CN113763065A - 推荐商品的方法、装置、设备和计算机可读介质 - Google Patents
推荐商品的方法、装置、设备和计算机可读介质 Download PDFInfo
- Publication number
- CN113763065A CN113763065A CN202010554262.8A CN202010554262A CN113763065A CN 113763065 A CN113763065 A CN 113763065A CN 202010554262 A CN202010554262 A CN 202010554262A CN 113763065 A CN113763065 A CN 113763065A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- store
- sales
- sold
- commodities
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 215
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
Abstract
本发明公开了推荐商品的方法、装置、设备和计算机可读介质,涉及计算机技术领域。该方法的一具体实施方式包括:遍历评估店铺所销售商品,建立所述销售商品的销量评分;基于所述评估店铺所销售商品的销量评分,确定与所述评估店铺相似的参照店铺;根据所述参照店铺对于所述评估店铺未销售商品的销量评分,预估所述未销售商品的销量评分,并按照所述未销售商品的销量评分向所述评估店铺推荐商品。该实施方式能够根据推荐商品进行采购,以满足用户需求。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种推荐商品的方法、装置、设备和计算机可读介质。
背景技术
线下店铺销售商品,对于规模较大的店铺,商品种类齐全,不需要特别考虑商品的搭配销售。而对于规模较小的店铺,只能采购少量品种的商品销售。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:对于规模较小的店铺,基本都是根据个人经验采购商品以售卖,存在商品种类无法与用户需求匹配。
发明内容
有鉴于此,本发明实施例提供一种推荐商品的方法、装置、设备和计算机可读介质,能够根据推荐商品进行采购,以满足用户需求。
为实现上述目的,根据本发明实施例的一个方面,提供了一种推荐商品的方法,包括:
遍历评估店铺所销售商品,建立所述销售商品的销量评分;
基于所述评估店铺所销售商品的销量评分,确定与所述评估店铺相似的参照店铺;
根据所述参照店铺对于所述评估店铺未销售商品的销量评分,预估所述未销售商品的销量评分,并按照所述未销售商品的销量评分向所述评估店铺推荐商品。
所述遍历评估店铺所销售商品,建立所述销售商品的销量评分,包括:
遍历评估店铺所销售商品,基于所述销售商品的销售数量和所述评估店铺所销售商品中的最大销售数量,得到所述销售商品的销量评分。
所述基于所述评估店铺所销售商品的销量评分,确定与所述评估店铺相似的参照店铺,包括:
基于所述评估店铺所销售商品的销量评分,以及其他店铺对所述销售商品的销量评分,计算所述评估店铺与所述其他店铺的相似度;
在所述其他店铺中,按照所述相似度,确定与所述评估店铺相似的参照店铺。
所述基于所述评估店铺所销售的商品的销量评分,确定与所述评估店铺相似的参照店铺,包括:
基于所述评估店铺所销售商品的销量评分,以及其他店铺对所述销售商品的销量评分,计算所述评估店铺与所述其他店铺的相似度;
在所述其他店铺中,按照所述相似度和不同的销售商品,确定与所述评估店铺相似的参照店铺,所述不同的销售商品是所述其他店铺的销售商品,且是所述评估店铺的非销售商品。
所述根据所述参照店铺对于所述评估店铺未销售商品的销量评分,预估所述未销售商品的销量评分,包括:
在所述参照店铺中,确定销售所述评估店铺未销售商品的商品参照店铺;
