CN112686737A - 一种电子商务信息推荐方法及系统 - Google Patents
一种电子商务信息推荐方法及系统 Download PDFInfo
- Publication number
- CN112686737A CN112686737A CN202110045884.2A CN202110045884A CN112686737A CN 112686737 A CN112686737 A CN 112686737A CN 202110045884 A CN202110045884 A CN 202110045884A CN 112686737 A CN112686737 A CN 112686737A
- Authority
- CN
- China
- Prior art keywords
- information
- plant
- growth
- obtaining
- 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
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电子商务信息推荐方法及系统,所述方法包括:通过图像采集装置获得第一图像信息;根据所述第一图像信息,获得所述第一植物的第一形态信息;获得所述第一植物的生长环境;将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息;根据所述第一植物的第一生长等级信息,获得第一需求信息,进而获得第一商品推荐清单信息;获得第一用户的消费配比信息;通过所述第一用户的消费配比信息,对所述第一商品推荐清单信息进行筛选,获得第一商品推荐信息;将所述第一商品推荐信息推送给所述第一用户。解决了现有技术中存在用户难以在海量信息中准确找到符合需求的产品信息的技术问题。
Description
技术领域
本发明涉及电子商务相关领域,尤其涉及一种电子商务信息推荐方法及系统。
背景技术
随着经济全球化和信息时代的到来,电子商务正在成为我国市场经济中一个重要的经济增长点和新领域,从电子商务发展的现状来看,它借助了网络即时通信的功能,产生了一种全新的企业与消费者直接交流的新型商业模式,这种商业模式以便利性和快捷性正在为更多消费群体所接受。
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:
现有技术中存在用户难以在海量信息中准确找到符合需求的产品信息的技术问题。
发明内容
本申请实施例通过提供一种电子商务信息推荐方法及系统,解决了现有技术中存在用户难以在海量信息中准确找到符合需求的产品信息的技术问题,达到了自动推荐用户需求信息,提高电子商务信息推荐方法的服务质量的技术效果。
鉴于上述问题,提出了本申请实施例提供一种电子商务信息推荐方法及系统。
第一方面,本申请实施例提供了一种电子商务信息推荐方法,所述方法应用于一种电子商务信息推荐系统,所述系统包括一图像采集装置,所述方法包括:通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一植物的图像信息;根据所述第一图像信息,获得所述第一植物的第一形态信息;获得所述第一植物的生长环境;将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息;根据所述第一植物的第一生长等级信息,获得第一需求信息;根据所述第一需求信息,获得第一商品推荐清单信息;获得第一用户的消费配比信息;通过所述第一用户的消费配比信息,对所述第一商品推荐清单信息进行筛选,获得第一商品推荐信息;将所述第一商品推荐信息推送给所述第一用户。
另一方面,本申请还提供了一种电子商务信息推荐系统,所述系统包括:第一获得单元,所述第一获得单元用于通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一植物的图像信息;第二获得单元,所述第二获得单元用于根据所述第一图像信息,获得所述第一植物的第一形态信息;第三获得单元,所述第三获得单元用于获得所述第一植物的生长环境;第一输入单元,所述第一输入单元用于将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息;第四获得单元,所述第四获得单元用于根据所述第一植物的第一生长等级信息,获得第一需求信息;第五获得单元,所述第五获得单元用于根据所述第一需求信息,获得第一商品推荐清单信息;第六获得单元,所述第六获得单元用于获得第一用户的消费配比信息;第一筛选单元,所述第一筛选单元用于通过所述第一用户的消费配比信息,对所述第一商品推荐清单信息进行筛选,获得第一商品推荐信息;第一推送单元,所述第一推送单元用于将所述第一商品推荐信息推送给所述第一用户。
第三方面,本发明提供了一种电子商务信息推荐系统,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第一方面所述方法的步骤。
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:
