CN115963973A - 一种基于大数据的电子商务信息管理系统及方法 - Google Patents

一种基于大数据的电子商务信息管理系统及方法 Download PDF

Info

Publication number
CN115963973A
CN115963973A CN202211699250.XA CN202211699250A CN115963973A CN 115963973 A CN115963973 A CN 115963973A CN 202211699250 A CN202211699250 A CN 202211699250A CN 115963973 A CN115963973 A CN 115963973A
Authority
CN
China
Prior art keywords
gesture
track
user
sliding
speed
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
Application number
CN202211699250.XA
Other languages
English (en)
Inventor
周江锋
褚琰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dingshan Technology Co ltd
Original Assignee
Dingshan Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dingshan Technology Co ltd filed Critical Dingshan Technology Co ltd
Priority to CN202211699250.XA priority Critical patent/CN115963973A/zh
Publication of CN115963973A publication Critical patent/CN115963973A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

  • User Interface Of Digital Computer (AREA)

Abstract

本发明涉及信息管理技术领域，具体为一种基于大数据的电子商务信息管理系统及方法，包括：数据采集模块、数据库、数据分析模块、个性化存储模块、数据使用模块；通过所述数据采集模块采集电商平台的所有商品信息，同时采集用户滑动移动终端的手势轨迹和频率；通过所述数据库存储所有采集到的数据；通过所述数据分析模块根据用户手势轨迹和滑动频率分析用户的手势特征和滑屏速度；通过所述个性化存储模块将手势特征和滑动速度进行个性化存储；通过所述数据使用模块匹配手势轨迹，根据滑动速度分析用户对商品的感兴趣程度；个性化设置用户进入电商平台时滑动屏幕的手势轨迹与速度，确认对商品的兴趣度，提高了系统分析的准确性。