根据所述商品参照店铺对所述评估店铺未销售商品的销量评分、所述商品参照店铺与所述评估店铺的相似度、所述评估店铺对所销售商品的销量评分,以及所述商品参照店铺对所销售商品的销量评分,预估所述未销售商品的销量评分。
所述遍历评估店铺所销售商品,建立所述销售商品的销量评分,包括:
遍历评估店铺所销售商品,建立评分矩阵,所述评分矩阵包括所述销售商品的销量评分和所述销售商品的标识;
所述根据所述参照店铺对于所述评估店铺未销售商品的销量评分,预估所述未销售商品的销量评分之后,还包括:
基于预估所述未销售商品的销量评分和所述未销售商品的标识,更新所述评分矩阵,所述评分矩阵包括所述销售商品和所述未销售商品的销量评分,以及所述销售商品和所述未销售商品的标识。
所述评估店铺未销售商品是全量商品中,除所述评估店铺所销售商品之外的商品,所述全量商品是商品销售渠道所提供的所有商品。
根据本发明实施例的第二方面,提供了一种推荐商品的装置,包括:
建立模块,用于遍历评估店铺所销售商品,建立所述销售商品的销量评分;
确定模块,用于基于所述评估店铺所销售商品的销量评分,确定与所述评估店铺相似的参照店铺;
推荐模块,用于根据所述参照店铺对于所述评估店铺未销售商品的销量评分,预估所述未销售商品的销量评分,并按照所述未销售商品的销量评分向所述评估店铺推荐商品。
根据本发明实施例的第三方面,提供了一种推荐商品的电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述的方法。
根据本发明实施例的第四方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述的方法。
上述发明中的一个实施例具有如下优点或有益效果:遍历评估店铺所销售商品,建立销售商品的销量评分;基于评估店铺所销售商品的销量评分,确定与评估店铺相似的参照店铺;根据参照店铺对于评估店铺未销售商品的销量评分,预估未销售商品的销量评分,并按照未销售商品的销量评分向评估店铺推荐商品。由于可以基于销量评分向评估店铺推荐商品,销量评分越高则代表用户购买的可能性越高,因此根据推荐商品进行采购,能够满足用户需求。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的推荐商品的方法的主要流程的示意图;
图2是根据本发明实施例的确定与评估店铺相似的参照店铺的流程示意图;
图3是根据本发明实施例的另一个确定与评估店铺相似的参照店铺的流程示意图;
图4是根据本发明实施例的预估未销售商品的销量评分的流程示意图;
图5是根据本发明实施例的推荐商品的装置的主要结构的示意图;
图6是本发明实施例可以应用于其中的示例性系统架构图;
图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
随着电子商务平台的发展,不仅涉及到线上业务,而且扩展到线下业务。具体来说,线下店铺可以从电子商务平台采购商品。线下店铺包括规模较大的店铺和规模较小的店铺。规模较大的店铺商品种类齐全,无需过多考虑商品种类的选择。规模较小的店铺,由于空间和资金有限,只能采购少量种类的商品。作为一个示例,规模较小的店铺可以是夫妻店或加盟店等。
规模较小的店铺可以从电子商品平台采购商品,然而规模较小的店铺一般都是依据个人经验采购商品。按照个人经验采购商品,个人经验存在较大的误差,不存在科学性。因此,存在商品种类无法与用户需求匹配的技术问题。
为了解决商品种类无法与用户需求匹配,可以采用以下本发明实施例中的技术方案。
参见图1,图1是根据本发明实施例的推荐商品的方法主要流程的示意图,确定与评估店铺相似的参照店铺,在参照店铺销售商品的基础上,预估商品的销量评分,从而向评估店铺推荐商品。如图1所示,具体包括以下步骤:
S101、遍历评估店铺所销售商品,建立销售商品的销量评分。
一般来说,不同的店铺面对的客户群体不同,则售卖商品也是不同的。对于同一件商品在不同店铺的销售热度也是不同的。在本发明实施例中,通过找到相似的店铺,并推荐该店铺的热销商品,以满足用户需求。
在本发明实施例中,可以针对一个店铺推荐商品,该店铺称为评估店铺。可以理解的是,评估店铺是接收推送商品的店铺。评估店铺可以是线上店铺,也可以是线下店铺。
