CN112884547A - 一种商品智能推荐方法、装置、介质及终端设备 - Google Patents

一种商品智能推荐方法、装置、介质及终端设备 Download PDF

Info

Publication number
CN112884547A
CN112884547A CN202110147895.1A CN202110147895A CN112884547A CN 112884547 A CN112884547 A CN 112884547A CN 202110147895 A CN202110147895 A CN 202110147895A CN 112884547 A CN112884547 A CN 112884547A
Authority
CN
China
Prior art keywords
historical
customer
client
target
category
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
CN202110147895.1A
Other languages
English (en)
Inventor
李穗燕
梁家杰
王洪菊
赵艳超
刘会河
王志鹏
吴东平
徐智良
柳玉欢
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.)
Lvshou Health Industry Group Co ltd
Original Assignee
Lvshou Health Industry Group 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 Lvshou Health Industry Group Co ltd filed Critical Lvshou Health Industry Group Co ltd
Priority to CN202110147895.1A priority Critical patent/CN112884547A/zh
Publication of CN112884547A publication Critical patent/CN112884547A/zh
Pending legal-status Critical Current

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
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种商品智能推荐方法，包括：获取目标客户的基本信息；通过机器学习算法对目标客户的个人属性进行购买力预测，得到目标客户购买属性；获取历史客户的订单信息，通过聚类算法对历史客户的订单信息进行聚类处理，对历史客户进行分类，得到多个历史客户类别；根据目标客户购买属性，确定与目标客户购买意向相似度最高的历史客户类别，作为推荐客户类别；将目标客户的N个历史购买订单分别与推荐客户类别中各个历史客户的N个历史购买订单进行相似度计算，将相似度最高的历史客户的历史订单推荐给目标客户；本技术方案实现利用海量的历史客户数据进行分析，快速、精准地为客户推荐商品信息。

