CN113240489A - 一种基于大数据统计分析的物品推荐方法及装置 - Google Patents
一种基于大数据统计分析的物品推荐方法及装置 Download PDFInfo
- Publication number
- CN113240489A CN113240489A CN202110537333.8A CN202110537333A CN113240489A CN 113240489 A CN113240489 A CN 113240489A CN 202110537333 A CN202110537333 A CN 202110537333A CN 113240489 A CN113240489 A CN 113240489A
- Authority
- CN
- China
- Prior art keywords
- order
- data
- item
- order data
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000007619 statistical method Methods 0.000 title claims abstract description 27
- 238000013500 data storage Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- 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]
- G06Q30/0623—Item investigation
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种基于大数据统计分析的物品推荐方法及装置。方法包括:获取多个订单数据;对订单数据进行分析,确定每个物品在订单数据中的第一出现次数;将第一出现次数低于第一预设阈值的物品剔除;将剩余的物品重新进行排列组合,得到多个物品集合;确定每个物品集合在历史订单数据中的第二出现次数;将第二出现次数低于第二预设阈值的物品集合剔除;根据剩余的物品集合确定针对待推荐订单的物品。通过对订单数据进行分析,根据历史订单中用户购买到的物品数量对需要进行推荐的订单进行物品推荐,也可以有针对性的对商品进行营销活动,从而实现精准营销,让经销商对平台产生好的体验、更高的黏性,更高的下单量,提高了企业的产品销量。
Description
技术领域
本发明涉及计算机技术领域,具体地涉及一种基于大数据统计分析的物品推荐方法、装置、存储介质及处理器。
背景技术
在快消品行业中,快消品企业渠道中的经销商或商家在进货是都会有订单数据的沉淀,如何通过订单数据进行分类统计分析,给经销商或商家推荐需要进货的商品及对应的优惠信息,譬如我们要知道渠道中经销商或商家下单信息,预估哪些商品同时被下单的概率比较大,然后做针对性的营销活动,目的是为了让经销商对平台产生好的体验、更高的黏性,更高的下单量。
然而,现有技术无法在现在的数据中挖掘更深层次、更多的有价值的信息,无法通过对大量订单数据进行准确地分析,以为用户更精准地推荐相关物品。
发明内容
本发明实施例的目的是提供一种基于大数据统计分析的物品推荐方法、装置、存储介质及处理器。
为了实现上述目的,本发明第一方面提供一种基于大数据统计分析的物品推荐方法,包括:
获取多个订单数据,所述订单数据包括历史订单数据和待推荐订单数据;
对所述订单数据进行分析,确定每个物品在所述订单数据中的第一出现次数;
将所述第一出现次数低于第一预设阈值的物品剔除;
将剩余的物品重新进行排列组合,得到多个物品集合;
确定每个物品集合在所述历史订单数据中的第二出现次数;
将所述第二出现次数低于第二预设阈值的物品集合剔除;
根据剩余的物品集合确定针对所述待推荐订单的物品。
在本发明的实施例中,根据剩余的物品集合确定针对所述待推荐订单的物品包括:确定所述剩余的物品集合所述第二出现次数最大的物品集合及对应的物品;将未包含在所述待推荐订单中的物品确定为针对所述待推荐订单的物品。
在本发明的实施例中,对所述订单数据进行分析包括:确定每个订单数据所对应的订单分类、订单日期、数据存储类型及数据存储的形式中的至少一者。
在本发明的实施例中,确定每个物品在所述订单数据中的第一出现次数包括:根据订单日期确定每个物品在预设时间段内的订单数据中的第一出现次数。
在本发明的实施例中,方法还包括:将所述第二出现次数低于第二预设阈值的物品集合剔除之后,若剩余的物品集合的所述第二出现次数低于第三预设阈值,则确定每个物品在预设时间段之前的订单数据以及订单数据中的出现次数为第一出现次数。
在本发明的实施例中,方法还包括:在获取所述多个订单数据之后,对所述订单数据进行的订单参数重新进行定义,所述订单参数包括订单标识、订单所对应的商户、订单金额、订单的创建日期中的至少一者。
本发明第二方面提供一种基于大数据统计分析的物品推荐装置,包括:
数据获取模块,用于获取多个订单数据,所述订单数据包括历史订单数据和待推荐订单数据;
