WO2014194657A1 - 产品信息推荐方法、装置和系统 - Google Patents

产品信息推荐方法、装置和系统 Download PDF

Info

Publication number
WO2014194657A1
WO2014194657A1 PCT/CN2013/090662 CN2013090662W WO2014194657A1 WO 2014194657 A1 WO2014194657 A1 WO 2014194657A1 CN 2013090662 W CN2013090662 W CN 2013090662W WO 2014194657 A1 WO2014194657 A1 WO 2014194657A1
Authority
WO
WIPO (PCT)
Prior art keywords
product
user
product information
list
label
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.)
Ceased
Application number
PCT/CN2013/090662
Other languages
English (en)
French (fr)
Inventor
李键
程刚
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.)
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Shangke Information 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 Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Shangke Information Technology Co Ltd
Priority to RU2015154732A priority Critical patent/RU2641268C2/ru
Priority to US14/896,285 priority patent/US20160125503A1/en
Priority to AU2013391827A priority patent/AU2013391827A1/en
Publication of WO2014194657A1 publication Critical patent/WO2014194657A1/zh
Anticipated expiration legal-status Critical
Priority to AU2017248479A priority patent/AU2017248479A1/en
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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—Recommending goods or services
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Definitions

  • the present invention relates to the field of communications technologies, and in particular, to information recommendation. Background technique
  • online shopping is a great change in traditional trading. Due to its low transaction cost, easy operation and high efficiency, it is gradually favored by people.
  • online shopping how to accurately recommend product information to the right user, so that users can more easily obtain the product information they need and are interested in from the information sea, saving users' search time, improving user experience quality and information processing efficiency. It has gradually become a concern of people.
  • Embodiments of the present invention provide a product information recommendation method, apparatus, and system, which can recommend product information to users with corresponding needs.
  • An embodiment of the present invention provides a product information recommendation method, including:
  • obtaining a product list including product information of at least one product, Product information includes a product name and a price index, and the product information is associated with at least one product label;
  • the present invention provides a product information recommendation apparatus, including:
  • a product information obtaining unit configured to acquire a product list from a server, the product list includes product information of at least one product, the product information includes a product name and a price index, and the product information is related to at least one product label Union
  • a user information collecting unit configured to calculate a purchasing power index of the user, and obtain a personalized label of the user, where the personalized label is a collection of product labels that the user likes;
  • a product recommendation list generating unit configured to generate a product recommendation list for the user according to the purchasing power index, the personalized label, the product label, and the price index, wherein the product information in the product recommendation list is selected from the Product List;
  • a recommendation unit configured to perform recommendation to the user based on the product recommendation list.
  • the embodiment of the present invention further provides a communication system, including a server and any product information recommendation device provided by the embodiment of the present invention.
  • the embodiment of the present invention may obtain a product list including product information of at least one product, where the product information includes a product name and a price index, and the product label is set according to the product name in the product list, and the purchasing power of the user is calculated.
  • FIG. 1 is a flowchart of a product information recommendation method according to an embodiment of the present invention.
  • FIG. 2 is a flowchart of a product information recommendation method according to another embodiment of the present invention.
  • FIG. 3 is a flowchart of a product information recommendation method according to another embodiment of the present invention.
  • [0022] 4 is a schematic structural diagram of a product information recommendation apparatus according to an embodiment of the present invention.
  • FIG. 5 is a schematic structural diagram of a server according to an embodiment of the present invention. detailed description
  • Embodiments of the present invention provide a product information recommendation method, apparatus, and system. The following is a detailed description.
  • a product information recommendation method comprising: obtaining a product list from a server, wherein the product list includes product information of at least one product, the product information including a product name and a price index, and the product information and the at least one product label Correlation; calculating the purchasing power index of the user, and obtaining a personalized label of the user, the personalized label is a collection of the user's favorite product label; generating a product recommendation for the user according to the purchasing power index, the personalized label, the product label, and the price index a list, wherein the product information in the product recommendation list is selected from the product list; and the user is recommended based on the product recommendation list.
  • the product list includes product information of at least one product
  • the product information may include a product name, a price index, and the like, and the product information is associated with at least one product label.
  • the product information may further include other information, for example, the product information may further include a recommendation score or the like.
  • the term "product label” refers to the attributes of a product.
  • the product label has which attribute values can be set according to the needs of the actual application.
  • the product label can include "time”, “metal texture”, “health” and / or "cortex”.
  • the label in the embodiment of the present invention is different from the classification of the commodity, but the positioning attribute of the commodity, such as fashion, fashion, nostalgia, and literary appeal, as well as metal sense, import, and origin protection. description.
  • the price index of the product in the embodiment of the present invention is reflected in how many of the similar products that have been sold have sold similar products below the price of the product. For example, if 1000 similar products have been sold, and 700 of them are lower than this product, the price index of the product is 0.7.
  • a logical distribution formula may be used for equalization, that is, After obtaining the product list (ie, step 101), the method may further include:
  • the calculation formula can be as follows:
  • _ ⁇ is the equilibrium price index
  • w(pr ⁇ ) is the average of the price index
  • a(price) is the variance of the price index.
  • the personalized tag is a collection of user-friendly product tags; for example, if a user likes a product having a product label such as "fashion” and “metal texture”, the user's personalized tag is "fashion” and “Metal texture”, the personalized label can be selected and set by the user, or can be statistically analyzed and analyzed by the system according to the user history purchase and browsing records, and then set according to the analysis result for the user, and will not be described here.
  • the purchasing power of the embodiment of the present invention is the price position of the price of the commodity purchased by the user in the same commodity.
  • the purchasing power index is a value that reflects the purchasing power of the user.
  • the purchasing power index of the user can be measured by the price index of the product purchased by the user.
  • the purchasing power index of the user can be calculated according to the price and weight of various products that the user has purchased, as follows:
  • the purchasing power index of the user in such products can be calculated as follows:
  • the price range of the towel is from 5 yuan to 100 yuan, and the towel purchased by the user is 20 yuan. In the past period of time, 85% of all sold towels were less than or equal to this price, and the user's purchasing power index in such products was 0.85.
  • the weight of each product purchased by the user is 1, that is, the purchasing power index of the user is equal to the price index of the product purchased by the user.
  • [0046] 103 Generate a product recommendation list for the user according to the purchasing power index and the personalized label obtained in step 102, and the product label and price index of each product information in the product list.
  • the product may be first selected according to the user purchasing power index, and then calculated according to the user's personalized label, and a product recommendation list for the user may be obtained; or, according to the user's personality
  • the label is calculated to obtain a product that meets the user's preference, and then the product that meets the user's consumption level is screened out from the products that meet the user's preference according to the user's purchasing power index, and a product recommendation list for the user is obtained.
  • the product recommendation list for the user may be generated in any of the following ways, as follows: [0048]
  • the first mode The first mode:
  • the product information in the product list is filtered according to the purchasing power index and the price index, and a set is obtained.
  • a first result set in the embodiment of the present invention; for example, the following may be specifically:
  • the first preset threshold may be set according to the requirements of the actual application, and details are not described herein again.
  • the second preset threshold may be set according to the requirements of the actual application, and details are not described herein again.
  • the product information in the product list is filtered according to the personalized label and the product label, and a set is obtained.
  • a third result set for the convenience of description, it is referred to as a third result set in the embodiment of the present invention.
  • the second preset threshold may be set according to the requirements of the actual application, and details are not described herein again.
  • the third result set is filtered according to the purchasing power index and the price index, and a set is obtained.
  • a fourth result set in the embodiment of the present invention; for example, the following may be specifically:
  • the first preset threshold may be set according to the requirements of the actual application, and details are not described herein again.
  • step 103 may specifically be:
  • a list of product recommendations for the user is generated based on the purchasing power index, the personalized tag, the product tag, and the post-equal price index.
  • [0068] 104 Perform a recommendation to the user based on the product recommendation list.
  • the embodiment may obtain a product list including product information of at least one product, where the product information includes a product name and a price index, and the product information is associated with at least one product label, and the user's Purchasing power index, and personalization of users a tag, and then generating a personalized product recommendation list for the user based on the purchasing power index, the personalized tag, the product tag, and the price index, and recommending the user based on the product recommendation list; the solution can not only accurately product
  • the information is recommended to users with corresponding needs, and since the product recommendation list is generated according to the purchasing power and hobbies of the user, it is more suitable for the user's needs and can improve the user experience quality.
  • the product that matches the user's consumption level is first screened according to the user's purchasing power index, and then the user's personalized product label is calculated according to the user's personalized label, and a product recommendation list for the user is taken as an example for description.
  • a product information recommendation method may be as follows:
  • the product information recommendation device acquires a product list from the server.
  • the product list may be preset or automatically generated by the system.
  • the product list may be a hot product recommendation list, and the hot product recommendation list may be generated by including product sales and user evaluation scores. And / or profit and other parameters to obtain a comprehensive calculation.
  • the order of product information in the hot product recommendation list can be sorted in various ways. For example, it can be sorted according to the sales volume of the product, or sorted according to the user evaluation score, or can be sorted according to the level of the recommended score, or Sorting can be done according to the degree of discount, and so on.
  • the product information in the product list is sorted in descending order of recommendation scores as an example, that is, the product information with high recommendation score is preferentially recommended, for example,
  • the data format of the product information in the product list is (trade name, price index, recommendation index) as an example, the product list can be as follows:
  • step 202 can also be performed.
  • the product information recommendation device uses a logical distribution formula to balance the price index of each product information in the product list to obtain a balanced price index; for example, the specific calculation formula can be: 3 ⁇ 4:
  • the product information recommendation device puts a product label on the product information in the product list according to the product name, that is, sets the product label, and specifically sets the product label by using manual labeling, data mining, etc., and no longer repeats the description herein. .
  • the product tag has which attribute value can be set according to the actual application requirement.
  • the product tag may include labels such as “fashion”, “metal texture”, “health” and/or “cortex”.
  • the product information recommendation device obtains the price and the weight of each type of product that the user has purchased, and sums the product of the price and the weight of the various products that the user has purchased, and obtains the first value, and calculates the first value.
  • the user purchases the product "towel” as an example, the user purchases in such products.
  • the force index can be calculated as follows:
  • the price range of the towel is from 5 yuan to 100 yuan, and the towel purchased by the user is 20 yuan. In the past period of time, 85% of all sold towels were less than or equal to this price, and the user's purchasing power index in such products was 0.85.
  • the weight of each product purchased by the user is 1, that is, the purchasing power index of the user is equal to the price index of the product purchased by the user.
  • the product information recommendation device acquires a personalized label of the user.
  • the personalized tag is a collection of user-friendly product tags; for example, if a user likes a product having a product label such as "fashion” and “metal texture”, the user's personalized tag is "fashion” and “Metal texture”, the personalized label can be selected and set by the user, or the system can perform statistics and analysis according to the user history purchase and browsing records, and then set the user according to the analysis result, for example, the label of the product purchased by the user.
  • the collection is ⁇ fashion, popular, metallic, ... ⁇ , etc., then the collection of labels can be used as a personalized label for this user, for example, the specifics can be as follows:
  • the execution of steps 204 and 205 may be performed in no particular order.
  • the product information recommendation device filters the product information in the product list according to the purchasing power index and the price index to obtain a first result set. For example, the details can be as follows:
  • ⁇ is a first preset threshold
  • the ⁇ is a constant threshold
  • the specific value may be set according to actual application requirements.
  • the value of ⁇ may be set to (0, 1);
  • Price(i) is the price index of the Class I product.
  • the price index can use the equilibrium price index, that is, adopt " Pric «
  • the product information recommendation device filters the first result set according to the personalized label and the product label to obtain a second result set.
  • the specific result may be as follows:
  • the favorite probability and the recommended score of each product information (the recommended score is included in the product information), the user preference score of the product information in the first result set is calculated, and the product information whose user preference score exceeds the second preset threshold is added to The second result is in the collection.
  • the user's preference probability for each product label may be calculated according to the probability that each product label in the historical recommendation record is liked by the user and the probability that the user does not like it, as follows:
  • step 206 user A likes a total of five data, three of which have a "fashion” product label, and two products with a “metal texture” product label.
  • the "Health” product label is 1 product, Bay' J:
  • the user preference score of the product information may be calculated according to the favorite probability and the recommended score (the recommended score is included in the product information), wherein the formula for calculating the preference score For:
  • L_score score* P(s) [00128] where "L-score” is the user's favorite score, “score” is the recommended score; P(s) is the user's favorite for the product (with product label) Probability (that is, the probability that the user will love the product tag combination in the product).
  • the first result set includes the product A and the product B, wherein the product label of the product A is “fashion” and “metal texture”, the recommendation score of the product A is 1000; the product label of the product B is "Health” and fashion", product B's recommended score is 2000, then product A and product B's user preference scores are:
  • the product information recommendation device generates a product for the user according to the second result set.
  • the list of recommendations for example, can be as follows:
  • the product information recommendation device pushes the user based on the product recommendation list.
  • the embodiment may obtain a product list including product information of at least one product, where the product information includes a product name and a price index, and the product label is set according to the product name in the product list, and the calculation is performed.
  • the solution can not only accurately recommend product information to a user with corresponding needs, but also because the product recommendation list is generated according to the user's purchasing power and hobbies, Therefore, it can better meet the needs of users and improve the quality of user experience.
  • the user is first calculated according to the user's personalized label, and the product that is of interest to the user is obtained, and then the product that meets the user's consumption level is selected according to the user purchasing power index.
  • a product recommendation list for the user is taken as an example for explanation.
  • a product information recommendation method the specific process may be as follows:
  • the product information recommendation device acquires a product list from the server.
  • the product list may be preset or automatically generated by the system.
  • the product list may be a hot product recommendation list, and the hot product recommendation list may be generated. It is obtained by comprehensive calculation using parameters including product sales, user evaluation scores, and/or profit level.
  • the order of product information in the hot product recommendation list can be sorted in various ways. For example, it can be sorted according to the sales volume of the product, or sorted according to the user evaluation score, or can be sorted according to the level of the recommended score, or Sorting can be done according to the degree of discount, and so on.
  • the product information in the product list is sorted in descending order of recommendation scores as an example, that is, the product information with high recommendation score is preferentially recommended, for example,
  • the data format of the product information in the product list is (trade name, price index, recommendation index) as an example, the product list can be as follows:
  • the product information recommendation device uses a logical distribution formula to balance the price index of each product information in the product list to obtain a balanced price index; for example, the specific calculation formula can be: 3 ⁇ 4:
  • the product information recommendation device puts a product label on the product information in the product list according to the product name, that is, sets the product label, and specifically sets the product label by using manual labeling, data mining, etc., and no longer repeats the description herein. .
  • the attribute values of the product tags can be set according to the requirements of the actual application.
  • the product label can include labels such as "fashion,””metaltexture,””health,” and/or "cortex.”
  • the product information recommendation device obtains the price and weight of each type of product that the user has purchased; sums the product of the price and the weight of the various products that the user has purchased, and obtains the first value; calculates the first value The quotient of the sum of the weights of the various types of products that the user has purchased, the user's purchasing power index; as follows: weightii) * price ⁇ i)
  • Purchasin g owei is the user's purchasing power index
  • Weight ⁇ is the weight of the i-type product
  • price(i) is the price of the i-type product.
  • the purchasing power index of the user in such products can be calculated as follows:
  • the price range of the towel is from 5 yuan to 100 yuan, and the towel purchased by the user is 20 yuan. In the past period of time, 85% of all sold towels were less than or equal to this price, and the user's purchasing power index in such products was 0.85. [00153] It should be noted that when the user purchases only one product, the weight of each product purchased by the user is 1, that is, the purchasing power index of the user is equal to the price index of the product purchased by the user.
  • the product information recommendation device acquires a personalized label of the user.
  • the personalized tag is a collection of user-friendly product tags; for example, if a user likes a product having a product label such as "fashion” and “metal texture”, the user's personalized tag is "fashion” and "Metal texture”, the personalized label can be selected and set by the user, or the system can perform statistics and analysis according to the user history purchase and browsing records, and then set the user according to the analysis result, for example, the label of the product purchased by the user. Collection is ⁇ fashion, Popular, metallic, ... ⁇ , etc., the label collection can be used as a personalized label for this user, for example, the specifics can be as follows:
  • steps 204 and 205 may be performed in no particular order.
  • the product information recommendation device filters the product information in the product list according to the personalized label and the product label to obtain a third result set.
  • the details can be as follows:
  • step 207 calculating the preference probability of the user for each product label according to the personalized label, and calculating the preference probability of the user for each product information in the product list according to the user's favorite probability of each product label; according to the user's product information in the product list
  • the favorite probability and the recommended score (the recommended score is included in the product information), the user preference score of the product information in the product list is calculated, and the product information whose user preference score exceeds the second preset threshold is added to the third result set.
