CN117196780A - 一种业务对象排序方法、装置、计算机设备及存储介质 - Google Patents
一种业务对象排序方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117196780A CN117196780A CN202311217762.2A CN202311217762A CN117196780A CN 117196780 A CN117196780 A CN 117196780A CN 202311217762 A CN202311217762 A CN 202311217762A CN 117196780 A CN117196780 A CN 117196780A
- Authority
- CN
- China
- Prior art keywords
- settlement
- order
- business
- business object
- sorting
- 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 57
- 238000004590 computer program Methods 0.000 claims abstract description 26
- 238000006243 chemical reaction Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请大数据技术领域,特别是涉及一种业务对象排序方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取业务搜索数据以及搜索结果数据,所述搜索结果数据与业务对象对应;对所述搜索结果数据进行聚类处理,将所述业务对象划分至多个结算量类别,所述结算量类别包括正常结算订单以及渠道结算订单;将所述渠道结算订单的结算量根据预设的转化比例转化至与所述正常结算订单量级一致;根据所述结算量类别与排序得分算法之间的映射关系确定与所述业务对象相匹配的排序评分;根据所述排序评分得到所述业务对象的排序结果。采用本方法能够从多种维度对业务对象进行评分,从而提高排序结果的准确度。
Description
技术领域
本申请涉及大数据技术领域,特别是涉及一种业务对象排序方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
电商平台(电子商务平台)是指通过互联网技术搭建的一个虚拟市场,为商家和消费者提供在线交易和交流的平台。它是一个在线的商业交易平台,通过互联网连接了卖家和买家,使得商品和服务可以在线上进行展示、销售和交易。常见的电商平台通过互联网技术和电子商务模式,改变了传统的购物方式,为消费者提供了更多的选择和便利,同时也为商家提供了更广阔的市场和销售机会。
电商平台在对商品进行展示的过程中,通常会对商品展示顺序进行排序,从而达到多方面的目的,例如:通过对商品进行排序,电商平台可以根据用户的需求和偏好,将最相关和最有吸引力的商品展示在前面,提供更好的购物体验。这样可以帮助用户更快地找到他们感兴趣的商品,提高用户的满意度和购买率;通过对商品进行排序,电商平台可以更好地推广和促销某些产品。例如,将新品、热销商品或促销商品展示在首页或搜索结果的前面,提高它们的曝光率和销售机会。这有助于商家提高销售额,同时也满足了用户对新品和优惠的需求。此外,一些电商平台还会根据用户的浏览历史、购买记录和兴趣偏好,进行个性化推荐。通过对商品进行个性化排序,可以向用户展示他们可能感兴趣的商品,提高购买的可能性。
相关技术中,在对电商平台的商品进行展示排序时,通常会采对用户搜索的关键词做相关性匹配,然后取商品销量、销售额、店铺评分等因素取不同权重计算出一个商品得分,以此作为排序基准数据。
然而,目前的商品排序方法,存在如下的技术问题:
基于有限维度的排序难以精准地反映个人用户和平台的需求,导致排序处理的效果较差。
发明内容
基于此,有必要针对上述技术问题,提供一种能够从多种维度对业务对象进行评分,从而提高排序结果的准确度的一种业务对象排序方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种业务对象排序方法。所述方法包括:
获取业务搜索数据以及搜索结果数据,所述搜索结果数据与业务对象对应;