由于采用了通过获得第一植物的第一图像信息,进而从中获得所述第一植物的所述第一形态信息和生长环境,并将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息,从而根据所述第一需求信息,获得商品推荐清单,并以用户消费的配比筛选商品信息,进而推送于所述第一用户的方式,基于所述生长评估模型不断地进行自我修正调整的特性,获得更加准确的植物生长信息,进而达到了根据用户消费信息占比,准确获取所需信息,提高电子商务信息推荐方法的服务质量的技术效果。
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电子商务信息推荐方法的流程示意图;
图2为本申请实施例一种电子商务信息推荐系统的结构示意图;
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,第一输入单元14,第四获得单元15,第五获得单元16,第六获得单元17,第一筛选单元18,第一推送单元19,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电子商务信息推荐方法及系统,解决了现有技术中存在用户难以在海量信息中准确找到符合需求的产品信息的技术问题,达到了自动推荐用户需求信息,提高电子商务信息推荐方法的服务质量的技术效果。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
随着经济全球化和信息时代的到来,电子商务正在成为我国市场经济中一个重要的经济增长点和新领域,从电子商务发展的现状来看,它接住了网络即时通信的功能,产生了一种全新的企业与消费者直接交流的新型商业模式,这种商业模式以便利性和快捷性正在为更多消费群体所接受。但现有技术中存在用户难以在海量信息中准确找到符合需求的产品信息的技术问题。
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电子商务信息推荐方法,所述方法包括:通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一植物的图像信息;根据所述第一图像信息,获得所述第一植物的第一形态信息;获得所述第一植物的生长环境;将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息;根据所述第一植物的第一生长等级信息,获得第一需求信息;根据所述第一需求信息,获得第一商品推荐清单信息;获得第一用户的消费配比信息;通过所述第一用户的消费配比信息,对所述第一商品推荐清单信息进行筛选,获得第一商品推荐信息;将所述第一商品推荐信息推送给所述第一用户。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种电子商务信息推荐方法,其中,所述方法包括:
步骤S100:通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一植物的图像信息;
具体而言,所述图像采集装置为摄像机、照相机等带有拍照功能,将图像采集到电脑之中的设备,其中采集图像的过程可以采用静态、动态方式进行图片和影像数据的采集,所述第一植物的图像信息为植物生长的实时图像信息,进而通过所述第一图像信息掌握植物的种类信息,提供基本分析来源。
步骤S200:根据所述第一图像信息,获得所述第一植物的第一形态信息;
具体而言,所述第一形态信息为所述第一植物体内外形态和结构,器官的形成状态等信息,详细来说,包括植物的叶片、叶托以及叶茎,通过了解植物的形态信息,可以了解到植物的种类,进而分析该植物的生长特性和促进植物生长的各个因素,进而显示出植物的名称、外形、特性、作用等信息作为判断植物生长期状态的基础信息。
步骤S300:获得所述第一植物的生长环境;
具体而言,所述第一植物的生长环境为植物在生长过程中所处的外在环境,由于植物在不同环境中其个体发育和系统发育过程都会造成影响,一般而言,植物生长过程中最不可或缺的就是土壤、水分、适宜的关照、适宜的温度还有氧气等等,而人工给予的就是在适当的时间补给一定的额养分需求,从而达到植物生长的硬性指标,其中,不同种类的植物需要有不同的环境特性,才能茂盛生长。举例而言,龟背竹喜温暖潮湿的环境,忌阳光直射和干旱,耐阴不耐寒。因此,通过了解所述第一植物的生长环境,判断所述第一植物的生长状态进而准确获得植物在该生长环境下所需的养分。
步骤S400:将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息;
具体而言,所述生长评估模型为将第一植物的第一形态信息和生长环境输入神经网络中进行生长状态评估的模型,其中,所述生长评估模型即通过神经网络模型的训练评估得出植物生长等级的模型。人工神经网络是在现代神经科学的基础上提出和发展起来的,旨在反映人脑结构及功能的一种抽象数学模型,神经网络是一种运算模型,由大量的节点(或称神经元)之间相互连接构成。每个节点代表一种特定的输出函数称为激励函数,每两个节点之间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆,网络的输出则依网络的连接方式,是对一种逻辑策略的表达。通过大量训练数据的训练,将所植物生长形态和生长环境输入神经网络模型,进而输出准确的所述第一生长等级信息。
