CN113763103A - 一种物品搭配关系确定方法、装置、电子设备和存储介质 - Google Patents
一种物品搭配关系确定方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113763103A CN113763103A CN202110070838.8A CN202110070838A CN113763103A CN 113763103 A CN113763103 A CN 113763103A CN 202110070838 A CN202110070838 A CN 202110070838A CN 113763103 A CN113763103 A CN 113763103A
- Authority
- CN
- China
- Prior art keywords
- attribute
- collocation
- determining
- candidate
- information entropy
- 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 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 57
- 238000012216 screening Methods 0.000 claims description 33
- 239000004615 ingredient Substances 0.000 claims description 24
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 9
- 238000002360 preparation method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 241000238367 Mya arenaria Species 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 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]
- G06Q30/0621—Item configuration or customization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种物品搭配关系确定方法、装置、电子设备和存储介质,该方法包括:通过基于历史物品获取任务确定目标主品的候选配品,并通过根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性;根据所述第一搭配属性以及所述第二搭配属性确定所述目标主品与所述候选配品之间的搭配关系,其中,当所述第一搭配属性与所述第二搭配属性一致时,所述目标主品与所述候选配品之间存在搭配关系,实现了主品与配品的搭配属性的识别,从而实现了主品与配品之间搭配关系的自动确定,提高了配品与主品之间的搭配精度,同时,降低了运营方的维护成本。
Description
技术领域
本发明实施例涉及商品搭配销售技术领域,尤其涉及一种物品搭配关系确定方法、装置、电子设备和存储介质。
背景技术
目前,在各大电商平台,当用户购买某一主品时,附带进行与所述主品存在配件关系的配品推荐,不仅可使用户获得良好的购物体验,还可使售卖配品的店家获得较好的销售业绩。对于用户初次接触的新品,配品推荐也有助于使用户对新品有更全面的了解。
目前常用的配品推荐方法为:基于运营方或者业务方的实践经验,直接给出哪些商品的配品是什么。
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:
严重依赖运营方或者业务方的实践经验,维护成本较高,且主观性较强。
发明内容
本发明实施例提供了一种物品搭配关系确定方法、装置、电子设备和存储介质,实现了主品与配品之间搭配关系的自动确定,提高了配品与主品之间的搭配精度。
第一方面,本发明实施例提供了一种物品搭配关系确定方法,该方法包括:
基于历史物品获取任务确定目标主品的候选配品;
根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性;
根据所述第一搭配属性以及所述第二搭配属性确定所述目标主品与所述候选配品之间的搭配关系,其中,当所述第一搭配属性与所述第二搭配属性一致时,所述目标主品与所述候选配品之间存在搭配关系。
第二方面,本发明实施例还提供了一种物品搭配关系确定装置,该装置包括:
第一确定模块,用于基于历史物品获取任务确定目标主品的候选配品;
第二确定模块,用于根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性;
第三确定模块,用于根据所述第一搭配属性以及所述第二搭配属性确定所述目标主品与所述候选配品之间的搭配关系,其中,当所述第一搭配属性与所述第二搭配属性一致时,所述目标主品与所述候选配品之间存在搭配关系。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储器,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本发明任意实施例所提供的物品搭配关系确定步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的物品搭配关系确定步骤。
上述发明中的实施例具有如下优点或有益效果:
通过基于历史物品获取任务确定目标主品的候选配品,并通过根据改进的信息熵算法分别确定候选配品的第一搭配属性以及目标主品的第二搭配属性;根据第一搭配属性以及第二搭配属性确定目标主品与候选配品之间的搭配关系,其中,当第一搭配属性与第二搭配属性一致时,目标主品与候选配品之间存在搭配关系,实现了主品与配品的搭配属性的识别,从而实现了主品与配品之间搭配关系的自动确定,提高了配品与主品之间的搭配精度,同时,降低了运营方的维护成本。
附图说明
图1是本发明实施例一提供的一种物品搭配关系确定方法的流程示意图;
图2是本发明实施例二提供的一种物品搭配关系确定方法的流程示意图;