对所述搜索结果数据进行聚类处理,将所述业务对象划分至多个结算量类别,所述结算量类别包括正常结算订单以及渠道结算订单;
将所述渠道结算订单的结算量根据预设的转化比例转化至与所述正常结算订单量级一致;
根据所述结算量类别与排序得分算法之间的映射关系确定与所述业务对象相匹配的排序评分;
根据所述排序评分得到所述业务对象的排序结果。
在其中一个实施例中,所述对所述搜索结果数据进行聚类处理,将所述业务对象划分至多个结算量类别,所述结算量类别包括正常结算订单以及渠道结算订单包括:
确定与所述结算量类别的数量相同的聚类中心数量,所述聚类中心与所述业务对象的结算量相关联;
利用所述搜索结果数据对所述聚类中心进行迭代更新,得到聚类划分值,所述聚类划分值用于将所述业务对象划分至多个所述结算量类别。
在其中一个实施例中,所述结算量类别包括所述正常结算订单以及异常结算订单,所述利用所述搜索结果数据对所述聚类中心进行迭代更新,得到聚类划分值,所述聚类划分值用于将所述业务对象划分至多个所述结算量类别包括:
获取所述正常结算订单对应的所述业务对象的参考结算评价比,所述参考结算评价比为所述结算量与评价量的比值;
获取所述异常结算订单对应的所述业务对象的结算评价比,基于所述结算评价比与所述参考结算评价比的对照结果,将所述异常结算订单对应的所述业务对象划分为所述渠道结算订单以及虚假结算订单。
在其中一个实施例中,所述根据所述结算量类别与排序得分算法之间的映射关系确定与所述业务对象相匹配的排序评分包括:
对所述虚假结算订单对应的业务对象的排序评分赋予惩罚分,所述惩罚分用于控制所述虚假结算订单对应的所述业务对象的所述排序结果后置。
在其中一个实施例中,所述将所述渠道结算订单的结算量根据预设的转化比例转化至与所述正常结算订单量级一致包括:
获取同一业务搜索数据所对应的所述渠道结算订单的第一结算量级以及所述正常结算订单的第二结算量级,以所述第二结算量级与所述第一结算量级比值作为所述转化比例。
在其中一个实施例中,所述排序得分算法的影响因素包括所述业务对象的结算量、结算资源值以及结算资源力,所述结算资源力包括所述业务对象的结算资源值与所属品类的平均结算资源值的比值,所述结算资源力还包括所述业务对象当前的结算资源值与历史结算资源值的比值。
第二方面,本申请还提供了一种业务对象排序装置。所述装置包括:
订单数据模块,用于获取业务搜索数据以及搜索结果数据,所述搜索结果数据与业务对象对应;
对象聚类模块,用于对所述搜索结果数据进行聚类处理,将所述业务对象划分至多个结算量类别,所述结算量类别包括正常结算订单以及渠道结算订单;
订单转换模块,用于将所述渠道结算订单的结算量根据预设的转化比例转化至与所述正常结算订单量级一致;
对象评分模块,用于根据所述结算量类别与排序得分算法之间的映射关系确定与所述业务对象相匹配的排序评分;
对象排序模块,用于根据所述排序评分得到所述业务对象的排序结果。
在其中一个实施例中,所述对象聚类模块包括:
聚类中心模块,用于确定与所述结算量类别的数量相同的聚类中心数量,所述聚类中心与所述业务对象的结算量相关联;
聚类划分值模块,用于利用所述搜索结果数据对所述聚类中心进行迭代更新,得到聚类划分值,所述聚类划分值用于将所述业务对象划分至多个所述结算量类别。
在其中一个实施例中,所述结算量类别包括所述正常结算订单以及异常结算订单,所述聚类划分值模块包括:
结算评价比模块,用于获取所述正常结算订单对应的所述业务对象的参考结算评价比,所述参考结算评价比为所述结算量与评价量的比值;
评价比划分模块,用于获取所述异常结算订单对应的所述业务对象的结算评价比,基于所述结算评价比与所述参考结算评价比的对照结果,将所述异常结算订单对应的所述业务对象划分为所述渠道结算订单以及虚假结算订单。
在其中一个实施例中,所述对象评分模块包括:
惩罚分模块,用于对所述虚假结算订单对应的业务对象的排序评分赋予惩罚分,所述惩罚分用于控制所述虚假结算订单对应的所述业务对象的所述排序结果后置。
在其中一个实施例中,所述订单转换模块包括:
转化比例计算模块,用于获取同一业务搜索数据所对应的所述渠道结算订单的第一结算量级以及所述正常结算订单的第二结算量级,以所述第二结算量级与所述第一结算量级比值作为所述转化比例。