Description

一种基于大数据的电子商务信息管理系统及方法
技术领域
本发明涉及信息管理技术领域，具体为一种基于大数据的电子商务信息管理系统及方法。
背景技术
电子商务通常是指在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，基于客户端/服务端应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。
随着电商的兴起，许多消费者逐渐倾向于在网络电商中购买商品的方式，此时，大数据会通过用户点击浏览的商品信息推荐相似的产品，然而，现有技术中仍存在由于用户误触导致系统判定商品为可推荐产品的误差，不利于用户对商品的购买体验。
所以，人们需要一种基于大数据的电子商务信息管理系统及方法来解决上述问题，通过个性化设置用户进入电商平台时滑动屏幕的手势轨迹与速度，智能分析用户对商品点击是否存在误触现象，确认对商品的兴趣度，减少现有技术中存在的误差，极大地提高了系统分析的准确性。
发明内容
本发明的目的在于提供一种基于大数据的电子商务信息管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的电子商务信息管理系统，所述系统包括：数据采集模块、数据库、数据分析模块、个性化存储模块、数据使用模块；
所述数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述数据分析模块的输入端，所述数据分析模块的输出端连接所述个性化存储模块的输入端，所述个性化存储模块的输出端连接所述数据使用模块的输入端，所述数据使用模块的输出端连接所述数据库的输入端；
通过所述数据采集模块采集电商平台的所有商品信息，同时采集用户滑动移动终端的手势轨迹和频率；
通过所述数据库存储所有采集到的数据；
通过所述数据分析模块根据用户手势轨迹和滑动频率分析用户的手势特征和滑屏速度；
通过所述个性化存储模块将手势特征和滑动速度进行个性化存储；
通过所述数据使用模块匹配手势轨迹，根据滑动速度分析用户对商品的感兴趣程度，分析用户是否发生商品误触现象。
进一步的，所述数据采集模块包括信息采集单元、手势采集单元和指纹采集单元；
所述信息采集单元用于采集电商平台内所有的商品信息；所述手势采集单元用于利用触控传感器采集用户滑动屏幕的手势轨迹；所述指纹采集单元用于采集用户手势轨迹的指纹信息。
进一步的，所述数据库用于存储所有采集到的数据，包括商品兴趣库和商品待定库。
进一步的，所述数据分析模块包括轨迹分析单元、速度赋值单元、速度分析单元和信息验证单元；
所述轨迹分析单元用于利用手势轨迹分析轨迹一致性，形成手势特征；所述速度赋值单元用于根据滑动频率分析用户滑动屏幕的速度，并对每一个商品信息的滑屏速度进行赋值；所述速度分析单元用于根据滑屏速度确定速度特征值；所述信息验证单元用于验证在所述速度特征值下是否存在商品购买的现象：若低于速度特征值时，存在商品购买的情况，且在该速度特征值中，不存在商品购买的现象，则确定该速度为速度特征值。
进一步的，所述数据使用模块包括系统判定单元、手势匹配单元、速度对比单元和商品分析单元；
所述系统判定单元用于在手势未触发前对用户进入商品信息进行判断；所述手势匹配单元用于确认指纹信息后根据手势轨迹匹配手势特征；所述速度对比单元用于将用户滑屏速度与速度特征值进行比较；所述商品分析单元用于根据速度比较结果判断用户对商品的感兴趣程度：若滑屏速度小于速度特征值时，用户点击进入商品界面，则表示用户对该商品感兴趣，则将该商品信息上传至商品兴趣库内；反之，若滑屏速度大于等于速度特征值时，用户点击进入商品界面，则确认用户发生误触现象，此时将商品信息上传至商品待定库内。
一种基于大数据的电子商务信息管理方法，包括以下步骤：
S1：采集电商平台的所有商品信息，同时采集用户滑动移动终端的手势轨迹和频率；
S2：存储所有采集到的数据；
S3：根据用户手势轨迹和滑动频率分析用户的手势特征和滑屏速度；
S4：将手势特征和滑动速度进行个性化存储；
S5：匹配手势轨迹，根据滑动速度分析用户对商品的感兴趣程度。
进一步的，在步骤S1中：系统采集数据，包括：
A1：电商平台的所有商品信息，形成信息集A；
A2：用户滑动屏幕的指纹信息，形成滑动屏幕的每一个指纹轮廓集B；
A3：利用触控传感器采集用户滑动屏幕的手势轨迹，形成轨迹个数集X；
A4：利用计时器记录任意滑动轨迹xs的滑动时间，形成时间集T，其中，xs∈X；选择记录滑动轨迹的时间，而不加入停止滑动后的浏览时间，避免因用户将手机放置一边停止浏览而误判的现象，提高数据分析的严谨性。
进一步的，在步骤S2中：利用数据库存储所有采集到的数据，包括商品兴趣库和商品待定库，所述商品兴趣库用于存储可推荐给用户的商品；所述商品待定库用于存储用户不太感兴趣的待推荐的商品；
进一步的，在步骤S3中：根据用户手势轨迹和滑动频率分析用户的手势特征和滑屏速度,具体步骤如下：
S301：利用手势轨迹判断轨迹长度的变化，进行分类筛选，步骤如下：
B1：在用户所滑动的屏幕上构建二维平面坐标系，基于所述二维平面坐标系分别获取在任意手势轨迹xs中第一次触发的坐标点与最后一次触发的坐标点，分别将两个所述坐标点设为所述任意手势轨迹xs的第一个目标轨迹坐标点和第二目标轨迹坐标点；
B2：基于各手势轨迹的目标轨迹坐标点，对所述各手势轨迹计算轨迹长度，对手势轨迹进行初步筛选，分析一致性：
Figure BDA0004023375450000031
其中
Figure BDA0004023375450000032
为第一个目标轨迹坐标点，
Figure BDA0004023375450000033
为第二目标轨迹坐标点；得到轨迹长度集合：D＝{ds}，s＝1，2，…，γ；
B3：根据轨迹长度，分析轨迹变化，进行分类筛选：遍历轨迹长度集合D分析ds+1-ds值的变化：若(ds+1-ds)<δ，则将其进行筛选并归为一类，形成ε个轨迹相似集Xz，X＝εXz：Xz表示同一类的轨迹集合；反之，若(ds+1-ds)>δ，则表示两个轨迹的长度不同，说明手势轨迹发生变化；
S302：对手势轨迹的角度变化进行分析，进一步筛选分类，在根据轨迹长度分类的基础上再次分析，增加系统分析的严谨性，步骤如下：
C1：根据轨迹坐标形成方向向量：提取任意一个类型的轨迹集合Xz，根据步骤B2获取任意手势轨迹xs的第一个目标轨迹坐标点和第二目标轨迹坐标点集x＝
Figure BDA0004023375450000041
则得到Xz中任意手势轨迹xs的方向向量集合：
Figure BDA0004023375450000042
Figure BDA0004023375450000043
C2：根据方向向量计算角度变化：遍历方向向量集
Figure BDA0004023375450000044
根据公式：
Figure BDA0004023375450000045
Figure BDA0004023375450000046
得到任意手势轨迹xs与其他轨迹的向量角度集：
Figure BDA0004023375450000047
其中
Figure BDA0004023375450000048
表示轨迹xs与轨迹
Figure BDA0004023375450000049
之间的夹角；