步骤S500:根据所述第一植物的第一生长等级信息,获得第一需求信息;
步骤S600:根据所述第一需求信息,获得第一商品推荐清单信息;
具体而言,所述第一植物的生长等级信息为所述第一植物实时生长状态是否处于优良生长状态的判断指标,其中,所述第一生长等级越高,表示所述第一植物的生长状态优异,其生长环境和生长形态都符合该植物种类的生长状态标准,若植物生长等级不够,从而得出缺少的养分信息并对应植物的需求信息,获得所述第一商品推荐清单,商品可包括杀虫剂、化肥、土壤营养剂等促进植物生长的对应商品信息,其中,所述第一商品推荐清单又包括商品的名称、用途、功能、价格等信息,从而达到了准确获得需求信息,对应推荐需求信息的技术效果。
步骤S700:获得第一用户的消费配比信息;
具体而言,所述第一用户的消费配比信息为通过对所述第一用户进行数据采集、调研、行为分析获得该用户的消费水平以及消费特征,并根据消费总数值计算各个消费中种类的消费占比,如服装类占总消费43%,日用品占总消费21%。饮食占22%等配比。其中,所述消费配比信息也可以通过建立用户画像分析获得,分析用户的消费特征和消费水平进而准确获得有效数据。
步骤S800:通过所述第一用户的消费配比信息,对所述第一商品推荐清单信息进行筛选,获得第一商品推荐信息;
步骤S900:将所述第一商品推荐信息推送给所述第一用户。
具体而言,所述第一商品推荐清单中包含所需商品的各个种类且满足所述第一用户的需求,对所述第一商品推荐清单进行筛选的过程是根据消费能力来进行一步筛选,即对价格进行筛选后,获得的进一步商品推荐信息再推荐给所述第一用户,其中,经过筛选后的商品不仅符合所述第一用户的需求信息,同时满足了所述第一用户的日常消费支出,个性化服务不同群体,进而达到了完善产品运营,提升服务质量,促进消费增加相关产业链的收益的技术效果。
进一步而言,所述将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息,本申请实施例步骤S400还包括:
步骤S410:将所述第一植物的第一形态信息和生长环境输入生长评估模型,其中,所述生长评估模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:第一植物的第一形态信息、生长环境和标识第一植物的第一生长等级的标识信息;
步骤S420:获得所述生长评估模型的第一输出结果,所述第一输出结果包括所述第一植物的第一生长等级信息。
具体而言,神经网络模型是以神经元的数学模型为基础来描述的,通过大量训练数据的训练,将所述第一植物的第一形态信息和生长环境输入生长评估模型,则输出所述第一生长等级信息。更进一步而言,所述训练的过程实质为监督学习的过程,每一组监督数据均包括第一植物的第一形态信息、生长环境和标识第一植物的第一生长等级的标识信息,根据用来标识植物生长等级的标识信息,所述神经网络模型进行不断的自我修正、调整,直至获得的输出结果与所述标识信息一致,则结束本组数据监督学习,进行下一组数据监督学习。当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时,则监督学习过程结束。通过对所述神经网络模型的监督学习,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确的,从而输出准确的等级输出结果,进而可对所述第一植物的生长状态等级进行准确评估。
进一步而言,所述根据所述第一植物的第一生长等级信息,获得第一需求信息,本申请实施例步骤S500还包括:
步骤S510:获得预定等级阈值;
步骤S520:判断所述第一植物的第一生长等级信息是否在所述预定等级阈值之内;
步骤S530:如果所述第一植物的第一生长等级信息在所述预定等级阈值之内,获得第一基本需求信息。
具体而言,所述预定等级阈值为所述第一植物的保持良好生长状态的区间,进而判断所述第一植物的生长等级信息是否处于所述预定等级阈值,若不符合即所述第一植物的生长出现不适应于当前环境,从而获得所述第一基本需求信息,详细来说,进一步细化了等级标准度,达到了准确获得植物状态的技术效果。
进一步而言,所述判断所述第一植物的第一生长等级信息是否在所述预定等级阈值之内之后,本申请实施例步骤S520还包括:
步骤S521:如果所述第一植物的第一生长等级信息不在所述预定等级阈值之内,根据所述第一图像信息,获得所述第一植物的疾病点信息;
步骤S522:根据所述疾病点信息,确定所述第一植物的疾病信息;
步骤S523:根据所述第一植物的疾病信息,获得第一治疗需求信息。
具体而言,所述第一植物的疾病点信息为所述第一植物在生长过程中由于环境或养分的缺失造成的植物病害现象,如茎叶腐烂,叶脉褐斑、叶片斑块等现象;所述第一治疗需求信息是指针对植物的病害对应提供相应措施促进植物的生长。举例而言,叶片卷曲脱落、黄化、萎蔫等,土壤干燥根系腐烂或虫害,从而需要对应杀虫剂;叶片斑点湿润且有疱状或凹陷,病害造成需要相应营养剂为土壤增加植物所需养分,从而达到进一步细化需求信息,提高服务质量。
进一步而言,所述获得第一用户的消费配比信息,本申请实施例步骤S700还包括:
步骤S710:获得所述第一用户的总消费支出信息;
步骤S720:根据所述总消费支出信息,获得第一用户在第一电商平台和第二电商平台在第一消费类别的第一消费支出信息;
