CN117876029A - 一种基于商品推广的人机交互优化系统、方法及装置 - Google Patents
一种基于商品推广的人机交互优化系统、方法及装置 Download PDFInfo
- Publication number
- CN117876029A CN117876029A CN202410278320.7A CN202410278320A CN117876029A CN 117876029 A CN117876029 A CN 117876029A CN 202410278320 A CN202410278320 A CN 202410278320A CN 117876029 A CN117876029 A CN 117876029A
- Authority
- CN
- China
- Prior art keywords
- information
- popularization
- user
- evaluation
- commodity
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 115
- 238000005457 optimization Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012216 screening Methods 0.000 claims abstract description 31
- 230000000694 effects Effects 0.000 claims abstract description 15
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 112
- 230000006870 function Effects 0.000 claims description 30
- 230000002452 interceptive effect Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010972 statistical evaluation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于商品推广的人机交互技术领域，具体涉及一种基于商品推广的人机交互优化系统、方法及装置。该发明通过对访问用户的行为数据进行分析，能够输出对应的人机交互的交互关联度，交互关联度不仅考虑了内容的匹配度，还考虑了用户的行为反馈，从而更全面地反映了用户对推广信息的兴趣，再结合用户对推广信息的满意度评分和反馈意见，进一步确定需要优化的需求差异数据，通过对需求差异数据的评估和筛选，从而对需求推广信息进行持续优化，提高推广信息的吸引力和转化率，从而达到更好的推广效果。
Description
技术领域
本发明属于商品推广的人机交互技术领域，具体涉及一种基于商品推广的人机交互优化系统、方法及装置。
背景技术
随着电子商务和在线零售行业的迅猛发展，商品推广已经成为商家获取竞争优势的重要手段，传统的商品推广方式往往依赖于广告投放、促销活动等，而忽略了消费者与商家之间的互动体验，在数字营销的背景下，如何提升消费者的参与度和满意度，进而促进购买转化率，是当前面临的一大挑战，目前，人机交互技术已经广泛应用于各种场景中。
现有技术中，采用人机交互进行的商品推广，多采用问答式或者命令式的交互模式，而后根据其交互内或用户反馈来对推广信息进行优化，其数据来源较为单一，浪费了大量的用户行为数据，无法确定用户与推广信息的交互关联性，从而便会导致推广信息的有效优化效果降低，无法满足用户需求的现象发生，基于此，本方案提供了一种基于商品推广的人机交互优化方法，以解决上述问题。
发明内容
本发明的目的是提供一种基于商品推广的人机交互优化系统、方法及装置，能够确定访问用户与推广信息之间综合性的交互关联度，从而筛选出符合用户需求的推广信息，有效的提高推广信息的优化效果。
本发明采取的技术方案具体如下：
一种基于商品推广的人机交互优化方法，包括：
获取商品的推广信息，并进行预处理，且将预处理后的所述推广信息输出至人机交互界面；
实时获取访问用户与所述人机交互界面交互信息，并进行筛选处理，得到符合用户需求的推广信息，并标定为需求推广信息；
跟踪所述需求推广信息下，所述访问用户的满意度评分，并依据所述满意度评分将需求推广信息分类为第一展示信息和第二展示信息；
收集所述访问用户对所述第一展示信息和第二展示信息的反馈意见，并依据所述反馈意见对需求推广信息进行优化，再将优化后的需求推广信息输出至人机交互界面。
在一种优选方案中，所述推广信息包括文本数据、图像数据以及视频数据，其预处理过程如下：
对所述文本数据进行关键词提取和语义分析，确定商品的主题；
对所述图像数据进行图像识别和特征提取，确定商品的外观、颜色以及品牌；
对所述视频数据进行视频分析和特征提取，确定商品的动态效果；
对所述文本数据、图像数据以及视频数据进行整合处理，并输出至人机交互界面。
在一种优选方案中，所述实时获取访问用户与所述人机交互界面交互信息，并进行筛选处理，得到符合用户需求的推广信息，并标定为需求推广信息的步骤，包括：
获取访问用户的身份，将所述访问用户分类为老用户和新用户；
获取所述访问用户通过所述人机交互界面输入的查询条件、对话信息以及浏览信息；
将所述查询条件与对话信息与预处理后的推广信息进行比较，得到交互关联度，并将多个所述交互关联度按照由大至小的顺序进行排列；
获取筛选阈值，并将所述筛选阈值与所述交互关联度进行比较；
若所述交互关联度大于筛选阈值，则表明其对应的预处理后的推广信息需求度高，并将该预处理后的所述推广信息标定为需求推广信息；
若所述交互关联度小于或等于筛选阈值，则表明其对应的预处理后的推广信息需求度不足，且将该预处理后的所述推广信息标定为非需求推广信息。
在一种优选方案中，所述将所述查询条件与对话信息与预处理后的推广信息进行比较，得到交互关联度的步骤，包括：
获取所有所述访问用户输出的查询条件和对话信息，并同步转换为第一文本数据；
从预处理后的推广信息中提取商品关键特征，并将所述商品关键特征统一转换为第二文本数据；
对所述第一文本数据和第二文本数据执行向量转换，得到第一待比对参数和第二待比对参数；
获取一级测算函数，并将所述第一待比对参数和第二待比对参数输入至一级测算函数中，再将其输出结果标定为第一关联参数；
获取所述访问用户的浏览信息，并标定为第二关联参数，其中，所述浏览信息为访问用户对预处理后的推广信息的浏览时长；
获取二级测算函数，并将所述第一关联参数和第二关联参数一同输入至第二测算函数中，且将其输出结果标定为交互关联度。
在一种优选方案中，所述跟踪所述需求推广信息下，所述访问用户的满意度评分的步骤，包括：
以所述需求推广信息输出至人机交互界面的时间点为起始，构建评估时段；
统计所述评估时段内访问用户对需求推广信息中各项数据的评价得分，并汇总为评分数据集；
获取满意度测算函数，并将各项数据的评价得分输入至满意度测算函数中，且将其输出结果标定为访问用户的满意度评分。
