CN113283960A - 基于大数据分析和云计算的垂直电商平台商品智能推荐方法和云服务平台 - Google Patents
基于大数据分析和云计算的垂直电商平台商品智能推荐方法和云服务平台 Download PDFInfo
- Publication number
- CN113283960A CN113283960A CN202110538580.XA CN202110538580A CN113283960A CN 113283960 A CN113283960 A CN 113283960A CN 202110538580 A CN202110538580 A CN 202110538580A CN 113283960 A CN113283960 A CN 113283960A
- Authority
- CN
- China
- Prior art keywords
- wine
- user
- commerce platform
- merchant
- preference
- 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
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
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)
Abstract
本发明公开提供的基于大数据分析和云计算的垂直电商平台商品智能推荐方法和云服务平台。该基于大数据分析和云计算的垂直电商平台商品智能推荐方法包括:获取该用户对应的基本信息;统计该用户历史购买酒水的次数;获取该用户在该电商平台历史各次酒水购买时对应的酒水信息;获取该电商平台各酒水销售商家对应的基本信息和销售信息;将该用户对应的偏好酒水信息与各酒水销售商家对应的基本信息进行匹配筛选;将各待推荐的酒水销售商家进行互相对比,并进行推荐,本发明通过该方法有效的解决了现有的商品推荐方法没有基于用户对应的历史购物记录进行分析的问题,实现了对该用户偏好酒水的智能推荐。
Description
技术领域
本发明属于商品推荐管理技术领域,涉及到基于大数据分析和云计算的垂直电商平台商品智能推荐方法和云服务平台。
背景技术
随着电子商务的快速发展,用户在酒水的购物选择上变得更为丰富,但是,在这种大背景,用户在电子商务平台找到自己的心仪的酒水种类的困难度也逐渐加大,电商平台的商品智能推荐能够有效的保障用户对酒水的选购效率和提升用户对平台购物的体验感。
现有的商品推荐方法主要是基于用户搜索的酒水关键字或者用户输入的酒水图片来进行检索和推荐,这种商品推荐方法并没实现对用于待选购酒水进行智能和细致化的推荐,因此,现有的商品推荐方法还存在了很多弊端,一方面,现有的商品推荐方法无法有效的提高该电商平台对用户偏好酒水的推荐效率,一方面,现有的商品推荐方法没有基于用户对应的历史购物记录进行分析,进而无法获取用户的真实偏好,另一方面,现有的商品推荐方法无法保障推荐酒水的精准性。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出针对酒水推荐的基于大数据分析和云计算的垂直电商平台商品智能推荐方法和云服务平台,实现了对用户偏好酒水的智能推荐;
本发明的目的可以通过以下技术方案实现:
本发明第一方面提供了基于大数据分析和云计算的垂直电商平台商品智能推荐方法,该方法包括以下步骤:
S1、用户基本信息获取:所述用户基本信息获取通过调取该用户在该平台对应的账号信息,进而获取该用户对应的ID账号和该用户对应的年龄;
S2、历史酒水购买次数统计:所述历史酒水购买次数统计用于对该用户在该电商平台对应的历史购买酒水的次数进行统计,进而获取该用户在该电商平台历史购买酒水次数,将该用户在该电商平台对应的历史酒水购买记录按照其购买时间的先后顺序进行排序,依次标记为1,2,...i,...n;
S3、历史购买酒水信息获取:所述历史购买酒水信息获取用于获取该用户在该电商平台历史各次酒水购买时对应的酒水信息,其中,酒水信息包括酒水产地、酒水种类、酒水度数和酒水容量,进而构建历史购买酒水信息集合Jw(Jw1,Jw2,...Jwi,...Jwn),Jwi表示该用户在该电商平台第i次购买酒水对应的第w个信息,w表示酒水信息,w=a1,a2,a3,a4,a1,a2,a3和a4分别表示酒水产地、酒水种类、酒水度数和酒水容量;
S4、酒水销售商家信息获取:统计该电商平台对应的酒水销售商家的数量,并将该电商平台对应的酒水销售商家按照预设顺序进行编号,依次标记为1,2,...j,...m,其中,酒水销售商家信息包括酒水销售商家基本信息和酒水销售商家销售信息;
S5、用户购买酒水信息分析:所述用户购买酒水信息分析用于对该用户购买酒水对应的产地、种类、度数和容量进行分析,进而获取该用户对应的偏好酒水对应的产地、种类、度数等级和容量;
S6、商家匹配筛选:所述商家匹配筛选用于将分析的该用户对应的偏爱的酒水对应的产地、种类、度数和容量与各酒水销售商家对应的基本信息进行匹配筛选,进而获取该电商平台对应的各待推荐的酒水销售商家;
S7、酒水销售商家推荐:所述酒水销售商家推荐用于将该电商平台各待推荐的酒水销售商家进行互相对比,并进行推荐。
进一步地,所述该电商平台各酒水销售商家对应的基本信息包括商家销售酒水种类、商家销售酒水对应的产地、商家销售酒水对应的度数等级和商家销售酒水对应的容量,进而构建各酒水销售商家基本信息集合Xe(Xe1,Xe2,...Xej,...Xem),Xej表示该电商平台第j个酒水销售商家对应的第e个基本信息,e表示酒水销售商家基本信息,e=b1,b2,b3,b4,b1,b2,b3和b4分别表示商家销售酒水种类、商家销售酒水对应的产地、商家销售酒水对应的度数等级和商家销售酒水对应的容量。
进一步地,所述该电商平台各酒水销售商家对应的销售信息包括商家酒水销售量和商家销售信誉度,进而构建各酒水销售商家销售信息集合Tz(Tz1,Tz2,...Tzj,...Tzm),Tzj表示该电商平台第j个酒水销售商家对应的第z个销售信息,z表示酒水销售商家销售信息,z=c1,c2,c1和c2分别表示商家酒水销售量和商家销售信誉度。
进一步地,所述对该用户购买酒水产地的具体分析过程包括以下步骤:
A1、根据历史购买酒水信息集合进而获取该用户在该电商平台各次购买酒水对应的产地,将该用户在该电商平台各次购买酒水对应的产地进行互相对比筛选,统计该用户在该电商台购买酒水对应的产地数量和各酒水产地对应的购买次数;