Description

一种商品智能推荐方法、装置、介质及终端设备
技术领域
本发明涉及大数据处理技术领域，尤其涉及一种商品智能推荐方法、装置、介质及终端设备。
背景技术
传统的在线购物模式中，顾问销售人员往往需要根据客户的个人需求为客户推荐相应的商品咨询或产品信息。但是目前市面上的在线购物系统进行商品推荐时，往往是利用人工沟通，判断出客户的需求，效率低下、推荐不准确；而在线购物系统中往往存在着海量的历史客户信息，有相同需求或爱好的客户实际上订单信息偏好都是一致的，但现有技术缺乏对海量的历史客户数据进行分析利用。
因此，目前市面上亟需一种商品智能推荐策略，可以利用海量的历史客户数据进行分析，快速、精准地为客户推荐商品信息。
发明内容
本发明提供了一种商品智能推荐方法，以解决目前市面上的在线购物系统进行商品推荐时，效率低下、推荐不准确的技术问题。
为了解决上述技术问题，本发明实施例提供了一种商品智能推荐方法，包括：
获取目标客户的基本信息，其中，所述基本信息包括目标客户的个人属性、历史购买数量N，N为自然数；
通过机器学习算法对目标客户的个人属性进行购买力预测，得到目标客户购买属性；
获取历史客户的订单信息，通过聚类算法对历史客户的订单信息进行聚类处理，对历史客户进行分类，得到多个历史客户类别；
根据所述目标客户购买属性，确定与目标客户购买意向相似度最高的历史客户类别，作为推荐客户类别；
将目标客户的N个历史购买订单分别与所述推荐客户类别中各个历史客户的N个历史购买订单进行相似度计算，将相似度最高的历史客户的历史订单推荐给目标客户。
作为优选方案，在所述获取目标客户的基本信息之后，还包括：根据所述基本信息判断目标客户是否为预设无效类型客户，若是，则退出推荐。
作为优选方案，所述机器学习算法为XGBoost算法。
作为优选方案，所述聚类算法为K-Median算法。
相应地，本发明另一实施例还提供了一种商品智能推荐装置，包括：
客户信息模块，用于获取目标客户的基本信息，其中，所述基本信息包括目标客户的个人属性、历史购买数量N，N为自然数；
购买属性模块，用于通过机器学习算法对目标客户的个人属性进行购买力预测，得到目标客户购买属性；
订单信息模块，用于获取历史客户的订单信息，通过聚类算法对历史客户的订单信息进行聚类处理，对历史客户进行分类，得到多个历史客户类别；
客户类别模块，用于根据所述目标客户购买属性，确定与目标客户购买意向相似度最高的历史客户类别，作为推荐客户类别；
订单推荐模块，用于将目标客户的N个历史购买订单分别与所述推荐客户类别中各个历史客户的N个历史购买订单进行相似度计算，将相似度最高的历史客户的历史订单推荐给目标客户。
作为优选方案，所述客户信息模块还用于：在所述获取目标客户的基本信息之后，根据所述基本信息判断目标客户是否为预设无效类型客户，若是，则退出推荐。
作为优选方案，所述机器学习算法为XGBoost算法。
作为优选方案，所述聚类算法为K-Median算法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的商品智能推荐方法。
本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上述任一项所述的商品智能推荐方法。
相比于现有技术，本发明实施例具有如下有益效果：
本发明技术方案通过对历史客户的订单信息进行聚类处理，并根据目标客户购买属性，确定与目标客户购买意向相似度最高的历史客户类别，将相似度最高的历史客户的历史订单推荐给目标客户，以解决目前市面上的在线购物系统进行商品推荐时，效率低下、推荐不准确的技术问题，实现利用海量的历史客户数据进行分析，快速、精准地为客户推荐商品信息。
附图说明
图1：为本发明实施例提供的一种商品智能推荐方法的步骤流程图；
图2：为本发明另一实施例提供的一种商品智能推荐装置的结构示意图；
图3：为本发明实施例提供的一种终端设备的结构示意图。
具体实施方式
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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
请参照图1，为本发明实施例提供的一种商品智能推荐方法的步骤流程图，包括步骤101至步骤105，各步骤具体如下：
步骤101，获取目标客户的基本信息，其中，所述基本信息包括目标客户的个人属性、历史购买数量N，N为自然数。
具体地，目标客户的个人属性可以包括BMI指数，购买次数，消费金额等；历史购买数量指的是该客户之前购买过的订单数量，N可以为0,1,2,3,4……等等。
步骤102，通过机器学习算法对目标客户的个人属性进行购买力预测，得到目标客户购买属性。在本实施例中，所述机器学习算法为XGBoost算法。
具体地，通过XGBoost算法寻找规律，可以预测现在客户可接受的消费情况，去除掉超出客户可承受购买能力的套餐。
步骤103，获取历史客户的订单信息，通过聚类算法对历史客户的订单信息进行聚类处理，对历史客户进行分类，得到多个历史客户类别。在本实施例中，所述聚类算法为K-Median算法。
具体地，通过K-Median算法进行顾问小组内客户分类，K-Median算法是一个聚类算法，通过顾问小组内所有客户分为5类。
步骤104，根据所述目标客户购买属性，确定与目标客户购买意向相似度最高的历史客户类别，作为推荐客户类别。
具体地，根据上述步骤中计算出来的目标客户购买属性，可以在5类客户分组中选择与目标客户的意向购物相似度最高的分组作为推荐分组。
步骤105，将目标客户的N个历史购买订单分别与所述推荐客户类别中各个历史客户的N个历史购买订单进行相似度计算，将相似度最高的历史客户的历史订单推荐给目标客户。
具体地，在确定推荐分组后，再在该分组中确定相似度最高的一个客户的订单信息推荐给目标客户。推荐的订单数量可以为N+1。
在另一实施例中，在所述获取目标客户的基本信息之后，还包括：根据所述基本信息判断目标客户是否为预设无效类型客户，若是，则退出推荐。其中，预设无效类型可以为疾病客户，或需特殊专业服务客户。
