CN116362831A - 一种商品推荐方法和相关设备 - Google Patents
一种商品推荐方法和相关设备 Download PDFInfo
- Publication number
- CN116362831A CN116362831A CN202310226822.0A CN202310226822A CN116362831A CN 116362831 A CN116362831 A CN 116362831A CN 202310226822 A CN202310226822 A CN 202310226822A CN 116362831 A CN116362831 A CN 116362831A
- Authority
- CN
- China
- Prior art keywords
- commodity
- screening
- information
- user
- display instruction
- 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 53
- 238000012216 screening Methods 0.000 claims abstract description 90
- 238000012163 sequencing technique Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 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
-
- 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
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- 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]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
- G06Q30/0627—Directed, with specific intent or strategy using item specifications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种商品推荐方法和相关设备,方法包括:获取用户历史记录;根据用户历史记录,计算每一个商品对应的权重值;当检测客户端发送的页面显示指令时,根据所述页面显示指令,确定筛选信息;根据所述筛选信息和所述权重值,对所述商品信息进行筛选,得到显示商品;根据所述页面显示指令和所述显示商品,生成显示页面并反馈至所述客户端。本发明通过用户历史记录,确定用户的喜好,从而提高商品推荐的个性化。
Description
技术领域
本发明涉及信息处理技术领域,特别涉及一种商品推荐方法和相关设备。
背景技术
如今,随着互联网的普及,用户购买商品的需求越来越多元化,推荐机制在商品的宣传方面也越来越重要。传统的推荐系统无法准确地判断用户的个人喜好,只能根据商品的热度销量进行排序推荐。然而,每个用户的偏好和需求都是不同的,为了满足用户和平台的需求,提供一种个性化推荐商品的方法十分重要。
目前的主要方法是通过人工手动添加一些热门推荐商品,比如近期购买人数最多的、浏览次数最多的、转发收藏最多的等等。尽管这种方法可以提高页面的转化率,但它存在两个缺陷:
1.用户的喜好因人而异,无法用大众喜好的商品规则来为其他用户推荐,因此无法满足用户的个性化需求,转化率也会受到一定的影响。
2.大部分用户推荐的商品都是相同的,无法做到真正的个性化。这也会影响平台的口碑和用户的满意度。
发明内容
本发明要解决的技术问题在于商品推荐的个性化不足,针对现有技术的不足,提供一种商品推荐方法和相关设备。
为了解决上述技术问题,本发明所采用的技术方案如下:
一种商品推荐方法,所述方法包括:
获取用户历史记录;
根据用户历史记录,计算每一个商品对应的权重值;
当检测客户端发送的页面显示指令时,根据所述页面显示指令,确定筛选信息;
根据所述筛选信息和所述权重值,对所述商品信息进行筛选,得到显示商品;
根据所述页面显示指令和所述显示商品,生成显示页面并反馈至所述客户端。
所述商品推荐方法,其中,所述用户使用记录包括下单记录、收藏记录和/或购买记录。
所述商品推荐方法,其中,所述根据所述页面显示指令,确定筛选信息包括:
当所述页面显示指令为商品详情显示指令时,根据所述商品详情显示指令对应的商品信息,生成筛选信息;
当所述页面显示指令为订单物流显示指令时,根据用户订单、用户收藏夹和/或用户购物车,生成筛选信息;