A2、将该用户在该电商平台购买酒水对应的产地按照预设顺序进行编号,依次标记为1,2,...k,...l;
A3、进而将该用户在该电商平台各产地酒水对应的购买次数与该用户在该电商平台对应的酒水购买次数进行对比,进而统计该用户各酒水产地偏好影响系数,其计算公式为αr表示该用户在该电商平台购买的第r个酒水产地对应的偏好影响系数,pr表示该用户在该电商平台购买的第r个酒水产地对应的购买次数,n表示该用户在该电商平台对应的酒水购买次数,r表示酒水产地编号,r=1,2,...k,...l;
A4、根据统计的该用户各酒水产地偏好影响系数,进而将该用户对应的各酒水产地偏好影响系数按照预设顺序进行排序,进而提取排名第一位的酒水产地,并将该酒水产地记为该用户偏好酒水产地。
进一步地,所述对用户购买酒水种类的具体分析过程各包括以下步骤:
B1、根据统计的该用户对应的偏好酒水产地,进而获取该用户在该电商平台该偏好酒水产地酒水对应的购买次数;
B2、进而调取该用户在该电商平台该偏好酒水产地各次购买时对应的酒水种类,进而获取该用户在该电商平台该酒水偏好产地对应的购买酒水的种类,并将该用户在该平台该酒水偏好产地对应的购买酒水的种类按照预设顺序进行编号,依次标记为1,2,...x,...y;
B3、将该用户在该电商平台各次购买该偏好酒水产地对应的购买酒水的种类分别进行对比筛选,进而统计该用户在该电商平台该酒水偏好产地各酒水种类对应的购买次数;
B4、将该用户在该电商平台该酒水偏好产地各酒水种类对应的购买次数与该偏好酒水种类对应的购买次数进行对比,进而统计该用户各酒水种类偏好影响系数,其计算公式为εh表示该用户在该电商平台该偏好酒水产地第h个酒水种类对应的偏好影响系数,qh该用户在该电商平台该偏好酒水产地第h个酒水种类应的购买次数,p′表示该用户在该电商平台该偏好酒水产地对应的购买次数,h表示购买酒水种类编号,h=1,2,...x,...y;
B5、根据统计的该用户各酒水种类偏好影响系数,进而将统计的该用户各酒水种类偏好影响系数按照从大到小的顺序进行排序,进而提取排名第一位对应的酒水种类,并将该酒水种类记为该用户偏好酒水种类。
进一步地,所述对该用户购买酒水对应的度数分析包括:根据该用户对应的偏好酒水对应的种类,进而获取该用户在该电商平台各次购买该偏好酒水种类对应的度数,将该用户在该电商平台各次购买该酒水偏好种类对应的度数与各酒水度数对应的等级进行匹配筛选,进而获取该用户在该电商平台各次购买该酒水偏好种类对应的度数等级,并统计该用户在该电商平台该酒水偏好种类各度数等级对应的购买次数,将该用户在该电商平台该酒水偏好种类各度数等级对应的购买次数与该用户在该电商平台该偏好酒水种类对应的购买次数进行对比,进而统计该用户各酒水度数等级偏好影响系数,其计算公式为βs表示该用户在该电商平台该偏好酒水种类第s个度数等级对应的偏好影响系数,Gs表示该用户在该电商平台该酒水偏好种类第s个度数等级对应的购买次数,s表示酒水度数等级编号,s=1,2,...u,...v,同时将统计的该用户各酒水度数等级偏好影响系数按照从大到小的顺序进行排序,提取排名第一位对应的酒水度数等级,将该度数等级记为该用户偏好酒水度数等级。
进一步地,所述对该用户购买酒水对应的容量分析的具体过程包括以下步骤:
C1、根据该用户对应的偏好酒水度数等级,进而获取该用户在电商平台该偏好酒水度数等级对应的购买次数;
C2、调取该用户在该电商平台各次购买该偏好酒水度数等级对应的酒水容量和购买时间;
C3、进而获取该用户在该电商平台该偏好酒水度数等级各次购买酒水容量对应的预估消耗时长;
C4、将该用户在该电商平台该偏好酒水度数等级各次购买酒水容量对应的预估消耗时长与其对应的酒水容量进行对比,进而统计该用户酒水预估日均消耗量,其计算公式为H表示该用户酒水预估日均消耗量,Jf表示该用户在该电商平台第f次购买该偏好酒水度数等级酒水对应的容量,Tf表示该用户在该电商平台第f次购买该偏好酒水度数等级酒水容量对应的预估消耗时长,t表示该用户在电商平台该偏好酒水度数等级对应的购买次数,f表示该用户偏好酒水度数等级购买次数编号,f=1,2,...g,...t;
C5、将该用户酒水预估日均消耗量与人员对应的标准酒水预估日均消耗量进行对比,进而统计该用户日均酒水消耗量影响系数,其计算公式为α表示该用户对应的日均酒水消耗量影响系数,H标准表示人员对应的标准酒水预估日均消耗量;
C6、根据统计的该用户日均酒水消耗量影响系数,进而从数据库中提取该用户日均酒水消耗量影响系数对应的适配酒水容量,将该适配酒水容量记为该用户对应的偏好酒水容量。
进一步地,所述商家匹配筛选过程为:根据各酒水销售商家基本信息集合,进而获取各酒水销售商家对应的销售酒水种类、销售酒水对应的产地、销售酒水对应的度数、销售酒水对应的容量,进而将各酒水销售商家对应的销售酒水种类、销售酒水对应的产地、销售酒水对应的度数、销售酒水对应的容量分别与该用户偏好酒水种类、酒水产地、酒水度数等级各酒水容量进行对比筛选,统计酒水销售商家基本信息与该用户偏好酒水信息匹配的酒水销售商家数量,并将与该用户偏好酒水信息匹配的酒水销售商家记为待推荐酒水销售商家,进而获取该电商平台待推荐酒水销售商家对应的数量,并将该电商平台对应的待推荐酒水销售商家按照预设顺序进行编号,依次标记为1′,2′,...j′,...m′。
进一步地,所述酒水销售商家推荐的具体过程包括以下步骤:
D1、根据各酒水销售商家销售信息集合,进而获取各酒水销售商家对应的商家酒水销售量和商家销售信誉度;
D2、提取各待推荐酒水销售商家对应的酒水销售量,将各待推荐酒水销售商家对应的酒水销售量分别与商家酒水对应的标准销售量进行对比,进而统计各待推荐酒水销售商家酒水销售量优选推荐影响系数,其计算公式为λd表示第d个待推荐酒水销售商家对应的酒水销售量优选推荐影响系数,c1d表示第d个待推荐酒水销售商家对应的酒水销售量,c1标准表示商家酒水对应的标准销售量;
D3、提取各待推荐酒水销售商家对应的销售信誉度,进而将各待推荐酒水销售商家对应的销售信誉度分别与商家对应的标准销售信誉度进行对比,进而统计各待推荐酒水销售商家销售信誉度优选推荐影响系数,其计算公式为μd表示第d个待推荐酒水销售商家对应的销售信誉度优选推荐影响系数,c2d表示第d个待推荐酒水销售商家对应的销售信誉度,c2标准表示商家对应的标准销售信誉度;
D4、根据统计的各待推荐酒水销售商家酒水销售量优选推荐影响系数和各待推荐酒水销售商家销售信誉度优选推荐影响系数,进而统计各待推荐酒水销售商家综合优选推荐影响系数,其计算公式为ηd表示第d个待推荐酒水销售商家对应的综合优选推荐影响系数,d表示待推荐酒水销售商家编号,d=1′,2′,...j′,...m′;
