CN113837840A - 一种产品推荐方法 - Google Patents
一种产品推荐方法 Download PDFInfo
- Publication number
- CN113837840A CN113837840A CN202111132696.XA CN202111132696A CN113837840A CN 113837840 A CN113837840 A CN 113837840A CN 202111132696 A CN202111132696 A CN 202111132696A CN 113837840 A CN113837840 A CN 113837840A
- Authority
- CN
- China
- Prior art keywords
- product
- similarity
- user
- products
- recommendation list
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种产品推荐方法,包括:一、建立用户标签及专家规则库;其中用户标签包括企业经营范围行向量、企业访问行向量、企业需求向量;专家规则库的关联关系具体表示为企业需求向量中的标签对应产品品类标签;二、计算各部分推荐列表,包括:(1)基于关联关系的推荐列表、(2)基于用户相似度的推荐列表、(3)基于产品相似度的推荐列表;三、生成最终的推荐列表:按照基于关联关系的推荐列表、基于产品相似度的推荐列表、基于用户相似度的推荐列表的顺序,分别取列表的前N个产品,合并后生成最终的推荐列表。本方法加入了企业注册时的信息维度和企业访问网站时的信息维度,以及专业采购专家积累的经验,能够为用户快速精准地提供产品推荐。
Description
技术领域
本发明涉及电子商务技术领域,具体涉及一种为B2B电子商务平台用户进行产品推荐的方法。
背景技术
目前的B2B平台中使用的产品推荐方法,一般采用协同过滤方法,其中在计算用户之间的相似度时一般采用的维度为用户在平台上的行为,主要包括浏览记录、购买记录等,对于用户本身的个人属性一般涉及其年龄、性别等,对于用户本身的企业属性涉及的较少。
对于B2B平台中用户为企业用户,对于企业用户来说,仅依靠协同过滤方法推荐的产品覆盖面较窄,对于企业来说会存在大量共性的采购品,如辅料缠绕膜、胶带等,会造成初步上线用户推荐的共性采购品较多,针对此情况,本方法加入了企业注册时的信息维度和企业访问网站时的信息维度,以及专业采购专家积累的经验的帮助。
发明内容
本发明的目的是:针对背景技术描述的问题,本发明提供一种为B2B电子商务平台用户进行产品推荐的方法,能够为用户快速精准地提供产品推荐。
为了解决上述问题,本发明所采用的技术方案是:
一种产品推荐方法,其特征在于,所述产品推荐方法分为三个步骤:
步骤一、建立用户标签及专家规则库;其中用户标签包括企业经营范围行向量、企业访问行向量、企业需求向量;专家规则库的关联关系具体表示为企业需求向量中的标签对应产品品类标签;
步骤二、计算各部分推荐列表,包括:(1)基于关联关系的推荐列表、(2)基于用户相似度的推荐列表、(3)基于产品相似度的推荐列表;
(1)生成基于关联关系的推荐列表:基于企业访问行向量,以及专家规则库的关联关系,生成企业需求向量,将企业需求向量中的产品品类,对应优势物料中的该品类的产品构成基于关联关系的推荐列表;
(2)生成基于用户相似度的推荐列表:计算用户经营范围行向量的相似度,对与当前用户同一行业的其他用户,计算经营范围行向量的相似度,按照相似度的大小由大到小进行排序,提取前若干个用户,构成相似用户列表,相似用户列表中的用户称为相似用户;统计相似用户的购买情况,根据购买产品的次数、金额生成购买产品列表,并生成基于用户相似度的推荐列表;
(3)生成基于产品相似度的推荐列表:提取当前用户的查看和购买行为,统计其近期内查看但未购买的产品,按查看时间由近到远排序,构成潜在购买产品列表;根据潜在购买产品列表,统计与其相似度75%及以上的产品作为相似产品,构成相似产品列表;将相似产品根据相似度进行排序,生成基于产品相似度的推荐列表;
步骤三、生成最终的推荐列表:按照基于关联关系的推荐列表、基于产品相似度的推荐列表、基于用户相似度的推荐列表的顺序,分别取列表的前N个产品,合并后生成最终的推荐列表。
进一步的,所述步骤一中建立用户标签及专家规则库具体包括:
(1)用户首次注册时,通过天眼查的接口获取企业的基本信息,包括企业名称、统一社会信用代码、经营范围、所属行业信息;