评估店铺向客户销售商品,由于规模较小,所销售商品的种类有限。为了匹配用户需求,评估店铺可以选择销量较大的商品进行销售。
首先,统计评估店铺销售商品的数据。销售商品的数据作为核心数据,很容易获取。其中,销售商品的数据包括:评估店铺的标识,商品的标识和商品的销售数量。
需要遍历评估店铺所销售商品。遍历所销售商品的目的在于,建立销售商品的销量评分。销售商品的销量评分用于衡量商品的销售情况。销量评分越高,该商品的销售情况较好;销量评分越低,该商品的销售情况较差。
不同店铺的体量是不同的,一个超级大店和一个夫妻店销售量级差别较大,无法直接进行后续计算。需要将商品销量,转换为10分制的评分。也就是说,销量评分是1至10之间的数值,数值越大,该商品在评估店铺的销量热度越高。
在本发明的一个实施例中,遍历评估店铺所销售商品,基于销售商品的销售数量和店铺所销售商品中的最大销售数量,得到销售商品的销量评分。
记录评估店铺所销售商品中的最大销售数量,记为maxi,其中i代表评估店铺的标识。
按照公式(1)计算,评估店铺所销售每个商品的销量评分。
其中,scorei,j是评估店铺的标识i中商品j的销量评分。salesi,j是评估店铺i中商品j的销售数量。
即,遍历评估店铺的全部销售商品,并利用商品的销售数量除以评估店铺所销售商品中的最大销售数量,乘以10,对结果向上取整得到评估店铺某种商品的销量评分。
S102、基于评估店铺所销售商品的销量评分,确定与评估店铺相似的参照店铺。
在店铺中,不仅包括评估店铺,还包括有其他店铺。可以从其他店铺中挑选出与评估店铺相似的参照店铺。这样,就可以基于参照店铺所销售商品,向评估店铺推荐商品。
在本发明实施例中,可以基于评估店铺所销售商品的销量评分,确定与评估店铺相似度。可以理解的是,参照店铺是基于销售商品确定的,与评估店铺相似的店铺。
参见图2,图2是根据本发明实施例的确定与评估店铺相似的参照店铺的流程示意图,具体包括:
S201、基于评估店铺所销售商品的销量评分,以及其他店铺对销售商品的销量评分,计算评估店铺与其他店铺的相似度。
对于评估店铺而言,可以计算所销售商品的销量评分;对于其他店铺而言,也可以计算所销售商品的销量评分。也就是说,每个店铺的销售商品均有对应的销量评分。当然,对于店铺未销售商品,其对应的销量评分为零。
基于评估店铺所销售商品的销量评分,以及其他店铺对销售商品的销量评分,计算评估店铺与其他店铺的相似度。
可以理解的是,相似度是用于衡量评估店铺与其他店铺的相似性。示例性地,可以采用余弦相似度、闵可夫斯基距离、曼哈顿距离、欧氏距离或切比雪夫距离等方式,计算评估店铺与其他店铺的相似度。
在下述实施例中,采用余弦相似度计算评估店铺与其他店铺的相似度。可以采用公式(2)计算获得评估店铺与其他店铺的相似度。
其中,xj表示评估店铺x对于销售商品j的销量评分;yj表示其他店铺y对销售商品j的销量评分。n是评估店铺x和其他店铺y相同销售商品的数量。cos(θ)表示评估店铺x和其他店铺y的相似度,cos(θ)越接近1,则表示评估店铺x和其他店铺y的相似程度越高。
这样,按照评估店铺x和其他店铺y相同销售商品的销量评分,可以计算获知评估店铺与其他店铺的相似度。
S202、在其他店铺中,按照相似度,确定与评估店铺相似的参照店铺。
相似度越高,则评估店铺与其他店铺的相似程度越大。在本发明实施例中,按照相似度,确定与评估店铺相似的参照店铺。
具体来说,可以预先设置参照店铺的数量。按照相似度从大到小的顺序,选择上述数量的店铺作为参照店铺。
在图2的实施例中,基于销售商品的销量评分,确定与评估店铺相似的参照店铺,进而能够基于参照店铺评估未销售商品。
参见图3,图3是根据本发明实施例的另一个确定与评估店铺相似的参照店铺的流程示意图,具体包括:
S301、基于评估店铺所销售商品的销量评分,以及其他店铺对销售商品的销量评分,计算评估店铺与其他店铺的相似度。
在本步骤中利用销售商品的销量评分,可以计算评估店铺与其他店铺的相似度。具体方案与S201相同。