D5、将统计的各待推荐酒水销售商家综合优选推荐影响系数按照从大到小的顺序进行排序,进而提取排名第一位对应的待推荐酒水销售商家,并记为目标推荐酒水销售商家,进而调取该目标推荐酒水销售商家对应适配酒水发送至该用户对应的用户终端。
本发明第二方面提供了一种云服务平台,所述云服务平台包括处理器、机器可读存储介质和网络接口,所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连,所述网络接口用于与至少一个商品智能推荐终端通信连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以执行本发明任意一项的基于大数据分析和云计算的垂直电商平台商品智能推荐方法。
本发明的有益效果:
(1)本发明提供的基于大数据分析和云计算的垂直电商平台商品智能推荐方法,通过对用户购买酒水信息、各酒水销售商家基本信息和各商家销售信息进行全面的分析,进而有效的解决了现有的商品推荐方法没有基于用户对应的历史购物记录进行分析,无法获取用户的真实偏好的问题,大大的提高了该电商平台对用户偏好酒水的推荐效率,实现了对该用户偏好酒水的智能推荐;
(2)本发明通过获取用户在该电商平台历史购买的酒水信息,进而有效的获取了该用户在该电商平台历史购买酒水对应的种类、产地、度数和容量,进而为后续对该用户酒水偏好分析和酒水推荐提供了有力的数据基础;
(3)本发明通过获取该电商平台各酒水销售商家基本信息和销售信息,进而为后续对该电商平台各酒水销售商家进行匹配筛选和推荐提供了参考依据,进而有效的保障了酒水销售商家推荐的精准性和酒水推荐的精准性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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为本发明方法实施步骤图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
请参阅图1所示,本发明第一方面基于大数据分析和云计算的垂直电商平台商品智能推荐方法,该方法包括以下步骤:
S1、用户基本信息获取:所述用户基本信息获取通过调取该用户在该平台对应的账号信息,进而获取该用户对应的ID账号和该用户对应的年龄;
S2、历史酒水购买次数统计:所述历史酒水购买次数统计用于对该用户在该电商平台对应的历史购买酒水的次数进行统计,进而获取该用户在该电商平台历史购买酒水次数,将该用户在该电商平台对应的历史酒水购买记录按照其购买时间的先后顺序进行排序,依次标记为1,2,...i,...n;
S3、历史购买酒水信息获取:所述历史购买酒水信息获取用于获取该用户在该电商平台历史各次酒水购买时对应的酒水信息,其中,酒水信息包括酒水产地、酒水种类、酒水度数和酒水容量,进而构建历史购买酒水信息集合Jw(Jw1,Jw2,...Jwi,...Jwn),Jwi表示该用户在该电商平台第i次购买酒水对应的第w个信息,w表示酒水信息,w=a1,a2,a3,a4,a1,a2,a3和a4分别表示酒水产地、酒水种类、酒水度数和酒水容量;
本发明实施例通过获取用户在该电商平台历史购买的酒水信息,进而有效的获取了该用户在该电商平台历史购买酒水对应的种类、产地、度数和容量,进而为后续对该用户酒水偏好分析和酒水推荐提供了有力的数据基础。
S4、酒水销售商家信息获取:统计该电商平台对应的酒水销售商家的数量,并将该电商平台对应的酒水销售商家按照预设顺序进行编号,依次标记为1,2,...j,...m,其中,酒水销售商家信息包括酒水销售商家基本信息和酒水销售商家销售信息;
本发明实施例通过获取该电商平台各酒水销售商家基本信息和销售信息,进而为后续对该电商平台各酒水销售商家进行匹配筛选和推荐提供了参考依据,进而有效的保障了酒水销售商家推荐的精准性和酒水推荐的精准性。
具体地,所述该电商平台各酒水销售商家对应的基本信息包括商家销售酒水种类、商家销售酒水对应的产地、商家销售酒水对应的度数等级和商家销售酒水对应的容量,进而构建各酒水销售商家基本信息集合Xe(Xe1,Xe2,...Xej,...Xem),Xej表示该电商平台第j个酒水销售商家对应的第e个基本信息,e表示酒水销售商家基本信息,e=b1,b2,b3,b4,b1,b2,b3和b4分别表示商家销售酒水种类、商家销售酒水对应的产地、商家销售酒水对应的度数等级和商家销售酒水对应的容量。
所述该电商平台各酒水销售商家对应的销售信息包括商家酒水销售量和商家销售信誉度,进而构建各酒水销售商家销售信息集合Tz(Tz1,Tz2,...Tzj,...Tzm),Tzj表示该电商平台第j个酒水销售商家对应的第z个销售信息,z表示酒水销售商家销售信息,z=c1,c2,c1和c2分别表示商家酒水销售量和商家销售信誉度。
S5、用户购买酒水信息分析:所述用户购买酒水信息分析用于对该用户购买酒水对应的产地、种类、度数和容量进行分析,进而获取该用户对应的偏好酒水对应的产地、种类、度数等级和容量;
具体地,对该用户购买酒水产地的具体分析过程包括以下步骤:
A1、根据历史购买酒水信息集合进而获取该用户在该电商平台各次购买酒水对应的产地,将该用户在该电商平台各次购买酒水对应的产地进行互相对比筛选,统计该用户在该电商台购买酒水对应的产地数量和各酒水产地对应的购买次数;
A2、将该用户在该电商平台购买酒水对应的产地按照预设顺序进行编号,依次标记为1,2,...k,...l;
A3、进而将该用户在该电商平台各产地酒水对应的购买次数与该用户在该电商平台对应的酒水购买次数进行对比,进而统计该用户各酒水产地偏好影响系数,其计算公式为αr表示该用户在该电商平台购买的第r个酒水产地对应的偏好影响系数,pr表示该用户在该电商平台购买的第r个酒水产地对应的购买次数,n表示该用户在该电商平台对应的酒水购买次数,r表示酒水产地编号,r=1,2,...k,...l;
A4、根据统计的该用户各酒水产地偏好影响系数,进而将该用户对应的各酒水产地偏好影响系数按照预设顺序进行排序,进而提取排名第一位的酒水产地,并将该酒水产地记为该用户偏好酒水产地。
具体地,所述对用户购买酒水种类的具体分析过程各包括以下步骤:
B1、根据统计的该用户对应的偏好酒水产地,进而获取该用户在该电商平台该偏好酒水产地酒水对应的购买次数;
B2、进而调取该用户在该电商平台该偏好酒水产地各次购买时对应的酒水种类,进而获取该用户在该电商平台该酒水偏好产地对应的购买酒水的种类,并将该用户在该平台该酒水偏好产地对应的购买酒水的种类按照预设顺序进行编号,依次标记为1,2,...x,...y;