  • the specific implementation is the same as step 207 in the second embodiment.
  • the details may be as follows:
  • step 207 For details, refer to step 207 in the second embodiment, and details are not described herein again.
  • the product information recommendation device filters the third result set according to the purchasing power index and the price index to obtain a fourth result set; for example, the specific information may be as follows:
  • the product information recommendation device generates a product recommendation list for the user according to the fourth result set.
  • the specific information may be as follows:
  • the level of the user's preference score such as from high to low or low to high, preferably from high to low
  • the product information recommendation device pushes the user based on the product recommendation list.
  • the embodiment may obtain a product list including product information of at least one product, where the product information includes a product name and a price index, and the product label is set according to the product name in the product list, and the calculation is performed.
  • the personalized label is then calculated according to the user's personalized label, and the user's favorite product is obtained, and then the product that meets the user's consumption level is screened according to the user's purchasing power index, and a personalized product recommendation list for the user is obtained, and based on The product recommendation list is recommended to the user; the solution can not only accurately recommend product information to users with corresponding needs, but also because the product recommendation list is generated according to the user's purchasing power and hobbies, so Can meet the needs of users, can improve the quality of user experience.
  • the embodiment of the present invention further provides a product information recommendation device.
  • the product information recommendation device includes a product information acquisition unit 401, a user information collection unit 403, and a product recommendation.
  • the product information obtaining unit 401 is configured to obtain a product list from the server.
  • the product list includes product information of at least one product
  • the product information may include a product name and a price index, etc.
  • the product information is associated with at least one product tag.
  • the product information may also include other information, for example, the product information may also include a recommendation score and the like.
  • the product tags have which attribute values can be set according to the needs of the actual application.
  • the product tags may include labels such as “fashion”, “metal texture”, “health”, and/or "cortex”.
  • the user information collecting unit 403 is configured to calculate a purchasing power index of the user, and acquire a personalized label of the user.
  • the personalized tag is a collection of user-friendly product tags; for example, if a user likes a product having a product label such as "fashion” and “metal texture”, the user's personalized tag is "fashion” and “Metal texture”, the personalized label can be selected and set by the user, or can be statistically analyzed and analyzed by the system according to the user history purchase and browsing records, and then set according to the analysis result for the user, and will not be described here.
  • a product recommendation list generating unit 404 configured to use the purchasing power index, the personalized label, The product tag and price index generate a list of product recommendations for the user.
  • the recommendation unit 405 is configured to perform recommendation to the user based on the product recommendation list.
  • the product recommendation list generating unit 404 may first select a product that meets the user's consumption level according to the user purchasing power index, and then perform calculation according to the personalized label of the user, and obtain a product recommendation for the user.
  • the product recommendation list generating unit 404 may also first calculate according to the personalized label of the user, obtain a product that meets the user's preference, and then select a product that meets the user's consumption level from the products that meet the user's preference according to the user purchasing power index. , get a list of product recommendations for this user. That is, the product recommendation list generation unit 404 may specifically generate a product recommendation list for the user in any of the following manners:
  • the product recommendation list generating unit 404 may include a first screening subunit, a first processing subunit, and a first generating subunit;
  • a first screening subunit configured to filter product information in the product list according to the purchasing power index and a price index to obtain a first result set
  • the first processing subunit is configured to select the first result set according to the personalized label and the product label to obtain a second result set;
  • the first generation subunit is configured to generate a product recommendation list for the user according to the second result set.
  • the first screening sub-unit is specifically configured to compare the purchasing power index with the price index of the product information in the product list; if the absolute value of the difference between the purchasing power index and the price index is less than the A preset threshold adds the corresponding product information to the first result set.
  • the first processing sub-unit is specifically configured to calculate, according to the personalized label, a user's favorite probability of each product label; and calculate a user to the first according to the user's favorite probability of each product label.
  • the probability of preference for each product information in the result set Calculating a user preference score of the product information in the first result set for the favorite probability and the recommended score of each product information in the first result set; adding product information whose user preference score exceeds the second preset threshold to the first Two result sets.
  • the first preset threshold and the second preset threshold may be set according to requirements of an actual application, and details are not described herein again.
  • the first generating subunit may be specifically configured to sort the product information in the second result set according to the level of the user preference score to generate a product recommendation list for the user.
  • the product recommendation list generating unit 404 may include a second processing subunit, a second selecting subunit, and a second generating subunit;
  • a second processing subunit configured to filter product information in the product list according to the personalized label and the product label, to obtain a third result set
  • a second screening subunit configured to filter the third result set according to the purchasing power index and the price index to obtain a fourth result set
  • the second generation subunit is configured to generate a product recommendation list for the user according to the fourth result set.
  • the second processing sub-unit is specifically configured to calculate, according to the personalized label, a user's favorite probability of each product label; and calculate, according to the user's favorite probability of each product label, the user's The preference probability of product information; the user preference score of the product information in the product list is calculated according to the user's favorite probability and recommendation score of each product information in the product list; and the product information whose user preference score exceeds the second preset threshold is added to The third result set.
  • the second screening sub-unit is specifically configured to compare the purchasing power index with the price index of the product information in the third result set; if the absolute value of the difference between the purchasing power index and the price index If it is less than the first preset threshold, the corresponding product information is added to the fourth The result is in the collection.
  • the second generating sub-unit may be specifically configured to sort the product information in the fourth result set according to the level of the user preference score to generate a product recommendation list for the user.
  • the purchasing power index of the user may be calculated according to the price and weight of various products that the user has purchased, namely:
  • the user information collecting unit 403 may be specifically configured to obtain prices and weights of various types of products that the user has purchased; and sum the products of the prices and weights of the products that the user has purchased to obtain the first value. Calculate the quotient of the sum of the first value and the weight of each type of product that the user has purchased, and obtain the purchasing power index of the user; as follows: weightii) * price(i)
  • Purchasin g owei is the user's purchasing power index
  • Weight (i) is the weight of the i-type product
  • price (i) is the price of the i-type product.
  • a logical distribution formula may be used for equalization, namely: [00204] product information acquisition unit 403, It can also be used to equalize the price index by using the logical distribution formula to obtain the equilibrium price index; for example, the specific calculation formula can be as follows:
  • O- is the equilibrium price index
  • ⁇ is the average of the price index
  • ⁇ ⁇ is the variance of the price index
  • the product recommendation list generating unit 404 may be specifically configured to generate a product recommendation list for the user according to the purchasing power index, the personalized label, the product label, and the equalized price index, and the manner of generating the product recommendation list may be specifically See the previous description, and details are not described here.
  • each of the above units may be implemented as a separate entity, or may be any combination, as the same or several entities; the specific implementation of each of the above units may refer to the previous embodiment, no longer Narration.
  • the product information recommendation device may be specifically integrated in the server.
  • the product information obtaining unit 401 of the product information recommendation device of the present embodiment can acquire a product list including product information of at least one product, wherein the product information includes a product name and a price index and the product information and At least one product tag is associated; then the user's purchasing power index is calculated by the user information collecting unit 403, and the user's personalized tag is obtained, and then, by the product recommendation list generating unit 404, based on the purchasing power index, the personalized tag, the product tag, and the price The index generates a personalized product recommendation list for the user, and finally, the recommendation unit 405 makes a recommendation to the user based on the product recommendation list; the solution can not only accurately recommend product information to users with corresponding needs, but also Since the product recommendation list is generated according to the purchasing power and hobbies of the user, it is more suitable for the user's needs and can improve the quality of the user experience.
  • the embodiment of the present invention provides a communication system, which includes any product information recommendation device provided by the embodiment of the present invention.
  • the device information recommendation device may be specifically referred to the fourth embodiment.
  • the following may be specifically :
  • a product information recommendation device configured to obtain a product list from a server, wherein the product list includes product information of at least one product, the product information includes a product name and a price index, and the product information is associated with at least one product label Calculate the user's purchasing power index to And obtaining a personalized label of the user, the personalized label is a collection of the user's favorite product label; generating a product recommendation list for the user according to the purchasing power index, the personalized label, the product label, and the price index; based on the product recommendation list
  • the product list includes product information of at least one product
  • the product information includes a product name and a price index
  • the product information is associated with at least one product label
  • the communication system may further include a user equipment, configured to receive a product recommendation list sent by the product information recommendation device.
  • the communication system includes any of the product information recommendation devices provided by the embodiments of the present invention, the beneficial effects that can be achieved by the product information recommendation device can be similarly implemented, and details are not described herein again.
  • the embodiment of the present invention further provides a server, wherein the product information recommendation device of the embodiment of the present invention can be integrated, as shown in FIG. 5, which shows a schematic structural diagram of a server according to an embodiment of the present invention.
  • FIG. 5 shows a schematic structural diagram of a server according to an embodiment of the present invention.
  • the server may include one or more processing core processor 501, one or more computer readable storage media memories 502, a radio frequency (RF) circuit 503, a wireless communication module such as a Bluetooth module, and/or A WiFi (Wireless Fidelity) module 504 or the like (takes the WIFI module 504 in FIG. 5 as an example), a power source 505, a sensor 506, an input unit 507, and a display unit 508.
  • RF radio frequency
  • WiFi Wireless Fidelity
  • the processor 501 is the control center of the server, connecting various portions of the entire server using various interfaces and lines, by running or executing software programs and/or modules stored in the memory 502, and calling stored in the memory 502.
  • the data perform various functions of the server and process the data, thereby monitoring the server as a whole.
  • the processor 501 may include one or more processing cores; preferably, the processor 501 may integrate an application processor and a modem processor.
  • the application processor mainly processes an operating system, a user interface, an application, etc.
  • the modem processor mainly processes wireless communication. It can be understood that the above modem processor may not be integrated into the processor 501.
  • the memory 502 can be used to store software programs and modules, and the processor 501 executes various functional applications and data processing by running software programs and modules stored in the memory 502.
  • the memory 502 can mainly include a storage program area and a storage data area, wherein the storage program area can store an operating system, an application required for at least one function (such as a sound playing function, an image playing function, etc.), and the like; the storage data area can be stored according to Data created by the use of the server, etc.
  • memory 502 can include high speed random access memory, and can also include non-volatile memory, such as at least one magnetic disk storage device, flash memory device, or other volatile solid state memory device. Accordingly, memory 502 can also include a memory controller to provide processor 501 access to memory 502.
  • the RF circuit 503 can be used for receiving and transmitting signals during the process of transmitting and receiving information, and in particular, after receiving the downlink information of the base station, it is processed by one or more processors 501; in addition, the uplink data will be involved. Send to the base station.
  • the RF circuit 503 includes, but is not limited to, an antenna, at least one amplifier, a tuner, one or more oscillators, a Subscriber Identity Module (SIM) card, a transceiver, a coupler, and a Low Noise Amplifier (LNA). , duplexer, etc.
  • RF circuit 503 can also communicate with the network and other devices via wireless communication.
  • the wireless communication may use any communication standard or protocol, including but not limited to Global System of Mobile Communication (GSM), General Packet Radio Service (GPRS), and Code Division Multiple Access (CDMA). , Code Division Multiple Access), Wideband Code Division Multiple Access (WCDMA), Long Term Evolution (LTE), E-mail, Short Message Service (SMS), etc.
  • GSM Global System of Mobile Communication
  • GPRS General Packet Radio Service
  • CDMA Code Division Multiple Access
  • CDMA Code Division Multiple Access
  • WCDMA Wideband Code Division Multiple Access
  • LTE Long Term Evolution
  • SMS Short Message Service
  • WiFi belongs to short-range wireless transmission technology, and the server transmits and receives electronic signals through the WiFi module 504. Mail and access to streaming media, etc. It provides wireless broadband Internet access.
  • FIG. 5 shows the WiFi module 504, it can be understood that it does not belong to the necessary configuration of the server, and may be omitted as needed within the scope of not changing the essence of the invention.
  • the server further includes a power source 505 (such as a battery) for supplying power to various components.
  • the power source can be logically connected to the processor 501 through the power management system to manage charging, discharging, and power management through the power management system.
  • Power supply 505 may also include any one or more of a DC or AC power source, a recharging system, a power failure detection circuit, a power converter or inverter, a power status indicator, and the like.
  • the server may also include at least one type of sensor 506, such as a light sensor, motion sensor, and other sensors.
  • the server can also be configured with gyroscopes, barometers, hygrometers, thermometers, infrared sensors, and other sensors, and will not be described here.
  • the server may also include an input unit 507 that can be used to receive input numeric or character information and to generate keyboard, mouse, joystick, optical or trackball signal inputs related to user settings and function controls.
  • input unit 507 can include a touch-sensitive surface as well as other input devices.
  • a touch-sensitive surface also known as a touchscreen or trackpad, collects touch operations on or near the user (such as a user using a finger, stylus, etc., on any touch-sensitive surface or touch-sensitive Operation near the surface), and drive the corresponding connecting device according to a preset program.
  • the touch-sensitive surface may include two parts of a touch detection device and a touch controller.
  • the touch detection device detects the touch orientation of the user, and detects a signal brought by the touch operation, and transmits the signal to the touch controller; the touch controller receives the touch information from the touch detection device, converts the touch information into contact coordinates, and sends the touch information
  • the processor 501 is provided and can receive commands from the processor 501 and execute them.
  • touch-sensitive surfaces can be implemented in a variety of types, including resistive, capacitive, infrared, and surface acoustic waves.
  • the input unit 507 can also include other input devices. Specifically, other input devices may include, but are not limited to, a physical keyboard, function keys (such as a volume control button, a switch button, etc.), One or more of a trackball, mouse, joystick, and the like.
  • the server may further include a display unit 508 operable to display information input by the user or information provided to the user and various graphical user interfaces of the server, the graphical user interface may be represented by graphics, text, icons , video and any combination of them.
  • the display unit 508 can include a display panel.
  • the display panel can be configured in the form of a liquid crystal display (LCD), an organic light-emitting diode (OLED), or the like.
  • the touch-sensitive surface may cover the display panel, and when the touch-sensitive surface detects a touch operation on or near it, it is transmitted to the processor 501 to determine the type of the touch event, and then the processor 501 displays the type according to the type of the touch event. A corresponding visual output is provided on the panel.
  • the touch-sensitive surface and display panel are implemented as two separate components to perform input and input functions, in some embodiments, the touch-sensitive surface can be integrated with the display panel to implement input and output functions.
  • the server may also include a camera, a Bluetooth module, etc., and will not be described herein.
  • the processor 501 in the server loads the executable file corresponding to the process of one or more applications into the memory 502 according to the following instruction, and is executed by the processor 501 to be stored in the memory.
  • the application in 502 thus implementing various functions, as follows:
  • obtaining a product list from a server wherein the product list includes product information of at least one product, the product information including a product name and a price index, and the product information is associated with at least one product tag;
  • the steps "purchasing power index, personalized label, product label, and price index generating a product recommendation list for the user" may be in any of the following manners:
  • the first preset threshold may be set according to the requirements of the actual application, and details are not described herein again.
  • the second preset threshold may be set according to the requirements of the actual application, and details are not described herein again.
  • [00244] calculating a preference probability of the user for each product label according to the personalized label, and calculating a preference probability of the user for each product information in the product list according to the preference probability of the user for each product label; according to the user, the product list
  • the favorite probability and the recommended score of each product information calculate the user preference score of the product information in the product list, and add the product information whose user preference score exceeds the second preset threshold to the third result set .
  • the second preset threshold may be set according to the requirements of the actual application, and details are not described herein again.
  • the first preset threshold may be set according to the requirements of the actual application, and details are not described herein again.
  • the product information in the fourth result set is sorted according to the level of the user preference score to generate a product recommendation list for the user.
  • the price index is further balanced by using a logical distribution formula to obtain a balanced price index; if the price index has been equalized by the logical distribution formula, a product recommendation list is generated.
  • the price index used at the time can be equilibrium
  • the post-price index, ie the step "generate a list of recommended products for the user based on the purchasing power index, personalized label, product label and price index" can be:
  • a list of product recommendations for the user is generated based on the purchasing power index, the personalized tag, the product tag, and the post-equal price index.
  • calculating a purchasing power index of the user may include:
  • the server of the embodiment can obtain a product list including product information of at least one product, wherein the product information includes a product name and a price index, and the product information is associated with at least one product label, and is calculated a purchasing power index of the user, and obtaining a personalized label of the user, and then generating a personalized product recommendation list for the user based on the purchasing power index, the personalized label, the product label, and the price index, and based on the product recommendation list to the user Recommendations; the program can not only accurately recommend product information to users with corresponding needs, but also because the product recommendation list is generated according to the user's purchasing power and hobbies, so it can better meet the user's needs and can improve users. Experience the quality.
  • ROM read only memory
  • RAM random access memory
  • magnetic disk magnetic disk or an optical disk.