S302、在其他店铺中,按照相似度和不同的销售商品,确定与评估店铺相似的参照店铺,不同的销售商品是其他店铺的销售商品,且是评估店铺的非销售商品。
与S202的不同之处在于,按照相似度和不同的销售商品,确定与评估店铺相似的参照店铺,不同的销售商品是其他店铺的销售商品,且是评估店铺的非销售商品。
作为一个示例,评估店铺的销售商品包括a,b和c。店铺1的销售商品包括a,b和d。其中,d是其他店铺的销售商品,且是评估店铺的非销售商品。
为了向评估店铺推荐商品,则需要从参照店铺中选择可以推荐的商品。若是参数店铺的销售商品与参照店铺的销售商品一致,则难以获知推荐商品。因此可以结合上述不同的销售商品确定参照店铺。
示例性地,可以预设商品数量阈值和相似度阈值,将与参照店铺的相似度大于相似度阈值,且不同的销售商品数量大于商品数量阈值的其他店铺,作为参照店铺。
在图3的实施例中,一方面考虑与参照店铺的相似程度,另一方面考虑不同的销售商品,以满足向评估店铺推荐商品的需求。
S103、根据参照店铺对于评估店铺未销售商品的销量评分,预估未销售商品的销量评分,并按照未销售商品的销量评分向评估店铺推荐商品。
参照店铺与评估店铺相似,参数店铺所销售商品中不仅包括与评估店铺相同的商品,还包括与评估店铺不同的商品。那么,可以根据参照店铺对于评估店铺未销售商品的销量评分,预估未销售商品的销量评分。
参见图4,图4是根据本发明实施例的预估未销售商品的销量评分的流程示意图,具体包括:
S401、在参照店铺中,确定销售评估店铺未销售商品的商品参照店铺。
示例性地,评估店铺对应有多个参照店铺,依据参照店铺的销售商品确定商品参照店铺。具体来说,参照店铺可以按照是否包括评估店铺未销售商品,分为商品参照店铺和非商品参照店铺。
其中,商品参照店铺即包括评估店铺未销售商品的参照店铺。非商品参照店铺即未包括评估店铺未销售商品的参照店铺。
作为一个示例,评估店铺销售商品包括:a,b和c。参照店铺1销售商品包括:a和b。参照店铺2销售商品包括:a,c和d。可知,参照店铺1是非商品参照店铺。参照店铺2是商品参照店铺。
由于需要向评估店铺推荐商品,所推荐的商品是评估商品未销售商品。那么,在确定商品参照店铺后,可以预估上述未销售商品的销量评分。
S402、根据商品参照店铺对评估店铺未销售商品的销量评分、商品参照店铺与评估店铺的相似度、评估店铺对所销售商品的销量评分,以及商品参照店铺对所销售商品的销量评分,预估未销售商品的销量评分。
类似于评估店铺销售商品的销量评分,可以按照公式(1)计算商品参照店铺所销售商品的销量评分。进一步地,可以获知商品参照店铺对评估店铺未销售商品的销量评分。
这样,根据商品参照店铺对评估店铺未销售商品的销量评分、商品参照店铺与评估店铺的相似度、评估店铺对所销售商品的销量评分,以及商品参照店铺对所销售商品的销量评分,预估评估店铺未销售商品的销量评分。
示例性地,可以采用公式(3),计算评估店铺未销售商品的销量评分。
其中,rxj表示评估店铺x对未销售商品j的销量评分。表示评估店铺x所销售商品的销量评分的平均值。S(x,k)表示与评估店铺相似的k个参照店铺的集合。N(j)表示对未销售商品j有销量评分的参照店铺的集合,即商品参照店铺的集合。wx,y表示评估店铺与商品参照店铺的相似度。
在图4的实施例中,基于商品参照店铺中对于评估店铺未销售商品的评分,可以预估上述未销售商品的评分,进而可以向评估店铺推荐商品。
在本发明的一个实施例中,可以按照评估店铺未销售商品的销量评分向评估店铺推荐商品。示例性的,可以按照评估店铺未销售商品的销量评分,生成展示图或展示表,以向评估店铺推荐商品。销量评分越高,则表征该商品的销量越好。这样,评估店铺的负责人可以按照上述展示图或展示表,采购商品。
在本发明的一个实施例中,评估店铺从商品销售渠道采购商品。作为一个示例,商品销售渠道包括电商平台,电商平台包括数以万计的商品。从电商平台采购商品,就可以满足评估店铺的采购需求。电商平台所提供的所有商品可以成为全量商品。即,全量商品是商品销售渠道所提供的所有商品。对应地,评估店铺未销售商品是全量商品中,除评估店铺所销售商品之外的商品。