图3是本发明实施例二提供的一种物品搭配流程图;
图4是本发明实施例三提供的一种物品搭配关系确定装置的结构示意图;
图5是本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种物品搭配关系确定方法的流程示意图,本实施例可适用于根据主品确定配品的场景。该方法可以由物品搭配关系确定装置来执行,该装置可以由软件和/或硬件的方式来实现。如图1所示,该方法具体包括以下步骤:
S110、基于历史物品获取任务确定目标主品的候选配品。
其中,历史物品获取任务指预设历史时间段内各用户购买商品的订单数据,示例性的,预设历史时间段可以是两年或三年等。历史物品获取任务包括用户购买的商品信息,还可以包括付款金额信息或下单时间信息等。可以理解的是,一个历史物品获取任务中可以包括用户同时购买的多个商品。目标主品指用户购买的主要目标商品;候选配品指用户购买目标主品时一起购买的搭配商品,即与目标主品具备配件关系的商品。示例性的,目标主品是手机,对应的候选配品可以是手机壳、耳机、数据线、手机保险、电话卡或手机贴膜等;目标主品是airpods耳机,对应的候选配品可以是iphone手机、耳机套或充电器等。
具体的,可以通过分析历史物品获取任务得到各历史物品获取任务中包含的购买商品,将预设的目标主品与各历史物品获取任务中包含的购买商品进行匹配,从而确定出包含目标主品的历史物品获取任务,并对包含目标主品的各历史物品获取任务中所包含的其它商品进行排序,从而将排序高的其它商品确定为目标主品的候选配品。为了真实地反映客观事实,挖掘客观规律,在本实施例中,还可以对历史物品获取任务进行进一步的筛选,以过滤掉企业用户和刷单用户的历史物品获取任务。企业用户具有单个历史物品获取任务中购买商品数量较多的特征,刷单用户具有一段时间内历史物品获取任务的数量较多的特征,均会影响所确定的候选配品的准确性。具体的,对历史物品获取任务进行进一步的筛选可以是:过滤掉单个历史物品获取任务中购买商品数量大于第一指定阈值的历史物品获取任务,以及预设历史时间段内的历史物品获取任务的数量大于第二指定阈值的用户的所有历史物品获取任务。通过对历史物品获取任务进行进一步的筛选,以过滤掉企业用户和刷单用户的历史物品获取任务,从而提高候选配品的精度。
可选的,所述基于历史物品获取任务确定目标主品的候选配品,包括:获取在预设历史时间段内建立的物品获取任务;针对所述物品获取任务中的每个物品获取任务,若当前物品获取任务包括目标主品的获取子任务,则保留当前物品获取任务,否则删除当前物品获取任务;以包括目标配品的获取子任务为排序维度,对同时包括目标主品的获取子任务以及目标配品的获取子任务的物品获取任务的数量进行排序;将所述数量达到数量阈值的物品获取任务所包括的获取子任务的目标配品确定为所述候选配品。
其中,物品获取任务指用户购买所有商品的父订单数据;获取子任务指针对每个物品获取任务中,用户购买单个商品的子订单数据。每个物品获取任务可以包括一个或多个获取子任务。示例性的,物品获取任务是手机、手机壳和耳机的订单数据,则该物品获取任务包括三个获取子任务,即手机的获取子任务、手机壳的获取子任务和耳机的获取子任务。在本实施例中,对当前物品获取任务的获取子任务进行判断,以删除不包括目标主品的获取子任务的物品获取任务,只保留包括目标主品的获取子任务的物品获取任务。
目标配品指与目标主品同属一个物品获取任务的商品。示例性的,若目标主品为手机,目标配品为手机壳、手机保险、手机支架、手机耳机、手机饰品、模拟对讲机和手机贴膜,以包括的目标配品的获取子任务为排序维度。在上述示例中,对同时包括手机的获取子任务以及目标配品的获取子任务的物品获取任务的数量进行排序,得到的排序为:手机壳2548324、手机贴膜2513319、手机保险204426、手机耳机34259、手机支架33827、模拟对讲机946、手机饰品767,若数量阈值设置为1000,则确定的候选配品为手机壳、手机贴膜、手机保险、手机耳机以及手机支架。
在本实施例中,通过对不包括目标主品的获取子任务的物品获取任务进行删除,并以包括目标配品的获取子任务为排序维度,对物品获取任务的数量进行排序,将数量达到数量阈值的物品获取任务所包括的获取子任务的目标配品确定为候选配品,实现了候选配品的精准确定。
S120、根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性。
其中,改进的信息熵算法指信息的量化度量,用于描述搭配属性的不确定度,从而将候选配品和目标主品中不确定度低的搭配属性确定为第一搭配属性和第二搭配属性。其中,第一搭配属性指候选配品中需要与目标主品相对应的属性。第二搭配属性指目标主品中需要与候选配品相对应的属性。示例性的,若候选配品是手机壳,目标主品是手机,候选配品的第一搭配属性为手机壳型号,目标主品的第二搭配属性为手机机型;若候选配品是数据线,目标主品是手机,候选配品的第一搭配属性为数据线的接口类型,目标主品的第二搭配属性为手机的接口类型。
具体的,如果搭配属性的不确定度较低,则该搭配属性的信息熵较低。因此,可以通过各搭配属性的信息熵来确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属。示例性的,候选配品为手机壳,目标主品为手机,候选配品的搭配属性有热门机型(即手机壳型号)、手机壳颜色、手机壳材质或手机壳风格等,目标主品的搭配属性有手机型号。其中,当“热门机型”与“手机型号”一致时,认为手机壳与手机是真正可以搭配的。此时,“热门机型”为所述第一搭配属性,“手机型号”为所述第二搭配属性。步骤S120的目的是通过改进的信息熵算法自动确定所述第一搭配属性以及所述第二搭配属性。对于“热门机型”这一搭配属性来说,如用户购买了iphone11手机,那购买手机壳的热门机型通常也为iphone11,因此,手机壳“热门机型”的不确定度较低,计算出的信息熵理论上应几乎等同于1log(1)=0。然而,对于手机壳颜色这一搭配属性来说,其取值具备多样性,用户可以根据自身喜好程度选择相应的颜色,因此,手机壳颜色的不确定度较高,计算出的信息熵理论上应大于1。