在一种优选方案中，所述统计所述评估时段内访问用户对需求推广信息中各项数据的评价得分时，包括以下步骤：
获取所述访问用户的身份，以及所述访问用户确定评价得分的评价时长；
获取第一评价阈值和第二评价阈值，并将所述第一评价阈值和第二评价阈值分别与老用户的评价时长和新用户的评价时长进行比较；
若所述访问用户为老用户，且其评价时长高于第一评价阈值，则判定其评价有效，并将其输出的评价得分加入至评分数据集中，反之，则判定评价无效，且不将该老用户输出的评价得分加入至评分数据集中；
若所述访问用户为新用户，且其评价时长高于第二评价阈值，则判定其评价有效，并将其输出的评价得分加入至评分数据集中，反之，则判定评价无效，且不将该新用户输出的评价得分加入至评分数据集中；
其中，所述第二评价阈值的取值大于第一评价阈值的取值。
在一种优选方案中，所述依据所述满意度评分将需求推广信息分类为第一展示信息和第二展示信息的步骤，包括：
获取所述访问用户的满意度评分；
获取分类阈值，并将所述分类阈值与所述满意度评分进行比较；
若所述满意度评分大于或等于分类阈值，则表明其对应的推广数据长期满足所述访问用户的需求，且将该推广数据标定为第一展示信息，其中，所述推广数据为文本数据、图像数据或视频数据；
若所述满意度评分小于分类阈值，则表明其对应的推广数据无法长期满足所述访问用户的需求，且将该推广数据标定为第二展示信息。
在一种优选方案中，所述收集所述访问用户对所述第一展示信息和第二展示信息的反馈意见，并依据所述反馈意见对需求推广信息执行优化的步骤，包括：
获取所述访问用户对所述第一展示信息和第二展示信息的反馈意见，以及所述反馈意见对应的推广数据；
从所述反馈意见中获取用户需求，并同步与所述推广数据进行比对，得到与第一展示信息对应的第一需求差异数据，以及与第二展示信息对应的第二需求差异数据；
分别获取所述第一需求差异数据和第二需求差异数据的反馈占比率，并分别标定为第一待优化参数和第二待优化参数；
获取第一优化阈值和第二优化阈值，并分别与第一待优化参数和第二待优化参数进行比较，且在所述第一待优化参数或第二待优化参数大于对应的第一优化阈值或第二优化阈值时，依据所述第一需求差异数据或第二需求差异数据对第一展示信息或第二展示信息进行优化。
本发明还提供了，一种基于商品推广的人机交互优化系统，应用于上述的基于商品推广的人机交互优化方法，包括：
初始化模块，所述初始化模块用于获取商品的推广信息，并进行预处理，且将预处理后的所述推广信息输出至人机交互界面；
信息筛选模块，所述信息筛选模块用于实时获取访问用户与所述人机交互界面交互信息，并进行筛选处理，得到符合用户需求的推广信息，并标定为需求推广信息；
信息跟踪模块，所述信息跟踪模块用于跟踪所述需求推广信息下，所述访问用户的满意度评分，并依据所述满意度评分将需求推广信息分类为第一展示信息和第二展示信息；
信息优化模块，所述信息优化模块用于收集所述访问用户对所述第一展示信息和第二展示信息的反馈意见，并依据所述反馈意见对需求推广信息进行优化，再将优化后的需求推广信息输出至人机交互界面。
以及，一种基于商品推广的人机交互优化装置，包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于商品推广的人机交互优化方法。
本发明取得的技术效果为：
本发明通过对访问用户的行为数据进行分析，能够输出对应的人机交互的交互关联度，交互关联度不仅考虑了内容的匹配度，还考虑了用户的行为反馈，从而更全面地反映了用户对推广信息的兴趣，再结合用户对推广信息的满意度评分和反馈意见，进一步确定需要优化的需求差异数据，通过对需求差异数据的评估和筛选，从而对需求推广信息进行持续优化，提高推广信息的吸引力和转化率，从而达到更好的推广效果。
附图说明
图1是本发明所提供的方法流程图；
图2是本发明所提供的系统模块图；
图3是本发明所提供的装置结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个较佳的实施方式中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
请参阅图1所示，本发明提供了一种基于商品推广的人机交互优化方法，包括：
S1、获取商品的推广信息，并进行预处理，且将预处理后的推广信息输出至人机交互界面；
S2、实时获取访问用户与人机交互界面交互信息，并进行筛选处理，得到符合用户需求的推广信息，并标定为需求推广信息；
S3、跟踪需求推广信息下，访问用户的满意度评分，并依据满意度评分将需求推广信息分类为第一展示信息和第二展示信息；
S4、收集访问用户对第一展示信息和第二展示信息的反馈意见，并依据反馈意见对需求推广信息进行优化，再将优化后的需求推广信息输出至人机交互界面。
如上述步骤S1-S4所述，在数字营销的时代，人机交互界面的优化变得日益重要，这种优化不仅能够提高用户体验，还能有效地提高商品的推广效率，本实施例中，首先采集商品的推广信息，并进行预处理，这个过程包括收集商品的基本信息，如名称、价格、功能、优点等，以及商品的推广素材，如图片、视频、文案等，然后，通过数据清洗、格式化等操作，将这些信息转化为适合人机交互界面展示的形式，预处理后的推广信息将被输出至人机交互界面，供访问用户浏览和选择，其次，还需要实时获取访问用户与人机交互界面的交互信息，这包括用户的点击行为、浏览路径、停留时间等，通过对这些交互信息的筛选处理，可以得到符合用户需求的推广信息，并将其标定为需求推广信息，接着跟踪需求推广信息下，访问用户的满意度评分，满意度评分可以通过设置调查问卷、评分按钮等方式获取，根据用户的满意度评分，可以将需求推广信息分类为第一展示信息和第二展示信息，第一展示信息是指用户满意度较高的推广信息，应优先展示给用户，第二展示信息则是指用户满意度较低的推广信息，可以在用户浏览完第一展示信息后展示，之后收集访问用户对第一展示信息和第二展示信息的反馈意见，反馈意见可以通过设置留言板、评论区等方式获取，通过对这些反馈意见的分析，可以发现访问用户需求的变化和商品推广的不足之处，进而对需求推广信息进行优化，优化后的需求推广信息将被再次输出至人机交互界面，形成一个持续优化、循环往复的过程，不仅能够提高用户体验和商品推广效率，还能够帮助企业更好地了解用户需求和市场变化。
在一个较佳的实施方式中，推广信息包括文本数据、图像数据以及视频数据，其预处理过程如下：
对文本数据进行关键词提取和语义分析，确定商品的主题；
对图像数据进行图像识别和特征提取，确定商品的外观、颜色以及品牌；
对视频数据进行视频分析和特征提取，确定商品的动态效果；
对文本数据、图像数据以及视频数据进行整合处理，并输出至人机交互界面。