在其中一个实施例中,所述排序得分算法的影响因素包括所述业务对象的结算量、结算资源值以及结算资源力,所述结算资源力包括所述业务对象的结算资源值与所属品类的平均结算资源值的比值,所述结算资源力还包括所述业务对象当前的结算资源值与历史结算资源值的比值。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如第一方面中任意一项实施例所述的一种业务对象排序方法中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面中任意一项实施例所述的一种业务对象排序方法中的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如第一方面中任意一项实施例所述的一种业务对象排序方法中的步骤。
上述一种业务对象排序方法、装置、计算机设备、存储介质和计算机程序产品,通过权利要求中的技术特征进行推导,能够达到对应背景技术中的技术问题的如下有益效果:
在对业务对象排序时,首先获取与商品订单相关的业务搜索数据以及搜索结果数据,其中搜索结果数据与业务对象也即商品对应,随后可以对搜索结果数据进行聚类,得到将业务对象划分至多种结算量类别,并调用针对不同的结算量类别的排序得分算法,对不同的业务对象也即商品计算排序评分,从而得到以具体数值体现的对业务对象的排序情况进行指示的分值,最终借助数值化的排序评分对不同的业务对象进行排序,得到排序结果。在实施中,能够将业务对象的销量类型加入排序评分的影响因素,使得对不同销量类型的业务对象能够采用不同的排序得分算法,能够提高对业务对象排序的准确度,避免不同的销售情况的商品采用单调的评分逻辑进行评价的情况,从整体上增加了商品排序的影响因素,提高了商品排序与用户需求的匹配度。
附图说明
图1为一个实施例中一种业务对象排序方法的第一流程示意图;
图2为另一个实施例中一种业务对象排序方法的第二流程示意图;
图3为另一个实施例中一种业务对象排序方法的第三流程示意图;
图4为另一个实施例中一种业务对象排序方法的第四流程示意图;
图5为另一个实施例中一种业务对象排序方法的第五流程示意图;
图6为一个实施例中一种业务对象排序装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
相关技术中,在对电商平台的商品进行展示排序时,通常会采对用户搜索的关键词做相关性匹配,然后取商品销量、销售额、店铺评分等因素取不同权重计算出一个商品得分,以此作为排序基准数据。
然而,目前的商品排序方法,存在如下的技术问题:
基于有限维度的排序难以精准地反映个人用户和平台的需求,导致排序处理的效果较差。
基于此,本申请实施例提供一种业务对象排序方法。
在一个实施例中,如图1所示,提供了一种业务对象排序方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤101:获取业务搜索数据以及搜索结果数据,所述搜索结果数据与业务对象对应。
其中,业务搜索数据可以指用于描述用户所需商品的搜索数据,例如搜索关键字、关键词、图像等,搜索结果数据可以指用于描述用户在搜索时平台所响应的搜索结果的数据,业务搜索数据可以与搜索结果数据相对应,例如在特定的搜索关键词下,搜索得到的特定商品。业务对象可以指商务平台中所包括的业务主体,可以为实体的商品也可以是虚拟的业务服务。相应地,搜索结果数据可以与业务对象对应。
示例性地,终端可以在获取充分地授权和许可的前提下,获取业务搜索数据相应的搜索结果数据。
步骤103:对所述搜索结果数据进行聚类处理,将所述业务对象划分至多个结算量类别,所述结算量类别包括正常结算订单以及渠道结算订单。
其中,聚类处理可以指一种无监督学习方法,用于将一组数据点划分为不同的组或簇(clusters),使得同一簇内的数据点相似度较高,而不同簇之间的相似度较低。聚类处理的目标是通过发现数据内在的结构和模式,将相似的数据点聚集在一起,从而对数据进行分类、分析和理解。结算量类别可以指基于订单的结算量划分得到的多个用于对业务对象进行区分的类别。渠道结算订单可以指在特殊的订单场景下形成的大批量订单,例如工会提货订单、机构采购订单等。
示例性地,终端可以对搜索结果数据进行聚类处理,从而将业务对象划分至多个结算量类别,此时的结算量类别可以包括正常结算订单以及渠道结算订单。
步骤105:将所述渠道结算订单的结算量根据预设的转化比例转化至与所述正常结算订单量级一致。