C3：分析轨迹的角度变化，进行筛选分类：遍历向量角度集σs，若
Figure BDA00040233754500000410
表示两个轨迹之间的夹角变化小，说明两个轨迹方向一致，则将其筛选出来，此时轨迹相似集Xz中形成λ个轨迹相似集Uh：Xz＝λUh；其中Uh表示同一类的轨迹集合；反之，若
Figure BDA00040233754500000411
则表示两个轨迹之间的夹角变化大，说明手势轨迹发生变化；
S303：确定同一类轨迹中用户滑屏的速度特征值，步骤如下：
D1：获取轨迹相似集Xz，同时由步骤B3得到轨迹集合分类后的结果：
Figure BDA00040233754500000420
Figure BDA00040233754500000413
其中
Figure BDA00040233754500000414
表示轨迹分类后的个数；
D2：计算任意轨迹xs的速度：获取任意滑动轨迹xs的时间ts，根据公式：
Figure BDA00040233754500000415
得到轨迹的滑屏速度集：V＝{vs}，s＝1,2,…,γ；
D3：分析轨迹速度，确定用户滑屏的速度特征值：提取任意迹相似集Uh中所有滑动轨迹xs的滑屏速度Vh：Vh＝{vs},s＝1,2,...,κ，比较vs和
Figure BDA00040233754500000416
的差值
Figure BDA00040233754500000417
若
Figure BDA00040233754500000418
且Φ>Γ，其中Φ表示
Figure BDA00040233754500000419
的个数，则进行筛选，剔除因其他因素：如手指一直停留在屏幕上等而产生的系统误差，得到速度集合：Vh＝{vs},s＝1,2,…,Φ，此时，得到轨迹相似集Uh的速度特征值：
Figure BDA0004023375450000051
遍历滑屏速度集V，得到所有类别轨迹的速度特征值集合；
D4：对各类轨迹的速度特征值进行验证：当捕捉到用户在某个速度特征值下，存在历史商品购买记录，且购买次数Y>γ，则确定所述速度特征值为个性化速度值，此时，进入步骤S4，反之，则进入步骤D3，对速度特征值进行重新确定。
进一步的，在步骤S4中：将手势特征和滑动速度进行个性化存储，具体步骤如下：
S401：比较轨迹相似集Uh中的轨迹个数s，生成习惯性手势轨迹，剔除感知到的不属于滑动电商页面的轨迹信息：如对在电商平台进行截图操作，触控传感器感知到手势轨迹：若s<η，表示该类手势轨迹出现次数少，则将该类Uh进行剔除，反之，若s>η，表示该类手势轨迹出现次数多，则进行保留，生成相应的个性化手势集
Figure BDA0004023375450000052
S402：遍历个性化手势集
Figure BDA0004023375450000056
根据个性化手势Uh将速度特征值
Figure BDA0004023375450000053
与个性化手势集
Figure BDA0004023375450000057
进行匹配；
S403：获取用户任意滑动屏幕的指纹信息集bj,bj∈B，将指纹信息与个性化手势集进行匹配并一起存储至所述个性化存储模块。
进一步的，在步骤S5中：匹配手势轨迹，根据滑动速度分析用户对商品的感兴趣程度，具体步骤如下：
S501：在手势未触发前对用户进入某一商品信息行为进行判断：识别到用户点击进入商品界面后，触控传感器未采集到用户滑动屏幕的手势轨迹，则判定为商品误触现象，此时，将该商品信息上传至所述商品待定库；反之，若采集到用户滑动屏幕的手势轨迹，则判断用户对该商品信息感兴趣，则将该商品信息上传至所述商品兴趣库；
S502：匹配手势轨迹，步骤如下：
E1：在电商平台中，识别到手势触发，采集用户指纹信息
Figure BDA0004023375450000058
确认所属个性化手势集，缩小个性化手势识别的范围，提高计算效率；
E2：利用触控传感器采集用户滑动屏幕的手势轨迹：xψ，确认所述xψ∈UΨ；
S503：根据滑动速度分析用户对商品的感兴趣程度，分析用户是否发生商品误触现象，步骤如下：
F1：采集滑动轨迹xψ的时间tψ，得到滑屏速度
Figure BDA0004023375450000054
同时获取屏幕上的商品信息R，
Figure BDA0004023375450000055
Figure BDA0004023375450000061
对该界面下的商品信息进行滑屏速度赋值；
F2：根据UΨ确定速度特征值
Figure BDA0004023375450000062
比较vψ和
Figure BDA0004023375450000063
的大小：若
Figure BDA0004023375450000064
表示用户对该界面下的商品信息不感兴趣，将商品信息上传至所述商品待定库，此时，若识别到用户点击进入商品界面，则判定为商品误触现象；反之，若
Figure BDA0004023375450000065
表示用户对该界面下的商品信息感兴趣，则将商品信息上传至所述商品兴趣库，进入步骤F3；
F3：遍历商品信息集：A；较多推荐与商品信息R同类型的产品在电商主页上。
与现有技术相比，本发明所达到的有益效果是：
本发明通过利用触控传感器采集用户滑动屏幕的手势轨迹，便于后续对手势的分析，形成个性化手势集；通过利用计时器选择记录滑动轨迹的时间，而不加入停止滑动后的浏览时间，避免因用户将手机放置一边停止浏览而误判的现象，提高数据分析的严谨性；通过利用手势轨迹判断轨迹长度的变化，对手势轨迹进行初步筛选，分析一致性，有利于后续对滑动轨迹的角度进行分析，同时为滑屏速度提供了距离分析，有利于后续确定手势的速度特征值；通过在根据轨迹长度分类的基础上对手势轨迹的角度变化进行分析，增加系统分析的严谨性；通过根据滑动轨迹与滑动时长分析滑屏速度，确认速度特征值，为后续用户浏览商品信息时作为参照物，有利于用户对商品的感兴趣度进行智能判断；通过筛选相似且个数较多的速度值计算速度特征值，剔除因其他因素而产生系统误差；通过根据不同用户的手势特征和滑动速度生成个性化手势集，生成个性化大数据，有利于后续对用户手势的识别，分析商品信息；通过手势个性化识别，剔除系统对由于误触确定误触商品为可推荐产品的误差，极大地提高了系统分析的准确性；通过将分析后的商品信息存储至商品兴趣库和商品待定库，同时，系统根据两个库内信息选择性推荐商品，更有利于精准定位用户感兴趣的商品，提高用户购买体验。
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是本发明一种基于大数据的电子商务信息管理系统的结构图；
图2是本发明一种基于大数据的电子商务信息管理方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-图2，本发明提供技术方案：一种基于大数据的电子商务信息管理系统，系统包括：数据采集模块、数据库、数据分析模块、个性化存储模块、数据使用模块；
所述数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述数据分析模块的输入端，所述数据分析模块的输出端连接所述个性化存储模块的输入端，所述个性化存储模块的输出端连接所述数据使用模块的输入端，所述数据使用模块的输出端连接所述数据库的输入端；