当所述页面显示指定为商品凑单指令时,根据所述商品凑单指令对应商品信息,生成筛选信息。
所述商品推荐方法,其中,所述根据所述商品详情显示指令对应的商品信息,生成筛选信息包括:
根据所述商品详情显示指令对应的商品信息,确定筛选类型和初选价格;
根据所述权重值,确定每一个商品信息对应的类型价格幅度;
根据所述类型价格幅度和所述初选价格,生成筛选价格。
所述商品推荐方法,其中,所述根据用户订单、用户收藏夹和/或用户购物车,生成筛选信息包括:
对用户订单、用户收藏和/或用户购物车中的商品信息进行去重,得到若干个兴趣商品,并将所述兴趣商品作为筛选信息。
所述商品推荐方法,其中,所述根据所述筛选信息和所述权重值,对所述商品信息进行筛选,得到显示商品包括:
当所述页面显示指令为商品详情显示指令时,根据所述筛选类型和所述筛选价格,对所述商品信息进行筛选,得到初选商品;
根据所述权重值,计算所述初选商品与所述商品详情显示指令对应的商品信息之间的推荐度值;
根据推荐度值,对所述初选商品进行排序,得到排序商品;
根据预设的显示数量,对排序商品进行筛选,得到推荐商品。
所述商品推荐方法,其中,所述根据所述筛选信息和所述权重值,对所述商品信息进行筛选,得到显示商品包括:
当所述页面显示指令为订单物流显示指令时,针对每一个所述兴趣商品,计算该兴趣商品与所述候选商品之间的相似度值;
根据该兴趣商品对应的权重值和相似度值,计算该每一个所述候选商品对应的兴趣度值;
计算每一个所述排序商品信息对应的兴趣度值之和,得到推荐度值;
根据所述推荐度值,对所述商品信息进行筛选,得到显示商品。
所述商品推荐方法,其中,所述商品信息包括推广属性;所述根据所述推荐度值,对所述商品信息进行排序,得到排序商品包括:
根据所述推广属性,对所述商品信息进行初次排序,得到第一排序;
当所述第一排序中同一序位出现多个商品时,根据所述商品信息对应的推荐度值,对所述第一排序进行再排序,得到第二排序;
当所述第二排序中同一序位出现多个商品时,根据所述商品信息中的商品价格和/或商品类型,对所述第二排序进行调整,得到排序商品。
一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一所述的商品推荐方法中的步骤。
一种终端设备,其包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如上任一所述的商品推荐方法中的步骤。
有益效果:本发明介绍一种商品推荐方法和相关设备。首先根据筛选信息和权重值,对商品信息进行筛选和排序,得到推荐商品。推荐度值的计算基于相似度算法和权重值相乘。对于不同的页面显示指令,筛选信息和排序算法可以根据用户需求和平台实际情况进行调整和优化。最后,服务器需要将页面显示指令所对应的本应显示的界面内容与推荐商品进行整合,以生成一个完整的显示页面。
附图说明
图1为本发明提供的商品推荐方法的流程图。
图2为本发明提供的商品推荐方法中以矩阵形式记录用户和商品信息之间的关系。
图3为本发明提供的商品推荐方法中商品之间的相似度值的第一个示意图。
图4为本发明提供的商品推荐方法中商品A和商品B的权重值的示意图。
图5为本发明提供的商品推荐方法中商品之间的相似度值的第二个示意图。
图6为本发明提供的终端设备的结构原理图。
具体实施方式
本发明提供一种商品推荐方法,为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
如图1所示,本实施提供了一种商品推荐方法,为方便说明,以常见的服务器作为执行主体进行描述,此处的服务器可替换为平板、电脑等具有数据处理功能的设备,商品推荐方法包括以下步骤:
S10、获取用户历史记录。
在本步骤中,首先需要获取用户历史记录,这些记录包括下单记录、收藏记录和购买记录等。这些记录将作为后续商品推荐的基础数据,如图2所示,这些数据可以以矩阵的形式记录不同用户与不同商品信息之间的关系。
此外,为了保证数据的准确性,本方法还包括降噪处理,将错误值和异常值进行剔除。例如,没有任何行为的用户或没有购买记录的商品信息可以被剔除。这样可以有效地减少数据的噪音,提高数据的质量,从而更加精确地进行商品推荐。
S20、根据用户历史记录,计算每一个商品信息对应的权重值。
针对不同的商品信息,可以通过计算得出每个商品信息对应的权重值,反映了不同用户对商品信息的喜爱程度。
以下为本实施例提供的计算公式:权重值=下单(3分)+收藏(2分)+加购物车(1分)+浏览(1分)。
例如,用户1在商品A上下单、收藏、加购过,那么商品A的权重值为7(3+2+1+1),如下表所示:
用户 | 物品A | 物品B |
用户1 | 7 | 0 |
用户2 | 0 | 5 |