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种产品信息推荐方法、装置和系统。本发明实施例可以获取包括至少一个产品的产品信息的产品列表，其中，产品信息包括产品名称和价格指数，根据该产品名称为产品列表中的产品信息设置产品标签，计算用户的购买力指数，以及获取用户的个性化标签，然后根据购买力指数、个性化标签、产品标签和价格指数生成针对该用户的个性化的产品推荐列表，并基于所述产品推荐列表向所述用户进行推荐；该方案不仅可以精确地将产品信息推荐给有相应需求的用户，而且由于是该产品推荐列表是根据用户的购买力和兴趣爱好而生成的，所以更能符合用户的需求，可以提高用户体验质量。

Description

产品信息推荐方法、 装置和系统
[0001] 本申请要求于 2013 年 6 月 5 日提交中国专利局、 申请号为 201310222166.3、 发明名称为"一种产品信息推荐方法、 装置和系统"的中国 专利申请的优先权， 其全部内容通过引用结合在本申请中。 技术领域
[0002] 本发明涉及通信技术领域， 具体涉及信息推荐。 背景技术
[0003] 随着网络通信的发展， 人们的生活和行为模式也逐渐发生了变化。 网络购物， 筒称网购， 正是传统交易的一个伟大变革， 由于其具有交易成 本低、 操作筒单和效率高等特点， 也逐渐受到人们的青睐。 在网购中， 如 何将产品信息精确地推荐给合适的用户， 以便用户可以更便利地从茫茫信 息海中得到自己所需和所感兴趣的产品信息， 节省用户搜索时间、 提高用 户体验质量和信息处理效率也逐渐成为人们所关注的问题。
[0004] 现有的产品推荐方法并不能精确地将产品信息推荐给有相应需求的 用户。 发明内容
[0005] 本发明实施例提供一种产品信息推荐方法、 装置和系统， 可以将产 品信息推荐给有相应需求的用户。
[0006] 本发明实施例提供一种产品信息推荐方法， 包括：
[0007] 获取产品列表， 所述产品列表包括至少一个产品的产品信息， 所述 产品信息包括产品名称和价格指数， 并且所述产品信息与至少一个产品标 签相关联；
[0008] 计算用户的购买力指数， 以及获取用户的个性化标签， 所述个性化 标签为用户喜爱的产品标签的集合；
[0009] 根据所述购买力指数、 个性化标签、 产品标签和价格指数生成针对 所述用户的产品推荐列表， 其中所述产品推荐列表中的产品信息选择自所 述产品列表；
[0010] 基于所述产品推荐列表向所述用户进行推荐。
[0011] 相应的， 本发明提供一种产品信息推荐装置， 包括：
[0012] 产品信息获取单元， 用于从服务器获取产品列表， 所述产品列表包 括至少一个产品的产品信息， 所述产品信息包括产品名称和价格指数， 并 且所述产品信息与至少一个产品标签相关联；
[0013] 用户信息收集单元， 用于计算用户的购买力指数， 以及获取用户的 个性化标签， 所述个性化标签为用户喜爱的产品标签的集合；
[0014] 产品推荐列表生成单元， 用于根据所述购买力指数、 个性化标签、 产品标签和价格指数生成针对所述用户的产品推荐列表， 其中所述产品推 荐列表中的产品信息选择自所述产品列表；
[0015] 推荐单元， 用于基于所述产品推荐列表向所述用户进行推荐。
[0016] 相应的， 本发明实施例还提供一种通信系统， 包括服务器以及本发 明实施例提供的任一种产品信息推荐装置。
[0017] 本发明实施例可以获取包括至少一个产品的产品信息的产品列表， 其中， 产品信息包括产品名称和价格指数， 根据该产品名称为产品列表中 的产品信息设置产品标签， 计算用户的购买力指数， 以及获取用户的个性 化标签， 然后根据购买力指数、 个性化标签、 产品标签和价格指数生成针 对该用户的个性化的产品推荐列表， 并基于所述产品推荐列表向所述用户 进行推荐； 该方案不仅可以精确地将产品信息推荐给有相应需求的用户， 而且由于是该产品推荐列表是根据用户的购买力和兴趣爱好而生成的， 所 以更能符合用户的需求， 可以提高用户体验质量。 附图说明
对实施例或现有技术描述中所需要使用的附图作筒单地介绍。
[0019] 图 1是根据本发明实施例提供的产品信息推荐方法的流程图；
[0020] 图 2是根据本发明另一实施例提供的产品信息推荐方法的流程图； [0021] 图 3是根据本发明又一实施例提供的产品信息推荐方法的流程图； [0022] 图 4是根据本发明实施例提供的产品信息推荐装置的结构示意图； 以及
[0023] 图 5是根据本发明实施例提供的服务器的结构示意图。 具体实施方式
[0024] 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， 本领域技术人员在没 有作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。
[0025] 本发明实施例提供一种产品信息推荐方法、 装置和系统。 以下分别 进行详细说明。
[0026] 实施例一
[0027] 本实施例将从产品信息推荐装置的角度进行描述， 该产品信息推荐 装置具体可以集成在服务器中。 [0028] —种产品信息推荐方法， 包括： 从服务器获取产品列表， 其中， 产 品列表包括至少一个产品的产品信息， 该产品信息包括产品名称和价格指 数， 并且所述产品信息与至少一个产品标签相关联； 计算用户的购买力指 数， 以及获取用户的个性化标签， 该个性化标签为用户喜爱的产品标签的 集合； 根据购买力指数、 个性化标签、 产品标签和价格指数生成针对该用 户的产品推荐列表， 其中所述产品推荐列表中的产品信息选择自所述产品 列表； 基于所述产品推荐列表向所述用户进行推荐。
[0029] 如图 1所示， 具体流程可以如下：
[0030] 101、 从服务器获取产品列表， 其中， 该产品列表包括至少一个产品 的产品信息， 产品信息可以包括产品名称和价格指数等， 并且所述产品信 息与至少一个产品标签相关联。
[0031] 当然， 该产品信息还可以包括其他的信息， 比如， 该产品信息还可 以包括推荐分数等。
[0032] 使用在这里， 术语 "产品标签" 指产品的属性。 产品标签具有哪些 属性值可以根据实际应用的需求进行设置.比如， 该产品标签可以包括 "时 尚"、 "金属质感"、 "健康" 和 /或 "皮质" 等。
[0033] 需说明的是， 本发明实施例中的标签不同于商品的分类， 而是商品 的定位属性， 例如时尚、 流行、 怀旧和文艺等等诉求， 以及金属感、 进口 和原产地保护等描述。
[0034] 需说明的是， 本发明实施例中产品的价格指数反映在已售出的同类 产品中， 有多少已售出同类产品低于该产品的价格。 例如， 已售出 1000件 同类产品， 其中有 700件同类产品价格低于此产品， 则该产品的价格指数 为 0.7。
[0035] 由于该大多数产品的价格可能集中在一个较小的区间， 所以， 为了 均衡数据的分布， 可以采用逻辑分布（distribution )公式来进行均衡， 即在 获取产品列表 (即步骤 101 )之后， 该方法还可以包括：
[0036] 利用逻辑分布公式对价格指数进行均衡处理， 得到均衡后价格指数； 例如， 计算公式可以如下：
. ... price(i) - u( price)
pnce(i) _ dis =
_ a(price) [0037] 其中，
Figure imgf000007_0001
_ · 为均衡后价格指数， w(pr^)为价格指数的平均值。 a(price)为价格指数的方差。
[0038] 102、 计算用户的购买力指数， 以及获取用户的个性化标签。
[0039] 其中， 个性化标签为用户喜爱的产品标签的集合； 比如， 如果某用 户喜欢具有 "时尚" 和 "金属质感" 等产品标签的产品， 则该用户的个性 化标签为 "时尚" 和 "金属质感"， 该个性化标签可以由用户自行进行选择 和设置， 也可以由系统根据用户历史购买和浏览记录进行统计和分析， 然 后根据分析结果为用户设置， 在此不再赘述。
[0040] 其中， 本发明实施例所说得购买力是用户购买的商品的价格在同类 商品中所处的价格位置。 而购买力指数则是可以反映用户购买力的数值。 用户的购买力指数可以通过用户购买的商品的价格指数来衡量， 例如， 可 以根据用户已购买的各类产品的价格和权重来计算用户的购买力指数， 具 体如下：
[0041] 获取用户已购买的各类产品的价格和权重； 对用户已购买的各类产 品的价格和权重的乘积进行求和， 得到第一值； 计算该第一值与用户已购 买的各类产品的权重的总和的商， 得到用户的购买力指数； 如下： weight(i) * price(i)
purchasing_power=―
^ weightii) [0042] 其中， Purchasing owei "为用户的购买力指数， Weight(i) 为 i类产品的 权重， price(i) 为 i类产品的价格。
[0043] 例如， 以用户购买产品 "毛巾" 为例， 该用户在此类产品中的购买 力指数计算可以如下：
[0044] 毛巾的价格区间为从 5元到 100元， 用户购买的毛巾是 20元。 而过 去某一时间段内， 所有卖出的毛巾中， 有 85%低于等于此价格， 则该用户 在此类商品中的购买力指数为 0.85。
[0045] 需说明的是， 当用户只购买过一种产品时， 用户已购买的各类产品 的权重为 1 , 即此时用户的购买力指数等于用户购买的产品的价格指数。
[0046] 103、 根据步骤 102中得到的购买力指数和个性化标签， 以及产品列 表中各个产品信息的产品标签和价格指数生成针对该用户的产品推荐列 表。
[0047] 例如， 具体可以先根据用户购买力指数筛选出符合用户消费层次的 产品， 然后再根据用户的个性化标签进行计算， 得出针对该用户的产品推 荐列表； 或者， 可以先根据用户的个性化标签进行计算， 得到符合用户偏 好的产品， 然后再根据用户购买力指数从这些符合用户偏好的产品筛选出 符合用户消费层次的产品， 得到针对该用户的产品推荐列表。 即例如， 具 体可以采用如下任意一种方式来生成针对该用户的产品推荐列表， 如下： [0048] 第一种方式：
[0049] ( 1 )根据该购买力指数和价格指数对产品列表中的产品信息进行筛 选， 得到一个集合， 为了描述方便， 在本发明实施例中称为第一结果集合； 例如， 具体可以如下：
[0050] 将该购买力指数分别与产品列表中的产品信息的价格指数进行比 较； 若购买力指数与价格指数的差值的绝对值小于第一预置阈值， 则将对 应的产品信息添加到第一结果集合中。 [0051] 其中， 第一预置阈值可以根据实际应用的需求进行设置， 在此不再 赘述。
[0052] ( 2 )根据个性化标签和产品标签对该第一结果集合进行筛选， 得到 一个集合， 为了描述方便， 在本发明实施例中称为第二结果集合； 例如， 具体可以如下：
[0053] 根据该个性化标签分别计算用户对各个产品标签的喜爱概率， 根据 该用户对各个产品标签的喜爱概率计算用户对第一结果集合中各个产品信 息的喜爱概率； 根据所述用户对第一结果集合中各个产品信息的喜爱概率 和推荐分数（产品信息中包括有推荐分数）计算该第一结果集合中产品信 息的用户喜爱度分数， 将用户喜爱度分数超过第二预置阈值的产品信息添 加到第二结果集合中。
[0054] 其中， 第二预置阈值可以根据实际应用的需求进行设置， 在此不再 赘述。
[0055] ( 3 )根据该第二结果集合生成针对该用户的产品推荐列表， 例如， 具体可以如下：
[0056] 按照用户喜爱度分数对该第二结果集合中的产品信息进行排序， 以 生成针对该用户的产品推荐列表。
[0057] 第二种方式：
[0058] ( 1 )根据该个性化标签和产品标签对产品列表中的产品信息进行筛 选， 得到一个集合， 为了描述方便， 在本发明实施例中称为第三结果集合， 例如， 具体可以如下：
[0059] 根据该个性化标签分别计算用户对各个产品标签的喜爱概率， 根据 该用户对各个产品标签的喜爱概率计算用户对该产品列表中各个产品信息 的喜爱概率； 根据该用户对该产品列表中各个产品信息的喜爱概率和推荐 分数（产品信息包括推荐分数）计算产品列表中的产品信息的用户喜爱度 分数， 将用户喜爱度分数超过第二预置阈值的产品信息添加到第三结果集 合。
[0060] 其中， 第二预置阈值可以根据实际应用的需求进行设置， 在此不再 赘述。
[0061] ( 2 )根据购买力指数和价格指数对所述第三结果集合进行筛选， 得 到一个集合， 为了描述方便， 在本发明实施例中称为第四结果集合； 例如， 具体可以如下：
[0062] 将该购买力指数分别与第三结果集合中的产品信息的价格指数进行 比较； 若所述购买力指数与所述价格指数的差值的绝对值小于第一预置阈 值， 则将对应的产品信息添加到第四结果集合中。
[0063] 其中， 第一预置阈值可以根据实际应用的需求进行设置， 在此不再 赘述。
[0064] ( 3 )根据所述第四结果集合生成针对所述用户的产品推荐列表； 例
^口， 以^口下：
[0065] 按照用户喜爱度分数的高低对该第四结果集合中的产品信息进行排 序， 以生成针对该用户的产品推荐列表。
[0066] 需说明的是， 如果在步骤 101 中， 已经利用逻辑分布公式对价格指 数进行均衡处理， 则在本步骤所采用的价格指数可以为均衡后价格指数， 即步骤 103具体可以为：
[0067] 根据该购买力指数、 个性化标签、 产品标签和均衡后价格指数生成 针对该用户的产品推荐列表。
[0068] 104、 基于所述产品推荐列表向所述用户进行推荐。
[0069] 由上可知， 本实施例可以获取包括至少一个产品的产品信息的产品 列表， 其中， 产品信息包括产品名称和价格指数， 并且所述产品信息与至 少一个产品标签相关联， 计算用户的购买力指数， 以及获取用户的个性化 标签， 然后根据购买力指数、 个性化标签、 产品标签和价格指数生成针对 该用户的个性化的产品推荐列表， 并基于所述产品推荐列表向所述用户进 行推荐； 该方案不仅可以精确地将产品信息推荐给有相应需求的用户， 而 且由于是该产品推荐列表是根据用户的购买力和兴趣爱好而生成的， 所以 更能符合用户的需求， 可以提高用户体验质量。
[0070] 实施例二、
[0071] 根据实施例一所描述的方法， 以下将举例进行详细说明。
[0072] 在本实施例中， 将以先根据用户购买力指数筛选出符合用户消费层 次的产品， 然后再根据用户的个性化标签进行计算， 得出针对该用户的产 品推荐列表为例进行说明。
[0073] 如图 2所示， 一种产品信息推荐方法， 具体流程可以如下：
