TWI552099B - Recommended user method and device - Google Patents

Recommended user method and device Download PDF

Info

Publication number
TWI552099B
TWI552099B TW101128242A TW101128242A TWI552099B TW I552099 B TWI552099 B TW I552099B TW 101128242 A TW101128242 A TW 101128242A TW 101128242 A TW101128242 A TW 101128242A TW I552099 B TWI552099 B TW I552099B
Authority
TW
Taiwan
Prior art keywords
seller
sellers
transaction
trajectory
buyer
Prior art date
Application number
TW101128242A
Other languages
English (en)
Other versions
TW201346820A (zh
Inventor
Dong-Yan Cheng
Original Assignee
Alibaba Group Services 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 Alibaba Group Services Ltd filed Critical Alibaba Group Services Ltd
Publication of TW201346820A publication Critical patent/TW201346820A/zh
Application granted granted Critical
Publication of TWI552099B publication Critical patent/TWI552099B/zh

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

推薦用戶的方法及裝置
本發明涉及通信技術領域,尤其涉及一種推薦用戶的方法及裝置。
隨著購物網站的興起,賣家可以直接在購物網站上開設網路商店並出售商品,而不必考慮開設實體商店所帶來的高昂費用,買家也可以足不出戶,直接在購物網站上購買商品,這極大的提高了商品交易的效率。
在購物網站中,用戶推薦是一種提高賣家的商品成交量的有效方法,當買家點擊某個賣家的頁面時,伺服器除了將該賣家出售的商品資訊提供給買家之外,還可以向該買家提供出售與該賣家的商品相關的其他商品的賣家的資訊。
例如,賣家a出售的商品為品牌A的手機,賣家b出售的商品是該品牌A的手機的保護殼和保護袋,賣家c出售的商品是該品牌A的手機的電池、充電器和耳機。當買家點擊該賣家a的頁面時,伺服器將該賣家a出售的該品牌A手機的商品資訊提供給買家的同時,還將賣家b和賣家c的資訊提供給買家,也即將賣家b和賣家c推薦給買家,以方便該買家在訂購該品牌A的手機後,直接到賣家b和賣家c處挑選需要的配件。
要實現上述用戶推薦的方法,就需要伺服器預先建立 各個賣家之間的關聯關係,並在向買家提供某個賣家的頁面時,將與該賣家具有關聯關係的其他賣家的資訊提供給買家。
然而,在現有技術中,伺服器建立各個賣家之間的關聯關係時,是根據賣家提交的其出售商品的類型資訊來建立的,而賣家提交的出售商品的類型資訊是由賣家人為判斷並填寫的,因此無可避免的會出現賣家填寫的出售商品的類型資訊與其實際出售的商品不符的情況,這就會導致伺服器建立各個賣家之間的關聯關係的準確性下降,使得後續用戶推薦的準確性下降,浪費相關處理資源。
本發明實施例提供一種推薦用戶的方法及裝置,用以解決現有技術中用戶推薦的準確性低,浪費相關處理資源的問題。
本發明實施例提供的一種推薦用戶的方法,包括:伺服器提取買家的交易記錄,按照所述交易記錄中每個記錄生成的先後順序,將每個記錄中記錄的賣家進行排序,將排序後的各賣家確定為所述買家的交易軌跡;及將分別針對不同買家確定的交易軌跡進行比較,確定相同的交易軌跡,為所述相同的交易軌跡中包含的每個賣家之間建立關聯關係;以及根據建立的賣家之間的關聯關係進行用戶推薦。
本發明實施例提供的一種推薦用戶的裝置,包括: 軌跡確定模組,用於提取買家的交易記錄,按照所述交易記錄中每個記錄生成的先後順序,將每個記錄中記錄的賣家進行排序,將排序後的各賣家確定為所述買家的交易軌跡;關聯模組,用於將分別針對不同買家確定的交易軌跡進行比較,確定相同的交易軌跡,為所述相同的交易軌跡中包含的每個賣家之間建立關聯關係;用戶推薦模組,用於根據建立的賣家之間的關聯關係進行用戶推薦。