最后,需要对权重值进行归一化处理,以实现统一数据之间的对齐。在不同的情形下,权重值的组成以及具体分值可调整。
S30、当检测客户端发送的页面显示指令时,根据所述页面显示指令,确定筛选信息。
具体而言,当客户需要浏览某一页面时,通过客户端和服务器之间的连接,可向服务器发送页面显示指令。对于不同的页面显示指令,后续显示的页面内容不同,因此本方案针对不同的页面内容确定不同的筛选信息。示例性的,本方案中页面显示指令包括商品详情显示指令、订单物流显示指令、商品凑单指令。
当客户端发送的页面显示指令为商品详情显示指令时,可以根据对应的商品信息生成筛选信息。例如,如果商品信息是一款运动鞋,那么根据该商品信息,可以生成筛选类型为“运动鞋”、筛选价格为“100-200元”的筛选信息。接着,根据用户历史记录中的权重值,计算每一个商品信息对应的类型价格幅度。例如,如果用户历史记录中购买过多款价格在100-200元之间的运动鞋,那么该类型价格幅度将会较接近1,例如为0.7~1.3,以使得后续推荐的商品的价格多在用户倾向的价格区间内。最后,根据类型价格幅度和初选价格生成筛选价格,本例中,最终的筛选价格为70~260。这样,用户就可以看到和自己历史购买记录相符合的个性化推荐商品。
当客户端发送的页面显示指令为订单物流显示指令时,我们会根据用户订单、用户收藏夹和/或用户购物车中的商品信息生成筛选信息。我们会对用户订单、用户收藏和/或用户购物车中的商品信息进行去重,得到若干个兴趣商品,并将它们作为筛选信息。
例如,小明在购物车中添加了一双红色的运动鞋A和一件黑色的T恤B,同时他也收藏了一双蓝色的运动鞋C。当他查看订单物流时,我们会根据他的购物车和收藏夹中的商品信息生成筛选信息,得到三个兴趣商品(A、B、C),并将它们作为筛选信息。
当客户端发送的页面显示指令为商品凑单指令时,本方法会根据用户凑单的需求和价格,生成筛选信息,例如用户需要凑够200元并且需要购买一双运动鞋和一件T恤。这些筛选信息可以帮助用户更好地完成凑单,同时也可以提供更多的商品推荐。例如,对于符合凑单条件的运动鞋和T恤,本方法会将它们作为筛选信息。筛选信息会考虑诸如凑单价格、凑单的商品类型等多个方面来生成这些筛选信息,以使得后续推荐的商品更加符合用户的需求。
S40、根据所述筛选信息和所述权重值,对所述商品信息进行筛选,得到推荐商品。
具体而言,筛选信息可对商品信息进行初步筛选,而权重值可实现对各个商品信息的排序,从而得到可依次展示的商品信息。
例如,针对商品详情显示指令,当用户正在查看一双运动鞋的详情页面时,然后这个运动鞋对应的筛选信息,对所有的商品信息进行筛选,得到推荐商品。以前文的筛选价格和筛选类型为例,基于运动鞋这一筛选类型和运动鞋的筛选价格,对商品信息进行筛选,得到初选商品。接着,利用权重值,计算初选商品与正在查看的运动鞋之间的推荐度值,并根据推荐度值对初选商品进行排序,得到排序商品。最后,根据预设的显示数量,对排序商品进行筛选,得到个性化的推荐商品。
推荐度值可直接用权重值来描述,但是这样无法考虑到产品的相似性,因此本实施例提供了另一种计算推荐度值的方法。首先,根据“相似度算法”计算出不同物品之间的相似度值,例如如图3和图4所示,对于商品A、商品B、商品C和商品D,相似度值(A&C)=0.5、相似度值(A&D)=0、相似度值(B&C)=0.1、相似度值(B&D)=0.8。然后,将相似度值与权重值相乘,得到兴趣度值,然后对兴趣度值求和,得到每个商品信息的推荐度值。例如,将C的相似度值0.5乘以其权重值6,再将B的相似度值0.1乘以其权重值3,得到C的推荐度值为3.3,同理,B的推荐度值为0.3。这样,就可以根据不同商品信息的推荐度值进行排序,得到最终的推荐商品。
其中,相似度算法可采用余弦相似度算法,衡量两个向量之间的相似程度;夹角越小表示两者的相似度越高,相似度算法的公式为w=|A∩B|/√|A|*|B|,其中,w为相似度值,A和B分别为对比的商品信息对应的特征向量。如图5所示,商品信息之间的相似度值可预先计算,在需要的时候直接调用,以提高效率。
当所述页面显示指令为订单物流显示指令时,针对每一个所述兴趣商品,计算该兴趣商品与所述候选商品之间的相似度值;根据该兴趣商品对应的权重值和相似度值,计算该每一个商品信息对应的兴趣度值;计算每一个商品信息对应的兴趣度值之和,得到推荐度值;根据所述推荐度值,对所述商品信息进行筛选,得到推荐商品。推荐度值的计算方式在前文已描述,在此不在赘述。
如果页面显示指令是商品凑单指令,例如用户需要凑够200元并且需要购买一双运动鞋和一件T恤,那么系统会根据用户需求和价格,生成筛选信息和排序商品。下面是一个示例:
1.筛选信息:筛选类型为“运动鞋”和“T恤”,筛选价格为“100-200元”。
2.初选商品:通过筛选信息对商品信息进行初次筛选,得到初选商品。
