依据上述维度，对在销售的茶叶商品进行属性维度赋值，如耐泡度的属性维度赋值如下：耐泡度：＜低（1-3泡，分数2）＞、＜中（4-7泡，分数4）＞、＜高（8-10泡，分数6）＞、＜超高（10泡以上，分数8）＞。
以上茶叶商品的维度为参考有关文献及统计数据得出的，茶叶爱好者对茶叶搜索的偏好。通过以上茶叶商品属性的细致划分，向消费者推荐其最需要的商品，使消费者能够尽快买到自己所需要的茶叶商品。
对于图1所示的技术方案，还需要具体说明的是，所述获取当前买家浏览的茶叶商品属性，依据所述茶叶商品属性，加权计算商品库中茶叶商品的推荐匹配度，具体包括：
设定茶叶商品属性池中各个属性维度的加权值；
获取茶叶商品各个属性维度的偏差度，具体包括：获取买家浏览的茶叶商品的属性维度与商品库中茶叶商品的属性维度的差值绝对值，作为属性维度的偏差度；
计算茶叶商品各个属性维度的加权偏差度总和；
将所述加权偏差度总和作为推荐匹配度。
其中，设定茶叶商品属性池中各个属性维度的加权值，将每个属性维度的加权值以百分比记，如香气加权值20%、耐泡度加权值10%、汤色加权值10%、叶型加权值10%、等级加权值10%、采摘时间加权值10%、口感加权值10%、甜度加权值10%、涩度加权值10%。
具体说明的是，所述获取加权计算商品库中茶叶商品的推荐匹配度，具体包括：
以买家浏览的茶叶商品A为例，系统设定的属性维度的加权值为：香气加权值20%、耐泡度加权值10%、汤色加权值10%、叶型加权值10%、等级加权值10%、采摘时间加权值10%、口感加权值10%、甜度加权值10%、涩度加权值10%；
茶叶商品A的属性维度为：香气＜分数2＞、耐泡度＜分数4＞、汤色＜分数5＞、叶型＜分数1＞、等级＜分数3＞、采摘时间＜分数1＞、口感＜分数5＞、甜度＜分数1＞、涩度＜分数6＞；
商品库中，茶叶商品B的属性维度为：香气＜分数3＞、耐泡度＜分数4＞、汤色＜分数4＞、叶型＜分数3＞、等级＜分数5＞、采摘时间＜分数2＞、口感＜分数6＞、甜度＜分数2＞、涩度＜分数5＞；
茶叶商品B的各个属性维度的偏差度为：香气1、耐泡度0、汤色1、叶型2、等级2、采摘时间1、口感1、甜度1、涩度1；
则茶叶商品B的各个属性维度的加权偏差度总和为0.9；
则茶叶商品B的推荐匹配度为0.9。
对于图1所示的技术方案，还需要具体说明的是，依据所述推荐匹配度显示茶叶商品推荐结果，具体包括：
依据所述推荐匹配度由小到大显示茶叶商品推荐结果。
本发明提出的基于茶叶属性的茶叶商品推荐算法，通过引入茶叶属性，对每个茶叶商品进行准确的属性维度设置，同时针对茶叶属性在一般消费者的饮茶口味偏好比重，设定属性维度加权值，从而使得茶叶商品的推荐结果更加准确。通过引入本算法，用户相似商品点击率提升30%，成单率提升12%，对消费者的购买体验，以及茶叶零售APP的经济效益，均有非常大的提升。
图2为根据一示例性实施例示出的基于茶叶属性的茶叶商品推荐系统结构图，如图2所示的，基于茶叶属性的茶叶商品推荐系统，包括以下模块：
属性池确定模块，用于建立茶叶商品属性池；
属性赋值模块，用于依据茶叶商品属性池，对商品库中的茶叶商品进行属性赋值；
推荐匹配度获取获取模块，用于获取当前买家浏览的茶叶商品属性，依据所述茶叶商品属性，加权计算商品库中茶叶商品的推荐匹配度；
显示模块，用于依据所述推荐匹配度显示茶叶商品推荐结果。