在该实施方式中首先，对于商品的推广信息，往往包含多种形式展现，包括但不限于文本数据、图像数据以及视频数据，对于文本数据，关键词提取和语义分析是至关重要的步骤，通过对文本数据的深入挖掘，可以提取出与商品相关的关键词，这些关键词能够准确地反映商品的主题和核心卖点，同时，语义分析则可以帮助理解文本数据背后的深层含义，进一步确定商品的主题和宣传方向，其次，图像数据也是推广信息中不可或缺的一部分，通过图像识别和特征提取技术，可以对商品的外观、颜色以及品牌进行准确的识别和描述，这些视觉元素对于吸引消费者的眼球至关重要，它们能够在第一时间传达出商品的特点和优势，此外，视频数据也是推广信息中越来越受欢迎的一种形式，通过视频分析和特征提取，可以捕捉到商品的动态效果，展示商品的使用场景和实际效果，这种直观、生动的展示方式能够更好地吸引消费者的注意力，提高商品的曝光率和购买率。
在一个较佳的实施方式中，实时获取访问用户与人机交互界面交互信息，并进行筛选处理，得到符合用户需求的推广信息，并标定为需求推广信息的步骤，包括：
S201、获取访问用户的身份，将访问用户分类为老用户和新用户；
S202、获取访问用户通过人机交互界面输入的查询条件、对话信息以及浏览信息；
S203、将查询条件与对话信息与预处理后的推广信息进行比较，得到交互关联度，并将多个交互关联度按照由大至小的顺序进行排列；
S204、获取筛选阈值，并将筛选阈值与交互关联度进行比较；
若交互关联度大于筛选阈值，则表明其对应的预处理后的推广信息需求度高，并将该预处理后的推广信息标定为需求推广信息；
若交互关联度小于或等于筛选阈值，则表明其对应的预处理后的推广信息需求度不足，且将该预处理后的推广信息标定为非需求推广信息。
如上述步骤S201-S204所述，在确定需求推广信息时，需要获取访问用户的身份，并将他们分类为老用户和新用户，老用户可能对产品或服务已经有一定的了解，而新用户可能对商品知之甚少，因此，在后续的推广信息筛选过程中，需要根据用户的身份进行适当的调整，接下来，通过人机交互界面获取用户输入的查询条件、对话信息以及浏览信息，这些信息反映了用户的即时需求和兴趣点，为筛选推广信息提供了重要的依据，例如，如果大量访问用户在搜索栏中输入了“运动鞋”这一关键词，就可以知道他们对运动鞋有兴趣，因此在推广信息中可以优先展示与运动鞋相关的内容，然后将用户的查询条件与对话信息与预处理后的推广信息进行比较，计算它们的交互关联度，目的是找出与用户需求最为匹配的推广信息，然后将多个交互关联度按照由大至小的顺序进行排列，并筛选阈值，再将它与交互关联度进行比较，筛选阈值是一个预设的标准，用于判断推广信息的需求度是否足够高，如果交互关联度大于筛选阈值，那么说明该推广信息与用户的需求高度匹配，可以将其标定为需求推广信息，如果交互关联度小于或等于筛选阈值，那么说明该推广信息的需求度不足，将其标定为非需求推广信息，这一步并不意味着这些推广信息没有价值，而是说明它们在当前情境下与用户的需求不太匹配，在未来，可以根据用户的需求变化或产品服务的更新，重新评估这些推广信息的价值。
在一个较佳的实施方式中，将查询条件与对话信息与预处理后的推广信息进行比较，得到交互关联度的步骤，包括：
Step1、获取所有访问用户输出的查询条件和对话信息，并同步转换为第一文本数据；
Step2、从预处理后的推广信息中提取商品关键特征，并将商品关键特征统一转换为第二文本数据；
Step3、对第一文本数据和第二文本数据执行向量转换，得到第一待比对参数和第二待比对参数；
Step4、获取一级测算函数，并将第一待比对参数和第二待比对参数输入至一级测算函数中，再将其输出结果标定为第一关联参数；
Step5、获取访问用户的浏览信息，并标定为第二关联参数，其中，浏览信息为访问用户对预处理后的推广信息的浏览时长；
Step6、获取二级测算函数，并将第一关联参数和第二关联参数一同输入至第二测算函数中，且将其输出结果标定为交互关联度。
如上述步骤Step1-Step6所述，在确定交互关联度时，首先需要捕获所有访问用户输出的查询条件和对话信息，这些信息通常是用户在与智能系统或应用进行交互时，为了获取信息或寻求帮助而输入的关键词或短语，随后，这些信息被同步转换为第一文本数据，这一步的目的是为了统一数据格式，便于后续处理，接下来从预处理后的推广信息中提取商品关键特征，商品关键特征可能是商品的名称、品牌、价格、功能描述等，这些特征对于用户是否感兴趣至关重要，这些特征也被统一转换为第二文本数据，以与第一文本数据保持一致，然后对第一文本数据和第二文本数据执行向量转换，向量转换是将文本数据转换为数值向量的过程，这样做的目的是为了使数据更适合进行计算和比较，得到第一待比对参数和第二待比对参数后，接着获取一级测算函数，并将这两个参数输入到一级测算函数中，其中，一级测算函数的表达式为：，式中，/>表示第一关联参数，/>表示第一待比对参数和第二待比对参数的数量，/>表示第一待比对参数对应的向量，表示第二待比对参数对应的向量，第一关联参数反映了用户查询和对话信息与商品关键特征之间的直接关联程度，之后会获取访问用户的浏览信息，并将其标定为第二关联参数，这里的浏览信息指的是用户对预处理后的推广信息的浏览时长，浏览时长是一个重要的指标，它直接反映了用户对推广信息的兴趣和关注度，最后，系统获取二级测算函数，并将第一关联参数和第二关联参数一同输入到第二测算函数中，其中，二级测算函数的表达式为：，式中，/>表示交互关联度，/>表示第一关联参数的权重系数，/>表示第二关联参数的权重系数，/>表示访问用户数量，/>访问用户的浏览时长，其综合考虑用户查询和对话信息与商品关键特征的直接关联程度，以及用户对推广信息的浏览时长，来最终计算出交互关联度，这个交互关联度不仅考虑了内容的匹配度，还考虑了用户的行为反馈，从而更全面地反映了用户对推广信息的兴趣。
在一个较佳的实施方式中，跟踪需求推广信息下，访问用户的满意度评分的步骤，包括：
S301、以需求推广信息输出至人机交互界面的时间点为起始，构建评估时段；
S302、统计评估时段内访问用户对需求推广信息中各项数据的评价得分，并汇总为评分数据集；
S303、获取满意度测算函数，并将各项数据的评价得分输入至满意度测算函数中，且将其输出结果标定为访问用户的满意度评分。
如上述步骤S301-S303所述，在确定访问用户的满意度评分时，首先以需求推广信息输出至人机交互界面的时间点为起始，构建一个评估时段，这个时段的选择应该考虑到用户接触信息的时间、信息传播的周期以及用户反馈的延迟等因素，具体根据实际需求进行设置，以便捕捉到用户在不同时间点的反应，接下来，在评估时段内，统计访问用户对需求推广信息中各项数据的评价得分，在收集到足够的评价得分之后，将其汇总为评分数据集，这个数据集包含每个评估指标的平均得分、最高得分、最低得分以及得分分布等信息，通过对这些数据进行分析，可以初步了解用户对需求推广信息的整体满意度以及各项指标的具体表现，为了更准确地评估用户满意度，需要获取一个合适的满意度测算函数，这个函数可以根据各项数据的评价得分，综合考虑它们对整体满意度的影响程度，从而给出一个综合的满意度评分，满意度测算函数的表达式为：，式中，/>表示各项数据的满意度评分，/>表示各项数据分别对应的评价得分，/>表示评价得分的数量，这个满意度评分可以作为改进推广策略、优化用户体验的相关依据。
在一个较佳的实施方式中，统计评估时段内访问用户对需求推广信息中各项数据的评价得分时，包括以下步骤：
获取访问用户的身份，以及访问用户确定评价得分的评价时长；