订单分析模块,用于对所述订单数据进行分析,确定每个物品在所述订单数据中的第一出现次数;
数据筛选模块,用于将所述第一出现次数低于第一预设阈值的物品剔除;将剩余的物品重新进行排列组合,得到多个物品集合;确定每个物品集合在所述历史订单数据中的第二出现次数;将所述第二出现次数低于第二预设阈值的物品集合剔除;
数据推荐模块,用于根据剩余的物品集合确定针对所述待推荐订单的物品。
本发明第三方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得所述处理器被配置成执行上述的基于大数据统计分析的物品推荐方法。
本发明第四方面提供一种处理器,被配置成执行上述的基于大数据统计分析的物品推荐方法。
上述基于大数据统计分析的物品推荐方法,通过获取多个订单数据,所述订单数据包括历史订单数据和待推荐订单数据,对所述订单数据进行分析,确定每个物品在所述订单数据中的第一出现次数,将所述第一出现次数低于第一预设阈值的物品剔除,将剩余的物品重新进行排列组合,得到多个物品集合,确定每个物品集合在所述历史订单数据中的第二出现次数,将所述第二出现次数低于第二预设阈值的物品集合剔除,根据剩余的物品集合确定针对所述待推荐订单的物品,通过对订单数据进行分析,根据历史订单中用户购买到的物品数量对需要进行推荐的订单进行物品推荐,也可以有针对性的对商品进行营销活动,从而实现精准营销,让经销商对平台产生好的体验、更高的黏性,更高的下单量,提高了企业的产品销量。本发明通过对积累沉淀的订单数据的大数据对应进行分类统计分析,从而给经销商或商家推荐需要进货的商品及对应的优惠信息,可广泛应用于快消品等行业。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1示意性示出了根据本发明实施例的基于大数据统计分析的物品推荐方法的流程示意图;
图2示意性示出了根据本发明实施例的基于大数据统计分析的物品推荐装置的结构框图;
图3示意性示出了根据本发明实施例的计算机设备的内部结构图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
图1示意性示出了根据本发明实施例的基于大数据统计分析的物品推荐方法的流程示意图。如图1所示,在本发明一实施例中,提供了一种基于大数据统计分析的物品推荐方法,包括以下步骤:
步骤101,获取多个订单数据,订单数据包括历史订单数据和待推荐订单数据。
步骤102,对订单数据进行分析,确定每个物品在订单数据中的第一出现次数。
步骤103,将第一出现次数低于第一预设阈值的物品剔除。
步骤104,将剩余的物品重新进行排列组合,得到多个物品集合。
步骤105,确定每个物品集合在历史订单数据中的第二出现次数。
步骤106,将第二出现次数低于第二预设阈值的物品集合剔除。
步骤107,根据剩余的物品集合确定针对待推荐订单的物品。
可以先获取到多个订单数据,其中,订单数据包括数据库中的历史订单数据和待推荐订单数据。历史订单数据是指已经生成的订单所对应的数据。待推荐订单则是指,用户还未完成的订单,且服务器需要为该订单提供其他推荐的物品。其中,已经生成的订单具体还可以分为已支付订单已收货订单,已支付未收货订单,未支付订单等等。用户还未完成的订单则可以是指用户还未提交至服务器的订单。
在获取到订单数据后,可以对订单数据进行分析,以确定全部订单数中包含的每个物品的第一出现次数。例如,渠道数据中有4个订单分别为order1、order2、order3、order4,order1的商品为A、B、C、E,order2的商品为B、C、E,order3的商品为B、E,order4的商品为B。对商品进行分解统计分析,可以得到物品A、B、C、E的第一出现次数分别为1、4、2、3。然后,可以进一步将第一出现次数低于第一预设阈值的物品剔除。例如,可以将第一预设阈值设置为2。如上述的例子中,可以将下单次数为1的物品A剔除。在一个实施例中,也可以选择将商品中第一出现次数最低的物品进行剔除。
在剔除后,可以将剩余的物品重新进行排列组合,从而得到多个物品集合,并确定每个物品集合在上述历史订单数据中的第二出现次数。例如,在剔除了物品A以后,可以对其他物品重新进行排列组合,得到新的物品集合{B,C}、{B,E}、{C,E},并统计出这几个物品集合在历史订单数据中出现的次数为2、3、2。同样地,可以将第二出现次数低于第二预设阈值的物品集合剔除。也可以选择将这几个物品集合中出现次数最低的物品集合剔除。例如,可以将物品集合{B,C}和{C,E}剔除,剩下的物品集合只有{B,E}。那么,可以根据剩余的物品集合确定出针对该待推荐订单的推荐物品。
在一个实施例中,在通过上述的步骤筛选后,若剩余的物品集合还有多个,则可以选择物品集合中在历史订单数据中出现次数最多的物品集合,并根据该物品集合中所包含的物品来确定针对待推荐订单的推荐物品。