B3、将该用户在该电商平台各次购买该偏好酒水产地对应的购买酒水的种类分别进行对比筛选,进而统计该用户在该电商平台该酒水偏好产地各酒水种类对应的购买次数;
B4、将该用户在该电商平台该酒水偏好产地各酒水种类对应的购买次数与该偏好酒水种类对应的购买次数进行对比,进而统计该用户各酒水种类偏好影响系数,其计算公式为εh表示该用户在该电商平台该偏好酒水产地第h个酒水种类对应的偏好影响系数,qh该用户在该电商平台该偏好酒水产地第h个酒水种类应的购买次数,p′表示该用户在该电商平台该偏好酒水产地对应的购买次数,h表示购买酒水种类编号,h=1,2,...x,...y;
B5、根据统计的该用户各酒水种类偏好影响系数,进而将统计的该用户各酒水种类偏好影响系数按照从大到小的顺序进行排序,进而提取排名第一位对应的酒水种类,并将该酒水种类记为该用户偏好酒水种类。
具体地,所述对该用户购买酒水对应的度数分析包括:根据该用户对应的偏好酒水对应的种类,进而获取该用户在该电商平台各次购买该偏好酒水种类对应的度数,将该用户在该电商平台各次购买该酒水偏好种类对应的度数与各酒水度数对应的等级进行匹配筛选,进而获取该用户在该电商平台各次购买该酒水偏好种类对应的度数等级,并统计该用户在该电商平台该酒水偏好种类各度数等级对应的购买次数,将该用户在该电商平台该酒水偏好种类各度数等级对应的购买次数与该用户在该电商平台该偏好酒水种类对应的购买次数进行对比,进而统计该用户各酒水度数等级偏好影响系数,其计算公式为βs表示该用户在该电商平台该偏好酒水种类第s个度数等级对应的偏好影响系数,Gs表示该用户在该电商平台该酒水偏好种类第s个度数等级对应的购买次数,s表示酒水度数等级编号,s=1,2,...u,...v,同时将统计的该用户各酒水度数等级偏好影响系数按照从大到小的顺序进行排序,提取排名第一位对应的酒水度数等级,将该度数等级记为该用户偏好酒水度数等级。
具体地,所述对该用户购买酒水对应的容量分析的具体过程包括以下步骤:
C1、根据该用户对应的偏好酒水度数等级,进而获取该用户在电商平台该偏好酒水度数等级对应的购买次数;
C2、调取该用户在该电商平台各次购买该偏好酒水度数等级对应的酒水容量和购买时间;
C3、进而获取该用户在该电商平台该偏好酒水度数等级各次购买酒水容量对应的预估消耗时长;
C4、将该用户在该电商平台该偏好酒水度数等级各次购买酒水容量对应的预估消耗时长与其对应的酒水容量进行对比,进而统计该用户酒水预估日均消耗量,其计算公式为H表示该用户酒水预估日均消耗量,Jf表示该用户在该电商平台第f次购买该偏好酒水度数等级酒水对应的容量,Tf表示该用户在该电商平台第f次购买该偏好酒水度数等级酒水容量对应的预估消耗时长,t表示该用户在电商平台该偏好酒水度数等级对应的购买次数,f表示该用户偏好酒水度数等级购买次数编号,f=1,2,...g,...t;
C5、将该用户酒水预估日均消耗量与人员对应的标准酒水预估日均消耗量进行对比,进而统计该用户日均酒水消耗量影响系数,其计算公式为α表示该用户对应的日均酒水消耗量影响系数,H标准表示人员对应的标准酒水预估日均消耗量;
C6、根据统计的该用户日均酒水消耗量影响系数,进而从数据库中提取该用户日均酒水消耗量影响系数对应的适配酒水容量,将该适配酒水容量记为该用户对应的偏好酒水容量。
S6、商家匹配筛选:所述商家匹配筛选用于将分析的该用户对应的偏爱的酒水对应的产地、种类、度数和容量与各酒水销售商家对应的基本信息进行匹配筛选,进而获取该电商平台对应的各待推荐的酒水销售商家;
具体地,所述商家匹配筛选过程为:根据各酒水销售商家基本信息集合,进而获取各酒水销售商家对应的销售酒水种类、销售酒水对应的产地、销售酒水对应的度数、销售酒水对应的容量,进而将各酒水销售商家对应的销售酒水种类、销售酒水对应的产地、销售酒水对应的度数、销售酒水对应的容量分别与该用户偏好酒水种类、酒水产地、酒水度数等级各酒水容量进行对比筛选,统计酒水销售商家基本信息与该用户偏好酒水信息匹配的酒水销售商家数量,并将与该用户偏好酒水信息匹配的酒水销售商家记为待推荐酒水销售商家,进而获取该电商平台待推荐酒水销售商家对应的数量,并将该电商平台对应的待推荐酒水销售商家按照预设顺序进行编号,依次标记为1′,2′,...j′,...m′。
S7、酒水销售商家推荐:所述酒水销售商家推荐用于将该电商平台各待推荐的酒水销售商家进行互相对比,并进行推荐。
本发明实施例通过对用户购买酒水信息、各酒水销售商家基本信息和各商家销售信息进行全面的分析,进而有效的解决了现有的商品推荐方法没有基于用户对应的历史购物记录进行分析,无法获取用户的真实偏好的问题,大大的提高了该电商平台对用户偏好酒水的推荐效率,实现了对该用户偏好酒水的智能推荐。
具体地,所述酒水销售商家推荐的具体过程包括以下步骤:
D1、根据各酒水销售商家销售信息集合,进而获取各酒水销售商家对应的商家酒水销售量和商家销售信誉度;
D2、提取各待推荐酒水销售商家对应的酒水销售量,将各待推荐酒水销售商家对应的酒水销售量分别与商家酒水对应的标准销售量进行对比,进而统计各待推荐酒水销售商家酒水销售量优选推荐影响系数,其计算公式为λd表示第d个待推荐酒水销售商家对应的酒水销售量优选推荐影响系数,c1d表示第d个待推荐酒水销售商家对应的酒水销售量,c1标准表示商家酒水对应的标准销售量;
D3、提取各待推荐酒水销售商家对应的销售信誉度,进而将各待推荐酒水销售商家对应的销售信誉度分别与商家对应的标准销售信誉度进行对比,进而统计各待推荐酒水销售商家销售信誉度优选推荐影响系数,其计算公式为μd表示第d个待推荐酒水销售商家对应的销售信誉度优选推荐影响系数,c2d表示第d个待推荐酒水销售商家对应的销售信誉度,c2标准表示商家对应的标准销售信誉度;
D4、根据统计的各待推荐酒水销售商家酒水销售量优选推荐影响系数和各待推荐酒水销售商家销售信誉度优选推荐影响系数,进而统计各待推荐酒水销售商家综合优选推荐影响系数,其计算公式为ηd表示第d个待推荐酒水销售商家对应的综合优选推荐影响系数,d表示待推荐酒水销售商家编号,d=1′,2′,...j′,...m′;
D5、将统计的各待推荐酒水销售商家综合优选推荐影响系数按照从大到小的顺序进行排序,进而提取排名第一位对应的待推荐酒水销售商家,并记为目标推荐酒水销售商家,进而调取该目标推荐酒水销售商家对应适配酒水发送至该用户对应的用户终端。