本發明實施例提供一種推薦用戶的方法及裝置,該方法根據買家的交易記錄中每個記錄生成的先後順序,將每個記錄中記錄的賣家進行排序,形成該買家的交易軌跡,將分別針對不同買家確定的交易軌跡進行比較,確定相同的交易軌跡,為相同的交易軌跡中包含的每個賣家之間建立關聯關係,根據建立的賣家之間的關聯關係進行用戶推薦。由於各買家的相同的交易軌跡可以代表在實際交易過程中各賣家的關聯性,因此本發明實施例中伺服器根據各買家的相同的交易軌跡為賣家建立關聯關係,而非根據賣家人為填寫的其出售商品的類型資訊建立關聯關係,可以提高伺服器建立各賣家之間的關聯關係的準確性,進而提高用戶推薦的準確性,節省了相關處理資源。
假設賣家a出售的商品為品牌A的手機,賣家b出售 的商品是品牌A的手機配件,賣家c出售的商品是品牌B的手機配件,如果賣家b人為填寫的其出售商品的類型資訊出現錯誤,如填寫為品牌B的手機配件(實際上應該是品牌A的手機配件),而賣家c人為填寫的其出售商品的類型資訊也出現錯誤,如填寫為品牌A的手機配件(實際上應該是品牌B的手機配件),那麽,現有技術中伺服器根據各賣家提交的其出售商品的類型資訊,就會將賣家a與賣家c建立關聯關係,而不為賣家a和賣家b之間建立關聯關係。顯然,實際上賣家a應該與賣家b建立關聯關係,而不應該與賣家c建立關聯關係,這就會導致在進行用戶推薦時,如果一個買家點擊了賣家a的頁面,則伺服器就會在該頁面中提供與賣家a具有關聯關係的賣家c,而不提供賣家b,從而降低了用戶推薦的準確性,浪費相關處理資源。
考慮到實際應用中一個買家在購買多個商品時,往往是具有一定的邏輯性的,例如一個買家在賣家a處購買了品牌A的手機後,會到賣家b處購買該品牌A的手機的保護殼、保護套、充電器等配件,而即使賣家b人為填寫的其出售商品的類型資訊有誤,但是買家在購買商品時的邏輯卻是不變的。因此,本發明實施例中引入交易軌跡的概念,將與買家產生過交易行為的各個賣家按照與該買家產生交易行為的時間先後順序進行排序,形成該買家的交易軌跡,如果針對不同買家確定的交易軌跡相同,則說明具有相同的交易軌跡的不同買家在購買商品時具有相同或 者近似相同的邏輯性,進而說明相同的交易軌跡中所包含的賣家是具有關聯性的,從而伺服器為相同的交易軌跡中包含的各賣家之間建立關聯關係,並據此進行用戶推薦。
下面結合說明書附圖,對本發明實施例進行詳細描述。
圖1為本發明實施例提供的推薦用戶的過程,具體包括以下步驟:
S101:伺服器提取買家的交易記錄,按照所述交易記錄中每個記錄生成的先後順序,將每個記錄中記錄的賣家進行排序,將排序後的各賣家確定為所述買家的交易軌跡。
在本發明實施例中,伺服器針對每個買家都保存了相應的交易記錄,該交易記錄中的每個記錄中記錄了相應買家產生的交易行為、產生該交易行為的時間、產生該交易行為所對應的賣家等資訊,因此,伺服器針對一個買家,根據該買家的交易記錄,按照該交易記錄中每個記錄生成的先後順序,將每個記錄中記錄的賣家進行排序,形成該買家的交易軌跡。其中,可以提取該買家在設定時間段內的交易記錄,如過去3個月的交易記錄。
例如,對於買家1,交易記錄中共有4個記錄,這4個記錄中分別記錄的賣家為賣家1~4,表示該買家1分別與賣家1~4這4個賣家各發生過一次交易行為,共4次交易行為,按照這4個記錄生成的先後順序,將賣家1~4進行排序為:賣家1,賣家2,賣家3,賣家4。則排序後的 4個賣家就是該買家1的交易軌跡,表示該買家1依次從賣家1、賣家2、賣家3、賣家4處購買了商品。
S102:將分別針對不同買家確定的交易軌跡進行比較,確定相同的交易軌跡,為相同的交易軌跡中包含的每個賣家之間建立關聯關係。
在本發明實施例中,伺服器在採用上述步驟S101的方法針對不同買家都確定了相應的交易軌跡後,對不同買家的交易軌跡進行比較,確定其中相同的交易軌跡。
繼續沿用上例,如果伺服器透過上述步驟S101針對買家2確定的交易軌跡也是:賣家1,賣家2,賣家3,賣家4,則買家1和買家2的交易軌跡相同,說明買家1和買家2在購買商品時具有相同或近似相同的邏輯,進而說明賣家1~4這4個賣家之間具有關聯性,因此伺服器建立賣家1~4之間的關聯關係。
較佳的,伺服器在為相同的交易軌跡中包含的每個賣家之間建立關聯關係之前,先要判斷相同的交易軌跡的數量,當確定相同的交易軌跡的數量大於設定數量時,再為相同的交易軌跡中包含的每個賣家之間建立關聯關係。其中,該設定數量可以根據需要進行設定。