在一个实施例中,根据剩余的物品集合确定针对待推荐订单的物品包括:确定剩余的物品集合第二出现次数最大的物品集合及对应的物品;将未包含在待推荐订单中的物品确定为针对待推荐订单的物品。
在根据剩余的物品集合确定针对待推荐订单的物品时,首先可以先确定剩余的物品集合第二出现次数最大的物品集合及对应的物品,然后可以将该物品集合包含的物品中未包含在待推荐订单中的物品确定为针对该待推荐订单的物品。
例如,渠道数据中有4个订单分别为order1、order2、order3、order4,order1的商品为A、B、C、E,order2的商品为B、C、E,order3的商品为B、E,order4的商品为B。其中,订单order4为待推荐订单。首先,可以对商品进行分解统计分析,确定物品A、B、C、E的出现次数分别为1、4、2、3。然后,剔除第一出现次数最少的物品A。并对其余的物品重进行统计组合得到一个商品集合B、C、E。进一步地,对这些剩余的物品重新进行排序组合,形成新的物品集合{B,C}、{B,E}、{C,E}。然后,统计出这些新的物品集合在历史订单中的第二出现次数为2、3、2。可以剔除出现次数最少的物品集合{B,C}、{C,E},从而可以确定出第二出现次数最高的物品集合为{B、E}。进一步地,可以看出,订单order4包含有物品B,但未包含有物品E,则可以确定物品E就是针对订单order4的推荐物品。
在一个实施例中,对订单数据进行分析包括:确定每个订单数据所对应的订单分类、订单日期、数据存储类型及数据存储的形式中的至少一者。
在对获取到的订单数据进行分析时,即,在对快消品企业现有渠道中的订单数据进行分析诊断时,可以分析渠道订单的分类、数据存储类型、数据存储的形式。其中,存储的数据类型分为:数字类型、浮点类型、字符串类型等。数据存储的类型分为:结构型数据存储、非结构型存储,结构型存储一般存储在关系型数据库中。如:mysql、oracle等,非结构型一般存储在Hive、Redis等非关系型数据库中。
在一个实施例中,还可以整改的现有系统数据标准,将原有的主数据转化为业务数据和公共数据,按照行业标准、内部规范、技术属性等标准和原则对订单、商户、订单金额、下单日期等数据类型进行重新定义。例如对日期的重新划分,源数据可能有不同系统的订单日期有20210111、2021-01-11、2021年1月11日等形式,则需要重新定义统一为2020-01-11类型,然后再给字段重新划分一个名称(订单日期)映射。
在一个实施例中,确定每个物品在订单数据中的第一出现次数包括:根据订单日期确定每个物品在预设时间段内的订单数据中的第一出现次数。
在一个实施例中,方法还包括:将第二出现次数低于第二预设阈值的物品集合剔除之后,若剩余的物品集合的第二出现次数低于第三预设阈值,则确定每个物品在预设时间段之前的订单数据以及订单数据中的出现次数为第一出现次数。
由于在获取到每个订单数据中,可以确定出每个订单的订单日期。因此,在确定订单数据中包含的每个物品的第一出现次数时,可以选择订单日期在预设时间段内的订单数据进行统计。比如,只统计订单日期在2020.11.30日至2021.3.30日这一时间段内的订单数据中,每个物品出现的次数。虽然选取某个时间段内的数据进行统计,固然可以更清楚地看出在该时期内用户的喜好,也更方便进行数据的统计,但若是选择的时间段较短,或者订单的数据量较少,则可能导致在将不符合要求的物品集合剔除后而确定的推荐物品,实际上的出现次数很低,也会导致推荐物品的准确率降低。例如,在将第二出现次数低于第二预设阈值的物品集合剔除之后,若剩余的物品集合的第二出现次数低于第三预设阈值,而第三预设阈值通常可以设置为一个经验值,若低于该第三预设阈值,则认为不太适合将该物品作为推荐物品,或即便推荐给了用户,被用户采纳的可能性也较低。那么此时,可以扩宽数据的统计量,即,可以将在订单日期在预设时间段内之前的订单数据以及在该预设时间段内的订单数据都进行数据统计,从而确定出每个物品的出现次数。
在一个实施例中,方法还包括:在获取多个订单数据之后,对订单数据进行的订单参数重新进行定义,订单参数包括订单标识、订单所对应的商户、订单金额、订单的创建日期中的至少一者。
上述基于大数据统计分析的物品推荐方法,通过获取多个订单数据,所述订单数据包括历史订单数据和待推荐订单数据,对所述订单数据进行分析,确定每个物品在所述订单数据中的第一出现次数,将所述第一出现次数低于第一预设阈值的物品剔除,将剩余的物品重新进行排列组合,得到多个物品集合,确定每个物品集合在所述历史订单数据中的第二出现次数,将所述第二出现次数低于第二预设阈值的物品集合剔除,根据剩余的物品集合确定针对所述待推荐订单的物品,通过对订单数据进行分析,根据历史订单中用户购买到的物品数量对需要进行推荐的订单进行物品推荐,也可以有针对性的对商品进行营销活动,从而实现精准营销,让经销商对平台产生好的体验、更高的黏性,更高的下单量,提高了企业的产品销量。
在一个实施例中,如图2所示,提供了一种基于大数据统计分析的物品推荐装置,包括:
数据获取模块201,用于获取多个订单数据,订单数据包括历史订单数据和待推荐订单数据。