本发明技术方案通过对历史客户的订单信息进行聚类处理，并根据目标客户购买属性，确定与目标客户购买意向相似度最高的历史客户类别，将相似度最高的历史客户的历史订单推荐给目标客户，以解决目前市面上的在线购物系统进行商品推荐时，效率低下、推荐不准确的技术问题，实现利用海量的历史客户数据进行分析，快速、精准地为客户推荐商品信息。
实施例二
请参照图2，相应地，为本发明另一实施例提供的一种商品智能推荐装置的结构示意图，包括客户信息模块、购买属性模块、订单信息模块、客户类别模块和订单推荐模块，各模块具体如下：
客户信息模块，用于获取目标客户的基本信息，其中，所述基本信息包括目标客户的个人属性、历史购买数量N，N为自然数。
购买属性模块，用于通过机器学习算法对目标客户的个人属性进行购买力预测，得到目标客户购买属性。在本实施例中，所述机器学习算法为XGBoost算法。
订单信息模块，用于获取历史客户的订单信息，通过聚类算法对历史客户的订单信息进行聚类处理，对历史客户进行分类，得到多个历史客户类别。在本实施例中，所述聚类算法为K-Median算法。
客户类别模块，用于根据所述目标客户购买属性，确定与目标客户购买意向相似度最高的历史客户类别，作为推荐客户类别。
订单推荐模块，用于将目标客户的N个历史购买订单分别与所述推荐客户类别中各个历史客户的N个历史购买订单进行相似度计算，将相似度最高的历史客户的历史订单推荐给目标客户。
在另一实施例中，所述客户信息模块还用于：在所述获取目标客户的基本信息之后，根据所述基本信息判断目标客户是否为预设无效类型客户，若是，则退出推荐。
实施例三
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的商品智能推荐方法。
实施例四
请参照图3，本发明实施例还提供了一种终端设备，所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现上述任一实施例所述的商品智能推荐方法。
优选地，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序)，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(SmartMedia Card，SMC)、安全数字(Secure Digital，SD)卡和闪存卡(Flash Card)等，或所述存储器也可以是其他易失性固态存储器件。
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种商品智能推荐方法，其特征在于，包括：
获取目标客户的基本信息，其中，所述基本信息包括目标客户的个人属性、历史购买数量N，N为自然数；
通过机器学习算法对目标客户的个人属性进行购买力预测，得到目标客户购买属性；
获取历史客户的订单信息，通过聚类算法对历史客户的订单信息进行聚类处理，对历史客户进行分类，得到多个历史客户类别；
根据所述目标客户购买属性，确定与目标客户购买意向相似度最高的历史客户类别，作为推荐客户类别；
将目标客户的N个历史购买订单分别与所述推荐客户类别中各个历史客户的N个历史购买订单进行相似度计算，将相似度最高的历史客户的历史订单推荐给目标客户。
2.如权利要求1所述的商品智能推荐方法，其特征在于，在所述获取目标客户的基本信息之后，还包括：根据所述基本信息判断目标客户是否为预设无效类型客户，若是，则退出推荐。
3.如权利要求1所述的商品智能推荐方法，其特征在于，所述机器学习算法为XGBoost算法。
4.如权利要求1所述的商品智能推荐方法，其特征在于，所述聚类算法为K-Median算法。
5.一种商品智能推荐装置，其特征在于，包括：
客户信息模块，用于获取目标客户的基本信息，其中，所述基本信息包括目标客户的个人属性、历史购买数量N，N为自然数；
购买属性模块，用于通过机器学习算法对目标客户的个人属性进行购买力预测，得到目标客户购买属性；
订单信息模块，用于获取历史客户的订单信息，通过聚类算法对历史客户的订单信息进行聚类处理，对历史客户进行分类，得到多个历史客户类别；
客户类别模块，用于根据所述目标客户购买属性，确定与目标客户购买意向相似度最高的历史客户类别，作为推荐客户类别；
订单推荐模块，用于将目标客户的N个历史购买订单分别与所述推荐客户类别中各个历史客户的N个历史购买订单进行相似度计算，将相似度最高的历史客户的历史订单推荐给目标客户。
6.如权利要求5所述的商品智能推荐装置，其特征在于，所述客户信息模块还用于：在所述获取目标客户的基本信息之后，根据所述基本信息判断目标客户是否为预设无效类型客户，若是，则退出推荐。
7.如权利要求5所述的商品智能推荐装置，其特征在于，所述机器学习算法为XGBoost算法。
8.如权利要求5所述的商品智能推荐装置，其特征在于，所述聚类算法为K-Median算法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-4中任一项所述的商品智能推荐方法。
10.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1-4中任一项所述的商品智能推荐方法。
CN202110147895.1A 2021-02-03 2021-02-03 一种商品智能推荐方法、装置、介质及终端设备 Pending CN112884547A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110147895.1A CN112884547A (zh) 2021-02-03 2021-02-03 一种商品智能推荐方法、装置、介质及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110147895.1A CN112884547A (zh) 2021-02-03 2021-02-03 一种商品智能推荐方法、装置、介质及终端设备