可选的,所述根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性,包括:以所述候选配品的属性为统计维度,按照属性值从大到小排序,其中,属性值为所述候选配品与所述目标主品出现在同一物品获取任务的次数;如果属性值低于属性阈值的比例达到设定比例阈值,则基于第一改进信息熵算法确定所述属性的信息熵,否则基于第二改进信息熵算法确定所述属性的信息熵。
示例性的,所述第一改进信息熵算法可通过如下公式(1)进行表示,所述第二改进信息熵算法可通过,如下公式(2)进行表示:
其中,N表示所述候选配品的总数,n表示目标主品的总数,|main_skui|表示目标主品i的候选配品的数量,表示第k个属性的第j个取值出现的次数,m表示第k个属性的取值个数;将信息熵最小的属性确定为所述第一搭配属性。
在本实施例中,候选配品的属性指候选配品的详细信息,如候选配品为手机壳,则候选配品的属性可以是热门机型、颜色或材质。考虑到个别用户在购买目标主品的同时,给家人或朋友附带购买其它的商品,如有37个用户购买了华为nova7手机,其中36个用户购买了华为nova7型号的手机壳,1个用户购买了vivoX21型号的手机壳。虽然此1个用户也同时购买了主品与配品,但配品(vivoX21型号的手机壳)与主品(华为nova7手机)之间是不能进行搭配的,此种情况对搭配属性的信息熵的计算产生了干扰,若此类用户的数量增加,则会导致原本应该等于1log1=0的信息熵,变为并且,随着此类用户数量n的增加,信息熵逐渐增大,为了减少此类噪声数据的干扰,本实施例利用改进的信息熵算法进行确定,具体是如果属性值低于属性阈值的比例达到设定比例阈值,则基于公式(1)确定所述属性的信息熵,否则基于公式(2)确定所述属性的信息熵。
例如,假设所述候选配品为手机壳,所述目标主品为华为nova7手机,以手机壳的“热门机型”属性为统计维度,假设购买华为nova7手机的订单一共有37个,其中,36个订单中还同时购买了华为nova7型号的手机壳,1个订单中同时购买了vivoX21型号的手机壳,则该历史订单数据中存在1个噪声数据,噪声数据所占比例为1/37,对应的属性值分别为36和1,假设属性阈值为2,低于属性阈值的属性值为1个,假设设定比例阈值0.01,由于1/37大于0.01,则基于公式(1)确定“热门机型”的信息熵。再例如,假设所述候选配品为手机壳,所述目标主品为iphone8p手机,以手机壳的“热门机型”属性为统计维度,假设购买iphone8p手机的订单一共有22个,其中,20个订单中还同时购买了iphone8P的手机壳,1个订单中同时购买了华为热门机型的手机壳,1个订单中同时购买了vivio热门机型的手机壳,则该历史订单数据中存在2个噪声数据,噪声数据所占比例为2/22,假设设定比例阈值0.01,由于2/22大于0.01,则基于公式(1)确定“热门机型”的信息熵。
示例性的,目标主品为某iphone手机,候选配品为手机壳,候选配品的属性为手机壳型号,该属性的取值有iphone型号、vivo型号和华为型号,对应的出现次数分别为20、1、1,即属性值分别为20、1、1,即N为22,|main_skui|为22。此时,若通过改进之前的信息熵算法计算出的信息熵为而通过改进后的信息熵算法,即上述公式(1)计算出的信息熵为 可以看出,通过改进后的信息熵算法可以得到较低的信息熵,符合预期。
下面以举例的方式说明公式(1)与公式(2)的计算过程,旨在说明公式(1)与公式(2)中各参数的物理含义:
若候选配品为手机壳,目标主品main_sku1的候选配品有{sku1,sku2,sku3},|main_sku1|=3,sku1为红色、iphone型号,sku2为蓝色、iphone型号,sku3为绿色、vivo型号。目标主品main_sku2的候选配品有{sku4,sku5},|main_sku2|=2,sku4为紫色、vivo型号,sku2为橘色、vivo型号。
此时,对于候选配品的型号属性,若以公式(1)计算信息熵为:
对于候选配品的颜色属性,若以公式(2)计算信息熵为:
在本实施例中,通过以所述候选配品的属性为统计维度,按照属性值从大到小排序,其中,属性值为所述候选配品与所述目标主品出现在同一物品获取任务的次数;如果属性值低于属性阈值的比例达到设定比例阈值,则基于公式(1)确定所述属性的信息熵,否则基于公式(2)确定所述属性的信息熵,降低了噪声数据带来的干扰,实现了信息熵的精准计算,从而提高第一搭配属性与第二搭配属性的准确度,进一步提高了主品与配品之间搭配关系的精度。
可选的,所述根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性,包括:以所述目标主品的属性为统计维度,按照属性值从大到小排序,其中,属性值为所述候选配品与所述目标主品出现在同一物品获取任务的次数;如果属性值低于属性阈值的比例达到设定比例阈值,则基于上述第一改进信息熵算法确定所述属性的信息熵,否则基于上述第二改进信息熵算法确定所述属性的信息熵;将信息熵最小的属性确定为所述第二搭配属性。对应的,公式中的N表示目标主品的总数,n表示候选配品的总数,|main_skui|表示候选配品i对应的目标主品的数量,表示第k个属性的第j个取值出现的次数,m表示第k个属性的取值个数。
在前述实施例中,公式(1)和公式(2)可以理解为已知目标主品和候选配品时,根据目标主品确定候选配品的关键属性,即第一搭配属性。在确定第二搭配属性时,可以理解为已知目标主品和候选配品时,根据候选配品确定目标主品的关键属性,即第二搭配属性。示例性的,当目标主品为手机壳,候选配品为手机时,目标主品的第二搭配属性可以是手机型号。
可选的,所述根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性,包括:确定所述候选配品的各属性的属性值,其中,属性值为所述候选配品与所述目标主品出现在同一物品获取任务的次数;基于所述属性值确定各属性的第一信息熵;如果当前属性的所述第一信息熵小于设定阈值,则基于第三改进的信息熵算法确定所述当前属性的第二信息熵,否则基于第四改进的信息熵算法确定所述当前属性的第二信息熵。
示例性的,所述第三改进的信息熵算法可通过如下公式(5)进行表示,所述第三改进的信息熵算法可通过如下公式(6)进行表示:
其中:
N表示所述候选配品的总数,n表示目标主品的总数,|main_skui|表示目标主品i的候选配品的数量,表示第k个属性的第j个取值出现的次数,m表示第k个属性的取值个数;将信息熵最小的属性确定为所述第一搭配属性。
其中,考虑到对于候选配品或目标主品的部分属性来说,不同的属性的取值所表达的含义相同,导致信息熵计算的结果存在误差。示例性的,对于手机壳的类型属性来说,属性的取值可以是男、女、磨砂壳等,但有占比90%的手机壳的类型属性的取值为磨砂壳,此时计算的类型属性的信息熵小于型号类型计算的信息熵,但理论上型号类型的信息熵应小于类型属性的信息熵。针对该种问题,可以通过上述公式(5)和公式(6)对现有信息熵算法进行改进。
在本实施例的公式(5)中,scorekall表示第一信息熵,threshold表示设定阈值。下面以举例的方式说明公式(5)和公式(6)的计算过程:
若候选配品为手机壳,目标主品main_sku1的候选配品有{sku1,sku2,sku3},|main_sku1|=3,sku1为软壳、iphone型号,sku2为软壳、iphone型号,sku3为软壳、vivo型号。目标主品main_sku2的候选配品有{sku4,sku5},|main_sku2|=2,sku4为软壳、vivo型号,sku2为硬壳、vivo型号。
若候选配品的型号属性对应的第一信息熵小于设定阈值threshold,则计算型号属性对应的型号属性对应的第二信息熵为若候选配品的类型属性对应的第一信息熵小于设定阈值threshold,则计算类型属性对应的 类型属性对应的第二信息熵为
具体的,通过上述计算过程,得到的型号属性对应的第一信息熵大于类型属性对应的第一信息熵,而型号属性对应的第二信息熵小于类型属性对应的第二信息熵,此时则可将型号属性确定为候选配品的第一搭配属性,符合预期。可以理解的是,目标主品的第二搭配属性也可以通过同样的方式确定。
在本实施例中,通过对候选配品的第一信息熵进行判断,确定第一信息熵是否大于设定阈值,并基于不同情况采用不同的计算公式,实现了信息熵的精准计算,从而提高了第一搭配属性与第二搭配属性的准确度,进一步提高了主品与配品之间搭配关系的精度。
S130、根据所述第一搭配属性以及所述第二搭配属性确定所述目标主品与所述候选配品之间的搭配关系,其中,当所述第一搭配属性与所述第二搭配属性一致时,所述目标主品与所述候选配品之间存在搭配关系。
其中,第一搭配属性指与目标主品具备搭配关系的属性,第二搭配属性指与候选配品具备搭配关系的属性,根据第一搭配属性和第二搭配属性可以确定出目标主品与候选配品的搭配关系。示例性的,目标主品为手机,候选配品为耳机,则候选配品的第一搭配属性可以是耳机接口型号,目标主品的第一搭配属性可以是手机接口型号,若候选配品的耳机接口型号与目标主品的手机接口型号一致,则可确定目标主品与候选配品之间存在搭配关系。
可以理解的是,在确定出各目标主品与各候选配品之间的搭配关系之后,可以将各搭配关系进行存储至HIVE表中,以使在获取到目标主品时,根据HIVE表中存储的搭配关系,在商品库中查询到具备与目标主品的第二搭配属性相同的第一搭配属性的候选配品,从而确定出与目标主品存在搭配关系的候选配品。相应的,在获取到候选配品使,根据存储的搭配关系,在商品库中查询到具备与候选配品的第一搭配属性相同的第二搭配属性的目标主品,从而确定出与候选配品存在搭配关系的目标主品。
本实施例的技术方案,通过基于历史物品获取任务确定目标主品的候选配品,实现给定主品时配品的自动识别,并通过根据改进的信息熵算法分别确定候选配品的第一搭配属性以及目标主品的第二搭配属性;根据第一搭配属性以及第二搭配属性确定目标主品与候选配品之间的搭配关系,其中,当第一搭配属性与第二搭配属性一致时,目标主品与候选配品之间存在搭配关系,实现了主品与配品的搭配属性的识别,从而实现了主品与配品之间搭配关系的自动确定,提高了配品与主品之间的搭配精度,同时,降低了运营方的维护成本。
在上述实施例的基础上,以手机为目标主品,手机壳为候选配品,分别通过改进之前的信息熵算法以及改进之后的信息熵算法确定属性“热门机型”的信息熵,参考如下表1所示的计算结果,可以看出对于“热门机型”属性,改进之前的信息熵(sku_entropy)并不是所有属性的信息熵中的最小值,但是通过改进后的信息熵算法,“热门机型”属性的信息熵(sku_entropy/all_entropy)为所有属性的信息熵中的最小值,因此可以将“热门机型”确定为手机壳的第一搭配属性。
表1:分别通过改进之前的信息熵算法以及改进之后的信息熵算法所确定的属性信息熵
实施例二
图2为本发明实施例二提供的一种物品搭配关系确定方法的流程示意图,本实施例在上述实施例的基础上,增加了“当接收到待搭配物品时,基于所述搭配关系查找与所述待搭配物品具备搭配关系的至少一种配品;通过预设筛选策略对所述至少一种配品进行筛选”。其中与上述实施例相同或相应的术语的解释在此不再赘述。
参见图2,本实施例提供的物品搭配关系确定方法具体包括以下步骤:
S210、基于历史物品获取任务确定目标主品的候选配品。
S220、根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性。
S230、根据所述第一搭配属性以及所述第二搭配属性确定所述目标主品与所述候选配品之间的搭配关系,其中,当所述第一搭配属性与所述第二搭配属性一致时,所述目标主品与所述候选配品之间存在搭配关系。
S240、当接收到待搭配物品时,基于所述搭配关系查找与所述待搭配物品具备搭配关系的至少一种配品。
其中,待搭配物品指用户此时需要购买的主要商品,可以是所述目标主品,也可以是所述候选配品,相应的,若待搭配物品为所述目标主品,则查找到的配品为所述候选配品;若待搭配物品为所述候选配品,则查找到的配品为所述目标主品。示例性的,待搭配物品可以是airpods耳机,具备搭配关系的至少一种配品可以是iphone手机、iphone数据线和airpods耳机套中的至少一种。
示例性的,如图3所示,展示了确定待搭配物品对应的至少一种配品的过程。其中,主品与配品之间搭配关系的生成和存储过程如图3中左半部分所示,即训练部分;通过查询搭配关系实时确定与目标主品可以搭配的配品的过程如图3中右半部分所示,即预测部分。
具体的,如图3所示,训练部分包括如下步骤:
(1)输入一批主品,该主品可以是通过采集一定数量的历史订单获得。