(2)根据提前设置的词库提取经营范围中的关键词,词库由经营范围中可选择的项目组成,构成企业经营范围行向量,记作Ai=[a1,a2,…,aj,…,an],其中aj表示用户Ai的经营范围项目组成中的第j个位置对应的元素,当aj=0时表示该用户的经营范围中不包含该元素对应的项目,当aj=1时表示该用户的经营范围中包含该元素对应的项目,n表示经营范围中项目的总数;
(3)平台服务人员通过访问用户情况,对用户的采购和销售产品信息进行录入补充,其中采购和销售产品表中的产品统一表示,采购产品与平台产品的末级品类一致,建立企业访问行向量,记作Bi=[b1,b2,…,bj,…,bm],其中bj表示用户Bi的采购和销售产品信息组成中的第j个位置对应的元素,当bj=0时表示该用户的采购和销售产品信息中不包含该元素对应的产品,当bj=1时表示该用户的采购和销售产品信息中包含该元素对应的产品,m表示采购和销售产品信息中的产品总数;
(4)建立专家规则库,专家规则库的关联关系表中的关系具体表示为企业需求向量中的标签对应产品品类标签,一对多、一对一均可;形成专家规则库中的关联关系T=[[a1,b1],[a1,bj],…,[am,b1]],关联关系T中存在大量的关系对,[a1,b1]表示企业经营范围中的元素a1对应产品品类b1,[a1,bj]表示企业经营范围中的元素a1对应产品品类bj。
进一步的,所述步骤二中(1)生成基于关联关系的推荐列表,具体包括:
(1)推荐范围:优势物料,即平台工作人员设置的物料,在价格上、资源或质量上存在优势的物料;
(2)基于企业的基本信息,经由步骤一中第2步的方法,,提取企业经营范围行向量Ai;
(3)基于企业用户的访问记录(企业访问行向量)Bi,以及专家规则库的关联关系T,生成企业需求向量,具体方法为:根据企业经营范围行向量Ai,基于专家规则库的关联关系T,专家规则库中,根据企业的经营范围中的项目,会对应一组可能采购的物料清单,物料清单具体到末级品类,将企业需求标签对应的需求品类,并将需求品类添加至企业需求向量中;
(4)将企业需求向量中的产品品类,对应优势物料中的该品类的产品构成基于关联关系的推荐列表,对应方法是根据需求向量中的产品品类,看在优势物料中是否存在该产品品类对应的具体产品。
进一步的,所述步骤二中(2)生成基于用户相似度的推荐列表,具体包括:
(1)计算用户经营范围行向量的相似度,对与当前用户同一行业的其他用户,计算经营范围行向量的相似度:
其中,SAij表示当前用户Ai与Aj之间经营范围行向量的相似度;
(2)按照相似度的大小由大到小进行排序,提取前10个用户,构成相似用户列表,相似用户列表中的用户称为相似用户;
(3)提取当前用户的购买行为向量,构成向量C=[c1,c2,…,ct],其中ct对应当前用户购买的第t个产品;
(4)提取其他用户的购买行为向量,构成向量Di=[di1,di2,…,dit],其中Di表示其他用户中的第i个用户,dit表示当前用户第t个元素ct对应的购买产品,当dit=0时表示用户Di未购买ct对应的购买产品,当dit=1时表示用户Di购买了ct对应的购买产品;
(5)计算当前用户与其他用户之间的相似度:
假设当前用户的行为向量分别对应的为产品1、产品2、产品3,则根据产品1、产品2、产品3标注其他用户的行为向量,假设该其他用户的行为向量为[1,0,1],则当前用户与该其他用户的相似度为:
(6)提取与当前用户相似度较高的用户,将其添加到相似用户列表中,相似用户是通过当前用户与其他用户的相似度按照相似程度排序,并由相似度超过80%的其他用户中的用户组成;
(7)统计相似用户的购买情况,统计其近days天内购买的产品的次数、金额,days暂定为days=30,生成购买产品列表;
(8)生成基于用户相似度的推荐列表:将购买产品列表中按照购买次数由高到低排序,在购买次序相同的情况下按照金额进行由高到低排序,在购买金额相同的情况下按照时间进行由近到远排序,生成基于用户相似度的推荐列表。
进一步的,所述步骤二中(3)生成基于产品相似度的推荐列表,具体包括:
(1)推荐范围:优势物料;
(2)提取当前用户的查看和购买行为,统计其近days天内查看但未购买的产品,按查看时间由近到远排序,构成潜在购买产品列表;
(3)计算优势物料中与潜在购买产品列表中产品的相似度;通过产品的分类层级计算其相似度,末级品类相同则相似度为100%,第三级品类相同则相似度为75%,第二级品类相同则相似度为50%,第一级品类相同则相似度为25%,第一级品类不相同则相似度为0;
(4)将相似度75%及以上的产品作为相似产品,构成相似产品列表;
(5)将相似产品根据相似度进行排序,相似度相同则按照产品的更新时间进行排序,产品的更新时间包括优势物料上新时间、价格变动时间、账期变动时间,生成基于产品相似度的推荐列表。
进一步的,所述步骤三生成最终的推荐列表,具体包括:
(1)步骤二中,生成基于关联关系的推荐列表、基于用户相似度的推荐列表、基于产品相似度的推荐列表;