通过所述数据采集模块采集电商平台的所有商品信息，同时采集用户滑动移动终端的手势轨迹和频率；
所述数据采集模块包括信息采集单元、手势采集单元和指纹采集单元；
所述信息采集单元用于采集电商平台内所有的商品信息；所述手势采集单元用于利用触控传感器采集用户滑动屏幕的手势轨迹；所述指纹采集单元用于采集用户手势轨迹的指纹信息。
通过所述数据库存储所有采集到的数据；
所述数据库用于存储所有采集到的数据，包括商品兴趣库和商品待定库。
通过所述数据分析模块根据用户手势轨迹和滑动频率分析用户的手势特征和滑屏速度；
所述数据分析模块包括轨迹分析单元、速度赋值单元、速度分析单元和信息验证单元；
所述轨迹分析单元用于利用手势轨迹分析轨迹一致性，形成手势特征；所述速度赋值单元用于根据滑动频率分析用户滑动屏幕的速度，并对每一个商品信息的滑屏速度进行赋值；所述速度分析单元用于根据滑屏速度确定速度特征值；所述信息验证单元用于验证在所述速度特征值下是否存在商品购买的现象：若低于速度特征值时，存在商品购买的情况，且在该速度特征值中，不存在商品购买的现象，则确定该速度为速度特征值。
通过所述个性化存储模块将手势特征和滑动速度进行个性化存储；
所述个性化存储模块包括：剔除出现次数少的手势轨迹，生成相应的个性化手势集；进一步根据个性化手势将速度特征值与个性化手势集进行匹配，同时，获取用户滑动屏幕的指纹信息集，将指纹信息与个性化手势集进行匹配并一起存储至所述个性化存储模块。
通过所述数据使用模块匹配手势轨迹，根据滑动速度分析用户对商品的感兴趣程度，分析用户是否发生商品误触现象。
所述数据使用模块包括系统判定单元、手势匹配单元、速度对比单元和商品分析单元；
所述系统判定单元用于在手势未触发前对用户进入商品信息进行判断；所述手势匹配单元用于确认指纹信息后根据手势轨迹匹配手势特征；所述速度对比单元用于将用户滑屏速度与速度特征值进行比较；所述商品分析单元用于根据速度比较结果判断用户对商品的感兴趣程度：若滑屏速度小于速度特征值时，用户点击进入商品界面，则表示用户对该商品感兴趣，则将该商品信息上传至商品兴趣库内；反之，若滑屏速度大于等于速度特征值时，用户点击进入商品界面，则确认用户发生误触现象，此时将商品信息上传至商品待定库内。
一种基于大数据的电子商务信息管理方法，包括以下步骤：
S1：采集电商平台的所有商品信息，同时采集用户滑动移动终端的手势轨迹和频率；
在步骤S1中：系统采集数据，包括：
A1：电商平台的所有商品信息，形成信息集A；
A2：用户滑动屏幕的指纹信息，形成滑动屏幕的每一个指纹轮廓集B；
A3：利用触控传感器采集用户滑动屏幕的手势轨迹，形成轨迹个数集X；
A4：利用计时器记录任意滑动轨迹xs的滑动时间，形成时间集T，其中，xs∈X；选择记录滑动轨迹的时间，而不加入停止滑动后的浏览时间，避免因用户将手机放置一边停止浏览而误判的现象，提高数据分析的严谨性。
S2：存储所有采集到的数据；
在步骤S2中：利用数据库存储所有采集到的数据，包括商品兴趣库和商品待定库，所述商品兴趣库用于存储可推荐给用户的商品；所述商品待定库用于存储用户不太感兴趣的待推荐的商品；
S3：根据用户手势轨迹和滑动频率分析用户的手势特征和滑屏速度；
在步骤S3中：根据用户手势轨迹和滑动频率分析用户的手势特征和滑屏速度,具体步骤如下：
S301：利用手势轨迹判断轨迹长度的变化，进行分类筛选，步骤如下：
B1：在用户所滑动的屏幕上构建二维平面坐标系，基于所述二维平面坐标系分别获取在任意手势轨迹xs中第一次触发的坐标点与最后一次触发的坐标点，分别将两个所述坐标点设为所述任意手势轨迹xs的第一个目标轨迹坐标点和第二目标轨迹坐标点；
B2：基于各手势轨迹的目标轨迹坐标点，对所述各手势轨迹计算轨迹长度，对手势轨迹进行初步筛选，分析一致性：
Figure BDA0004023375450000091
其中
Figure BDA0004023375450000092
为第一个目标轨迹坐标点，
Figure BDA0004023375450000093
为第二目标轨迹坐标点；得到轨迹长度集合：D＝{ds},s＝1,2,…,γ；
B3：根据轨迹长度，分析轨迹变化，进行分类筛选：遍历轨迹长度集合D分析ds+1-ds值的变化：若(ds+1-ds)<δ，则将其进行筛选并归为一类，形成ε个轨迹相似集Xz，X＝εXz：Xz表示同一类的轨迹集合；反之，若(ds+1-ds)>δ，则表示两个轨迹的长度不同，说明手势轨迹发生变化；
S302：对手势轨迹的角度变化进行分析，进一步筛选分类，在根据轨迹长度分类的基础上再次分析，增加系统分析的严谨性，步骤如下：
C1：根据轨迹坐标形成方向向量：提取任意一个类型的轨迹集合Xz，根据步骤B2获取任意手势轨迹xs的第一个目标轨迹坐标点和第二目标轨迹坐标点集
Figure BDA00040233754500000915
Figure BDA0004023375450000094
则得到Xz中任意手势轨迹xs的方向向量集合：
Figure BDA0004023375450000095
Figure BDA0004023375450000096
C2：根据方向向量计算角度变化：遍历方向向量集
Figure BDA0004023375450000097
根据公式：
Figure BDA0004023375450000098
Figure BDA0004023375450000099
得到任意手势轨迹xs与其他轨迹的向量角度集：
Figure BDA00040233754500000910
其中
Figure BDA00040233754500000911
表示轨迹xs与轨迹
Figure BDA00040233754500000912
之间的夹角；
C3：分析轨迹的角度变化，进行筛选分类：遍历向量角度集σs，若
Figure BDA00040233754500000913
表示两个轨迹之间的夹角变化小，说明两个轨迹方向一致，则将其筛选出来，此时轨迹相似集Xz中形成λ个轨迹相似集Uh：Xz＝λUh；其中Uh表示同一类的轨迹集合；反之，若
Figure BDA00040233754500000914
则表示两个轨迹之间的夹角变化大，说明手势轨迹发生变化；
S303：确定同一类轨迹中用户滑屏的速度特征值，步骤如下：
D1：获取轨迹相似集Xz，同时由步骤B3得到轨迹集合分类后的结果：
Figure BDA00040233754500001014
Figure BDA0004023375450000102
其中
Figure BDA0004023375450000103
表示轨迹分类后的个数；
D2：计算任意轨迹xs的速度：获取任意滑动轨迹xs的时间ts，根据公式：
Figure BDA0004023375450000104
得到轨迹的滑屏速度集：V＝{vs},s＝1,2,…,γ；
D3：分析轨迹速度，确定用户滑屏的速度特征值：提取任意迹相似集Uh中所有滑动轨迹xs的滑屏速度Vh：Vh＝{vs},s＝1,2,…,κ，比较vs和
Figure BDA0004023375450000105
的差值
Figure BDA0004023375450000106
若
Figure BDA0004023375450000107
且Φ>Γ，其中Φ表示
Figure BDA0004023375450000108
