WO2019232822A1 - 产品推荐方法、装置、计算机设备及存储介质 - Google Patents

产品推荐方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
WO2019232822A1
WO2019232822A1 PCT/CN2018/092361 CN2018092361W WO2019232822A1 WO 2019232822 A1 WO2019232822 A1 WO 2019232822A1 CN 2018092361 W CN2018092361 W CN 2018092361W WO 2019232822 A1 WO2019232822 A1 WO 2019232822A1
Authority
WO
WIPO (PCT)
Prior art keywords
product
user
original
information
identifier
Prior art date
Application number
PCT/CN2018/092361
Other languages
English (en)
French (fr)
Inventor
李云利
李辉
石宇
张文君
朱小冬
陈晶
张小敏
Original Assignee
平安科技（深圳）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 平安科技（深圳）有限公司 filed Critical 平安科技（深圳）有限公司
Publication of WO2019232822A1 publication Critical patent/WO2019232822A1/zh

Links

Images

Classifications

    • 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
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Definitions

  • the present application relates to the field of computers, and in particular, to a product recommendation method, device, computer device, and storage medium.
  • a product recommendation method including:
  • shared product recommendation information is generated according to the target product identifier and the behavior information.
  • a product recommendation device includes:
  • a login module configured to obtain login request information of a user, where the login request information includes a user identifier
  • a first acquisition module configured to acquire user historical behavior data according to the user identifier
  • a target product sending module configured to generate and send target product recommendation information according to the historical user behavior data
  • a second acquisition module configured to acquire user selection information, where the user selection information includes target product identification and behavior information;
  • the shared product sending module is configured to generate shared product recommendation information according to the target product identifier and the behavior information if the target product identifier belongs to a shared platform product.
  • a computer device includes a memory, a processor, and computer-readable instructions stored in the memory and executable on the processor.
  • the processor executes the computer-readable instructions, the following steps are implemented:
  • shared product recommendation information is generated according to the target product identifier and the behavior information.
  • One or more non-volatile readable storage media storing computer-readable instructions, which when executed by one or more processors, cause the one or more processors to perform the following steps:
  • shared product recommendation information is generated according to the target product identifier and the behavior information.
  • FIG. 1 is a schematic diagram of an application environment of a product recommendation method according to an embodiment of the present application
  • step S10 in a product recommendation method according to an embodiment of the present application
  • step S12 is a flowchart of implementing step S12 in a product recommendation method according to an embodiment of the present application
  • step S14 is a flowchart of implementing step S14 in a product recommendation method according to an embodiment of the present application
  • step S50 is a flowchart of implementing step S50 in a product recommendation method according to an embodiment of the present application
  • FIG. 7 is a schematic block diagram of a product recommendation device according to an embodiment of the present application.
  • FIG. 8 is a schematic diagram of a computer device according to an embodiment of the present application.
  • the product recommendation method provided in this application can be applied in the application environment shown in FIG. 1, in which a client (computer device) communicates with a server through a network.
  • the client obtains the login request of the user, and sends the login request to the server.
  • the server builds a sharing platform by calculating the similarity and correlation between different products, and generates shared product recommendation information based on the user selection information obtained from the client and sends it to the client.
  • the client computer device
  • the server can be implemented by an independent server or a server cluster composed of multiple servers.
  • a product recommendation method is provided.
  • the method is applied to the server in FIG. 1 as an example for description, and includes the following steps:
  • S10 Acquire the login request information of the user, and the login request information includes a user identifier.
  • the login request information refers to information that is processed by the client after obtaining the login information input by the user on the login interface, and is sent to the server.
  • the login request information includes a user ID. After the user ID constitutes the login request information, the client sends the login request information to the server, and the server obtains the login request information.
  • the login request information may also be obtained by the client after obtaining the login information input by the user and encrypted.
  • the security of the login request information in the data transmission process can be guaranteed.
  • the historical user behavior data is data obtained based on the user identification of the operation behavior performed by the user, and the operation behavior includes the user's browsing behavior and purchase behavior of products in the product company.
  • the product company is one or more product companies included in a business owner account platform, and users can enter a product company under the business owner account platform according to the login information, and Products to browse and purchase.
  • the server obtains historical user behavior data in a data embedding manner.
  • the method for obtaining historical user behavior data by means of data buried points may be to add buried point codes to collect user information and user operation data that need to be returned to the server.
  • a browse link button corresponding to a browsing behavior and a purchase link button corresponding to a purchasing behavior That is, when users browse and purchase a product, they need to perform corresponding operations (such as clicking) on the browse link button and purchase link button of the product to browse and purchase the product.
  • the browse link button is clicked, it is judged that the user has performed a browse action on the product; when it is detected that the product purchase link button is clicked, it is judged that the user has performed a purchase action on the product.
  • acquiring the historical user behavior data according to the user identification may be acquiring historical user behavior data within a predetermined period.
  • the predetermined period is three months.
  • the user browsed a product in a product company 10 times in the first three months, and browsed 3 times in the first month. I browsed five times in two months and two times in the third month.
  • the user did not browse the product of the product company.
  • a product from a product company was viewed twice.
  • S30 Generate and send target product recommendation information based on historical user behavior data.
  • the target product recommendation information is recommendation information composed of product information of some products in a product company.
  • the browsing behavior, collection behavior, active scoring behavior, and purchasing behavior of the product company's product are used to obtain the product that the user is interested in, and a collaborative filtering algorithm is used to calculate the user's likely feeling For the products of interest, the target product recommendation information is generated and fed back to the client based on the products that the user may be interested in, and displayed on the client for the user's preference.
  • the calculation of the degree of interest of a product based on the user ’s historical behavior data of a product may be performed by referring to active scoring or a comprehensive evaluation of behaviors included in the user ’s historical behavior data to obtain the feeling Degree of interest. If the degree of interest reaches a preset threshold, the user is considered to be interested in the product.
  • the target product recommendation information can be generated based on the product information browsed by the user who has the same interest as the user and sent to the client.
  • the user selection information includes target product identification and behavior information.
  • the user selection information is that the user selects one of the products according to the product displayed on the client by the product company to perform the corresponding operation behavior.
  • the product selected by the user is the target product.
  • the operation behavior may be browsing. Behavior or purchase behavior.
  • the target product ID is the unique ID of the target product selected by the user.
  • the behavior information is the specific content of the operation behavior, including browsing behavior, collection behavior, and purchase behavior.
  • the client generates behavior information according to the operation behavior, and composes user selection information with the target product identifier of the target product, and then the client sends the user selection information to the server.
  • the shared product recommendation information is generated according to the target product identification and behavior information.
  • a shared platform product is a product that each product company puts its own product into the shared platform according to a certain share, and the products in the shared platform can be displayed on the client of each product company for customers to browse buy.
  • the shared product recommendation information is generated according to the target product identification and behavior information and sent to the client.
  • the shared product recommendation information includes information about a target product in the shared platform.
  • target product recommendation information is generated from user historical behavior data. Since the target product recommendation information is product information that the user may be interested in, it can increase the user's choice when browsing the product and improve the user's Browsing efficiency brings convenience to users. Further, by building a shared platform and recommending products of the shared platform to users, users can see products from multiple product companies from one product company and make targeted recommendations when selecting products for purchase, reducing In addition to the cumbersome operation of users to enter other product companies, the convenience of user selection is further improved.
  • the product recommendation method further includes the following steps:
  • the product information includes the original product identification and product operation records.
  • a corresponding interface is set in a server of each product company in the business owner account platform for data interaction, and the interfaces can communicate with each other.
  • the original product identification is the unique identification of the product in each interface.
  • the product operation records are records of operations performed by different users on the product in the past cycle, such as one month, three months, or six months, including product browsing records, product collection records, product uncollection records, and product purchases Records etc.
  • the similarity between different original product identifiers is the degree of similarity between functions, product attributes, or product categories between the two products. Among them, if the similarity between the two original product identifiers is high, it can be considered that users who are interested in the product corresponding to one of the original product identifiers will also be interested in the product corresponding to the other original product identifier. Specifically, the user's product operation records can be calculated, and the similarity between each original product identifier can be obtained according to the calculation result.
  • the calculated range includes the similarity ⁇ between products corresponding to each original product identification in the sharing platform.
  • the calculation is performed according to the content of the product operation record to obtain the similarity ⁇ between the products corresponding to each original product identification in the sharing platform. That is, the calculated result is the similarity ⁇ between each product in the sharing platform and other products.
  • the similarity between product A and product B, product A and product C, and product B and product C can be calculated as ⁇ AB , ⁇ AC and ⁇ BC .
  • the similarity between other original product identifications and the original product identification in the sharing platform is changed from Sort from large to small, and use the products corresponding to the top M original product identifiers as similar products of the original product identifiers.
  • the specific number of M may be set according to the calculated similarity.
  • the similarity threshold may be set, and the product corresponding to the original product identifier whose similarity is greater than or equal to the similarity threshold is regarded as similar products.
  • the product operation records include product purchase records, and according to the product purchase records, the degree of correlation between the original product identifications is obtained.
  • the product purchase record is the number of times each product is purchased.
  • the degree of correlation between products corresponding to different original product identifiers is the degree of correlation between different products.
  • products such as mobile phones, mobile phone films, mobile phone protective cases, mobile phone charging cables, headphones or mobile chargers
  • the product functions are different, However, the functions of these products are interrelated.
  • the mobile phone film is used to protect the mobile phone screen or the mobile phone case
  • the mobile phone protective case is used to protect the mobile phone body and play a beautiful role.
  • a user purchases a mobile phone he may purchase other products associated with the mobile phone.
  • the calculated range includes the degree of association between products corresponding to each original product identifier in the sharing platform.
  • the calculation is performed according to the content of the product purchase record to obtain the degree of correlation between each product in the sharing platform. That is, the calculated result is the degree of correlation between the products in each shared platform and other products.
  • the degree of association between other original product identifiers and the original product identifier in the sharing platform is changed from Sort from large to small, and use the products corresponding to the top N original product identifiers as the related products of the original product identifiers.
  • the specific number of N can be set according to the calculated relevance degree. For example, it can be set as the relevance degree threshold, and the product corresponding to the original product identifier whose relevance degree is greater than or equal to the relevance degree threshold value is used as the associated product. .
  • step S12 the similarity between each original product identifier is obtained according to the product operation record, and specifically includes the following steps:
  • weights are set for a product browsing record, a product collection record, a product cancellation collection record, and a product purchase record included in the product operation record.
  • the relationship between the weights can be: product uncollection record ⁇ 0 ⁇ product browsing record ⁇ product collection record ⁇ product purchase record.
  • the specific weight value can be set according to the actual situation, and is not limited here.
  • the user interest score is calculated according to the user's product operation records for a certain product.
  • S122 Obtain the number of user interests of each original product identifier according to the user interest score.
  • the user interest score can be filtered by setting a user interest threshold. If the user interest score ⁇ sets the user interest threshold, it is determined that the user is interested in the product, and if the user interest score ⁇ sets the user interest threshold, it is determined that the user is not interested in the product. Calculate the user interest score of each user for the product corresponding to each original product identifier, determine whether each user is interested in the product, and count the number N that the user of each product is interested in.
  • a user's user interest score for the product is calculated. If the user interest threshold is 3, it indicates that the user is not interested in the product.
  • S123 Calculate the similarity between the original product identifiers according to the number of users interested in each original product identifier.
  • the similarity between the two original product identifications can be calculated by the following formula:
  • ⁇ ij is the similarity between the original product identification i and the original product identification j
  • is the number of users interested in the original product identification i
  • is the original product identification j
  • is the number of users who are interested in both the original product identifier i and the original product identifier j. It should be noted that the number of users interested in both the original product identifier i and the original product identifier j can be obtained by counting the number of users who are interested in both the original product identifier i and the original product identifier j.
  • the degree of similarity between different products is calculated by counting the user's interest in the product, and similar products can be classified into one category based on the similarity, which is beneficial when users browse a certain product. , Will recommend products similar to this product to users, which can save users time in purchasing products.
  • step S14 the association degree between the original product identifiers is obtained according to the product purchase record, which specifically includes the following steps:
  • S141 According to the product purchase record, count the number of purchases of two original product identifiers purchased by the same user within a predetermined time.
  • the number of purchases of two original product identifiers (original product identifier A and original product identifier B, hereinafter referred to as product A and product B) within the predetermined time by the same user is: within a predetermined time (for example, , One month, three months or six months, etc.), the number of users who bought product A and then product B.
  • a predetermined time for example, , One month, three months or six months, etc.
  • both product A and product B were purchased by 100 users, of which 40 users purchased product A and also purchased within the predetermined time.
  • the number of purchases of product A and product B by the same user is 40.
  • TF-IDF term frequency-inverse document probability, term frequency-inverse document frequency
  • TF is term frequency
  • IDF is inverse document frequency index
  • M A is the number of times product A is purchased within a predetermined time
  • M B is the number of times product B is purchased within a predetermined time
  • M A ⁇ M B is the number of times product A and product B were purchased by the same user within a predetermined time
  • M is the total number of transactions within a predetermined time.
  • the shared product recommendation information is generated according to the target product identifier and behavior information, and specifically includes the following steps:
  • the browsing behavior is a browsing operation performed by a user on a product displayed by a client of the interface from one of the interfaces
  • the target product identifier is that the user selects a certain product as the target product from the interface, and Perform a browse operation on the target product, and the corresponding identifier of the target product.
  • a similar product corresponding to the target product identifier is obtained. Specifically, a similar product corresponding to the original product ID that is the same as the target product ID is obtained.
  • S52 Generate shared product recommendation information according to similar products corresponding to the target product identifier.
  • shared product recommendation information is generated and fed back to the client.
  • the user can also see the target product while browsing the product corresponding to the target product identifier. Identify products that have similar products.
  • the purchase behavior is that a user purchases a product displayed by a client of the interface from one of the interfaces
  • the target product identifier is that the user selects a product from the interface as the target product, and The target product performs a purchase operation, and the corresponding target product is identified.
  • the related product corresponding to the target product identifier is obtained. Specifically, an associated product corresponding to the original product identifier that is the same as the target product identifier is obtained.
  • S54 Generate shared product recommendation information according to the associated product corresponding to the target product identifier.
  • shared product recommendation information is generated and fed back to the client.
  • the user purchases the product corresponding to the target product identifier, the user can also see the target product Identifies the product to which the corresponding product is associated.
  • the shared product recommendation information generated based on the user's behavior information can improve the effectiveness when recommending products for the user.
  • a product recommendation device is provided, and the product recommendation device corresponds to the product recommendation method in the above embodiment.
  • the product recommendation device includes a login module 71, a first acquisition module 72, a target product transmission module 73, a second acquisition module 74, and a shared product transmission module 75.
  • the detailed description of each function module is as follows:
  • a login module 71 configured to obtain login request information of a user, where the login request information includes a user identifier
  • a first obtaining module 72 configured to obtain historical user behavior data according to a user identifier
  • a target product sending module 73 configured to generate and send target product recommendation information according to historical user behavior data
  • a second obtaining module 74 configured to obtain user selection information, where the user selection information includes target product identification and behavior information;
  • the shared product sending module 75 is configured to generate shared product recommendation information according to the target product identifier and behavior information if the target product identifier belongs to a shared platform product.
  • the product recommendation device further includes:
  • the interface information acquisition module 711 is configured to acquire product information of each interface, and the product information includes an original product identifier and a product operation record;
  • a similarity obtaining module 712 configured to obtain the similarity between the original product identifiers according to the product operation records
  • a similarity ranking module 713 is configured to, for each original product identifier, use a product corresponding to the original product identifier whose similarity ranks in the top M bits as a similar product, where M is a positive integer;
  • the association degree acquisition module 714 is configured to obtain the association degree between the original product identifiers according to the product purchase record, where the product operation record includes the product purchase record;
  • the relevance ranking module 715 is configured to, for each original product identifier, use a product corresponding to the original N product rank corresponding to the original N product rank as the associated product, where N is a positive integer.
  • the similarity acquisition module 712 includes:
  • the interest score calculation submodule 7121 is configured to calculate a user interest score according to a product operation record
  • a quantity counting sub-module 7122 is configured to obtain the quantity of user interest of each original product identifier according to the user interest score.
  • the similarity calculation submodule 7123 is configured to calculate the similarity between the original product identifiers according to the number of users interested in each original product identifier.
  • the association degree acquisition module 714 includes:
  • Purchase count statistics submodule 7141 is used to count the number of purchases of two original product identifiers purchased by the same user within a predetermined time according to the product purchase record;
  • the correlation degree calculation submodule 7142 is configured to obtain a correlation degree between each original product identifier by using a TF-IDF algorithm.
  • the shared product sending module 75 includes:
  • a first judging sub-module 751, configured to obtain a corresponding similar product according to a target product identifier if the behavior information is a browsing behavior
  • a first recommendation sub-module 752 configured to generate shared product recommendation information according to similar products corresponding to the target product identifier
  • a second judgment sub-module 753, configured to obtain a corresponding associated product according to the target product identifier if the behavior information is a purchase behavior
  • the second recommendation sub-module 754 is configured to generate shared product recommendation information according to an associated product corresponding to the target product identifier.
  • Each module in the above product recommendation device may be implemented in whole or in part by software, hardware, and a combination thereof.
  • the above-mentioned modules may be embedded in the hardware in or independent of the processor in the computer device, or may be stored in the memory of the computer device in the form of software, so that the processor can call and execute the operations corresponding to the above modules.
  • a computer device is provided.
  • the computer device may be a server, and its internal structure diagram may be as shown in FIG. 8.
  • the computer device includes a processor, a memory, a network interface, and a database connected through a system bus.
  • the processor of the computer device is used to provide computing and control capabilities.
  • the memory of the computer device includes a non-volatile storage medium and an internal memory.
  • the non-volatile storage medium stores an operating system, computer-readable instructions, and a database.
  • the internal memory provides an environment for the operation of the operating system and computer-readable instructions in a non-volatile storage medium.
  • the computer equipment database is used to store product information and user data.
  • the network interface of the computer device is used to communicate with an external terminal through a network connection.
  • the computer-readable instructions are executed by a processor to implement a product recommendation method.
  • a computer device including a memory, a processor, and computer-readable instructions stored on the memory and executable on the processor.
  • the processor executes the computer-readable instructions, the following steps are implemented:
  • the login request information includes a user identifier
  • Obtain user selection information which includes target product identification and behavior information
  • shared product recommendation information is generated according to the target product identification and behavior information.
  • one or more non-volatile readable storage media storing computer-readable instructions are provided, and when the computer-readable instructions are executed by one or more processors, the one or more Each processor performs the following steps:
  • the login request information includes a user identifier
  • Obtain user selection information which includes target product identification and behavior information
  • shared product recommendation information is generated according to the target product identification and behavior information.
  • Non-volatile memory may include read-only memory (ROM), programmable ROM (PROM), electrically programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), or flash memory.
  • Volatile memory can include random access memory (RAM) or external cache memory.
  • RAM is available in various forms, such as static RAM (SRAM), dynamic RAM (DRAM), synchronous DRAM (SDRAM), dual data rate SDRAM (DDRSDRAM), enhanced SDRAM (ESDRAM), synchronous chain (Synchlink) DRAM (SLDRAM), memory bus (Rambus) direct RAM (RDRAM), direct memory bus dynamic RAM (DRDRAM), and memory bus dynamic RAM (RDRAM).

Landscapes

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

Abstract

本申请公开了一种产品推荐方法、装置、计算机设备及存储介质，该产品推荐方法包括：获取用户的登录请求信息，所述登录请求信息包括用户标识；根据用户标识获取用户历史行为数据；根据所述用户历史行为数据，生成并发送目标产品推荐信息；获取用户选择信息，所述用户选择信息包括目标产品标识和行为信息；若所述目标产品标识属于共享平台产品，则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。该方法能提高用户的浏览效率，提高用户选择的便利性。

Description

产品推荐方法、装置、计算机设备及存储介质
本申请以2018年06月06日提交的申请号为201810573702.7，名称为“产品推荐方法、装置、计算机设备及存储介质”的中国发明专利申请为基础，并要求其优先权。
技术领域
本申请涉及计算机领域，尤其涉及一种产品推荐方法、装置、计算机设备及存储介质。
背景技术
目前，当用户在网上选购产品时，没有找到合适的产品，希望在不同专业公司选购产品时，需要进入不同的专业公司重新挑选产品，再进行购买操作。如果用户没有在该专业公司进行过注册操作，还需要进行重新注册的操作。这样会使得用户的操作变得繁琐，而且，用户在一家专业公司选购产品时，不能看到其他专业公司相似的产品，使得用户必须在不同的专业公司选购产品，使得用户的操作变得繁琐。
发明内容
基于此，有必要针对上述技术问题，提供一种可以提高用户在选购产品时的效率的产品推荐方法、装置、计算机设备及存储介质。
一种产品推荐方法，包括：
获取用户的登录请求信息，所述登录请求信息包括用户标识；
根据所述用户标识获取用户历史行为数据；
根据所述用户历史行为数据，生成并发送目标产品推荐信息；
获取用户选择信息，所述用户选择信息包括目标产品标识和行为信息；
若所述目标产品标识属于共享平台产品，则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。
一种产品推荐装置，包括：
登录模块，用于获取用户的登录请求信息，所述登录请求信息包括用户标识；
第一获取模块，用于根据所述用户标识获取用户历史行为数据；
目标产品发送模块，用于根据所述用户历史行为数据，生成并发送目标产品推荐信息；
第二获取模块，用于获取用户选择信息，所述用户选择信息包括目标产品标识和行为信息；
共享产品发送模块，用于若所述目标产品标识属于共享平台产品，则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：
获取用户的登录请求信息，所述登录请求信息包括用户标识；
根据所述用户标识获取用户历史行为数据；
根据所述用户历史行为数据，生成并发送目标产品推荐信息；
获取用户选择信息，所述用户选择信息包括目标产品标识和行为信息；
若所述目标产品标识属于共享平台产品，则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。
一个或多个存储有计算机可读指令的非易失性可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如下步骤：
获取用户的登录请求信息，所述登录请求信息包括用户标识；
根据所述用户标识获取用户历史行为数据；
根据所述用户历史行为数据，生成并发送目标产品推荐信息；
获取用户选择信息，所述用户选择信息包括目标产品标识和行为信息；
若所述目标产品标识属于共享平台产品，则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。
本申请的一个或多个实施例的细节在下面的附图和描述中提出，本申请的其他特征和优点将从说明书、附图以及权利要求变得明显。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例中产品推荐方法的一应用环境示意图；
图2是本申请一实施例中产品推荐方法的一流程图；
图3是本申请一实施例中产品推荐方法中步骤S10的实现流程图；
图4是本申请一实施例中产品推荐方法中步骤S12的实现流程图；
图5是本申请一实施例中产品推荐方法中步骤S14的实现流程图；
图6是本申请一实施例中产品推荐方法中步骤S50的实现流程图；
图7是本申请一实施例中产品推荐装置的一原理框图；
图8是本申请一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。根据本申请中的实施例，本领域普通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，都属于本申请保护的范围。
本申请提供的产品推荐方法，可应用在如图1的应用环境中，其中，客户端(计算机设备)通过网络与服务端进行通信。客户端获取用户的登录请求，将该登录请求发送至服务端。服务端在获取到该登录请求后，根据该用户标识生成目标产品推荐信息，发送至客户端。服务端通过计算不同产品之间的相似度和关联度构建共享平台，根据从客户端获取得到的用户选择信息，生成共享产品推荐信息，发送至客户端。其中，客户端(计算机设备)可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中，如图2所示，提供一种产品推荐方法，以该方法应用在图1中的服务端为例进行说明，包括如下步骤：
S10：获取用户的登录请求信息，登录请求信息包括用户标识。
在本申请实施例中，登录请求信息是指客户端在获取到用户在登录界面的输入登录信息之后经过处理，并发送到服务端中的信息。登录请求信息包括用户标识。该用户标识组成登录请求信息之后，客户端将该登录请求信息发送至服务端，服务端获取该登录请求信息。
可选地，登录请求信息也可以是客户端在获取到用户输入的登录信息之后进行加密得到的,通过对用户输入的登录信息进行加密处理可以保证登录请求信息在数据传输过程中的安全性。
S20：根据用户标识获取用户历史行为数据。
在本申请实施例中，用户历史行为数据为根据该用户标识获取到该用户进行过的操作行为的数据，操作行为包括用户对在产品公司中的产品的浏览行为和购买行为。需要说明的是，该产品公司为一个企业主账户平台下，包含的一个或多个产品公司，用户可以根据该登录信息，进入该企业主账户平台下的一个产品公司，对该产品公司中的产品进行浏览和购买。
可选地，服务端通过数据埋点的方式，获取用户历史行为数据。
具体地，通过数据埋点的方式，获取用户历史行为数据的实现方法可以是通过加入埋点代码，用于采集需要向服务端返回的用户信息和用户的操作行为的数据。例如，浏览行为对应的浏览链接按钮和购买行为对应的购买链接按钮。即用户在对产品进行浏览行为和购买行为时，需要对该产品的浏览链接按钮和购买链接按钮进行对应的操作(例如：点击)以实现对该产品进行浏览和购买，当检测到该产品的浏览链接按钮被点击时，则判断该用户对该产品进行了一次浏览行为；当检测到该产品的购买链接按钮被点击时，则判断该用户对该产品进行了购买行为。
优选地，根据用户标识获取用户历史行为数据可以是获取预定期限内的用户历史行为数据。具体地，例如该预定期限为三个月，用户在最近五个月中，前三个月内对某一产品公司中的产品浏览了10次，分别为第一个月浏览了3次，第二个月浏览了5次，第三个月浏览了2次，在接下来的两个月中，该用户没有对该产品公司的产品进行浏览，则认为，该用户在预定期限内对对某一产品公司中的产品进行了2次浏览行为。
S30：根据用户历史行为数据，生成并发送目标产品推荐信息。
在本申请实施例中，目标产品推荐信息为由产品公司中的部分产品的产品信息组成的推荐信息。
具体地，根据该用户历史行为数据中的对该产品公司的产品的浏览行为、收藏行为、主动评分行为和购买行为，得到该用户感兴趣的产品，并采用协同过滤算法计算出该用户可能感兴趣的产品，根据该用户可能感兴趣的产品生成目标产品推荐信息反馈至客户端，在该客户端展现，供用户优先选择。
进一步地，根据用户对某一件产品的用户历史行为数据对该产品进行感兴趣程度计算，具体方式可以是参考主动评分或者结合将用户历史行为数据中包括的行为进行综合评价，得出该感兴趣程度，若该感兴趣程度达到预设的阈值，则认为该用户对该产品感兴趣。
若两个用户之间相同的感兴趣的产品数量较多，则认为这两个用户可能有相同的兴趣。因此，在用户浏览一件产品时，可以根据与该用户有相同的兴趣的用户浏览过的产品 信息生成目标产品推荐信息，并发送至客户端。
S40：获取用户选择信息，用户选择信息包括目标产品标识和行为信息。
在本申请实施例中，该用户选择信息为用户根据产品公司在客户端上展示的产品，选择其中一个产品进行相应的操作行为，该用户选择的产品即为目标产品，该操作行为可以是浏览行为或者购买行为。目标产品标识为该用户选择的目标产品的唯一标识。行为信息为该操作行为的具体内容，包括浏览行为、收藏行为和购买行为。客户端根据该操作行为生成行为信息，并与该目标产品的目标产品标识组成用户选择信息，之后客户端将用户选择信息发送到服务端。
S50：若目标产品标识属于共享平台产品，则根据目标产品标识和行为信息生成共享产品推荐信息。
在本申请实施例中，共享平台产品为各个产品公司将各自的产品按照一定份额，放入共享平台中的产品，该共享平台中的产品可以在各个产品公司的客户端展示，供客户浏览和购买。
若该目标产品的目标产品标识能够在共享平台中查找到，则判定该目标产品标识对应的目标产品属于共享平台产品。进一步地，根据该目标产品标识和行为信息生成共享产品推荐信息，发送至客户端。其中，该共享产品推荐信息包括共享平台中的目标产品的相关信息。
在本实施例中，通过用户历史行为数据生成目标产品推荐信息，由于该目标产品推荐信息为用户可能感兴趣的产品信息，因此，能够增加用户在进行对产品进行浏览时的选择，提高用户的浏览效率，为用户带来便利。进一步地，通过搭建共享平台，并将共享平台的产品推荐给用户，用户在进行选购产品时，能够从一家产品公司看到多家产品公司中的产品，并作出有针对性地推荐，减少了用户还要进入其他产品公司的繁琐操作，进一步提高了用户选择的便利性。
在一实施例中。如图3所示，在步骤S10之前，该产品推荐方法还包括如下步骤：
S11：获取各个接口的产品信息，产品信息包括原始产品标识和产品操作记录。
具体地，在企业主账户平台中的各个产品公司的服务器中设置对应的接口，用于进行数据的交互，各个接口之间可以相互通信。该原始产品标识为各个接口中产品的唯一标识。该产品操作记录为在过去的一个周期内，例如，一个月、三个月或者半年内，不同用户对该产品进行操作的记录，包括产品浏览记录、产品收藏记录、产品取消收藏记录和产品购买记录等。
S12：根据产品操作记录，获取原始产品标识之间的相似度。
在本申请实施例中，不同原始产品标识之间的相似度为两个产品之间的功能、产品属性或者产品类别等的相似程度。其中，若两个原始产品标识之间的相似程度较高，则可以认为对其中一个原始产品标识对应产品感兴趣的用户，也会对另一个原始产品标识对应的产品感兴趣。具体地，可以通过对用户的产品操作记录进行计算，根据该计算结果获取每一原始产品标识之间的相似度。
进一步地，计算的范围包括共享平台中各个原始产品标识对应的产品之间的相似度ε。在计算两个原始产品标识之间的相似度ε时，根据产品操作记录的内容进行计算，获取共享平台中各个原始产品标识对应的产品之间的相似度ε。即计算的结果为共享平台中的每一个产品与其他产品之间的相似度ε。
例如，共享平台中有产品A、产品B和产品C，则分别计算产品A和产品B，产品A和产品C，以及产品B和产品C之间的相似度，得到的计算结果可以表示为ε AB，ε AC和ε BC。
S13：对于每一原始产品标识，将该原始产品标识对应的相似度排在前M位的原始产品标识对应的产品作为相似产品，其中，M为一正整数。
具体地，在计算得到不同原始产品标识对应的产品之间的相似度ε后，根据共享平台中每一个产品的原始产品标识，将共享平台中其他原始产品标识和该原始产品标识的相似度从大到小进行排序，将排名前M位的原始产品标识对应的产品作为该原始产品标识的相似产品。需要说明的是，M的具体数量可以根据计算得到的相似度进行设定，例如，可以是设定相似度阈值，将相似度大于或等于相似度阈值的原始产品标识对应的产品作为相似产品。
S14：产品操作记录包括产品购买记录，根据产品购买记录，获取原始产品标识之间的关联度。
在本申请实施例中，产品购买记录为每个产品被购买的次数。不同原始产品标识对应的产品之间的关联度为不同产品之间的相关程度，例如，手机，手机贴膜，手机保护壳，手机充电线，耳机或者移动充电器等产品中，虽然产品功能不同，但是这些产品的功能是相互关联的，如手机贴膜是用于保护手机屏幕或手机壳，手机保护壳是用于保护手机机身并起到美观作用等。用户在购买手机的同时，有可能会购买与手机相关联的其他产品。
具体地，计算的范围包括共享平台中各个原始产品标识对应的产品之间的关联度。在计算关联度时，根据产品购买记录的内容进行计算，获取共享平台中各个产品之间的关联度。即计算的结果为每一个共享平台中的产品与其他产品之间的关联度。
S15：对于每一原始产品标识，将该原始产品标识对应的关联度排在前N位的原始产品标识对应的产品作为关联产品，其中，N为一正整数。
具体地，在计算得到每一原始产品标识对应的产品之间的关联度后，根据共享平台中每一个产品的原始产品标识，将共享平台中其他原始产品标识和该原始产品标识的关联度从大到小进行排序，将排名前N位的原始产品标识对应的产品作为该原始产品标识的关联产品。需要说明的是，N的具体数量可以根据计算得到的关联度进行设定，例如，可以是设定关联度阈值，将关联度大于或等于该关联度阈值的原始产品标识对应的产品作为关联产品。
本实施例中，通过计算共享平台中各个产品之间的相似度和关联度，并根据该相似度和关联度对产品进行分类，能够在用户对产品进行操作行为的时候，根据该操作行为，更加合理地向用户推荐共享平台中的产品，提高产品推荐度的有效性，也提高用户的浏览效率。
在一实施例中，如图4所示，步骤S12中，即根据产品操作记录，获取每一原始产品标识之间的相似度，具体包括如下步骤：
S121：根据产品操作记录计算用户兴趣评分。
具体地，为产品操作记录包括的产品浏览记录、产品收藏记录、产品取消收藏记录和产品购买记录设置不同的权值。其中，由于通过取消收藏行为可以认定该用户对该产品已经失去兴趣，而用户对一产品感兴趣才会对该产品的内容进行浏览，若对该产品的内容感兴趣，会进一步对该产品进行收藏，若对该产品的内容极感兴趣，就有可能会对该产品进行购买。因此，各权值的大小关系可以为：产品取消收藏记录<0<产品浏览记录<产品收藏记录<产品购买记录。具体的权值大小可以根据实际情况进行设定，在此处不做限制。
在设定好不同产品操作记录的权值之后，根据用户对于某一产品的产品操作记录，计算出用户兴趣评分。
例如，设置产品取消收藏记录权值＝-2，产品浏览记录权值＝1，产品收藏记录权值＝3，产品购买记录权值＝5。用户对某一产品进行了浏览行为，并对该产品做出了收藏行为，后续又对该产品做出了取消收藏行为，因此该用户对该产品的用户兴趣评分＝产品浏览记录权值+产品收藏记录权值+产品取消收藏记录权值＝1+3+(-2)＝2。
S122：根据用户兴趣评分，获取每一原始产品标识的用户感兴趣数量。
具体地，可以通过设置一用户兴趣阈值对用户兴趣评分进行筛选。若用户兴趣评分≥设置用户兴趣阈值，则判断用户对该产品感兴趣，若用户兴趣评分＜设置用户兴趣阈值， 则判断用户对该产品不感兴趣。对每个原始产品标识对应的产品计算每一用户的用户兴趣评分，判断出每一用户对该产品是否感兴趣，并统计出每个产品的用户感兴趣的数量N。
例如：在步骤S121的例子中，计算出一用户对该产品的用户兴趣评分为2，若用户兴趣阈值为3，则说明该用户对该产品不感兴趣。
S123：根据每一原始产品标识的用户感兴趣数量计算各个原始产品标识之间的相似度。
具体地，可以通过以下公式计算两个原始产品标识之间的相似度：
Figure PCTCN2018092361-appb-000001
其中，ε ij为原始产品标识i和原始产品标识j之间的相似度，|N(i)|是对原始产品标识i感兴趣的用户数量，|N(j)|是对原始产品标识j感兴趣的用户数量，|N(i)∩N(j)|为同时对原始产品标识i和原始产品标识j感兴趣的用户数量。需要说明的是，该同时对原始产品标识i和原始产品标识j感兴趣的用户数量可以通过统计同一用户对原始产品标识i和原始产品标识j都感兴趣的数量得到。
在本实施例中，通过统计用户对产品的感兴趣程度，计算不同产品之间的相似度，能够基于该相似度将相似的产品分为一类，有利于在用户对某一产品进行浏览时，将于该产品相似的产品推荐给用户，能够节省用户在选购产品的时间。
在一实施例中，如图5所示，步骤S14中，根据产品购买记录，获取原始产品标识之间的关联度，具体包括如下步骤：
S141：根据产品购买记录，统计在预定时间内两个原始产品标识被同一用户购买的购买次数。
在本申请实施例中，在预定时间内两个原始产品标识(原始产品标识A和原始产品标识B，下称产品A和产品B)被同一用户购买的购买次数为：在预定时间内(例如，一个月，三个月或者半年等)，购买产品A又购买产品B的用户数量。例如，对于产品A和产品B，在该预定时间内，产品A和产品B都被100个用户购买了，其中，有40个用户在该预定的时间内，即购买了产品A，也购买了产品B，则该产品A和产品B被同一用户购买的购买次数为40。
具体地，在该预定时间内，在同一用户购买一件产品之后，购买了其他产品，说明两个被购买的产品可能存在关联性。若两个产品同时被购买的次数越多，说明这两个产品之 间的关联性越高。
S142：采用TF-IDF算法获取各个原始产品标识之间的关联度。
具体地，可以采用TF-IDF(词频逆文本概率指数，term frequency–inverse document frequency)算法计算两个原始产品标识之间的关联度，例如，计算产品A和产品B之间的关联度时，采用以下公式计算两个原始产品标识之间的关联度：
Figure PCTCN2018092361-appb-000002
Figure PCTCN2018092361-appb-000003
关联度＝TF*IDF
其中，TF是词频(Term Frequency)，IDF是逆文本频率指数(Inverse Document Frequency)，M A为在预定时间内产品A被购买的次数，M B为在预定时间内产品B被购买的次数，M A∩M B为在预定时间内产品A产品B被同一用户购买的次数，M为预定时间内总的交易数目。
在本实施例中，通过统计在预定时间内两个原始产品标识被同一用户购买的购买次数，并采用TF-IDF算法计算不同原始产品标识之间的关联度，能够合理地向用户推荐产品，丰富用户的购买选择。
在一实施例中，如图6所示，步骤S50中，即根据目标产品标识和行为信息生成共享产品推荐信息，具体包括如下步骤：
S51：若行为信息为浏览行为，则根据目标产品标识获取对应的相似产品。
在本申请实施例中，该浏览行为是用户从其中一个接口，对该接口的客户端展现的产品进行的浏览操作，其中，目标产品标识为用户从该接口选择某一产品作为目标产品，并对该目标产品进行浏览操作，对应的该目标产品的标识。
当检测到用户对其中一个目标产品进行浏览操作时，则获取与该目标产品标识对应的相似产品。具体地，获取和该目标产品标识相同的原始产品标识对应的相似产品。
S52：根据目标产品标识对应的相似产品生成共享产品推荐信息。
具体地，根据获取到的与该目标产品标识相对应的相似产品，生成共享产品推荐信息，反馈至客户端，用户在浏览该目标产品标识对应的产品的同时，还能够看到与该目标产品标识对应的产品相似的产品。
S53：若行为信息为购买行为，则根据目标产品标识获取对应的关联产品。
在本申请实施例中，该购买行为是用户从其中一个接口，对该接口的客户端展现的产 品进行购买操作，其中，目标产品标识为用户从该接口选择某一产品作为目标产品，并对该目标产品进行购买操作，对应的该目标产品的标识。
当检测到用户对其中一个目标产品进行购买操作后，则获取该目标产品标识对应的关联产品。具体地，获取和该目标产品标识相同的原始产品标识对应的关联产品。
S54：根据目标产品标识对应的关联产品生成共享产品推荐信息。
具体地，根据获取到的与该目标产品标识相对应的关联产品，生成共享产品推荐信息，反馈至客户端，用户在购买该目标产品标识对应的产品的同时，还能够看到与该目标产品标识对应的产品相关联的产品。
在本实施例中，根据用户的行为信息生成的共享产品推荐信息，而不是直接将与目标产品标识相似和关联的产品同时推荐给用户，能够提高为用户推荐产品时的有效性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一实施例中，提供一种产品推荐装置，该产品推荐装置与上述实施例中产品推荐方法一一对应。如图7所示，该产品推荐装置包括登录模块71、第一获取模块72、目标产品发送模块73、第二获取模块74和共享产品发送模块75。各功能模块详细说明如下：
登录模块71，用于获取用户的登录请求信息，登录请求信息包括用户标识；
第一获取模块72，用于根据用户标识获取用户历史行为数据；
目标产品发送模块73，用于根据用户历史行为数据，生成并发送目标产品推荐信息；
第二获取模块74，用于获取用户选择信息，用户选择信息包括目标产品标识和行为信息；
共享产品发送模块75，用于若目标产品标识属于共享平台产品，则根据目标产品标识和行为信息生成共享产品推荐信息。
优选地，该产品推荐装置还包括：
接口信息获取模块711，用于获取各个接口的产品信息，产品信息包括原始产品标识和产品操作记录；
相似度获取模块712，用于根据产品操作记录，获取原始产品标识之间的相似度；
相似度排列模块713，用于对于每一原始产品标识，将该原始产品标识对应的相似度排在前M位的原始产品标识对应的产品作为相似产品，其中，M为一正整数；
关联度获取模块714，用于，根据产品购买记录，获取原始产品标识之间的关联度，其中产品操作记录包括产品购买记录；
关联度排列模块715，用于对于每一原始产品标识，将该原始产品标识对应的关联度排在前N位的原始产品标识对应的产品作为关联产品，其中，N为一正整数。
优选地，该相似度获取模块712包括：
兴趣评分计算子模块7121，用于根据产品操作记录计算用户兴趣评分；
数量统计子模块7122，用于根据用户兴趣评分，获取每一原始产品标识的用户感兴趣数量。
相似度计算子模块7123，用于根据每一原始产品标识的用户感兴趣数量计算各个原始产品标识之间的相似度。
优选地，该关联度获取模块714包括：
购买次数统计子模块7141，用于根据产品购买记录，统计在预定时间内两个原始产品标识被同一用户购买的购买次数；
关联度计算子模块7142，用于采用TF-IDF算法获取各个原始产品标识之间的关联度。
优选地，该共享产品发送模块75包括：
第一判断子模块751，用于若行为信息为浏览行为，则根据目标产品标识获取对应的相似产品；
第一推荐子模块752，用于根据目标产品标识对应的相似产品生成共享产品推荐信息；
第二判断子模块753，用于若行为信息为购买行为，则根据目标产品标识获取对应的关联产品；
第二推荐子模块754，用于根据目标产品标识对应的关联产品生成共享产品推荐信息。
关于产品推荐装置的具体限定可以参见上文中对于产品推荐方法的限定，在此不再赘述。上述产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机可读指令和数据库。该内存储器为非易失性存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的数据库用于存储产品信息和用户数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种产品推 荐方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令，处理器执行计算机可读指令时实现以下步骤：
获取用户的登录请求信息，登录请求信息包括用户标识；
根据用户标识获取用户历史行为数据；
根据用户历史行为数据，生成并发送目标产品推荐信息；
获取用户选择信息，用户选择信息包括目标产品标识和行为信息；
若目标产品标识属于共享平台产品，则根据目标产品标识和行为信息生成共享产品推荐信息。
在一个实施例中，提供了一个或多个存储有计算机可读指令的非易失性可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如下步骤：
获取用户的登录请求信息，登录请求信息包括用户标识；
根据用户标识获取用户历史行为数据；
根据用户历史行为数据，生成并发送目标产品推荐信息；
获取用户选择信息，用户选择信息包括目标产品标识和行为信息；
若目标产品标识属于共享平台产品，则根据目标产品标识和行为信息生成共享产品推荐信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性计算机可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (20)

  1. 一种产品推荐方法，其特征在于，包括：
    获取用户的登录请求信息，所述登录请求信息包括用户标识；
    根据所述用户标识获取用户历史行为数据；
    根据所述用户历史行为数据，生成并发送目标产品推荐信息；
    获取用户选择信息，所述用户选择信息包括目标产品标识和行为信息；
    若所述目标产品标识属于共享平台产品，则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。
  2. 如权利要求1所述的产品推荐方法，其特征在于，在所述获取用户的登录请求信息的步骤之前，所述产品推荐方法还包括：
    获取各个接口的产品信息，所述产品信息包括原始产品标识和产品操作记录；
    根据所述产品操作记录，获取所述原始产品标识之间的相似度；
    对于每一原始产品标识，将该原始产品标识对应的相似度排在前M位的原始产品标识对应的产品作为相似产品，其中，M为一正整数；
    所述产品操作记录包括产品购买记录，根据所述产品购买记录，获取所述原始产品标识之间的关联度；
    对于每一原始产品标识，将该原始产品标识对应的关联度排在前N位的原始产品标识对应的产品作为关联产品，其中，N为一正整数。
  3. 如权利要求2所述的产品推荐方法，其特征在于，所述根据所述产品操作记录，获取所述原始产品标识之间的相似度，包括：
    根据所述产品操作记录计算用户兴趣评分；
    根据所述用户兴趣评分，获取每一所述原始产品标识的用户感兴趣数量；
    根据每一所述原始产品标识的所述用户感兴趣数量计算各个所述原始产品标识之间的所述相似度。
  4. 如权利要求2所述的产品推荐方法，其特征在于，所述根据所述产品购买记录，获取所述原始产品标识之间的关联度，包括：
    根据所述产品购买记录，统计在预定时间内两个所述原始产品标识被同一用户购买的购买次数；
    采用TF-IDF算法获取各个所述原始产品标识之间的所述关联度。
  5. 如权利要求1所述的产品推荐方法，其特征在于，所述根据所述目标产品标识和所述行为信息生成共享产品推荐信息，包括：
    若所述行为信息为浏览行为，则根据所述目标产品标识获取对应的相似产品；
    根据所述目标产品标识对应的相似产品生成共享产品推荐信息；
    若所述行为信息为购买行为，则根据所述目标产品标识获取对应的关联产品；
    根据所述目标产品标识对应的关联产品生成共享产品推荐信息。
  6. 一种产品推荐装置，其特征在于，包括：
    登录模块，用于获取用户的登录请求信息，所述登录请求信息包括用户标识；
    第一获取模块，用于根据所述用户标识获取用户历史行为数据；
    目标产品发送模块，用于根据所述用户历史行为数据，生成并发送目标产品推荐信息；
    第二获取模块，用于获取用户选择信息，所述用户选择信息包括目标产品标识和行为信息；
    共享产品发送模块，用于若所述目标产品标识属于共享平台产品，则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。
  7. 如权利要求6所述的产品推荐装置，其特征在于，所述装置还包括：
    接口信息获取模块，用于获取各个接口的产品信息，所述产品信息包括原始产品标识和产品操作记录；
    相似度获取模块，用于根据所述产品操作记录，获取所述原始产品标识之间的相似度；
    相似度排列模块，用于对于每一原始产品标识，将该原始产品标识对应的相似度排在前M位的原始产品标识对应的产品作为相似产品，其中，M为一正整数；
    关联度获取模块，用于所述产品操作记录包括产品购买记录，根据所述产品购买记录，获取所述原始产品标识之间的关联度；
    关联度排列模块，用于对于每一原始产品标识，将该原始产品标识对应的关联度排在前N位的原始产品标识对应的产品作为关联产品，其中，N为一正整数。
  8. 如权利要求7所述的产品推荐装置，其特征在于，所述相似度获取模块包括：
    兴趣评分计算子模块，用于根据所述产品操作记录计算用户兴趣评分；
    数量统计子模块，用于根据所述用户兴趣评分，获取每一所述原始产品标识的用户感兴趣数量；
    相似度计算子模块，用于根据每一所述原始产品标识的所述用户感兴趣数量计算各个所述原始产品标识之间的所述相似度。
  9. 如权利要求7所述的产品推荐装置，其特征在于，所述关联度获取模块包括：
    购买次数统计子模块，用于根据所述产品购买记录，统计在预定时间内两个所述原始产品标识被同一用户购买的购买次数；
    关联度计算子模块，用于采用TF-IDF算法获取各个所述原始产品标识之间的所述关联度。
  10. 如权利要求6所述的产品推荐装置，其特征在于，所述共享产品发送模块包括：
    第一判断子模块，用于若所述行为信息为浏览行为，则根据所述目标产品标识获取对应的相似产品；
    第一推荐子模块，用于根据所述目标产品标识对应的相似产品生成共享产品推荐信息；
    第二判断子模块，用于若所述行为信息为购买行为，则根据所述目标产品标识获取对应的关联产品；
    第二推荐子模块，用于根据所述目标产品标识对应的关联产品生成共享产品推荐信息。
  11. 一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如下步骤：
    获取用户的登录请求信息，所述登录请求信息包括用户标识；
    根据所述用户标识获取用户历史行为数据；
    根据所述用户历史行为数据，生成并发送目标产品推荐信息；
    获取用户选择信息，所述用户选择信息包括目标产品标识和行为信息；
    若所述目标产品标识属于共享平台产品，则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。
  12. 如权利要求11所述的计算机设备，其特征在于，在所述获取用户的登录请求信息的步骤之前，所述处理器执行所述计算机可读指令时还实现如下步骤：
    获取各个接口的产品信息，所述产品信息包括原始产品标识和产品操作记录；
    根据所述产品操作记录，获取所述原始产品标识之间的相似度；
    对于每一原始产品标识，将该原始产品标识对应的相似度排在前M位的原始产品标识对应的产品作为相似产品，其中，M为一正整数；
    所述产品操作记录包括产品购买记录，根据所述产品购买记录，获取所述原始产品标 识之间的关联度；
    对于每一原始产品标识，将该原始产品标识对应的关联度排在前N位的原始产品标识对应的产品作为关联产品，其中，N为一正整数。
  13. 如权利要求12所述的计算机设备，其特征在于，所述根据所述产品操作记录，获取所述原始产品标识之间的相似度，具体包括以下步骤：
    根据所述产品操作记录计算用户兴趣评分；
    根据所述用户兴趣评分，获取每一所述原始产品标识的用户感兴趣数量；
    根据每一所述原始产品标识的所述用户感兴趣数量计算各个所述原始产品标识之间的所述相似度。
  14. 如权利要求12所述的计算机设备，其特征在于，所述根据所述产品购买记录，获取所述原始产品标识之间的关联度，具体包括以下步骤：
    根据所述产品购买记录，统计在预定时间内两个所述原始产品标识被同一用户购买的购买次数；
    采用TF-IDF算法获取各个所述原始产品标识之间的所述关联度。
  15. 如权利要求11所述的计算机设备，其特征在于，所述根据所述目标产品标识和所述行为信息生成共享产品推荐信息，具体包括以下步骤：
    若所述行为信息为浏览行为，则根据所述目标产品标识获取对应的相似产品；
    根据所述目标产品标识对应的相似产品生成共享产品推荐信息；
    若所述行为信息为购买行为，则根据所述目标产品标识获取对应的关联产品；
    根据所述目标产品标识对应的关联产品生成共享产品推荐信息。
  16. 一个或多个存储有计算机可读指令的非易失性可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如下步骤：
    获取用户的登录请求信息，所述登录请求信息包括用户标识；
    根据所述用户标识获取用户历史行为数据；
    根据所述用户历史行为数据，生成并发送目标产品推荐信息；
    获取用户选择信息，所述用户选择信息包括目标产品标识和行为信息；
    若所述目标产品标识属于共享平台产品，则根据所述目标产品标识和所述行为信息生成共享产品推荐信息。
  17. 如权利要求16所述的非易失性可读存储介质，其特征在于，在所述获取用户的登录请求信息的步骤之前，所述计算机可读指令被一个或多个处理器执行时，使得所述一个 或多个处理器还执行如下步骤：
    获取各个接口的产品信息，所述产品信息包括原始产品标识和产品操作记录；
    根据所述产品操作记录，获取所述原始产品标识之间的相似度；
    对于每一原始产品标识，将该原始产品标识对应的相似度排在前M位的原始产品标识对应的产品作为相似产品，其中，M为一正整数；
    所述产品操作记录包括产品购买记录，根据所述产品购买记录，获取所述原始产品标识之间的关联度；
    对于每一原始产品标识，将该原始产品标识对应的关联度排在前N位的原始产品标识对应的产品作为关联产品，其中，N为一正整数。
  18. 如权利要求17所述的非易失性可读存储介质，其特征在于，所述根据所述产品操作记录，获取所述原始产品标识之间的相似度，具体包括以下步骤：
    根据所述产品操作记录计算用户兴趣评分；
    根据所述用户兴趣评分，获取每一所述原始产品标识的用户感兴趣数量；
    根据每一所述原始产品标识的所述用户感兴趣数量计算各个所述原始产品标识之间的所述相似度。
  19. 如权利要求17所述的非易失性可读存储介质，其特征在于，所述根据所述产品购买记录，获取所述原始产品标识之间的关联度，具体包括以下步骤：
    根据所述产品购买记录，统计在预定时间内两个所述原始产品标识被同一用户购买的购买次数；
    采用TF-IDF算法获取各个所述原始产品标识之间的所述关联度。
  20. 如权利要求16所述的非易失性可读存储介质，其特征在于，所述根据所述目标产品标识和所述行为信息生成共享产品推荐信息，具体包括以下步骤：
    若所述行为信息为浏览行为，则根据所述目标产品标识获取对应的相似产品；
    根据所述目标产品标识对应的相似产品生成共享产品推荐信息；
    若所述行为信息为购买行为，则根据所述目标产品标识获取对应的关联产品；
    根据所述目标产品标识对应的关联产品生成共享产品推荐信息。
PCT/CN2018/092361 2018-06-06 2018-06-22 产品推荐方法、装置、计算机设备及存储介质 WO2019232822A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810573702.7A CN109034935B (zh) 2018-06-06 2018-06-06 产品推荐方法、装置、计算机设备及存储介质
CN201810573702.7 2018-06-06

Publications (1)

Publication Number Publication Date
WO2019232822A1 true WO2019232822A1 (zh) 2019-12-12

Family

ID=64612346

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/092361 WO2019232822A1 (zh) 2018-06-06 2018-06-22 产品推荐方法、装置、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN109034935B (zh)
WO (1) WO2019232822A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288570A (zh) * 2020-11-23 2021-01-29 中国农业银行股份有限公司 一种数据处理方法及装置
CN112598475A (zh) * 2020-12-28 2021-04-02 深圳壹账通创配科技有限公司 配件推荐方法、系统、设备及存储介质
CN113076469A (zh) * 2020-01-03 2021-07-06 阿里巴巴集团控股有限公司 模型构建方法、数据推荐方法及装置
CN113139086A (zh) * 2021-04-29 2021-07-20 北京沃东天骏信息技术有限公司 信息推荐方法和装置
CN113139667A (zh) * 2021-05-07 2021-07-20 深圳他米科技有限公司 基于人工智能的酒店房间推荐方法、装置、设备及存储介质
CN113626693A (zh) * 2021-07-30 2021-11-09 未鲲(上海)科技服务有限公司 产品推荐方法、装置、计算机设备和存储介质
CN113744019A (zh) * 2021-01-12 2021-12-03 北京沃东天骏信息技术有限公司 一种商品推荐方法、装置、设备及存储介质
CN114219554A (zh) * 2021-11-19 2022-03-22 建信金融科技有限责任公司 基于盲盒文化的产品分配方法、装置、电子设备
CN117788124A (zh) * 2024-02-26 2024-03-29 山东街景智能制造科技股份有限公司 一种用于定制化产品的数据管理系统及方法
CN117892010A (zh) * 2024-03-14 2024-04-16 江西省博库信息技术有限公司 一种基于大数据的科普知识精准推送方法及系统