[0074] 201、 产品信息推荐装置从服务器获取产品列表。
[0075] 其中， 该产品列表可以是预置的， 也可以由系统自动生成， 比如， 该产品列表具体可以为热门产品推荐列表， 该热门产品推荐列表的生成可 以采用包括商品销量、 用户评价分数和 /或利润高低等参数来进行综合计算 而获得。 热门产品推荐列表中产品信息的排序可以有多种方式， 比如， 可 以根据商品销量来进行排序， 也可以根据用户评价分数来进行排序， 或者， 可以根据推荐分数的高低来进行排序， 或者， 还可以根据打折程度来进行 排序等等。 为了描述方便， 在本发明实施例中， 将以该产品列表中的产品 信息以推荐分数从高到低的顺序来进行排序为例进行说明， 即推荐分数高 的产品信息优先推荐， 例如， 以产品列表中产品信息的数据格式为 （商品 名称， 价格指数， 推荐指数） 为例， 则该产品列表具体可以如下：
{ ，(产品 B , 0.85 , 2000) , (产品 C, 0.36 , 1500) , (产品 A, 0.82 ,
1000 ), }。 [0076] 需说明的是， 由于该大多数产品的价格可能集中在一个较小的区间， 所以， 为了均衡数据的分布， 可以采用逻辑分布（distribution )公式来进行 均衡， 即在获取产品列表之后， 还可以执行步骤 202。
[0077] 202、 产品信息推荐装置利用逻辑分布公式对产品列表中各个产品信 息的价格指数进行均衡处理， 得到均衡后价格指数； 例如， 具体计算公式 可以: ¾口下：
. .„ ,. price(i) - u( price)
price(i) _ dis =
[0078] _ σ (―)
[0079] 其中， f'^W-^为均衡后价格指数， "^ ' )为价格指数的平均值。 σ Ρ 为价格指数的方差。
[0080] 203、 产品信息推荐装置根据产品名称为该产品列表中的产品信息打 上产品标签， 即设置产品标签， 具体可采用人工标注、 数据挖掘等方式给 商品设置产品标签， 在此不再赘述。
[0081] 其中， 产品标签具有哪些属性值可以根据实际应用的需求进行设置， 比如， 该产品标签可以包括 "时尚"、 "金属质感"、 "健康" 和 /或 "皮质" 等标签。
[0082] 204、 产品信息推荐装置获取用户已购买的各类产品的价格和权重， 对用户已购买的各类产品的价格和权重的乘积进行求和， 得到第一值， 计 算该第一值与用户已购买的各类产品的权重的总和的商， 得到用户的购买 力指数； 如下： weightii) * price{i)
purchasing_power=―
weight{i)
[0083] '=!
[0084] 其中， PU hasingJ^we1"为用户的购买力指数， Weight(i) 为 i类产品的 权重， price(i) 为 i类产品的价格。
[0085] 例如， 以用户购买产品 "毛巾" 为例， 该用户在此类产品中的购买 力指数计算可以如下：
[0086] 毛巾的价格区间为从 5元到 100元， 用户购买的毛巾是 20元。 而过 去某一时间段内， 所有卖出的毛巾中， 有 85%低于等于此价格， 则该用户 在此类商品中的购买力指数为 0.85。
[0087] 需说明的是， 当用户只购买过一种产品时， 用户已购买的各类产品 的权重为 1 , 即此时用户的购买力指数等于用户购买的产品的价格指数。
[0088] 205、 产品信息推荐装置获取用户的个性化标签。
[0089] 其中， 个性化标签为用户喜爱的产品标签的集合； 比如， 如果某用 户喜欢具有 "时尚" 和 "金属质感" 等产品标签的产品， 则该用户的个性 化标签为 "时尚" 和 "金属质感"， 该个性化标签可以由用户自行进行选择 和设置， 也可以由系统根据用户历史购买和浏览记录进行统计和分析， 然 后根据分析结果为用户设置， 例如， 用户购买的商品的标签集合为{ 时尚， 流行， 金属感， ...... } 等 ， 则该标签集合可以作为为此用户的个性化标 签， 比如， 具体可以如下：
[0090] 若用户 A喜欢的商品如表一所示， 则对应的标签集合为 {健康， 时 尚， 金属质感， 小资， 时尚， 时尚， 金属质感， 小资， 神话， 小资: L
[0091] 表一：
Figure imgf000013_0001
其中， 步骤 204和 205的执行可以不分先后。 [0093] 206、 产品信息推荐装置根据该购买力指数和价格指数对产品列表中 的产品信息进行筛选， 得到第一结果集合。 例如， 具体可以如下：
[0094] 将该购买力指数分别与产品列表中的产品信息的价格指数进行比 较； 若购买力指数与价格指数的差值的绝对值小于第一预置阈值， 则将对 应的产品信息添加到第一结果集合中， 用公式表示即为：
I purchasing_power -price(i)| < τ;
[0095] 其中， τ为第一预置阈值， 该 τ为常数阈值， 具体取值可以根据实际 应用的需求进行设置， 比如， 该 τ 取值范围可以设置为 （ 0 , 1 ) ; "purchasing_power" 为购买力指数， "price(i)" 为 I类产品的价格指数， 当 然， 如果在步骤 202 中已经对价格指数进行了均衡处理， 则此时该价格指 数可以采用均衡后价格指数， 即采用 " Pric«
[0096] 207、 产品信息推荐装置根据个性化标签和产品标签对该第一结果集 合进行筛选， 得到第二结果集合， 例如， 具体可以如下：
[0097] 根据该个性化标签分别计算用户对各个产品标签的喜爱概率， 根据 用户对各个产品标签的喜爱概率计算用户对第一结果集合中各个产品信息 的喜爱概率； 根据用户对第一结果集合中各个产品信息的喜爱概率和推荐 分数（产品信息中包括有推荐分数）计算该第一结果集合中产品信息的用 户喜爱度分数， 将用户喜爱度分数超过第二预置阈值的产品信息添加到第 二结果集合中。
[0098] ( 1 )用户对各个产品标签的喜爱概率；
[0099] 其中， 用户对各个产品标签的喜爱概率可以根据历史推荐记录中各 个产品标签被用户喜欢的概率和被用户不喜欢的概率来计算， 具体可以如 下：
[00100]比如， 假设给用户 A推荐一个产品时， 若不考虑其它任何因素时， 则这些产品被用户喜欢和不喜欢的概率均为 50%, 即 P (喜欢） =P (不 喜欢） =50%。
[00101]从步骤 206的例子中可知， 用户 A喜欢的数据共有 5个， 其中带 有 "时尚" 产品标签的产品为 3个， 带有 "金属质感" 产品标签的产品为 2 个， 带有 "健康" 产品标签的产品为 1个， 贝' J :
[00102]被用户 A喜欢的产品中带有 "时尚" 产品标签的概率是： P (时尚 /喜 欢) =3/5 =0.6;
[00103]被用户 A喜欢的产品中带有 "金属质感" 产品标签的概率是： P (金 属质感 /喜欢) =2/5 =0.4；
[00104]被用户 A喜欢的产品中带有 "健康" 产品标签的概率是： P (健康 /喜 欢) =1/5 =0.2。
[00105]假设历史推荐给用户 A但不被用户喜欢的商品有 10个，其中有 2个 带有 "时尚" 产品标签， 其中 3个带有 "金属质感" 产品标签， 其中 3个 带有 "健康" 产品标签， 贝' J :
[00106]用户 A不喜欢的产品中带有 "时尚" 产品标签的概率是： P (时尚 /不 喜欢) =2/10 =0.2;
[00107]用户 A不喜欢的产品中带有 "金属质感" 产品标签的概率是： P (时 尚 /不喜欢 )=3/10 =0.3 ;
[00108]用户 A不喜欢的产品中带有 "健康" 产品标签的概率是： P (健康 /不 喜欢) =3/10 =0.3。
[00109]则根据贝叶斯公式可得：
[00110]用户 A对产品中带有 "时尚" 产品标签的喜爱概率是： P (喜欢 /时 尚 ) = P (时尚 /喜欢) /( P (时尚 /喜欢) + P (时尚 /不喜欢 )）=0·6/(0·6+0·2)=0·75;
[00111]用户 Α对产品中带有 "金属质感"产品标签的喜爱概率是： P (喜欢 /金属质感 ) = P (金属质感 /喜欢) /( P (金属质感 /喜欢) + P (金属质感 /不喜欢)) =0.4/(0.4+0.2)=0.67；
[00112]用户 A对产品中带有 "健康" 产品标签的喜爱概率是： P (喜欢 /健 康） = P (健康 /喜欢) /( P (健康 /喜欢) + P (健康 /不喜欢)） =0.2/(0.2+0.3)=0.4； [00113]即用户对各个产品标签的喜爱概率分别为： P (喜欢 /时尚 ) 为 0.75 , P (喜欢 /金属质感 ) 为 0.67, P (喜欢 /健康） 为 0.4。
[00114] ( 2 )用户对产品标签组合的喜爱概率和不喜爱概率；
[00115]由于用户对各个产品标签的喜爱概率分别为： P (喜欢 /时尚）为 0.75 , P (喜欢 /金属质感） 为 0.67, P (喜欢 /健康） 为 0.4, 因此， 用户对产品中 带有如下产品标签组合的喜爱概率分别为：
[00116] P (喜欢 /时尚， 金属质感） = P (喜欢 /时尚） * P (喜欢 /金属质感） *P (喜欢） =0·75*0·67*0·5=0·25;
[00117] Ρ (喜欢 /健康， 时尚） = Ρ (喜欢 /健康） * Ρ (喜欢 /时尚） * Ρ (喜欢 ) =0.4*0.75*0.5=0.15。
[00118]反之， 用户对产品中带有如下产品标签组合（一个产品可能具有多 个产品标签） 的不喜爱概率分别为：
[00119] Ρ (不喜欢 I时尚， 金属质感） = ( 1-P (喜欢 I时尚）） * (1-P (喜欢 / 金属质感 ) )*Ρ (不喜欢 ) =0.25*0.33*0.5=0.04;
[00120] Ρ (不喜欢 /健康， 时尚） = ( 1-P (喜欢 /健康）） * ( 1-P (喜欢 /时尚 ) ) *Ρ (不喜欢）
Figure imgf000016_0001
[00121] ( 3 )用户对产品信息的喜爱概率；
[00122]根据以上计算可知， 对任意一个产品， 如果带有 "时尚" 和 "金属 质感" 产品标签， 则被用户 Α喜欢的概率（即用户对该产品信息的喜爱概 率） 为：
[00123] P ( sl ) = P (喜欢 /时尚， 金属质感） /( P (喜欢 /时尚， 金属质感） + P (不喜欢 /时尚， 金属质感）） =0·25/(0·25+0·04)=0·86; [00124]对任意一个产品， 如果带有 "健康" 和 "时尚" 产品标签， 则被用 户 A喜爱的概率 （即用户对该产品信息的喜爱概率） 为：
[00125] P ( s2 ) = P (喜欢 I健康， 时尚） /( P (喜欢 I健康， 时尚） + P (不喜 欢 I健康， 时尚 ) )=0·15/(0·15+0·075)=0·67。
[00126] ( 4 )产品信息的用户喜爱度分数；
[00127]在计算出用户对产品信息的喜爱概率之后， 即可根据该喜爱概率和 推荐分数（产品信息中包括有推荐分数）计算产品信息的用户喜爱度分数， 其中， 喜爱度分数的计算公式为：
L_score=score* P(s) [00128]其中， " L— score" 为用户喜爱度分数， "score" 为推荐分数； P(s) 为用户对该产品 （带有产品标签）被该用户喜欢的概率 （即用户对该产品 中的产品标签组合的喜爱概率）。
[00129]例如， 支设第一结果集合中包括产品 A和产品 B, 其中， 产品 A的 产品标签为 "时尚" 和 "金属质感"， 产品 A的推荐分数为 1000; 产品 B 的产品标签为 "健康" 和时尚"， 产品 B的推荐分数为 2000 , 则产品 A 和产品 B的用户喜爱度分数分别为：
[00130] L score (产品 A ) = 1000*P (喜欢 |时尚，金属质感 ) =1000*0.86=860;
[00131] L score (产品 B ) = 2000* P (喜欢 |健康， 时尚 ) =2000*0.67=1340。
[00132] ( 5 )将用户喜爱度分数超过第二预置阈值的产品信息添加到第二结 果集合中。
[00133]在得到各个产品信息的用户喜爱度分数之后， 可以确定这些用户喜 爱度分数是否超过第二预置阈值， 若是， 则将对应的产品信息添加到第二 结果集合中， 否则， 可以不动作或将所述产品信息丟弃。
[00134] 208、 产品信息推荐装置根据该第二结果集合生成针对该用户的产品 推荐列表， 例如， 具体可以如下：
[00135]按照用户喜爱度分数的高低（比如从高到低或从低到高， 优选的， 可以是从高到低）对该第二结果集合中的产品信息进行排序， 以生成针对 该用户的产品推荐列表。比如，由于 1340(产品 B的用户喜爱度分数） >860 (产品 A的用户喜爱度分数)， 因此， 在向用户推荐时， 产品 B优先于产品
A被推荐。
[00136] 209、 产品信息推荐装置基于所述产品推荐列表向所述用户进行推
[00137]由上可知， 本实施例可以获取包括至少一个产品的产品信息的产品 列表， 其中， 产品信息包括产品名称和价格指数， 根据该产品名称为产品 列表中的产品信息设置产品标签， 计算用户的购买力指数， 以及获取用户 的个性化标签， 然后根据用户购买力指数筛选出符合用户消费层次的产品， 再根据用户的个性化标签进行计算， 得出针对该用户的个性化的产品推荐 列表， 并基于所述产品推荐列表向所述用户进行推荐； 该方案不仅可以精 确地将产品信息推荐给有相应需求的用户， 而且由于是该产品推荐列表是 根据用户的购买力和兴趣爱好而生成的， 所以更能符合用户的需求， 可以 提高用户体验质量。
[00138]实施例三、
[00139]与实施三不同的是， 在本实施例中， 将以先根据用户的个性化标签 进行计算， 得到用户感兴趣的产品， 再根据用户购买力指数筛选出符合用 户消费层次的产品， 得出针对该用户的产品推荐列表为例进行说明。
[00140]如图 3所示， 一种产品信息推荐方法， 具体流程可以如下：
[00141] 301、 产品信息推荐装置从服务器获取产品列表。
[00142]其中， 该产品列表可以是预置的， 也可以由系统自动生成， 比如， 该产品列表具体可以为热门产品推荐列表， 该热门产品推荐列表的生成可 以采用包括商品销量、 用户评价分数和 /或利润高低等参数来进行综合计算 而获得。 热门产品推荐列表中产品信息的排序可以有多种方式， 比如， 可 以根据商品销量来进行排序， 也可以根据用户评价分数来进行排序， 或者， 可以根据推荐分数的高低来进行排序， 或者， 还可以根据打折程度来进行 排序等等。 为了描述方便， 在本发明实施例中， 将以该产品列表中的产品 信息以推荐分数从高到低的顺序来进行排序为例进行说明， 即推荐分数高 的产品信息优先推荐， 例如， 以产品列表中产品信息的数据格式为 （商品 名称， 价格指数， 推荐指数） 为例， 则该产品列表具体可以如下：