(2)按照基于关联关系的推荐列表、基于产品相似度的推荐列表、基于用户相似度的推荐列表的顺序,分别取列表的前N个产品,合并后生成最终的推荐列表;
(3)按推荐列表的顺序向用户推荐产品。
本发明实施例提供的上述技术方案的有益效果至少包括:本发明的产品推荐方法的有益效果包括:通过推荐能够使用户:
1、能够解决用户上线时的冷启动问题,冷启动问题,即注册用户未在平台上有购买或查询记录等行为。利用注册用户的企业的经营范围实现推荐产品。
2、能够将采购专家的专业的采购知识和经验(经过一段时间的运行验证),进行实际应用,提高企业用户的体验感。
3、将采购专家的专业的经验知识与用户的行为相结合,为用户提供覆盖面更广和更加精准的推荐,使用户更加快速的发现需要的产品。
4、能够为用户选择更加符合用户需求的优势物料,为用户的采购更加需要、优质的产品。
5、能够为用户推荐与其相关的优势物料,提高用户在平台成单率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例公开的产品推荐方法的流程图。
具体实施例
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种产品推荐方法,所述产品推荐方法分为三个步骤:
步骤一、建立用户标签及专家规则库;其中用户标签包括企业经营范围行向量、企业访问行向量、企业需求向量;专家规则库的关联关系具体表示为企业需求向量中的标签对应产品品类标签。
步骤二、计算各部分推荐列表,包括:(1)基于关联关系的推荐列表、(2)基于用户相似度的推荐列表、(3)基于产品相似度的推荐列表。
(1)生成基于关联关系的推荐列表:基于企业访问行向量,以及专家规则库的关联关系,生成企业需求向量,将企业需求向量中的产品品类,对应优势物料中的该品类的产品构成基于关联关系的推荐列表。
(2)生成基于用户相似度的推荐列表:计算用户经营范围行向量的相似度,对与当前用户同一行业的其他用户,计算经营范围行向量的相似度,按照相似度的大小由大到小进行排序,提取前若干个用户,构成相似用户列表,相似用户列表中的用户称为相似用户;统计相似用户的购买情况,根据购买产品的次数、金额生成购买产品列表,并生成基于用户相似度的推荐列表。
(3)生成基于产品相似度的推荐列表:提取当前用户的查看和购买行为,统计其近期内查看但未购买的产品,按查看时间由近到远排序,构成潜在购买产品列表;根据潜在购买产品列表,统计与其相似度75%及以上的产品作为相似产品,构成相似产品列表;将相似产品根据相似度进行排序,生成基于产品相似度的推荐列表。
步骤三、生成最终的推荐列表:按照基于关联关系的推荐列表、基于产品相似度的推荐列表、基于用户相似度的推荐列表的顺序,分别取列表的前N个产品,生成最终的推荐列表。
各步骤详细说明如下:
步骤一、建立用户标签及专家规则库
1、用户首次注册时,通过天眼查的接口获取企业的基本信息,包括企业名称、统一社会信用代码、经营范围、行业等基本信息。
2、根据提前设置的词库提取经营范围中的关键词(词库由经营范围中可选择的项目组成),构成企业经营范围行向量,记作Ai=[a1,a2,…,aj,…,an],其中aj表示用户Ai的经营范围项目组成中的第j个位置对应的元素,当aj=0时表示该用户的经营范围中不包含该元素对应的项目,当aj=1时表示该用户的经营范围中包含该元素对应的项目,n表示经营范围中项目的总数。
3、平台服务人员通过访问用户情况(访问采用线下的方式,包括通过电话或线下访问的方式),对用户的采购和销售产品信息进行录入补充(其中采购和销售产品表中的产品统一表示,采购产品与平台产品的末级品类一致),建立企业访问行向量,记作Bi=[b1,b2,…,bj,…,bm],其中bj表示用户Bi的采购和销售产品信息组成中的第j个位置对应的元素,当bj=0时表示该用户的采购和销售产品信息中不包含该元素对应的产品,当bj=1时表示该用户的采购和销售产品信息中包含该元素对应的产品,m表示采购和销售产品信息中的产品总数。
4、建立专家规则库。专家规则库的关联关系表中的关系具体表示为企业需求向量中的标签对应产品品类标签,一对多、一对一均可。如“若a1则b1的关系”。形成专家规则库中的关联关系T=[[a1,b1],[a1,bj],…,[am,b1]],关联关系T中存在大量的关系对,[a1,b1]表示企业经营范围中的元素a1对应产品品类b1,[a1,bj]表示企业经营范围中的元素a1对应产品品类bj。
步骤二、计算各部分推荐列表,包括(1)基于关联关系的推荐列表、(2)基于用户相似度的推荐列表、(3)基于产品相似度的推荐列表。
1、基于关联关系生成推荐列表