3.排序商品:利用推荐度值算法,计算初选商品与页面显示指令对应的商品信息之间的推荐度值,并根据推荐度值对初选商品进行排序。例如,对于初选商品A、B、C、D,A的推荐度值为3.3,B的推荐度值为0,C的推荐度值为4,D的推荐度值为1。因此,排序后的商品为C、A、D、B。
4.筛选商品:根据预设的显示数量,对排序后的商品进行筛选,得到个性化的推荐商品。
注意,在不同的情形下,筛选信息和排序算法可以根据用户需求和平台实际情况进行调整和优化,以提高个性化推荐的准确度和用户体验。
此外,商品信息中还包括推广属性,用于标记需要进行推广的商品及推广力度。例如,某个商品正在进行折扣活动,或是最新上市的产品,为了推广需要,常常将其放在前列。因此,在排序时,还可以结合推广属性进行排序。
根据推广属性,对商品信息进行初次排序,得到第一排序;当第一排序中同一序位出现多个商品时,根据商品信息对应的推荐度值,进行再排序,得到第二排序;当第二排序中同一序位出现多个商品时,根据商品价格和/或商品类型,对第二排序进行调整,得到排序商品。
以下是商品信息排序的示例说明:
1.首先,根据推广属性,对商品信息进行初次排序。例如,某个商品正在进行折扣活动,或是最新上市的产品,为了推广需要,常常将其放在前列。
2.当第一排序中同一序位出现多个商品时,根据商品信息对应的推荐度值,进行再排序,得到第二排序。例如,对于初选商品A、B、C、D,A的推荐度值为3.3,B的推荐度值为0,C的推荐度值为4,D的推荐度值为1。因此,排序后的商品为C、A、D、B。
3.当第二排序中同一序位出现多个商品时,根据商品价格和/或商品类型,对第二排序进行调整。例如,当第一排序中出现多个推荐度相同的商品时,可根据价格进行排序。如果价格相同,则根据商品类型进行排序。
在利用筛选信息和所述权重值,对所述商品信息进行筛选之前,可基于预先设置的筛选规则,先对商品信息进行初步的筛选。本实施例采用的一种筛选规则为对于所有不可购买的商品进行过滤,保留可购买的商品,例如某一个商品信息中包含“下架”、“库存为零”、“已屏蔽”、“不可出售”等,则将该商品信息删除。
进一步地,对于已经在当前页面展示的商品,避免重复显示,对每一个在当前显示页面展示的商品,对其商品信息增加“已展示”标签,以将其归类为已展示商品,筛选规则还包括对已展示商品进行过滤。
为了保证推荐页面上展示的商品的多样性和新颖性,筛选规则包括对近期购买的商品进行过滤,以避免短时间内购买的商品重复出现在推荐页面上。这样能够确保用户在推荐页面上看到更多种类的商品,增加其购买的可能性和体验的满意度。同时,这也能够避免推荐页面上出现大量相似的商品,降低用户的兴趣度和购买欲望。可在商品信息中增加标签“近期已购买”,通过标签进行筛选。“近期”的设置可设置固定期限,也可根据商品的迭代时间来确定。例如对于纸巾、洗手液等生活用品类,当上一次购买时间在3个月内,则增加近期购买标签,对于电脑、服务器等长时间才更迭的商品,当上一次购买时间在一年内,才增加近期购买标签。
此外,对于赠品、换购商品,由于不可直接购买,也可通过筛选规则将其过滤掉。
S50、根据所述页面显示指令和所述推荐商品,生成显示页面并反馈至所述客户端。
具体而言,最后,服务器需要将页面显示指令所对应的本应显示的界面内容与推荐商品进行整合,以生成一个完整的显示页面。在生成页面之后,服务器还需要确保该页面的正确性和稳定性,以便准确地将其发送到客户端,例如采用异步方式进行传输。
基于上述商品推荐方法,本发明还提供了一种终端设备,如图6所示,其包括至少一个处理器(processor)20;显示屏21;以及存储器(memory)22,还可以包括通信接口(Communications Interface)23和总线24。其中,处理器20、显示屏21、存储器22和通信接口23可以通过总线24完成相互间的通信。显示屏21设置为显示初始设置模式中预设的用户引导界面。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑命令,以执行上述实施例中的方法。
此外,上述的存储器22中的逻辑命令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取计算机可读存储介质中。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序命令或模块。处理器20通过运行存储在存储器22中的软件程序、命令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态计算机可读存储介质。
此外,上述计算机可读存储介质以及终端设备中的多条命令处理器加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种商品推荐方法,其特征在于,所述方法包括:
获取用户历史记录;
根据用户历史记录,计算每一个商品对应的权重值;
当检测客户端发送的页面显示指令时,根据所述页面显示指令,确定筛选信息;
根据所述筛选信息和所述权重值,对所述商品信息进行筛选,得到显示商品;
根据所述页面显示指令和所述显示商品,生成显示页面并反馈至所述客户端。
2.根据权利要求1所述商品推荐方法,其特征在于,所述用户使用记录包括下单记录、收藏记录和/或购买记录。
3.根据权利要求1所述商品推荐方法,其特征在于,所述根据所述页面显示指令,确定筛选信息包括:
当所述页面显示指令为商品详情显示指令时,根据所述商品详情显示指令对应的商品信息,生成筛选信息;
当所述页面显示指令为订单物流显示指令时,根据用户订单、用户收藏夹和/或用户购物车,生成筛选信息;
当所述页面显示指定为商品凑单指令时,根据所述商品凑单指令对应商品信息,生成筛选信息。
4.根据权利要求3所述商品推荐方法,其特征在于,所述根据所述商品详情显示指令对应的商品信息,生成筛选信息包括:
根据所述商品详情显示指令对应的商品信息,确定筛选类型和初选价格;
根据所述权重值,确定每一个商品信息对应的类型价格幅度;
根据所述类型价格幅度和所述初选价格,生成筛选价格。
5.根据权利要求4所述商品推荐方法,其特征在于,所述根据用户订单、用户收藏夹和/或用户购物车,生成筛选信息包括:
对用户订单、用户收藏和/或用户购物车中的商品信息进行去重,得到若干个兴趣商品,并将所述兴趣商品作为筛选信息。
6.根据权利要求4所述商品推荐方法,其特征在于,所述根据所述筛选信息和所述权重值,对所述商品信息进行筛选,得到显示商品包括:
当所述页面显示指令为商品详情显示指令时,根据所述筛选类型和所述筛选价格,对所述商品信息进行筛选,得到初选商品;
根据所述权重值,计算所述初选商品与所述商品详情显示指令对应的商品信息之间的推荐度值;
根据推荐度值,对所述初选商品进行排序,得到排序商品;
根据预设的显示数量,对排序商品进行筛选,得到推荐商品。
7.根据权利要求5所述商品推荐方法,其特征在于,所述根据所述筛选信息和所述权重值,对所述商品信息进行筛选,得到显示商品包括:
当所述页面显示指令为订单物流显示指令时,针对每一个所述兴趣商品,计算该兴趣商品与所述候选商品之间的相似度值;
根据该兴趣商品对应的权重值和相似度值,计算该每一个所述候选商品对应的兴趣度值;
计算每一个所述排序商品信息对应的兴趣度值之和,得到推荐度值;
根据所述推荐度值,对所述商品信息进行筛选,得到显示商品。
8.根据权利要求7所述商品推荐方法,其特征在于,所述商品信息包括推广属性;所述根据所述推荐度值,对所述商品信息进行排序,得到排序商品包括:
根据所述推广属性,对所述商品信息进行初次排序,得到第一排序;
当所述第一排序中同一序位出现多个商品时,根据所述商品信息对应的推荐度值,对所述第一排序进行再排序,得到第二排序;
当所述第二排序中同一序位出现多个商品时,根据所述商品信息中的商品价格和/或商品类型,对所述第二排序进行调整,得到排序商品。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1~8任意一项所述的商品推荐方法中的步骤。
10.一种终端设备,其特征在于,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序时实现如权利要求1~8任意一项所述的商品推荐方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310226822.0A CN116362831A (zh) | 2023-03-09 | 2023-03-09 | 一种商品推荐方法和相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310226822.0A CN116362831A (zh) | 2023-03-09 | 2023-03-09 | 一种商品推荐方法和相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116362831A true CN116362831A (zh) | 2023-06-30 |
Family
ID=86934635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310226822.0A Pending CN116362831A (zh) | 2023-03-09 | 2023-03-09 | 一种商品推荐方法和相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116362831A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116427A (zh) * | 2020-09-22 | 2020-12-22 | 深圳市分期乐网络科技有限公司 | 一种商品推荐方法、装置、电子设备及存储介质 |