[00143] { ，(产品 B, 0.85 , 2000), (产品 C, 0.36, 1500), (产品 A, 0.82, 1000 ), }。
[00144]需说明的是， 由于该大多数产品的价格可能集中在一个较小的区间， 所以， 为了均衡数据的分布， 可以采用逻辑分布（distribution )公式来进行 均衡， 即在获取产品列表之后， 还可以执行步骤 202.
[00145] 302、 产品信息推荐装置利用逻辑分布公式对产品列表中各个产品信 息的价格指数进行均衡处理， 得到均衡后价格指数； 例如， 具体计算公式 可以: ¾口下：
. .„ ,. price(i) - u( price)
price(i) _ dis =
_ a(price)
[00146]其中， f'^W-^为均衡后价格指数， "^ ' )为价格指数的平均值。 σ Ρ 为价格指数的方差。
[00147] 303、 产品信息推荐装置根据产品名称为该产品列表中的产品信息打 上产品标签， 即设置产品标签， 具体可采用人工标注、 数据挖掘等方式给 商品设置产品标签， 在此不再赘述。
[00148]其中， 产品标签具有哪些属性值可以根据实际应用的需求进行设置， 比如， 该产品标签可以包括 "时尚"、 "金属质感"、 "健康" 和 /或 "皮质" 等标签。
[00149] 304、 产品信息推荐装置获取用户已购买的各类产品的价格和权重； 对用户已购买的各类产品的价格和权重的乘积进行求和， 得到第一值； 计 算该第一值与用户已购买的各类产品的权重的总和的商， 得到用户的购买 力指数； 如下： weightii) * price{i)
purchasing_power=―
^ weightii)
[00150]其中， Purchasing owei "为用户的购买力指数， Weight© 为 i类产品的 权重， price(i) 为 i类产品的价格。
[00151]例如， 以用户购买产品 "毛巾" 为例， 该用户在此类产品中的购买 力指数计算可以如下：
[00152]毛巾的价格区间为从 5元到 100元， 用户购买的毛巾是 20元。 而过 去某一时间段内， 所有卖出的毛巾中， 有 85%低于等于此价格， 则该用户 在此类商品中的购买力指数为 0.85。 [00153]需说明的是， 当用户只购买过一种产品时， 用户已购买的各类产品 的权重为 1 , 即此时用户的购买力指数等于用户购买的产品的价格指数。
[00154] 305、 产品信息推荐装置获取用户的个性化标签。
[00155]其中， 个性化标签为用户喜爱的产品标签的集合； 比如， 如果某用 户喜欢具有 "时尚" 和 "金属质感" 等产品标签的产品， 则该用户的个性 化标签为 "时尚" 和 "金属质感"， 该个性化标签可以由用户自行进行选择 和设置， 也可以由系统根据用户历史购买和浏览记录进行统计和分析， 然 后根据分析结果为用户设置， 例如， 用户购买的商品的标签集合为{ 时尚， 流行， 金属感， ...... } 等 , 则该标签集合可以作为为此用户的个性化标 签， 比如， 具体可以如下：
[00156]若用户 A喜欢的商品如表一所示， 则对应的标签集合为 {健康， 时 尚， 金属质感， 小资， 时尚， 时尚， 金属质感， 小资， 神话， 小资: L
[00157]表一：
Figure imgf000021_0001
[00158]其中， 步骤 204和 205的执行可以不分先后。
[00159] 306、 产品信息推荐装置根据该个性化标签和产品标签对产品列表中 的产品信息进行筛选， 得到第三结果集合。 例如， 具体可以如下：
[00160]根据该个性化标签分别计算用户对各个产品标签的喜爱概率， 根据 用户对各个产品标签的喜爱概率计算用户对产品列表中各个产品信息的喜 爱概率； 根据用户对产品列表中各个产品信息的喜爱概率和推荐分数（产 品信息中包括有推荐分数）计算该产品列表中产品信息的用户喜爱度分数， 将用户喜爱度分数超过第二预置阈值的产品信息添加到第三结果集合中， 具体实现与实施例二中的步骤 207相同， 例如， 具体可以如下：
[00161] ( 1 )计算用户对各个产品标签的喜爱概率；
[00162] ( 2 )计算用户对产品标签组合的喜爱概率和不喜爱概率；
[00163] ( 3 )计算用户对产品信息的喜爱概率；
[00164] ( 4 )计算产品信息的用户喜爱度分数； [00165] ( 5 )将用户喜爱度分数超过第二预置阈值的产品信息添加到第三结 果集合中。
[00166]具体可参见实施例二中的步骤 207, 在此不再赘述。
[00167] 307、 产品信息推荐装置根据购买力指数和价格指数对第三结果集合 进行筛选， 得到第四结果集合； 例如， 具体可以如下：
[00168]将该购买力指数分别与第三结果集合中的产品信息的价格指数进行 比较； 若购买力指数与价格指数的差值的绝对值小于第一预置阈值， 则将 对应的产品信息添加到第四结果集合中， 用公式表示即为：
I purchasing_power -price(i)| < τ [00169]其中， τ为第一预置阈值， 该 τ为常数阈值， 具体取值可以根据实际 应用的需求进行设置， 比如， 该 τ 取值范围可以设置为 （ 0 , 1 ) ; "purchasing_power" 为购买力指数， "price(i)" 为 I类产品的价格指数， 当 然， 如果在步骤 302 中已经对价格指数进行了均衡处理， 则此时该价格指 数可以采用均衡后价格指数， 即采用 " Pric«
[00170] 308、 产品信息推荐装置根据该第四结果集合生成针对该用户的产品 推荐列表， 例如， 具体可以如下：
[00171]按照用户喜爱度分数的高低（比如从高到低或从低到高， 优选的， 可以是从高到低）对该第二结果集合中的产品信息进行排序， 以生成针对 该用户的产品推荐列表。
[00172] 309、 产品信息推荐装置基于所述产品推荐列表向所述用户进行推
[00173]由上可知， 本实施例可以获取包括至少一个产品的产品信息的产品 列表， 其中， 产品信息包括产品名称和价格指数， 根据该产品名称为产品 列表中的产品信息设置产品标签， 计算用户的购买力指数， 以及获取用户 的个性化标签， 然后根据用户的个性化标签进行计算， 得到用户喜爱的产 品， 再根据用户购买力指数筛选出符合用户消费层次的产品， 得出针对该 用户的个性化的产品推荐列表， 并基于所述产品推荐列表向所述用户进行 推荐； 该方案不仅可以精确地将产品信息推荐给有相应需求的用户， 而且 由于是该产品推荐列表是根据用户的购买力和兴趣爱好而生成的， 所以更 能符合用户的需求， 可以提高用户体验质量。
[00174]实施例四
[00175]为了更好地实现上述方法， 本发明实施例还提供一种产品信息推荐 装置， 如图 4所示， 该产品信息推荐装置包括产品信息获取单元 401、 用户 信息收集单元 403、 产品推荐列表生成单元 404和推荐单元 405。
[00176]产品信息获取单元 401 , 用于从服务器获取产品列表。
[00177]其中， 该产品列表包括至少一个产品的产品信息， 产品信息可以包 括产品名称和价格指数等， 并且所述产品信息与至少一个产品标签相关联。 当然， 该产品信息还可以包括其他的信息， 比如， 该产品信息还可以包括 推荐分数等。
[00178]产品标签具有哪些属性值可以根据实际应用的需求进行设置， 比如， 该产品标签可以包括 "时尚"、 "金属质感"、 "健康" 和 /或 "皮质" 等标签。
[00179]用户信息收集单元 403 , 用于计算用户的购买力指数， 以及获取用户 的个性化标签。
[00180]其中， 个性化标签为用户喜爱的产品标签的集合； 比如， 如果某用 户喜欢具有 "时尚" 和 "金属质感" 等产品标签的产品， 则该用户的个性 化标签为 "时尚" 和 "金属质感"， 该个性化标签可以由用户自行进行选择 和设置， 也可以由系统根据用户历史购买和浏览记录进行统计和分析， 然 后根据分析结果为用户设置， 在此不再赘述。
[00181]产品推荐列表生成单元 404, 用于根据该购买力指数、 个性化标签、 产品标签和价格指数生成针对所述用户的产品推荐列表。
[00182]推荐单元 405 , 用于基于所述产品推荐列表向所述用户进行推荐。
[00183]其中， 可选的， 产品推荐列表生成单元 404具体可以先根据用户购 买力指数筛选出符合用户消费层次的产品， 然后再根据用户的个性化标签 进行计算， 得出针对该用户的产品推荐列表； 或者， 产品推荐列表生成单 元 404也可以先根据用户的个性化标签进行计算， 得到符合用户偏好的产 品， 然后再根据用户购买力指数从这些符合用户偏好的产品筛选出符合用 户消费层次的产品， 得到针对该用户的产品推荐列表。 即产品推荐列表生 成单元 404具体可以采用如下任意一种方式来生成针对该用户的产品推荐 列表：
[00184] (一）产品推荐列表生成单元 404可以包括第一筛选子单元、 第一 处理子单元和第一生成子单元；
[00185]第一筛选子单元， 用于根据该购买力指数和价格指数对所述产品列 表中的产品信息进行筛选， 得到第一结果集合；
[00186]第一处理子单元， 用于根据该个性化标签和产品标签对第一结果集 合进行 选， 得到第二结果集合；
[00187]第一生成子单元， 用于根据第二结果集合生成针对该用户的产品推 荐列表。
[00188]其中， 可选的， 第一筛选子单元， 具体可以用于将购买力指数分别 与产品列表中的产品信息的价格指数进行比较； 若购买力指数与价格指数 的差值的绝对值小于第一预置阈值， 则将对应的产品信息添加到第一结果 集合中。
[00189]其中， 可选的， 第一处理子单元， 具体可以用于根据个性化标签分 别计算用户对各个产品标签的喜爱概率； 根据用户对各个产品标签的喜爱 概率计算用户对所述第一结果集合中各个产品信息的喜爱概率； 根据用户 对所述第一结果集合中各个产品信息的喜爱概率和推荐分数计算所述第一 结果集合中产品信息的用户喜爱度分数； 将用户喜爱度分数超过第二预置 阈值的产品信息添加到第二结果集合。
[00190]其中， 第一预置阈值和第二预置阈值可以根据实际应用的需求进行 设置， 在此不再赘述。
[00191]可选的， 第一生成子单元， 具体可以用于按照用户喜爱度分数的高 低对所述第二结果集合中的产品信息进行排序， 以生成针对所述用户的产 品推荐列表。
[00192] (二）产品推荐列表生成单元 404可以包括第二处理子单元、 第二 选子单元和第二生成子单元；
[00193]第二处理子单元， 用于根据个性化标签和产品标签对产品列表中的 产品信息进行筛选， 得到第三结果集合；
[00194]第二筛选子单元， 用于根据购买力指数和价格指数对第三结果集合 进行筛选， 得到第四结果集合；
[00195]第二生成子单元， 用于根据第四结果集合生成针对用户的产品推荐 列表。
[00196]其中， 可选的， 第二处理子单元， 具体可以用于根据个性化标签分 别计算用户对各个产品标签的喜爱概率； 根据用户对各个产品标签的喜爱 概率计算用户对产品列表中各个产品信息的喜爱概率； 根据用户对产品列 表中各个产品信息的喜爱概率和推荐分数计算产品列表中的产品信息的用 户喜爱度分数； 将用户喜爱度分数超过第二预置阈值的产品信息添加到第 三结果集合。
[00197]其中， 可选的， 第二筛选子单元， 具体可以用于将购买力指数分别 与第三结果集合中的产品信息的价格指数进行比较； 若购买力指数与价格 指数的差值的绝对值小于第一预置阈值， 则将对应的产品信息添加到第四 结果集合中。
[00198]可选的， 第二生成子单元， 具体可以用于按照用户喜爱度分数的高 低对第四结果集合中的产品信息进行排序， 以生成针对用户的产品推荐列 表。
[00199]以上生成针对该用户的产品推荐列表的具体实现可参见前面的方法 实施例， 在此不再赘述。
[00200]其中， 具体可以根据用户已购买的各类产品的价格和权重来计算用 户的购买力指数， 即：
[00201]用户信息收集单元 403 ,具体可以用于获取用户已购买的各类产品的 价格和权重； 对所述用户已购买的各类产品的价格和权重的乘积进行求和， 得到第一值； 计算改第一值与用户已购买的各类产品的权重的总和的商， 得到用户的购买力指数； 如下： weightii) * price(i)
purchasing_power=―
^ weight(i)
[00202]其中， Purchasing owei "为用户的购买力指数， Weight(i) 为 i类产品的 权重， price(i) 为 i类产品的价格。
[00203]由于该大多数产品的价格可能集中在一个较小的区间， 所以， 为了 均衡数据的分布， 可以采用逻辑分布（distribution )公式来进行均衡， 即： [00204]产品信息获取单元 403 ,还可以用于利用逻辑分布公式对价格指数进 行均衡处理， 得到均衡后价格指数； 例如， 具体计算公式可以如下：
. , .、 priceii u( price)
price i) _ dis =
~ a(price)
[00205]其中， O- 为均衡后价格指数， ^)为价格指数的平均值。 σ ρ 为价格指数的方差。
[00206]则此时，产品推荐列表生成单元 404,具体可以用于根据购买力指数、 个性化标签、 产品标签和均衡后价格指数生成针对用户的产品推荐列表， 其生成产品推荐列表的方式具体可参见前面的描述， 在此不再赘述。
[00207]具体实施时， 以上各个单元可以作为独立的实体来实现， 也可以进 行任意组合， 作为同一或若干个实体来实现； 以上各个单元的具体实施可 参见前面的实施例， 在此不再赘述。
[00208]该产品信息推荐装置具体可以集成在服务器中。
[00209]由上可知， 本实施例的产品信息推荐装置的产品信息获取单元 401 可以获取包括至少一个产品的产品信息的产品列表， 其中， 产品信息包括 产品名称和价格指数并且所述产品信息与至少一个产品标签相关联； 然后 由用户信息收集单元 403计算用户的购买力指数， 以及获取用户的个性化 标签， 再然后， 由产品推荐列表生成单元 404根据购买力指数、 个性化标 签、 产品标签和价格指数生成针对该用户的个性化的产品推荐列表， 最后， 由推荐单元 405基于所述产品推荐列表向所述用户进行推荐； 该方案不仅 可以精确地将产品信息推荐给有相应需求的用户， 而且由于是该产品推荐 列表是根据用户的购买力和兴趣爱好而生成的， 所以更能符合用户的需求， 可以提高用户体验质量。