(2)在预先存储的所有商品(每个商品具有唯一的sku)的一级品类、属性及属性取值的数据库进行查询,确定各主品所属的一级品类、属性及属性取值;其中,一级品类指商品对应的一级分类,如手机的一级品类为通讯类。通过首先查找各主品所属的一级分类,而后根据一级品类的分类查找各主品对应的属性以及属性取值,可提高查询速度。
(3)统计在同一级品类中,与各主品同时购买数量最多的副品(即候选配品);同时,对主品的属性取值进行归一、纠错等预处理,以精确获取主品的属性取值。
(4)根据所确定的副品,基于改进信息熵算法确定主品对应的副品的关键属性(即第一搭配属性)。
(5)基于改进信息熵算法确定主品中与副品对应的关键属性(即第二搭配属性);
(6)将副品的关键属性、主品中与副品对应的关键属性的映射关系存入HIVE表中。
如图3所示,预测部分具体包括如下步骤:
(1)输入待搭配物品的sku;
(2)在预先存储的sku的一级品类、属性及属性取值进行查询,确定待搭配物品的一级品类、属性及属性取值;
(3)在HIVE表中进行查询,确定待搭配物品的副品的关键属性的属性取值;
(4)在商品库中查找对应的副品,并将副品与待搭配物品组合成主搭配品,以向目标用户展示所述主搭配品。
S250、通过预设筛选策略对所述至少一种配品进行筛选。
其中,预设筛选策略可以对确定出的各配品进行一定规则的排序和挑选,从而进一步确定出至少一种配品。预设筛选策略可以是基于各配品的成交总额进行排序,生成成交总额逐渐减少的排序列表,筛选出排序列表中的前N名配品,为用户推荐前N名配品。N可以根据业务需求进行设定。除此之外,预设筛选策略也可以根据业务需求进行设置,如在至少一种配品中筛选出合作商家出售的配品等;预设筛选策略还可以相互组合,如根据配品的成交总额进行筛选后,在判断筛选后的配品是否为合作商家所出售的配品。本申请对预设筛选策略不进行限定。
可选的,所述通过预设筛选策略对所述至少一种配品进行筛选,包括:按照所述配品的价值对所述至少一种配品进行筛选;或者,按照所述配品的成交量对所述至少一种配品进行筛选。
其中,配品的价值指配品的单价,配品的成交量指预设时间段内配品的销量,如30天内配品的销量。具体的,可以根据各配品的价值,生成配品价值逐渐减少或增加的排序列表,筛选出排序列表中的前N名配品,为用户推荐前N名配品;还可以根据各配品的成交量,生成配品成交量逐渐减少的排序列表,筛选出排序列表中前N名配品;或同时筛选出成交量排序列表前N名的配品和价值排序列表中前N名的配品;或筛选出同时位于成交量排序列表和价值排序列表中前N名之内的配品。通过根据配品的价值或成交量进行筛选,从而确定出更符合用户购买需求的配品,提高了用户的购物体验感。
在本实施例中,在根据第一搭配属性以及第二搭配属性确定目标主品与候选配品之间的搭配关系之后,在接收到待搭配物品时,基于所述搭配关系查找与所述待搭配物品具备搭配关系的至少一种配品,并通过预设筛选策略对所述至少一种配品进行筛选,实现了配品的精准确定,从而提高了用户的购物体验感。
以下是本发明实施例提供的物品搭配关系确定装置的实施例,该装置与上述各实施例的物品搭配关系确定方法属于同一个发明构思,在物品搭配关系确定装置的实施例中未详尽描述的细节内容,可以参考上述物品搭配关系确定方法的实施例。
实施例三
图4为本发明实施例三提供的一种物品搭配关系确定装置的结构示意图,本实施例可适用于根据历史订单确定主品的配品,并分别得到主品和配品的搭配属性,从而确定主品与配品的搭配关系的情形。该装置具体包括:第一确定模块410、第二确定模块420以及第三确定模块430。
第一确定模块410,用于基于历史物品获取任务确定目标主品的候选配品;
第二确定模块420,用于根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性;
第三确定模块430,用于根据所述第一搭配属性以及所述第二搭配属性确定所述目标主品与所述候选配品之间的搭配关系,其中,当所述第一搭配属性与所述第二搭配属性一致时,所述目标主品与所述候选配品之间存在搭配关系。
本实施例的技术方案,通过第一确定模块基于历史物品获取任务确定目标主品的候选配品,实现给定主品时配品的自动识别,并通过第二确定模块根据改进的信息熵算法分别确定候选配品的第一搭配属性以及目标主品的第二搭配属性;基于第三确定模块根据第一搭配属性以及第二搭配属性确定目标主品与候选配品之间的搭配关系,其中,当第一搭配属性与第二搭配属性一致时,目标主品与候选配品之间存在搭配关系,实现了主品与配品的搭配属性的识别,从而实现了主品与配品之间搭配关系的自动确定,提高了配品与主品之间的搭配精度,同时,降低了运营方的维护成本。
可选的,第一确定模块具体用于获取在预设历史时间段内建立的物品获取任务;针对所述物品获取任务中的每个物品获取任务,若当前物品获取任务包括目标主品的获取子任务,则保留当前物品获取任务,否则删除当前物品获取任务;以包括目标配品的获取子任务为排序维度,对同时包括目标主品的获取子任务以及目标配品的获取子任务的物品获取任务的数量进行排序;将所述数量达到数量阈值的物品获取任务所包括的获取子任务的目标配品确定为所述候选配品。
可选的,第二确定模块包括第一确定单元,其中,第一确定单元用于以所述候选配品的属性为统计维度,按照属性值从大到小排序,其中,属性值为所述候选配品与所述目标主品出现在同一物品获取任务的次数;如果属性值低于属性阈值的比例达到设定比例阈值,则基于第一改进信息熵算法确定所述属性的信息熵,否则基于第二改进信息熵算法确定所述属性的信息熵。
示例性的,所述第一改进信息熵算法可通过如下公式(7)进行表示,所述第二改进信息熵算法可通过,如下公式(8)进行表示:
其中,N表示所述候选配品的总数,n表示目标主品的总数,|main_skui|表示目标主品i的候选配品的数量,表示第k个属性的第j个取值出现的次数,m表示第k个属性的取值个数;将信息熵最小的属性确定为所述第一搭配属性。