(1)推荐范围:优势物料,即平台工作人员设置的物料,在价格上、资源或质量上存在优势的物料。该步骤由人工确定,物料的输入是相同的,不同物料需要根据不用的品类输入对应的参数(型号,如贴片电阻还需要对应参数阻值、封装等参数项),形成唯一的物料码。优势物料是价格或者质量、来源渠道具备优势的物料,是由人工来决定该物料是否是优势物料。
物料在报价,即可对外销售时,会有字段描述是否为优势物料,若该物料在价格、质量、来源渠道存在优势,则将其是否为优势物料选择为是;默认情况下选择为否。物料的其他描述如原厂型号、关键参数、品牌等信息,平台所有物料的基本信息,均需根据是否为必填项进行填写,与该物料是否为优势物料无关。
(2)基于企业的基本信息(经由步骤一中第2步的方法),提取企业经营范围行向量Ai。
(3)基于企业用户的访问记录(企业访问行向量)Bi,以及专家规则库的关联关系C,生成企业需求向量,具体方法为:根据企业经营范围行向量Ai,基于专家规则库的关联关系C(专家规则库中,根据企业的经营范围中的项目,会对应一组可能采购的物料清单,物料清单具体到末级品类),将企业需求标签对应的需求品类,并将需求品类添加至企业需求向量中。
(4)将企业需求向量中的产品品类,对应优势物料中的该品类的产品构成基于关联关系的推荐列表。对应方法就是根据需求向量中的产品品类,看在优势物料中是否存在该产品品类对应的具体产品。
上述,(1)为物料范围,即产品的字段中标注为优势物料的产品;(2)、在步骤一中有详细阐述;(3)中专家库规则的关联关系表中的关系具体表示为企业需求向量中的标签对应产品品类标签,一对多、一对一均可。如“若b1则a1的关系”。
2、基于用户相似度的协同过滤方法生成推荐列表(基于经营范围行向量的提取相似用户)
(1)计算用户经营范围行向量的相似度。对与当前用户同一行业的其他用户,计算经营范围行向量的相似度。
其中,SAij表示当前用户Ai与Aj之间经营范围行向量的相似度。
(2)按照相似度的大小由大到小进行排序,提取前10个用户,构成相似用户列表,相似用户列表中的用户称为相似用户。
(3)提取当前用户的购买行为向量,构成向量C=[c1,c2,…,ct],其中ct对应当前用户购买的第t个产品。
(4)提取其他用户的购买行为向量,构成向量Di=[di1,di2,…,dit],其中Di表示其他用户中的第i个用户,dit表示当前用户第t个元素ct对应的购买产品,当dit=0时表示用户Di未购买ct对应的购买产品,当dit=1时表示用户Di购买了ct对应的购买产品。
(5)计算当前用户与其他用户之间的相似度。
如当前用户的行为向量分别对应的为产品1、产品2、产品3。则根据产品1、产品2、产品3标注其他用户的行为向量,假设该其他用户的行为向量为[1,0,1]。则当前用户与该其他用户的相似度为:
(6)提取与当前用户相似度较高的用户,将其添加到相似用户列表中。相似用户是通过当前用户与其他用户的相似度按照相似程度排序,并由相似度超过80%的其他用户中的用户组成。
(7)统计相似用户的购买情况,统计其近days天内购买的产品的次数、金额(days暂定为days=30),生成购买产品列表。
(8)生成基于用户相似度的协同过滤方法生成推荐列表。
将购买产品列表中按照购买次数由高到低排序,在购买次序相同的情况下按照金额进行由高到低排序,在购买金额相同的情况下按照时间进行由近到远排序,生成基于用户相似度的推荐列表。
3、基于产品相似度的协同过滤方法生成推荐列表
(1)推荐范围:优势物料
(2)提取当前用户的查看和购买行为,统计其近days天内查看但未购买的产品,按查看时间由近到远排序,构成潜在购买产品列表。
(3)计算优势物料中与潜在购买产品列表中产品的相似度。通过产品的分类层级计算其相似度,末级品类相同则相似度为100%,第三级品类相同则相似度为75%,第二级品类相同则相似度为50%,第一级品类相同则相似度为25%,第一级品类不相同则相似度为0。
如两个产品的层级关系分别为:[电子元器件,电容,陶瓷电容,MLCC电容],[电子元器件,电容,电解电容,铝电解电容],则这两个产品的相似度为50%。
(4)将相似度75%及以上的产品作为相似产品,构成相似产品列表。
(5)将相似产品根据相似度进行排序,相似度相同则按照产品的更新时间进行排序(产品的更新时间包括优势物料上新时间、价格变动时间、账期变动时间等一系列操作的变动时间),生成基于产品相似度的推荐列表。
步骤三:生成最终的推荐列表
1、步骤二中,生成基于关联关系的推荐列表、基于用户相似度的推荐列表、基于产品相似度的推荐列表。
2、按照基于关联关系的产品推荐列表、基于商品的产品推荐列表、基于用户的产品推荐列表的顺序,分别取列表的第一个产品,作为推荐列表的前三个推荐产品(若各个部分的产品列表中的产品已经出现在推荐产品列表中,则向下提取产品,补充至推荐产品列表中)。