的个数，则进行筛选，剔除因其他因素：如手指一直停留在屏幕上等而产生的系统误差，得到速度集合：Vh＝{vs},s＝1,2,…,Φ，此时，得到轨迹相似集Uh的速度特征值：
Figure BDA0004023375450000109
遍历滑屏速度集V，得到所有类别轨迹的速度特征值集合；
D4：对各类轨迹的速度特征值进行验证：当捕捉到用户在某个速度特征值下，存在历史商品购买记录，且购买次数Y>γ，则确定所述速度特征值为个性化速度值，此时，进入步骤S4，反之，则进入步骤D3，对速度特征值进行重新确定。
S4：将手势特征和滑动速度进行个性化存储；
在步骤S4中：将手势特征和滑动速度进行个性化存储，具体步骤如下：
S401：比较轨迹相似集Uh中的轨迹个数s，生成习惯性手势轨迹，剔除感知到的不属于滑动电商页面的轨迹信息：如对在电商平台进行截图操作，触控传感器感知到手势轨迹：若s<η，表示该类手势轨迹出现次数少，则将该类Uh进行剔除，反之，若s>η，表示该类手势轨迹出现次数多，则进行保留，生成相应的个性化手势集
Figure BDA00040233754500001010
S402：遍历个性化手势集
Figure BDA00040233754500001011
根据个性化手势Uh将速度特征值
Figure BDA00040233754500001012
与个性化手势集
Figure BDA00040233754500001013
进行匹配；
S403：获取用户任意滑动屏幕的指纹信息集bj,bj∈B，将指纹信息与个性化手势集进行匹配并一起存储至所述个性化存储模块。
S5：匹配手势轨迹，根据滑动速度分析用户对商品的感兴趣程度；
在步骤S5中：匹配手势轨迹，根据滑动速度分析用户对商品的感兴趣程度，具体步骤如下：
S501：在手势未触发前对用户进入某一商品信息行为进行判断：识别到用户点击进入商品界面后，触控传感器未采集到用户滑动屏幕的手势轨迹，则判定为商品误触现象，此时，将该商品信息上传至所述商品待定库；反之，若采集到用户滑动屏幕的手势轨迹，则判断用户对该商品信息感兴趣，则将该商品信息上传至所述商品兴趣库；
S502：匹配手势轨迹，步骤如下：
E1：在电商平台中，识别到手势触发，采集用户指纹信息
Figure BDA0004023375450000118
确认所属个性化手势集，缩小个性化手势识别的范围，提高计算效率；
E2：利用触控传感器采集用户滑动屏幕的手势轨迹：xψ，确认所述xψ∈UΨ；
S503：根据滑动速度分析用户对商品的感兴趣程度，分析用户是否发生商品误触现象，步骤如下：
F1：采集滑动轨迹xψ的时间tψ，得到滑屏速度
Figure BDA0004023375450000111
同时获取屏幕上的商品信息R，
Figure BDA0004023375450000112
Figure BDA0004023375450000113
对该界面下的商品信息进行滑屏速度赋值；
F2：根据UΨ确定速度特征值
Figure BDA0004023375450000114
比较vψ和
Figure BDA0004023375450000115
的大小：若
Figure BDA0004023375450000116
表示用户对该界面下的商品信息不感兴趣，将商品信息上传至所述商品待定库，此时，若识别到用户点击进入商品界面，则判定为商品误触现象；反之，若
Figure BDA0004023375450000117
表示用户对该界面下的商品信息感兴趣，则将商品信息上传至所述商品兴趣库，进入步骤F3；
F3：遍历商品信息集：A；较多推荐与商品信息R同类型的产品在电商主页上。
实施例一：
在步骤S1中：系统采集数据，包括：
A1：电商平台的所有商品信息，形成信息集：A＝{ai},i＝1,2,…,100；
A2：用户滑动屏幕的指纹信息，形成指纹集：B＝{bj},j＝1,2,…,10；
A3：利用触控传感器采集用户滑动屏幕的手势轨迹，形成轨迹集合：X＝{xs},s＝1,2,…,500，其中s表示滑动屏幕形成的轨迹个数；
A4：利用计时器记录滑动轨迹xs的时间ts，形成时间集：T＝{ts},s＝1,2,…,500；
在步骤S2中：利用数据库存储所有采集到的数据，包括商品兴趣库和商品待定库，所述商品兴趣库用于存储可推荐给用户的商品；所述商品待定库用于存储用户不太感兴趣的待推荐的商品
在步骤S3中：根据用户手势轨迹和滑动频率分析用户的手势特征和滑屏速度,具体步骤如下：
S301：利用手势轨迹判断轨迹长度的变化，进行分类筛选，步骤如下：
B1：建立二维平面坐标系，遍历轨迹集合：X＝{xs},s＝1,2,…500，获取任意手势轨迹xs中第一次触发与最后一次触发的坐标点：xs＝{(1,1),(2,5)}；
B2：根据轨迹坐标，计算轨迹长度，对手势轨迹进行初步筛选，分析一致性：提取坐标点：xs＝{(1,1),(2,5)}，得到手势轨迹xs的长度：
Figure BDA0004023375450000121
通过遍历轨迹集合：X＝{xs},s＝1,2,…,500，得到轨迹长度集合：D＝{ds},s＝1，2，…,500；
B3：根据轨迹长度，分析轨迹变化，进行分类筛选：遍历轨迹长度集合：D＝{ds},s＝1,2,…,500，分析ds+1-ds值的变化：若(ds+1-ds)<1cm，则表示两个轨迹的长度相近将其进行筛选并归为一类，形成6个轨迹相似集：X＝6Xz，其中，Xz表示同一类的轨迹集合。
S302：对手势轨迹的角度变化进行分析，进一步筛选分类，在根据轨迹长度分类的基础上再次分析，增加系统分析的严谨性，步骤如下：
C1：根据轨迹坐标形成方向向量：提取一个类型的轨迹集合Xz＝{xs}，s＝1,2,…,7，根据步骤B2获取所有轨迹的轨迹坐标集
Figure BDA0004023375450000122
则得到Xz中每一个轨迹xs的方向向量集合：
Figure BDA0004023375450000123
C2：根据方向向量计算角度变化：遍历方向向量集
Figure BDA0004023375450000124
根据公式：
Figure BDA0004023375450000125
Figure BDA0004023375450000126
得到任意轨迹xs与其他轨迹的向量角度集：
Figure BDA0004023375450000127
其中
Figure BDA0004023375450000128
表示轨迹xs与轨迹
Figure BDA0004023375450000129
之间的夹角；
C3：分析轨迹的角度变化，进行筛选分类：遍历向量角度集σs，若
Figure BDA00040233754500001210
表示两个轨迹之间的夹角变化小，说明两个轨迹方向一致，则将其筛选出来，形成2个轨迹相似集：Xz＝2Uh；其中Uh表示同一类的轨迹集合；
S303：确定同一类轨迹中用户滑屏的速度特征值，步骤如下：
D1：获取轨迹相似集：Xz，同时由步骤B3得到轨迹集合分类后的结果：
Figure BDA00040233754500001211
Figure BDA0004023375450000131
其中
Figure BDA0004023375450000132
表示轨迹分类后的个数；
D2：计算任意轨迹xs的速度：获取滑动轨迹xs的时间ts，根据公式：