-
2023
- 2023-03-09 CN CN202310226822.0A patent/CN116362831A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116427A (zh) * | 2020-09-22 | 2020-12-22 | 深圳市分期乐网络科技有限公司 | 一种商品推荐方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10846775B1 (en) | Identifying item recommendations through recognized navigational patterns | |
US11062372B2 (en) | Method for relevancy ranking of products in online shopping | |
CN109087177B (zh) | 向目标用户推荐商品的方法、装置及计算机可读存储介质 | |
JP6134444B2 (ja) | 情報を推薦するための方法およびシステム | |
US7343326B2 (en) | System and method for providing product recommendations | |
US8762226B2 (en) | Item discovery tools and methods for shopping in an electronic commerce environment | |
US8560398B1 (en) | Method and system for providing item recommendations | |
US7792706B2 (en) | Method and system of providing recommendations during online shopping | |
US20110282821A1 (en) | Further Improvements in Recommendation Systems | |
CN107862566A (zh) | 一种商品推荐方法和系统 | |
CN112435067A (zh) | 跨电商平台与社交平台的智能广告投放方法及系统 | |
CN104778594A (zh) | 一种新型的智能化网络购衣平台系统及方法 | |
US20190108571A1 (en) | System and method for efficiently determining relevant products for display in an online marketplace | |
KR20130047808A (ko) | 유비쿼터스 스마트 쇼핑 시스템 | |
US11507981B2 (en) | Automated lists | |
CN113689259A (zh) | 基于用户行为的商品个性化推荐方法及系统 | |
CN110751537A (zh) | 一种基于线上线下的智能营销方法和装置 | |
CN116362831A (zh) | 一种商品推荐方法和相关设备 | |
US20230005051A1 (en) | Context-based personalization of user interfaces | |
JP7140588B2 (ja) | 決定装置、決定方法および決定プログラム | |
KR101637986B1 (ko) | 최적 상품 제공 시스템 및 그 방법 | |
US7958016B2 (en) | Method and apparatus for specifying product characteristics by combining characteristics of products | |
CN108074124A (zh) | 团购预约系统及方法 | |
CN111639274B (zh) | 线上商品智能排序方法、装置、计算机设备和存储介质 | |
JP6915018B2 (ja) | 提供装置、提供方法及び提供プログラム |
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 |