获取第一评价阈值和第二评价阈值，并将第一评价阈值和第二评价阈值分别与老用户的评价时长和新用户的评价时长进行比较；
若访问用户为老用户，且其评价时长高于第一评价阈值，则判定其评价有效，并将其输出的评价得分加入至评分数据集中，反之，则判定评价无效，且不将该老用户输出的评价得分加入至评分数据集中；
若访问用户为新用户，且其评价时长高于第二评价阈值，则判定其评价有效，并将其输出的评价得分加入至评分数据集中，反之，则判定评价无效，且不将该新用户输出的评价得分加入至评分数据集中；
其中，第二评价阈值的取值大于第一评价阈值的取值。
上述中，在评估时段内，为了有效收集和分析用户对需求推广信息的反馈，首先需要明确访问用户的身份，因为不同的用户（如老用户和新用户）往往有着不同的期望和评价标准，在此基础上，还需确定用户用于评价得分的评价时长，有助于评估其评价的可靠性和有效性，接下来，设定两个评价阈值，第一评价阈值和第二评价阈值，通过比较老用户和新用户的评价时长与这两个阈值，能够更准确地判断用户的评价是否有效，对于老用户，如果他们的评价时长高于第一评价阈值，将其评价视为有效，并将其输出的评价得分纳入评分数据集中。这意味着老用户在投入足够时间后给出的评价更具参考价值，相反，如果评价时长低于第一评价阈值，则判定该评价为无效，不会将其得分计入评分数据集中，以确保数据的准确性和有效性，对于新用户，由于他们可能对产品或服务还不够了解，因此设定了更高的第二评价阈值，只有当新用户的评价时长超过这一阈值时，才认为其评价有效，并将其得分纳入评分数据集中，这样的设定有助于筛选出那些真正投入时间和精力了解产品或服务的新用户评价，从而更准确地了解他们的需求和偏好。
在一个较佳的实施方式中，依据满意度评分将需求推广信息分类为第一展示信息和第二展示信息的步骤，包括：
S304、获取访问用户的满意度评分；
S305、获取分类阈值，并将分类阈值与满意度评分进行比较；
若满意度评分大于或等于分类阈值，则表明其对应的推广数据长期满足访问用户的需求，且将该推广数据标定为第一展示信息，其中，推广数据为文本数据、图像数据或视频数据；
若满意度评分小于分类阈值，则表明其对应的推广数据无法长期满足访问用户的需求，且将该推广数据标定为第二展示信息。
如上述步骤S304-S305所述，在对需求推广信息进行分类时，首先需要获取访问用户的满意度评分，接下来，需要设定一个分类阈值，并将其与用户的满意度评分进行比较，这个阈值可以根据历史数据、行业标准和业务目标来设定，当用户的满意度评分大于或等于分类阈值时，这意味着对应的推广数据长期满足访问用户的需求，因此，可以将这些推广数据标定为第一展示信息，即在人机交互界面的显眼位置优先展示，这些推广数据可以是文本数据、图像数据或视频数据，形式多样，相反，如果访问用户的满意度评分低于分类阈值，那么对应的推广数据可能无法长期满足访问用户的需求，因此，应该将这些数据标定为第二展示信息，即在人机交互界面的次要位置展示，这样，既不会完全忽略这些数据，也不会让它们干扰到更重要的第一展示信息的展示效果。
在一个较佳的实施方式中，收集访问用户对第一展示信息和第二展示信息的反馈意见，并依据反馈意见对需求推广信息执行优化的步骤，包括：
S401、获取访问用户对第一展示信息和第二展示信息的反馈意见，以及反馈意见对应的推广数据；
S402、从反馈意见中获取用户需求，并同步与推广数据进行比对，得到与第一展示信息对应的第一需求差异数据，以及与第二展示信息对应的第二需求差异数据；
S403、分别获取第一需求差异数据和第二需求差异数据的反馈占比率，并分别标定为第一待优化参数和第二待优化参数；
S404、获取第一优化阈值和第二优化阈值，并分别与第一待优化参数和第二待优化参数进行比较，且在第一待优化参数或第二待优化参数大于对应的第一优化阈值或第二优化阈值时，依据第一需求差异数据或第二需求差异数据对第一展示信息或第二展示信息进行优化。
如上述步骤S401-S404所述，在对需求推广信息进行优化处理时，首先从访问用户那里收集关于第一展示信息和第二展示信息的反馈意见，同时，还需要获取与这些反馈意见相对应的推广数据，以便更全面地了解推广效果，接下来，需要从反馈意见中提炼出用户的需求，这些需求可能涉及到商品展示内容的各个方面，然后，将这些需求与推广数据进行比对，以找出第一展示信息和第二展示信息与用户需求之间的差异，这些需求差异数据将提供优化方向，此外，还需要获取第一需求差异数据和第二需求差异数据的反馈占比率，这些占比率将反映出不同需求差异在用户反馈中的重要程度，本实施方式将这些占比率标定为第一待优化参数和第二待优化参数，在进行优化之前，还需要设定第一优化阈值和第二优化阈值，这些阈值将帮助判断哪些需求差异需要优先进行优化，当第一待优化参数或第二待优化参数大于对应的第一优化阈值或第二优化阈值时，说明这些需求差异在用户反馈中占据了较大比重，因此需要依据相应的需求差异数据对第一展示信息或第二展示信息进行优化，可以根据需求差异数据对展示信息的内容、形式、呈现方式等方面进行调整，例如，如果用户需求集中在某一方面，可以增加相关内容的比重，如果用户对某种形式的信息反馈不佳，可以尝试调整信息呈现方式等，通过不断试错和优化，可以逐渐提高推广信息的吸引力和转化率，从而达到更好的推广效果。
请参阅图2，本发明还提供了一种基于商品推广的人机交互优化系统，应用于上述的基于商品推广的人机交互优化方法，包括：
初始化模块，初始化模块用于获取商品的推广信息，并进行预处理，且将预处理后的推广信息输出至人机交互界面；
信息筛选模块，信息筛选模块用于实时获取访问用户与人机交互界面交互信息，并进行筛选处理，得到符合用户需求的推广信息，并标定为需求推广信息；
信息跟踪模块，信息跟踪模块用于跟踪需求推广信息下，访问用户的满意度评分，并依据满意度评分将需求推广信息分类为第一展示信息和第二展示信息；
信息优化模块，信息优化模块用于收集访问用户对第一展示信息和第二展示信息的反馈意见，并依据反馈意见对需求推广信息进行优化，再将优化后的需求推广信息输出至人机交互界面。
具体的，该系统包括初始化模块、信息筛选模块、信息跟踪模块和信息优化模块，初始化模块是系统的起点，这个模块的主要任务是从各种来源获取商品的推广信息，然后进行数据清洗和预处理，这个过程涉及到对信息的格式化、去重、填充缺失值等操作，确保信息的准确性和一致性，处理完毕后，这些信息将被传输到人机交互界面，供用户浏览和选择，信息筛选模块通过实时获取访问用户与人机交互界面的交互信息，如用户的查询、浏览、购买等行为，从而筛选出符合用户需求的推广信息，这些信息被标定为需求推广信息，意味着它们更有可能引起用户的兴趣和购买欲望，信息跟踪模块则负责跟踪需求推广信息的表现，它收集用户对需求推广信息的满意度评分，如通过问卷调查、用户反馈等方式，根据这些评分，需求推广信息被分为第一展示信息和第二展示信息，第一展示信息是指用户满意度较高，效果较好的推广信息，而第二展示信息则是用户满意度相对较低，需要进一步优化的信息，最后，信息优化模块通过收集访问用户对第一展示信息和第二展示信息的反馈意见，如用户的评价、建议等，对需求推广信息进行持续优化，这可能涉及到对推广信息的语言、图片、布局等进行调整，或者改变推广策略，如调整推广时间、目标人群等，优化后的需求推广信息将被重新输出到人机交互界面，以进一步提高用户满意度和商品推广效果。