[00210]实施例五、
[00211]相应的， 本发明实施例提供一种通信系统， 包括本发明实施例提供 的任一种产品信息推荐装置， 其中， 该产品信息推荐装置具体可参见实施 例四， 例如， 具体可以如下：
[00212]产品信息推荐装置， 用于从服务器获取产品列表， 其中， 产品列表 包括至少一个产品的产品信息， 该产品信息包括产品名称和价格指数， 并 且所述产品信息与至少一个产品标签相关联； 计算用户的购买力指数， 以 及获取用户的个性化标签， 该个性化标签为用户喜爱的产品标签的集合； 根据购买力指数、 个性化标签、 产品标签和价格指数生成针对该用户的产 品推荐列表； 基于所述产品推荐列表向所述用户进行推荐， 具体可参见前 面的实施例， 在此不再赘述。
[00213]此外， 该通信系统还可以包括用户设备， 用于接收该产品信息推荐 装置发送的产品推荐列表。
[00214]由于该通信系统包括本发明实施例提供的任一种产品信息推荐装 置， 因此， 同样可以实现上述产品信息推荐装置所能实现的有益效果， 在 此不再赘述。
[00215]实施例六、
[00216]本发明实施例还提供一种服务器， 其中可以集成本发明实施例的产 品信息推荐装置， 如图 5所示， 其示出了本发明实施例所涉及的服务器的 结构示意图， 具体来讲：
[00217]该服务器可以包括一个或者一个以上处理核心的处理器 501、一个或 一个以上计算机可读存储介质的存储器 502、 射频（Radio Frequency, RF ) 电路 503、无线通信模块如蓝牙模块和 /或无线保真 （ WiFi, Wireless Fidelity ) 模块 504等（图 5中以 WIFI模块 504为例）、 电源 505、 传感器 506、 输入 单元 507、 以及显示单元 508等部件。 本领域技术人员可以理解， 图 5中示 出的服务器结构并不构成对服务器的限定， 可以包括比图示更多或更少的 部件， 或者组合某些部件， 或者不同的部件布置。 其中：
[00218]处理器 501 是该服务器的控制中心， 利用各种接口和线路连接整个 服务器的各个部分， 通过运行或执行存储在存储器 502内的软件程序和 /或 模块， 以及调用存储在存储器 502 内的数据， 执行服务器的各种功能和处 理数据， 从而对服务器进行整体监控。 可选的， 处理器 501 可包括一个或 多个处理核心； 优选的， 处理器 501可集成应用处理器和调制解调处理器， 其中， 应用处理器主要处理操作系统、 用户界面和应用程序等， 调制解调 处理器主要处理无线通信。 可以理解的是， 上述调制解调处理器也可以不 集成到处理器 501中。
[00219]存储器 502可用于存储软件程序以及模块， 处理器 501通过运行存 储在存储器 502 的软件程序以及模块， 从而执行各种功能应用以及数据处 理。 存储器 502可主要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 （比如声音播放功能、 图 像播放功能等）等； 存储数据区可存储根据服务器的使用所创建的数据等。 此外， 存储器 502 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， 例如至少一个磁盘存储器件、 闪存器件、 或其他易失性固态存储器 件。 相应地， 存储器 502还可以包括存储器控制器， 以提供处理器 501对 存储器 502的访问。
[00220] RF电路 503可用于收发信息过程中， 信号的接收和发送， 特别地， 将基站的下行信息接收后， 交由一个或者一个以上处理器 501处理； 另夕卜， 将涉及上行的数据发送给基站。 通常， RF电路 503包括但不限于天线、 至 少一个放大器、 调谐器、 一个或多个振荡器、 用户身份模块（SIM )卡、 收 发信机、 耦合器、 低噪声放大器（LNA, Low Noise Amplifier ), 双工器等。 此外， RF电路 503还可以通过无线通信与网络和其他设备通信。 所述无线 通信可以使用任一通信标准或协议， 包括但不限于全球移动通讯系统 ( GSM , Global System of Mobile communication ) , 通用分组无线服务 ( GPRS , General Packet Radio Service )、码分多址 （ CDMA, Code Division Multiple Access ) , 宽带码分多址 （WCDMA , Wideband Code Division Multiple Access ), 长期演进（LTE, Long Term Evolution ), 电子邮件、 短消 息服务 ( SMS , Short Messaging Service )等。
[00221] WiFi属于短距离无线传输技术，服务器通过 WiFi模块 504收发电子 邮件和访问流式媒体等， 它可以提供无线的宽带互联网访问。 虽然图 5 示 出了 WiFi模块 504, 但是可以理解的是， 其并不属于服务器的必须构成， 完全可以根据需要在不改变发明的本质的范围内而省略。
[00222]服务器还包括给各个部件供电的电源 505 (比如电池）， 优选的， 电 源可以通过电源管理系统与处理器 501 逻辑相连， 从而通过电源管理系统 实现管理充电、 放电、 以及功耗管理等功能。 电源 505还可以包括一个或 一个以上的直流或交流电源、 再充电系统、 电源故障检测电路、 电源转换 器或者逆变器、 电源状态指示器等任意组件。
[00223]该服务器还可包括至少一种传感器 506, 比如光传感器、运动传感器 以及其他传感器。 该服务器还可配置的陀螺仪、 气压计、 湿度计、 温度计、 红外线传感器等其他传感器， 在此不再赘述。
[00224]该服务器还可包括输入单元 507,该输入单元 507可用于接收输入的 数字或字符信息， 以及产生与用户设置以及功能控制有关的键盘、 鼠标、 操作杆、 光学或者轨迹球信号输入。 具体地， 在一个具体的实施例中， 输 入单元 507可包括触敏表面以及其他输入设备。 触敏表面， 也称为触摸显 示屏或者触控板， 可收集用户在其上或附近的触摸操作 （比如用户使用手 指、 触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操 作）， 并根据预先设定的程式驱动相应的连接装置。 可选的， 触敏表面可包 括触摸检测装置和触摸控制器两个部分。 其中， 触摸检测装置检测用户的 触摸方位， 并检测触摸操作带来的信号， 将信号传送给触摸控制器； 触摸 控制器从触摸检测装置上接收触摸信息， 并将它转换成触点坐标， 再送给 处理器 501 , 并能接收处理器 501发来的命令并加以执行。 此外， 可以采用 电阻式、 电容式、 红外线以及表面声波等多种类型实现触敏表面。 除了触 敏表面， 输入单元 507还可以包括其他输入设备。 具体地， 其他输入设备 可以包括但不限于物理键盘、 功能键（比如音量控制按键、 开关按键等）、 轨迹球、 鼠标、 操作杆等中的一种或多种。
[00225]该服务器还可包括显示单元 508,该显示单元 508可用于显示由用户 输入的信息或提供给用户的信息以及服务器的各种图形用户接口， 这些图 形用户接口可以由图形、 文本、 图标、 视频和其任意组合来构成。 显示单 元 508可包括显示面板，可选的，可以采用液晶显示器 （ LCD, Liquid Crystal Display ), 有机发光二极管 （OLED, Organic Light-Emitting Diode )等形式 来配置显示面板。 进一步的， 触敏表面可覆盖显示面板， 当触敏表面检测 到在其上或附近的触摸操作后， 传送给处理器 501以确定触摸事件的类型， 随后处理器 501 根据触摸事件的类型在显示面板上提供相应的视觉输出。 虽然在图 5 中， 触敏表面与显示面板是作为两个独立的部件来实现输入和 输入功能， 但是在某些实施例中， 可以将触敏表面与显示面板集成而实现 输入和输出功能。
[00226]尽管未示出， 服务器还可以包括摄像头、 蓝牙模块等， 在此不再赘 述。 具体在本实施例中， 服务器中的处理器 501 会按照如下的指令， 将一 个或一个以上的应用程序的进程对应的可执行文件加载到存储器 502 中， 并由处理器 501来运行存储在存储器 502中的应用程序， 从而实现各种功 能， 如下：
[00227]从服务器获取产品列表， 其中， 该产品列表包括至少一个产品的产 品信息， 该产品信息包括产品名称和价格指数， 并且所述产品信息与至少 一个产品标签相关联；
[00228]
[00229]计算用户的购买力指数， 以及获取用户的个性化标签， 所述个性化 标签为用户喜爱的产品标签的集合；
[00230]根据该购买力指数、 个性化标签、 产品标签和价格指数生成针对所 述用户的产品推荐列表； [00231]基于所述产品推荐列表向所述用户进行推荐。
[00232]其中， 步骤 "购买力指数、 个性化标签、 产品标签和价格指数生成 针对所述用户的产品推荐列表" 可以采用如下任意一种方式：
[00233]第一种方式：
[00234] ( 1 )根据该购买力指数和价格指数对产品列表中的产品信息进行筛 选， 得到第一结果集合； 例如， 具体可以如下：
[00235]将该购买力指数分别与产品列表中的产品信息的价格指数进行比 较； 若购买力指数与价格指数的差值的绝对值小于第一预置阈值， 则将对 应的产品信息添加到第一结果集合中。
[00236]其中， 第一预置阈值可以根据实际应用的需求进行设置， 在此不再 赘述。
[00237] ( 2 )根据个性化标签和产品标签对该第一结果集合进行筛选， 得到 第二结果集合； 例如， 具体可以如下：
[00238]根据该个性化标签分别计算用户对各个产品标签的喜爱概率， 根据 该用户对各个产品标签的喜爱概率计算用户对第一结果集合中各个产品信 息的喜爱概率； 根据所述用户对第一结果集合中各个产品信息的喜爱概率 和推荐分数（产品信息中包括有推荐分数）计算该第一结果集合中产品信 息的用户喜爱度分数， 将用户喜爱度分数超过第二预置阈值的产品信息添 加到第二结果集合中。
[00239]其中， 第二预置阈值可以根据实际应用的需求进行设置， 在此不再 赘述。
[00240] ( 3 )根据该第二结果集合生成针对该用户的产品推荐列表， 例如， 具体可以如下：
[00241]按照用户喜爱度分数的高低对该第二结果集合中的产品信息进行排 序， 以生成针对该用户的产品推荐列表。 [00242]第二种方式：
[00243] ( 1 )根据该个性化标签和产品标签对产品列表中的产品信息进行筛 选， 得到第三结果集合， 例如， 具体可以如下：
[00244]根据该个性化标签分别计算用户对各个产品标签的喜爱概率， 根据 该用户对各个产品标签的喜爱概率计算用户对该产品列表中各个产品信息 的喜爱概率； 根据该用户对该产品列表中各个产品信息的喜爱概率和推荐 分数（产品信息包括推荐分数）计算产品列表中的产品信息的用户喜爱度 分数， 将用户喜爱度分数超过第二预置阈值的产品信息添加到第三结果集 合。
[00245]其中， 第二预置阈值可以根据实际应用的需求进行设置， 在此不再 赘述。
[00246] ( 2 )根据购买力指数和价格指数对所述第三结果集合进行筛选， 得 到第四结果集合； 例如， 具体可以如下：
[00247]将该购买力指数分别与第三结果集合中的产品信息的价格指数进行 比较； 若所述购买力指数与所述价格指数的差值的绝对值小于第一预置阈 值， 则将对应的产品信息添加到第四结果集合中。
[00248]其中， 第一预置阈值可以根据实际应用的需求进行设置， 在此不再 赘述。
[00249] ( 3 )根据所述第四结果集合生成针对所述用户的产品推荐列表； 例 如， 具体可以如下：
[00250]按照用户喜爱度分数的高低对该第四结果集合中的产品信息进行排 序， 以生成针对该用户的产品推荐列表。
[00251]需说明的是， 在获取产品列表之后， 还利用逻辑分布公式对价格指 数进行均衡处理， 得到均衡后价格指数； 若已经利用逻辑分布公式对价格 指数进行均衡处理， 则生成产品推荐列表时所采用的价格指数可以为均衡 后价格指数， 即步骤 "根据该购买力指数、 个性化标签、 产品标签和价格 指数生成针对该用户的产品推荐列表" 具体可以为：
[00252]根据该购买力指数、 个性化标签、 产品标签和均衡后价格指数生成 针对该用户的产品推荐列表。
[00253]可选的， 其中， 计算用户的购买力指数， 可以包括：
[00254]获取用户已购买的各类产品的价格和权重； 对用户已购买的各类产 品的价格和权重的乘积进行求和， 得到第一值； 计算第一值与用户已购买 的各类产品的权重的总和的商， 得到用户的购买力指数。
[00255]以上各个步骤的具体实施可参见前面的实施例， 在此不再赘述。
[00256]由上可知， 本实施例的服务器可以获取包括至少一个产品的产品信 息的产品列表， 其中， 产品信息包括产品名称和价格指数， 并且所述产品 信息与至少一个产品标签相关联， 计算用户的购买力指数， 以及获取用户 的个性化标签， 然后根据购买力指数、 个性化标签、 产品标签和价格指数 生成针对该用户的个性化的产品推荐列表， 并基于所述产品推荐列表向所 述用户进行推荐； 该方案不仅可以精确地将产品信息推荐给有相应需求的 用户， 而且由于是该产品推荐列表是根据用户的购买力和兴趣爱好而生成 的， 所以更能符合用户的需求， 可以提高用户体验质量。
[00257]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部 分步骤是可以通过程序来指令相关的硬件来完成， 该程序可以存储于一计 算机可读存储介质中， 存储介质可以包括： 只读存储器（ROM, Read Only Memory ), 随机存取记忆体 ( RAM, Random Access Memory )、 磁盘或光盘 等。
[00258]以上对本发明实施例所提供的一种产品信息推荐方法、 装置和系统 了阐述， 以上实施例的说明只是用于帮助理解本发明的方法及其核心思想； 同时， 对于本领域的技术人员， 依据本发明的思想， 在具体实施方式及应 用范围上均会有改变之处， 综上所述， 本说明书内容不应理解为对本发明 的限制。