对于图2所示的技术方案，需要特殊说明的是，上述基于茶叶属性的茶叶商品推荐算法，是基于茶叶商品的特殊性，将茶叶的特殊属性引入茶叶商品推荐算法中，依据茶叶商品的特殊属性进行茶叶商品的推荐能保证茶叶商品推荐的准确性，从而实现相似商品推荐这一功能的真正目的，使得消费者能够获得真正期待的产品，商家也能更好的实现盈利。
对于图2所示的技术方案，还需要具体说明的是，所述属性池确定模块建立的茶叶商品属性池，具体包括以下属性维度：香气、耐泡度、汤色、叶型、等级、采摘时间、口感、甜度、涩度。再依据上述维度，通过属性赋值模块，对销售的茶叶商品进行属性赋值。
如耐泡度的属性维度赋值如下：耐泡度：＜低（1-3泡，分数2）＞、＜中（4-7泡，分数4）＞、＜高（8-10泡，分数6）＞、＜超高（10泡以上，分数8）＞。
以上茶叶商品的维度为参考有关文献及统计数据得出的，茶叶爱好者对茶叶搜索的偏好。通过以上茶叶商品属性的细致划分，消费者能够更准确的得到自己所需要的茶叶商品。
对于图2所示的技术方案，还需要具体说明的是，所述推荐匹配度获取获取模块具体用于：
设定茶叶商品属性池中各个属性维度的加权值；
获取茶叶商品各个属性维度的偏差度，具体包括：获取买家浏览的茶叶商品的属性维度与商品库中茶叶商品的属性维度的差值绝对值，作为属性维度的偏差度；
计算茶叶商品各个属性维度的加权偏差度总和；
将所述加权偏差度总和作为推荐匹配度。
具体说明的是，所述推荐匹配度获取获取模块用于加权计算商品库中茶叶商品的推荐匹配度，具体包括：
以买家浏览的茶叶商品A为例，系统设定的属性维度的加权值为：香气加权值20%、耐泡度加权值10%、汤色加权值10%、叶型加权值10%、等级加权值10%、采摘时间加权值10%、口感加权值10%、甜度加权值10%、涩度加权值10%；
茶叶商品A的属性维度为：香气＜分数2＞、耐泡度＜分数4＞、汤色＜分数5＞、叶型＜分数1＞、等级＜分数3＞、采摘时间＜分数1＞、口感＜分数5＞、甜度＜分数1＞、涩度＜分数6＞；
商品库中，茶叶商品B的属性维度为：香气＜分数3＞、耐泡度＜分数4＞、汤色＜分数4＞、叶型＜分数3＞、等级＜分数5＞、采摘时间＜分数2＞、口感＜分数6＞、甜度＜分数2＞、涩度＜分数5＞；
茶叶商品B的各个属性维度的偏差度为：香气1、耐泡度0、汤色1、叶型2、等级2、采摘时间1、口感1、甜度1、涩度1；
则茶叶商品B的各个属性维度的加权偏差度总和为0.9；
则茶叶商品B的推荐匹配度为0.9。
则茶叶商品B的推荐匹配度为0.9。
对于图2所示的技术方案，还需要具体说明的是，所述显示模块，具体包括：
依据所述推荐匹配度由小到大显示茶叶商品推荐结果。
本发明提出的基于茶叶属性的茶叶商品推荐系统，通过引入茶叶属性，对每个茶叶商品进行准确的属性维度设置，同时针对茶叶属性在一般消费者的饮茶口味偏好比重，设定属性维度加权值，从而使得茶叶商品的推荐结果更加准确。本系统使得用户相似商品点击率提升30%，成单率提升12%，对消费者的购买体验，以及茶叶零售APP的经济效益，均有非常大的提升。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于茶叶属性的茶叶商品推荐算法，其特征在于，包括以下步骤：
建立茶叶商品属性池；
依据茶叶商品属性池，对商品库中的茶叶商品进行属性赋值；