其中,量级可以指用来描述数值大小的一种相对概念。它指的是一个数值的大小在10的幂次方上的近似值。例如,数值1000的数量级为10的3次方,数值0.001的数量级为10的-3次方。
示例性地,终端可以将渠道结算订单的结算量根据预先设定的、特定的转化比例进行转化,从而使得渠道结算订单在对业务对象排序过程中的影响程度与正常订单进行区分。
步骤107:根据所述结算量类别与排序得分算法之间的映射关系确定与所述业务对象相匹配的排序评分。
其中,排序得分算法可以指用于根据特定的评分逻辑对业务对象进行评分的算法。排序得分算法可以以业务对象的结算量、结算资源值等作为影响因素,本实施例中,结算量可以指业务对象也即商品的销量,结算资源值可以指业务对象也即商品的价格。
示例性地,终端可以根据结算量类别与排序得分算法之间的映射关系,确定与业务对象相匹配的排序评分。
步骤109:根据所述排序评分得到所述业务对象的排序结果。
示例性地,当终端获取业务对象的排序结果后,可以根据排序评分对业务对象的展示优先级进行排序,得到对业务对象的排序结果。
上述一种业务对象排序方法中,结合实施例中的技术特征进行合理推导,能够实现解决背景技术中所提出的技术问题的如下有益效果:
在对业务对象排序时,首先获取与商品订单相关的业务搜索数据以及搜索结果数据,其中搜索结果数据与业务对象也即商品对应,随后可以对搜索结果数据进行聚类,得到将业务对象划分至多种结算量类别,并调用针对不同的结算量类别的排序得分算法,对不同的业务对象也即商品计算排序评分,从而得到以具体数值体现的对业务对象的排序情况进行指示的分值,最终借助数值化的排序评分对不同的业务对象进行排序,得到排序结果。在实施中,能够将业务对象的销量类型加入排序评分的影响因素,使得对不同销量类型的业务对象能够采用不同的排序得分算法,能够提高对业务对象排序的准确度,避免不同的销售情况的商品采用单调的评分逻辑进行评价的情况,从整体上增加了商品排序的影响因素,提高了商品排序与用户需求的匹配度。
在其中一个实施例中,可以如图2所示,步骤103包括:
步骤201:确定与所述结算量类别的数量相同的聚类中心数量,所述聚类中心与所述业务对象的结算量相关联。
示例性地,终端可以选取聚类算法为K-means聚类算法,并设定聚类中心的数量与结算量类别的数量相同。
步骤203:利用所述搜索结果数据对所述聚类中心进行迭代更新,得到聚类划分值,所述聚类划分值用于将所述业务对象划分至多个所述结算量类别。
其中,聚类划分值可以指用于将特定的业务搜索数据下的业务对象划分至多个结算量类别的数值,每个业务搜索数据可以对应不同的聚类划分值。
示例性地,终端可以利用搜索结果数据对聚类中心进行迭代更新,从而得到聚类划分值。
本实施例中,通过设定聚类划分值,可以实现根据业务对象的结算量将业务对象分类为正常销量以及极大销量的两个类别,从而实现初步的聚类划分。
在其中一个实施例中,可以如图3所示,所述结算量类别包括所述正常结算订单以及异常结算订单,步骤203可以包括:
步骤301:获取所述正常结算订单对应的所述业务对象的参考结算评价比,所述参考结算评价比为所述结算量与评价量的比值。
示例性地,在步骤203的聚类处理中,将业务对象初步划分为正常结算量以及极大结算量两个类别,
步骤303:获取所述异常结算订单对应的所述业务对象的结算评价比,基于所述结算评价比与所述参考结算评价比的对照结果,将所述异常结算订单对应的所述业务对象划分为所述渠道结算订单以及虚假结算订单。
其中,虚假结算订单可以指在非常规的交易场景下虚构的订单。
示例性地,终端可以获取异常结算订单对应的业务对象的结算评价比,将结算评价比与在步骤301中得到的参考结算评价比进行对照,从而根据对照结果将异常结算订单对应的业务对象划分为渠道结算订单以及虚假结算订单。具体地,可以以结算评价比高于参考结算评价比的业务对象判定为渠道结算订单,以结算评价比小于或等于参考结算评价比的业务对象判定为虚假结算订单。
本实施例中,计算业务对象的结算评价比,并以此为判定依据对业务对象进行进一步地聚类,从而将极大销量的业务对象区分为渠道结算订单以及虚假结算订单,有助于提高最终的排序结果的准确度。
在一个实施例中,可以如图4所示,步骤107包括:
步骤401:对所述虚假结算订单对应的业务对象的排序评分赋予惩罚分,所述惩罚分用于控制所述虚假结算订单对应的所述业务对象的所述排序结果后置。