3、按推荐列表的顺序向用户推荐产品。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于所述的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
本领域技术人员还应当理解,结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性,上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件,取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用,以变通的方式实现所描述的功能,但是,这种实现决策不应解释为背离本公开的保护范围。
结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然,处理器和存储介质也可以作为分立组件存在于用户终端中。
对于软件实现,本申请中描述的技术可用执行本申请所述功能的模块(例如,过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内,也可以实现在处理器外,在后一种情况下,它经由各种手段以通信方式耦合到处理器,这些都是本领域中所公知的。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
Claims (6)
1.一种产品推荐方法,其特征在于,所述产品推荐方法分为三个步骤:
步骤一、建立用户标签及专家规则库;其中用户标签包括企业经营范围行向量、企业访问行向量、企业需求向量;专家规则库的关联关系具体表示为企业需求向量中的标签对应产品品类标签;
步骤二、计算各部分推荐列表,包括:(1)基于关联关系的推荐列表、(2)基于用户相似度的推荐列表、(3)基于产品相似度的推荐列表;
(1)生成基于关联关系的推荐列表:基于企业访问行向量,以及专家规则库的关联关系,生成企业需求向量,将企业需求向量中的产品品类,对应优势物料中的该品类的产品构成基于关联关系的推荐列表;
(2)生成基于用户相似度的推荐列表:计算用户经营范围行向量的相似度,对与当前用户同一行业的其他用户,计算经营范围行向量的相似度,按照相似度的大小由大到小进行排序,提取前若干个用户,构成相似用户列表,相似用户列表中的用户称为相似用户;统计相似用户的购买情况,根据购买产品的次数、金额生成购买产品列表,并生成基于用户相似度的推荐列表;
(3)生成基于产品相似度的推荐列表:提取当前用户的查看和购买行为,统计其近期内查看但未购买的产品,按查看时间由近到远排序,构成潜在购买产品列表;根据潜在购买产品列表,统计与其相似度75%及以上的产品作为相似产品,构成相似产品列表;将相似产品根据相似度进行排序,生成基于产品相似度的推荐列表;
步骤三、生成最终的推荐列表:按照基于关联关系的推荐列表、基于产品相似度的推荐列表、基于用户相似度的推荐列表的顺序,分别取列表的前N个产品,合并后生成最终的推荐列表,并推荐给用户。
2.如权利要求1所述的产品推荐方法,其特征在于,所述步骤一中建立用户标签及专家规则库具体包括:
(1)用户首次注册时,通过天眼查的接口获取企业的基本信息,包括企业名称、统一社会信用代码、经营范围、所属行业信息;
(2)根据提前设置的词库提取经营范围中的关键词,词库由经营范围中可选择的项目组成,构成企业经营范围行向量,记作Ai=[a1,a2,…,aj,…,an],其中aj表示用户Ai的经营范围项目组成中的第j个位置对应的元素,当aj=0时表示该用户的经营范围中不包含该元素对应的项目,当aj=1时表示该用户的经营范围中包含该元素对应的项目,n表示经营范围中项目的总数;
(3)平台服务人员通过访问用户情况,对用户的采购和销售产品信息进行录入补充,其中采购和销售产品表中的产品统一表示,采购产品与平台产品的末级品类一致,建立企业访问行向量,记作Bi=[b1,b2,…,bj,…,bm],其中bj表示用户Bi的采购和销售产品信息组成中的第j个位置对应的元素,当bj=0时表示该用户的采购和销售产品信息中不包含该元素对应的产品,当bj=1时表示该用户的采购和销售产品信息中包含该元素对应的产品,m表示采购和销售产品信息中的产品总数;
(4)建立专家规则库,专家规则库的关联关系表中的关系具体表示为企业需求向量中的标签对应产品品类标签,一对多、一对一均可;形成专家规则库中的关联关系T=[[a1,b1],[a1,bj],…,[am,b1]],关联关系T中存在大量的关系对,[a1,b1]表示企业经营范围中的元素a1对应产品品类b1,[a1,bj]表示企业经营范围中的元素a1对应产品品类bj。
3.如权利要求2所述的产品推荐方法,其特征在于,所述步骤二中(1)生成基于关联关系的推荐列表,具体包括:
(1)推荐范围:优势物料,即平台工作人员设置的物料,在价格上、资源或质量上存在优势的物料;
(2)基于企业的基本信息,经由步骤一中第2步的方法,,提取企业经营范围行向量Ai;
(3)基于企业用户的访问记录(企业访问行向量)Bi,以及专家规则库的关联关系T,生成企业需求向量,具体方法为:根据企业经营范围行向量Ai,基于专家规则库的关联关系T,专家规则库中,根据企业的经营范围中的项目,会对应一组可能采购的物料清单,物料清单具体到末级品类,将企业需求标签对应的需求品类,并将需求品类添加至企业需求向量中;
(4)将企业需求向量中的产品品类,对应优势物料中的该品类的产品构成基于关联关系的推荐列表,对应方法是根据需求向量中的产品品类,看在优势物料中是否存在该产品品类对应的具体产品。
4.如权利要求2所述的产品推荐方法,其特征在于,所述步骤二中(2)生成基于用户相似度的推荐列表,具体包括:
(1)计算用户经营范围行向量的相似度,对与当前用户同一行业的其他用户,计算经营范围行向量的相似度:
其中,SAij表示当前用户Ai与Aj之间经营范围行向量的相似度;
(2)按照相似度的大小由大到小进行排序,提取前10个用户,构成相似用户列表,相似用户列表中的用户称为相似用户;
(3)提取当前用户的购买行为向量,构成向量C=[c1,c2,…,ct],其中ct对应当前用户购买的第t个产品;
(4)提取其他用户的购买行为向量,构成向量Di=[di1,di2,…,dit],其中Di表示其他用户中的第i个用户,dit表示当前用户第t个元素ct对应的购买产品,当dit=0时表示用户Di未购买ct对应的购买产品,当dit=1时表示用户Di购买了ct对应的购买产品;
(5)计算当前用户与其他用户之间的相似度:
假设当前用户的行为向量分别对应的为产品1、产品2、产品3,则根据产品1、产品2、产品3标注其他用户的行为向量,假设该其他用户的行为向量为[1,0,1],则当前用户与该其他用户的相似度为:
(6)提取与当前用户相似度较高的用户,将其添加到相似用户列表中,相似用户是通过当前用户与其他用户的相似度按照相似程度排序,并由相似度超过80%的其他用户中的用户组成;
(7)统计相似用户的购买情况,统计其近days天内购买的产品的次数、金额,days暂定为days=30,生成购买产品列表;
(8)生成基于用户相似度的推荐列表:将购买产品列表中按照购买次数由高到低排序,在购买次序相同的情况下按照金额进行由高到低排序,在购买金额相同的情况下按照时间进行由近到远排序,生成基于用户相似度的推荐列表。
5.如权利要求2所述的产品推荐方法,其特征在于,所述步骤二中(3)生成基于产品相似度的推荐列表,具体包括:
(1)推荐范围:优势物料;
(2)提取当前用户的查看和购买行为,统计其近days天内查看但未购买的产品,按查看时间由近到远排序,构成潜在购买产品列表;
(3)计算优势物料中与潜在购买产品列表中产品的相似度;通过产品的分类层级计算其相似度,末级品类相同则相似度为100%,第三级品类相同则相似度为75%,第二级品类相同则相似度为50%,第一级品类相同则相似度为25%,第一级品类不相同则相似度为0;
(4)将相似度75%及以上的产品作为相似产品,构成相似产品列表;
(5)将相似产品根据相似度进行排序,相似度相同则按照产品的更新时间进行排序,产品的更新时间包括优势物料上新时间、价格变动时间、账期变动时间,生成基于产品相似度的推荐列表。
6.如权利要求2所述的产品推荐方法,其特征在于,所述步骤三生成最终的推荐列表,具体包括:
(1)步骤二中,生成基于关联关系的推荐列表、基于用户相似度的推荐列表、基于产品相似度的推荐列表;
(2)按照基于关联关系的推荐列表、基于产品相似度的推荐列表、基于用户相似度的推荐列表的顺序,分别取列表的前N个产品,合并后生成最终的推荐列表;
(3)按推荐列表的顺序向用户推荐产品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111132696.XA CN113837840A (zh) | 2021-09-27 | 2021-09-27 | 一种产品推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111132696.XA CN113837840A (zh) | 2021-09-27 | 2021-09-27 | 一种产品推荐方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113837840A true CN113837840A (zh) | 2021-12-24 |
Family