请参阅图3，本发明提供了一种基于商品推广的人机交互优化装置，其特征在于：包括：
至少一个处理器；
以及与至少一个处理器通信连接的存储器；
其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的基于商品推广的人机交互优化方法。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本发明中未具体描述和解释说明的结构、装置以及操作方法，如无特别说明和限定，均按照本领域的常规手段进行实施。
Claims (10)
1.一种基于商品推广的人机交互优化方法，其特征在于：包括：
获取商品的推广信息，并进行预处理，且将预处理后的所述推广信息输出至人机交互界面；
实时获取访问用户与所述人机交互界面交互信息，并进行筛选处理，得到符合用户需求的推广信息，并标定为需求推广信息；
跟踪所述需求推广信息下，所述访问用户的满意度评分，并依据所述满意度评分将需求推广信息分类为第一展示信息和第二展示信息；
收集所述访问用户对所述第一展示信息和第二展示信息的反馈意见，并依据所述反馈意见对需求推广信息进行优化，再将优化后的需求推广信息输出至人机交互界面。
2.根据权利要求1所述一种基于商品推广的人机交互优化方法，其特征在于：所述推广信息包括文本数据、图像数据以及视频数据，其预处理过程如下：
对所述文本数据进行关键词提取和语义分析，确定商品的主题；
对所述图像数据进行图像识别和特征提取，确定商品的外观、颜色以及品牌；
对所述视频数据进行视频分析和特征提取，确定商品的动态效果；
对所述文本数据、图像数据以及视频数据进行整合处理，并输出至人机交互界面。
3.根据权利要求1所述的一种基于商品推广的人机交互优化方法，其特征在于：所述实时获取访问用户与所述人机交互界面交互信息，并进行筛选处理，得到符合用户需求的推广信息，并标定为需求推广信息的步骤，包括：
获取访问用户的身份，将所述访问用户分类为老用户和新用户；
获取所述访问用户通过所述人机交互界面输入的查询条件、对话信息以及浏览信息；
将所述查询条件与对话信息与预处理后的推广信息进行比较，得到交互关联度，并将多个所述交互关联度按照由大至小的顺序进行排列；
获取筛选阈值，并将所述筛选阈值与所述交互关联度进行比较；
若所述交互关联度大于筛选阈值，则表明其对应的预处理后的推广信息需求度高，并将该预处理后的所述推广信息标定为需求推广信息；
若所述交互关联度小于或等于筛选阈值，则表明其对应的预处理后的推广信息需求度不足，且将该预处理后的所述推广信息标定为非需求推广信息。
4.根据权利要求3所述的一种基于商品推广的人机交互优化方法，其特征在于：所述将所述查询条件与对话信息与预处理后的推广信息进行比较，得到交互关联度的步骤，包括：
获取所有所述访问用户输出的查询条件和对话信息，并同步转换为第一文本数据；
从预处理后的推广信息中提取商品关键特征，并将所述商品关键特征统一转换为第二文本数据；
对所述第一文本数据和第二文本数据执行向量转换，得到第一待比对参数和第二待比对参数；
获取一级测算函数，并将所述第一待比对参数和第二待比对参数输入至一级测算函数中，再将其输出结果标定为第一关联参数；
获取所述访问用户的浏览信息，并标定为第二关联参数，其中，所述浏览信息为访问用户对预处理后的推广信息的浏览时长；
获取二级测算函数，并将所述第一关联参数和第二关联参数一同输入至第二测算函数中，且将其输出结果标定为交互关联度。
5.根据权利要求1所述的一种基于商品推广的人机交互优化方法，其特征在于：所述跟踪所述需求推广信息下，所述访问用户的满意度评分的步骤，包括：
以所述需求推广信息输出至人机交互界面的时间点为起始，构建评估时段；
统计所述评估时段内访问用户对需求推广信息中各项数据的评价得分，并汇总为评分数据集；
获取满意度测算函数，并将各项数据的评价得分输入至满意度测算函数中，且将其输出结果标定为访问用户的满意度评分。
6.根据权利要求5所述的一种基于商品推广的人机交互优化方法，其特征在于：所述统计所述评估时段内访问用户对需求推广信息中各项数据的评价得分时，包括以下步骤：
获取所述访问用户的身份，以及所述访问用户确定评价得分的评价时长；
获取第一评价阈值和第二评价阈值，并将所述第一评价阈值和第二评价阈值分别与老用户的评价时长和新用户的评价时长进行比较；
若所述访问用户为老用户，且其评价时长高于第一评价阈值，则判定其评价有效，并将其输出的评价得分加入至评分数据集中，反之，则判定评价无效，且不将该老用户输出的评价得分加入至评分数据集中；
若所述访问用户为新用户，且其评价时长高于第二评价阈值，则判定其评价有效，并将其输出的评价得分加入至评分数据集中，反之，则判定评价无效，且不将该新用户输出的评价得分加入至评分数据集中；
其中，所述第二评价阈值的取值大于第一评价阈值的取值。
7.根据权利要求1所述的一种基于商品推广的人机交互优化方法，其特征在于：所述依据所述满意度评分将需求推广信息分类为第一展示信息和第二展示信息的步骤，包括：
获取所述访问用户的满意度评分；
获取分类阈值，并将所述分类阈值与所述满意度评分进行比较；
若所述满意度评分大于或等于分类阈值，则表明其对应的推广数据长期满足所述访问用户的需求，且将该推广数据标定为第一展示信息，其中，所述推广数据为文本数据、图像数据或视频数据；
若所述满意度评分小于分类阈值，则表明其对应的推广数据无法长期满足所述访问用户的需求，且将该推广数据标定为第二展示信息。
8.根据权利要求2所述的一种基于商品推广的人机交互优化方法，其特征在于：所述收集所述访问用户对所述第一展示信息和第二展示信息的反馈意见，并依据所述反馈意见对需求推广信息执行优化的步骤，包括：
获取所述访问用户对所述第一展示信息和第二展示信息的反馈意见，以及所述反馈意见对应的推广数据；
从所述反馈意见中获取用户需求，并同步与所述推广数据进行比对，得到与第一展示信息对应的第一需求差异数据，以及与第二展示信息对应的第二需求差异数据；
分别获取所述第一需求差异数据和第二需求差异数据的反馈占比率，并分别标定为第一待优化参数和第二待优化参数；
获取第一优化阈值和第二优化阈值，并分别与第一待优化参数和第二待优化参数进行比较，且在所述第一待优化参数或第二待优化参数大于对应的第一优化阈值或第二优化阈值时，依据所述第一需求差异数据或第二需求差异数据对第一展示信息或第二展示信息进行优化。
9.一种基于商品推广的人机交互优化系统，应用于权利要求1至8中任意一项所述的基于商品推广的人机交互优化方法，其特征在于：包括：
初始化模块，所述初始化模块用于获取商品的推广信息，并进行预处理，且将预处理后的所述推广信息输出至人机交互界面；
信息筛选模块，所述信息筛选模块用于实时获取访问用户与所述人机交互界面交互信息，并进行筛选处理，得到符合用户需求的推广信息，并标定为需求推广信息；
信息跟踪模块，所述信息跟踪模块用于跟踪所述需求推广信息下，所述访问用户的满意度评分，并依据所述满意度评分将需求推广信息分类为第一展示信息和第二展示信息；