Claims

权 利 要 求
1、 一种产品信息推荐方法， 包括：
从服务器获取产品列表， 所述产品列表包括至少一个产品的产品信息， 所述产品信息包括产品名称和价格指数， 并且所述产品信息与至少一个产 品标签相关联；
计算用户的购买力指数， 以及获取用户的个性化标签， 所述个性化标 签为用户喜爱的产品标签的集合； 以及
根据所述购买力指数、 个性化标签、 产品标签和价格指数生成针对所 述用户的产品推荐列表， 其中所述产品推荐列表中的产品信息选择自所述 产品列表； 以及
基于所述产品推荐列表向所述用户进行推荐。
2、 根据权利要求 1所述的方法， 其中， 所述根据所述购买力指数、 个 性化标签、 产品标签和价格指数生成针对所述用户的产品推荐列表， 包括： 根据所述购买力指数和价格指数对所述产品列表中的产品信息进行筛 选， 得到第一结果集合；
根据所述个性化标签和产品标签对所述第一结果集合进行 选， 得到 第二结果集合； 以及
根据所述第二结果集合生成针对所述用户的产品推荐列表。
3、 根据权利要求 2所述的方法， 其中， 所述根据所述购买力指数和价 格指数对所述产品列表中的产品信息进行筛选， 得到第一结果集合， 包括： 将所述购买力指数与所述产品列表中的产品信息的价格指数进行比 较；
若所述购买力指数与所述价格指数的差值的绝对值小于第一预置阈 值， 则将所述产品信息添加到第一结果集合中。
4、 根据权利要求 2或 3所述的方法， 其中， 所述产品信息还包括推荐分 数， 则所述根据所述个性化标签和产品标签对所述第一结果集合进行筛选， 得到第二结果集合， 包括： 根据所述个性化标签计算用户对产品标签的喜爱概率；
根据所述用户对产品标签的喜爱概率计算用户对所述第一结果集合中 产品信息的喜爱概率；
根据所述用户对所述第一结果集合中产品信息的喜爱概率和推荐分数 计算所述第一结果集合中产品信息的用户喜爱度分数；
将用户喜爱度分数超过第二预置阈值的产品信息添加到第二结果集 合。
5、 根据权利要求 4所述的方法， 其中， 所述根据所述第二结果集合生 成针对所述用户的产品推荐列表， 包括：
按照用户喜爱度分数对所述第二结果集合中的产品信息进行排序， 以 生成针对所述用户的产品推荐列表。
6、 根据权利要求 1所述的方法， 其中， 所述根据所述购买力指数、 个 性化标签、 产品标签和价格指数生成针对所述用户的产品推荐列表， 包括： 根据所述个性化标签和产品标签对所述产品列表中的产品信息进行筛 选， 得到第三结果集合；
根据所述购买力指数和价格指数对所述第三结果集合进行 选， 得到 第四结果集合；
根据所述第四结果集合生成针对所述用户的产品推荐列表。
7、 根据权利要求 6所述的方法， 其中， 所述产品信息还包括推荐分数， 则所述根据所述个性化标签和产品标签对所述产品列表中的产品信息进行 筛选， 得到第三结果集合， 包括：
根据所述个性化标签分别计算用户对产品标签的喜爱概率；
根据所述用户对产品标签的喜爱概率计算用户对所述产品列表中产品 信息的喜爱概率；
根据所述用户对所述产品列表中产品信息的喜爱概率和推荐分数计算 所述产品列表中的产品信息的用户喜爱度分数；
将用户喜爱度分数超过第二预置阈值的产品信息添加到第三结果集 合。
8、 根据权利要求 6或 7所述的方法， 其中， 所述根据所述购买力指数和 价格指数对所述第三结果集合进行筛选， 得到第四结果集合， 包括：
将所述购买力指数与所述第三结果集合中的产品信息的价格指数进行 比较；
若所述购买力指数与所述价格指数的差值的绝对值小于第一预置阈 值， 则将所述产品信息添加到第四结果集合中。
9、 根据权利要求 7所述的方法， 其中， 所述根据所述第四结果集合生 成针对所述用户的产品推荐列表， 包括：
按照用户喜爱度分数对所述第四结果集合中的产品信息进行排序， 以 生成针对所述用户的产品推荐列表。
10、 根据权利要求 1所述的方法， 其中， 所述计算用户的购买力指数， 包括：
获取用户已购买的各类产品的价格和权重；
对所述用户已购买的各类产品的价格和权重的乘积进行求和， 得到第 一值；
计算所述第一值与用户已购买的各类产品的权重的总和的商， 得到用 户的购买力指数。
11、 根据权利要求 1所述的方法， 其中， 所述获取产品列表之后， 还包 括：
利用逻辑分布公式对价格指数进行均衡处理， 得到均衡后价格指数； 所述根据所述购买力指数、 个性化标签、 产品标签和价格指数生成针 对所述用户的产品推荐列表包括： 根据所述购买力指数、 个性化标签、 产 品标签和均衡后价格指数生成针对所述用户的产品推荐列表。
12、 一种产品信息推荐装置， 包括：
产品信息获取单元， 用于从服务器获取产品列表， 所述产品列表包括 至少一个产品的产品信息， 所述产品信息包括产品名称和价格指数， 并且 所述产品信息与至少一个产品标签相关联；
用户信息收集单元， 用于计算用户的购买力指数， 以及获取用户的个 性化标签， 所述个性化标签为用户喜爱的产品标签的集合；
产品推荐列表生成单元， 用于根据所述购买力指数、 个性化标签、 产 品标签和价格指数生成针对所述用户的产品推荐列表， 其中所述产品推荐 列表中的产品信息选择自所述产品列表； 以及
推荐单元， 用于基于所述产品推荐列表向所述用户进行推荐。
13、 根据权利要求 12所述的产品信息推荐装置， 其中， 所述产品推荐 列表生成单元包括第一筛选子单元、 第一处理子单元和第一生成子单元； 第一筛选子单元， 用于根据所述购买力指数和价格指数对所述产品列 表中的产品信息进行筛选， 得到第一结果集合；
第一处理子单元， 用于根据所述个性化标签和产品标签对所述第一结 果集合进行筛选， 得到第二结果集合； 以及
第一生成子单元， 用于根据所述第二结果集合生成针对所述用户的产 品推荐列表。
14、 根据权利要求 13所述的产品信息推荐装置， 其中，
所述第一筛选子单元， 还用于将所述购买力指数与所述产品列表中的 产品信息的价格指数进行比较； 若所述购买力指数与所述价格指数的差值 的绝对值小于第一预置阈值， 则将所述产品信息添加到第一结果集合中。
15、 根据权利要求 13或 14所述的产品信息推荐装置， 其中， 所述产品 信息还包括推荐分数， 贝' J :
第一处理子单元， 还用于根据所述个性化标签计算用户对产品标签的 喜爱概率； 根据所述用户对产品标签的喜爱概率计算用户对所述第一结果 集合中产品信息的喜爱概率； 根据所述用户对所述第一结果集合中产品信 息的喜爱概率和推荐分数计算所述第一结果集合中产品信息的用户喜爱度 分数； 将用户喜爱度分数超过第二预置阈值的产品信息添加到第二结果集 合。
16、 根据权利要求 15所述的产品信息推荐装置， 其中，
所述第一生成子单元， 还用于按照用户喜爱度分数对所述第二结果集 合中的产品信息进行排序， 以生成针对所述用户的产品推荐列表。
17、 根据权利要求 12所述的产品信息推荐装置， 其中， 所述产品推荐 列表生成单元包括第二处理子单元、 第二 选子单元和第二生成子单元； 第二处理子单元， 用于根据所述个性化标签和产品标签对所述产品列 表中的产品信息进行筛选， 得到第三结果集合；
第二 选子单元， 用于根据所述购买力指数和价格指数对所述第三结 果集合进行筛选， 得到第四结果集合；
第二生成子单元， 用于根据所述第四结果集合生成针对所述用户的产 品推荐列表。
18、 根据权利要求 17所述的产品信息推荐装置， 其中， 所述产品信息 还包括推荐分数， 贝' J :
所述第二处理子单元， 还用于根据所述个性化标签计算用户对产品标 签的喜爱概率； 根据所述用户对产品标签的喜爱概率计算用户对所述产品 列表中产品信息的喜爱概率； 根据所述用户对所述产品列表中产品信息的 喜爱概率和推荐分数计算所述产品列表中的产品信息的用户喜爱度分数； 将用户喜爱度分数超过第二预置阈值的产品信息添加到第三结果集合。
19、 根据权利要求 17或 18所述的产品信息推荐装置， 其中，
所述第二筛选子单元， 还用于将所述购买力指数与所述第三结果集合 中的产品信息的价格指数进行比较； 若所述购买力指数与所述价格指数的 差值的绝对值小于第一预置阈值， 则将所述产品信息添加到第四结果集合 中。
20、 根据权利要求 18所述的产品信息推荐装置， 其中，
第二生成子单元， 还用于按照用户喜爱度分数对所述第四结果集合中 的产品信息进行排序， 以生成针对所述用户的产品推荐列表。
21、 根据权利要求 12所述的产品信息推荐装置， 其中，
所述用户信息收集单元， 还用于获取用户已购买的各类产品的价格和 权重； 对所述用户已购买的各类产品的价格和权重的乘积进行求和， 得到 第一值； 计算所述第一值与用户已购买的各类产品的权重的总和的商， 得 到用户的购买力指数。
22、 根据权利要求 12所述的产品信息推荐装置， 其中，
所述产品信息获取单元， 还用于利用逻辑分布公式对价格指数进行均 衡处理， 得到均衡后价格指数；
所述产品推荐列表生成单元， 还用于根据所述购买力指数、 个性化标 签、 产品标签和均衡后价格指数生成针对所述用户的产品推荐列表。
23、 一种通信系统， 包括：
服务器， 所述服务器上储存有产品列表； 以及
如权利要求 12至 22中任意一项所述的产品信息推荐装置。
PCT/CN2013/090662 2013-06-05 2013-12-27 产品信息推荐方法、装置和系统 Ceased WO2014194657A1 (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
RU2015154732A RU2641268C2 (ru) 2013-06-05 2013-12-27 Способ, устройство и система для рекомендации информации о продукте
US14/896,285 US20160125503A1 (en) 2013-06-05 2013-12-27 Method, apparatus and system for recommending product information
AU2013391827A AU2013391827A1 (en) 2013-06-05 2013-12-27 Method, device and system for recommending product information
AU2017248479A AU2017248479A1 (en) 2013-06-05 2017-10-18 Method, device and system for recommending product information