ID=78970308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111132696.XA Withdrawn CN113837840A (zh) | 2021-09-27 | 2021-09-27 | 一种产品推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113837840A (zh) |
-
2021
- 2021-09-27 CN CN202111132696.XA patent/CN113837840A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11741512B2 (en) | System, method and computer program product for tracking and correlating online user activities with sales of physical goods | |
US20060036504A1 (en) | Dynamically classifying items for international delivery | |
US8407104B2 (en) | Catalog based price search | |
CN106503258B (zh) | 一种网站站内精确搜索方法 | |
US7895127B2 (en) | Rating-based sorting and displaying of reviews | |
CA2994994C (en) | Dynamic code assignment for international shipment of an item | |
US20160012511A1 (en) | Methods and systems for generating recommendation list with diversity | |
KR102089666B1 (ko) | 빅데이터를 활용한 판매자 신용 등급 자동집계 및 평가 방법 및 ai 자동 분류 서버 | |
US20140330666A1 (en) | Methods and apparatus for providing an electronic commerce platform | |
US10861070B2 (en) | System and method for processing and implementing product regulations | |
CN112241495A (zh) | 页面更新方法 | |
CN110009450B (zh) | 套餐商品的点单方法及装置 | |
US20180053204A1 (en) | Auto-population of discount information into an e-invoice | |
CN112784021A (zh) | 用于使用从评论提取的关键字的系统和方法 | |
CN113837840A (zh) | 一种产品推荐方法 | |
CN109801145A (zh) | 高校学生学习互动系统 | |
CN113971572A (zh) | 数据处理方法、交互方法、计算设备及计算机存储介质 | |
US20180174206A1 (en) | System for automating updating inventory pricing and advertisements | |
CN116308466B (zh) | 数据信息采集与智能分析方法、系统、设备和存储介质 | |
KR102236835B1 (ko) | 표준품셈을 기반으로 자재비 및 노무비 견적을 산출하는 웹 기반 자동 견적 시스템 및 그 방법 | |
CN108053320A (zh) | 理财同业撮合交易方法、设备和计算机可读存储介质 | |
US20230351383A1 (en) | Validation of transaction amount | |
Chantaphakul et al. | Factors Affecting Customers’ Decisions to Choose Same-Day Delivery Services in Bangkok | |
CN112862541A (zh) | 运单创建方法、装置及电子设备 | |
CN117196758A (zh) | 一种商品上架前的甄选方法、设备及介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211224 |