其中,惩罚分可以指基于特定的异常订单情况,对相应的业务对象的排序评分施加负面影响的评分措施,惩罚分可以用于控制虚假结算订单对应的业务对象的排序结果后置。
示例性地,终端可以根据预设的评分逻辑,对虚假结算订单对应的业务对象的排序评分赋予惩罚分,从而使得虚假姐u三订单对应的业务对象在排序中后置。
本实施例中,对虚假结算订单赋予惩罚分,从而使得虚假结算订单对应的业务对象在排序中后置,有助于提高对业务对象排序的准确度。
在一个实施例中,可以如图5所示,步骤105包括:
步骤501:获取同一业务搜索数据所对应的所述渠道结算订单的第一结算量级以及所述正常结算订单的第二结算量级,以所述第二结算量级与所述第一结算量级比值作为所述转化比例。
示例性地,终端可以获取同一搜索关键词的搜索结果数据下的渠道结算订单的第一结算量级以及正常结算订单的第二结算量级,以第二结算量级与第一结算量级的比值作为转化比例。具体地,若渠道结算给订单的结算量为100000,正常结算订单的结算量为100,则转化比例为100/100000,即0.001.
在一个实施例中,排序得分算法的影响因素可以包括所述业务对象的结算量、结算资源值以及结算资源力,结算资源力可以包括业务对象的结算资源值与所属品类的平均结算资源值的比值,结算资源力还可以包括业务对象当前的结算资源值与历史结算资源值的比值。
本实施例中,在排序评分中引入结算资源力因素,有助于提高排序结果的准确度。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的一种业务对象排序方法的一种业务对象排序装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个一种业务对象排序装置实施例中的具体限定可以参见上文中对于一种业务对象排序方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种业务对象排序装置,包括:订单数据模块、对象聚类模块、订单转换模块、对象评分模块和对象排序模块,其中:
订单数据模块,用于获取业务搜索数据以及搜索结果数据,所述搜索结果数据与业务对象对应;
对象聚类模块,用于对所述搜索结果数据进行聚类处理,将所述业务对象划分至多个结算量类别,所述结算量类别包括正常结算订单以及渠道结算订单;
订单转换模块,用于将所述渠道结算订单的结算量根据预设的转化比例转化至与所述正常结算订单量级一致;
对象评分模块,用于根据所述结算量类别与排序得分算法之间的映射关系确定与所述业务对象相匹配的排序评分;
对象排序模块,用于根据所述排序评分得到所述业务对象的排序结果。
在其中一个实施例中,所述对象聚类模块包括:
聚类中心模块,用于确定与所述结算量类别的数量相同的聚类中心数量,所述聚类中心与所述业务对象的结算量相关联;
聚类划分值模块,用于利用所述搜索结果数据对所述聚类中心进行迭代更新,得到聚类划分值,所述聚类划分值用于将所述业务对象划分至多个所述结算量类别。
在其中一个实施例中,所述结算量类别包括所述正常结算订单以及异常结算订单,所述聚类划分值模块包括:
结算评价比模块,用于获取所述正常结算订单对应的所述业务对象的参考结算评价比,所述参考结算评价比为所述结算量与评价量的比值;
评价比划分模块,用于获取所述异常结算订单对应的所述业务对象的结算评价比,基于所述结算评价比与所述参考结算评价比的对照结果,将所述异常结算订单对应的所述业务对象划分为所述渠道结算订单以及虚假结算订单。
在其中一个实施例中,所述对象评分模块包括:
惩罚分模块,用于对所述虚假结算订单对应的业务对象的排序评分赋予惩罚分,所述惩罚分用于控制所述虚假结算订单对应的所述业务对象的所述排序结果后置。
在其中一个实施例中,所述订单转换模块包括:
转化比例计算模块,用于获取同一业务搜索数据所对应的所述渠道结算订单的第一结算量级以及所述正常结算订单的第二结算量级,以所述第二结算量级与所述第一结算量级比值作为所述转化比例。
在其中一个实施例中,所述排序得分算法的影响因素包括所述业务对象的结算量、结算资源值以及结算资源力,所述结算资源力包括所述业务对象的结算资源值与所属品类的平均结算资源值的比值,所述结算资源力还包括所述业务对象当前的结算资源值与历史结算资源值的比值。