可以理解的是,本发明实施例中的技术方案,能够应用于在电商平台采购商品。考虑到,电商平台的全量商品较多,可以应用上述实施例中的技术方案,在全量商品中向评估店铺推荐商品。
在本发明的一个实施例中,评估店铺所销售商品不止一种,每个中商品对应一个销量评分。那么,可以建立评分矩阵。即,遍历评估店铺所销售商品,建立评分矩阵,评分矩阵包括销售商品的销量评分和销售商品的标识。
对于每个店铺均有对应的评分矩阵。示例性地,矩阵的横坐标是商品的标识,矩阵的纵坐标是商品的销量评分。
考虑到,在评估店铺所销售商品是全量商品的一部分。在评分矩阵中,以全量商品的标识作为横坐标,那么评估店铺未销售商品的销量评分为零。
在预估评估店铺未销售商品的销量评分后,则可以基于上述未销售商品的销量评分更新评分矩阵。
示例性地,基于预估评估店铺未销售商品的销量评分和未销售商品的标识,更新评分矩阵。更新后的评分矩阵包括评估店铺销售商品和评估店铺未销售商品的销量评分,以及评估店铺销售商品和评估店铺未销售商品的标识。可以理解的是,评估矩阵包括全量商品的销量评分和全量商品的标识。
对于每个店铺均有对应的评估矩阵,评估矩阵中包括全量商品的销量评分和全量商品的标识。
这样,就可以按照每个店铺的评估矩阵向评估店铺推荐商品,即,可以按照评估店铺的评估矩阵,生成展示图或展示表,以向评估店铺推荐商品。
在上述实施例中,遍历评估店铺所销售商品,建立销售商品的销量评分;基于评估店铺所销售商品的销量评分,确定与评估店铺相似的参照店铺;根据参照店铺对于评估店铺未销售商品的销量评分,预估未销售商品的销量评分,并按照未销售商品的销量评分向评估店铺推荐商品。由于可以基于销量评分向评估店铺推荐商品,销量评分越高则代表用户购买的可能性越高,因此根据推荐商品进行采购,方便店铺合理搭配物品采购、售卖,可以提高物品销量,满足用户需求。
参见图5,图5是根据本发明实施例的推荐商品的装置的主要结构的示意图,推荐商品的装置可以实现推荐商品的方法,如图5所示,推荐商品的装置具体包括:
建立模块501,用于遍历评估店铺所销售商品,建立销售商品的销量评分。
确定模块502,用于基于评估店铺所销售商品的销量评分,确定与评估店铺相似的参照店铺。
推荐模块503,用于根据参照店铺对于评估店铺未销售商品的销量评分,预估未销售商品的销量评分,并按照未销售商品的销量评分向评估店铺推荐商品。
在本发明的一个实施例中,建立模块501,具体用于遍历评估店铺所销售商品,基于销售商品的销售数量和评估店铺所销售商品中的最大销售数量,得到销售商品的销量评分。
在本发明的一个实施例中,确定模块502,具体用于基于所评估店铺所销售商品的销量评分,以及其他店铺对销售商品的销量评分,计算评估店铺与其他店铺的相似度;
在其他店铺中,按照相似度,确定与评估店铺相似的参照店铺。
在本发明的一个实施例中,确定模块502,具体用于基于评估店铺所销售商品的销量评分,以及其他店铺对销售商品的销量评分,计算评估店铺与其他店铺的相似度;
在其他店铺中,按照相似度和不同的销售商品,确定与评估店铺相似的参照店铺,不同的销售商品是其他店铺的销售商品,且是评估店铺的非销售商品。
在本发明的一个实施例中,推荐模块503,具体用于在参照店铺中,确定销售评估店铺未销售商品的商品参照店铺;
根据商品参照店铺对评估店铺未销售商品的销量评分、商品参照店铺与评估店铺的相似度、评估店铺对所销售商品的销量评分,以及商品参照店铺对所销售商品的销量评分,预估未销售商品的销量评分。
在本发明的一个实施例中,建立模块501,具体用于遍历评估店铺所销售商品,建立评分矩阵,评分矩阵包括销售商品的销量评分和销售商品的标识;
推荐模块503,还用于基于预估未销售商品的销量评分和未销售商品的标识,更新评分矩阵,评分矩阵包括销售商品和未销售商品的销量评分,以及销售商品和未销售商品的标识。
在本发明的一个实施例中,评估店铺未销售商品是全量商品中,除评估店铺所销售商品之外的商品,全量商品是商品销售渠道所提供的所有商品。
图6示出了可以应用本发明实施例的推荐商品的方法或推荐商品的装置的示例性系统架构600。