Figure BDA0004023375450000133
得到轨迹的滑屏速度集：V＝{vs},s＝1,2,…,500；
D3：分析轨迹速度，确定用户滑屏的速度特征值：提取轨迹相似集Uh中用户的滑屏速度集：Vh＝{vs},s＝1,2,…,κ，比较vs和
Figure BDA0004023375450000134
的差值
Figure BDA0004023375450000135
若
Figure BDA0004023375450000136
且Φ>2，其中Φ表示
Figure BDA0004023375450000137
的个数，则进行筛选，剔除因其他因素：如手指一直停留在屏幕上等而产生的系统误差，得到速度集合：Vh＝{vs},s＝1,2,…,Φ，此时，得到轨迹相似集Uh的速度特征值：
Figure BDA0004023375450000138
Figure BDA0004023375450000139
通过遍历滑屏速度集V＝{vs},s＝1,2,…,500，得到每一类轨迹的速度特征值：
Figure BDA00040233754500001310
Figure BDA00040233754500001311
D4：对各类轨迹的速度特征值进行验证：当捕捉到用户在某个速度特征值下，存在历史商品购买记录，且购买次数Y>γ，则确定所述速度特征值为个性化速度值，此时，进入步骤S4。
在步骤S4中：将手势特征和滑动速度进行个性化存储，具体步骤如下：
S401：比较轨迹相似集Uh中的轨迹个数s，生成习惯性手势轨迹，剔除感知到的不属于滑动电商页面的轨迹信息：将s>2的手势轨迹进行保留，生成相应的个性化手势集
Figure BDA00040233754500001312
S402：遍历个性化手势集
Figure BDA00040233754500001313
根据个性化手势Uh将速度特征值
Figure BDA00040233754500001314
与个性化手势集
Figure BDA00040233754500001315
进行匹配；
S403：获取用户滑动屏幕的指纹信息集B，将指纹信息bj∈B与个性化手势集进行匹配并一起存储至所述个性化存储模块。
进一步的，在步骤S5中：匹配手势轨迹，根据滑动速度分析用户对商品的感兴趣程度，具体步骤如下：
S501：在手势未触发前对用户进入某一商品信息行为进行判断：识别到用户点击进入商品界面后，触控传感器未采集到用户滑动屏幕的手势轨迹，则判定为商品误触现象，此时，将该商品信息上传至所述商品待定库；
S502：匹配手势轨迹，步骤如下：
E1：在电商平台中，识别到手势触发，采集用户指纹信息b1，确认所属个性化手势集；
E2：利用触控传感器采集用户滑动屏幕的手势轨迹：x1，确认所述x1∈U1；
S503：根据滑动速度分析用户对商品的感兴趣程度，分析用户是否发生商品误触现象，步骤如下：
F1：采集滑动轨迹x1的时间t，得到滑屏速度
Figure BDA0004023375450000141
同时获取屏幕上的商品信息R＝{ai},i＝1,2，对该界面下的商品信息进行滑屏速度赋值；
F2：根据U1确定速度特征值
Figure BDA0004023375450000143
比较ν和
Figure BDA0004023375450000144
的大小：
Figure BDA0004023375450000142
表示用户对该界面下的商品信息不感兴趣，将商品信息上传至所述商品待定库，此时，若识别到用户点击进入商品界面，则判定为商品误触现象。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于大数据的电子商务信息管理系统，其特征在于：所述系统包括：数据采集模块、数据库、数据分析模块、个性化存储模块、数据使用模块；
所述数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述数据分析模块的输入端，所述数据分析模块的输出端连接所述个性化存储模块的输入端，所述个性化存储模块的输出端连接所述数据使用模块的输入端，所述数据使用模块的输出端连接所述数据库的输入端；
通过所述数据采集模块采集电商平台的所有商品信息，同时采集用户滑动移动终端的手势轨迹和频率；
通过所述数据库存储所有采集到的数据；
通过所述数据分析模块根据用户手势轨迹和滑动频率分析用户的手势特征和滑屏速度；
通过所述个性化存储模块将手势特征和滑动速度进行个性化存储；
通过所述数据使用模块匹配手势轨迹，根据滑动速度分析用户对商品的感兴趣程度。
2.根据权利要求1所述的一种基于大数据的电子商务信息管理系统，其特征在于：所述数据采集模块包括信息采集单元、手势采集单元和指纹采集单元；
所述信息采集单元用于采集电商平台内所有的商品信息；所述手势采集单元用于利用触控传感器采集用户滑动屏幕的手势轨迹；所述指纹采集单元用于采集用户手势轨迹的指纹信息。
3.根据权利要求1所述的一种基于大数据的电子商务信息管理系统，其特征在于：所述数据分析模块包括轨迹分析单元、速度赋值单元、速度分析单元和信息验证单元；
所述轨迹分析单元用于利用手势轨迹分析轨迹一致性，形成手势特征；所述速度赋值单元用于根据滑动频率分析用户滑动屏幕的速度，并对每一个商品信息的滑屏速度进行赋值；所述速度分析单元用于根据滑屏速度确定速度特征值；所述信息验证单元用于验证在所述速度特征值下是否存在商品购买的现象。
4.根据权利要求1所述的一种基于大数据的电子商务信息管理系统，其特征在于：所述数据使用模块包括系统判定单元、手势匹配单元、速度对比单元和商品分析单元；
所述系统判定单元用于在手势未触发前对用户进入商品信息进行判断；所述手势匹配单元用于根据手势轨迹匹配手势特征；所述速度对比单元用于将用户滑屏速度与速度特征值进行比较；所述商品分析单元用于根据速度比较结果判断用户对商品的感兴趣程度。
5.一种基于大数据的电子商务信息管理方法，其特征在于：包括以下步骤：
S1：采集电商平台的所有商品信息，同时采集用户滑动移动终端的手势轨迹和频率；
S2：存储所有采集到的数据；
S3：根据用户手势轨迹和滑动频率分析用户的手势特征和滑屏速度；
S4：将手势特征和滑动速度进行个性化存储；
S5：匹配手势轨迹，根据滑动速度分析用户对商品的感兴趣程度。
6.根据权利要求5所述的一种基于大数据的电子商务信息管理方法，其特征在于：在步骤S1中：系统采集数据，包括：
A1：电商平台的所有商品信息，形成信息集A；
A2：用户滑动屏幕的指纹信息，形成滑动屏幕的每一个指纹轮廓集B；
A3：利用触控传感器采集用户滑动屏幕的手势轨迹，形成轨迹个数集X；
A4：利用计时器记录任意滑动轨迹xs的滑动时间，形成时间集T，其中，xs∈X。
7.根据权利要求6所述的一种基于大数据的电子商务信息管理方法，其特征在于：在步骤S3中：根据用户手势轨迹和滑动频率分析用户的手势特征和滑屏速度,具体步骤如下：
S301：利用手势轨迹判断轨迹长度的变化，进行分类筛选，步骤如下：
B1：在用户所滑动的屏幕上构建二维平面坐标系，基于所述二维平面坐标系分别获取在任意手势轨迹xs中第一次触发的坐标点与最后一次触发的坐标点，分别将两个所述坐标点设为所述任意手势轨迹xs的第一个目标轨迹坐标点和第二目标轨迹坐标点；