上述一种业务对象排序装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种业务对象排序方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种业务对象排序方法,其特征在于,所述方法包括:
获取业务搜索数据以及搜索结果数据,所述搜索结果数据与业务对象对应;
对所述搜索结果数据进行聚类处理,将所述业务对象划分至多个结算量类别,所述结算量类别包括正常结算订单以及渠道结算订单;
将所述渠道结算订单的结算量根据预设的转化比例转化至与所述正常结算订单量级一致;
根据所述结算量类别与排序得分算法之间的映射关系确定与所述业务对象相匹配的排序评分;
根据所述排序评分得到所述业务对象的排序结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述搜索结果数据进行聚类处理,将所述业务对象划分至多个结算量类别,所述结算量类别包括正常结算订单以及渠道结算订单包括:
确定与所述结算量类别的数量相同的聚类中心数量,所述聚类中心与所述业务对象的结算量相关联;
利用所述搜索结果数据对所述聚类中心进行迭代更新,得到聚类划分值,所述聚类划分值用于将所述业务对象划分至多个所述结算量类别。
3.根据权利要求2所述的方法,其特征在于,所述结算量类别包括所述正常结算订单以及异常结算订单,所述利用所述搜索结果数据对所述聚类中心进行迭代更新,得到聚类划分值,所述聚类划分值用于将所述业务对象划分至多个所述结算量类别包括:
获取所述正常结算订单对应的所述业务对象的参考结算评价比,所述参考结算评价比为所述结算量与评价量的比值;
获取所述异常结算订单对应的所述业务对象的结算评价比,基于所述结算评价比与所述参考结算评价比的对照结果,将所述异常结算订单对应的所述业务对象划分为所述渠道结算订单以及虚假结算订单。
4.根据权利要求3所述的方法,其特征在于,所述根据所述结算量类别与排序得分算法之间的映射关系确定与所述业务对象相匹配的排序评分包括:
对所述虚假结算订单对应的业务对象的排序评分赋予惩罚分,所述惩罚分用于控制所述虚假结算订单对应的所述业务对象的所述排序结果后置。
5.根据权利要求1至4任意一项所述的方法,其特征在于,所述将所述渠道结算订单的结算量根据预设的转化比例转化至与所述正常结算订单量级一致包括:
获取同一业务搜索数据所对应的所述渠道结算订单的第一结算量级以及所述正常结算订单的第二结算量级,以所述第二结算量级与所述第一结算量级比值作为所述转化比例。
6.根据权利要求1所述的方法,其特征在于,所述排序得分算法的影响因素包括所述业务对象的结算量、结算资源值以及结算资源力,所述结算资源力包括所述业务对象的结算资源值与所属品类的平均结算资源值的比值,所述结算资源力还包括所述业务对象当前的结算资源值与历史结算资源值的比值。
7.一种业务对象排序装置,其特征在于,所述装置包括:
订单数据模块,用于获取业务搜索数据以及搜索结果数据,所述搜索结果数据与业务对象对应;
对象聚类模块,用于对所述搜索结果数据进行聚类处理,将所述业务对象划分至多个结算量类别,所述结算量类别包括正常结算订单以及渠道结算订单;
订单转换模块,用于将所述渠道结算订单的结算量根据预设的转化比例转化至与所述正常结算订单量级一致;
对象评分模块,用于根据所述结算量类别与排序得分算法之间的映射关系确定与所述业务对象相匹配的排序评分;
对象排序模块,用于根据所述排序评分得到所述业务对象的排序结果。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311217762.2A CN117196780A (zh) | 2023-09-19 | 2023-09-19 | 一种业务对象排序方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311217762.2A CN117196780A (zh) | 2023-09-19 | 2023-09-19 | 一种业务对象排序方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117196780A true CN117196780A (zh) | 2023-12-08 |
Family