繼續沿用上例,由於買家1和買家2的交易軌跡都是賣家1,賣家2,賣家3,賣家4,但考慮到只有兩個交易軌跡相同可能並不能充分的說明這4個賣家之間確實具有關聯性,因此伺服器可以判斷該相同的交易軌跡的數量是否大於設定數量,也即具有該交易軌跡的買家的數量是否 大於設定數量,假設伺服器共確定了100個買家的交易軌跡,該設定數量為10,則伺服器判斷針對這100個買家確定的100個交易軌跡中,該相同的交易軌跡(賣家1,賣家2,賣家3,賣家4)的數量是否大於10,也即判斷是否存在至少11個買家具有該相同的交易軌跡,如果是,則認為此時可以充分的說明賣家1~4這4個賣家之間確實具有關聯性,建立賣家1~4之間的關聯關係,否則不建立賣家1~4之間的關聯關係。
S103:根據建立的賣家之間的關聯關係進行用戶推薦。
透過上述步驟S101和S102,伺服器已經為各賣家之間建立了關聯關係,因此,在進行用戶推薦時,可以根據已建立的各賣家之間的關聯關係進行用戶推薦,具體可以在提供某個賣家的頁面時,在該頁面中提供與該賣家具有關聯關係的其他賣家。
繼續沿用上例,由於已經建立了賣家1~4之間的關聯關係,因此,在向某個買家提供賣家1的頁面時,在該頁面中提供與賣家1具有關聯關係的賣家2、賣家3、賣家4。
透過上述方法,伺服器為各買家的相同的交易軌跡中包含的各賣家之間建立關聯關係,由於各買家的相同的交易軌跡可以代表在實際交易過程中各賣家的關聯性,因此,本發明實施例提供的推薦用戶的方法可以提高建立各賣家之間的關聯關係的準確性,進而提高用戶推薦的準確 性,節省了相關處理資源。
考慮到在實際應用中,不同買家的需求、購買商品時的邏輯性不可能完全相同,因此在按照上述步驟S101確定的各買家的交易軌跡中,出現相同的交易軌跡的可能性並不高,如圖2所示。
圖2為本發明實施例提供的確定的各買家的交易軌跡示意圖,在圖2中,採用步驟S101確定的各買家的交易軌跡如下:買家1的交易軌跡為:賣家1,賣家2,賣家3,賣家4;買家2的交易軌跡為:賣家1,賣家2,賣家3;買家3的交易軌跡為:賣家2,賣家1,賣家3,賣家4;買家4的交易軌跡為:賣家1,賣家2,賣家4。
可見,上述4個買家的交易軌跡雖然相似,但卻各不相同。透過這4個交易軌跡可以看出,賣家1~4顯然是具有一定的關聯性的,但是,由於這4個交易軌跡各不相同,因此,伺服器不能確定出這4個交易軌跡中相同的交易軌跡,也就不能為賣家1~4建立關聯關係,這也會導致為各賣家建立關聯關係的準確性下降,使用戶推薦的準確性下降。
因此,為了進一步提高為各賣家建立關聯關係的準確性,以進一步提高用戶推薦的準確性,本發明實施例中確定買家的交易軌跡的方法具體為,針對一個買家,按照該 買家的交易記錄中每個記錄生成的先後順序,將每個記錄中記錄的賣家進行排序,根據排序後的各賣家,採用設定方法確定軌跡,將採用該設定方法能夠確定的每個不同的軌跡作為針對該買家確定的每個交易軌跡,其中,採用設定方法確定軌跡具體為:在排序後的各賣家中任意提取兩個賣家,按照任意提取的兩個賣家在排序後的各賣家中的排序順序,將該兩個賣家進行排序,將排序後的兩個賣家確定為一個軌跡。
也即,根據排序後的各賣家,遍曆在各賣家中任意提取兩個賣家的所有情況,針對每種情況,按照任意提取的兩個賣家在排序後的各賣家中的排序順序,將該兩個賣家進行排序,將排序後的兩個賣家確定為該買家的一個交易軌跡。
繼續以圖2為例進行說明,針對買家1,排序後的各賣家為:賣家1,賣家2,賣家3,賣家4,則任意在這4個賣家中提取兩個賣家,假設為賣家1和賣家2,這兩個賣家之前的排序順序為賣家1在前,賣家2在後,因此按照這個排序順序將這兩個賣家進行排序為:賣家1,賣家2,從而該買家1的一條交易軌跡為:賣家1,賣家2,記為L12。
仍然針對買家1,假設任意提取的兩個賣家為賣家1和賣家3,這兩個賣家之前的排序順序為賣家1在前,賣家3在後,因此按照這個排序順序將這兩個賣家進行排序為:賣家1,賣家3,從而該買家1的另一條交易軌跡 為:賣家1,賣家3,記為L13。
以此類推,針對買家1,共可以確定出6條交易軌跡,分別為:L12、L13、L14、L23、L24、L34。
相應的,針對買家2,共可以確定出3條交易軌跡,分別為:L12、L13、L23。
針對買家3,共可以確定出6條交易軌跡,分別為:L21、L23、L24、L13、L14、L34。
針對買家4,共可以確定出3條交易軌跡,分別為:L12、L14、L24。
這樣,針對買家1~4,共確定出18條交易軌跡,每條交易軌跡中只包含兩個賣家,從而,在步驟S102中,確定相同的交易軌跡的方法為,針對兩個交易軌跡,當其中一個交易軌跡包含的各買家與另一個交易軌跡包含的各賣家相同,且該兩個交易軌跡中分別包含的各賣家的排序順序也相同時,確定該兩個交易軌跡為相同的交易軌跡。
繼續沿用上例,在針對買家1~4確定出的這18條交易軌跡中,L12和L21是兩條不相同的交易軌跡,這是因為雖然這兩條交易軌跡中都包含賣家1和賣家2,但是兩條交易軌跡中賣家1和賣家2的排序順序是不同的。