步骤S730:根据所述第一消费支出信息和所述总消费支出信息,获得所述第一用户在所述第一消费类别的消费配比信息,其中,所述第一消费类别为与所述第一植物相关的消费类别。
具体而言,所述总消费支出信息为所述第一用户在一定经济条件下在消费过程中所消费的各种不同类型的消费总支出,消费类别包括餐饮、交通、服饰、休闲娱乐、零售、日用品大类又可进一步细化类别,其中,所述第一消费类别是指用于植物相关产业链中的商品所属类别。且所述第一电商平台和所述第二电商平台为两种不同的电商平台。通过明确消费配比,且掌握用户在不同平台的第一消费类别支出水平,从而获得该用户在该类别的商品价值购买力,贴合用户需求且符合消费能力,进而准确、有效获得推荐信息。
进一步而言,所述将所述第一商品推荐信息推送给所述第一用户之后,本申请实施例步骤S900还包括:
步骤S910a:获得第一用户的第一反馈信息;
步骤S920a:获得第一网课数据库;
步骤S930a:根据所述第一反馈信息,从所述第一网课数据库中获得第一网课信息;
步骤S940a:将所述第一网课信息发送至所述第一用户。
具体而言,将所述第一商品推荐信息推送给所述第一用户,待所述第一用户从推荐商品中选择后,针对所述第一用户的反馈信息从存有大量网课资源的数据库中调取符合该商品的网课,其中,所述第一网课包含了该商品的使用教学、病害相关知识、注意事项等,从而详细针对所述第一用户需求提供网课资源的使用,帮助所述第一用户了解相关知识,进而解决了由于用户非相关专业领域,无法明确需求,达到了提高服务质量,增加相关效益的技术效果。
进一步而言,所述将所述第一商品推荐信息推送给所述第一用户之后,本申请实施例步骤S900还包括:
步骤S910b:获得第二图像信息,所述第二图像信息为所述第一植物使用第一商品之后的图像信息;
步骤S920b:根据所述第二图像信息,获得所述第一植物的第二形态信息;
步骤S930b:根据所述第二形态信息和所述生长环境,获得第二生长等级信息;
步骤S940b:判断所述第二生长等级信息是否高于所述第一生长等级;
步骤S950b:如果所述第二生长等级信息不高于所述第一生长等级,获得第一网络咨询信息;
步骤S960b:将所述第一网络咨询信息推送至所述第一用户。
具体而言,所述第二图像为所述第一用户在选择符合需求的商品后所述第一植物的生长状态图像信息,进而再根据商品使用后的所述第一植物的叶片、根茎等形态信息以及盛装环境再次判断该所述第一植物的生长等级,从而获得所述第一推荐商品的使用效果,若所述第一植物的生长等级未提高,提供对应付费咨询给所述第一用户,从而进行相关网络咨询,从中获得反馈信息和有效措施,达到了优化售后服务的技术效果。
进一步而言,本申请实施例还包括:
步骤S1010:获得所述第一商品推荐清单中的第一推荐商品信息、第二推荐商品信息直至第N推荐商品信息,其中,N为大于1的自然数;
步骤S1020:根据第一推荐商品信息生成第一标识码,所述第一标识码所述第一推荐商品信息一一对应;
步骤S1030:根据第二推荐商品信息和第一标识码生成第二标识码,以此类推,根据第N推荐商品信息和第N-1标识码生成第N标识码;
步骤S1040:将所述推荐商品信息和标识码复制保存在M台电子设备上,其中,M为大于1的自然数。
具体而言,区块链技术也被称之为分布式账本技术,是一种由若干台计算设备共同参与“记账”,共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性,使得区块链技术已在众多的领域中广泛的进行应用。根据所述第一推荐商品生成第一验证码,所述第一验证码与第一推荐商品一一对应;根据所述第二推荐商品和第一验证码生成第二验证码,第二验证码与第二推荐商品一一对应;以此类推,根据所述第N推荐商品和第N-1验证码生成第N验证码,其中,N为大于1的自然数,将所有推荐商品和验证码分别复制保存在M台设备上,其中,所述第一推荐商品和所述第一验证码作为第一存储单元保存在一台设备上,所述第二推荐商品和所述第二验证码作为第二存储单元保存在一台设备上,所述第N推荐商品和所述第N验证码作为第N存储单元保存在一台设备上,当需要调用所述探测分区时,每后一个节点接收前一节点存储的数据后,通过“共识机制”进行校验后保存,通过哈希函数对于每一存储单元进行串接,使得筛选条件不易丢失和遭到破坏,通过区块链的逻辑对所述推荐商品进行加密处理,保证了用户所述推荐商品的安全性。
综上所述,本申请实施例所提供的一种电子商务信息推荐方法及系统具有如下技术效果:
1、由于采用了通过获得第一植物的第一图像信息,进而从中获得所述第一植物的所述第一形态信息和生长环境,并将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息,从而根据所述第一需求信息,获得商品推荐清单,并以用户消费的配比筛选商品信息,进而推送于所述第一用户的方式,基于所述生长评估模型不断地进行自我修正调整的特性,获得更加准确的植物生长信息,进而达到了根据用户消费信息占比,准确获取所需信息,提高电子商务信息推荐方法的服务质量的技术效果。
2、由于采用了通过将所述第一植物的第一形态信息和生长环境输入生长评估模型,基于神经网络模型的监督学习的方式,进而使得所述神经网络模型处理所述输入信息更加准确,进而获得更加准确、的所述第一植物的第一生长等级信息,进而可对所述第一植物的生长状态进行准确评估,进而达到获取准确、有效的商品推荐信息的技术效果。
