CN112750011A - 商品推荐方法、装置和电子设备 - Google Patents
商品推荐方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112750011A CN112750011A CN202110040374.6A CN202110040374A CN112750011A CN 112750011 A CN112750011 A CN 112750011A CN 202110040374 A CN202110040374 A CN 202110040374A CN 112750011 A CN112750011 A CN 112750011A
- Authority
- CN
- China
- Prior art keywords
- commodity
- commodities
- recommended
- user
- order data
- 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
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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]
- G06Q30/0641—Shopping interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种商品推荐方法、装置和电子设备,其中,方法包括:获取用户选购商品信息;基于所述选购商品信息确定推荐商品集,所述推荐商品集为基于历史订单数据中所述选购商品与其他商品的共现次数确定;基于所述推荐商品集推荐商品。在用户选购商品时,获取到用户的选购商品信息之后,可以基于该商品信息确定与该商品信息对应的推荐商品集,该推荐商品集基于历史订单中选购的商品与其他商品的共现次数确定,并基于推荐商品集推荐商品。使用了大量用户的行为数据,把共同购买的商品放到一起,展示,能提高用户的购买率,从而提高销售额。也为用户省去查找想要商品的时间,大大节省了时间,节约了用户的时间成本。
Description
技术领域
本申请涉及医药互联网领域,尤其涉及一种商品推荐方法、装置和电子设备。
背景技术
电子通讯和互联网的快速发展,使得人们的生活模式和习惯发生很大的变化。越来越多的人倾向于网上购物,并且由于网上购物具有方便快捷、交易成本低、种类繁多和不受场地限制等特点,得到更为蓬勃的发展。在互联网购物过程中,如何将商品信息精确地推荐给合适的用户,使用户能便利地从茫茫商品信息中得到自己所需和所感兴趣的产品信息,节省用户搜索、查询时间,提高用户体验和信息处理效率也逐渐成为人们所关注的问题。
由于药品种类比较多,对于一种药品,有时需要搭配不同的药品组合才有更好的治疗效果。由于用户通常对于药学和病理不懂,因此用户在大量的药品中进行筛选,难以购买到较为合适的药品,严重降低了用户购买药品的效率。因此,如何提高用户购买药品的效率成为亟待解决的技术问题。
发明内容
本申请提供了一种商品推荐方法、装置和电子设备,以至少解决相关技术中存在如何提高用户购买药品的效率的问题。
根据本申请实施例的一个方面,提供了一种商品推荐方法,包括:获取用户选购商品信息;基于所述选购商品信息确定推荐商品集,所述推荐商品集为基于历史订单数据中所述选购商品与其他商品的共现次数确定;基于所述推荐商品集推荐商品。
可选地,所述推荐商品结果集的构建方法包括:获取历史订单数据;将所述历史订单数据中的商品至少两两组合,得到多个商品组合;遍历所述商品组合,汇聚与每一商品在所述商品组合中的共现商品;将共现次数大于预设值的商品作为所述推荐商品集。
可选地,所述将所述历史订单数据中的商品至少两两组合,得到多个商品组合包括:基于预设时间段对所述历史订单数据中的商品进行分组;将每一组的商品进行两两组合,得到多个所述商品组合。
可选地,在所述基于预设时间段对所述历史订单数据中的商品进行分组之前包括:按照用户标识对历史订单数据中的商品进行聚合,得到每个用户对应的历史订单数据中的商品;所述基于预设时间段对所述历史订单数据中的商品进行分组包括:基于所述预设时间段对每个用户对应的历史订单数中的商品进行分组。
可选地,所述将每一组的商品进行两两组合,得到多个所述商品组合包括:针对每一用户在每一预设时间段内分组内的商品按照Cn 2方式进行组合,得到多个商品组合。
可选地,所述将共现次数大于预设值的商品作为所述推荐商品集包括:基于所述共现次数对每一商品的共现商品进行排序;选取前N个共现商品作为当前商品的推荐商品集合。
可选地,可所述基于所述推荐商品集推荐商品包括:将所述推荐商品集中的前M个商品在展示界面中与所述选购商品进行共现;获取用户的反馈指令;基于所述反馈指令调整所述推荐商品集和/或调整所述共现商品的展示顺序。
根据本申请实施例的又一个方面,还提供了一种商品推荐装置,包括:获取模块,用于获取用户选购商品信息;确定模块,用于基于所述选购商品信息确定推荐商品集,所述推荐商品集为基于历史订单数据中所述选购商品与其他商品的共现次数确定;推荐模块,用于基于所述推荐商品集推荐商品。