获取当前买家浏览的茶叶商品属性，依据所述茶叶商品属性，加权计算商品库中茶叶商品的推荐匹配度；
依据所述推荐匹配度显示茶叶商品推荐结果。
2.根据权利要求1所述的基于茶叶属性的茶叶商品推荐算法，其特征在于，所述茶叶商品属性池包括以下属性维度：
香气、耐泡度、汤色、叶型、等级、采摘时间、口感、甜度、涩度。
3.根据权利要求2所述的基于茶叶属性的茶叶商品推荐算法，其特征在于，获取当前买家浏览的茶叶商品属性，依据所述茶叶商品属性，加权计算商品库中茶叶商品的推荐匹配度，具体包括：
设定茶叶商品属性池中各个属性维度的加权值；
获取茶叶商品各个属性维度的偏差度；
计算茶叶商品各个属性维度的加权偏差度总和；
将所述加权偏差度总和作为推荐匹配度。
4.根据权利要求3所述的基于茶叶属性的茶叶商品推荐算法，其特征在于，所述获取茶叶商品各个属性维度的偏差度，具体包括：
获取买家浏览的茶叶商品的属性维度与商品库中茶叶商品的属性维度的差值绝对值。
5.根据权利要求4所述的基于茶叶属性的茶叶商品推荐算法，其特征在于，依据所述推荐匹配度显示茶叶商品推荐结果，具体包括：
依据所述推荐匹配度由小到大显示茶叶商品推荐结果。
6.一种基于茶叶属性的茶叶商品推荐系统，其特征在于，包括以下模块：
属性池确定模块，用于建立茶叶商品属性池；
属性赋值模块，用于依据茶叶商品属性池，对商品库中的茶叶商品进行属性赋值；
推荐匹配度获取获取模块，用于获取当前买家浏览的茶叶商品属性，依据所述茶叶商品属性，加权计算商品库中茶叶商品的推荐匹配度；
显示模块，用于依据所述推荐匹配度显示茶叶商品推荐结果。
7.根据权利要求6所述的基于茶叶属性的茶叶商品推荐系统，其特征在于，所述属性池确定模块建立的茶叶商品属性池，具体包括以下属性维度：
香气、耐泡度、汤色、叶型、等级、采摘时间、口感、甜度、涩度。
8.根据权利要求7所述的基于茶叶属性的茶叶商品推荐系统，其特征在于，推荐匹配度获取获取模块具体用于：
设定茶叶商品属性池中各个属性维度的加权值；
获取茶叶商品各个属性维度的偏差度；
计算茶叶商品各个属性维度的加权偏差度总和；
将所述加权偏差度总和作为推荐匹配度。
9.根据权利要求8所述的基于茶叶属性的茶叶商品推荐系统，其特征在于，所述推荐匹配度获取获取模块中，获取茶叶商品各个属性维度的偏差度，具体包括：
获取买家浏览的茶叶商品的属性维度与商品库中茶叶商品的属性维度的差值绝对值。
10.根据权利要求9所述的基于茶叶属性的茶叶商品推荐系统，其特征在于，所述显示模块，具体包括：
依据所述推荐匹配度由小到大显示茶叶商品推荐结果。
CN202011575330.5A 2020-12-28 2020-12-28 一种基于茶叶属性的茶叶商品推荐算法及系统 Pending CN112507236A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011575330.5A CN112507236A (zh) 2020-12-28 2020-12-28 一种基于茶叶属性的茶叶商品推荐算法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011575330.5A CN112507236A (zh) 2020-12-28 2020-12-28 一种基于茶叶属性的茶叶商品推荐算法及系统