其中,该目标推荐酒水销售商家对应的适配酒水的具体获取方法为:根据该用户对应的年龄,进而获取该年龄层用户对应的购买酒水对应的平均度数等级,将该用户对应的偏好酒水度数等级与该年龄层用户对应的购买酒水对应的平均度数等级进行对比,若该用户对应的偏好酒水度数等级低于该年龄层用户对应的购买酒水对应的平均度数等级,则将该用户该年龄层用户对应的购买酒水对应的平均度数等级作为该用户推荐酒水度数等级,若该用户对应的偏好酒水度数等级高于该年龄层用户对应的购买酒水对应的平均度数等级,则将该用户对应的偏好酒水度数等级与该年龄层用户购买酒水平均度数等级对应的平均度数等级作为该用户适配酒水度数等级,进而根据该用户偏好酒水信息获取该用户对应的适配酒水产地、适配酒水种类、适配酒水容量和适配酒水度数等级从该目标推荐酒水销售商家筛选出该用户对应的适配酒水。
具体地,该用户对应的用户终端包括手机、平板、电脑等移动通信设备。
本发明第二方面提供了一种云服务平台,所述云服务平台包括处理器、机器可读存储介质和网络接口,所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连,所述网络接口用于与至少一个商品智能推荐终端通信连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以执行本发明任意一项的基于大数据分析和云计算的垂直电商平台商品智能推荐方法。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.基于大数据分析和云计算的垂直电商平台商品智能推荐方法,其特征在于:该方法包括以下步骤:
S1、用户基本信息获取:所述用户基本信息获取通过调取该用户在该平台对应的账号信息,进而获取该用户对应的ID账号和该用户对应的年龄;
S2、历史酒水购买次数统计:所述历史酒水购买次数统计用于对该用户在该电商平台对应的历史购买酒水的次数进行统计,进而获取该用户在该电商平台历史购买酒水次数,将该用户在该电商平台对应的历史酒水购买记录按照其购买时间的先后顺序进行排序,依次标记为1,2,...i,...n;
S3、历史购买酒水信息获取:所述历史购买酒水信息获取用于获取该用户在该电商平台历史各次酒水购买时对应的酒水信息,其中,酒水信息包括酒水产地、酒水种类、酒水度数和酒水容量,进而构建历史购买酒水信息集合Jw(Jw1,Jw2,...Jwi,...Jwn),Jwi表示该用户在该电商平台第i次购买酒水对应的第w个信息,w表示酒水信息,w=a1,a2,a3,a4,a1,a2,a3和a4分别表示酒水产地、酒水种类、酒水度数和酒水容量;
S4、酒水销售商家信息获取:统计该电商平台对应的酒水销售商家的数量,并将该电商平台对应的酒水销售商家按照预设顺序进行编号,依次标记为1,2,...j,...m,其中,酒水销售商家信息包括酒水销售商家基本信息和酒水销售商家销售信息;
S5、用户购买酒水信息分析:所述用户购买酒水信息分析用于对该用户购买酒水对应的产地、种类、度数和容量进行分析,进而获取该用户对应的偏好酒水对应的产地、种类、度数等级和容量;
S6、商家匹配筛选:所述商家匹配筛选用于将分析的该用户对应的偏爱的酒水对应的产地、种类、度数和容量与各酒水销售商家对应的基本信息进行匹配筛选,进而获取该电商平台对应的各待推荐的酒水销售商家;
S7、酒水销售商家推荐:所述酒水销售商家推荐用于将该电商平台各待推荐的酒水销售商家进行互相对比,并进行推荐。
2.根据权利要求1所述的基于大数据分析和云计算的垂直电商平台商品智能推荐方法,其特征在于:所述该电商平台各酒水销售商家对应的基本信息包括商家销售酒水种类、商家销售酒水对应的产地、商家销售酒水对应的度数等级和商家销售酒水对应的容量,进而构建各酒水销售商家基本信息集合Xe(Xe1,Xe2,...Xej,...Xem),Xej表示该电商平台第j个酒水销售商家对应的第e个基本信息,e表示酒水销售商家基本信息,e=b1,b2,b3,b4,b1,b2,b3和b4分别表示商家销售酒水种类、商家销售酒水对应的产地、商家销售酒水对应的度数等级和商家销售酒水对应的容量。
3.根据权利要求1所述的基于大数据分析和云计算的垂直电商平台商品智能推荐方法,其特征在于:所述该电商平台各酒水销售商家对应的销售信息包括商家酒水销售量和商家销售信誉度,进而构建各酒水销售商家销售信息集合Tz(Tz1,Tz2,...Tzj,...Tzm),Tzj表示该电商平台第j个酒水销售商家对应的第z个销售信息,z表示酒水销售商家销售信息,z=c1,c2,c1和c2分别表示商家酒水销售量和商家销售信誉度。
4.根据权利要求1所述的基于大数据分析和云计算的垂直电商平台商品智能推荐方法,其特征在于:所述对该用户购买酒水产地的具体分析过程包括以下步骤:
A1、根据历史购买酒水信息集合进而获取该用户在该电商平台各次购买酒水对应的产地,将该用户在该电商平台各次购买酒水对应的产地进行互相对比筛选,统计该用户在该电商台购买酒水对应的产地数量和各酒水产地对应的购买次数;
A2、将该用户在该电商平台购买酒水对应的产地按照预设顺序进行编号,依次标记为1,2,...k,...l;
A3、进而将该用户在该电商平台各产地酒水对应的购买次数与该用户在该电商平台对应的酒水购买次数进行对比,进而统计该用户各酒水产地偏好影响系数,其计算公式为αr表示该用户在该电商平台购买的第r个酒水产地对应的偏好影响系数,pr表示该用户在该电商平台购买的第r个酒水产地对应的购买次数,n表示该用户在该电商平台对应的酒水购买次数,r表示酒水产地编号,r=1,2,...k,...l;
A4、根据统计的该用户各酒水产地偏好影响系数,进而将该用户对应的各酒水产地偏好影响系数按照预设顺序进行排序,进而提取排名第一位的酒水产地,并将该酒水产地记为该用户偏好酒水产地。
5.根据权利要求1所述的基于大数据分析和云计算的垂直电商平台商品智能推荐方法,其特征在于:所述对用户购买酒水种类的具体分析过程各包括以下步骤:
B1、根据统计的该用户对应的偏好酒水产地,进而获取该用户在该电商平台该偏好酒水产地酒水对应的购买次数;
B2、进而调取该用户在该电商平台该偏好酒水产地各次购买时对应的酒水种类,进而获取该用户在该电商平台该酒水偏好产地对应的购买酒水的种类,并将该用户在该平台该酒水偏好产地对应的购买酒水的种类按照预设顺序进行编号,依次标记为1,2,...x,...y;
B3、将该用户在该电商平台各次购买该偏好酒水产地对应的购买酒水的种类分别进行对比筛选,进而统计该用户在该电商平台该酒水偏好产地各酒水种类对应的购买次数;
B4、将该用户在该电商平台该酒水偏好产地各酒水种类对应的购买次数与该偏好酒水种类对应的购买次数进行对比,进而统计该用户各酒水种类偏好影响系数,其计算公式为εh表示该用户在该电商平台该偏好酒水产地第h个酒水种类对应的偏好影响系数,qh该用户在该电商平台该偏好酒水产地第h个酒水种类应的购买次数,p′表示该用户在该电商平台该偏好酒水产地对应的购买次数,h表示购买酒水种类编号,h=1,2,...x,...y;