Publications (1)

Publication Number Publication Date
CN112884547A true CN112884547A (zh) 2021-06-01

Family

ID=76056890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110147895.1A Pending CN112884547A (zh) 2021-02-03 2021-02-03 一种商品智能推荐方法、装置、介质及终端设备

Country Status (1)

Country Link
CN (1) CN112884547A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113888241A (zh) * 2021-11-02 2022-01-04 广州宇中网络科技有限公司 一种门店后台管理方法、系统、电子设备及可读存储介质
CN116882598A (zh) * 2023-09-08 2023-10-13 四川丝路易购科技有限公司 一种进出口货物贸易订单管理方法和系统
CN117172832A (zh) * 2023-11-03 2023-12-05 威海百合生物技术股份有限公司 基于机器学习的胶原蛋白肽保健品智能推荐方法
CN117557318A (zh) * 2023-12-29 2024-02-13 青岛巨商汇网络科技有限公司 一种基于虚拟购物的管理智能分析方法及系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113888241A (zh) * 2021-11-02 2022-01-04 广州宇中网络科技有限公司 一种门店后台管理方法、系统、电子设备及可读存储介质
CN116882598A (zh) * 2023-09-08 2023-10-13 四川丝路易购科技有限公司 一种进出口货物贸易订单管理方法和系统
CN116882598B (zh) * 2023-09-08 2023-12-29 四川丝路易购科技有限公司 一种进出口货物贸易订单管理方法和系统
CN117172832A (zh) * 2023-11-03 2023-12-05 威海百合生物技术股份有限公司 基于机器学习的胶原蛋白肽保健品智能推荐方法
CN117172832B (zh) * 2023-11-03 2024-04-16 威海百合生物技术股份有限公司 基于机器学习的胶原蛋白肽保健品智能推荐方法
CN117557318A (zh) * 2023-12-29 2024-02-13 青岛巨商汇网络科技有限公司 一种基于虚拟购物的管理智能分析方法及系统
CN117557318B (zh) * 2023-12-29 2024-06-11 青岛巨商汇网络科技有限公司 一种基于虚拟购物的管理智能分析方法及系统

Similar Documents

Publication Publication Date Title
CN112884547A (zh) 一种商品智能推荐方法、装置、介质及终端设备
JP5965911B2 (ja) オンライン取引プラットフォームに基づくデータ処理
US10860634B2 (en) Artificial intelligence system and method for generating a hierarchical data structure
CN110322300B (zh) 数据处理方法及装置、电子设备、存储介质
CN111738805B (zh) 基于行为日志的搜索推荐模型生成方法、设备和存储介质
CN111125376B (zh) 知识图谱生成方法、装置、数据处理设备及存储介质
CN112750011A (zh) 商品推荐方法、装置和电子设备
CN106485566A (zh) 一种信息推荐方法及装置
CN111966886A (zh) 对象推荐方法、对象推荐装置、电子设备及存储介质
CN106910101A (zh) 群体虚假交易识别方法及装置
CN110599307A (zh) 一种商品推荐的方法及装置
CN110880061A (zh) 商品到手价格的风险监管方法及系统
CN116205675A (zh) 一种基于线程划分的数据采集方法及装置
CN114943581A (zh) 推荐对象的信息推送方法、装置、设备及介质
CN116595390A (zh) 商品信息处理方法及电子设备
CN111028042A (zh) 一种商品价格的变更方法、装置、设备及存储介质
CN111639274B (zh) 线上商品智能排序方法、装置、计算机设备和存储介质
Cherednichenko et al. Towards improving the search quality on the trading platforms
CN114219405A (zh) 一种基于随机立减算法的库存平衡管理方法及系统
CN110782325B (zh) 一种会员信息的推荐方法和装置
CN114169928A (zh) 一种新型门店销售管理方法、系统、设备及可读存储介质
JP6932680B2 (ja) 売買審査装置、売買審査方法及び売買審査プログラム
CN113837843A (zh) 产品推荐方法、装置、介质及电子设备
CN114723354A (zh) 一种针对供应商的线上商机挖掘方法、设备及介质
CN104966212B (zh) 用户移动化程度的检测方法及应用方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 510000 Lingnan node garden, Yuwei bridge, Huadi Avenue Road, Liwan District, Guangzhou City, Guangdong Province

Applicant after: Lvshou Health Industry Group Co.,Ltd.

Address before: 510000 Lingnan node garden, Yuwei bridge, Huadi Avenue Road, Liwan District, Guangzhou City, Guangdong Province

Applicant before: LVSHOU HEALTH INDUSTRY GROUP Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 510000 Lingnan node garden, Yuwei bridge, Huadi Avenue Road, Liwan District, Guangzhou City, Guangdong Province

Applicant after: Guangdong one health industry group Co.,Ltd.

Address before: 510000 Lingnan node garden, Yuwei bridge, Huadi Avenue Road, Liwan District, Guangzhou City, Guangdong Province

Applicant before: Lvshou Health Industry Group Co.,Ltd.

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination