WO2018165967A1 - 商家推荐系统及方法 - Google Patents

商家推荐系统及方法 Download PDF

Info

Publication number
WO2018165967A1
WO2018165967A1 PCT/CN2017/077014 CN2017077014W WO2018165967A1 WO 2018165967 A1 WO2018165967 A1 WO 2018165967A1 CN 2017077014 W CN2017077014 W CN 2017077014W WO 2018165967 A1 WO2018165967 A1 WO 2018165967A1
Authority
WO
WIPO (PCT)
Prior art keywords
commerce
node
merchant
data
evaluation information
Prior art date
Application number
PCT/CN2017/077014
Other languages
English (en)
French (fr)
Inventor
李楚斌
Original Assignee
深圳市秀趣品牌文化传播有限公司
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 深圳市秀趣品牌文化传播有限公司 filed Critical 深圳市秀趣品牌文化传播有限公司
Priority to PCT/CN2017/077014 priority Critical patent/WO2018165967A1/zh
Publication of WO2018165967A1 publication Critical patent/WO2018165967A1/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions

Definitions

  • the present invention relates to the field of e-commerce big data, and in particular, to a merchant recommendation system and method.
  • the e-commerce data analysis system analyzes and processes the e-commerce big data, and does not consider the factors of the user's evaluation of the commodity. It is impossible to rate the commodity through big data, and the user often has to pass a large number of The query finds the corresponding item.
  • the main object of the present invention is to provide a merchant recommendation system and method, which aims to solve the technical problem of not analyzing and processing and recommending products based on the evaluation system in the process of big data processing.
  • the present invention provides a merchant recommendation system, which is operated in a data center, and the data center is connected to an e-commerce platform, a client, and a review website through a network, and the merchant recommendation system includes: an acquisition module.
  • e-commerce data for obtaining e-commerce data from an e-commerce platform of each e-commerce platform; creating a module for parsing e-commerce data of each e-commerce platform, creating a data type list according to a data type keyword; acquiring a module, for Review website for evaluation information; association module, for column based on data type
  • the node keyword in the table is searched in the evaluation information, and the retrieved evaluation information is associated with a node corresponding to the node keyword;
  • a rating module is configured to each merchant in the data type list according to the retrieved evaluation information
  • a display module configured to: when the user queries the corresponding product through the client, recommend the merchant with the highest rating and selling the product to the user, and display it on the user's client.
  • the present invention further provides a merchant recommendation method, which is applied to a data center, where the data center is connected to an e-commerce platform, a client, and a review website through a network, and the method includes:
  • the e-commerce platform obtains the e-commerce data; parses the e-commerce data of each e-commerce platform, creates a data type list according to the data type keyword; obtains the evaluation information from the review website; according to the node keyword in the data type list, the evaluation information Searching, and associating the retrieved evaluation information with a node corresponding to the node keyword; scoring each merchant in the data type list according to the retrieved evaluation information; and when the user queries the corresponding product through the client, The seller with the highest rating and selling the item is recommended to the user and displayed on the user's client.
  • the merchant recommendation system and method of the present invention perform big data analysis on the e-commerce data, thereby rating the merchants of the e-commerce platform, facilitating the user to select the corresponding product after being sick, and saving the user's query time.
  • FIG. 1 is a schematic diagram of an application environment of a merchant recommendation system of the present invention
  • FIG. 2 is a schematic diagram of functional modules of a preferred embodiment of the merchant recommendation system of the present invention.
  • FIG. 3 is a flow chart of a preferred embodiment of the merchant recommendation method of the present invention.
  • FIG. 4 is a schematic diagram of a data type list of the present invention.
  • FIG. 1 is a schematic diagram of an application environment of a merchant recommendation system of the present invention.
  • the merchant recommendation system 20 in the present invention operates in the data center 2.
  • the data center 2 passes through the network 3 and one or more e-commerce platforms 1 (Three in FIG. 1 as an example)
  • a communication connection is to acquire a plurality of e-commerce data from the e-commerce platform 1.
  • the e-commerce data includes, but is not limited to, a product name, a product type, a product production date, a product packaging specification, a business address, and a business name.
  • the network 3 may be a wired communication network or a wireless communication network.
  • the network 3 is preferably a wireless communication network including, but not limited to, a GSM network, a GPRS network, a CDMA network, a TD-SCDMA network, a WiMAX network, a TD-LTE network, an FDD-LTE network, and the like.
  • the data center 2 is communicatively connected to one or more clients 4 (illustrated by three in FIG. 1) through the network 3, and the merchant with the highest rating after the user is retrieved is recommended to the user.
  • the data center 2 may further analyze and process the e-commerce data, and send the analyzed product association list (such as the association list of the goods "cookies" in FIG. 4) to the network 3 through the network 3.
  • the client 4 is held by a user, and the user can obtain the e-commerce data through the client 4.
  • the data center 2 is communicatively connected to the review website 5 through the network 3, and is used to obtain user evaluation information of the product from the review website 5.
  • the review website 5 provides an API interface, and the device or system accessing the API interface can obtain the evaluation information from the review website 5.
  • the data center 2 obtains the evaluation information of the product on the basis of the authorization of the review website 5 (i.e., authorized access to the API interface provided by the review website 5).
  • the review website 5 is connected to the one or more e-commerce platforms 1, and the user can perform evaluation through the review website 5, and then the evaluation information is sent to the e-commerce platform 1 to form evaluation information of the e-commerce platform.
  • the user selects the merchant A1 in the e-commerce platform A on the review website 5 for evaluation, and after the review website 5 generates the evaluation information, the e-commerce platform 1 sent to the e-commerce platform A forms the evaluation information of the merchant A1 in the e-commerce platform A.
  • the rating website 5 retains the rating information for other users to view.
  • the data center 2 is a server of a cloud platform or a data center, and can better manage and/or assist with the data transmission capability and data storage capability of the cloud platform or the data center.
  • the data center 2 is connected to the client 4.
  • the client 4 may be, but is not limited to, any other suitable portable electronic device such as a smart phone, a tablet computer, a personal digital assistant (PDA), a personal computer, an electronic signboard, and the like.
  • PDA personal digital assistant
  • FIG. 2 it is a schematic diagram of functional modules of a preferred embodiment of the merchant recommendation system of the present invention. As shown in FIG. 1, in the present embodiment, the merchant recommendation system 20 is applied to the data center 2.
  • the data center 2 includes,
  • the merchant recommendation system 20 the storage unit 22, the processing unit 24, and the communication unit 26.
  • the storage unit 22 may be a read only storage unit ROM, an electrically erasable storage unit EEPRO
  • flash memory unit FLASH or solid hard disk FLASH or solid hard disk.
  • the processing unit 24 may be a central processing unit (CPU), a microcontroller (MCU), a data processing chip, or an information processing unit having a data processing function.
  • CPU central processing unit
  • MCU microcontroller
  • data processing chip or an information processing unit having a data processing function.
  • the communication unit 26 is a wireless communication interface with remote wireless communication function, for example, support
  • GSM Global System for Mobile communications
  • GPRS Wireless Fidelity
  • WCDMA Wideband Code Division Multiple Access
  • CDMA Code Division Multiple Access
  • TD-SCDMA Wideband Code Division Multiple Access
  • WiMAX TD-LTE
  • FDD-LT Frequency Division Multiple Access
  • the merchant recommendation system 20 includes, but is not limited to, an acquisition module 200, a creation module 210, an association module 220, a rating module 230, and a display module 240.
  • the module referred to in the present invention refers to a type that can be described.
  • the processing unit 24 of the data center 2 executes and is capable of completing a series of computer program instruction segments of fixed functionality, which are stored in the storage unit 22 of the data center 2.
  • the obtaining module 200 is configured to obtain e-commerce data from the e-commerce platform 1 of each e-commerce platform.
  • the e-commerce platform 1 provides a data import interface (eg, an application interface, an application interface, an API), and a device or system that accesses the data import interface can be from the e-commerce platform.
  • a data import interface eg, an application interface, an application interface, an API
  • the obtaining module 200 invokes an API interface provided by the e-commerce platform 1 to obtain e-commerce data.
  • the e-commerce data belongs to the private information
  • the e-commerce data is sent to the data center 2
  • the encryption and decryption algorithm is adopted (for example, the MD5 encryption and decryption algorithm, the RSA plus The decryption algorithm, the DES encryption and decryption algorithm, the DSA encryption and decryption algorithm, the AES encryption and decryption algorithm, etc.) first encrypt the e-commerce data and then transmit it to the data center 2.
  • the encryption and decryption algorithm for example, the MD5 encryption and decryption algorithm, the RSA plus The decryption algorithm, the DES encryption and decryption algorithm, the DSA encryption and decryption algorithm, the AES encryption and decryption algorithm, etc.
  • the obtaining module 200 is configured to obtain e-commerce data from the e-commerce platform 1 of each e-commerce platform.
  • the e-commerce platform 1 provides a data import interface (eg, an application interface, an application interface, an API), and a device or system that accesses the data import interface can be from the e-commerce platform.
  • a data import interface eg, an application interface, an application interface, an API
  • the obtaining module 200 invokes the API provided by the e-commerce platform 1 To obtain e-commerce data.
  • the e-commerce data belongs to the private information
  • the e-commerce data is sent to the data center 2
  • the encryption and decryption algorithm is adopted (for example, the MD5 encryption and decryption algorithm, the RSA plus The decryption algorithm, the DES encryption and decryption algorithm, the DSA encryption and decryption algorithm, the AES encryption and decryption algorithm, etc.) first encrypt the e-commerce data and then transmit it to the data center 2.
  • the encryption and decryption algorithm for example, the MD5 encryption and decryption algorithm, the RSA plus The decryption algorithm, the DES encryption and decryption algorithm, the DSA encryption and decryption algorithm, the AES encryption and decryption algorithm, etc.
  • the creating module 210 is configured to parse the e-commerce data of each e-commerce platform, and create a data type list according to the data type keyword.
  • the data type list is divided into three layers of nodes, the first layer node is a commodity name node (the node holds the commodity name), the second layer is an e-commerce platform name node (the node holds the e-commerce platform name), and the third layer is The merchant information node (this node holds information such as the name of the merchant that sells the product).
  • the data type list is a list of the goods "cookies".
  • the list of data types may be more than three layers (e.g., four layers, five layers, or more).
  • the obtaining module 200 is configured to obtain evaluation information from the review website 5.
  • the rating information may be, but is not limited to, rating content, praise or bad reviews, and the like.
  • the association module 220 is configured to perform a search in the evaluation information according to a node keyword in the data type list, and associate the retrieved evaluation information with a node corresponding to the node keyword.
  • the step of associating the node information in the data type list with the node information and associating the retrieved evaluation information with the node corresponding to the node keyword includes the following steps:
  • the node keyword in the data type list may be a node name, or may be a node A default keyword.
  • the keyword of the e-commerce platform node is “XX X e-commerce platform”;
  • an evaluation information includes a node keyword in the data type list, the evaluation information is associated with a node corresponding to the node keyword.
  • the rating module 230 is configured to score each item in the data type list according to the retrieved evaluation information.
  • the display module 240 is configured to recommend the merchant with the highest score and selling the commodity to the user, and display it on the client 4 of the user. Specifically, as shown in FIG. 4, if the merchandise platform A has a product score of at most 145, when the user queries the merchandise through the client 4, the information of the merchant A1 of the e-commerce platform A is displayed to the user. Client 4 is on.
  • FIG. 3 it is a flow chart of a preferred embodiment of the merchant recommendation method of the present invention.
  • the merchant recommendation method is applied to the data center 2, and the method includes the following steps:
  • Step S10 The acquiring module 200 acquires e-commerce data from the e-commerce platform 1 of each e-commerce platform.
  • the e-commerce platform 1 provides a data import interface (for example, an application interface, an application interface, an API), and a device or system that accesses the data import interface can be from the e-commerce platform.
  • a data import interface for example, an application interface, an application interface, an API
  • a device or system that accesses the data import interface can be from the e-commerce platform.
  • the obtaining module 200 invokes an API interface provided by the e-commerce platform 1 to obtain e-commerce data.
  • the e-commerce data belongs to the private information
  • the e-commerce data is sent to the data center 2
  • the encryption and decryption algorithm is adopted (for example, the MD5 encryption and decryption algorithm, the RSA plus The decryption algorithm, the DES encryption and decryption algorithm, the DSA encryption and decryption algorithm, the AES encryption and decryption algorithm, etc.) first encrypt the e-commerce data and then transmit it to the data center 2.
  • the encryption and decryption algorithm for example, the MD5 encryption and decryption algorithm, the RSA plus The decryption algorithm, the DES encryption and decryption algorithm, the DSA encryption and decryption algorithm, the AES encryption and decryption algorithm, etc.
  • Step S11 The creating module 210 parses the e-commerce data of each e-commerce platform, and creates a data type list according to the data type keyword.
  • the data type list is divided into three layers of nodes, the first layer node is a commodity name node (the node holds the commodity name), the second layer is an e-commerce platform name node (the node holds the e-commerce platform name), and the third layer is The merchant information node (this node holds information such as the name of the merchant that sells the product).
  • the data type list is a list of the goods "cookies".
  • the list of data types may be more than three layers (e.g., four layers, five layers, or more).
  • Step S12 The obtaining module 200 obtains the evaluation information from the review website 5.
  • the rating information may be , but not limited to, evaluation content, praise or bad reviews, and so on.
  • Step S13 The association module 220 searches the evaluation information according to the node keyword in the data type list, and associates the retrieved evaluation information with the node corresponding to the node keyword.
  • step of associating the retrieved evaluation information with the node corresponding to the node keyword according to the node keyword in the data type list includes the following steps:
  • the node keyword in the data type list may be a node name, or may be a node A default keyword.
  • the keyword of the e-commerce platform node is “XX X e-commerce platform”;
  • an evaluation information includes a node keyword in the data type list, the evaluation information is associated with a node corresponding to the node keyword.
  • Step S14 The rating module 230 scores each item in the data type list according to the retrieved evaluation information.
  • Step S15 When the user queries the corresponding product through the client 4, the display module 240 recommends the merchant with the highest score and the product to be sold to the user, and displays it on the client 4 of the user. Specifically, as shown in FIG. 4, if the merchandise platform A has a product score of at most 145, when the user queries the merchandise through the client 4, the information of the merchant A1 of the e-commerce platform A is displayed to the user. Client 4 is on.
  • the merchant recommendation system and method of the present invention perform big data analysis on e-commerce data, thereby Taiwan’s merchants are rated to make it easier for users to pick up the corresponding products, saving users’ queries.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种商家推荐系统及方法，该方法包括：从各个电商平台的电商平台获取电商数据；对各个电商平台的电商数据进行解析，按照数据类型关键字创建数据类型列表；从点评网站获取评价信息；根据数据类型列表中节点关键字在所述评价信息中进行检索，并将检索到的评价信息与节点关键字对应的节点进行关联；根据检索到的评价信息对数据类型列表中每个商家进行评分；当用户通过客户端查询对应商品时，将评分最高且售卖该商品的商家推荐给用户，并显示于用户的客户端上。实施本发明可以对电商数据进行大数据分析，从而方便用户找到对应的商家，节约了用户查询的时间。

Description

技术领域
[0001] 本发明涉及电商大数据领域， 尤其涉及一种商家推荐系统及方法。
背景技术
[0002] 近年来随着互联网、 云计算和物联网等的迅猛发展， 无所不在的移动设备、 RF ID、 无线传感器每分每秒都在产生数据， 数以亿计用户的互联网服务吋吋刻刻 在产生巨量的交互， 要处理的数据量巨大， 数据一直都在以每年 50%的速度增长 ， 而业务需求和竞争压力对数据处理的实吋性、 有效性又提出了更高要求， 传 统的常规技术手段根本无法应付， 因此， 大数据技术 （Big Data) 成为近来的一 个技术热点， 引起了广泛的重视。
[0003] 借助于不断增长的私密和公幵电商数据， 大数据技术帮助人们存储管理好大数 据并从大体量、 高复杂的数据中提取价值， 相关的技术、 产品将不断涌现， 将 有可能给电商行业幵拓一个新的黄金吋代。
[0004] 然而， 现阶段的电商数据分析系统在针对电商大数据进行分析处理吋， 并没有 考虑用户平吋对商品评价的因素， 无法通过大数据对商品进行评级， 用户往往 要通过大量的査询找到对应的商品。
技术问题
[0005] 本发明的主要目的在于提供一种商家推荐系统及方法， 旨在解决现有对大数据 处理过程中没有基于评价体系进行分析及处理并推荐商品的技术问题。
问题的解决方案
技术解决方案
[0006] 为实现上述目的， 本发明提供了一种商家推荐系统， 运行于数据中心， 所述数 据中心通过网络与电商平台、 客户端及点评网站连接， 所述商家推荐系统包括 ： 获取模块， 用于从各个电商平台的电商平台获取电商数据； 创建模块， 用于 对各个电商平台的电商数据进行解析， 按照数据类型关键字创建数据类型列表 ； 获取模块， 用于从点评网站获取评价信息； 关联模块， 用于根据数据类型列 表中节点关键字在所述评价信息中进行检索， 并将检索到的评价信息与节点关 键字对应的节点进行关联； 评级模块， 用于根据检索到的评价信息对数据类型 列表中每个商家进行评分； 及显示模块， 用于当用户通过客户端査询对应商品 吋， 将评分最高且售卖该商品的商家推荐给用户， 并显示于用户的客户端上。
[0007] 另一方面， 本发明还提供一种商家推荐方法， 应用于数据中心， 所述数据中心 通过网络与电商平台、 客户端及点评网站连接， 该方法包括： 从各个电商平台 的电商平台获取电商数据； 对各个电商平台的电商数据进行解析， 按照数据类 型关键字创建数据类型列表； 从点评网站获取评价信息； 根据数据类型列表中 节点关键字在所述评价信息中进行检索， 并将检索到的评价信息与节点关键字 对应的节点进行关联； 根据检索到的评价信息对数据类型列表中每个商家进行 评分； 及当用户通过客户端査询对应商品吋， 将评分最高且售卖该商品的商家 推荐给用户， 并显示于用户的客户端上。
发明的有益效果
有益效果
[0008] 本发明所述商家推荐系统及方法， 对电商数据进行大数据分析， 从而对电商平 台的商家进行评级， 方便用户患病吋挑选对应的商品， 节约了用户査询的吋间
对附图的简要说明
附图说明
[0009] 图 1是本发明商家推荐系统的应用环境示意图；
[0010] 图 2是本发明商家推荐系统的优选实施例的功能模块示意图；
[0011] 图 3是本发明商家推荐方法的优选实施例的流程图；
[0012] 图 4是本发明数据类型列表的示意图。
实施该发明的最佳实施例
本发明的最佳实施方式
[0013] 参照图 1所示， 图 1是本发明商家推荐系统的应用环境示意图。 本发明中的商家 推荐系统 20运行于数据中心 2。 所述数据中心 2通过网络 3与一个或多个电商平台 1 (图 1中以三个为例进行说明） 通信连接， 以从所述电商平台 1获取多笔电商数 据。 所述电商数据包括， 但不限于， 商品名称、 商品种类、 商品生产日期、 商 品包装规格、 商家地址及商家名称等信息。
[0014] 所述网络 3可以是有线通讯网络或无线通讯网络。 所述网络 3优选为无线通讯网 络， 包括但不限于， GSM网络、 GPRS网络、 CDMA网络、 TD-SCDMA网络、 W iMAX网络、 TD-LTE网络、 FDD-LTE网络等无线传输网络。
[0015] 所述数据中心 2通过所述网络 3与一个或多个客户端 4 (图 1中以三个为例进行说 明） 通信连接， 将用户检索后评级最高的商家推荐给用户。 在其它实施例中， 所述数据中心 2还可以对所述电商数据进行分析处理， 并将分析处理后的商品关 联列表 （如图 4中商品"饼干"的关联列表） 通过网络 3发送给用户对应的客户端 4 。 需要说明的是， 所述客户端 4由用户持有， 用户可以通过所述客户端 4获取所 述电商数据。
[0016] 所述数据中心 2通过所述网络 3与点评网站 5通信连接， 用于从所述点评网站 5获 取用户对商品的评价信息。 具体地说， 所述点评网站 5提供 API接口， 接入该 API 接口的设备或系统都可以从所述点评网站 5中获取评价信息。 所述数据中心 2在 所述点评网站 5授权的基础上 （即授权接入所述点评网站 5提供的 API接口） 获取 所述商品的评价信息。 所述点评网站 5与所述一个或多个电商平台 1进行对接， 用户可以通过点评网站 5进行评价， 之后评价信息发送至电商平台 1形成该电商 平台的评价信息。 例如， 用户在点评网站 5上选择电商平台 A中的商家 A1进行评 价， 点评网站 5生成评价信息后， 发送至电商平台 A的电商平台 1形成电商平台 A 中商家 A1的评价信息。 此外， 当用户看完病后， 可以在点评网站 5上对商品所对 应的商家进行评价， 点评网站 5保留评级信息供其它用户査看。
[0017] 需要说明的是， 所述数据中心 2是云平台或数据中心的某一台服务器， 通过云 平台或数据中心的数据传输能力及数据存储能力， 可以更好地管理及 /或协助与 该数据中心 2连接的客户端 4。
[0018] 所述客户端 4可以是， 但不限于， 智能手机、 平板电脑、 个人数字助理 （Person al Digital Assistant, PDA) 、 个人电脑、 电子看板等其它任意合适的便携式电子 设备。 [0019] 参照图 2所示， 是本发明商家推荐系统的优选实施例的功能模块示意图。 结合 图 1所示， 在本实施例中， 所述商家推荐系统 20应用于数据中心 2。 该数据中心 2 包括，
但不仅限于， 商家推荐系统 20、 存储单元 22、 处理单元 24、 及通讯单元 26。
[0020] 所述的存储单元 22可以为一种只读存储单元 ROM, 电可擦写存储单元 EEPRO
M、 快闪存储单元 FLASH或固体硬盘等。
[0021] 所述的处理单元 24可以为一种中央处理器 （Central Processing Unit, CPU) 、 微控制器 （MCU) 、 数据处理芯片、 或者具有数据处理功能的信息处理单元。
[0022] 所述的通讯单元 26为一种具有远程无线通讯功能的无线通讯接口， 例如， 支持
GSM、 GPRS、 WCDMA、 CDMA、 TD-SCDMA、 WiMAX、 TD-LTE、 FDD-LT
E等通讯技术的通讯接口。
[0023] 所述商家推荐系统 20包括， 但不局限于， 获取模块 200、 创建模块 210、 关联模 块 220、 评级模块 230及显示模块 240， 本发明所称的模块是指一种能够被所述数 据中心 2的处理单元 24执行并且能够完成固定功能的一系列计算机程序指令段， 其存储在所述数据中心 2的存储单元 22中。
[0024] 所述获取模块 200用于从各个电商平台的电商平台 1获取电商数据。
[0025] 具体而言， 所述电商平台 1提供数据导入接口 （例如， 应用程序接口， Applicati on Program Interface, API) ， 接入该数据导入接口的设备或系统都可以从所述 电商平台 1中获取电商数据。 所述获取模块 200调用所述电商平台 1提供的 API接 口以获取电商数据。
[0026] 需要说明的是， 由于所述电商数据属于隐私信息， 为了确保信息安全， 所述电 商数据发送给数据中心 2吋， 会通过加解密算法 （例如， MD5加解密算法、 RSA 加解密算法、 DES加解密算法、 DSA加解密算法、 AES加解密算法等） 先对电商 数据进行加密处理， 之后传输给所述数据中心 2。
[0027] 所述获取模块 200用于从各个电商平台的电商平台 1获取电商数据。
[0028] 具体而言， 所述电商平台 1提供数据导入接口 （例如， 应用程序接口， Applicati on Program Interface, API) ， 接入该数据导入接口的设备或系统都可以从所述 电商平台 1中获取电商数据。 所述获取模块 200调用所述电商平台 1提供的 API接 口以获取电商数据。
[0029] 需要说明的是， 由于所述电商数据属于隐私信息， 为了确保信息安全， 所述电 商数据发送给数据中心 2吋， 会通过加解密算法 （例如， MD5加解密算法、 RSA 加解密算法、 DES加解密算法、 DSA加解密算法、 AES加解密算法等） 先对电商 数据进行加密处理， 之后传输给所述数据中心 2。
[0030] 所述创建模块 210用于对各个电商平台的电商数据进行解析， 按照数据类型关 键字创建数据类型列表。 所述数据类型列表分为三层节点， 第一层节点为商品 名称节点 （该节点保存商品名称） ， 第二层为电商平台名称节点 （该节点保存 电商平台名称） ， 第三层为商家信息节点 （该节点保存售卖该商品的商家的名 称等信息） 。 如图 4所示， 所述数据类型列表为商品"饼干"的列表。 在其它实施 例中， 所述数据类型列表可以是多于三层 （例如， 四层、 五层或以上） 。
[0031] 所述获取模块 200用于从点评网站 5获取评价信息。 所述评价信息可以是， 但不 限于， 评价内容、 好评或差评等等。
[0032] 所述关联模块 220用于根据数据类型列表中节点关键字在所述评价信息中进行 检索， 并将检索到的评价信息与节点关键字对应的节点进行关联。
[0033] 所述根据数据类型列表中节点关键字在所述评价信息中进行检索， 并将检索到 的评价信息与节点关键字对应的节点进行关联的步骤包括如下步骤：
[0034] (1) 获取数据类型列表中的节点关键字， 并通过所述关键字检索是否有对应 的评价信息， 其中， 数据类型列表中的节点关键字可以是节点名称， 也可以是 节点中某一个预设的关键字。 例如， 如图 4所述， 电商平台节点的关键字为" XX X电商平台"；
[0035] (2) 判断所述数据类型列表中节点关键字是否有对应的评价信息；
[0036] (3) 若当一个评价信息中包含所述数据类型列表中节点关键字， 则所述将该 评价信息与该节点关键字对应的节点进行关联。
[0037] 所述评级模块 230用于根据检索到的评价信息对数据类型列表中每个商品进行 评分。 在本实施例中， 所述根据检索到的评价信息对数据类型列表中每个商家 进行评分的方式采用如下公式进行计算： Y=a*Xl-b*X2+c+d， 其中， Y评分， X 1为好评的数量， X2为差评的数量， c为电商平台资质对应的默认值 （例如， 具 有支付牌照且均为品牌商的电商平台对应的默认值为 50、 具有物流配送系统的 电商平台对应的默认值为 45、 微商对应的默认值为 40等等） ， d为商家职称对应 的默认值 （例如， 世界五百强企业的对应的默认值为 30、 中国五百强企业的对 应的默认值为 25、 其余企业对应的默认值为 20等等） ， a及 b均为固定参数 （例如 ， a为数值 15， b为数值 10等） 。 需要说明的是， 根据所述公式计算出来的 Y的值 越高， 表示商家的评分越高。
[0038] 当用户通过客户端 4査询对应商品吋， 所述显示模块 240用于将评分最高且售卖 该商品的商家推荐给用户， 并显示于用户的客户端 4上。 具体的说， 如图 4所示 ， 若电商平台 A的商品分数最高为 145分， 则当用户通过客户端 4上査询该商品吋 ， 显示电商平台 A的商家 A1的信息于用户的客户端 4上。
[0039] 参照图 3所示， 是本发明商家推荐方法的优选实施例的流程图。 在本实施例中 ， 所述的商家推荐方法应用于数据中心 2， 该方法包括以下步骤：
[0040] 步骤 S10: 所述获取模块 200从各个电商平台的电商平台 1获取电商数据。
[0041] 具体而言， 所述电商平台 1提供数据导入接口 （例如， 应用程序接口， Applicati on Program Interface, API) ， 接入该数据导入接口的设备或系统都可以从所述 电商平台 1中获取电商数据。 所述获取模块 200调用所述电商平台 1提供的 API接 口以获取电商数据。
[0042] 需要说明的是， 由于所述电商数据属于隐私信息， 为了确保信息安全， 所述电 商数据发送给数据中心 2吋， 会通过加解密算法 （例如， MD5加解密算法、 RSA 加解密算法、 DES加解密算法、 DSA加解密算法、 AES加解密算法等） 先对电商 数据进行加密处理， 之后传输给所述数据中心 2。
[0043] 步骤 S11 : 所述创建模块 210对各个电商平台的电商数据进行解析， 按照数据类 型关键字创建数据类型列表。 所述数据类型列表分为三层节点， 第一层节点为 商品名称节点 （该节点保存商品名称） ， 第二层为电商平台名称节点 （该节点 保存电商平台名称） ， 第三层为商家信息节点 （该节点保存售卖该商品的商家 的名称等信息） 。 如图 4所示， 所述数据类型列表为商品"饼干"的列表。 在其它 实施例中， 所述数据类型列表可以是多于三层 （例如， 四层、 五层或以上） 。
[0044] 步骤 S12: 所述获取模块 200从点评网站 5获取评价信息。 所述评价信息可以是 ， 但不限于， 评价内容、 好评或差评等等。
[0045] 步骤 S13: 所述关联模块 220根据数据类型列表中节点关键字在所述评价信息中 进行检索， 并将检索到的评价信息与节点关键字对应的节点进行关联。
[0046] 所述根据数据类型列表中节点关键字在所述评价信息中进行检索， 并将检索到 的评价信息与节点关键字对应的节点进行关联的步骤包括如下步骤：
[0047] (1) 获取数据类型列表中的节点关键字， 并通过所述关键字检索是否有对应 的评价信息， 其中， 数据类型列表中的节点关键字可以是节点名称， 也可以是 节点中某一个预设的关键字。 例如， 如图 4所述， 电商平台节点的关键字为" XX X电商平台"；
[0048] (2) 判断所述数据类型列表中节点关键字是否有对应的评价信息；
[0049] (3) 若当一个评价信息中包含所述数据类型列表中节点关键字， 则所述将该 评价信息与该节点关键字对应的节点进行关联。
[0050] 步骤 S14: 所述评级模块 230根据检索到的评价信息对数据类型列表中每个商品 进行评分。 在本实施例中， 所述根据检索到的评价信息对数据类型列表中每个 商家进行评分的方式采用如下公式进行计算： Y=a*Xl-b*X2+c+d， 其中， Y评分 ， XI为好评的数量， X2为差评的数量， c为电商平台资质对应的默认值 （例如， 具有支付牌照且均为品牌商的电商平台对应的默认值为 50、 具有物流配送系统 的电商平台对应的默认值为 45、 微商对应的默认值为 40等等） ， d为商家职称对 应的默认值 （例如， 世界五百强企业的对应的默认值为 30、 中国五百强企业的 对应的默认值为 25、 其余企业对应的默认值为 20等等） ， a及 b均为固定参数 （例 如， a为数值 15， b为数值 10等） 。 需要说明的是， 根据所述公式计算出来的 Y的 值越高， 表示商家的评分越高。
[0051] 步骤 S15: 当用户通过客户端 4査询对应商品吋， 所述显示模块 240将评分最高 且售卖该商品的商家推荐给用户， 并显示于用户的客户端 4上。 具体的说， 如图 4所示， 若电商平台 A的商品分数最高为 145分， 则当用户通过客户端 4上査询该 商品吋， 显示电商平台 A的商家 A1的信息于用户的客户端 4上。
工业实用性
[0052] 本发明所述商家推荐系统及方法， 对电商数据进行大数据分析， 从而对电商平 台的商家进行评级， 方便用户患病吋挑选对应的商品， 节约了用户査询的吋间

Claims

权利要求书
[权利要求 1] 一种商家推荐系统， 运行于数据中心， 其特征在于， 所述数据中心通 过网络与电商平台、 客户端及点评网站连接， 所述商家推荐系统包括 获取模块， 用于从各个电商平台的电商平台获取电商数据； 创建模块， 用于对各个电商平台的电商数据进行解析， 按照数据类型 关键字创建数据类型列表；
获取模块， 用于从点评网站获取评价信息；
关联模块， 用于根据数据类型列表中节点关键字在所述评价信息中进 行检索， 并将检索到的评价信息与节点关键字对应的节点进行关联； 评级模块， 用于根据检索到的评价信息对数据类型列表中每个商家进 行评分； 及
显示模块， 用于当用户通过客户端査询对应商品吋， 将评分最高且售 卖该商品的商家推荐给用户， 并显示于用户的客户端上。
如权利要求 1所述的商家推荐系统， 其特征在于， 所述电商数据还包 括商品名称、 商品种类、 商品生产日期、 商品包装规格、 商家地址及 商家名称。
如权利要求 1所述的商家推荐系统， 其特征在于， 所述数据类型列表 分为三层节点， 第一层节点为商品名称节点， 第二层节点为电商平台 节点， 第三层节点为商家信息节点。
如权利要求 1所述的商家推荐系统， 其特征在于， 所述评价信息包括 评价内容、 好评或差评。
如权利要求 1所述的商家推荐系统， 其特征在于， 所述根据检索到的 评价信息对数据类型列表中每个商家进行评分的方式采用如下公式进 行计算： Y=a*Xl-b*X2+c+d， 其中， Y评分， XI为好评的数量， X2 为差评的数量， c为电商资质对应的默认值， d为商家职称对应的默认 值， a及 b均为固定参数。
一种商家推荐方法， 应用于数据中心， 其特征在于， 所述数据中心通 过网络与电商平台、 客户端及点评网站连接， 该方法包括：
从各个电商平台的电商平台获取电商数据；
对各个电商平台的电商数据进行解析， 按照数据类型关键字创建数据 类型列表；
从点评网站获取评价信息；
根据数据类型列表中节点关键字在所述评价信息中进行检索， 并将检 索到的评价信息与节点关键字对应的节点进行关联；
根据检索到的评价信息对数据类型列表中每个商家进行评分； 及 当用户通过客户端査询对应商品吋， 将评分最高且售卖该商品的商家 推荐给用户， 并显示于用户的客户端上。
[权利要求 7] 如权利要求 6所述的商家推荐方法， 其特征在于， 所述电商数据还包 括商品名称、 商品种类、 商品生产日期、 商品包装规格、 商家地址及 商家名称。
[权利要求 8] 如权利要求 6所述的商家推荐方法， 其特征在于， 所述数据类型列表 分为三层节点， 第一层节点为商品名称节点， 第二层节点为电商平台 节点， 第三层节点为商家信息节点。
[权利要求 9] 如权利要求 6所述的商家推荐方法， 其特征在于， 所述评价信息包括 评价内容、 好评或差评。
[权利要求 10] 如权利要求 6所述的商家推荐方法， 其特征在于， 所述根据检索到的 评价信息对数据类型列表中每个商家进行评分的方式采用如下公式进 行计算： Y=a*Xl-b*X2+c+d， 其中， Y评分， XI为好评的数量， X2 为差评的数量， c为电商资质对应的默认值， d为商家职称对应的默认 值， a及 b均为固定参数。
PCT/CN2017/077014 2017-03-17 2017-03-17 商家推荐系统及方法 WO2018165967A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/077014 WO2018165967A1 (zh) 2017-03-17 2017-03-17 商家推荐系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/077014 WO2018165967A1 (zh) 2017-03-17 2017-03-17 商家推荐系统及方法

Publications (1)

Publication Number Publication Date
WO2018165967A1 true WO2018165967A1 (zh) 2018-09-20

Family

ID=63523724

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/077014 WO2018165967A1 (zh) 2017-03-17 2017-03-17 商家推荐系统及方法

Country Status (1)

Country Link
WO (1) WO2018165967A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114880333A (zh) * 2022-07-12 2022-08-09 创颖峻网络科技(深圳)有限公司 产品数据分析方法、装置、存储介质及电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105528436A (zh) * 2015-12-18 2016-04-27 北京奇虎科技有限公司 一种数据展示方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105528436A (zh) * 2015-12-18 2016-04-27 北京奇虎科技有限公司 一种数据展示方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114880333A (zh) * 2022-07-12 2022-08-09 创颖峻网络科技(深圳)有限公司 产品数据分析方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
US9928537B2 (en) Management and storage of distributed bookmarks
US9466066B2 (en) Adaptive gathering of structured and unstructured data system and method
WO2018153029A1 (zh) 基于数据关联的医生评级推荐系统及方法
US8438163B1 (en) Automatic learning of logos for visual recognition
JP5451673B2 (ja) 検索ランキング生成装置及び方法
US8880513B2 (en) Presentation of items based on a theme
WO2013161105A1 (ja) タグ管理装置、タグ管理方法、タグ管理プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体
WO2013097312A1 (zh) 电力系统数据分析平台及方法
WO2014000576A1 (zh) 一种网络搜索方法及网络搜索系统
WO2018153030A1 (zh) 医疗信息化基于网页的医生评级推荐系统及方法
WO2018165968A1 (zh) 基于网页搜索的商家评价推荐系统及方法
JP2020514681A (ja) 物質検出方法、装置、電子機器、およびコンピュータ可読記憶媒体
US10497039B1 (en) Techniques for dynamic variations of a search query
JP5568195B1 (ja) 検索システム、検索条件設定装置、検索条件設定装置の制御方法、プログラム、及び情報記憶媒体
WO2018165967A1 (zh) 商家推荐系统及方法
WO2008025291A1 (fr) Système et procédé de présentation d'articles
WO2015085665A1 (zh) 一种搜索方法
US20220188895A1 (en) Product feature extraction from structured and unstructured texts using knowledge base
US9183251B1 (en) Showing prominent users for information retrieval requests
Khatiban Building reputation and trust using federated search and opinion mining
Sekhavat et al. Can Google nowcast the market trend of Iranian mobile games?
CA3025848C (en) Data interaction processing method, device and system
TWI796623B (zh) 關鍵字產生與檢核系統
JP2011159033A (ja) 情報提供プログラム、情報提供装置及び情報提供システム
WO2015059838A1 (ja) 検索システム、検索条件設定装置、検索条件設定装置の制御方法、プログラム、及び情報記憶媒体

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: 17900831

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17900831

Country of ref document: EP

Kind code of ref document: A1