透過上述確定相同的交易軌跡的方法,在這18條交易軌跡中確定出的相同的交易軌跡分別為:L12(3條)、L13(3條)、L14(3條)、L23(3條)、L24(3條)、L34(2條)。假設設定數量為2,則具有L34這條交易軌跡的買家(買家1和買家3)的數量不大於該設 定數量,因此不建立賣家3和賣家4的關聯關係。而具有L12、L13、L14、L23、L24這些交易軌跡的買家的數量均為3,大於設定數量2,因此,建立賣家1和賣家2(包含在交易軌跡L12中)、賣家1和賣家3(包含在交易軌跡L13中)、賣家1和賣家4(包含在交易軌跡L14中)、賣家2和賣家3(包含在交易軌跡L23中)、賣家2和賣家4(包含在交易軌跡L24中)的關聯關係。
在後續的步驟中,則可以根據建立的上述關聯關係進行用戶推薦。例如,在提供賣家1的頁面時,在該頁面中提供與該賣家1具有關聯關係的賣家2、賣家3、賣家4。而在提供賣家3的頁面時,在該賣家3的頁面中提供賣家1和賣家2,不提供賣家4,在提供賣家4的頁面時,在該賣家4的頁面中也只提供賣家1和賣家2,不提供賣家3,這是因為賣家3和賣家4之間並沒有建立關聯關係。
在本發明實施例中,當確定了相同的交易軌跡後,在為該相同的交易軌跡中包含的每個賣家之間建立關聯關係時,考慮到在某些場景中買家購買商品時的邏輯是具有一定的方向性的,而該方向是單向的,並不是雙向的,如果不考慮交易軌跡的方向性,可能會導致建立賣家之間的關聯關係時出現矛盾。
例如,一個買家在賣家1處購買了品牌A手機,然後在賣家2處購買了品牌A手機的保護殼,因此針對該買家確定的交易軌跡為:賣家1,賣家2。顯然可以直觀 的看出該買家購買商品的邏輯是:因為購買了品牌A手機,所以才要購買品牌A手機的保護殼。如果具有該交易軌跡的買家的數量大於設定數量,則會建立賣家1和賣家2的關聯關係。在實際應用中,大多數買家購買商品時是具有上述邏輯的,但是,如果將該邏輯反過來,所形成的逆向邏輯就是:因為購買了品牌A手機的保護殼,所以才要購買品牌A手機。顯然,只有少數買家才會具有該逆向邏輯,而該少數買家的交易軌跡就是:賣家2,賣家1。如果具有該逆向邏輯的買家的數量不大於設定數量,那麽具有“賣家2,賣家1”這個交易軌跡的買家的數量也不大於設定數量,因此不應該建立賣家2和賣家1的關聯關係,這樣就會出現矛盾。
因此,為了進一步提高建立賣家之間的關聯關係的準確性,本發明實施例中在為該相同的交易軌跡中包含的兩個賣家之間建立關聯關係的方法具體為:為該相同的交易軌跡中包含的各賣家建立單向關聯關係,其中,該單向關聯關係為排序在前的賣家指向排序在後的賣家的關聯關係。
繼續沿用上例,由上述確定兩個交易軌跡是否相同的方法可知,上例中的兩個交易軌跡並不相同,而由於具有“賣家1,賣家2”的交易軌跡的買家的數量大於設定數量,因此建立的賣家1和賣家2的關聯關係為單向關聯關係,也即由排序在前的賣家1指向排序在後的賣家2的關聯關係。相反,由於具有“賣家2,賣家1”的交易軌跡 的買家的數量不大於設定數量,因此不建立由賣家2指向賣家1的單向關聯關係。
更進一步的,當採用上述方法為賣家之間建立單向關聯關係時,根據建立的賣家之間的關聯關係進行用戶推薦的方法具體為:在提供賣家的頁面時,確定與該頁面所屬的賣家具有指定的單向關聯關係的其他賣家,其中,該指定的單向關聯關係包括被該頁面所屬的賣家所指向的單向關聯關係,在該頁面中提供確定的其他賣家。
繼續沿用上例,在提供賣家1的頁面時,由於指定的單向關聯關係為被該賣家1所指向的單向關聯關係,因此,確定與賣家1具有該指定的單向關聯關係的其他賣家即為賣家2,在賣家1的頁面中提供賣家2。相反,在提供賣家2的頁面時,由於指定的單向關聯關係為被該賣家2所指向的單向關聯關係,而賣家1並沒有被賣家2所指向,因此在賣家2的頁面中不提供賣家1。
採用上述方法進行用戶推薦時,可以準確的預測買家在當前頁面的賣家處購買了商品後,下一步可能需要瀏覽的其他賣家的頁面,因此進一步提高了用戶推薦的準確性。
另外,上述為賣家之間建立單向關聯關係的方法除了適用於買家購買商品的邏輯是具有單向方向性的場景之外,也適用於買家購買商品的邏輯是具有雙向方向性的場景。例如,買家1在賣家1處購買了三維(Three Dimensions,3D)電視,然後在賣家2處購買了3D影碟 機,因此針對該買家1確定的交易軌跡為:賣家1,賣家2。該買家1購買商品的邏輯是:因為購買了3D電視,所以才要購買3D影碟機。相反的,買家2在賣家2處購買了3D影碟機,然後在賣家1處購買了3D電視,因此,針對該買家2確定的交易軌跡為:賣家2,賣家1。該賣家2購買商品的邏輯是:因為購買了3D影碟機,所以才要購買3D電視。在實際應用中,在購買商品時分別具有買家1和買家2的兩種邏輯的買家的數量可能相差不大,而如果這兩種交易軌跡均大於設定數量,伺服器則會建立賣家1指向賣家2的單向關聯關係,以及賣家2指向賣家1的單向關聯關係,從而在進行用戶推薦時,在賣家1的頁面中提供賣家2,也在賣家2的頁面中提供賣家1。