信息优化模块，所述信息优化模块用于收集所述访问用户对所述第一展示信息和第二展示信息的反馈意见，并依据所述反馈意见对需求推广信息进行优化，再将优化后的需求推广信息输出至人机交互界面。
10.一种基于商品推广的人机交互优化装置，其特征在于：包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8中任意一项所述的基于商品推广的人机交互优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410278320.7A CN117876029B (zh) | 2024-03-12 | 2024-03-12 | 一种基于商品推广的人机交互优化系统、方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410278320.7A CN117876029B (zh) | 2024-03-12 | 2024-03-12 | 一种基于商品推广的人机交互优化系统、方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117876029A true CN117876029A (zh) | 2024-04-12 |
| CN117876029B CN117876029B (zh) | 2024-05-07 |
Family
ID=90595302
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410278320.7A Active CN117876029B (zh) | 2024-03-12 | 2024-03-12 | 一种基于商品推广的人机交互优化系统、方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117876029B (zh) |
Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050144072A1 (en) * | 1996-10-25 | 2005-06-30 | Perkowski Thomas J. | Internet-based brand management and marketing communication instrumentation network for deploying, installing and remotely programming brand-building server-side driven multi-mode virtual kiosks on the World Wide Web (WWW), and methods of brand marketing communication between brand marketers and consumers using the same |
| WO2006071246A1 (en) * | 2004-12-23 | 2006-07-06 | Massive Incorporated | Matching and scoring of advertisements for targeted delivery into multiple video games, such as single and multiplayer games |
| KR20120080558A (ko) * | 2012-06-04 | 2012-07-17 | 임봉재 | 인터넷 서비스를 기반으로 하는 경품응모 광고전단 |
| US20120278150A1 (en) * | 2011-04-29 | 2012-11-01 | Jimmy Chen | Method Employing Two-Sided Promotion for Uniting Clients With Businesses |
| JP2013196653A (ja) * | 2012-03-22 | 2013-09-30 | Nippon Telegr & Teleph Corp <Ntt> | 興味分析方法、装置及びプログラム |
| CN103995823A (zh) * | 2014-03-25 | 2014-08-20 | 南京邮电大学 | 一种基于社交网络的信息推荐方法 |
| CA2913297A1 (en) * | 2013-05-21 | 2014-11-27 | Ignitionone, Inc. | System and method for predicting an outcome by a user in a single score |
| CN104281890A (zh) * | 2014-10-08 | 2015-01-14 | 电子科技大学 | 电子商务系统中预测流行商品的方法和系统 |
| WO2015113240A1 (en) * | 2014-01-29 | 2015-08-06 | Nokia Technologies Oy | Method, apparatus and system for content recommendation |
| CN108230044A (zh) * | 2018-01-31 | 2018-06-29 | 深圳春沐源控股有限公司 | 评价方法和评价装置 |
| CN108268506A (zh) * | 2016-12-30 | 2018-07-10 | 百度在线网络技术（北京）有限公司 | 一种推广信息的处理方法、装置、终端及计算机可读存储介质 |
| WO2019217468A1 (en) * | 2018-05-09 | 2019-11-14 | Pluto Inc. | Methods and systems for generating and providing program guides and content |
| CN110689367A (zh) * | 2019-08-21 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 数据采集方法、装置、计算机装置及存储介质 |
| CN111047412A (zh) * | 2019-12-16 | 2020-04-21 | 武汉智领云科技有限公司 | 一种大数据电商运营平台 |
| CN112348573A (zh) * | 2020-10-23 | 2021-02-09 | 深圳创维－Rgb电子有限公司 | 广告推荐方法、智能电视、系统及计算机可读存储介质 |
| CN112418583A (zh) * | 2019-08-23 | 2021-02-26 | 拉扎斯网络科技（上海）有限公司 | 信息推送方法、服务器及终端、存储介质 |
| CN213558642U (zh) * | 2020-08-26 | 2021-06-29 | 南京摆渡人网络信息技术有限公司 | 一种应用云计算的农产品电商平台用广告推广装置 |
| CN115063174A (zh) * | 2022-06-23 | 2022-09-16 | 华润雪花啤酒（中国）有限公司 | 一种物品在线评价方法、装置、设备、介质 |
| CN115601087A (zh) * | 2021-12-29 | 2023-01-13 | 上海好漾网络科技有限公司（Cn） | 一种基于定向投放的网络推广方法 |
| US20230153896A1 (en) * | 2021-11-16 | 2023-05-18 | Capital One Services, Llc | Generation of graphics for vehicle items |
| CN116894709A (zh) * | 2023-07-14 | 2023-10-17 | 广州洋葱时尚集团有限公司 | 一种广告商品推荐方法和系统 |
| CN117217875A (zh) * | 2023-10-27 | 2023-12-12 | 天翼电子商务有限公司 | 商品推荐方法及装置、电子设备及存储介质 |
| CN117333233A (zh) * | 2023-10-16 | 2024-01-02 | 广州航海学院 | 一种基于ai的目标导向电子商务广告推送方法 |
-
2024
- 2024-03-12 CN CN202410278320.7A patent/CN117876029B/zh active Active
Patent Citations (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050144072A1 (en) * | 1996-10-25 | 2005-06-30 | Perkowski Thomas J. | Internet-based brand management and marketing communication instrumentation network for deploying, installing and remotely programming brand-building server-side driven multi-mode virtual kiosks on the World Wide Web (WWW), and methods of brand marketing communication between brand marketers and consumers using the same |
| WO2006071246A1 (en) * | 2004-12-23 | 2006-07-06 | Massive Incorporated | Matching and scoring of advertisements for targeted delivery into multiple video games, such as single and multiplayer games |
| US20120278150A1 (en) * | 2011-04-29 | 2012-11-01 | Jimmy Chen | Method Employing Two-Sided Promotion for Uniting Clients With Businesses |
| JP2013196653A (ja) * | 2012-03-22 | 2013-09-30 | Nippon Telegr & Teleph Corp <Ntt> | 興味分析方法、装置及びプログラム |
| KR20120080558A (ko) * | 2012-06-04 | 2012-07-17 | 임봉재 | 인터넷 서비스를 기반으로 하는 경품응모 광고전단 |
| CA2913297A1 (en) * | 2013-05-21 | 2014-11-27 | Ignitionone, Inc. | System and method for predicting an outcome by a user in a single score |
| WO2015113240A1 (en) * | 2014-01-29 | 2015-08-06 | Nokia Technologies Oy | Method, apparatus and system for content recommendation |
| CN103995823A (zh) * | 2014-03-25 | 2014-08-20 | 南京邮电大学 | 一种基于社交网络的信息推荐方法 |
| CN104281890A (zh) * | 2014-10-08 | 2015-01-14 | 电子科技大学 | 电子商务系统中预测流行商品的方法和系统 |
| CN108268506A (zh) * | 2016-12-30 | 2018-07-10 | 百度在线网络技术（北京）有限公司 | 一种推广信息的处理方法、装置、终端及计算机可读存储介质 |
| CN108230044A (zh) * | 2018-01-31 | 2018-06-29 | 深圳春沐源控股有限公司 | 评价方法和评价装置 |
| WO2019217468A1 (en) * | 2018-05-09 | 2019-11-14 | Pluto Inc. | Methods and systems for generating and providing program guides and content |
| CN110689367A (zh) * | 2019-08-21 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 数据采集方法、装置、计算机装置及存储介质 |
| CN112418583A (zh) * | 2019-08-23 | 2021-02-26 | 拉扎斯网络科技（上海）有限公司 | 信息推送方法、服务器及终端、存储介质 |
| CN111047412A (zh) * | 2019-12-16 | 2020-04-21 | 武汉智领云科技有限公司 | 一种大数据电商运营平台 |
| CN213558642U (zh) * | 2020-08-26 | 2021-06-29 | 南京摆渡人网络信息技术有限公司 | 一种应用云计算的农产品电商平台用广告推广装置 |
| CN112348573A (zh) * | 2020-10-23 | 2021-02-09 | 深圳创维－Rgb电子有限公司 | 广告推荐方法、智能电视、系统及计算机可读存储介质 |
| US20230153896A1 (en) * | 2021-11-16 | 2023-05-18 | Capital One Services, Llc | Generation of graphics for vehicle items |
| CN115601087A (zh) * | 2021-12-29 | 2023-01-13 | 上海好漾网络科技有限公司（Cn） | 一种基于定向投放的网络推广方法 |
| CN115063174A (zh) * | 2022-06-23 | 2022-09-16 | 华润雪花啤酒（中国）有限公司 | 一种物品在线评价方法、装置、设备、介质 |
| CN116894709A (zh) * | 2023-07-14 | 2023-10-17 | 广州洋葱时尚集团有限公司 | 一种广告商品推荐方法和系统 |
| CN117333233A (zh) * | 2023-10-16 | 2024-01-02 | 广州航海学院 | 一种基于ai的目标导向电子商务广告推送方法 |
| CN117217875A (zh) * | 2023-10-27 | 2023-12-12 | 天翼电子商务有限公司 | 商品推荐方法及装置、电子设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| LI WW等: ""An Empirical study on personalized product recommendation based on cross-border e-commerce customer data analysis"", 《JOURNAL OF ORGANIZATIONAL AND END USER COMPUTING》, vol. 36, no. 1, 8 March 2024 (2024-03-08), pages 1 - 16 * |
| 任磊;: "一种结合评分时间特性的协同推荐算法", 计算机应用与软件, no. 05, 15 May 2015 (2015-05-15), pages 118 - 121 * |
| 李琳;刘锦行;孟祥福;苏畅;李鑫;钟珞;: "融合评分矩阵与评论文本的商品推荐模型", 计算机学报, no. 07, 19 January 2018 (2018-01-19), pages 131 - 145 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117876029B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10192238B2 (en) | Real-time bidding and advertising content generation | |
| JP5507154B2 (ja) | 社会的インデックス付けを用いて、トピックに基づいて広告ターゲットを拡大させるシステム及び方法 | |
| US8364528B2 (en) | System and process for improving product recommendations for use in providing personalized advertisements to retail customers | |
| US8108329B2 (en) | System and process for boosting recommendations for use in providing personalized advertisements to retail customers | |
| CN103038769B (zh) | 用于将内容导引到社交网络引擎用户的系统和方法 | |
| KR101003045B1 (ko) | 인공지능에 기반한 개인별 맞춤형 광고 제공 장치 및 방법,그 기록 매체 | |
| EP2874114A1 (en) | User engagement-based contextually-dependent automated pricing for non-guaranteed delivery | |
| US20090164419A1 (en) | Video quality measures | |
| CN108537596B (zh) | 搜索框内车型推荐的方法、装置、系统及存储器 | |
| CN110163703B (zh) | 一种分类模型建立方法、文案推送方法和服务器 | |
| TWI433042B (zh) | Multi - product recommendation method and system | |
| KR102322668B1 (ko) | 콘텐츠 크리에이터의 창작활동 활성화를 위한 다중 플랫폼 서비스 제공 시스템 | |
| US20120084142A1 (en) | Bid landscape forecasting in online advertising | |
| CN112434232A (zh) | 一种基于互联网的产品关键词广告投放方法及系统 | |
| US20140074608A1 (en) | Rapid identification of search terms that surge in response to current events | |
| CN108229990B (zh) | 一种广告标题生成方法、装置和设备 | |
| US20090198552A1 (en) | System and process for identifying users for which cooperative electronic advertising is relevant | |
| US20090198553A1 (en) | System and process for generating a user model for use in providing personalized advertisements to retail customers | |
| CN117876029B (zh) | 一种基于商品推广的人机交互优化系统、方法及装置 | |
| CN113077295B (zh) | 基于用户终端的广告分级投放方法、用户终端和存储介质 | |
| TW201801006A (zh) | 個人化網路行銷推薦方法 | |
| CN112015970A (zh) | 产品推荐方法、相关设备及计算机存储介质 | |
| US20090198556A1 (en) | System and process for selecting personalized non-competitive electronic advertising | |
| CN116109354A (zh) | 内容推荐方法、装置、设备、存储介质及计算机程序产品 | |
| US20090199233A1 (en) | System and process for generating a selection model for use in personalized non-competitive advertising |
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 |