可选的,第二确定模块包括第二确定单元,其中,第二确定单元用于以所述目标主品的属性为统计维度,按照属性值从大到小排序,其中,属性值为所述候选配品与所述目标主品出现在同一物品获取任务的次数;如果属性值低于属性阈值的比例达到设定比例阈值,则基于上述第一改进信息熵算法确定所述属性的信息熵,否则基于上述第二改进信息熵算法(具体可参考上述公式(1))确定所述属性的信息熵,将信息熵最小的属性确定为所述第二搭配属性(具体可参考上述公式(2))。对应的,公式中的N表示目标主品的总数,n表示候选配品的总数,|main_skui|表示候选配品i对应的目标主品的数量,表示第k个属性的第j个取值出现的次数,m表示第k个属性的取值个数;
可选的,第二确定模块包括第三确定单元,其中,第三确定单元用于确定所述候选配品的各属性的属性值,其中,属性值为所述候选配品与所述目标主品出现在同一物品获取任务的次数;基于所述属性值确定各属性的第一信息熵;如果当前属性的所述第一信息熵小于设定阈值,则基于上述第三改进信息熵算法(具体可参见上述公式(3))确定所述当前属性的第二信息熵,否则基于第四改进信息熵算法(具体可参见上述公式(4))确定所述当前属性的第二信息熵,将信息熵最小的属性确定为所述第一搭配属性。
可选的,所述物品搭配关系确定装置还包括筛选模块,用于当接收到待搭配物品时,基于所述搭配关系查找与所述待搭配物品具备搭配关系的至少一种配品;通过预设筛选策略对所述至少一种配品进行筛选。
可选的,筛选模块包括配品筛选单元,用于按照所述配品的价值对所述至少一种配品进行筛选;或者,按照所述配品的成交量对所述至少一种配品进行筛选。
本发明实施例所提供的物品搭配关系确定装置可执行本发明任意实施例所提供的物品搭配关系确定方法,具备执行物品搭配关系确定方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施例实施方式的示例性电子设备50的框图。图5显示的电子设备50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5所示,电子设备50以通用计算设备的形式表现。电子设备50的组件可以包括但不限于:一个或者多个处理器或者处理单元501,系统存储器502,连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
总线503表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备50访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器502可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)504和/或高速缓存存储器505。电子设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统506可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线503相连。存储器502可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块507的程序/实用工具508,可以存储在例如存储器502中,这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。
电子设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信,还可与一个或者多个使得用户能与该电子设备50交互的设备通信,和/或与使得该电子设备50能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口511进行。并且,电子设备50还可以通过网络适配器512与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器512通过总线503与电子设备50的其它模块通信。应当明白,尽管图5中未示出,可以结合电子设备50使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元501通过运行存储在系统存储器502中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的一种物品搭配关系确定步骤,该方法包括:
基于历史物品获取任务确定目标主品的候选配品;
根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性;
根据所述第一搭配属性以及所述第二搭配属性确定所述目标主品与所述候选配品之间的搭配关系,其中,当所述第一搭配属性与所述第二搭配属性一致时,所述目标主品与所述候选配品之间存在搭配关系。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的物品搭配关系确定方法的技术方案。
实施例五
本实施例五提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的物品搭配关系确定方法、方法步骤,该方法包括:
基于历史物品获取任务确定目标主品的候选配品;
根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性;
根据所述第一搭配属性以及所述第二搭配属性确定所述目标主品与所述候选配品之间的搭配关系,其中,当所述第一搭配属性与所述第二搭配属性一致时,所述目标主品与所述候选配品之间存在搭配关系。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种物品搭配关系确定方法,其特征在于,包括:
基于历史物品获取任务确定目标主品的候选配品;
根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性;
根据所述第一搭配属性以及所述第二搭配属性确定所述目标主品与所述候选配品之间的搭配关系,其中,当所述第一搭配属性与所述第二搭配属性一致时,所述目标主品与所述候选配品之间存在搭配关系。
2.根据权利要求1所述的方法,其特征在于,所述基于历史物品获取任务确定目标主品的候选配品,包括:
获取在预设历史时间段内建立的物品获取任务;
针对所述物品获取任务中的每个物品获取任务,若当前物品获取任务包括目标主品的获取子任务,则保留当前物品获取任务,否则删除当前物品获取任务;