另外,為了進一步提高用戶推薦的準確性,除了考慮關聯關係的方向性之外,還可以考慮關聯關係的關聯性的強弱。具體的,將在步驟S102中建立的關聯關係劃分為強關聯關係,也即,將為處於同一個交易軌跡中的每個賣家之間建立的關聯關係劃分為強關聯關係。並且,針對兩個不具有強關聯關係的賣家,如果存在至少一個不同於這兩個賣家的其他賣家與這兩個賣家分別具有強關聯關係,則為這兩個不具有強關聯關係的賣家建立弱關聯關係。
例如,對於交易軌跡“賣家1,賣家3”和“賣家1,賣家4”,建立賣家1和賣家3的關聯關係,建立賣家1和賣家4的關聯關係,將建立的賣家1和賣家3、賣 家1和賣家4的關聯關係劃分為強關聯關係,而對於不具有強關聯關係的賣家3和賣家4,由於存在賣家1分別與賣家3和賣家4都具有強關聯關係,因此建立賣家3和賣家4之間的弱關聯關係。
當建立了上述強關聯關係和弱關聯關係之後,進行用戶推薦的方法具體可以為:當提供賣家的頁面時,分別確定與該賣家具有強關聯關係的賣家,以及與該賣家具有弱關聯關係的賣家,按照關聯關係的強弱順序將確定的各賣家進行排序並在該頁面中提供。繼續沿用上例,在提供賣家3的頁面時,由於賣家3與賣家1具有強關聯關係,與賣家4具有弱關聯關係,因此可以將賣家1、賣家4排序為:賣家1、賣家4,也就是與賣家3具有強關聯關係的賣家排序靠前,與賣家3具有弱關聯關係的賣家排序靠後,並在賣家3的頁面中將排序後的賣家1和賣家4提供。
基於上述同樣的思路,本發明實施例還提供一種推薦用戶的裝置,如圖3所示。圖3為本發明實施例提供的推薦用戶的裝置結構示意圖,具體包括:軌跡確定模組301,用於提取買家的交易記錄,按照所述交易記錄中每個記錄生成的先後順序,將每個記錄中記錄的賣家進行排序,將排序後的各賣家確定為所述買家的交易軌跡;關聯模組302,用於將分別針對不同買家確定的交易軌跡進行比較,確定相同的交易軌跡,為所述相同的交易 軌跡中包含的每個賣家之間建立關聯關係;用戶推薦模組303,用於根據建立的賣家之間的關聯關係進行用戶推薦。
所述軌跡確定模組301具體用於,根據排序後的各賣家,採用設定方法確定軌跡,將採用所述設定方法能夠確定的每個不同的軌跡作為針對所述買家確定的每個交易軌跡,其中,採用設定方法確定軌跡具體為:在排序後的各賣家中任意提取兩個賣家,按照任意提取的兩個賣家在排序後的各賣家中的排序順序,將所述兩個賣家進行排序,將排序後的兩個賣家確定為一個軌跡。
所述關聯模組302具體用於,針對兩個交易軌跡,當其中一個交易軌跡包含的各賣家與另一個交易軌跡包含的各賣家相同,且該兩個交易軌跡中分別包含的各賣家的排序順序也相同時,確定該兩個交易軌跡為相同的交易軌跡;在為所述相同的交易軌跡中包含的每個賣家之間建立關聯關係時,為所述相同的交易軌跡中包含的各賣家建立單向關聯關係,其中,所述單向關聯關係為排序在前的賣家指向排序在後的賣家的關聯關係。
所述用戶推薦模組303具體用於,在提供賣家的頁面時,確定與所述頁面所屬的賣家具有指定的單向關聯關係的其他賣家,並在所述頁面中提供確定的其他賣家,其中,所述指定的單向關聯關係包括被所述頁面所屬的賣家所指向的單向關聯關係。
所述關聯模組302還用於,在為所述相同的交易軌跡 中包含的每個賣家之間建立關聯關係之前,確定具有所述相同的交易軌跡的買家的數量大於設定數量。
具體的上述推薦用戶的裝置可以位於伺服器中。
本發明實施例提供一種推薦用戶的方法及裝置,該方法根據買家的交易記錄中每個記錄生成的先後順序,將每個記錄中記錄的賣家進行排序,形成該買家的交易軌跡,將分別針對不同買家確定的交易軌跡進行比較,確定相同的交易軌跡,為相同的交易軌跡中包含的每個賣家之間建立關聯關係,根據建立的賣家之間的關聯關係進行用戶推薦。由於各買家的相同的交易軌跡可以代表在實際交易過程中各賣家的關聯性,因此本發明實施例中伺服器根據各買家的相同的交易軌跡為賣家建立關聯關係,而非根據賣家人為填寫的其出售商品的類型資訊建立關聯關係,可以提高伺服器建立各賣家之間的關聯關係的準確性,進而提高用戶推薦的準確性,節省相關處理資源。
顯然,本領域的技術人員可以對本發明進行各種改動和變型而不脫離本發明的精神和範圍。這樣,倘若本發明的這些修改和變型屬於本發明權利要求及其等同技術的範圍之內,則本發明也意圖包含這些改動和變型在內。
301‧‧‧軌跡確定模組
302‧‧‧關聯模組
303‧‧‧用戶推薦模組
附圖說明
圖1為本發明實施例提供的推薦用戶的過程;圖2為本發明實施例提供的確定的各買家的交易軌跡 示意圖;圖3為本發明實施例提供的推薦用戶的裝置結構示意圖。