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310222166.3 2013-06-05
CN201310222166.3A CN104217334A (zh) 2013-06-05 2013-06-05 一种产品信息推荐方法、装置和系统

Publications (1)

Publication Number Publication Date
WO2014194657A1 true WO2014194657A1 (zh) 2014-12-11

Family

ID=52007489

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2013/090662 Ceased WO2014194657A1 (zh) 2013-06-05 2013-12-27 产品信息推荐方法、装置和系统

Country Status (5)

Country Link
US (1) US20160125503A1 (zh)
CN (1) CN104217334A (zh)
AU (2) AU2013391827A1 (zh)
RU (1) RU2641268C2 (zh)
WO (1) WO2014194657A1 (zh)

Families Citing this family (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104866530A (zh) * 2015-04-27 2015-08-26 宁波网传媒有限公司 一种基于滑标评分的推荐系统及方法
CN106445941A (zh) * 2015-08-05 2017-02-22 北京奇虎科技有限公司 一种网站提供对象的推荐方法和装置
CN106469382A (zh) * 2015-08-14 2017-03-01 阿里巴巴集团控股有限公司 闲置商品对象信息处理方法及装置
CN106469403B (zh) * 2015-08-14 2023-04-18 腾讯科技（深圳）有限公司 一种信息展示方法和装置
CN105260477A (zh) * 2015-11-06 2016-01-20 北京金山安全软件有限公司 一种信息推送方法及装置
CN105512341B (zh) * 2015-12-31 2019-05-31 华南师范大学 基于大数据搜索的个性化推荐方法和系统
CN105913301B (zh) * 2016-04-08 2020-06-09 珠海优特智厨科技有限公司 拼单信息处理方法和系统
CN106251168A (zh) * 2016-07-08 2016-12-21 乐视控股（北京）有限公司 信息推送方法及系统
CN105979013A (zh) * 2016-07-11 2016-09-28 汇通宝支付有限责任公司 一种用户喜好信息推送方法和服务器及系统
CN106355445A (zh) * 2016-08-31 2017-01-25 无锡雅座在线科技发展有限公司 数据推送方法和装置
CN108346075B (zh) * 2017-01-24 2024-06-18 北京京东尚科信息技术有限公司 信息推荐方法和装置
CN107045693A (zh) * 2017-05-05 2017-08-15 北京媒立方传媒科技有限公司 媒体特征确定、媒体推荐方法及装置
CN107545470B (zh) * 2017-08-30 2021-04-30 北京京东尚科信息技术有限公司 数据处理方法及系统
CN108073702A (zh) * 2017-12-14 2018-05-25 北京木业邦科技有限公司 木材产品推荐方法、装置及计算机可读存储介质
CN108537635A (zh) * 2018-03-30 2018-09-14 苏宁易购集团股份有限公司 一种产品的推荐方法及装置
RU2685019C1 (ru) * 2018-04-06 2019-04-16 Айрат Мидхатович Ханов Способ и система контролирования и соблюдения рекомендаций по питанию на предприятии общественного питания
CN108509806B (zh) * 2018-04-09 2022-03-11 北京东方网润科技有限公司 一种具有隐私保护的大数据精准营销系统及设备
US10755229B2 (en) 2018-04-11 2020-08-25 International Business Machines Corporation Cognitive fashion-ability score driven fashion merchandising acquisition
CN108665345B (zh) * 2018-05-07 2021-11-09 北京科码先锋互联网技术股份有限公司 标签映射方法
RU2689423C1 (ru) * 2018-05-10 2019-05-28 Айрат Мидхатович Ханов Способ формирования рекомендаций по питанию пользователя на основании его показателей здоровья
CN110473038A (zh) * 2018-05-10 2019-11-19 北京嘀嘀无限科技发展有限公司 一种产品推荐方法、产品推荐系统及计算机设备
US11538083B2 (en) 2018-05-17 2022-12-27 International Business Machines Corporation Cognitive fashion product recommendation system, computer program product, and method
US10956928B2 (en) 2018-05-17 2021-03-23 International Business Machines Corporation Cognitive fashion product advertisement system and method
CN108734587A (zh) * 2018-05-22 2018-11-02 深圳壹账通智能科技有限公司 金融产品的推荐方法及终端设备
US10963744B2 (en) 2018-06-27 2021-03-30 International Business Machines Corporation Cognitive automated and interactive personalized fashion designing using cognitive fashion scores and cognitive analysis of fashion trends and data
CN109299993B (zh) * 2018-07-20 2023-04-18 平安科技（深圳）有限公司 产品功能推荐方法、终端设备及计算机可读存储介质
CN109165975B (zh) * 2018-08-09 2023-05-16 平安科技（深圳）有限公司 标签推荐方法、装置、计算机设备及存储介质
CN111047342B (zh) * 2018-10-15 2023-05-23 北京字节跳动网络技术有限公司 一种投放目标的确定方法、装置、电子设备及可读介质
CN110096643A (zh) * 2019-03-27 2019-08-06 青岛高校信息产业股份有限公司 产品潜客标签库生成方法和装置
CN110097394A (zh) * 2019-03-27 2019-08-06 青岛高校信息产业股份有限公司 产品潜客推荐方法和装置
CN110443640A (zh) * 2019-07-18 2019-11-12 佛山科学技术学院 一种基于大数据的商品推送方法及存储介质
CN110472143A (zh) * 2019-07-22 2019-11-19 平安科技（深圳）有限公司 一种信息推送方法、装置、可读存储介质及终端设备
EP4589512A3 (en) * 2019-11-15 2025-08-06 Catalina Marketing Corporation Personalized product service
CN113157708B (zh) * 2020-01-07 2022-09-20 青岛博芬智能科技股份有限公司 用于更新酒品信息的方法、装置和智能酒柜
CN111626824A (zh) * 2020-05-27 2020-09-04 广东优特云科技有限公司 订单处理及下单方法、系统装置及计算机可读存储介质
CN111782877B (zh) * 2020-07-06 2023-11-03 聚好看科技股份有限公司 服务器、显示设备及其视频搜索排序方法
KR102377887B1 (ko) * 2021-05-07 2022-03-24 쿠팡 주식회사 아이템 정보 제공 방법 및 그 장치
CN113379516A (zh) * 2021-08-12 2021-09-10 永正信息技术(南京)有限公司 一种推荐产品确定方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102208087A (zh) * 2010-03-30 2011-10-05 株式会社日立制作所 信息推荐装置
CN102682005A (zh) * 2011-03-10 2012-09-19 阿里巴巴集团控股有限公司 偏好类目的确定方法及装置
CN103116588A (zh) * 2011-11-17 2013-05-22 腾讯科技（深圳）有限公司 一种个性化推荐方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030208399A1 (en) * 2002-05-03 2003-11-06 Jayanta Basak Personalized product recommendation
US7881984B2 (en) * 2007-03-30 2011-02-01 Amazon Technologies, Inc. Service for providing item recommendations
US20090163183A1 (en) * 2007-10-04 2009-06-25 O'donoghue Hugh Recommendation generation systems, apparatus and methods
US7921071B2 (en) * 2007-11-16 2011-04-05 Amazon Technologies, Inc. Processes for improving the utility of personalized recommendations generated by a recommendation engine
US8244564B2 (en) * 2009-03-31 2012-08-14 Richrelevance, Inc. Multi-strategy generation of product recommendations
CN102004994B (zh) * 2010-11-10 2013-10-23 陈勇 一种在线产品推荐选择方法、装置及系统
CN102479366A (zh) * 2010-11-25 2012-05-30 阿里巴巴集团控股有限公司 一种商品推荐方法及系统
CN102663627A (zh) * 2012-04-26 2012-09-12 焦点科技股份有限公司 个性化推荐方法
CN103106600A (zh) * 2012-11-15 2013-05-15 深圳中兴网信科技有限公司 商品信息推送系统和商品信息推送方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102208087A (zh) * 2010-03-30 2011-10-05 株式会社日立制作所 信息推荐装置
CN102682005A (zh) * 2011-03-10 2012-09-19 阿里巴巴集团控股有限公司 偏好类目的确定方法及装置
CN103116588A (zh) * 2011-11-17 2013-05-22 腾讯科技（深圳）有限公司 一种个性化推荐方法及系统

Also Published As

Publication number Publication date
US20160125503A1 (en) 2016-05-05
RU2641268C2 (ru) 2018-01-16
CN104217334A (zh) 2014-12-17
AU2017248479A1 (en) 2017-11-09
RU2015154732A (ru) 2017-07-14
AU2013391827A1 (en) 2016-01-07

Similar Documents

Publication Publication Date Title
WO2014194657A1 (zh) 产品信息推荐方法、装置和系统
US11416893B2 (en) Systems and methods for predicting user segments in real-time
CN108073605B (zh) 一种业务数据的加载、推送、交互信息的生成方法和装置
US12236469B2 (en) Determining brand affinity of users
CN106357517B (zh) 定向标签生成方法及装置
CN107423308B (zh) 主题推荐方法以及装置
CN110309405B (zh) 一种项目推荐方法、装置及存储介质
WO2017133563A1 (zh) 建立关联关系的方法及装置
CN106528745A (zh) 在移动终端上推荐资源的方法、装置及移动终端
WO2015096818A1 (zh) 目标物品信息的处理方法和装置
CN107437189B (zh) 一种推广信息的投放方法、装置及系统
CN110335123A (zh) 基于社交电商平台的商品推荐方法、系统、计算机可读介质以及装置
US20150221023A1 (en) Information providing device, information providing method, information providing program, and computer-readable storage medium storing the program
CN107909399A (zh) 一种可用资源推荐方法和装置
CN111242709A (zh) 一种消息推送方法及其装置、设备、存储介质
CN110390569A (zh) 一种内容推广方法、装置及存储介质
US20190019200A1 (en) Systems and methods for analyzing electronic messages for customer data
CN110223093A (zh) 一种商品推介的方法和装置
CN104980559A (zh) 一种设置彩铃、彩铃音乐确定方法及装置
CN108205568A (zh) 基于标签选择数据的方法及装置
CN115271931A (zh) 一种信用卡产品的推荐方法、装置、电子设备和介质
CN106682054B (zh) 一种终端应用推荐方法、装置和系统
CN106779926A (zh) 关联规则生成方法、装置及终端
CN108897774A (zh) 一种获取新闻热点的方法、设备及存储介质
CN103870980B (zh) 一种网络商品的信息推送方法及服务器

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13886535

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14896285

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: IDP00201600004

Country of ref document: ID

ENP Entry into the national phase

Ref document number: 2013391827

Country of ref document: AU

Date of ref document: 20131227

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2015154732

Country of ref document: RU

Kind code of ref document: A

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 15.03.2016)

122 Ep: pct application non-entry in european phase

Ref document number: 13886535

Country of ref document: EP

Kind code of ref document: A1