如图6所示,系统架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器,例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的推荐商品的方法一般由服务器605执行,相应地,推荐商品的装置一般设置于服务器605中。
应该理解,图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图7,其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,发送单元还可以被描述为“向所连接的服务端发送图片获取请求的单元”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
遍历评估店铺所销售商品,建立所述销售商品的销量评分;
基于所述评估店铺所销售商品的销量评分,确定与所述评估店铺相似的参照店铺;
根据所述参照店铺对于所述评估店铺未销售商品的销量评分,预估所述未销售商品的销量评分,并按照所述未销售商品的销量评分向所述评估店铺推荐商品。
根据本发明实施例的技术方案,遍历评估店铺所销售商品,建立销售商品的销量评分;基于评估店铺所销售商品的销量评分,确定与评估店铺相似的参照店铺;根据参照店铺对于评估店铺未销售商品的销量评分,预估未销售商品的销量评分,并按照未销售商品的销量评分向评估店铺推荐商品。由于可以基于销量评分向评估店铺推荐商品,销量评分越高则代表用户购买的可能性越高,因此根据推荐商品进行采购,能够满足用户需求。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种推荐商品的方法,其特征在于,包括:
遍历评估店铺所销售商品,建立所述销售商品的销量评分;
基于所述评估店铺所销售商品的销量评分,确定与所述评估店铺相似的参照店铺;
根据所述参照店铺对于所述评估店铺未销售商品的销量评分,预估所述未销售商品的销量评分,并按照所述未销售商品的销量评分向所述评估店铺推荐商品。
2.根据权利要求1所述推荐商品的方法,其特征在于,所述遍历评估店铺所销售商品,建立所述销售商品的销量评分,包括:
遍历评估店铺所销售商品,基于所述销售商品的销售数量和所述评估店铺所销售商品中的最大销售数量,得到所述销售商品的销量评分。
3.根据权利要求1所述推荐商品的方法,其特征在于,所述基于所述评估店铺所销售商品的销量评分,确定与所述评估店铺相似的参照店铺,包括:
基于所述评估店铺所销售商品的销量评分,以及其他店铺对所述销售商品的销量评分,计算所述评估店铺与所述其他店铺的相似度;
在所述其他店铺中,按照所述相似度,确定与所述评估店铺相似的参照店铺。
4.根据权利要求1所述推荐商品的方法,其特征在于,所述基于所述评估店铺所销售的商品的销量评分,确定与所述评估店铺相似的参照店铺,包括:
基于所述评估店铺所销售商品的销量评分,以及其他店铺对所述销售商品的销量评分,计算所述评估店铺与所述其他店铺的相似度;
在所述其他店铺中,按照所述相似度和不同的销售商品,确定与所述评估店铺相似的参照店铺,所述不同的销售商品是所述其他店铺的销售商品,且是所述评估店铺的非销售商品。
5.根据权利要求1所述推荐商品的方法,其特征在于,所述根据所述参照店铺对于所述评估店铺未销售商品的销量评分,预估所述未销售商品的销量评分,包括:
在所述参照店铺中,确定销售所述评估店铺未销售商品的商品参照店铺;
根据所述商品参照店铺对所述评估店铺未销售商品的销量评分、所述商品参照店铺与所述评估店铺的相似度、所述评估店铺对所销售商品的销量评分,以及所述商品参照店铺对所销售商品的销量评分,预估所述未销售商品的销量评分。
6.根据权利要求1所述推荐商品的方法,其特征在于,所述遍历评估店铺所销售商品,建立所述销售商品的销量评分,包括:
遍历评估店铺所销售商品,建立评分矩阵,所述评分矩阵包括所述销售商品的销量评分和所述销售商品的标识;
所述根据所述参照店铺对于所述评估店铺未销售商品的销量评分,预估所述未销售商品的销量评分之后,还包括:
基于预估所述未销售商品的销量评分和所述未销售商品的标识,更新所述评分矩阵,所述评分矩阵包括所述销售商品和所述未销售商品的销量评分,以及所述销售商品和所述未销售商品的标识。
7.根据权利要求1所述推荐商品的方法,其特征在于,所述评估店铺未销售商品是全量商品中,除所述评估店铺所销售商品之外的商品,所述全量商品是商品销售渠道所提供的所有商品。
8.一种推荐商品的装置,其特征在于,包括:
建立模块,用于遍历评估店铺所销售商品,建立所述销售商品的销量评分;
确定模块,用于基于所述评估店铺所销售商品的销量评分,确定与所述评估店铺相似的参照店铺;
推荐模块,用于根据所述参照店铺对于所述评估店铺未销售商品的销量评分,预估所述未销售商品的销量评分,并按照所述未销售商品的销量评分向所述评估店铺推荐商品。
9.一种推荐商品的电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010554262.8A CN113763065A (zh) | 2020-06-17 | 2020-06-17 | 推荐商品的方法、装置、设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010554262.8A CN113763065A (zh) | 2020-06-17 | 2020-06-17 | 推荐商品的方法、装置、设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113763065A true CN113763065A (zh) | 2021-12-07 |
Family
ID=78785479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010554262.8A Pending CN113763065A (zh) | 2020-06-17 | 2020-06-17 | 推荐商品的方法、装置、设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763065A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008176662A (ja) * | 2007-01-19 | 2008-07-31 | Toyo Eng Corp | 販売予測システム、方法及びコンピュータプログラム |
CN108335171A (zh) * | 2018-01-15 | 2018-07-27 | 杭州华量软件有限公司 | 一种快消品精准推荐方法以及系统 |
CN109064293A (zh) * | 2018-08-09 | 2018-12-21 | 平安科技(深圳)有限公司 | 商品推荐方法、装置、计算机设备及存储介质 |
CN109087177A (zh) * | 2018-08-21 | 2018-12-25 | 北京京东尚科信息技术有限公司 | 向目标用户推荐商品的方法、装置及计算机可读存储介质 |
CN109389442A (zh) * | 2017-08-04 | 2019-02-26 | 北京京东尚科信息技术有限公司 | 商品推荐方法及装置、存储介质及电子终端 |
CN110473043A (zh) * | 2018-05-11 | 2019-11-19 | 北京京东尚科信息技术有限公司 | 一种基于用户行为的物品推荐方法和装置 |
-
2020
- 2020-06-17 CN CN202010554262.8A patent/CN113763065A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008176662A (ja) * | 2007-01-19 | 2008-07-31 | Toyo Eng Corp | 販売予測システム、方法及びコンピュータプログラム |
CN109389442A (zh) * | 2017-08-04 | 2019-02-26 | 北京京东尚科信息技术有限公司 | 商品推荐方法及装置、存储介质及电子终端 |