Claims (6)

  1. 一種推薦用戶的方法,其特徵在於,包括:伺服器提取買家的交易記錄,根據邏輯並按照該交易記錄中每個記錄生成的先後順序,將每個記錄中記錄的賣家進行排序,將排序後的各賣家確定為該買家的交易軌跡,具體包括:根據排序後的各賣家,採用設定方法確定軌跡,將採用該設定方法能夠確定的每個不同的軌跡作為針對該買家確定的每個交易軌跡,其中,採用設定方法確定軌跡具體為:在排序後的各賣家中任意提取兩個賣家,按照任意提取的兩個賣家在排序後的各賣家中的排序順序,將該兩個賣家進行排序,將排序後的兩個賣家確定為一個軌跡;並將分別針對不同買家確定的交易軌跡進行比較,確定相同的交易軌跡,為該相同的交易軌跡中包含的每個賣家之間建立關聯關係,其中該確定相同的交易軌跡,具體包括:針對兩個交易軌跡,當其中一個交易軌跡包含的各賣家與另一個交易軌跡包含的各賣家相同,且該兩個交易軌跡中分別包含的各賣家的排序順序也相同時,確定該兩個交易軌跡為相同的交易軌跡;為該相同的交易軌跡中包含的每個賣家之間建立關聯關係,具體包括:確定具有該相同的交易軌跡的買家的數量大 於設定數量;以及根據建立的賣家之間的關聯關係進行用戶推薦。
  2. 如申請專利範圍第1項所述的方法,其中,為該相同的交易軌跡中包含的每個賣家之間建立關聯關係,更包括:在確定具有該相同的交易軌跡的買家的數量大於該設定數量之後,為該相同的交易軌跡中包含的各賣家建立單向關聯關係,其中,該單向關聯關係為排序在前的賣家指向排序在後的賣家的關聯關係。
  3. 如申請專利範圍第2項所述的方法,其中,根據建立的賣家之間的關聯關係進行用戶推薦,具體包括:在提供賣家的頁面時,確定與該頁面所屬的賣家具有指定的單向關聯關係的其他賣家,其中,該指定的單向關聯關係包括被該頁面所屬的賣家所指向的單向關聯關係;且在該頁面中提供確定的其他賣家。
  4. 一種推薦用戶的裝置,其特徵在於,包括:軌跡確定模組,用於提取買家的交易記錄,根據邏輯並按照該交易記錄中每個記錄生成的先後順序,將每個記錄中記錄的賣家進行排序,將排序後的各賣家確定為該買家的交易軌跡;關聯模組,用於將分別針對不同買家確定的交易軌跡進行比較,確定相同的交易軌跡,為該相同的交易軌跡中包含的每個賣家之間建立關聯關係,其中該確定相同的交 易軌跡,具體包括:針對兩個交易軌跡,當其中一個交易軌跡包含的各賣家與另一個交易軌跡包含的各賣家相同,且該兩個交易軌跡中分別包含的各賣家的排序順序也相同時,確定該兩個交易軌跡為相同的交易軌跡;為該相同的交易軌跡中包含的每個賣家之間建立關聯關係,具體包括:確定具有該相同的交易軌跡的買家的數量大於設定數量;用戶推薦模組,用於根據建立的賣家之間的關聯關係進行用戶推薦,其中,該軌跡確定模組具體用於,根據排序後的各賣家,採用設定方法確定軌跡,將採用該設定方法能夠確定的每個不同的軌跡作為針對該買家確定的每個交易軌跡,其中,採用設定方法確定軌跡具體為:在排序後的各賣家中任意提取兩個賣家,按照任意提取的兩個賣家在排序後的各賣家中的排序順序,將該兩個賣家進行排序,將排序後的兩個賣家確定為一個軌跡。
  5. 如申請專利範圍第4項所述的裝置,其中,該關聯模組具體用於,在為該相同的交易軌跡中包含的每個賣家之間建立關聯關係之前,確定具有該相同的交易軌跡的買家的數量大於該設定數量,並為該相同的交易軌跡中包含的各賣家建立單向關聯關係,其中,該單向關聯關係為排序在前的賣家指向排序在後的賣家的關聯關係。
  6. 如申請專利範圍第5項所述的裝置,其中,該用戶推薦模組具體用於,在提供賣家的頁面時,確定與該頁面所屬的賣家具有指定的單向關聯關係的其他賣家,並在該頁面中提供確定的其他賣家,其中,該指定的單向關聯關係包括被該頁面所屬的賣家所指向的單向關聯關係。
TW101128242A 2012-05-14 2012-08-06 Recommended user method and device TWI552099B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2012101490460A CN103426096A (zh) 2012-05-14 2012-05-14 一种推荐用户的方法及装置