根据本申请实施例的又一个方面,还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;其中,存储器,用于存储计算机程序;处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。
根据本申请实施例的又一个方面,还提供了一种计算机可读的存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。
在本申请中,在用户选购商品时,获取到用户的选购商品信息之后,可以基于该商品信息确定与该商品信息对应的推荐商品集,该推荐商品集基于历史订单中选购的商品与其他商品的共现次数确定,并基于推荐商品集推荐商品。使用了大量用户的行为数据,把共同购买的商品放到一起,展示,能提高用户的购买率,从而提高销售额。也为用户省去查找想要商品的时间,大大节省了时间,节约了用户的时间成本。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种可选的商品推荐方法的硬件环境的示意图;
图2是根据本申请实施例的一种可选的商品推荐方法的流程示意图;
图3是根据本申请实施例的一种可选的商品推荐装置的结构框图;
图4是根据本申请实施例的一种可选的电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面,提供了一种商品推荐方法。可选地,在本实施例中,上述商品推荐方法可以应用于如图1所示的硬件环境中。如图1所示,
根据本申请实施例的一个方面,提供了一种商品推荐方法。可选地,在本实施例中,上述商品推荐方法可以应用于如图1所示的由终端102和服务器104所构成的硬件环境中。如图1所示,服务器104通过网络与终端102进行连接,可用于为终端或终端上安装的客户端提供服务(如游戏服务、应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器104提供数据存储服务,还可以用于处理云服务,上述网络包括但不限于:广域网、城域网或局域网,终端102并不限定于PC、手机、平板电脑等。本申请实施例的商品推荐方法可以由服务器104来执行,也可以由终端102来执行,还可以是由服务器104和终端102共同执行。其中,终端102执行本申请实施例的商品推荐方法也可以是由安装在其上的客户端来执行。
以由服务器104和/或终端102来执行本实施例中的商品推荐方法为例,可以参见图2所示,该方法的流程可以包括以下步骤:
S202.获取用户选购商品信息;
S204.基于所述选购商品信息确定推荐商品集,所述推荐商品集为基于历史订单数据中所述选购商品与其他商品的共现次数确定;
S206.基于所述推荐商品集推荐商品。
通过上述步骤S202至步骤S206,在用户选购商品时,获取到用户的选购商品信息之后,可以基于该商品信息确定与该商品信息对应的推荐商品集,该推荐商品集基于历史订单中选购的商品与其他商品的共现次数确定,并基于推荐商品集推荐商品。使用了大量用户的行为数据,把共同购买的商品放到一起,展示,能提高用户的购买率,从而提高销售额。也为用户省去查找想要商品的时间,大大节省了时间,节约了用户的时间成本。
作为示例性的实施例,用户选购的商品信息可以为药品信息,例如,用户在买药应用程序上选择的自己需要的药品信息,具体的,可以为选择好的未付款的药品信息,可以为在应用程序上输入的药品查询信息,对查询信息进行分类,得到用户的需要选购的药品信息,例如,用户输入“布洛芬”、“阿莫西林”等查询类信息。
作为示例性的实施例,在得到用户选购的商品信息之后,可以当前选购商品信息作为键值,查询与当前商品信息对应的推荐商品集,该推荐商品集可以为基于历史订单数据中的当前选购商品的推荐商品集,该推荐商品集可以为基于历史订单数据中当前选购商品与其他商品的共现次数确定,具体的,该推荐商品集的构建方法可以采用将所述历史订单数据中的商品至少两两组合,得到多个商品组合;遍历所述商品组合,汇聚与每一商品在所述商品组合中的共现商品;将共现次数大于预设值的商品作为所述推荐商品集。示例性的,历史订单数据可以为所有用户在历史上的所有的选购的订单,历史订单数据中可以包括多个商品的组合,示例性的,统计所有用户购买的商品信息,计算所有商品跟其他商品的共现次数,把每个商品跟其他商品共现次数最多的前N个商品做为此商品的推荐商品集。
作为示例性的实施例,对于商品组合可以按照时间段进行分组,示例性的,基于预设时间段对所述历史订单数据中的商品进行分组;所称的将每一组的商品进行两两组合,得到多个所述商品组合。所称预设时间段可以按照一天、一周、一月等时间段进行划分,在本实施例中,可以采用按照自然周进行划分,具体的,按照订单时间自然周分组,一个自然周中购买的所有商品分成一组,对于此组中的商品,进行Cn2组合,去除本身的组合输出。得到多个商品组合。