ID=89003294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311217762.2A Pending CN117196780A (zh) | 2023-09-19 | 2023-09-19 | 一种业务对象排序方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117196780A (zh) |
-
2023
- 2023-09-19 CN CN202311217762.2A patent/CN117196780A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7720720B1 (en) | System and method for generating effective recommendations | |
CN107833117B (zh) | 一种考虑标签信息的贝叶斯个性化排序推荐方法 | |
JP5965911B2 (ja) | オンライン取引プラットフォームに基づくデータ処理 | |
US8407104B2 (en) | Catalog based price search | |
US9208202B1 (en) | Systems and methods for determining interest in an item or category of items | |
US11455647B2 (en) | Method and system for presenting information for a geographically eligible set of automobile dealerships ranked based on likelihood scores | |
CN109447713A (zh) | 一种基于知识图谱的推荐方法及装置 | |
CN112100512A (zh) | 一种基于用户聚类和项目关联分析的协同过滤推荐方法 | |
US20190228451A1 (en) | Method, system, and computer-readable medium for product and vendor selection | |
WO2019218654A1 (zh) | 产品排序 | |
US10832305B1 (en) | System and method for image processing and searching for classification in a product database | |
CN113052651A (zh) | 一种基于大数据的智能零售管理方法及系统 | |
CN107093122B (zh) | 对象分类方法及装置 | |
CN113032668A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN114820123A (zh) | 团购商品推荐方法、装置、设备及存储介质 | |
CN116402569A (zh) | 基于知识图谱的商品推荐方法、装置、系统及存储介质 | |
US8577814B1 (en) | System and method for genetic creation of a rule set for duplicate detection | |
CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
CN110020918B (zh) | 一种推荐信息生成方法和系统 | |
CN112036987A (zh) | 确定推荐商品的方法和装置 | |
KR101637986B1 (ko) | 최적 상품 제공 시스템 및 그 방법 | |
CN117196780A (zh) | 一种业务对象排序方法、装置、计算机设备及存储介质 | |
Meena et al. | Product recommendation system using distance measure of product image features | |
CN116738034B (zh) | 一种信息推送方法及系统 | |
CN113837846B (zh) | 商品推荐方法、装置、计算机设备和存储介质 |
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 |