CN108335171A (zh) * | 2018-01-15 | 2018-07-27 | 杭州华量软件有限公司 | 一种快消品精准推荐方法以及系统 |
CN110473043A (zh) * | 2018-05-11 | 2019-11-19 | 北京京东尚科信息技术有限公司 | 一种基于用户行为的物品推荐方法和装置 |
CN109064293A (zh) * | 2018-08-09 | 2018-12-21 | 平安科技(深圳)有限公司 | 商品推荐方法、装置、计算机设备及存储介质 |
CN109087177A (zh) * | 2018-08-21 | 2018-12-25 | 北京京东尚科信息技术有限公司 | 向目标用户推荐商品的方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11625742B2 (en) | Systems and methods for interfacing with a website to modify content | |
CN107463675B (zh) | 数据处理方法及其系统 | |
US20150287032A1 (en) | Methods and systems for connecting multiple merchants to an interactive element in a web page | |
WO2014110950A1 (en) | Method and device for pushing information | |
US20170249684A1 (en) | Systems and methods for search term prioritization | |
KR102425758B1 (ko) | 기계 학습 기반 업체 추천 시스템 | |
CN109255563B (zh) | 物品的储位区域的确定方法和装置 | |
CN116911953B (zh) | 物品推荐方法、装置、电子设备及计算机可读存储介质 | |
CN110827104A (zh) | 向用户推荐商品的方法和装置 | |
CN107977876B (zh) | 用于处理订单信息的方法及装置 | |
EP3912117A1 (en) | Real time user matching using purchasing behavior | |
CN107357847B (zh) | 数据处理方法及其装置 | |
CN110827101A (zh) | 一种店铺推荐的方法和装置 | |
CN110838019A (zh) | 确定试用品发放人群的方法和装置 | |
CN110880119A (zh) | 一种数据处理方法和装置 | |
CN113763065A (zh) | 推荐商品的方法、装置、设备和计算机可读介质 | |
CN110544140A (zh) | 一种处理浏览数据的方法和装置 | |
KR20160027263A (ko) | 사용자의 실시간 선호도를 반영한 추천 시스템 및 서버 | |
CN111339434B (zh) | 信息推荐方法、装置、电子设备及计算机存储介质 | |
CN113792952A (zh) | 用于生成模型的方法和装置 | |
US20160292730A1 (en) | System, method, and platform for user generated advertising campaign | |
CN112784861A (zh) | 相似度的确定方法、装置、电子设备和存储介质 | |
CN113763080A (zh) | 推荐物品的确定方法、装置、电子设备和存储介质 | |
CN112418898A (zh) | 基于多时间窗口融合的物品需求数据分析方法和装置 | |
CN111738798A (zh) | 用于生成商品信息的方法和装置 |
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 |