Publications (2)

Publication Number Publication Date
TW201346820A TW201346820A (zh) 2013-11-16
TWI552099B true TWI552099B (zh) 2016-10-01

Family

ID=48485522

Family Applications (1)

Application Number Title Priority Date Filing Date
TW101128242A TWI552099B (zh) 2012-05-14 2012-08-06 Recommended user method and device

Country Status (6)

Country Link
US (1) US20130304539A1 (zh)
EP (1) EP2850544A4 (zh)
JP (1) JP6199958B2 (zh)
CN (1) CN103426096A (zh)
TW (1) TWI552099B (zh)
WO (1) WO2013173194A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105590223A (zh) * 2014-12-29 2016-05-18 中国银联股份有限公司 商户的商圈信息的标定
CN106296252B (zh) * 2015-06-04 2021-12-21 阿里巴巴集团控股有限公司 用户推荐方法及装置
CN106980999A (zh) * 2016-01-19 2017-07-25 阿里巴巴集团控股有限公司 一种用户推荐的方法和设备
CN106779749A (zh) * 2016-12-26 2017-05-31 安徽维智知识产权代理有限公司 一种基于ip地址的专利产品交易方法
CN109062955A (zh) * 2018-06-25 2018-12-21 广东神马搜索科技有限公司 项目间关联关系挖掘方法、装置、计算设备及存储介质
CN109767292A (zh) * 2018-12-20 2019-05-17 厦门笨鸟电子商务有限公司 一种买家公司推荐方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090281988A1 (en) * 2008-05-06 2009-11-12 Yellowpages.Com Llc Systems and Methods to Provide Search Based on Social Graphs and Affinity Groups
TW201015475A (en) * 2008-10-02 2010-04-16 Yahoo Inc System and methodology for recommending purchases for a shopping intent
US20110231257A1 (en) * 2010-03-19 2011-09-22 Visa U.S.A. Inc. Systems and Methods to Identify Differences in Spending Patterns