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111415185B (zh) * 2019-01-08 2024-05-28 腾讯科技（深圳）有限公司 业务处理方法、装置、终端及存储介质
CN109886772A (zh) * 2019-01-16 2019-06-14 深圳壹账通智能科技有限公司 产品推荐方法、装置、计算机设备和存储介质
CN109934664A (zh) * 2019-01-17 2019-06-25 深圳壹账通智能科技有限公司 基于鞋交易的智能推荐方法、装置、设备及存储介质
CN109885676B (zh) * 2019-02-26 2020-04-17 利辛县雨若信息科技有限公司 家用设备报告的生成方法、大数据系统和存储介质
CN110083634B (zh) * 2019-03-19 2024-02-06 中国平安人寿保险股份有限公司 基于数据分析的订单处理方法、装置、设备及存储介质
CN110084677A (zh) * 2019-04-25 2019-08-02 佛山市南鼎文化传播有限公司 一种控制既有物品进行流通的方法及物品流通管理平台
CN110598090B (zh) * 2019-07-23 2023-04-11 平安科技（深圳）有限公司 兴趣标签的生成方法、装置、计算机设备和存储介质
CN110503483A (zh) * 2019-08-23 2019-11-26 深圳市福尔科技有限公司 一种通过发送缺货列表进行店铺推广的方法
CN111738754A (zh) * 2020-06-01 2020-10-02 上海晶赞融宣科技有限公司 对象推荐方法及装置、存储介质、计算机设备
CN113763110A (zh) * 2021-02-08 2021-12-07 北京沃东天骏信息技术有限公司 一种物品推荐方法和装置
CN113158031B (zh) * 2021-03-15 2024-04-23 北京水滴科技集团有限公司 用户资源信息的确定方法及装置、计算机存储介质、终端
CN113191840A (zh) * 2021-04-25 2021-07-30 北京沃东天骏信息技术有限公司 物品信息显示方法、装置、电子设备和计算机可读介质
CN113065932A (zh) * 2021-05-06 2021-07-02 北京京东振世信息技术有限公司 一种物品推荐方法和装置
CN113946755A (zh) * 2021-10-29 2022-01-18 平安科技（深圳）有限公司 基于关联规则的信息推送方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102385601A (zh) * 2010-09-03 2012-03-21 阿里巴巴集团控股有限公司 一种产品信息的推荐方法及系统
CN103077473A (zh) * 2008-10-15 2013-05-01 美国银行公司 交互的和协作的金融客户体验应用
CN103244898A (zh) * 2012-02-14 2013-08-14 马丁专业公司 用于照明装置的动画和遮光板形成装置
CN103679494A (zh) * 2012-09-17 2014-03-26 阿里巴巴集团控股有限公司 商品信息推荐方法及装置
CN105761122A (zh) * 2016-04-29 2016-07-13 山东大学 一种融合制造商相似度的产品推荐方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9420319B1 (en) * 2012-06-07 2016-08-16 Audible, Inc. Recommendation and purchase options for recommemded products based on associations between a user and consumed digital content
US20190114694A1 (en) * 2015-11-27 2019-04-18 Ec Bird Incorporated Commodity/service purchase support method, system, and program
CN105554087B (zh) * 2015-12-10 2018-10-26 小米科技有限责任公司 信息设置方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103077473A (zh) * 2008-10-15 2013-05-01 美国银行公司 交互的和协作的金融客户体验应用
CN102385601A (zh) * 2010-09-03 2012-03-21 阿里巴巴集团控股有限公司 一种产品信息的推荐方法及系统
CN103244898A (zh) * 2012-02-14 2013-08-14 马丁专业公司 用于照明装置的动画和遮光板形成装置
CN103679494A (zh) * 2012-09-17 2014-03-26 阿里巴巴集团控股有限公司 商品信息推荐方法及装置
CN105761122A (zh) * 2016-04-29 2016-07-13 山东大学 一种融合制造商相似度的产品推荐方法及装置

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113076469A (zh) * 2020-01-03 2021-07-06 阿里巴巴集团控股有限公司 模型构建方法、数据推荐方法及装置
CN112288570A (zh) * 2020-11-23 2021-01-29 中国农业银行股份有限公司 一种数据处理方法及装置
CN112598475A (zh) * 2020-12-28 2021-04-02 深圳壹账通创配科技有限公司 配件推荐方法、系统、设备及存储介质
CN113744019A (zh) * 2021-01-12 2021-12-03 北京沃东天骏信息技术有限公司 一种商品推荐方法、装置、设备及存储介质
CN113139086A (zh) * 2021-04-29 2021-07-20 北京沃东天骏信息技术有限公司 信息推荐方法和装置
CN113139667A (zh) * 2021-05-07 2021-07-20 深圳他米科技有限公司 基于人工智能的酒店房间推荐方法、装置、设备及存储介质
CN113139667B (zh) * 2021-05-07 2024-02-20 深圳他米科技有限公司 基于人工智能的酒店房间推荐方法、装置、设备及存储介质
CN113626693A (zh) * 2021-07-30 2021-11-09 未鲲(上海)科技服务有限公司 产品推荐方法、装置、计算机设备和存储介质
CN114219554A (zh) * 2021-11-19 2022-03-22 建信金融科技有限责任公司 基于盲盒文化的产品分配方法、装置、电子设备
CN114219554B (zh) * 2021-11-19 2024-05-28 建信金融科技有限责任公司 基于盲盒文化的产品分配方法、装置、电子设备
CN117788124A (zh) * 2024-02-26 2024-03-29 山东街景智能制造科技股份有限公司 一种用于定制化产品的数据管理系统及方法
CN117788124B (zh) * 2024-02-26 2024-05-14 山东街景智能制造科技股份有限公司 一种用于定制化产品的数据管理系统及方法
CN117892010A (zh) * 2024-03-14 2024-04-16 江西省博库信息技术有限公司 一种基于大数据的科普知识精准推送方法及系统
CN117892010B (zh) * 2024-03-14 2024-05-24 江西省博库信息技术有限公司 一种基于大数据的科普知识精准推送方法及系统

Also Published As

Publication number Publication date
CN109034935A (zh) 2018-12-18
CN109034935B (zh) 2023-04-21

Similar Documents

Publication Publication Date Title
WO2019232822A1 (zh) 产品推荐方法、装置、计算机设备及存储介质
US9870408B2 (en) Search method and system
JP5897019B2 (ja) 候補製品のリンクリストを判定する方法および装置
US9208437B2 (en) Personalized information pushing method and device
US8290818B1 (en) System for recommending item bundles
US8285602B1 (en) System for recommending item bundles
WO2020019564A1 (zh) 搜索排序方法、装置、电子设备和存储介质
WO2018121700A1 (zh) 基于已安装应用来推荐应用信息的方法、装置、终端设备及存储介质
US20140012840A1 (en) Generating search results
US20130124368A1 (en) Performing deduplication on product information search results
JP2015518609A (ja) 情報を提供する方法、ウェブサーバおよびウェブブラウザ
US10621641B2 (en) Method and device for pushing information
US10937070B2 (en) Collaborative filtering to generate recommendations
US20150221023A1 (en) Information providing device, information providing method, information providing program, and computer-readable storage medium storing the program
US11049166B2 (en) Systems and methods for managing product recommendations and affiliate links
CN109325796B (zh) 潜在用户筛选方法、装置、计算机设备及存储介质
WO2020135420A1 (zh) 对用户进行分类的方法和装置
CA3025839C (en) Data interaction processing method, device and system
JP6664580B2 (ja) 算出装置、算出方法および算出プログラム
JP6167029B2 (ja) レコメンド情報生成装置およびレコメンド情報生成方法
CN109801144B (zh) 一种基于外贸撮合场景的交易方法及设备
CN109829091B (zh) 电子作品传播程度的测评方法、计算机存储介质、及终端
WO2016033155A2 (en) Query-breadth selected search result sorting mechanism
CA3025848C (en) Data interaction processing method, device and system
CN111343265A (zh) 信息推送方法、装置、设备及可读存储介质

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: 18921497

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

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 12/03/2021)

122 Ep: pct application non-entry in european phase

Ref document number: 18921497

Country of ref document: EP

Kind code of ref document: A1