B2：基于各手势轨迹的目标轨迹坐标点，对所述各手势轨迹计算轨迹长度：
Figure FDA0004023375440000021
Figure FDA0004023375440000022
其中
Figure FDA0004023375440000023
为第一个目标轨迹坐标点，
Figure FDA0004023375440000024
为第二目标轨迹坐标点；得到轨迹长度集合：D＝{ds},s＝1,2,…,γ；
B3：根据轨迹长度，分析轨迹变化，进行分类筛选：遍历轨迹长度集合D分析ds+1-ds值的变化：若(ds+1-ds)<δ，则将其进行筛选并归为一类，形成ε个轨迹相似集Xz，X＝εXz：Xz表示同一类的轨迹集合；
S302：对手势轨迹的角度变化进行分析，进一步筛选分类，步骤如下：
C1：根据轨迹坐标形成方向向量：提取任意一个类型的轨迹集合Xz，根据步骤B2获取任意手势轨迹xs的第一个目标轨迹坐标点和第二目标轨迹坐标点集
Figure FDA00040233754400000321
Figure FDA0004023375440000031
则得到Xz中任意手势轨迹xs的方向向量集合：
Figure FDA0004023375440000032
Figure FDA0004023375440000033
C2：根据方向向量计算角度变化：遍历方向向量集
Figure FDA0004023375440000034
根据公式：
Figure FDA0004023375440000035
Figure FDA0004023375440000036
得到任意手势轨迹xs与其他轨迹的向量角度集：
Figure FDA0004023375440000037
Figure FDA0004023375440000038
其中
Figure FDA0004023375440000039
表示轨迹xs与轨迹
Figure FDA00040233754400000310
之间的夹角；
C3：分析轨迹的角度变化，进行筛选分类：遍历向量角度集σs，若
Figure FDA00040233754400000311
表示两个轨迹之间的夹角变化小，说明两个轨迹方向一致，则将其筛选出来，此时轨迹相似集Xz中形成λ个轨迹相似集Uh：Xz＝λUh；其中Uh表示同一类的轨迹集合；
S303：确定同一类轨迹中用户滑屏的速度特征值，步骤如下：
D1：获取轨迹相似集Xz，同时由步骤B3得到轨迹集合分类后的结果：
Figure FDA00040233754400000312
Figure FDA00040233754400000313
其中
Figure FDA00040233754400000314
表示轨迹分类后的个数；
D2：计算任意轨迹xs的速度：获取任意滑动轨迹xs的时间ts，根据公式：
Figure FDA00040233754400000315
得到轨迹的滑屏速度集：V＝{vs},s＝1,2,…,γ；
D3：分析轨迹速度，确定用户滑屏的速度特征值：提取任意迹相似集Uh中所有滑动轨迹xs的滑屏速度Vh：Vh＝{vs},s＝1,2，…，κ，比较vs和
Figure FDA00040233754400000316
的差值
Figure FDA00040233754400000317
若
Figure FDA00040233754400000318
且Φ>Γ，其中Φ表示
Figure FDA00040233754400000319
的个数，则进行筛选，得到速度集合：Vh＝{vs}，s＝1，2，…，Φ，此时，得到轨迹相似集Uh的速度特征值：
Figure FDA00040233754400000320
遍历滑屏速度集V，得到所有类别轨迹的速度特征值集合；
D4：对各类轨迹的速度特征值进行验证：当捕捉到用户在某个速度特征值下，存在历史商品购买记录，且购买次数Y>γ，则确定所述速度特征值为个性化速度值，此时，进入步骤S4，反之，则进入步骤D3，对速度特征值进行重新确定。
8.根据权利要求7所述的一种基于大数据的电子商务信息管理方法，其特征在于：在步骤S4中：将手势特征和滑动速度进行个性化存储，具体步骤如下：
S401：比较轨迹相似集Uh中的轨迹个数s：若s<η，表示该类手势轨迹出现次数少，则将该类Uh进行剔除，反之，若s>η，表示该类手势轨迹出现次数多，则进行保留，生成相应的个性化手势集
Figure FDA0004023375440000041
S402：遍历个性化手势集
Figure FDA0004023375440000042
根据个性化手势Uh将速度特征值
Figure FDA0004023375440000043
与个性化手势集
Figure FDA0004023375440000044
进行匹配；
S403：获取用户任意滑动屏幕的指纹信息集bj,bj∈B，将指纹信息与个性化手势集进行匹配并一起存储至所述个性化存储模块。
9.根据权利要求8所述的一种基于大数据的电子商务信息管理方法，其特征在于：在步骤S5中：匹配手势轨迹，根据滑动速度分析用户对商品的感兴趣程度，具体步骤如下：
S501：在手势未触发前对用户进入某一商品信息行为进行判断：识别到用户点击进入商品界面后，触控传感器未采集到用户滑动屏幕的手势轨迹，则判定为商品误触现象；
S502：匹配手势轨迹，步骤如下：
E1：在电商平台中，识别到手势触发，采集用户指纹信息
Figure FDA0004023375440000045
确认所属个性化手势集；
E2：利用触控传感器采集用户滑动屏幕的手势轨迹：xψ，确认所述xψ∈UΨ；
S503：根据滑动速度分析用户对商品的感兴趣程度，分析用户是否发生商品误触现象，步骤如下：
F1：采集滑动轨迹xψ的时间tψ，得到滑屏速度
Figure FDA0004023375440000046
同时获取屏幕上的商品信息R，
Figure FDA0004023375440000047
对该界面下的商品信息进行滑屏速度赋值；
F2：根据UΨ确定速度特征值
Figure FDA0004023375440000048
比较νψ和
Figure FDA0004023375440000049
的大小：若
Figure FDA00040233754400000410
表示用户对该界面下的商品信息不感兴趣，此时，若识别到用户点击进入商品界面，则判定为商品误触现象；反之，若
Figure FDA0004023375440000051
表示用户对该界面下的商品信息感兴趣，此时，若识别到用户点击进入商品界面，则判定用户对所述商品信息感兴趣。
CN202211699250.XA 2022-12-28 2022-12-28 一种基于大数据的电子商务信息管理系统及方法 Pending CN115963973A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211699250.XA CN115963973A (zh) 2022-12-28 2022-12-28 一种基于大数据的电子商务信息管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211699250.XA CN115963973A (zh) 2022-12-28 2022-12-28 一种基于大数据的电子商务信息管理系统及方法