订单分析模块202,用于对订单数据进行分析,确定每个物品在订单数据中的第一出现次数。
数据筛选模块203,用于将第一出现次数低于第一预设阈值的物品剔除;将剩余的物品重新进行排列组合,得到多个物品集合;确定每个物品集合在历史订单数据中的第二出现次数;将第二出现次数低于第二预设阈值的物品集合剔除。
数据推荐模块204,用于根据剩余的物品集合确定针对待推荐订单的物品。
在一个实施例中,数据推荐模块204还用于确定剩余的物品集合第二出现次数最大的物品集合及对应的物品;将未包含在待推荐订单中的物品确定为针对待推荐订单的物品。
在一个实施例中,订单分析模块202还用于确定每个订单数据所对应的订单分类、订单日期、数据存储类型及数据存储的形式中的至少一者。
在一个实施例中,订单分析模块202还用于根据订单日期确定每个物品在预设时间段内的订单数据中的第一出现次数。
在一个实施例中,订单分析模块202还用于将第二出现次数低于第二预设阈值的物品集合剔除之后,若剩余的物品集合的第二出现次数低于第三预设阈值,则确定每个物品在预设时间段之前的订单数据以及订单数据中的出现次数为第一出现次数。
基于大数据统计分析的物品推荐装置包括处理器和存储器,上述数据获取模块、订单分析模块、数据筛选模块和数据推荐模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序模块中实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现对物品推荐的方法。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述物品推荐的方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述物品推荐的方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中,该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储订单数据等。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种基于大数据统计分析的物品推荐方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取多个订单数据,订单数据包括历史订单数据和待推荐订单数据;对订单数据进行分析,确定每个物品在订单数据中的第一出现次数;将第一出现次数低于第一预设阈值的物品剔除;将剩余的物品重新进行排列组合,得到多个物品集合;确定每个物品集合在历史订单数据中的第二出现次数;将第二出现次数低于第二预设阈值的物品集合剔除;根据剩余的物品集合确定针对待推荐订单的物品。
在一个实施例中,根据剩余的物品集合确定针对待推荐订单的物品包括:确定剩余的物品集合第二出现次数最大的物品集合及对应的物品;将未包含在待推荐订单中的物品确定为针对待推荐订单的物品。
在一个实施例中,对订单数据进行分析包括:确定每个订单数据所对应的订单分类、订单日期、数据存储类型及数据存储的形式中的至少一者。
在一个实施例中,确定每个物品在订单数据中的第一出现次数包括:根据订单日期确定每个物品在预设时间段内的订单数据中的第一出现次数。
在一个实施例中,方法还包括:将第二出现次数低于第二预设阈值的物品集合剔除之后,若剩余的物品集合的第二出现次数低于第三预设阈值,则确定每个物品在预设时间段之前的订单数据以及订单数据中的出现次数为第一出现次数。
在一个实施例中,方法还包括:在获取多个订单数据之后,对订单数据进行的订单参数重新进行定义,订单参数包括订单标识、订单所对应的商户、订单金额、订单的创建日期中的至少一者。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取多个订单数据,订单数据包括历史订单数据和待推荐订单数据;对订单数据进行分析,确定每个物品在订单数据中的第一出现次数;将第一出现次数低于第一预设阈值的物品剔除;将剩余的物品重新进行排列组合,得到多个物品集合;确定每个物品集合在历史订单数据中的第二出现次数;将第二出现次数低于第二预设阈值的物品集合剔除;根据剩余的物品集合确定针对待推荐订单的物品。
在一个实施例中,根据剩余的物品集合确定针对待推荐订单的物品包括:确定剩余的物品集合第二出现次数最大的物品集合及对应的物品;将未包含在待推荐订单中的物品确定为针对待推荐订单的物品。
在一个实施例中,对订单数据进行分析包括:确定每个订单数据所对应的订单分类、订单日期、数据存储类型及数据存储的形式中的至少一者。
在一个实施例中,确定每个物品在订单数据中的第一出现次数包括:根据订单日期确定每个物品在预设时间段内的订单数据中的第一出现次数。
在一个实施例中,在一个实施例中,方法还包括:将第二出现次数低于第二预设阈值的物品集合剔除之后,若剩余的物品集合的第二出现次数低于第三预设阈值,则确定每个物品在预设时间段之前的订单数据以及订单数据中的出现次数为第一出现次数。