作为示例性的实施例,为了提高分组准确性,在按照预设时间段进行分组之前还可以先基于用户对订单中的商品进行聚合,以用户的角度聚合用户购买的商品组合,示例性的,以用户id分组聚合每个用户的所有订单中的商品数据,然后处理每个用户的所有订单列表,具体的,按照用户标识对历史订单数据中的商品进行聚合,得到每个用户对应的历史订单数据中的商品;所述基于预设时间段对所述历史订单数据中的商品进行分组包括:基于所述预设时间段对每个用户对应的历史订单数中的商品进行分组。
作为示例性的实施例,在得到分组之后,可以遍历所述商品组合,汇聚与每一商品在所述商品组合中的共现商品,将共现次数大于预设值的商品作为所述推荐商品集。作为示例性的实施例,以第一个商品为key进行聚合,汇总每个商品key的所有共现商品列表,基于所述共现次数对每一商品的共现商品进行排序;选取前N个共现商品作为当前商品的推荐商品集合。
作为示例性的实施例,下面将对推荐商品集的构建过程进行详细的说明:
具体的,利用hadoop的mapreduce大数据计算框架,统计所有用户购买的商品信息,计算所有商品跟其他商品的共现次数,把每个商品跟其他商品共现次数最多的前N个商品做为此商品的推荐商品结果集。获取到历史上所有的订单数据,将历史上的订单数据可以按照表1中的方式进行处理:
表1
商品两两组合的mapreduce任务实现如下功能:以表1为输入数据,以用户id分组聚合每个用户的所有订单中的商品数据,然后处理每个用户的所有订单列表:(1)按订单时间自然周分组,就是此用户在一个自然周中购买的所有商品分成一组;(2)处理每个自然周分组中的商品数:此分组中的商品数必须大于1,对于此组中的商品,进行Cn2组合,去除本身的组合输出。(3)输出格式比如:一组商品(P1、P2、P3),输出到hdfs文件里:
P1,P2
P2,P1
P1,P3
P3,P1
P2,P3
P3,P2
…
每个组合一行。
聚合每个商品的共现商品集合mapreduce任务:以Step2的输出数据为输入,再以第一个商品为key进行聚合,汇总每个商品key的所有共现商品列表,并且以商品次数为降序排列,取前N个商品为此商品的共现商品集合。输出数据如下所示:
P1 P2,P3
P2 P1,P3
P3 P1,P2
…
作为示例性的实施例,为了更为精确的得到某一商品的共现结果,在以大数据分析为前提得到当前商品的推荐商品集,还可以同时采用解析当前选购的商品信息,例如药品信息,可以解析当前药品信息,并基于当前药品信息的适用病症,预测与当前药品的搭配药品,具体的可以基于深度学习模型进行预测,示例性的,可以将当前选购的药品输入训练好的深度学习模型中,预测与当前选购药品搭配的药品的概率,并基于预测的搭配到的概率最大的前多个药品和上述基于历史订单数据中当前选购商品与其他商品的共现次数确定的推荐商品集进行融合,选择出概率最大,共现次数最多的药品作为最终的推荐商品集。具体的,将深度学习预测得到推荐药品集与基于共现次数得到的推荐药品集进行合并,或者,利用预测得到推荐药品集对共现次数得到的推荐药品集进行筛选,保留预测概率较大的药品,去除概率较小的药品。
作为示例性的实施例,在对深度学习模型进行训练时,可以将针对多个病症中的每一病症的药品组合作为训练集,并且,采用历史订单数据中的每一用户订单中的药品组合对训练集进行调整,具体的,可以先对每一用户订单中的药品组合进行识别,识别用户购买的组合为家庭常备药,并利用该常备药对当前训练集进行扩充,以便模型既可以识别针对病症的药品组合还可以识别出家庭常备药组合,利用扩充后的训练集训练深度学习模型,得到训练好的深度学习模型,该模型基于药品识别到与当前药品搭配的其他药品的概率,最终得到针对病症的药品组合和家庭常备药组合。
作为示例性的实施例,在得到推荐商品之后,可以向用户进行展示,具体的,将所述推荐商品集中的前M个商品在展示界面中与所述选购商品进行共现;获取用户的反馈指令;基于所述反馈指令调整所述推荐商品集和/或调整所述共现商品的展示顺序。作为示例性的实施例,在进行展示之后,用户可以对其进行展示的商品进行评价,例如,选择当前展示的推荐商品,评价当前展示的推荐商品,例如:“换一批”“再看看”“推荐准确”等,并基于用户的操作生成相应的反馈指令,基于反馈指令可以调整推荐商品集,或者调整共现商品的展示顺序。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
根据本申请实施例的另一个方面,还提供了一种用于实施上述商品推荐方法的商品推荐装置。图3是根据本申请实施例的一种可选的商品推荐装置的示意图,如图3所示,该装置可以包括:
获取模块302,用于获取用户选购商品信息;
确定模块304,用于基于所述选购商品信息确定推荐商品集,所述推荐商品集为基于历史订单数据中所述选购商品与其他商品的共现次数确定;
推荐模块306,用于基于所述推荐商品集推荐商品。
需要说明的是,该实施例中的获取模块302可以用于执行上述步骤S202,该实施例中的确定模块304可以用于执行上述步骤S204,该实施例中的推荐模块306可以用于执行上述步骤S206。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现,其中,硬件环境包括网络环境。