以包括目标配品的获取子任务为排序维度,对同时包括目标主品的获取子任务以及目标配品的获取子任务的物品获取任务的数量进行排序;
将所述数量达到数量阈值的物品获取任务所包括的获取子任务的目标配品确定为所述候选配品。
3.根据权利要求1所述的方法,其特征在于,所述根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性,包括:
以所述候选配品的属性为统计维度,按照属性值从大到小排序,其中,属性值为所述候选配品与所述目标主品出现在同一物品获取任务的次数;
如果属性值低于属性阈值的比例达到设定比例阈值,则基于第一改进信息熵算法确定所述属性的信息熵,否则基于第二改进信息熵算法确定所述属性的信息熵:
将信息熵最小的属性确定为所述第一搭配属性。
4.根据权利要求3所述的方法,其特征在于,所述根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性,还包括:
以所述目标主品的属性为统计维度,按照属性值从大到小排序,其中,属性值为所述候选配品与所述目标主品出现在同一物品获取任务的次数;
如果属性值低于属性阈值的比例达到设定比例阈值,则基于所述第一改进信息熵算法确定所述属性的信息熵,否则基于所述第二改进信息熵算法确定所述属性的信息熵:
将信息熵最小的属性确定为所述第二搭配属性。
5.根据权利要求1所述的方法,其特征在于,所述根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性,包括:
确定所述候选配品的各属性的属性值,其中,属性值为所述候选配品与所述目标主品出现在同一物品获取任务的次数;
基于所述属性值确定各属性的第一信息熵;
如果当前属性的所述第一信息熵小于设定阈值,则基于第三改进信息熵算法确定所述当前属性的第二信息熵,否则基于第四改进信息熵算法确定所述当前属性的第二信息熵;
将信息熵最小的属性确定为所述第一搭配属性。
6.根据权利要求1-5任一项所述的方法,其特征在于,还包括:
当接收到待搭配物品时,基于所述搭配关系查找与所述待搭配物品具备搭配关系的至少一种配品;
通过预设筛选策略对所述至少一种配品进行筛选。
7.根据权利要求6所述的方法,其特征在于,所述通过预设筛选策略对所述至少一种配品进行筛选,包括:
按照所述配品的价值对所述至少一种配品进行筛选;
或者,按照所述配品的成交量对所述至少一种配品进行筛选。
8.一种物品搭配关系确定装置,其特征在于,包括:
第一确定模块,用于基于历史物品获取任务确定目标主品的候选配品;
第二确定模块,用于根据改进的信息熵算法分别确定所述候选配品的第一搭配属性以及所述目标主品的第二搭配属性;
第三确定模块,用于根据所述第一搭配属性以及所述第二搭配属性确定所述目标主品与所述候选配品之间的搭配关系,其中,当所述第一搭配属性与所述第二搭配属性一致时,所述目标主品与所述候选配品之间存在搭配关系。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器,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中任一所述的物品搭配关系确定步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的物品搭配关系确定步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110070838.8A CN113763103B (zh) | 2021-01-19 | 2021-01-19 | 一种物品搭配关系确定方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110070838.8A CN113763103B (zh) | 2021-01-19 | 2021-01-19 | 一种物品搭配关系确定方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113763103A true CN113763103A (zh) | 2021-12-07 |
CN113763103B CN113763103B (zh) | 2024-06-14 |
Family
ID=78786372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110070838.8A Active CN113763103B (zh) | 2021-01-19 | 2021-01-19 | 一种物品搭配关系确定方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763103B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7720720B1 (en) * | 2004-08-05 | 2010-05-18 | Versata Development Group, Inc. | System and method for generating effective recommendations |
CN105678587A (zh) * | 2016-01-12 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种推荐特征确定方法、信息推荐方法及装置 |
CN105824929A (zh) * | 2016-03-17 | 2016-08-03 | 上海交通大学 | 基于社会关系的机票个性化推荐方法及系统 |
CN107305557A (zh) * | 2016-04-20 | 2017-10-31 | 北京陌上花科技有限公司 | 内容推荐方法及装置 |
CN107679155A (zh) * | 2017-09-27 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 服饰搭配库建立方法、信息推荐方法、装置、设备及介质 |
CN110069698A (zh) * | 2017-11-01 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
-
2021
- 2021-01-19 CN CN202110070838.8A patent/CN113763103B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7720720B1 (en) * | 2004-08-05 | 2010-05-18 | Versata Development Group, Inc. | System and method for generating effective recommendations |
CN105678587A (zh) * | 2016-01-12 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 一种推荐特征确定方法、信息推荐方法及装置 |
CN105824929A (zh) * | 2016-03-17 | 2016-08-03 | 上海交通大学 | 基于社会关系的机票个性化推荐方法及系统 |
CN107305557A (zh) * | 2016-04-20 | 2017-10-31 | 北京陌上花科技有限公司 | 内容推荐方法及装置 |
CN107679155A (zh) * | 2017-09-27 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 服饰搭配库建立方法、信息推荐方法、装置、设备及介质 |
CN110069698A (zh) * | 2017-11-01 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
Non-Patent Citations (4)
Title |
---|
HIRAL Y. MODI: "Enhancement of online web recommendation system using a hybrid clustering and pattern matching approach", 《2015 INTERNATIONAL CONFERENCE ON NASCENT TECHNOLOGIES IN THE ENGINEERING FIELD (ICNTE)》 * |
杨军玲: "汉语动词词语搭配自动获取方法研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 10 * |
樊利;林满山;: "基于信息熵与Mahout的推荐算法的研究", 计算机与数字工程, no. 10 * |
沈亚镁: "基于行为特征的潜在客户发现摸型研究", 《中国优秀硕士学位论文全文数据库 (经济与管理科学辑)》, no. 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN113763103B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160148225A1 (en) | Product sales forecasting system, method and non-transitory computer readable storage medium thereof | |
US20100153236A1 (en) | Automated price quote generation | |
CN106997390B (zh) | 一种设备配件或零部件商品交易信息搜索方法 | |
CN112102031A (zh) | 一种推荐方法、推荐装置及终端设备 | |
CN116308684B (zh) | 一种网购平台店铺信息推送方法及系统 | |
CN106326243A (zh) | 一种数据处理方法及装置 | |
KR20190018369A (ko) | 상품기획서버를 이용한 상품 기획 시스템 및 방법. | |
CN110362594A (zh) | 一种信息处理方法和系统 | |
CN111612560A (zh) | 用于促销对象的推荐方法、系统、存储介质及电子设备 | |
CN110598108A (zh) | 一种搜索词推荐方法、装置、设备及存储介质 | |
JP6472012B1 (ja) | 買い取り価格算出方法及び買い取り価格算出システム | |
CN106777405B (zh) | 基于SaaS服务促进低频类商品交易的方法 | |
CN113077321A (zh) | 物品推荐方法、装置、电子设备和存储介质 | |
CN116595390A (zh) | 商品信息处理方法及电子设备 | |
CN114219589B (zh) | 虚拟实体对象的生成和页面显示方法、装置和电子设备 | |
CN111126923A (zh) | 物料呆滞统计方法、装置、存储介质及终端设备 | |
CN113763103B (zh) | 一种物品搭配关系确定方法、装置、电子设备和存储介质 | |
CN114461918A (zh) | 物品推荐方法、装置、电子设备和存储介质 | |
KR102286661B1 (ko) | 채팅을 기반으로 한 주문형 쇼핑 큐레이션 장치 | |
CN106875188A (zh) | 一种交易对象的同步管理系统、方法及装置 | |
KR100486419B1 (ko) | 온라인 가격 비교 서비스 제공 방법 및 시스템 | |
KR102492265B1 (ko) | 기계 거래의 견적 시스템 및 그 방법 | |
KR20140119305A (ko) | 모바일 어플리케이션 디자인 및 시뮬레이션 기능을 제공하는 스마트 디자인 시스템, 이를 포함하는 비즈니스 모델 및 스마트 디자인 시스템의 동작방법 | |
CN111316306A (zh) | 一种基于智能终端的商品推荐方法及商品推荐系统 | |
US20230351472A1 (en) | Method for recommending commodities and the related electronic device |
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 |