3、由于采用了根据所述第一用户的消费配比获得所述第一用户的对应类别商品的需求,进一步调整和筛选所述第一推荐商品清单,从而根据所述第一用户的消费水平,定位分析所述第一用户的需求,达到了细化需求贴合消费能力,提高信息推荐服务的准确性和有效性的技术效果。
实施例二
基于与前述实施例中一种电子商务信息推荐方法同样发明构思,本发明还提供了一种电子商务信息推荐系统,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用于通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一植物的图像信息;
第二获得单元12,所述第二获得单元12用于根据所述第一图像信息,获得所述第一植物的第一形态信息;
第三获得单元13,所述第三获得单元13用于获得所述第一植物的生长环境;
第一输入单元14,所述第一输入单元14用于将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息;
第四获得单元15,所述第四获得单元15用于根据所述第一植物的第一生长等级信息,获得第一需求信息;
第五获得单元16,所述第五获得单元16用于根据所述第一需求信息,获得第一商品推荐清单信息;
第六获得单元17,所述第六获得单元17用于获得第一用户的消费配比信息;
第一筛选单元18,所述第一筛选单元18用于通过所述第一用户的消费配比信息,对所述第一商品推荐清单信息进行筛选,获得第一商品推荐信息;
第一推送单元19,所述第一推送单元19用于将所述第一商品推荐信息推送给所述第一用户。
进一步的,所述系统还包括:
第二输入单元,所述第二输入单元用于将所述第一植物的第一形态信息和生长环境输入生长评估模型,其中,所述生长评估模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:第一植物的第一形态信息、生长环境和标识第一植物的第一生长等级的标识信息;
第七获得单元,所述第七获得单元用于获得所述生长评估模型的第一输出结果,所述第一输出结果包括所述第一植物的第一生长等级信息。
进一步的,所述系统还包括:
第八获得单元,所述第八获得单元用于获得预定等级阈值;
第一判断单元,所述第一判断单元用于判断所述第一植物的第一生长等级信息是否在所述预定等级阈值之内;
第九获得单元,所述第九获得单元用于如果所述第一植物的第一生长等级信息在所述预定等级阈值之内,获得第一基本需求信息。
进一步的,所述系统还包括:
第十获得单元,所述第十获得单元用于如果所述第一植物的第一生长等级信息不在所述预定等级阈值之内,根据所述第一图像信息,获得所述第一植物的疾病点信息;
第十一获得单元,所述第十一获得单元用于根据所述疾病点信息,确定所述第一植物的疾病信息;
第十二获得单元,所述第十二获得单元用于根据所述第一植物的疾病信息,获得第一治疗需求信息。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于获得所述第一用户的总消费支出信息;
第十四获得单元,所述第十四获得单元用于根据所述总消费支出信息,获得第一用户在第一电商平台和第二电商平台在第一消费类别的第一消费支出信息;
第十五获得单元,所述第十五获得单元用于根据所述第一消费支出信息和所述总消费支出信息,获得所述第一用户在所述第一消费类别的消费配比信息,其中,所述第一消费类别为与所述第一植物相关的消费类别。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于获得第一用户的第一反馈信息;
第十七获得单元,所述第十七获得单元用于获得第一网课数据库;
第十八获得单元,所述第十八获得单元用于根据所述第一反馈信息,从所述第一网课数据库中获得第一网课信息;
第一发送单元,所述第一发送单元用于将所述第一网课信息发送至所述第一用户。
进一步的,所述系统还包括:
第十九获得单元,所述第十九获得单元用于获得第二图像信息,所述第二图像信息为所述第一植物使用第一商品之后的图像信息;
第二十获得单元,所述第二十获得单元用于根据所述第二图像信息,获得所述第一植物的第二形态信息;
第二十一获得单元,所述第二十一获得单元用于根据所述第二形态信息和所述生长环境,获得第二生长等级信息;
第二判断单元,所述第二判断单元用于判断所述第二生长等级信息是否高于所述第一生长等级;
第二十二获得单元,所述第二十二获得单元用于如果所述第二生长等级信息不高于所述第一生长等级,获得第一网络咨询信息;
第二推送单元,所述第二推送单元用于将所述第一网络咨询信息推送至所述第一用户。
前述图1实施例一中的一种电子商务信息推荐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电子商务信息推荐系统,通过前述对一种电子商务信息推荐方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种电子商务信息推荐系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
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一种电子商务信息推荐方法的发明构思,本发明还提供一种电子商务信息推荐系统,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一种电子商务信息推荐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系统通信的单元。
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。
本发明实施例提供的一种电子商务信息推荐方法,所述方法应用于一种电子商务信息推荐系统,所述系统包括一图像采集装置,所述方法包括:通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一植物的图像信息;根据所述第一图像信息,获得所述第一植物的第一形态信息;获得所述第一植物的生长环境;将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息;根据所述第一植物的第一生长等级信息,获得第一需求信息;根据所述第一需求信息,获得第一商品推荐清单信息;获得第一用户的消费配比信息;通过所述第一用户的消费配比信息,对所述第一商品推荐清单信息进行筛选,获得第一商品推荐信息;将所述第一商品推荐信息推送给所述第一用户。解决了现有技术中存在用户难以在海量信息中准确找到符合需求的产品信息的技术问题,达到了自动推荐用户需求信息,提高电子商务信息推荐方法的服务质量的技术效果。
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系统。
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系统的制造品,该指令系统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,则可对这些实施例做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 (9)
1.一种电子商务信息推荐方法,其中,所述方法应用于一种电子商务信息推荐系统,所述系统包括一图像采集装置,所述方法包括:
通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一植物的图像信息;
根据所述第一图像信息,获得所述第一植物的第一形态信息;
获得所述第一植物的生长环境;
将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息;
根据所述第一植物的第一生长等级信息,获得第一需求信息;
根据所述第一需求信息,获得第一商品推荐清单信息;
获得第一用户的消费配比信息;
通过所述第一用户的消费配比信息,对所述第一商品推荐清单信息进行筛选,获得第一商品推荐信息;
将所述第一商品推荐信息推送给所述第一用户。
2.如权利要求1所述的方法,其中,所述将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息,包括:
将所述第一植物的第一形态信息和生长环境输入生长评估模型,其中,所述生长评估模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括:第一植物的第一形态信息、生长环境和标识第一植物的第一生长等级的标识信息;
获得所述生长评估模型的第一输出结果,所述第一输出结果包括所述第一植物的第一生长等级信息。
3.如权利要求1所述的方法,其中,所述根据所述第一植物的第一生长等级信息,获得第一需求信息,包括:
获得预定等级阈值;
判断所述第一植物的第一生长等级信息是否在所述预定等级阈值之内;
如果所述第一植物的第一生长等级信息在所述预定等级阈值之内,获得第一基本需求信息。
4.如权利要求3所述的方法,其中,所述判断所述第一植物的第一生长等级信息是否在所述预定等级阈值之内之后,包括:
如果所述第一植物的第一生长等级信息不在所述预定等级阈值之内,根据所述第一图像信息,获得所述第一植物的疾病点信息;
根据所述疾病点信息,确定所述第一植物的疾病信息;
根据所述第一植物的疾病信息,获得第一治疗需求信息。
5.如权利要求1所述的方法,其中,所述获得第一用户的消费配比信息,包括:
获得所述第一用户的总消费支出信息;
根据所述总消费支出信息,获得第一用户在第一电商平台和第二电商平台在第一消费类别的第一消费支出信息;
根据所述第一消费支出信息和所述总消费支出信息,获得所述第一用户在所述第一消费类别的消费配比信息,其中,所述第一消费类别为与所述第一植物相关的消费类别。
6.如权利要求1所述的方法,其中,所述将所述第一商品推荐信息推送给所述第一用户之后,包括:
获得第一用户的第一反馈信息;
获得第一网课数据库;
根据所述第一反馈信息,从所述第一网课数据库中获得第一网课信息;
将所述第一网课信息发送至所述第一用户。
7.如权利要求1所述的方法,其中,所述将所述第一商品推荐信息推送给所述第一用户之后,包括:
获得第二图像信息,所述第二图像信息为所述第一植物使用第一商品之后的图像信息;
根据所述第二图像信息,获得所述第一植物的第二形态信息;
根据所述第二形态信息和所述生长环境,获得第二生长等级信息;
判断所述第二生长等级信息是否高于所述第一生长等级;
如果所述第二生长等级信息不高于所述第一生长等级,获得第一网络咨询信息;
将所述第一网络咨询信息推送至所述第一用户。
8.一种电子商务信息推荐系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一植物的图像信息;
第二获得单元,所述第二获得单元用于根据所述第一图像信息,获得所述第一植物的第一形态信息;
第三获得单元,所述第三获得单元用于获得所述第一植物的生长环境;
第一输入单元,所述第一输入单元用于将所述第一植物的第一形态信息和生长环境输入生长评估模型,获得所述第一植物的第一生长等级信息;
第四获得单元,所述第四获得单元用于根据所述第一植物的第一生长等级信息,获得第一需求信息;
第五获得单元,所述第五获得单元用于根据所述第一需求信息,获得第一商品推荐清单信息;
第六获得单元,所述第六获得单元用于获得第一用户的消费配比信息;
第一筛选单元,所述第一筛选单元用于通过所述第一用户的消费配比信息,对所述第一商品推荐清单信息进行筛选,获得第一商品推荐信息;
第一推送单元,所述第一推送单元用于将所述第一商品推荐信息推送给所述第一用户。
9.一种电子商务信息推荐系统,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1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110045884.2A CN112686737B (zh) | 2021-01-14 | 2021-01-14 | 一种电子商务信息推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110045884.2A CN112686737B (zh) | 2021-01-14 | 2021-01-14 | 一种电子商务信息推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112686737A true CN112686737A (zh) | 2021-04-20 |
CN112686737B CN112686737B (zh) | 2022-12-02 |
Family
ID=75457817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110045884.2A Active CN112686737B (zh) | 2021-01-14 | 2021-01-14 | 一种电子商务信息推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686737B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679904A (zh) * | 2017-09-28 | 2018-02-09 | 山东浪潮云服务信息科技有限公司 | 一种推荐商品的方法及装置 |
CN108022152A (zh) * | 2017-11-30 | 2018-05-11 | 北京长城华冠汽车技术开发有限公司 | 基于图像识别的用户商品自动推荐系统及推荐方法 |
CN109191261A (zh) * | 2018-09-19 | 2019-01-11 | 北京京东金融科技控股有限公司 | 一种商品推荐方法和系统 |
CN110490688A (zh) * | 2019-07-12 | 2019-11-22 | 苏宁智能终端有限公司 | 商品推荐方法和装置 |
-
2021
- 2021-01-14 CN CN202110045884.2A patent/CN112686737B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679904A (zh) * | 2017-09-28 | 2018-02-09 | 山东浪潮云服务信息科技有限公司 | 一种推荐商品的方法及装置 |
CN108022152A (zh) * | 2017-11-30 | 2018-05-11 | 北京长城华冠汽车技术开发有限公司 | 基于图像识别的用户商品自动推荐系统及推荐方法 |
CN109191261A (zh) * | 2018-09-19 | 2019-01-11 | 北京京东金融科技控股有限公司 | 一种商品推荐方法和系统 |
CN110490688A (zh) * | 2019-07-12 | 2019-11-22 | 苏宁智能终端有限公司 | 商品推荐方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112686737B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Büyüközkan et al. | Evaluation of software development projects using a fuzzy multi-criteria decision approach | |