B5、根据统计的该用户各酒水种类偏好影响系数,进而将统计的该用户各酒水种类偏好影响系数按照从大到小的顺序进行排序,进而提取排名第一位对应的酒水种类,并将该酒水种类记为该用户偏好酒水种类。
6.根据权利要求1所述的基于大数据分析和云计算的垂直电商平台商品智能推荐方法,其特征在于:所述对该用户购买酒水对应的度数分析包括:根据该用户对应的偏好酒水对应的种类,进而获取该用户在该电商平台各次购买该偏好酒水种类对应的度数,将该用户在该电商平台各次购买该酒水偏好种类对应的度数与各酒水度数对应的等级进行匹配筛选,进而获取该用户在该电商平台各次购买该酒水偏好种类对应的度数等级,并统计该用户在该电商平台该酒水偏好种类各度数等级对应的购买次数,将该用户在该电商平台该酒水偏好种类各度数等级对应的购买次数与该用户在该电商平台该偏好酒水种类对应的购买次数进行对比,进而统计该用户各酒水度数等级偏好影响系数,其计算公式为βs表示该用户在该电商平台该偏好酒水种类第s个度数等级对应的偏好影响系数,Gs表示该用户在该电商平台该酒水偏好种类第s个度数等级对应的购买次数,s表示酒水度数等级编号,s=1,2,...u,...v,同时将统计的该用户各酒水度数等级偏好影响系数按照从大到小的顺序进行排序,提取排名第一位对应的酒水度数等级,将该度数等级记为该用户偏好酒水度数等级。
7.根据权利要求1所述的基于大数据分析和云计算的垂直电商平台商品智能推荐方法,其特征在于:所述对该用户购买酒水对应的容量分析的具体过程包括以下步骤:
C1、根据该用户对应的偏好酒水度数等级,进而获取该用户在电商平台该偏好酒水度数等级对应的购买次数;
C2、调取该用户在该电商平台各次购买该偏好酒水度数等级对应的酒水容量和购买时间;
C3、进而获取该用户在该电商平台该偏好酒水度数等级各次购买酒水容量对应的预估消耗时长;
C4、将该用户在该电商平台该偏好酒水度数等级各次购买酒水容量对应的预估消耗时长与其对应的酒水容量进行对比,进而统计该用户酒水预估日均消耗量,其计算公式为H表示该用户酒水预估日均消耗量,Jf表示该用户在该电商平台第f次购买该偏好酒水度数等级酒水对应的容量,Tf表示该用户在该电商平台第f次购买该偏好酒水度数等级酒水容量对应的预估消耗时长,t表示该用户在电商平台该偏好酒水度数等级对应的购买次数,f表示该用户偏好酒水度数等级购买次数编号,f=1,2,...g,...t;
C5、将该用户酒水预估日均消耗量与人员对应的标准酒水预估日均消耗量进行对比,进而统计该用户日均酒水消耗量影响系数,其计算公式为α表示该用户对应的日均酒水消耗量影响系数,H标准表示人员对应的标准酒水预估日均消耗量;
C6、根据统计的该用户日均酒水消耗量影响系数,进而从数据库中提取该用户日均酒水消耗量影响系数对应的适配酒水容量,将该适配酒水容量记为该用户对应的偏好酒水容量。
8.根据权利要求1所述的基于大数据分析和云计算的垂直电商平台商品智能推荐方法,其特征在于:所述商家匹配筛选过程为:根据各酒水销售商家基本信息集合,进而获取各酒水销售商家对应的销售酒水种类、销售酒水对应的产地、销售酒水对应的度数、销售酒水对应的容量,进而将各酒水销售商家对应的销售酒水种类、销售酒水对应的产地、销售酒水对应的度数、销售酒水对应的容量分别与该用户偏好酒水种类、酒水产地、酒水度数等级各酒水容量进行对比筛选,统计酒水销售商家基本信息与该用户偏好酒水信息匹配的酒水销售商家数量,并将与该用户偏好酒水信息匹配的酒水销售商家记为待推荐酒水销售商家,进而获取该电商平台待推荐酒水销售商家对应的数量,并将该电商平台对应的待推荐酒水销售商家按照预设顺序进行编号,依次标记为1′,2′,...j′,...m′。
9.根据权利要求1所述的基于大数据分析和云计算的垂直电商平台商品智能推荐方法,其特征在于:所述酒水销售商家推荐的具体过程包括以下步骤:
D1、根据各酒水销售商家销售信息集合,进而获取各酒水销售商家对应的商家酒水销售量和商家销售信誉度;
D2、提取各待推荐酒水销售商家对应的酒水销售量,将各待推荐酒水销售商家对应的酒水销售量分别与商家酒水对应的标准销售量进行对比,进而统计各待推荐酒水销售商家酒水销售量优选推荐影响系数,其计算公式为λd表示第d个待推荐酒水销售商家对应的酒水销售量优选推荐影响系数,c1d表示第d个待推荐酒水销售商家对应的酒水销售量,c1标准表示商家酒水对应的标准销售量;
D3、提取各待推荐酒水销售商家对应的销售信誉度,进而将各待推荐酒水销售商家对应的销售信誉度分别与商家对应的标准销售信誉度进行对比,进而统计各待推荐酒水销售商家销售信誉度优选推荐影响系数,其计算公式为μd表示第d个待推荐酒水销售商家对应的销售信誉度优选推荐影响系数,c2d表示第d个待推荐酒水销售商家对应的销售信誉度,c2标准表示商家对应的标准销售信誉度;
D4、根据统计的各待推荐酒水销售商家酒水销售量优选推荐影响系数和各待推荐酒水销售商家销售信誉度优选推荐影响系数,进而统计各待推荐酒水销售商家综合优选推荐影响系数,其计算公式为ηd表示第d个待推荐酒水销售商家对应的综合优选推荐影响系数,d表示待推荐酒水销售商家编号,d=1′,2′,...j′,...m′;
D5、将统计的各待推荐酒水销售商家综合优选推荐影响系数按照从大到小的顺序进行排序,进而提取排名第一位对应的待推荐酒水销售商家,并记为目标推荐酒水销售商家,进而调取该目标推荐酒水销售商家对应适配酒水发送至该用户对应的用户终端。
10.一种云服务平台,其特征在于:所述云服务平台包括处理器、机器可读存储介质和网络接口,所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连,所述网络接口用于与至少一个商品智能推荐终端通信连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以执行权利要求1-9中任意一项的基于大数据分析和云计算的垂直电商平台商品智能推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110538580.XA CN113283960B (zh) | 2021-05-18 | 2021-05-18 | 基于大数据分析和云计算的垂直电商平台商品智能推荐方法和云服务平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110538580.XA CN113283960B (zh) | 2021-05-18 | 2021-05-18 | 基于大数据分析和云计算的垂直电商平台商品智能推荐方法和云服务平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113283960A true CN113283960A (zh) | 2021-08-20 |