在一个实施例中,方法还包括:在获取多个订单数据之后,对订单数据进行的订单参数重新进行定义,订单参数包括订单标识、订单所对应的商户、订单金额、订单的创建日期中的至少一者。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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装置。
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装置的制造品,该指令装置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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于大数据统计分析的物品推荐方法,其特征在于,包括:
获取多个订单数据,所述订单数据包括历史订单数据和待推荐订单数据;
对所述订单数据进行分析,确定每个物品在所述订单数据中的第一出现次数;
将所述第一出现次数低于第一预设阈值的物品剔除;
将剩余的物品重新进行排列组合,得到多个物品集合;
确定每个物品集合在所述历史订单数据中的第二出现次数;
将所述第二出现次数低于第二预设阈值的物品集合剔除;
根据剩余的物品集合确定针对所述待推荐订单的物品。
2.根据权利要求1所述的基于大数据统计分析的物品推荐方法,其特征在于,所述根据剩余的物品集合确定针对所述待推荐订单的物品包括:
确定所述剩余的物品集合所述第二出现次数最大的物品集合及对应的物品;
将未包含在所述待推荐订单中的物品确定为针对所述待推荐订单的物品。
3.根据权利要求1所述的基于大数据统计分析的物品推荐方法,其特征在于,所述对所述订单数据进行分析包括:
确定每个订单数据所对应的订单分类、订单日期、数据存储类型及数据存储的形式中的至少一者。
4.根据权利要求3所述的基于大数据统计分析的物品推荐方法,其特征在于,所述确定每个物品在所述订单数据中的第一出现次数包括:
根据所述订单日期确定每个物品在预设时间段内的订单数据中的第一出现次数。
5.根据权利要求4所述的基于大数据统计分析的物品推荐方法,其特征在于,所述方法还包括:
将所述第二出现次数低于第二预设阈值的物品集合剔除之后,若剩余的物品集合的所述第二出现次数低于第三预设阈值,则确定每个物品在所述预设时间段之前的订单数据以及所述订单数据中的出现次数为第一出现次数。
6.根据权利要求1所述的基于大数据统计分析的物品推荐方法,其特征在于,所述方法还包括:
在获取所述多个订单数据之后,对所述订单数据进行的订单参数重新进行定义,所述订单参数包括订单标识、订单所对应的商户、订单金额、订单的创建日期中的至少一者。
7.一种基于大数据统计分析的物品推荐装置,其特征在于,包括:
数据获取模块,用于获取多个订单数据,所述订单数据包括历史订单数据和待推荐订单数据;
订单分析模块,用于对所述订单数据进行分析,确定每个物品在所述订单数据中的第一出现次数;
数据筛选模块,用于将所述第一出现次数低于第一预设阈值的物品剔除;将剩余的物品重新进行排列组合,得到多个物品集合;确定每个物品集合在所述历史订单数据中的第二出现次数;将所述第二出现次数低于第二预设阈值的物品集合剔除;
数据推荐模块,用于根据剩余的物品集合确定针对所述待推荐订单的物品。
8.根据权利要求7所述的基于大数据统计分析的物品推荐装置,其特征在于,所述数据推荐模块,还用于确定所述剩余的物品集合所述第二出现次数最大的物品集合及对应的物品;将未包含在所述待推荐订单中的物品确定为针对所述待推荐订单的物品。
9.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至6中任一项所述的基于大数据统计分析的物品推荐方法。
10.一种处理器,其特征在于,被配置成执行根据权利要求1至6中任意一项所述的基于大数据统计分析的物品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110537333.8A CN113240489B (zh) | 2021-05-18 | 2021-05-18 | 一种基于大数据统计分析的物品推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110537333.8A CN113240489B (zh) | 2021-05-18 | 2021-05-18 | 一种基于大数据统计分析的物品推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113240489A true CN113240489A (zh) | 2021-08-10 |
CN113240489B CN113240489B (zh) | 2024-02-09 |
Family
ID=77134879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110537333.8A Active CN113240489B (zh) | 2021-05-18 | 2021-05-18 | 一种基于大数据统计分析的物品推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240489B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116362797A (zh) * | 2023-05-31 | 2023-06-30 | 湖南易邦新材料有限公司 | 基于大数据的贸易订单分析预测方法、系统及计算机设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020065735A1 (en) * | 2000-11-27 | 2002-05-30 | Hiroshi Hatakama | Product information supplying method, product information acquiring method, product information registering method and recording medium |
CN101251859A (zh) * | 2008-03-17 | 2008-08-27 | 北京科文书业信息技术有限公司 | 基于购物行为的商品聚类系统及其方法 |
JP2008198163A (ja) * | 2007-01-17 | 2008-08-28 | Scigineer Inc | 情報処理システム、サーバ装置、レコメンド方法、およびプログラム |
CN102521283A (zh) * | 2011-11-28 | 2012-06-27 | 浙江大学 | 一种基于贝叶斯原理的服务组合推荐方法及系统 |
CN107093135A (zh) * | 2017-06-08 | 2017-08-25 | 北京惠赢天下网络技术有限公司 | 一种推荐订单的方法及装置 |
WO2017203672A1 (ja) * | 2016-05-26 | 2017-11-30 | 富士通株式会社 | アイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置 |
CN107424045A (zh) * | 2017-06-28 | 2017-12-01 | 北京惠赢天下网络技术有限公司 | 一种推荐商品的订单生成方法、装置及系统 |
US20180232795A1 (en) * | 2013-06-27 | 2018-08-16 | Wal-Mart Stores, Inc. | Add items from previous orders |
CN110060090A (zh) * | 2019-03-12 | 2019-07-26 | 北京三快在线科技有限公司 | 推荐商品组合的方法、装置、电子设备及可读存储介质 |
CN110413870A (zh) * | 2018-12-18 | 2019-11-05 | 北京沃东天骏信息技术有限公司 | 商品推荐方法、装置及服务器 |
CN112750011A (zh) * | 2021-01-13 | 2021-05-04 | 叮当快药科技集团有限公司 | 商品推荐方法、装置和电子设备 |
-
2021
- 2021-05-18 CN CN202110537333.8A patent/CN113240489B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020065735A1 (en) * | 2000-11-27 | 2002-05-30 | Hiroshi Hatakama | Product information supplying method, product information acquiring method, product information registering method and recording medium |
JP2008198163A (ja) * | 2007-01-17 | 2008-08-28 | Scigineer Inc | 情報処理システム、サーバ装置、レコメンド方法、およびプログラム |
CN101251859A (zh) * | 2008-03-17 | 2008-08-27 | 北京科文书业信息技术有限公司 | 基于购物行为的商品聚类系统及其方法 |
CN102521283A (zh) * | 2011-11-28 | 2012-06-27 | 浙江大学 | 一种基于贝叶斯原理的服务组合推荐方法及系统 |
US20180232795A1 (en) * | 2013-06-27 | 2018-08-16 | Wal-Mart Stores, Inc. | Add items from previous orders |