根据本申请实施例的又一个方面,还提供了一种用于实施上述商品推荐方法的电子设备,该电子设备可以是服务器、终端、或者其组合。
图4是根据本申请实施例的一种可选的电子设备的结构框图,如图4所示,包括处理器402、通信接口404、存储器406和通信总线408,其中,处理器402、通信接口404和存储器406通过通信总线408完成相互间的通信,其中,
存储器406,用于存储计算机程序;
处理器402,用于执行存储器406上所存放的计算机程序时,实现如下步骤:
S1,获取用户选购商品信息;
S2,基于所述选购商品信息确定推荐商品集,所述推荐商品集为基于历史订单数据中所述选购商品与其他商品的共现次数确定;
S3,基于所述推荐商品集推荐商品。
可选地,在本实施例中,上述的通信总线可以是PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线、或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括RAM,也可以包括非易失性存储器(non-volatile memory),例如,至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,可以包含但不限于:CPU(Central ProcessingUnit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(DigitalSignal Processing,数字信号处理器)、ASIC(Application Specific IntegratedCircuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本领域普通技术人员可以理解,图4所示的结构仅为示意,实施上述商品推荐方法的设备可以是终端设备,该终端设备可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图4其并不对上述电子装置的结构造成限定。例如,终端设备还可包括比图4中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图4所示的不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、ROM、RAM、磁盘或光盘等。
根据本申请实施例的又一个方面,还提供了一种存储介质。可选地,在本实施例中,上述存储介质可以用于执行商品推荐方法的程序代码。
可选地,在本实施例中,上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:
S1,获取用户选购商品信息;
S2,基于所述选购商品信息确定推荐商品集,所述推荐商品集为基于历史订单数据中所述选购商品与其他商品的共现次数确定;
S3,基于所述推荐商品集推荐商品。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例中对此不再赘述。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种商品推荐方法,其特征在于,包括:
获取用户选购商品信息;
基于所述选购商品信息确定推荐商品集,所述推荐商品集为基于历史订单数据中所述选购商品与其他商品的共现次数确定;
基于所述推荐商品集推荐商品。
2.如权利要求1所述的商品推荐方法,其特征在于,所述推荐商品结果集的构建方法包括:
获取历史订单数据;
将所述历史订单数据中的商品至少两两组合,得到多个商品组合;
遍历所述商品组合,汇聚与每一商品在所述商品组合中的共现商品;
将共现次数大于预设值的商品作为所述推荐商品集。
3.如权利要求2所述的商品推荐方法,其特征在于,所述将所述历史订单数据中的商品至少两两组合,得到多个商品组合包括:
基于预设时间段对所述历史订单数据中的商品进行分组;
将每一组的商品进行两两组合,得到多个所述商品组合。
4.如权利要求3所述的商品推荐方法,其特征在于,在所述基于预设时间段对所述历史订单数据中的商品进行分组之前包括:
按照用户标识对历史订单数据中的商品进行聚合,得到每个用户对应的历史订单数据中的商品;
所述基于预设时间段对所述历史订单数据中的商品进行分组包括:
基于所述预设时间段对每个用户对应的历史订单数中的商品进行分组。
5.如权利要求4所述的商品推荐方法,其特征在于,所述将每一组的商品进行两两组合,得到多个所述商品组合包括:
针对每一用户在每一预设时间段内分组内的商品按照Cn 2方式进行组合,得到多个商品组合。
6.如权利要求2所述的商品推荐方法,其特征在于,所述将共现次数大于预设值的商品作为所述推荐商品集包括:
基于所述共现次数对每一商品的共现商品进行排序;
选取前N个共现商品作为当前商品的推荐商品集合。
7.如权利要求1所述的商品推荐方法,其特征在于,所述基于所述推荐商品集推荐商品包括:
将所述推荐商品集中的前M个商品在展示界面中与所述选购商品进行共现;
获取用户的反馈指令;