Publications (1)

Publication Number Publication Date
CN115963973A true CN115963973A (zh) 2023-04-14

Family

ID=87363048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211699250.XA Pending CN115963973A (zh) 2022-12-28 2022-12-28 一种基于大数据的电子商务信息管理系统及方法

Country Status (1)

Country Link
CN (1) CN115963973A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116245546A (zh) * 2023-05-11 2023-06-09 广州格鲁信息技术有限公司 一种基于设备指纹的数据处理系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116245546A (zh) * 2023-05-11 2023-06-09 广州格鲁信息技术有限公司 一种基于设备指纹的数据处理系统及方法
CN116245546B (zh) * 2023-05-11 2023-08-25 广州格鲁信息技术有限公司 一种基于设备指纹的数据处理系统及方法

Similar Documents

Publication Publication Date Title
JP6134444B2 (ja) 情報を推薦するための方法およびシステム
US11669776B2 (en) Using artificial intelligence to design a product
CN109284044B (zh) 一种基于大数据的功能菜单展示方法及相关设备
Kim et al. Development of a recommender system based on navigational and behavioral patterns of customers in e-commerce sites
TWI512653B (zh) Information providing method and apparatus, method and apparatus for determining the degree of comprehensive relevance
US7752077B2 (en) Method and system for automated comparison of items
US10860634B2 (en) Artificial intelligence system and method for generating a hierarchical data structure
TW201626310A (zh) 用戶興趣資料分析和收集系統及其方法
CN106708821A (zh) 基于用户个性化购物行为进行商品推荐的方法
CN107169806B (zh) 用于确定商品属性对于购买决策的影响度的方法及装置
CN106934648B (zh) 一种数据处理方法和装置
CN103164804A (zh) 一种个性化的信息推送方法及装置
CN108153792B (zh) 一种数据处理方法和相关装置
CN113034238B (zh) 基于电子商务平台交易的商品品牌特征提取及智能推荐管理方法
CN106156092A (zh) 数据处理方法及装置
CN115963973A (zh) 一种基于大数据的电子商务信息管理系统及方法
Malik et al. EPR-ML: E-Commerce Product Recommendation Using NLP and Machine Learning Algorithm
CN108197980B (zh) 个性化购物者的肖像生成方法/系统、存储介质及终端
CN114581175A (zh) 商品推送方法、装置、存储介质及电子设备
Weir Data mining: exploring the corporate asset
US20210073832A1 (en) Information processing method, computer-readable non-transitory storage medium storing program, and information processing device
CN108984777A (zh) 客户服务方法、装置和计算机可读存储介质
KR101729714B1 (ko) 기술 가치 평가 장치, 방법 및 이를 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
Ghadekar et al. Image-Based Product Recommendations Using Market Basket Analysis
Meena et al. Product recommendation system using distance measure of product image features

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