CN113283960B CN113283960B (zh) | 2022-08-19 |
Family
ID=77279585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110538580.XA Active CN113283960B (zh) | 2021-05-18 | 2021-05-18 | 基于大数据分析和云计算的垂直电商平台商品智能推荐方法和云服务平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113283960B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911960A (zh) * | 2023-09-12 | 2023-10-20 | 贵昌集团有限公司 | 基于大数据的电子商务数据推荐方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009111871A (ja) * | 2007-10-31 | 2009-05-21 | Toshiba Corp | 情報提供サーバおよび情報提供方法 |
JP2013025324A (ja) * | 2011-07-14 | 2013-02-04 | Kddi Corp | レコメンド装置、レコメンド方法およびプログラム |
CN103678518A (zh) * | 2013-11-28 | 2014-03-26 | 北京邮电大学 | 一种推荐列表调整方法和装置 |
CN107123017A (zh) * | 2017-03-22 | 2017-09-01 | 重庆允升科技有限公司 | 一种工业品原料商品推荐方法 |
CN107169052A (zh) * | 2017-04-26 | 2017-09-15 | 北京小度信息科技有限公司 | 推荐方法及装置 |
CN107545491A (zh) * | 2017-08-28 | 2018-01-05 | 北京三快在线科技有限公司 | 一种推荐信息的数据处理方法和装置 |
CN108475392A (zh) * | 2015-11-24 | 2018-08-31 | 波特馥公司 | 用于跟踪消费者口味偏好的系统和方法 |
CN110544131A (zh) * | 2019-09-06 | 2019-12-06 | 创新奇智(重庆)科技有限公司 | 一种数据驱动的电商用户购买行为预测方法 |
CN110599307A (zh) * | 2019-09-17 | 2019-12-20 | 北京三快在线科技有限公司 | 一种商品推荐的方法及装置 |
CN110706043A (zh) * | 2018-07-09 | 2020-01-17 | 阿里巴巴集团控股有限公司 | 一种商品提供商、商品的推荐方法、装置及设备 |
CN110706064A (zh) * | 2019-09-20 | 2020-01-17 | 汉海信息技术(上海)有限公司 | 菜品推荐信息的生成方法、装置、设备及存储介质 |
CN110737826A (zh) * | 2019-09-06 | 2020-01-31 | 拉扎斯网络科技(上海)有限公司 | 搜索推荐方法、装置、电子设备及存储介质 |
CN110852853A (zh) * | 2019-11-27 | 2020-02-28 | 盐城工学院 | 一种基于物质扩散的去重推荐方法 |
CN112184290A (zh) * | 2020-09-11 | 2021-01-05 | 北京三快在线科技有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
CN112270589A (zh) * | 2020-12-01 | 2021-01-26 | 盐城志娟网络科技有限公司 | 一种基于云计算大数据分析的网上商城商品推荐系统 |
CN112381623A (zh) * | 2020-12-04 | 2021-02-19 | 南京浪脆电子商务有限公司 | 一种基于大数据分析的电子商务平台商品智能推荐方法 |
CN112651809A (zh) * | 2021-01-04 | 2021-04-13 | 南京浪脆电子商务有限公司 | 基于云计算和大数据协同作用的垂直电子商务平台商品智能推荐方法 |
-
2021
- 2021-05-18 CN CN202110538580.XA patent/CN113283960B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009111871A (ja) * | 2007-10-31 | 2009-05-21 | Toshiba Corp | 情報提供サーバおよび情報提供方法 |
JP2013025324A (ja) * | 2011-07-14 | 2013-02-04 | Kddi Corp | レコメンド装置、レコメンド方法およびプログラム |
CN103678518A (zh) * | 2013-11-28 | 2014-03-26 | 北京邮电大学 | 一种推荐列表调整方法和装置 |
CN108475392A (zh) * | 2015-11-24 | 2018-08-31 | 波特馥公司 | 用于跟踪消费者口味偏好的系统和方法 |
CN107123017A (zh) * | 2017-03-22 | 2017-09-01 | 重庆允升科技有限公司 | 一种工业品原料商品推荐方法 |
CN107169052A (zh) * | 2017-04-26 | 2017-09-15 | 北京小度信息科技有限公司 | 推荐方法及装置 |
CN107545491A (zh) * | 2017-08-28 | 2018-01-05 | 北京三快在线科技有限公司 | 一种推荐信息的数据处理方法和装置 |
CN110706043A (zh) * | 2018-07-09 | 2020-01-17 | 阿里巴巴集团控股有限公司 | 一种商品提供商、商品的推荐方法、装置及设备 |
