CN102402757A - 信息提供方法及装置、综合关联度确定方法及装置 - Google Patents
信息提供方法及装置、综合关联度确定方法及装置 Download PDFInfo
- Publication number
- CN102402757A CN102402757A CN2010102855608A CN201010285560A CN102402757A CN 102402757 A CN102402757 A CN 102402757A CN 2010102855608 A CN2010102855608 A CN 2010102855608A CN 201010285560 A CN201010285560 A CN 201010285560A CN 102402757 A CN102402757 A CN 102402757A
- Authority
- CN
- China
- Prior art keywords
- information
- merchandise news
- attribute
- associated articles
- association
- 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.)
- Pending
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
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种信息提供方法及装置、综合关联度确定方法及装置,该方法包括步骤:获得选择的商品信息后,确定与获得的商品信息关联的各关联商品信息;针对确定出的每个关联商品信息,获得所述商品信息和该关联商品信息之间的综合关联度,所述综合关联度是根据所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度确定的;在确定出的各关联商品信息中,选择出满足预设条件的综合关联度对应的关联商品信息;并将选择出的关联商品信息返回。采用本申请技术方案,解决了现有的信息提供方法为用户提供的商品信息不准确、不全面的问题。
Description
技术领域
本申请涉及信息处理技术领域,尤其涉及一种信息提供方法及装置、综合关联度确定方法及装置。
背景技术
电子商务网站为用户提供了能够在网上实现交易的商品的商品信息,用户利用电子商务网站的资金结算***来购买商品,电子商务网站通过物流配送***将用户购买的商品配送给用户,这极大提高了用户购物的便利性。
当电子商务网站的用户浏览该网站的商品时,电子商务网站一般会向用户提供与浏览的商品具有强相关性的商品的列表,便于用户在大量的商品中顺利找到自己需要的商品,避免了用户盲目和繁琐的搜索过程。
现有技术中,电子商务网站为用户提供商品信息的方法如图1所示,其具体处理过程如下:
步骤11,将电子商务网站中的每个用户每次购买的商品的商品信息划分为一个商品事务,每个商品事务中包含一件或几件商品的商品信息,所有商品事务组成商品事务集合,其中商品信息可以但不限于为商品的标识信息;
步骤12,将电子商务网站中任一被购买过的商品的商品信息划分为一个候选频繁一项集,所有候选频繁一项集组成候选频繁一项集集合;
步骤13,针对每个候选频繁一项集,将包含该候选频繁一项集的商品事务的个数与商品事务集合中包含的商品事务的个数的比值,确定为该候选频繁一项集的相对支持度;
步骤14,在候选频繁一项集集合中,选择出相对支持度不小于第一规定阈值的候选频繁一项集,选择出的候选频繁一项集又可以称为频繁一项集,所有频繁一项集组成频繁一项集集合;
步骤15,将频繁一项集集合包含的所有频繁一项集进行两两组合,形成多个候选频繁二项集,所有候选频繁二项集组成候选频繁二项集集合;
步骤16,针对每个候选频繁二项集,将包含该候选频繁二项集的商品事务的个数与商品事务集合中包含的商品事务的个数的比值,确定为该候选频繁二项集的相对支持度;
步骤17,在候选频繁二项集集合中,选择出相对支持度不小于第二规定阈值的候选频繁二项集,选择出的候选频繁二项集又可以称为频繁二项集,所有频繁二项集组成频繁二项集集合;
步骤18,针对每个频繁二项集{A,B},生成A和B的候选关联规则(也可以称为A→B,A为前件,B为后件)以及B和A的候选关联规则(也可以称为B→A,B为前件,A为后件);
步骤19,针对每个候选关联规则,将对应频繁二项集的相对支持度与前件的相对支持度的比值,确定为该候选关联规则中前件和后件的可信度;
步骤110,在所有候选关联规则中,选择出前件和后件的可信度不小于第三规定阈值的候选关联规则,选择出的候选关联规则又可以称为关联规则,所有关联规则组成关联规则集合;
步骤111,若用户在电子商务网站中浏览商品信息A,则在关联规则集合中确定出所有以A为前件的关联规则,确定出的所有关联规则中的后件组成商品A的候选推荐列表;
步骤112,按照对应的关联规则的可信度由高到低的顺序,将候选推荐列表中的各后件进行排序;
步骤113,选择候选推荐列表中的前N个后件,选择出的N个后件组成商品信息A的推荐列表;
步骤114,将推荐列表提供给上述用户。
由上可见,现有技术在向用户提供关联的商品信息时,主要基于在购买用户浏览的商品的交易中,其他商品被购买的概率来选择提供的商品信息,即基于商品信息间的关联来选择提供的商品信息,而某些商品虽然与用户浏览的商品同时被购买的概率不大,但是与用户浏览的商品的某些属性相同(例如A和B同为文化用品),则这些商品的商品信息对用户选择需要的商品具有较大的参考作用,而现有技术会将这些商品信息过滤掉,导致其为用户提供的商品信息不准确、不全面。
发明内容
本申请实施例提供一种信息提供方法及装置,用以解决现有的信息提供方法为用户提供的商品信息不准确、不全面的问题。
本申请实施例还提供一种综合关联度确定方法及装置。
本申请实施例技术方案如下:
一种信息提供方法,该方法包括步骤:获得选择的商品信息后,确定与获得的商品信息关联的各关联商品信息;针对确定出的每个关联商品信息,获得所述商品信息和该关联商品信息之间的综合关联度,所述综合关联度是根据所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度确定的;在确定出的各关联商品信息中,选择出满足预设条件的综合关联度对应的关联商品信息;并将选择出的关联商品信息返回。
一种信息提供装置,包括:第一获得单元,用于获得选择的商品信息;确定单元,用于确定与第一获得单元获得的商品信息关联的各关联商品信息;第二获得单元,用于针对确定单元确定出的每个关联商品信息,获得所述商品信息和该关联商品信息之间的综合关联度,所述综合关联度是综合关联度确定单元根据所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度确定的;选择单元,用于在确定单元确定出的各关联商品信息中,选择出满足预设条件的综合关联度对应的关联商品信息;信息返回单元,用于将选择单元选择出的关联商品信息返回。
一种综合关联度确定方法,该方法包括步骤:确定与商品信息关联的各关联商品信息;针对确定出的每个关联商品信息,分别执行:确定所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度;根据确定出的商品信息关联度和属性信息关联度,确定所述商品信息和该关联商品信息之间的综合关联度。
一种综合关联度确定装置,包括:第一确定单元,用于确定与商品信息关联的各关联商品信息;第二确定单元,用于针对第一确定单元确定出的每个关联商品信息,确定所述商品信息和该关联商品信息之间的商品信息关联度;第三确定单元,用于针对第一确定单元确定出的每个关联商品信息,确定所述商品信息和该关联商品信息之间的属性信息关联度;第四确定单元,用于根据第二确定单元确定出的商品信息关联度和第三确定单元确定出的属性信息关联度,确定所述商品信息和该关联商品信息之间的综合关联度。
本申请实施例技术方案中,获得选择的商品信息后,确定与获得的商品信息关联的各关联商品信息,针对确定出的每个关联商品信息,获得所述商品信息和该关联商品信息之间的综合关联度,其中所述综合关联度是根据所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度确定的,在确定出的各关联商品信息中,选择出满足预设条件的综合关联度对应的关联商品信息,将选择出的关联商品信息返回,由此可见,本申请实施例不再基于商品信息之间的可信度来选择提供的商品信息,而是根据商品信息和各关联商品信息之间的综合关联度来选择提供的商品信息,其中综合关联度是由商品信息关联度和属性信息关联度确定的,综合关联度不仅能够体现商品信息之间的关联,也能够体现商品信息所属属性的属性信息之间的关联,因此能够有效地提高为用户提供商品信息的准确性和全面性,节省用户购物时间,提高了商品信息提供的效率。当然,本申请实施例的任一方法和产品并不一定需要同时达到以上所述的优点。
附图说明
图1为现有技术中,信息提供方法流程示意图;
图2为本申请实施例一中,信息提供方法流程示意图;
图3为本申请实施例二中,信息提供方法具体实现流程示意图;
图4为本申请实施例三中,信息提供装置结构示意图;
图5为本申请实施例四中,综合关联度确定方法流程示意图;
图6为本申请实施例五中,综合关联度确定装置结构示意图。
具体实施方式
下面结合各个附图对本申请实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细地阐述。
实施例一
如图2所示,为本申请实施例一提供的信息提供方法流程图,其具体处理过程如下:
步骤21,获得选择的商品信息;
本申请实施例一中,获得的商品信息可以但不限于为用户选择的,用户可以但不限于通过网页(Web)浏览器浏览商品信息,若用户选择了某商品信息,则Web浏览器将该商品信息发送给Web服务器,例如用户选择浏览的商品信息为A,则Web服务器获得的商品信息为A。
步骤22,确定与获得的商品信息关联的各关联商品信息;
本申请实施例一中,商品信息可以但不限于为商品标识,预先划分多个商品事务,可以按照现有技术的方法将每个用户每次购买的商品的商品信息划分为一个商品事务,但是对于某些电子商务网站,尤其是用户对用户(C2C,Consumer to Consumer)网站或多商家的商家对商家(B2B,Business to Business)网站或者商家对用户(B2C,Business to Consumer)网站来说,用户每次购买可能只是购买一种商品,因此形成的商品事务中可能只包含一种商品的商品信息,不能体现各商品的购买时间之间的关系。对此本申请实施例一采用新的划分商品事务的方式,将每个用户在规定时间段内触发用户行为的商品的商品信息划分为一个商品事务。其中,用户行为可以但不限于:用户确认购买的行为,用户将商品信息添加进收藏夹的行为和用户点击浏览商品信息的行为中的至少一种行为。此外,可以将规定时间段内,每个用户触发用户行为的触发次数达到规定数量的商品的商品信息划分为一个商品事务。例如,将每个用户在规定时间段内购买次数达到2次的商品的商品信息划分为一个商品事务;也可以将规定时间段内每个用户触发用户行为的商品的商品信息按照触发时间点由先到后的顺序进行排序,将前规定数目个商品信息划分为一个商品事务,例如将每个用户在规定时间段内收藏的所有商品的商品信息按照收藏时间点由先到后的顺序进行排序后,将前5个商品信息划分为一个商品事务。这样即使用户每次只能购买一种商品,划分出的商品事务中也可能包含多个商品信息,其中上述规定时间段可以进行设置,可以但不限于设置为一周、一个月、一个季度、半年、一年等,也就是说将用户在每个季度中所购买、收藏或浏览的商品的商品信息划分为一个商品事务,例如,用户a在第一季度中购买的商品为A、B、C、D,则对应的商品事务中包含A、B、C、D这四个商品信息,若商品事务的存储格式为<用户标识,季度标识,商品标识>,则上述商品事务为<用户a,季度1,A,B,C,D>。
若两个商品信息位于同一个商品事务中,则确定这两个商品信息相关联。例如某个商品事务中包含了A和B,则A和B相关联,即A为B的关联商品信息,B为A的关联商品信息。本申请实施例一中,可以预先针对各个商品信息确定相关联的关联商品信息,那么在获得用户选择的商品信息后,能够直接确定该商品信息的关联商品信息;也可以在获得用户选择的商品信息后,再针对获得的商品信息,确定与该商品信息位于同一个商品事务的关联商品信息。
步骤23,针对确定出的每个关联商品信息,获得所述商品信息和该关联商品信息之间的综合关联度,所述综合关联度是根据所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度确定的;
本申请实施例一中,可以针对每个商品信息,预先确定该商品信息和各关联商品信息之间的综合关联度,后续在获得用户选择的商品信息后,直接确定该商品信息和每个关联商品信息之间的综合关联度;也可以在获得用户选择的商品信息后,再确定该商品信息和每个关联商品信息之间的综合关联度;还可以预先确定该商品信息和各关联商品信息之间的商品信息关联度和属性信息关联度,后续在获得用户选择的商品信息后,根据该商品信息和每个关联商品信息之间的商品信息关联度和属性信息关联度来确定综合关联度。
本申请实施例一中,不再基于商品信息之间的可信度来选择提供的商品信息,而是根据商品信息和各关联商品信息之间的综合关联度来选择提供的商品信息,其中综合关联度是由商品信息关联度和属性信息关联度确定的,因此综合关联度不仅能够体现商品信息之间的关联,也能够体现商品信息所属属性的属性信息之间的关联。某些商品虽然与用户选择的商品同时被购买、收藏或浏览的概率不大,但是与用户选择的商品在某些属性上相同,例如,按照产地属性来分,都为某产地的商品,也就是说某些商品信息之间的关联不是很高,但是所述属性的属性信息之间的关联可能很高,这些商品信息对用户选择需要的商品可能具有较大的参考作用,因此本申请实施例一综合考虑商品信息关联度和属性信息关联度来选择提供的商品信息,提供的商品信息相对于现有技术而言是准确、全面的。
步骤24,在确定出的各关联商品信息中,选择出满足预设条件的综合关联度对应的关联商品信息;
其中上述预设条件为:综合关联度不小于规定阈值;或按照综合关联度由高到底的顺序进行排序后的前规定数目个综合关联度。
在针对各关联商品信息确定出对应的综合关联度后,可以首先按照综合关联度由高到底的顺序将各关联商品信息进行排序,将前N个关联商品信息选择为满足预设条件的关联商品信息,其中N为预设的规定数目,也可以在所有关联商品信息中,将综合关联度不小于规定阈值的关联商品信息选择为满足预设条件的关联商品信息。
步骤25,将选择出的关联商品信息返回。
选择出满足预设条件的关联商品信息后,可以但不限于提供给选择商品信息的用户,其中可以直接将选择出的关联商品信息提供给用户,也可以将选择出的商品关联信息按照综合关联度由高到底的顺序进行排序后提供给用户。
本申请实施例一可以但不限于将商品标识返回,还可以将商品标识和其他商品信息(例如图片信息)对应返回。
下面重点介绍如何确定商品信息和各关联商品信息之间的综合关联度。
为了提高用户的浏览速度,较快的为用户提供商品信息,较佳地可以采用离线计算的方式计算综合关联度,Web服务器在获得用户选择的商品信息后,可以在离线计算出的各综合关联度中,确定出用户选择的商品信息与各关联商品信息的综合关联度,这样就避免了在线计算综合关联度占用较多在线***资源,从而影响用户浏览速度的问题。
商品信息和关联商品信息之间的综合关联度是根据商品信息和关联商品信息之间的商品信息关联度和属性信息关联度确定的,要确定综合关联度,需要首先确定商品信息关联度和属性信息关联度,其中,综合关联度可以是但不限于:商品信息和关联商品信息之间的商品信息关联度和属性信息关联度的乘积,或者商品信息关联度和属性信息关联度之和,或商品信息关联度和属性信息关联度的加权和值或者加权平均值等。例如,B为A的关联商品信息,A和B之间的商品信息关联度为SAB,属性信息关联度为TAB,则A和B之间的综合关联度为PAB=SAB×TAB,或者PAB=SAB+TAB,或者PAB=(SAB+TA)/2,或者PAB=a1×SAB+a2×TA,其中a1、a2为加权系数,具体可根据商品信息关联度和属性信息关联度的重要程度选取加权系数a1、a2的值。在以下的本申请实施例中,以综合关联度为商品信息和关联商品信息之间的商品信息关联度和属性信息关联度的乘积为例进行说明。
下面分别介绍如何确定商品信息关联度和属性信息关联度。
(一)确定商品信息关联度的方式可以但不限于为下述:
首先确定商品信息和关联商品信息之间的支持度,然后再确定商品信息和关联商品信息之间的可靠度,将确定出的支持度和可靠度的乘积,确定为商品信息和关联商品信息之间的商品信息关联度,例如B为A的关联商品信息,A和B之间的支持度为RAB,可靠度为QAB,则A和B之间的商品信息关联度为SAB=RAB×QAB。
其中商品信息和关联商品信息之间的支持度可以为绝对支持度,也可以为相对支持度,设rAB为商品信息和关联商品信息之间的绝对支持度,则rAB为同时包含该商品信息和该关联商品信息的商品事务的个数Z1,设rAB′为商品信息和关联商品信息之间的相对支持度,则rAB′为同时包含该商品信息和该关联商品信息的商品事务的个数Z1与所有商品事务个数Z2的比值。
商品信息和关联商品信息之间的可靠度QAB是商品信息和关联商品信息之间的可信度XAB与该关联商品信息的相对支持度rB′的差值,其中商品信息和关联商品信息之间的可信度XAB为商品信息和关联商品信息之间的绝对支持度rAB与该商品信息的绝对支持度rA的比值,或者为商品信息和关联商品信息之间的相对支持度rAB′与该商品信息的相对支持度rA′的比值,商品信息的绝对支持度rA为包含该商品信息的商品事务的个数,商品信息的相对支持度rA′为包含该商品信息的商品事务的个数与所有商品事务个数的比值,关联商品信息的绝对支持度rB为包含该关联商品信息的商品事务的个数,关联商品信息的相对支持度rB′为包含该关联商品信息的商品事务的个数与所有商品事务个数的比值。
(二)确定属性信息关联度的方式可以但不限于为下述:
每个商品都有多个属性,例如功效属性、品牌属性、产地属性等,本申请实施例提出,属性信息关联度可以为多个属性的属性信息的关联度的乘积,首先在商品信息和关联商品信息的所有属性中,选择至少一种属性,然后针对选择出的每种属性,分别确定该商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的支持度和可靠度,再将确定出的各支持度和各可靠度的乘积,确定为该商品信息的属性信息和该关联商品信息的属性信息之间的商品信息关联度,例如B为A的关联商品信息,针对A和B的功效属性,A和B的支持度为WAB1,可靠度为UAB1,针对A和B的品牌属性,A和B的支持度为WAB2,可靠度为UAB2,针对A和B的产地属性,A和B的支持度为WAB3,可靠度为UAB3,则A和B之间的属性信息关联度为TAB=WAB1×UAB1×WAB2×UAB2×WAB3×UAB3。
其中商品信息的属性信息和关联商品信息的属性信息之间的支持度可以为绝对支持度,也可以为相对支持度,当商品信息和关联商品信息之间的支持度为绝对支持度rAB时,商品信息的属性信息和关联商品信息的属性信息之间的支持度为绝对支持度wAB1;当商品信息和关联商品信息之间的支持度为相对支持度rAB′时,商品信息的属性信息和关联商品信息的属性信息之间的支持度为相对支持度wAB1′。
与商品事务类似,本申请实施例针对商品信息的每个属性,将每个商品事务包含的每个商品信息转换为对应的属性信息后形成属性事务,若某个商品事务为<用户a,季度1,A,B,C,D>,其中若按照功效归类,A归为1类,B归为2类,C归为3类,D归为4类,则该商品事务转换后的属性事务为<用户a,季度1,1类,2类,3类,4类>,若商品事务中的至少两个商品信息的属性信息相同,则转换后的属性事务中可以只保留两个相同的属性信息,例如按照功效归类,A归为1类,B归为1类,C归为1类,D归为2类,则该商品事务转换后的属性事务为<用户a,季度1,1类,1类,1类,2类>。
商品信息该属性的属性信息和关联商品信息该属性的属性信息之间的绝对支持度wAB1为:同时包含该商品信息该属性的属性信息和该关联商品信息该属性的属性信息的属性事务的个数Z3;商品信息该属性的属性信息和关联商品信息该属性的属性信息之间的相对支持度wAB1′为:该商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的绝对支持度wAB1和所有属性事务的个数Z4的比值。
在确定绝对支持度时,若商品信息该属性的属性信息和关联商品信息该属性的属性信息相同,包含该属性信息的属性事务中必须包含两个该属性信息,也就是说对应的商品事务中需要包含该属性信息对应的至少两个不同的商品信息。
商品信息该属性的属性信息和关联商品信息该属性的属性信息之间的可靠度UAB是商品信息该属性的属性信息和关联商品信息该属性的属性信息之间的可信度YAB与该关联商品信息该属性的属性信息的相对支持度wB1′的差值,其中可信度YAB为商品信息该属性的属性信息和关联商品信息该属性的属性信息之间的绝对支持度wAB1与该商品信息该属性的属性信息的绝对支持度wA1的比值,或者为商品信息该属性的属性信息和关联商品信息该属性的属性信息之间的相对支持度wAB1′与该商品信息该属性的属性信息的相对支持度wA1′的比值。商品信息该属性的属性信息的绝对支持度wAB1为包含商品信息该属性的属性信息的属性事务的个数,商品信息该属性的属性信息的相对支持度WAB1′为包含商品信息该属性的属性信息的属性事务的个数与所有属性事务个数的比值,关联商品信息该属性的属性信息的绝对支持度为包含关联商品信息该属性的属性信息的属性事务的个数,关联商品信息该属性的属性信息的相对支持度为包含关联商品信息该属性的属性信息的属性事务的个数与所有属性事务个数的比值。
现有技术是基于可信度来选择提供给用户的商品信息,如果用户每隔固定时间段就会购买某一种商品,例如充值卡等,那么用户同时购买该商品和其他商品的可能性就非常大,即使该商品与此时用户选择浏览的商品不存在强关联性(例如充值卡和蛋糕),那么按照现有技术的技术方案,还是可能将该商品的商品信息提供给用户,也就是说可信度作为选择商品信息时的判定条件具有弱关联性的缺点,本申请实施例提出,不管是商品信息关联度还是属性信息关联度,均是根据支持度和可靠度确定的,而可靠度是可信度与关联商品信息的相对支持度的差值,也就是说将用户同时购买该商品和其他商品的可能性大,而该商品与此时用户选择浏览的商品不存在强关联性的情况进行了过滤,使得提供的商品信息更加正确。此外,本申请实施例不限于根据可靠度和支持度来确定商品信息关联度和属性信息关联度,还可以根据其他的统计测度与支持度来确定商品信息关联度和属性信息关联度,例如根据覆盖度和支持度确定,或者根据提升度和支持度来确定,下面分别介绍商品信息A和关联商品信息B之间的覆盖度和提升度的确定方式。
商品信息A和关联商品信息B之间的覆盖度包含以下两种确定方式:
方式一、rAB/rB,即商品信息A和关联商品信息B之间的绝对支持度rAB,除以关联商品信息B的绝对支持度rB;
方式二、rAB′/rB′,即商品信息A和关联商品信息B之间的相对支持度rAB′,除以关联商品信息B的相对支持度rB′。
商品信息A和关联商品信息B之间的提升度也包含以下两种计算方式:
方式一、rAB/rA/rB,即商品信息A和关联商品信息B之间的绝对支持度rAB,除以商品信息A的绝对支持度rA,再除以关联商品信息B的绝对支持度rB;
方式二、rAB′/rB′/rB′,即商品信息A和关联商品信息B之间的相对支持度rAB′,除以商品信息A的相对支持度rA′,再除以关联商品信息B的相对支持度rB′。
若采用的统计测度由可靠度替换为覆盖度,则根据商品信息A和关联商品信息B之间的覆盖度和支持度,确定商品信息A和关联商品信息B之间的商品信息关联度,以及根据商品信息A的属性信息和关联商品信息B的属性信息之间的覆盖度和支持度,确定商品信息A的属性信息和关联商品信息B的属性信息之间的属性信息关联度。
若采用的统计测度由可靠度替换为提升度,则根据商品信息A和关联商品信息B之间的提升度和支持度,确定商品信息A和关联商品信息B之间的商品信息关联度,以及根据商品信息A的属性信息和关联商品信息B的属性信息之间的提升度和支持度,确定商品信息A的属性信息和关联商品信息B的属性信息之间的属性信息关联度。
现有技术中,将相对支持度不小于第一规定阈值的候选频繁一项集选择为频繁一项集,而且将相对支持度不小于第二规定阈值的候选频繁二项集选择为频繁二项集,最后再基于可信度选择关联的商品信息,也就是说,首先按照相对支持度进行多次筛选,然后再按照可信度进行筛选,这就可能将一些可信度较高,但是相对支持度不高的商品信息过滤掉,导致了一些有较强相关性的商品信息的丢失。针对该问题,本申请实施例提出不再根据相对支持度或绝对支持度选择频繁一项集和频繁二项集,即将每个被购买过的商品的商品信息作为一个商品一项集,将一个商品事务中包含的两个商品信息作为一个商品二项集,而是在最后选择提供的商品信息时,根据支持度(绝对支持度或相对支持度)与可靠度的乘积来进行选择,这就避免了一些有较强相关性的商品信息的丢失的问题,使得提供的商品信息更加全面。
由上述处理过程可知,本申请实施例技术方案中,获得选择的商品信息后,确定与获得的商品信息关联的各关联商品信息,针对确定出的每个关联商品信息,获得所述商品信息和该关联商品信息之间的综合关联度,其中,所述综合关联度是根据所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度确定的,在确定出的各关联商品信息中,选择出满足预设条件的综合关联度对应的关联商品信息,将选择出的关联商品信息返回。由此可见,本申请实施例不再基于商品信息之间的可信度来选择提供的商品信息,而是根据商品信息和各关联商品信息之间的综合关联度来选择提供的商品信息。其中,综合关联度是由商品信息关联度和属性信息关联度确定的,综合关联度不仅能够体现商品信息之间的关联,也能够体现商品信息所属属性的属性信息之间的关联,因此能够有效地提高为用户提供商品信息的准确性和全面性,节省用户购物时间,提高了商品信息提供的效率。当然,本申请实施例的任一方法和产品并不一定需要同时达到以上所述的优点。
下面给出更为具体的实施方式。
实施例二
如图3所示,为本申请实施例二中信息提供方法具体实现方法流程图,其具体处理过程如下:
步骤31,将每个用户在一个季度中所购买的商品的商品信息划分为一个商品事务;
用户所购买的商品的商品信息以及购买时间信息等都存储在交易数据库服务器中,首先在交易数据库服务器中检索出规定时间段内各用户所购买的商品的商品信息以及购买时间,其中该规定时间段是可以进行设置的,例如可以设置为目前为止一年,检索出的商品信息以及购买时间可以但不限于基于下述格式存储在数据表中:<用户标识,购买时间,商品标识>,该数据表称为RE表,基于RE表,将每个用户在一个季度中所购买的商品的商品信息划分为一个商品事务,商品事务可以但不限于基于下述格式存储在数据表中:<用户标识,季度标识,商品标识>,该数据表称为TP表,其中商品标识为商品的商品信息。
步骤32,将被购买过的任一商品的商品信息划分为一个商品一项集,针对每个商品一项集,计算包含该商品一项集的商品事务的个数,即该商品一项集的绝对支持度;
每个商品一项集的绝对支持度可以但不限于基于下述格式存储在数据表中:<商品标识,绝对支持度>,该数据表称为OneIAS表。
步骤33,计算各商品一项集的相对支持度;
每个商品一项集的相对支持度为绝对支持度与所有商品事务的个数的比值,每个商品一项集的相对支持度可以但不限于基于下述格式存储在数据表中:<商品标识,相对支持度>,该数据表称为OneIS表。
步骤34,将位于一个商品事务的两个商品的商品信息划分为一个商品二项集;
每个商品二项集可以但不限于基于下述格式存储在数据表中:<商品标识A,商品标识B>,该数据表称为TwoI表,其中,商品标识A为商品A的商品信息,商品标识B为商品B的商品信息。
步骤35,计算各商品二项集的绝对支持度;
商品二项集的绝对支持度为包含该商品二项集的商品事务的个数,每个商品二项集的绝对支持度可以但不限于基于下述格式存储在数据表中:<商品标识A,商品标识B,绝对支持度AB>,该数据表称为TwoIAS表。
步骤36,针对每个商品二项集,计算该商品二项集对应的两个商品关联规则中前件和后件的可信度;
任意一个商品二项集{A,B}均对应两个商品关联规则:A和B的商品关联规则(A→B,A为前件,B为后件,B为A的关联商品信息)以及B和A的商品关联规则(B→A,B为前件,A为后件,A为B的关联商品信息)。每个关联规则中前件和后件的可信度为对应商品二项集的绝对支持度与前件绝对支持度的比值,例如A→B中A和B的可信度为商品二项集{A,B}的绝对支持度和A的绝对支持度的比值,B→A中B和A的可信度为商品二项集{A,B}的绝对支持度和B的绝对支持度的比值,商品二项集{A,B}对应的两个可信度可以但不限于基于下述格式存储在数据表中:<商品标识A,商品标识B,可信度AB,可信度BA>,该数据表称为TwoIConf表,其中可信度AB为商品标识A和商品标识B的可信度,可信度BA为商品B和商品A的可信度。
步骤37,针对每个商品二项集,计算该商品二项集对应的两个商品关联规则中前件和后件的可靠度;
每个关联规则中前件和后件的可靠度为前件和后件的可信度与后件相对支持度的差值,例如A→B中A和B的可靠度为A和B的可信度和B的相对支持度的差值,B→A中B和A的可靠度为B和A的可信度和A的相对支持度的差值,商品二项集{A,B}对应的两个可靠度可以但不限于基于下述格式存储在数据表中:<商品标识A,商品标识B,可靠度AB,可靠度BA>,该数据表称为TwoIRel表,其中可靠度AB为商品标识A和商品标识B的可靠度,可靠度BA为商品标识B和商品标识A的可靠度。
步骤38,生成商品关联规则参数;
通过检索TwoIRel表和TwoIAS表,得到每个商品关联规则和对应的绝对支持度和可靠度,商品关联规则参数可以但不限于基于下述格式存储在数据表中:<商品标识A,商品标识B,绝对支持度AB,绝对支持度BA,可靠度AB,可靠度BA>,该数据表称为PAR表。
步骤39,针对商品的至少一个属性,将每个商品事务中各商品信息该属性的属性信息划分为一个属性事务;
属性事务可以但不限于基于下述格式存储在数据表中:<用户标识,季度标识,属性标识>,该数据表称为TP1表,其中属性标识为商品信息所属属性的属性信息。
步骤310,将步骤32划分的每个商品一项集中的各商品信息该属性的属性信息划分为一个属性一项集,计算包含该属性一项集的属性事务的个数,即该属性一项集的绝对支持度;
步骤311,计算各属性一项集的相对支持度;
每个属性一项集的相对支持度为绝对支持度与所有属性事务的个数的比值。
步骤312,将步骤34划分的每个商品二项集中的各商品信息该属性的属性信息划分为一个属性二项集;
步骤313,计算各属性二项集的绝对支持度;
属性二项集的绝对支持度为包含该属性二项集的属性事务的个数。
步骤314,针对每个属性二项集,计算该属性二项集对应的两个属性关联规则中前件和后件的可信度;
任意一个属性二项集{a,b}均对应两个属性关联规则:a和b的属性关联规则(a→b,a为前件,b为后件,b为a的关联属性信息)以及b和a的属性关联规则(b→a,b为前件,a为后件,a为b的关联属性信息)。每个关联规则中前件和后件的可信度为对应属性二项集的绝对支持度与前件绝对支持度的比值,例如a→b中a和b的可信度为属性二项集{a,b}的绝对支持度和属性一项集{a}的绝对支持度的比值,b→a中b和a的可信度为属性二项集{a,b}的绝对支持度和属性一项集{b}的绝对支持度的比值,其中可信度ab为属性标识a和属性标识b的可信度,可信度ab为属性标识b和属性标识a的可信度。
步骤315,针对每个属性二项集,计算该属性二项集对应的两个属性关联规则中前件和后件的可靠度;
每个属性关联规则中前件和后件的可靠度为前件和后件的可信度与后件相对支持度的差值,例如a→b中a和b的可靠度为a和b的可信度与b的相对支持度的差值,b→a中b和a的可靠度为b和a的可信度与a的相对支持度的差值,其中可靠度ab为属性标识b和属性标识a的可靠度,可靠度ba为属性标识b和属性标识a的可靠度。
步骤316,生成商品关联规则参数;
属性关联规则参数可以但不限于基于下述格式存储在数据表中:<属性标识a,属性标识b,绝对支持度ab,绝对支持度ba,可靠度ab,可靠度ba>,该数据表称为CAR表,其中属性标识a为商品信息A对应的属性信息,属性标识b为商品信息B的属性信息,绝对支持度ab为属性标识a和属性标识b的绝对支持度,绝对支持度ba为属性标识b和属性标识a的绝对支持度,可靠度ab为属性标识a和属性标识b的可靠度,可靠度ba为属性标识b和属性标识a的可靠度。
步骤317,根据商品关联规则参数和属性关联规则参数,生成综合关联规则参数;
综合关联规则参数可以但不限于基于下述格式存储在数据表中:<商品标识A,商品标识B,属性标识a,属性标识b,绝对支持度AB,绝对支持度BA,可靠度AB,可靠度BA,绝对支持度ab,绝对支持度ba,可靠度ab,可靠度ba>,该数据表称为PArC表。
步骤318,基于PArC表,对任意一个商品二项集{A,B}对应的两个商品关联规则A→B和B→A,分别计算前件和后件之间的商品信息关联度和属性信息关联度;
其中,A→B中A和B的商品信息关联度为:绝对支持度AB×可靠度AB;B→A中B和A的商品信息关联度为绝对支持度BA×可靠度BA;A→B中A和B的属性信息关联度为:绝对支持度ab×可靠度ab;A→B中A和B的属性信息关联度为:绝对支持度ba×可靠度ba。
步骤319,对任意一个商品二项集{A,B}对应的两个商品关联规则A→B和B→A,根据计算出的商品信息关联度和属性信息关联度,计算综合关联度;
步骤320,获得用户选择的商品信息A;
步骤321,确定出所有以A为前件的商品关联规则的后件;
步骤322,在步骤319计算出的综合关联度中,针对步骤321确定出的各后件,分别确定A和该后件的综合关联度;
步骤323,将确定出的各后件按照综合关联度由高到低的顺序进行排列,将前N个后件作为选择的商品信息返回,即提供给用户。
实施例三
与上述实施例一相对应的,本申请实施例三提供一种信息提供装置,如图4所示,包括第一获得单元41、确定单元42、第二获得单元43、选择单元44和信息返回单元45,其中:
第一获得单元41,用于获得选择的商品信息;
确定单元42,用于确定与第一获得单元41获得的商品信息关联的各关联商品信息;
第二获得单元43,用于针对确定单元42确定出的每个关联商品信息,获得所述商品信息和该关联商品信息之间的综合关联度,所述综合关联度是综合关联度确定单元根据所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度确定的;
选择单元44,用于在确定单元42确定出的各关联商品信息中,选择出满足预设条件的综合关联度对应的关联商品信息;
信息返回单元45,用于将选择单元44选择出的关联商品信息返回。
较佳地,所述确定单元42将与第一获得单元41获得的商品信息位于同一商品事务的各关联商品信息,确定为与第一获得单元获得的商品信息关联的各关联商品信息,其中,将每个用户在规定时间段内触发用户行为的商品的商品信息划分为一个商品事务。
更佳地,所述用户行为包括下述行为中的至少一种:确认购买的行为;添加进收藏夹的行为;点击浏览的行为。
较佳地,综合关联度确定单元具体包括第一确定子单元、第二确定子单元和第三确定子单元,其中:
第一确定子单元,用于确定所述商品信息和该关联商品信息之间的商品信息关联度;
第二确定子单元,用于确定所述商品信息和该关联商品信息之间的属性信息关联度;
第三确定子单元,用于根据所述第一确定子单元确定出的商品信息关联度和所述第二确定子单元确定出的属性信息关联度,确定所述商品信息和该关联商品信息之间的综合关联度。
更佳地,第一确定子单元具体包括第一确定模块、第二确定模块和第三确定模块,其中:
第一确定模块,确定所述商品信息和该关联商品信息之间的支持度;
第二确定模块,用于确定所述商品信息和该关联商品信息之间的可靠度;
第三确定模块,用于将第一确定模块确定出的支持度和第二确定模块确定出的可靠度的乘积,确定为所述商品信息和该关联商品信息之间的商品信息关联度。
更佳地,所述商品信息和该关联商品信息之间的支持度为所述商品信息和该关联商品信息之间的绝对支持度或相对支持度。
更佳地,第二确定模块具体包括第一确定子模块和第二确定子模块,其中:
第一确定子模块,用于确定所述商品信息和该关联商品信息之间的可信度;
第二确定子模块,用于将第一确定子模块确定出的所述可信度与该关联商品信息的相对支持度的差值,确定为所述商品信息和该关联商品信息的可靠度。
较佳地,第二确定子单元具体包括选择模块、第四确定模块、第五确定模块和第六确定模块,其中:
选择模块,用于在商品信息和关联商品信息的所有属性中,选择至少一种属性;
第四确定模块,用于针对选择模块选择出的每种属性,确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的支持度;
第五确定模块,用于针对选择模块选择出的每种属性,确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可靠度;
第六确定模块,用于将第四确定模块确定出的各支持度和第五确定模块确定出的各可靠度的乘积,确定为所述商品信息的属性信息和该关联商品信息的属性信息之间的属性信息关联度。
更佳地,所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的支持度为绝对支持度或相对支持度。
更佳地,所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的绝对支持度为:同时包含所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息的属性事务的个数;所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的相对支持度为:所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的绝对支持度和所有属性事务的个数的比值,其中,将每个商品事务所包含的各商品信息该属性的属性信息划分为一个属性事务。
更佳地,第五确定模块具体包括第三确定子模块和第四确定子模块,其中:
第三确定子模块,用于确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可信度;
第四确定子模块,用于将第三确定子模块确定出的可信度与该关联商品信息该属性的属性信息的相对支持度的差值,确定为所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可靠度。
较佳地,所述预设条件为:综合关联度不小于规定阈值;或按照综合关联度由高到底的顺序进行排序后的前规定数目个综合关联度。
较佳地,信息返回单元45具体包括选择子单元和信息返回子单元,其中:
排序子单元,用于将选择单元44选择出的商品关联信息按照综合关联度由高到底的顺序进行排序;
信息返回子单元,用于将排序子单元排序后的关联商品信息返回。
实施例四
本申请实施例四提供一种综合关联度确定方法,如图5所示,其具体处理过程如下:
步骤51,确定与商品信息关联的各关联商品信息;
较佳地,确定与商品信息关联的各关联商品信息,具体包括下述步骤:
将每个用户在规定时间段内触发用户行为的商品的商品信息划分为一个商品事务;针对每个商品信息,将与该商品信息位于同一商品事务的各关联商品信息,确定为与该商品信息关联的各关联商品信息。
更佳地,所述用户行为包括下述行为中的至少一种:确认购买的行为;添加进收藏夹的行为;点击浏览的行为。
步骤52,针对确定出的每个关联商品信息,确定所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度;
较佳地,确定所述商品信息和该关联商品信息之间的商品信息关联度,具体包括下述步骤:
确定所述商品信息和该关联商品信息之间的支持度;确定所述商品信息和该关联商品信息之间的可靠度;将确定出的支持度和可靠度的乘积,确定为所述商品信息和该关联商品信息之间的商品信息关联度。
更佳地,所述商品信息和该关联商品信息之间的支持度为所述商品信息和该关联商品信息之间的绝对支持度或相对支持度。
较佳地,确定所述商品信息和该关联商品信息之间的可靠度,具体包括下述步骤:
确定所述商品信息和该关联商品信息的之间可信度;将确定出的所述可信度与该关联商品信息的相对支持度的差值,确定为所述商品信息和该关联商品信息的可靠度。
较佳地,确定所述商品信息和该关联商品信息之间的属性信息关联度,具体包括下述步骤:
在商品信息和关联商品信息的所有属性中,选择至少一种属性;针对选择出的每种属性,分别确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的支持度和可靠度;将确定出的各支持度和各可靠度的乘积,确定为所述商品信息的属性信息和该关联商品信息的属性信息之间的属性信息关联度。
更佳地,所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的支持度为绝对支持度或相对支持度。
更佳地,确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的支持度,具体包括下述步骤:
将每个商品事务所包含的各商品信息该属性的属性信息划分为一个属性事务;将同时包含所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息的属性事务的个数,确定为所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的绝对支持度为:以及将所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的绝对支持度和所有属性事务的个数的比值,确定为所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的相对支持度。
较佳地,确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可靠度,具体包括下述步骤:
确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可信度;将确定出的可信度与该关联商品信息该属性的属性信息的相对支持度的差值,确定为所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可靠度。
步骤53,根据确定出的商品信息关联度和属性信息关联度,确定所述商品信息和该关联商品信息之间的综合关联度。
较佳地,将确定出的商品信息关联度和属性信息关联度的乘积,确定为所述商品信息和该关联商品信息之间的综合关联度。
实施例五
与上述综合关联度确定方法对应地,本申请实施例五提供一种综合关联度确定装置,如图6所示,包括第一确定单元61、第二确定单元62、第三确定单元63和第四确定单元64,其中:
第一确定单元61,用于确定与商品信息关联的各关联商品信息;
第二确定单元62,用于针对第一确定单元61确定出的每个关联商品信息,确定所述商品信息和该关联商品信息之间的商品信息关联度;
第三确定单元63,用于针对第一确定单元61确定出的每个关联商品信息,确定所述商品信息和该关联商品信息之间的属性信息关联度;
第四确定单元64,用于根据第二确定单元62确定出的商品信息关联度和第三确定单元63确定出的属性信息关联度,确定所述商品信息和该关联商品信息之间的综合关联度。
较佳地,第一确定单元61具体包括划分子单元和第一确定子单元,其中:
划分子单元,用于将每个用户在规定时间段内触发用户行为的商品的商品信息划分为一个商品事务;
第一确定子单元,用于针对每个商品信息,将与该商品信息位于同一商品事务的各关联商品信息,确定为与该商品信息关联的各关联商品信息。
更佳地,所述用户行为包括下述行为中的至少一种:确认购买的行为;添加进收藏夹的行为;点击浏览的行为。
较佳地,第四确定单元64将第二确定单元62确定出的商品信息关联度和第三确定单元63确定出的属性信息关联度的乘积,确定为所述商品信息和该关联商品信息之间的综合关联度。
较佳地,第二确定单元62具体包括第二确定子单元、第三确定子单元和第四确定子单元,其中:
第二确定子单元,用于确定所述商品信息和该关联商品信息之间的支持度;
第三确定子单元,用于确定所述商品信息和该关联商品信息之间的可靠度;
第四确定子单元,用于将第二确定子单元确定出的支持度和第三确定子单元确定出的可靠度的乘积,确定为所述商品信息和该关联商品信息之间的商品信息关联度。
更佳地,第二确定子单元确定出的支持度为所述商品信息和该关联商品信息之间的绝对支持度或相对支持度。
较佳地,第三确定子单元具体包括第一确定模块和第二确定模块,其中:
第一确定模块,用于确定所述商品信息和该关联商品信息之间的可信度;
第二确定模块,用于将第一确定模块确定出的所述可信度与该关联商品信息的相对支持度的差值,确定为所述商品信息和该关联商品信息之间的可靠度。
较佳地,第三确定单元63具体包括选择子单元、第五确定子单元、第六确定子单元和第七确定子单元,其中:
选择子单元,用于在商品信息和关联商品信息的所有属性中,选择至少一种属性;
第五确定子单元,用于针对选择子单元选择出的每种属性,确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的支持度;
第六确定子单元,用于针对选择子单元选择出的每种属性,确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可靠度;
第七确定子单元,用于将第五确定子单元确定出的各支持度和第六确定子单元确定出的各可靠度的乘积,确定为所述商品信息的属性信息和该关联商品信息的属性信息之间的属性信息关联度。
更佳地,第五确定子单元确定出的支持度为绝对支持度或相对支持度。
更佳地,第五确定子单元具体包括划分模块、第三确定模块和第四确定模块,其中:
划分模块,用于将每个商品事务所包含的各商品信息该属性的属性信息划分为一个属性事务;
第三确定模块,用于将同时包含所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息的属性事务的个数,确定为所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的绝对支持度:
第四确定模块,用于将所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的绝对支持度和所有属性事务的个数的比值,确定为所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的相对支持度。
较佳地,第六确定子单元具体包括第五确定模块和第六确定模块,其中:
第五确定模块,用于确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可信度;
第六确定模块,用于将第五确定模块确定出的可信度与该关联商品信息该属性的属性信息的相对支持度的差值,确定为所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可靠度。
本领域的技术人员应明白,本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (17)
1.一种信息提供方法,其特征在于,包括:
获得选择的商品信息后,确定与获得的商品信息关联的各关联商品信息;
针对确定出的每个关联商品信息,获得所述商品信息和该关联商品信息之间的综合关联度,所述综合关联度是根据所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度确定的;
在确定出的各关联商品信息中,选择出满足预设条件的综合关联度对应的关联商品信息;并
将选择出的关联商品信息返回。
2.如权利要求1所述的信息提供方法,其特征在于,确定与获得的商品信息关联的各关联商品信息,具体包括:
将与获得的商品信息位于同一商品事务的各关联商品信息,确定为与获得的商品信息关联的各关联商品信息,其中将每个用户在规定时间段内触发用户行为的商品的商品信息划分为一个商品事务。
3.如权利要求1所述的信息提供方法,其特征在于,根据所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度确定综合关联度,具体包括:
确定所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度;
将确定出的商品信息关联度和属性信息关联度的乘积,确定为所述商品信息和该关联商品信息之间的综合关联度。
4.如权利要求3所述的信息提供方法,其特征在于,确定所述商品信息和该关联商品信息之间的商品信息关联度,具体包括:
确定所述商品信息和该关联商品信息之间的支持度;
确定所述商品信息和该关联商品信息之间的可靠度;
将确定出的支持度和可靠度的乘积,确定为所述商品信息和该关联商品信息之间的商品信息关联度。
5.如权利要求4所述的信息提供方法,其特征在于,所述商品信息和该关联商品信息之间的支持度为所述商品信息和该关联商品信息之间的绝对支持度或相对支持度。
6.如权利要求4所述的信息提供方法,其特征在于,确定所述商品信息和该关联商品信息之间的可靠度,具体包括:
确定所述商品信息和该关联商品信息之间的可信度;
将确定出的所述可信度与该关联商品信息的相对支持度的差值,确定为所述商品信息和该关联商品信息之间的可靠度。
7.如权利要求3所述的信息提供方法,其特征在于,确定所述商品信息和该关联商品信息之间的属性信息关联度,具体包括:
在商品信息和关联商品信息的所有属性中,选择至少一种属性;
针对选择出的每种属性,分别确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的支持度和可靠度;
将确定出的各支持度和各可靠度的乘积,确定为所述商品信息的属性信息和该关联商品信息的属性信息之间的属性信息关联度。
8.如权利要求7所述的信息提供方法,其特征在于,所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的绝对支持度为:同时包含所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息的属性事务的个数;
所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的相对支持度为:所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的绝对支持度和所有属性事务的个数的比值,其中将每个商品事务所包含的各商品信息该属性的属性信息划分为一个属性事务。
9.如权利要求7所述的信息提供方法,其特征在于,确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可靠度,具体包括:
确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可信度;
将确定出的可信度与该关联商品信息该属性的属性信息的相对支持度的差值,确定为所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可靠度。
10.一种信息提供装置,其特征在于,包括:
第一获得单元,用于获得选择的商品信息;
确定单元,用于确定与第一获得单元获得的商品信息关联的各关联商品信息;
第二获得单元,用于针对确定单元确定出的每个关联商品信息,获得所述商品信息和该关联商品信息之间的综合关联度,所述综合关联度是综合关联度确定单元根据所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度确定的;
选择单元,用于在确定单元确定出的各关联商品信息中,选择出满足预设条件的综合关联度对应的关联商品信息;
信息返回单元,用于将选择单元选择出的关联商品信息返回。
11.如权利要求10所述的信息提供装置,其特征在于,综合关联度确定单元具体包括:
第一确定子单元,用于确定所述商品信息和该关联商品信息之间的商品信息关联度;
第二确定子单元,用于确定所述商品信息和该关联商品信息之间的属性信息关联度;
第三确定子单元,用于将第一确定子单元确定出的商品信息关联度和第二确定子单元确定出的属性信息关联度的乘积,确定为所述商品信息和该关联商品信息之间的综合关联度。
12.如权利要求11所述的信息提供装置,其特征在于,第二确定子单元具体包括:
选择模块,用于在商品信息和关联商品信息的所有属性中,选择至少一种属性;
第四确定模块,用于针对选择模块选择出的属性,确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的支持度;
第五确定模块,用于针对选择模块选择出的属性,确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可靠度;
第六确定模块,用于将第四确定模块确定出的各支持度和第五确定模块确定出的各可靠度的乘积,确定为所述商品信息的属性信息和该关联商品信息的属性信息之间的属性信息关联度。
13.如权利要求12所述的信息提供装置,其特征在于,第五确定模块具体包括:
第三确定子模块,用于确定所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可信度;
第四确定子模块,用于将第三确定子模块确定出的可信度与该关联商品信息该属性的属性信息的相对支持度的差值,确定为所述商品信息该属性的属性信息和该关联商品信息该属性的属性信息之间的可靠度。
14.一种综合关联度确定方法,其特征在于,包括:
确定与商品信息关联的各关联商品信息;
针对确定出的每个关联商品信息,分别执行:
确定所述商品信息和该关联商品信息之间的商品信息关联度和属性信息关联度;
根据确定出的商品信息关联度和属性信息关联度,确定所述商品信息和该关联商品信息之间的综合关联度。
15.如权利要求14所述的综合关联度确定方法,其特征在于,确定与商品信息关联的各关联商品信息,具体包括:
将每个用户在规定时间段内触发用户行为的商品的商品信息划分为一个商品事务;
针对每个商品信息,将与该商品信息位于同一商品事务的各关联商品信息,确定为与该商品信息关联的各关联商品信息。
16.一种综合关联度确定装置,其特征在于,包括:
第一确定单元,用于确定与商品信息关联的各关联商品信息;
第二确定单元,用于针对第一确定单元确定出的每个关联商品信息,确定所述商品信息和该关联商品信息之间的商品信息关联度;
第三确定单元,用于针对第一确定单元确定出的每个关联商品信息,确定所述商品信息和该关联商品信息之间的属性信息关联度;
第四确定单元,用于根据第二确定单元确定出的商品信息关联度和第三确定单元确定出的属性信息关联度,确定所述商品信息和该关联商品信息之间的综合关联度。
17.如权利要求16所述的综合关联度确定装置,其特征在于,第一确定单元具体包括:
划分子单元,用于将每个用户在规定时间段内触发用户行为的商品的商品信息划分为一个商品事务;
第一确定子单元,用于针对每个商品信息,将与该商品信息位于同一商品事务的各关联商品信息,确定为与该商品信息关联的各关联商品信息。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102855608A CN102402757A (zh) | 2010-09-15 | 2010-09-15 | 信息提供方法及装置、综合关联度确定方法及装置 |
TW099140214A TWI512653B (zh) | 2010-09-15 | 2010-11-22 | Information providing method and apparatus, method and apparatus for determining the degree of comprehensive relevance |
US13/199,966 US20120066087A1 (en) | 2010-09-15 | 2011-09-13 | Generating product recommendations |
JP2013529122A JP5766290B2 (ja) | 2010-09-15 | 2011-09-14 | 商品推薦の生成 |
PCT/US2011/001589 WO2012036736A1 (en) | 2010-09-15 | 2011-09-14 | Generating product recommendations |
EP11825564.5A EP2617001A4 (en) | 2010-09-15 | 2011-09-14 | PRODUCTION OF PRODUCT RECOMMENDATIONS |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102855608A CN102402757A (zh) | 2010-09-15 | 2010-09-15 | 信息提供方法及装置、综合关联度确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102402757A true CN102402757A (zh) | 2012-04-04 |
Family
ID=45807621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102855608A Pending CN102402757A (zh) | 2010-09-15 | 2010-09-15 | 信息提供方法及装置、综合关联度确定方法及装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20120066087A1 (zh) |
EP (1) | EP2617001A4 (zh) |
JP (1) | JP5766290B2 (zh) |
CN (1) | CN102402757A (zh) |
TW (1) | TWI512653B (zh) |
WO (1) | WO2012036736A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700005A (zh) * | 2013-12-17 | 2014-04-02 | 南京信息工程大学 | 一种基于自适应多最小支持度的关联规则推荐方法 |
CN103839172B (zh) * | 2012-11-23 | 2017-12-29 | 阿里巴巴集团控股有限公司 | 商品推荐方法及*** |
CN107730336A (zh) * | 2016-08-12 | 2018-02-23 | 苏宁云商集团股份有限公司 | 一种在线交易中的商品推送方法及装置 |
CN109767098A (zh) * | 2018-12-28 | 2019-05-17 | 广东益萃网络科技有限公司 | 产品属性的处理方法、装置、计算机设备、及存储介质 |
CN110097386A (zh) * | 2018-01-30 | 2019-08-06 | 北京京东尚科信息技术有限公司 | 用于数据处理的方法及装置 |
CN111401983A (zh) * | 2020-02-21 | 2020-07-10 | 北京九州云动科技有限公司 | 搜索列表个性化平台引导方法和装置 |
CN111523042A (zh) * | 2020-07-03 | 2020-08-11 | 南京梦饷网络科技有限公司 | 用于推荐商品的方法、电子设备和存储介质 |
CN113837819A (zh) * | 2020-06-08 | 2021-12-24 | 阿里巴巴集团控股有限公司 | 信息处理设备、方法、装置及电子设备 |
CN116562961A (zh) * | 2023-04-19 | 2023-08-08 | 上海聚灵兽科技有限公司 | 一种电商应用商品推荐方法及装置 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9524522B2 (en) | 2012-08-31 | 2016-12-20 | Accenture Global Services Limited | Hybrid recommendation system |
TWI626609B (zh) * | 2014-01-16 | 2018-06-11 | Chunghwa Telecom Co Ltd | Production method and system for personal product and expense purchase combination |
JP6244274B2 (ja) * | 2014-07-01 | 2017-12-06 | 株式会社日立製作所 | 相関ルール分析装置および相関ルール分析方法 |
JP6604586B2 (ja) * | 2014-08-26 | 2019-11-13 | アスクル株式会社 | 電子商取引装置、電子商取引方法および電子商取引プログラム |
CN104598521B (zh) * | 2014-12-12 | 2017-03-15 | 北京京东尚科信息技术有限公司 | 处理用户行为数据的方法和装置 |
JP6728972B2 (ja) * | 2016-05-23 | 2020-07-22 | 富士ゼロックス株式会社 | プログラム、商品推薦システム及び商品推薦方法 |
CN107632989B (zh) * | 2016-07-19 | 2021-04-13 | 阿里巴巴集团控股有限公司 | 一种商品对象选取、模型确定及使用热度确定方法与装置 |
TWI634441B (zh) | 2016-11-29 | 2018-09-01 | 財團法人工業技術研究院 | 關聯法則之擴充方法、應用其之裝置及電腦可讀取媒體 |
JP2018097628A (ja) * | 2016-12-14 | 2018-06-21 | ジオマーケティング株式会社 | 店舗相関図表示装置および店舗相関図表示システム |
US11238358B2 (en) * | 2017-12-18 | 2022-02-01 | Microsoft Technology Licensing, Llc | Predicting site visit based on intervention |
CN110232590B (zh) * | 2019-05-22 | 2023-07-11 | 中国平安财产保险股份有限公司 | 一种方案的生成方法及设备 |
KR102340724B1 (ko) * | 2019-10-24 | 2021-12-17 | 엔에이치엔애드 (주) | 사용자 단말기들에 웹 페이지들을 제공하는 네트워크 서버 및 방법 |
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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060195391A1 (en) * | 2005-02-28 | 2006-08-31 | Stanelle Evan J | Modeling loss in a term structured financial portfolio |
JP2010073170A (ja) * | 2008-09-22 | 2010-04-02 | Yahoo Japan Corp | 推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置 |
CN101828167A (zh) * | 2007-10-04 | 2010-09-08 | 讯恩科技公司 | 推荐产生***、设备和方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6317722B1 (en) * | 1998-09-18 | 2001-11-13 | Amazon.Com, Inc. | Use of electronic shopping carts to generate personal recommendations |
AU763950B2 (en) * | 1998-11-16 | 2003-08-07 | Smarterkids.Com | Computer-implemented educational product recommendation system |
JP2002318966A (ja) * | 2001-04-18 | 2002-10-31 | Fujitsu Ltd | 商品管理方法、商品推薦方法及びその方法をコンピュータに実行させるプログラム |
JP2002366838A (ja) * | 2001-06-06 | 2002-12-20 | Toshiba Corp | リコメンデーション方法及びサーバ・システム並びにプログラム |
US20070073717A1 (en) * | 2005-09-14 | 2007-03-29 | Jorey Ramer | Mobile comparison shopping |
US20080270398A1 (en) * | 2007-04-30 | 2008-10-30 | Landau Matthew J | Product affinity engine and method |
JP4951404B2 (ja) * | 2007-05-08 | 2012-06-13 | 楽天株式会社 | 商品レコメンド・システム |
JP4929048B2 (ja) * | 2007-05-21 | 2012-05-09 | 株式会社日立製作所 | コンテンツ配信サービスシステム |
US20090043640A1 (en) * | 2007-08-07 | 2009-02-12 | Neil Sutton | Information portal website for widely-distributed complex commodities |
US20090271289A1 (en) * | 2007-11-20 | 2009-10-29 | Theresa Klinger | System and method for propagating endorsements |
US8554623B2 (en) * | 2008-03-03 | 2013-10-08 | Yahoo! Inc. | Method and apparatus for social network marketing with consumer referral |
US20100088148A1 (en) * | 2008-10-02 | 2010-04-08 | Presswala Irfan | System and methodology for recommending purchases for a shopping intent |
US8244564B2 (en) * | 2009-03-31 | 2012-08-14 | Richrelevance, Inc. | Multi-strategy generation of product recommendations |
WO2011034475A1 (en) * | 2009-09-21 | 2011-03-24 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for executing a recommendation |
-
2010
- 2010-09-15 CN CN2010102855608A patent/CN102402757A/zh active Pending
- 2010-11-22 TW TW099140214A patent/TWI512653B/zh active
-
2011
- 2011-09-13 US US13/199,966 patent/US20120066087A1/en not_active Abandoned
- 2011-09-14 WO PCT/US2011/001589 patent/WO2012036736A1/en active Application Filing
- 2011-09-14 EP EP11825564.5A patent/EP2617001A4/en not_active Withdrawn
- 2011-09-14 JP JP2013529122A patent/JP5766290B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060195391A1 (en) * | 2005-02-28 | 2006-08-31 | Stanelle Evan J | Modeling loss in a term structured financial portfolio |
CN101828167A (zh) * | 2007-10-04 | 2010-09-08 | 讯恩科技公司 | 推荐产生***、设备和方法 |
JP2010073170A (ja) * | 2008-09-22 | 2010-04-02 | Yahoo Japan Corp | 推薦商品選択装置、推薦商品選択プログラムおよび商品検索装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839172B (zh) * | 2012-11-23 | 2017-12-29 | 阿里巴巴集团控股有限公司 | 商品推荐方法及*** |
CN103700005A (zh) * | 2013-12-17 | 2014-04-02 | 南京信息工程大学 | 一种基于自适应多最小支持度的关联规则推荐方法 |
CN103700005B (zh) * | 2013-12-17 | 2016-08-31 | 南京信息工程大学 | 一种基于自适应多最小支持度的关联规则推荐方法 |
CN107730336A (zh) * | 2016-08-12 | 2018-02-23 | 苏宁云商集团股份有限公司 | 一种在线交易中的商品推送方法及装置 |
CN110097386A (zh) * | 2018-01-30 | 2019-08-06 | 北京京东尚科信息技术有限公司 | 用于数据处理的方法及装置 |
WO2019149189A1 (zh) * | 2018-01-30 | 2019-08-08 | 北京京东尚科信息技术有限公司 | 用于数据处理的方法及装置 |
CN109767098A (zh) * | 2018-12-28 | 2019-05-17 | 广东益萃网络科技有限公司 | 产品属性的处理方法、装置、计算机设备、及存储介质 |
CN111401983A (zh) * | 2020-02-21 | 2020-07-10 | 北京九州云动科技有限公司 | 搜索列表个性化平台引导方法和装置 |
CN113837819A (zh) * | 2020-06-08 | 2021-12-24 | 阿里巴巴集团控股有限公司 | 信息处理设备、方法、装置及电子设备 |
CN111523042A (zh) * | 2020-07-03 | 2020-08-11 | 南京梦饷网络科技有限公司 | 用于推荐商品的方法、电子设备和存储介质 |
CN116562961A (zh) * | 2023-04-19 | 2023-08-08 | 上海聚灵兽科技有限公司 | 一种电商应用商品推荐方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
TWI512653B (zh) | 2015-12-11 |
EP2617001A1 (en) | 2013-07-24 |
US20120066087A1 (en) | 2012-03-15 |
WO2012036736A1 (en) | 2012-03-22 |
TW201211924A (en) | 2012-03-16 |
JP2013537339A (ja) | 2013-09-30 |
EP2617001A4 (en) | 2016-05-04 |
JP5766290B2 (ja) | 2015-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102402757A (zh) | 信息提供方法及装置、综合关联度确定方法及装置 | |
US11354584B2 (en) | Systems and methods for trend aware self-correcting entity relationship extraction | |
CN104123332B (zh) | 搜索结果的显示方法及装置 | |
CN109559208A (zh) | 一种信息推荐方法、服务器及计算机可读介质 | |
CN103164804B (zh) | 一种个性化的信息推送方法及装置 | |
CN109816482B (zh) | 电商平台的知识图谱构建方法、装置、设备及存储介质 | |
CN102446326B (zh) | 一种信息推送的方法、***及设备 | |
CN108121737A (zh) | 一种业务对象属性标识的生成方法、装置和*** | |
CN105718184A (zh) | 一种数据处理方法和装置 | |
CN102385601A (zh) | 一种产品信息的推荐方法及*** | |
CN104063383A (zh) | 信息推荐方法及装置 | |
CN103136683A (zh) | 计算产品参考价格的方法、装置及产品搜索方法、*** | |
CN103064852A (zh) | 网站统计信息处理方法及*** | |
CN102479366A (zh) | 一种商品推荐方法及*** | |
CN103309894B (zh) | 基于用户属性的搜索实现方法及*** | |
CN104077286A (zh) | 商品信息的搜索方法及*** | |
CN103294677A (zh) | 电子商务搜索引擎的搜索方法和电子商务搜索引擎 | |
CN105023178B (zh) | 一种基于本体的电子商务推荐方法 | |
CN108198045A (zh) | 基于电子商务网站数据挖掘的混合推荐***的设计方法 | |
CN104166732B (zh) | 一种基于全局评分信息的项目协同过滤推荐方法 | |
TWI642015B (zh) | 產生使用者瀏覽屬性的方法、以及非暫存電腦可讀的儲存媒介 | |
CN104809637A (zh) | 计算机实现的商品推荐方法及*** | |
CN102841904A (zh) | 一种搜索方法及设备 | |
CN110111167A (zh) | 一种确定推荐对象的方法和装置 | |
CN111654714B (zh) | 信息处理方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1166543 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120404 |
|
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1166543 Country of ref document: HK |