基于所述反馈指令调整所述推荐商品集和/或调整所述共现商品的展示顺序。
8.一种商品推荐装置,其特征在于,包括:
获取模块,用于获取用户选购商品信息;
确定模块,用于基于所述选购商品信息确定推荐商品集,所述推荐商品集为基于历史订单数据中所述选购商品与其他商品的共现次数确定;
推荐模块,用于基于所述推荐商品集推荐商品。
9.一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信,其特征在于,
所述存储器,用于存储计算机程序;
所述处理器,用于通过运行所述存储器上所存储的所述计算机程序来执行权利要求1至7中任一项所述的商品推荐方法的步骤。
10.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至7中任一项所述的商品推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110040374.6A CN112750011A (zh) | 2021-01-13 | 2021-01-13 | 商品推荐方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110040374.6A CN112750011A (zh) | 2021-01-13 | 2021-01-13 | 商品推荐方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112750011A true CN112750011A (zh) | 2021-05-04 |
Family
ID=75651020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110040374.6A Pending CN112750011A (zh) | 2021-01-13 | 2021-01-13 | 商品推荐方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112750011A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113221006A (zh) * | 2021-05-24 | 2021-08-06 | 北京搜狐新媒体信息技术有限公司 | 物品推荐方法及装置、电子设备、计算机存储介质 |
CN113240489A (zh) * | 2021-05-18 | 2021-08-10 | 广州卓铸网络科技有限公司 | 一种基于大数据统计分析的物品推荐方法及装置 |
CN113469796A (zh) * | 2021-07-28 | 2021-10-01 | 布瑞克农业大数据科技集团有限公司 | 一种推荐商品组合的方法和系统 |
CN113506152A (zh) * | 2021-07-08 | 2021-10-15 | 四川新龟科技有限公司 | 一种商品下单方法、装置、设备及存储介质 |
CN113506154A (zh) * | 2021-07-16 | 2021-10-15 | 杭州时趣信息技术有限公司 | 一种商品推荐方法、系统、电子设备及相关组件 |
CN113706260A (zh) * | 2021-09-01 | 2021-11-26 | 镇江纵陌阡横信息科技有限公司 | 一种基于搜索内容的电商平台商品推荐方法及装置 |
CN114329196A (zh) * | 2021-12-27 | 2022-04-12 | 杭州金线连科技有限公司 | 一种信息推送方法、装置、电子设备及存储介质 |
CN114429382A (zh) * | 2021-12-29 | 2022-05-03 | 广州盖盟达工业品有限公司 | 一种商品推荐方法、装置、存储介质及设备 |
CN116523594A (zh) * | 2023-04-24 | 2023-08-01 | 广州灵缪文化传播有限公司 | 一种基于多源检测数据的商品选品方法 |
-
2021
- 2021-01-13 CN CN202110040374.6A patent/CN112750011A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240489A (zh) * | 2021-05-18 | 2021-08-10 | 广州卓铸网络科技有限公司 | 一种基于大数据统计分析的物品推荐方法及装置 |
CN113240489B (zh) * | 2021-05-18 | 2024-02-09 | 广州卓铸网络科技有限公司 | 一种基于大数据统计分析的物品推荐方法及装置 |
CN113221006A (zh) * | 2021-05-24 | 2021-08-06 | 北京搜狐新媒体信息技术有限公司 | 物品推荐方法及装置、电子设备、计算机存储介质 |
CN113221006B (zh) * | 2021-05-24 | 2023-12-19 | 北京搜狐新媒体信息技术有限公司 | 物品推荐方法及装置、电子设备、计算机存储介质 |
CN113506152A (zh) * | 2021-07-08 | 2021-10-15 | 四川新龟科技有限公司 | 一种商品下单方法、装置、设备及存储介质 |
CN113506154A (zh) * | 2021-07-16 | 2021-10-15 | 杭州时趣信息技术有限公司 | 一种商品推荐方法、系统、电子设备及相关组件 |
CN113469796B (zh) * | 2021-07-28 | 2023-09-12 | 布瑞克农业大数据科技集团有限公司 | 一种推荐商品组合的方法和系统 |
CN113469796A (zh) * | 2021-07-28 | 2021-10-01 | 布瑞克农业大数据科技集团有限公司 | 一种推荐商品组合的方法和系统 |
CN113706260A (zh) * | 2021-09-01 | 2021-11-26 | 镇江纵陌阡横信息科技有限公司 | 一种基于搜索内容的电商平台商品推荐方法及装置 |
CN114329196A (zh) * | 2021-12-27 | 2022-04-12 | 杭州金线连科技有限公司 | 一种信息推送方法、装置、电子设备及存储介质 |
CN114429382A (zh) * | 2021-12-29 | 2022-05-03 | 广州盖盟达工业品有限公司 | 一种商品推荐方法、装置、存储介质及设备 |
CN116523594A (zh) * | 2023-04-24 | 2023-08-01 | 广州灵缪文化传播有限公司 | 一种基于多源检测数据的商品选品方法 |
CN116523594B (zh) * | 2023-04-24 | 2024-02-06 | 广州灵缪文化传播有限公司 | 一种基于多源检测数据的商品选品方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112750011A (zh) | 商品推荐方法、装置和电子设备 | |
CN107369075B (zh) | 商品的展示方法、装置和电子设备 | |
CN109492180A (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN107835231B (zh) | 反馈信息的处理方法及终端设备 | |
CN109636494A (zh) | 药品推荐方法及系统 | |
CN109299356B (zh) | 基于大数据的活动推荐方法、装置、电子设备及存储介质 | |
CN109840796B (zh) | 决策因素分析装置与决策因素分析方法 | |
JP2014500988A (ja) | テキストセットの照合 | |
US8793236B2 (en) | Method and apparatus using historical influence for success attribution in network site activity | |
CN107423356A (zh) | 评价信息的处理方法及装置、计算机可读介质、电子设备 | |
CN109165975A (zh) | 标签推荐方法、装置、计算机设备及存储介质 | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
EP2524345A1 (en) | Attribute aggregation for standard product unit | |
CN111582973A (zh) | 一种商品推荐数据生成方法、装置及系统 | |
CN110674391A (zh) | 基于大数据的产品数据推送方法、系统和计算机设备 | |
CN113051480A (zh) | 资源推送方法、装置、电子设备及存储介质 | |
CN106844402B (zh) | 数据处理方法及装置 | |
CN110852785A (zh) | 用户分级方法、装置及计算机可读存储介质 | |
CN111782927A (zh) | 物品推荐方法及其装置、计算机可存储介质 | |
CN116127184A (zh) | 产品的推荐方法及装置、非易失性存储介质、电子设备 | |
CN110489531B (zh) | 高频问题的确定方法和装置 | |
CN111383049A (zh) | 产品推荐方法、装置及存储介质 | |
CN109840788A (zh) | 用于分析用户行为数据的方法及装置 | |
US11803889B2 (en) | Systems and methods for determining price bands and user price affinity predictions using machine learning architectures and techniques | |
CN108595580B (zh) | 新闻推荐方法、装置、服务器及存储介质 |
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 |