Hosseini et al. | Cluster analysis using data mining approach to develop CRM methodology to assess the customer loyalty | |
Sneessens et al. | A framework to assess the economic vulnerability of farming systems: Application to mixed crop-livestock systems | |
CN103123712A (zh) | 一种网络行为数据的监控方法和系统 | |
CN107679945A (zh) | 建立消费对象推荐模型的方法以及相关方法及装置 | |
Vaquero-Piñeiro | The long-term fortunes of territories as a route for agri-food policies: evidence from Geographical Indications | |
Antona et al. | Economic theory of renewable resource management: A multi-agent system approach | |
Hayashi | Multicriteria aid for agricultural decisions using preference relations: methodology and application | |
Che et al. | Incentives and static and dynamic gains from market reform: rice production in Vietnam | |
CN112686737B (zh) | 一种电子商务信息推荐方法及系统 | |
CN111159574B (zh) | 一种跨店铺共享信息的方法和装置 | |
Moro et al. | The impact of pillar I support on farm choices: conceptual and methodological challenges | |
Bilancini et al. | Signaling to analogical reasoners who can acquire costly information | |
CN115587238A (zh) | 一种产品品牌营销大数据服务方法 | |
Ray et al. | POLYSIM: a national agricultural policy simulator | |
KR100846117B1 (ko) | 인터넷 쇼핑몰 분양 및 운영 시스템 및 방법 | |
Muharam et al. | Relationship Quality of Service and Servicescape With Customer Satisfaction in the Main Branch Office of Health in Bogor | |
He et al. | The effect of information structure on farmland contractual choice: toward a revised theory of share tenancy with new evidence from Guangdong, China | |
Berger et al. | Mathematical Programming-based multi-agent systems to simulate sustainable resource use in agriculture and forestry | |
Al-Nowaihi et al. | Non-standard central bank loss functions, skewed risks, and certainty equivalence | |
Rydval et al. | Semantic network in information processing for the pork market | |
Chang | Adoption of New Agricultural Technology: A Survey | |
Gebreeyesus | Inactions and spikes of investment in ethiopian manufacturing firms: Empirical evidence on irreversibility and non-convexities | |
Kebede | Three essays on the estimation of Chinese textile demand and its implications for the world cotton market | |
Li et al. | Analysis for quick response strategy using OptQuest simulation |
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 |