WO2017203672A1 (ja) * | 2016-05-26 | 2017-11-30 | 富士通株式会社 | アイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置 |
CN107093135A (zh) * | 2017-06-08 | 2017-08-25 | 北京惠赢天下网络技术有限公司 | 一种推荐订单的方法及装置 |
CN107424045A (zh) * | 2017-06-28 | 2017-12-01 | 北京惠赢天下网络技术有限公司 | 一种推荐商品的订单生成方法、装置及系统 |
CN110413870A (zh) * | 2018-12-18 | 2019-11-05 | 北京沃东天骏信息技术有限公司 | 商品推荐方法、装置及服务器 |
CN110060090A (zh) * | 2019-03-12 | 2019-07-26 | 北京三快在线科技有限公司 | 推荐商品组合的方法、装置、电子设备及可读存储介质 |
CN112750011A (zh) * | 2021-01-13 | 2021-05-04 | 叮当快药科技集团有限公司 | 商品推荐方法、装置和电子设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116362797A (zh) * | 2023-05-31 | 2023-06-30 | 湖南易邦新材料有限公司 | 基于大数据的贸易订单分析预测方法、系统及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113240489B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019253860B2 (en) | Data quality analysis | |
US20110208701A1 (en) | Computer-Implemented Systems And Methods For Flexible Definition Of Time Intervals | |
US10579589B2 (en) | Data filtering | |
US20200175530A1 (en) | Pathing and attribution in marketing analytics | |
US20220398234A1 (en) | Computer-based data collection, management, and forecasting | |
CN110969467A (zh) | 产品销售预测方法及相关装置 | |
CN116579804A (zh) | 一种节假日商品销量预测方法、装置及计算机存储介质 | |
CN110650170A (zh) | 用于推送信息的方法和装置 | |
CN111259016A (zh) | 一种数据存储及查询的方法和装置 | |
CN113240489A (zh) | 一种基于大数据统计分析的物品推荐方法及装置 | |
CN110968487A (zh) | 异常数据的分析方法及装置 | |
CN114048252A (zh) | 生产数据的分析方法、装置、存储介质及处理器 | |
CN115619261A (zh) | 一种作业标签画像数据处理方法、装置、计算机设备 | |
CN114969523A (zh) | 基于用户行为数据的标签及推送策略的管理方法及设备、介质 | |
CN110991177B (zh) | 一种物料排重方法及装置 | |
US10558647B1 (en) | High performance data aggregations | |
US11727002B2 (en) | Segment trend analytics query processing using event data | |
US20130173341A1 (en) | Product Offering Analytics | |
CN110968611A (zh) | 数据分析方法、装置及系统 | |
CN114092151A (zh) | 一种基于电商平台的商品销量统计方法、设备及介质 | |
CN109727049A (zh) | 指标变化率分析方法及装置 | |
CN117391737A (zh) | 用于识别用户价值的方法、处理器、装置及存储介质 | |
CN116029426A (zh) | 车险出险预测方法、装置及设备 | |
CN112580840A (zh) | 一种数据分析方法及装置 | |
KR20240029384A (ko) | 주문량 예측 방법 및 주문량 예측 장치 |
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 |