Publications (1)

Publication Number Publication Date
CN112507236A true CN112507236A (zh) 2021-03-16

Family

ID=74951743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011575330.5A Pending CN112507236A (zh) 2020-12-28 2020-12-28 一种基于茶叶属性的茶叶商品推荐算法及系统

Country Status (1)

Country Link
CN (1) CN112507236A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090313086A1 (en) * 2008-06-16 2009-12-17 Sungkyunkwan University Foundation For Corporate Collaboration User recommendation method and recorded medium storing program for implementing the method
CN102411754A (zh) * 2011-11-29 2012-04-11 南京大学 一种基于商品属性熵值的个性化推荐方法
CN107609067A (zh) * 2017-08-30 2018-01-19 重庆电子工程职业学院 基于大数据的智慧停车车位推荐方法和系统
CN109559208A (zh) * 2019-01-04 2019-04-02 平安科技（深圳）有限公司 一种信息推荐方法、服务器及计算机可读介质
CN110097251A (zh) * 2019-02-01 2019-08-06 北京三快在线科技有限公司 产品数据处理方法及装置、供货方法及装置、电子设备
CN110619559A (zh) * 2019-09-19 2019-12-27 山东农业工程学院 基于大数据信息在电子商务中精准推荐商品的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090313086A1 (en) * 2008-06-16 2009-12-17 Sungkyunkwan University Foundation For Corporate Collaboration User recommendation method and recorded medium storing program for implementing the method
CN102411754A (zh) * 2011-11-29 2012-04-11 南京大学 一种基于商品属性熵值的个性化推荐方法
CN107609067A (zh) * 2017-08-30 2018-01-19 重庆电子工程职业学院 基于大数据的智慧停车车位推荐方法和系统
CN109559208A (zh) * 2019-01-04 2019-04-02 平安科技（深圳）有限公司 一种信息推荐方法、服务器及计算机可读介质
CN110097251A (zh) * 2019-02-01 2019-08-06 北京三快在线科技有限公司 产品数据处理方法及装置、供货方法及装置、电子设备
CN110619559A (zh) * 2019-09-19 2019-12-27 山东农业工程学院 基于大数据信息在电子商务中精准推荐商品的方法

Similar Documents

Publication Publication Date Title
Vera et al. Searching most influential variables to brand loyalty measurements: An exploratory study
CN103246980B (zh) 信息输出方法及服务器
Lee et al. Consumers' choice for fresh food at online shopping in the time of covid19
CN102542490A (zh) 基于模型匹配的商品推荐方法
US11062377B1 (en) Fit prediction
US11250338B2 (en) Method for enhancing association rules, apparatus using the same and computer readable medium therefor
Riorini Social media marketing toward perceptual consciousness and its impact on online purchasing intention
CN117649256B (zh) 一种适用于喀斯特地区生态产品销售信息分析方法
Mulyandi et al. The Influence of Product Quality and Brand Image on repurchase Intention of Halal Cosmetic Products in e-Commerce
Abraham et al. The Effect Of Growth Hacking, Brand Image, Electronic Word Of Mouth On Repurchase Decisions On Beauty Products (Study On Adara Cosmetics)
CN110866220B (zh) 一种电商活动过程中的选品推荐系统
Prayitno The effect of price perception and convenience online shopping towards customer satisfaction of batik products in Indonesia
CN109685630B (zh) 电子商务团购推荐方法及系统
Relifra et al. Purchase decisions for bimoli cooking oil products: The influence of celebrity endorse, brand image and brand trust
CN112035624A (zh) 文本推荐方法和装置及存储介质
CN112507236A (zh) 一种基于茶叶属性的茶叶商品推荐算法及系统
Zahra et al. Study of impulse buying behavior on interest in using Paylater facilities in the marketplace with celebrity endorsers as mediations
Olotewo Examining the antecedents of in-store and online purchasing behavior: a case of Nigeria
CN112507239A (zh) 一种基于茶叶属性的茶叶商品搜索算法及系统
CN112669083B (zh) 商品的推荐方法、装置和电子设备
US20210279785A1 (en) Method for providing initial size fit indicator
KR101714013B1 (ko) 쇼핑 서비스 제공 장치, 방법 및 컴퓨터 프로그램
Yastuti et al. The Influence of Hedonic Shopping Motivation, Fashion Involvement, and Sales Promotion on Impulse Buying in E-commerce Shopee
González et al. Preferences, market structure, and welfare evaluations in the Argentinean FFP industry: a case in Buenos Aires Province
Sanda et al. The Role of Customer Ratings and Free Shipping Promos on Buying Interest In Tokopedia Application Services

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210316