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6430539B1 (en) * 1999-05-06 2002-08-06 Hnc Software Predictive modeling of consumer financial behavior
US7330826B1 (en) * 1999-07-09 2008-02-12 Perfect.Com, Inc. Method, system and business model for a buyer's auction with near perfect information using the internet
AU6116700A (en) * 1999-07-21 2001-02-13 Netgenshopper.Com, Inc. Network-based transaction system and method
US6904336B2 (en) * 2001-12-28 2005-06-07 Fannie Mae System and method for residential emissions trading
US20040088179A1 (en) * 2002-11-06 2004-05-06 Cogen Jack D. Emissions reduction portfolio
US7983929B2 (en) * 2003-02-10 2011-07-19 South Dakota School Of Mines And Technology Technique for determining and reporting reduction in emissions of greenhouse gases at a site
US20060015424A1 (en) * 2004-07-15 2006-01-19 Augusta Systems, Inc. Management method, system and product for enterprise environmental programs
US7970642B2 (en) * 2005-12-27 2011-06-28 Alex Anas Computer based system to generate data for implementing regional and metropolitan economic, land use and transportation planning
JP2008117070A (ja) * 2006-11-01 2008-05-22 Matching Method Research Institute Co Ltd ショッピング情報提供方法およびシッピング情報提供システム
US8050998B2 (en) * 2007-04-26 2011-11-01 Ebay Inc. Flexible asset and search recommendation engines
US8423425B2 (en) * 2007-11-14 2013-04-16 Panjiva, Inc. Evaluating public records of supply transactions for financial investment decisions
CN101206751A (zh) * 2007-12-25 2008-06-25 北京科文书业信息技术有限公司 基于数据挖掘的顾客推荐系统及其方法
US8224845B2 (en) * 2008-01-21 2012-07-17 International Business Machines Corporation Transaction prediction modeling method
US20110010208A1 (en) * 2009-07-09 2011-01-13 Barak Yekutiely Method for integrated climate change mitigation & adaptation
KR101106220B1 (ko) * 2011-01-17 2012-01-19 롯데건설 주식회사 목적지향형 건축물 전생애 환경부하 평가시스템
US20130204738A1 (en) * 2011-01-26 2013-08-08 Agilone Inc. Systems and methods for recommending entities to online customers
WO2012154267A1 (en) * 2011-02-22 2012-11-15 Enviance, Inc. Environmental impact assessment system and method
US20130035973A1 (en) * 2011-08-01 2013-02-07 Infosys Limited Assessing green it maturity and providing green it recommendations
CN102236867A (zh) * 2011-08-15 2011-11-09 悠易互通(北京)广告有限公司 基于云计算的受众行为分析广告定向系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090281988A1 (en) * 2008-05-06 2009-11-12 Yellowpages.Com Llc Systems and Methods to Provide Search Based on Social Graphs and Affinity Groups
TW201015475A (en) * 2008-10-02 2010-04-16 Yahoo Inc System and methodology for recommending purchases for a shopping intent
US20110231257A1 (en) * 2010-03-19 2011-09-22 Visa U.S.A. Inc. Systems and Methods to Identify Differences in Spending Patterns

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
網路文獻作者名稱:"Wagner A. Kamakura",著作名稱:Sequential market basket analysis,網址:"http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2391282" *

Also Published As

Publication number Publication date
JP2015521321A (ja) 2015-07-27
JP6199958B2 (ja) 2017-09-20
TW201346820A (zh) 2013-11-16
US20130304539A1 (en) 2013-11-14
EP2850544A1 (en) 2015-03-25
CN103426096A (zh) 2013-12-04
WO2013173194A1 (en) 2013-11-21
EP2850544A4 (en) 2016-02-17

Similar Documents

Publication Publication Date Title
US10049139B2 (en) Diversity within search results
TWI552099B (zh) Recommended user method and device
TWI512653B (zh) Information providing method and apparatus, method and apparatus for determining the degree of comprehensive relevance
WO2020215751A1 (zh) 一种推荐方法、电子设备及可读存储介质
JP5897019B2 (ja) 候補製品のリンクリストを判定する方法および装置
US10726460B2 (en) Network commerce system with lead processing
JP2019512809A (ja) サービス対象のための時分割推薦方法及び装置
US11734736B2 (en) Building containers of uncategorized items
CN109493113A (zh) 一种优惠信息的提供方法以及装置
US20120317120A1 (en) System and method for mining category aspect information
CN111461836A (zh) 一种提升商品交易的信息处理方法及装置
CN104615721A (zh) 用于基于退货关联信息推荐商品的方法和系统
KR101637986B1 (ko) 최적 상품 제공 시스템 및 그 방법
CN103793828A (zh) 一种电子购物的方法和装置
US20200012690A1 (en) Searching multiple sellers by multiple matching items
US9881087B2 (en) Searching multiple sellers by multiple matching items
WO2022099965A1 (zh) 电商活动配置方法、装置、计算机设备和可读存储介质
CN111178974B (zh) 一种提高多平台融合性的方法和装置
KR101714013B1 (ko) 쇼핑 서비스 제공 장치, 방법 및 컴퓨터 프로그램
TWM613196U (zh) 一種用於在社群網路販售商品的社群機器人管理系統
CN106682911A (zh) 业务对象的质检方法及装置
US20120316988A1 (en) Method and system for online searching and purchasing of multiple products simultaneously
TW201926206A (zh) 基於資源增值對象與資源對象的處理方法及裝置
Senthilkumar et al. A new approach to product recommendation systems
KR101979300B1 (ko) 온라인 경매 서비스 제공 방법 및 장치