CN110737826A (zh) * | 2019-09-06 | 2020-01-31 | 拉扎斯网络科技(上海)有限公司 | 搜索推荐方法、装置、电子设备及存储介质 |
CN110544131A (zh) * | 2019-09-06 | 2019-12-06 | 创新奇智(重庆)科技有限公司 | 一种数据驱动的电商用户购买行为预测方法 |
CN110599307A (zh) * | 2019-09-17 | 2019-12-20 | 北京三快在线科技有限公司 | 一种商品推荐的方法及装置 |
CN110706064A (zh) * | 2019-09-20 | 2020-01-17 | 汉海信息技术(上海)有限公司 | 菜品推荐信息的生成方法、装置、设备及存储介质 |
CN110852853A (zh) * | 2019-11-27 | 2020-02-28 | 盐城工学院 | 一种基于物质扩散的去重推荐方法 |
CN112184290A (zh) * | 2020-09-11 | 2021-01-05 | 北京三快在线科技有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
CN112270589A (zh) * | 2020-12-01 | 2021-01-26 | 盐城志娟网络科技有限公司 | 一种基于云计算大数据分析的网上商城商品推荐系统 |
CN112381623A (zh) * | 2020-12-04 | 2021-02-19 | 南京浪脆电子商务有限公司 | 一种基于大数据分析的电子商务平台商品智能推荐方法 |
CN112651809A (zh) * | 2021-01-04 | 2021-04-13 | 南京浪脆电子商务有限公司 | 基于云计算和大数据协同作用的垂直电子商务平台商品智能推荐方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911960A (zh) * | 2023-09-12 | 2023-10-20 | 贵昌集团有限公司 | 基于大数据的电子商务数据推荐方法 |
CN116911960B (zh) * | 2023-09-12 | 2023-11-17 | 贵昌集团有限公司 | 基于大数据的电子商务数据推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113283960B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113139857B (zh) | 电子商务平台商家店铺智能管理方法、系统、设备和计算机存储介质 | |
CN106708821A (zh) | 基于用户个性化购物行为进行商品推荐的方法 | |
US20040138958A1 (en) | Sales prediction using client value represented by three index axes as criteron | |
CN106021337A (zh) | 一种基于大数据分析的智能推荐方法及系统 | |
CN111737418B (zh) | 搜索词和商品的相关性预测方法、设备和存储介质 | |
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 | |
CN115496566B (zh) | 基于大数据的地区特产推荐方法及系统 | |
CN108364191A (zh) | 基于随机森林和逻辑回归的优质客户优化识别方法及装置 | |
CN113239319A (zh) | 一种自动匹配及推送给供应商来投标报价的方法 | |
CN113469730A (zh) | 一种非合同场景下的基于RF-LightGBM融合模型的客户复购预测方法及装置 | |
CN115526652A (zh) | 一种基于机器学习的客户流失预警方法及系统 | |
CN113283960B (zh) | 基于大数据分析和云计算的垂直电商平台商品智能推荐方法和云服务平台 | |
CN116029637A (zh) | 跨境电商物流渠道智能推荐方法及装置、设备、存储介质 | |
CN115601080A (zh) | 一种基于云端服务器的工业大数据管理方法、系统及存储介质 | |
CN112258067A (zh) | 基于高斯混合模型聚类算法的低压用户缴费行为分类方法 | |
CN116739652A (zh) | 一种服装电商销量预测建模方法 | |
CN115563176A (zh) | 一种电子商务数据处理系统及方法 | |
CN116187808A (zh) | 一种基于虚拟电厂用户-套餐标签画像的电力套餐推荐方法 | |
CN116091171A (zh) | 会员统计与管理系统 | |
CN114971083A (zh) | 一种货物购买预测出售的方法 | |
CN112650935B (zh) | 应用于电商云业务环境的智能化信息处理方法及云服务器 | |
CN114971805A (zh) | 一种基于深度学习的电子商务平台商品智能分析推荐系统 | |
CN114266594A (zh) | 一种基于东南亚跨境电商平台的大数据分析方法 | |
CN113837843A (zh) | 产品推荐方法、装置、介质及电子设备 | |
CN113762415A (zh) | 一种基于神经网络的汽车金融产品智能匹配方法和系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220801 Address after: 450000 room 9-2a01, Liudong Road, Zhengzhou area (Jinshui), Zhengzhou pilot Free Trade Zone, Henan Province Applicant after: Henan Sinosteel Technology Group Co.,Ltd. Address before: 430200 Hongqi village, Daqiao New District, Jiangxia Economic Development Zone, Wuhan City, Hubei Province Applicant before: Wuhan changlai e-commerce Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |