CN103631801A - 一种提供商品信息的方法及装置 - Google Patents
一种提供商品信息的方法及装置 Download PDFInfo
- Publication number
- CN103631801A CN103631801A CN201210303454.7A CN201210303454A CN103631801A CN 103631801 A CN103631801 A CN 103631801A CN 201210303454 A CN201210303454 A CN 201210303454A CN 103631801 A CN103631801 A CN 103631801A
- Authority
- CN
- China
- Prior art keywords
- time
- weights
- user
- interval
- time interval
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种提供商品信息的方法及装置,用以解决现有技术中服务器的压力较大的问题。该方法针对每个商品类目,确定用户上一次在该商品类目下订购的第一时刻,在第一时刻到当前时刻的时间段内,确定用户第一次对该商品类目下的商品信息进行点击的第二时刻,根据第二时刻到当前时刻的时间间隔确定有效时间间隔,根据有效时间间隔与订购期望时间间隔确定该商品类目的偏好权值,并提供偏好权值大于设定阈值的商品类目下的商品信息。上述方法通过用户对商品类目下的商品信息进行点击的时刻到当前时刻的时间段,量化用户对该商品类目的偏好程度,提高了商品推荐的准确性,有效的降低了用户使用搜索功能的次数,减轻了服务器的压力。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种提供商品信息的方法及装置。
背景技术
随着购物网站的兴起,用户可以直接在购物网站上开设网店并出售商品,而不必考虑开设实体店所带来的高昂费用,也可以足不出户,直接在购物网站上购买商品,这极大的提高了商品交易的效率。
虽然购物网站向用户提供了搜索功能,用户可以通过搜索功能搜索其想要的商品信息,但是,如果用户每次在购物网站上购物时都使用搜索功能进行搜索,无疑会增大购物网站的服务器的负担,因此,目前购物网站通过商品推荐功能向用户推荐其偏好的商品信息,以减少用户通过搜索功能搜索商品信息的次数,减轻服务器的压力。
在现有技术中,实现商品推荐的方法为:服务器针对每个商品类目,统计一个用户对该商品类目下的商品信息的点击操作的次数,将统计的次数作为该用户对该商品类目的偏好权值,在向该用户推荐商品信息时,向该用户提供偏好权值较大的商品类目下的商品信息。其中,该用户对该商品类目的偏好权值即为该用户对该商品类目的偏好程度量化值。
通过上述商品推荐的方法,服务器可以预估用户对每个商品类目的偏好程度,将偏好程度较大的商品类目下的商品信息提供给用户,从而用户则无需通过搜索功能进行搜索,直接浏览服务器提供的商品信息即可,可以减轻服务器的压力。
然而,仅通过用户对一个类目下的商品信息进行点击操作的次数,来预估该用户对该商品类目的偏好程度是不准确的。而预估用户对每个商品类目的偏好程度直接决定了商品推荐的准确性,如果商品推荐的准确性较低,则用户仍然会通过搜索功能搜索其偏好的商品信息,导致服务器的压力较大。
发明内容
本申请实施例提供一种提供商品信息的方法及装置,用以解决现有技术中服务器的压力较大的问题。
本申请实施例提供的一种提供商品信息的方法,包括:
分别针对每个商品类目,确定用户上一次在该商品类目下执行订购操作的第一时刻;
在确定的第一时刻到当前时刻的时间段内,确定所述用户第一次对该商品类目下的商品信息执行点击操作的第二时刻;
根据所述第二时刻到当前时刻的时间间隔确定有效时间间隔;
根据所述有效时间间隔与预先设定的订购期望时间间隔,确定所述用户对该商品类目的偏好权值;
根据确定的所述用户对每个商品类目的偏好权值,向所述用户提供偏好权值大于设定阈值的商品类目下的商品信息。
本申请实施例提供的一种提供商品信息的装置,包括:
第一确定模块,用于分别针对每个商品类目,确定用户上一次在该商品类目下执行订购操作的第一时刻;
第二确定模块,用于在确定的第一时刻到当前时刻的时间段内,确定所述用户第一次对该商品类目下的商品信息执行点击操作的第二时刻,根据所述第二时刻到当前时刻的时间间隔确定有效时间间隔;
权值确定模块,用于根据所述有效时间间隔与预先设定的订购期望时间间隔,确定所述用户对该商品类目的偏好权值;
提供模块,用于根据确定的所述用户对每个商品类目的偏好权值,向所述用户提供偏好权值大于设定阈值的商品类目下的商品信息。
本申请实施例提供一种提供商品信息的方法及装置,该方法服务器分别针对每个商品类目,确定用户上一次在该商品类目下订购的第一时刻,在确定的第一时刻到当前时刻的时间段内,确定该用户第一次对该商品类目下的商品信息进行点击的第二时刻,根据第二时刻到当前时刻的时间间隔确定有效时间间隔,根据有效时间间隔与订购期望时间间隔确定该用户对该商品类目的偏好权值,并提供偏好权值大于设定阈值的商品类目下的商品信息。上述方法通过用户对商品类目下的商品信息进行点击操作的时刻到当前时刻的时间段,量化该用户对该商品类目的偏好程度,可以准确的预估用户对商品类目的偏好程度,从而提高了商品推荐的准确性,有效的降低了用户通过搜索功能搜索商品信息的次数,减轻了服务器的压力。
附图说明
图1为本申请实施例提供的提供商品信息的过程;
图2为本申请实施例提供的预估用户对商品类目的偏好权值的详细过程;
图3为本申请实施例提供的服务器向用户提供某一个或某几个商品类目下的商品信息的详细过程;
图4为本申请实施例提供的提供商品信息的装置结构示意图。
具体实施方式
由于仅通过用户对一个商品类目下的商品信息进行点击操作的次数,来预估该用户对该商品类目的偏好程度,因此预估的偏好程度的准确性较低,从而商品推荐的准确性较低,导致用户仍然会频繁的通过搜索功能搜索其偏好的商品信息,使服务器的压力增大。本申请实施例通过用户对商品类目下的商品进行点击操作的时刻到当前时刻的时间段,预估该用户对该商品类目的偏好程度,可以提高预估的偏好程度的准确性,以提高商品推荐的准确性,达到降低用户通过搜索功能搜索商品信息的次数的目的,从而减轻服务器的压力。
图1为本申请实施例提供的提供商品信息的过程,具体包括以下步骤:
S101:分别针对每个商品类目,确定用户上一次在该商品类目下执行订购操作的第一时刻。
在本申请实施例中,购物网站的服务器在用户登录时,分别针对每个商品类目,确定该用户上一次在该商品类目下执行订购操作的时刻,记为第一时刻。
例如,假设购物网站的服务器提供的商品类目包括类目a、类目b,则在用户A登录时,服务器确定用户A上一次在类目a下执行订购操作的第一时刻、确定用户A上一次在类目b下执行订购操作的第一时刻。
其中,用户在某个类目下执行的订购操作可以是该用户针对该类目下的商品进行的付款操作,或者将该类目下的商品加入购物车的操作。
S102:在确定的第一时刻到当前时刻的时间段内,确定该用户第一次对该商品类目下的商品信息执行点击操作的第二时刻,根据第二时刻到当前时刻的时间间隔确定有效时间间隔。
在本申请实施例中,可以直接将第二时刻到当前时刻的时间间隔确定为有效时间间隔。当直接将第二时刻到当前时刻的时间间隔确定为有效时间间隔时,实际上是针对一个商品类目,将用户在该商品类目下从进行首次点击,到最终执行订购操作的时间段作为一个购买周期,这个购买周期就是有效时间间隔。当直接将第二时刻到当前时刻的时间间隔确定为有效时间间隔时,上述步骤S101~S102即为针对一个商品类目,确定当前时刻该用户的购买周期的起始时刻,该起始时刻就是步骤S102中确定的第二时刻,将确定的起始时刻到当前时刻确定为有效时间间隔。
继续沿用上例,针对类目a,假设服务器确定的用户A上一次在类目a下执行订购操作的第一时刻为6月29日,则确定从6月29日到当前时刻的时间段内,用户A第一次对类目a下的商品信息执行点击操作的时刻,记为第二时刻,将第二时刻到当前时刻的时间间隔确定为类目a的有效时间间隔。也即,在6月29日到当前时刻的时间段内,确定的该第二时刻即为用户A当前在类目a下的购买周期的起始时刻,从起始时刻到当前时刻的时间间隔即为类目1的有效时间间隔。
类似的,针对类目b,服务器确定从用户A上一次在类目b下执行订购操作的第一时刻到当前时刻的时间段内,用户A第一次对类目b下的商品信息执行点击操作的第二时刻,将针对类目b确定的第二时刻到当前时刻的时间间隔确定为类目b的有效时间间隔。
其中,用户对某个类目下的商品信息执行的点击操作是指为获取该商品类目下的商品信息而执行的操作,具体可以是进入该商品类目对应的商品列表页面或商品展示页面的操作,也可以是在当前页面展开该商品类目下的商品信息的操作,比如该用户点击页面链接地址进入该类目下的商品信息展示页或详情介绍页的操作,或者该用户直接输入该类目下的商品信息的URL地址的操作。
S103:根据该有效时间间隔与预先设定的订购期望时间间隔,确定该用户对该商品类目的偏好权值。
在本申请实施例中,服务器中预先设定了订购期望时间间隔,在分别针对每个商品类目确定了有效时间间隔后,可以根据每个商品类目的有效时间间隔与订购期望时间间隔的大小关系,预估该用户对每个商品类目的偏好程度,也即确定该用户对每个商品类目的偏好权值。
S104:根据确定的该用户对每个商品类目的偏好权值,向该用户提供偏好权值大于设定阈值的商品类目下的商品信息。
其中,该设定阈值可以根据需要进行设定。继续沿用上例,假设确定的类目a的偏好权值大于设定阈值,类目b的偏好权值小于设定阈值,则将类目a下的商品信息作为要向用户A推荐的商品信息,将类目a下的商品信息提供给用户A。
当然,也可以按照确定的各类目的偏好权值从大到小的顺序,依次选定指定数量的类目,将选定的类目下的商品信息提供给用户。
在图1所示的过程中,服务器根据用户对商品类目下的商品信息进行点击操作的时刻到当前时刻的时间段,量化该用户对该商品类目的偏好程度,可以准确的预估用户对商品类目的偏好程度,进而提高了商品推荐的准确性,可以有效的降低用户通过搜索功能搜索商品信息的次数,因此减轻了服务器的压力。
在图1所示的步骤S102中,除了直接将第二时刻到当前时刻的时间间隔确定为有效时间间隔之外,确定有效时间间隔的方法还可以为:预先针对该商品类目设定商品的订购期望时间间隔,确定该订购期望时间间隔乘第一修正参数的第一乘积,并判断第二时刻到当前时刻的时间间隔是否小于第一乘积,若是,则将第二时刻到当前时刻的时间间隔确定为有效时间间隔,否则,将该第一乘积确定为有效时间间隔。在后续的步骤中,则可以进一步根据确定的有效时间间隔与预先设定的订购期望时间间隔,确定该用户对该商品类目的偏好权值。其中,该第一修正参数可以根据需要设定。
当有效时间间隔为第二时刻到当前时刻的时间间隔时,有效时间间隔的起始时刻即为第二时刻,结束时刻即为当前时刻。当有效时间间隔为第一乘积时,有效时间间隔的结束时刻仍然是当前时刻,有效时间间隔的起始时刻即为:到当前时刻的时间间隔为第一乘积的时刻。
例如,该第一修正参数记为α1,设定α1的值可以为1.5,步骤S102中确定的第二时刻到当前时刻的时间间隔记为Tmax,针对该商品类目预先设定的订购期望时间间隔记为XT,需要确定的有效时间间隔记为tmax,则在确定有效时间间隔tmax时,先确定订购期望时间间隔XT与第一修正参数α1的第一乘积α1XT=1.5XT,判断Tmax是否小于1.5XT,若是,则令tmax=Tmax,也即将第二时刻到当前时刻的时间间隔Tmax确定为有效时间间隔,否则,令tmax=1.5XT,也即将第一乘积1.5XT确定为有效时间间隔。后续则根据确定的有效时间间隔与订购期望时间间隔XT,确定该用户对该商品类目的偏好权值。
其中,针对一个商品类目预先设定订购期望时间间隔的方法具体为:确定用户在过去的设定时间段内在该商品类目下执行的所有订购操作的订购时刻;采用设定方法将该设定时间段划分为若干个子时间段,该设定方法为:将确定的各订购时刻按照时间先后顺序进行排序,将两个相邻的订购时刻之间的时间段作为划分的一个子时间段;分别针对划分的每个子时间段,确定该用户在该子时间段内第一次对该商品类目下的商品信息执行点击操作的点击时刻,将确定的点击时刻到该子时间段的结束时刻的时间间隔确定为该子时间段的订购时间间隔;根据确定的各子时间段的订购时间间隔,确定各子时间段的订购时间间隔的平均值作为订购期望时间间隔。
例如,针对一个商品类目,假设确定该用户在过去的设定时间段内在该商品类目下指定的订购操作有3个,执行这3个订购操作的时刻分别为5月15日、6月1日、6月20日,则将这3个时刻按照时间先后顺序排序为:5月15日、6月1日、6月20日。将两个相邻的订购时刻之间的时间段划分为一个子时间段,也即,5月15日到6月1日为一个子时间段,6月1日到6月20日为一个子时间段。其中,在5月15日到6月1日这个子时间段内,用户第一次对该商品类目下的商品信息执行点击操作的点击时刻为5月17日,因此将5月17日到该子时间段的结束时刻的时间间隔确定为该子时间段的订购时间间隔,也即将5月17日到6月1日的时间间隔确定为该子时间段的订购时间间隔,该子时间段的订购时间间隔为16天。类似的,假设在6月1日到6月20日这个子时间段内,用户第一次对该商品类目下的商品信息进行点击操作的点击时刻为6月1日,则该子时间段的订购时间间隔为20天(6月1日到6月20日的时间间隔)。上述共确定了两个订购时间间隔,一个是16天,另一个是20天,因此这两个订购时间间隔的平均值18天就是该商品类目的订购期望时间间隔。
当然,在上述设定该商品类目的订购期望时间间隔的过程中,也可以分别针对多个用户,确定多个用户分别在过去的设定时间段内对该商品类目下执行的所有订购操作的订购时刻,并按照上述方法分别针对每个用户确定订购时间间隔。得到针对每个用户确定的各订购时间间隔后,将针对每个用户确定的各订购时间间隔的平均值确定为该商品类目的订购期望时间间隔,这里就不再一一赘述。
进一步的,在图1所示的步骤S103中,根据有效时间间隔与预先设定的订购期望时间间隔,确定该用户对该商品类目的偏好权值的方法包括:设定多个修正参数,采用每一修正参数分别对订购期望时间间隔进行修正,分别利用所述修正参数修正后的各订购期望时间间隔形成多个时间间隔区间,根据所述有效时间间隔所落入的时间间隔区间确定该用户对该商品类目的偏好权值。
其中,采用每一修正参数分别对订购期望时间间隔进行修正的方法包括:分别确定每一修正参数与订购期望时间间隔的乘积作为修正后的每个订购期望时间间隔。根据修正后的各订购期望时间间隔确定多个时间间隔区间的方法包括:以修正后的每个订购期望时间间隔为分界点确定时间间隔区间。
举例来说,预设分别用于对订购期望时间间隔进行修正的第二修正参数α2及第三修正参数α3,确定订购期望时间间隔XT乘以第二修正参数α2的第二乘积α2XT、该订购期望时间间隔XT乘以第三修正参数α3的第三乘积α3XT,则确定的该第二乘积α2XT和第三乘积α3XT即为修正后的两个订购期望时间间隔。
假设第二乘积α2XT大于第三乘积α3XT,则以第二乘积α2XT和第三乘积α3XT为分界点,确定的时间间隔区间有三个,分别为:(α2XT,+∞]、(α3XT,α2XT]、(-∞,α3XT]。分别预设对应于每个时间间隔区间的偏好权值,将确定的所述有效时间间隔所落入的时间间隔区间对应的偏好权值,确定为该用户对该商品类目的偏好权值。
继续沿用上例,预设时间间隔区间(α2XT,+∞]对应的偏好权值为第一设定权值Q1,时间间隔区间(α3XT,α2XT]对应的偏好权值为第二设定权值Q2,时间间隔区间(-∞α3XT对应的偏好权值为第三设定权值Q3,则采用公式 确定该用户对该商品类目的偏好权值,其中,Q为确定的该用户对该商品类目的偏好权值,tmax为针对该商品类目确定的有效时间间隔,XT为针对该商品类目预先设定的订购期望时间间隔,并且Q1>Q2>Q3。其中,上述第二修正参数和第三修正参数可以根据需要进行设定,例如第二修正参数可以设定为第三修正参数可以设定为
当然,也可以根据需要针对每个时间间隔区间设定具体的公式确定该用户对该商品类目的偏好权值。仍然以第二修正参数设定为α2,第三修正参数设定为α3为例进行说明,可以采用公式 确定该用户对该商品类目的偏好权值,其中,f1、f2、f3为根据需要设定的三个公式,这三个公式满足:f1(tmax)在tmax>α2XT条件下的函数值大于f2(tmax)在α3XT<tmax≤α2XT条件下的函数值,f2(tma)x在α3XT<tmax≤α2XT条件下的函数值大于f3(tma)x在tmax≤α3XT条件下的函数值。
较佳的,在本申请实施例中,为了进一步提高预估用户对一个商品类目的偏好程度,进一步提高商品推荐的准确性,以进一步减轻服务器的压力,通过上述公式 确定该用户对该商品类目的偏好权值时,如果确定有效时间间隔大于第二乘积α2XT,则在将第一设定权值Q1确定为该用户对该商品类目的偏好权值之前,还要确定该用户在该有效时间间隔内对该商品类目下的商品信息执行了满足第一指定条件的两次点击操作,其中,满足第一指定条件的两次点击操作具体为:该两次点击操作的执行时间之间的时间间隔小于设定时间间隔。
例如,该设定时间间隔可以设定为30分钟,则在确定有效时间间隔大于第二乘积时,如果确定该用户在有效时间间隔内对该商品类目下的商品执行的点击操作中,存在两次点击操作的执行时间之间的时间间隔小于30分钟,则将第一设定权值确定为该用户对该商品类目的偏好权值。这是因为用户在对一个商品类目下的商品信息执行点击操作时,存在误操作的可能,如误点击了弹出的广告中携带的商品信息等。如果用户误点击了某个商品信息,则用户一般不会再对该商品信息进行后续操作,因此,此次误点击并不能说明用户对该商品类目具有较高的偏好程度。而如果用户对该商品类目确实具有较高的偏好程度,则一般会在30分钟之内至少对该商品类目下的商品信息执行两次点击操作,因此,在将较大的第一设定权值作为该用户对该商品类目的偏好权值之前,还需要确定用户该用户在有效时间间隔内,对该商品类目下的商品执行了两次时间间隔小于30分钟的点击操作。
另外,如果确定有效时间间隔不大于第二乘积、且大于第三乘积,则在将第二设定权值确定为该用户对该商品类目的偏好权值之前,还要确定该有效时间间隔乘第四修正参数的第四乘积,并将该有效时间间隔平均划分为若干个子时间间隔,分别针对平均划分的每个子时间间隔,判断该用户是否在该子时间间隔内进行了至少一次点击操作,若是,则确定该子时间间隔满足第二指定条件,否则确定该子时间间隔不满足第二指定条件;确定满足第二指定条件的子时间间隔的和值大于第四乘积。
例如,第四修正参数记为α4,具体可以设定为0.3,则在确定有效时间间隔不大于第二乘积、且大于第三乘积时,先确定有效时间间隔tmax与第四修正参数α4的第四乘积α4tmax=0.3tmax。假设以24小时将该有效时间间隔tmax平均划分为若干个子时间间隔,也即平均划分的每个子时间间隔为一天,则针对划分的每个子时间间隔,判断该用户是否在该子时间间隔内对该商品类目下的商品信息执行了至少一次点击操作,若是,则确定该子时间间隔满足第二指定条件,否则确定该子时间间隔不满足第二指定条件。假设确定的满足第二指定条件的子时间间隔的数量为n,则确定满足第二指定条件的子时间间隔的和值为n天。当确定的和值(n天)大于第四乘积0.3tmax时,将第二设定权值确定为该用户对该商品类目的偏好权值。
同样的,当采用公式 确定该用户对该商品类目的偏好权值时,也可以在确定tmax>α2XT、且确定该用户在有效时间间隔内对该商品类目下的商品信息执行了满足第一指定条件的两次点击操作时,采用f1(tmax)确定该用户对该商品类目的偏好权值;在确定α3XT<tmax≤α2XT、且确定满足第二指定条件的子时间间隔的和值大于第四乘积时,采用f2(tmax)确定该用户对该商品类目的偏好权值;其他情况下则均采用f3(tmax)确定该用户对该商品类目的偏好权值,也即当tmax≤α3XT时,或者,当tmax>α2XT,但是该用户在有效时间间隔内并未对该商品类目下的商品信息执行满足第一指定条件的两次点击操作时,或者,当α3XT<tmax≤α2XT,但是满足第二指定条件的子时间间隔的和值不大于第四乘积时,采用f3(tmax)确定该用户对该商品类目的偏好权值。
考虑到在实际应用中,用户对某个商品类目的偏好程度是随着时间的推移而减小的,因此,本申请实施例中为了进一步提高预估用户对一个商品类目的偏好程度,以进一步减轻服务器的压力,在针对各商品类目,通过上述方法确定了用户对该商品类目的偏好权值之后,还可以根据该用户最近一次对该商品类目下的商品信息执行点击操作的时刻,对确定的该用户对该商品类目的偏好权值进行调整。具体的,确定该用户对该商品类目的偏好权值之后,还要判断第二时刻到当前时刻的时间间隔是否大于针对该商品类目预先设定的订购期望时间间隔,若是,则将第二时刻到当前时刻的时间间隔作为衰减时间间隔,否则,将预先针对该商品类目设定的订购期望时间间隔作为衰减时间间隔。也就是说,第二时刻到当前时刻的时间间隔与订购期望时间间隔作比较,将较小者作为衰减时间间隔。确定该用户最近一次对该商品类目下的商品信息执行点击操作的第三时刻,确定该第三时刻到当前时刻的时间间隔与确定的衰减时间间隔的比值,将该比值确定为衰减权值。将确定的该用户对该商品类目的偏好权值减衰减权值的差值重新确定为该用户对该商品类目的偏好权值。
也即,采用公式 确定衰减时间,将该用户最近一次对该商品类目下的商品信息执行点击操作的第三时刻到当前时刻的时间间隔记为td,则即为确定的衰减权值,将已经确定的该用户对该商品类目的偏好权值Q调整为也即,将重新确定为该用户对该商品类目的偏好权值。
图2为本申请实施例提供的预估用户对商品类目的偏好权值的详细过程,具体包括以下步骤:
S201:分别针对每个商品类目,确定用户上一次在该商品类目下执行订购操作的第一时刻。
S202:在确定的第一时刻到当前时刻的时间段内,确定该用户第一次对该商品类目下的商品信息执行点击操作的第二时刻。
S203:根据预先设定的订购期望时间间隔,确定订购期望时间间隔乘第一修正参数的第一乘积。
S204:判断第二时刻到当前时刻的时间间隔是否小于所述第一乘积,若是,则执行步骤S205,否则执行步骤S206。
S205:将第二时刻到当前时刻的时间间隔确定为有效时间间隔,执行步骤S207。
S206:将该第一乘积确定为有效时间间隔,执行步骤S207。
S207:根据确定的有效时间间隔与预先设定的订购期望时间间隔,确定该用户对该商品类目的偏好权值。
在上述步骤S207中,可以采用公式 或者 确定该用户对该商品类目的偏好权值,这里就不再一一赘述。
更进一步的,本申请实施例中还可以结合用户对一个商品类目下的商品信息执行点击操作的次数,预估该用户对该商品类目的偏好权值,可以进一步提高预估的偏好权值的准确性,以进一步减轻服务器的压力。
具体的,通过如图2所示的方法确定该用户对该商品类目的偏好权值之后,可以确定该用户在有效时间间隔内对该商品类目下的商品信息执行点击操作的次数,作为有效点击次数;根据有效点击次数与针对该商品类目预先设定的订购期望点击次数,调整确定的该用户对该商品类目的偏好权值,将调整后的偏好权值重新确定为该用户对该商品类目的偏好权值。
其中,针对该商品类目预先设定订购期望点击次数的方法,与针对该商品类目预先设定订购期望时间间隔的方法类似。具体的,确定用户在过去的设定时间段内在该商品类目下执行的所有订购操作的订购时刻;采用设定方法将该设定时间段划分为若干个子时间段,该设定方位为:将确定的各订购时刻按照时间先后顺序进行排序,将相邻的订购时刻之间的时间段作为划分的一个子时间段;分别针对划分的子时间段,确定该用户在该子时间段内对该商品类目下的商品信息执行点击操作的次数,作为订购点击次数;根据确定的各订购点击次数,确定各订购点击次数的平均值作为订购期望点击次数。
例如,针对一个商品类目,假设确定该用户在过去的设定时间段内在该商品类目下指定的订购操作有3个,执行这3个订购操作的时刻分别为5月15日、6月1日、6月20日,则将这3个时刻按照时间先后顺序排序为:5月15日、6月1日、6月20日。将两个相邻的订购时刻之间的时间段划分为一个子时间段,也即,5月15日到6月1日为一个子时间段,6月1日到6月20日为一个子时间段。其中,在5月15日到6月1日这个子时间段内,用户对该商品类目下的商品信息执行点击操作的次数为30次,因此针对5月15日到6月1日这个子时间段确定的订购点击次数为30次。类似的,假设在6月1日到6月20日这个子时间段内,用户对该商品类目下的商品信息进行点击操作的次数为40次,则针对6月1日到6月20日这个子时间段确定的订购点击次数为40次。上述共确定了两个订购点击次数,一个是30次,另一个是40次,因此这两个订购点击次数的平均值35次就是该商品类目的订购期望点击次数。
当然,在上述设定该商品类目的订购期望点击次数的过程中,也可以分别针对多个用户,确定多个用户分别在过去的设定时间段内对该商品类目下执行的所有订购操作的订购时刻,并按照上述根据单个用户的操作为商品类目预先设定订购期望点击次数的方法针对该多个用户确定每个用户在各相邻订购时刻间的订购点击次数。得到针对每个用户确定的各订购点击次数后,将针对每个用户确定的各订购点击次数的平均值确定为该商品类目的订购期望点击次数,这里就不再一一赘述。
进一步的,在根据有效点击次数与预先设定的订购期望点击次数,调整确定的该用户对该商品类目的偏好权值时,具体方法为:设定多个修正参数,采用每一修正参数分别对订购期望点击次数进行修正,分别利用修正后的各订购期望点击次数确定多个点击次数区间,根据有效点击次数所落入的点击次数区间调整该用户对该商品类目的偏好权值。
其中,采用每一修正参数分别对订购期望点击次数进行修正的方法包括:分别确定每一修正参数与订购期望点击次数的乘积作为修正后的每个订购期望点击次数。分别利用修正后的各订购期望点击次数确定多个点击次数区间的方法包括:以修正后的每个订购期望点击次数为分界点确定点击次数区间。
例如,预设分别用于对订购期望点击次数进行修正的第五修正参数α5及第六修正参数α6,确定订购期望点击次数XN乘以第五修正参数α5的第五乘积α5XN、订购期望点击次数XN乘以第六修正参数α6的第六乘积α6XN,则确定的该第五乘积α5XN和第六乘积α6XN即为修正后的两个订购期望点击次数。
假设第五乘积α5XN大于第六乘积α6XN,则以第五乘积α5XN和第六乘积α6XN为分界点,确定的点击次数区间有三个,分别为:(α5XN,+∞]、(α6XN,α5XN]、(-∞,α6XN]。预设分别对应于每个点击次数区间的偏好权值,将该用户对该商品类目的偏好权值增加有效点击次数所落入的点击次数区间对应的偏好权值。
继续沿用上例,预设点击次数区间(α5XN,+∞]对应的偏好权值为第四设定权值为Q4,点击次数区间(α6XN,α5XN]对应的偏好权值为第五设定权值为Q5,点击次数区间(-∞,α6XN]对应的偏好权值为第六设定权值为Q6,则采用公式 调整该用户对该商品类目的偏好权值Q,其中,Q为通过图2所示的方法确定的该用户对该商品类目的偏好权值,Nmax为有效点击次数,XN为针对该商品类目预先设定的订购期望点击次数,Q'为调整后的偏好权值,并且Q4>Q5>Q6。
当然,也可以根据需要针对每个点击次数区间设定具体的公式确定该用户对该商品类目的偏好权值。仍然以第五修正参数为α5,第六修正参数为α6为例进行说明,可以采用公式 确定该用户对该商品类目的偏好权值,其中,f4、f5、f6为根据需要设定的三个公式,这三个公式满足:f4(Nm)a在Nmax>α5XN条件下的函数值大于f5(Nm)a在α6XN<Nmax≤α5XN条件下的函数值,f5(Nmax)在α6XN<Nmax≤α5XN条件下的函数值大于f6(Nmax)在Nmax≤α6XN条件下的函数值。
通过上述方法,调整确定的该用户对每个商品类目的偏好权值之后,则可以根据调整后的该用户对每个商品类目的偏好权值,向该用户提供偏好权值大于设定阈值的商品下的商品信息。或者,按照调整后的该用户对每个商品类目的偏好权值从大到小的顺序,依次选择设定数量的商品类目,将选择的商品类目下的商品信息提供给该用户。
另外,考虑到在实际应用中,每个用户都有其偏好的价格区间,因此,在本申请实施例中,服务器根据确定的该用户对每个商品类目的偏好权值,向该用户提供某一个或某几个商品类目下的商品信息时,可以预估该用户所偏好的价格区间,将该某一个或某几个商品类目下价格属于该用户所偏好的价格区间的商品信息提供给该用户,具体方法如图3所示。
图3为本申请实施例提供的服务器向用户提供某一个或某几个商品类目下的商品信息的详细过程,具体包括以下步骤:
S301:服务器针对偏好权值大于设定阈值的商品类目,确定该用户在过去的设定时间段内对该商品类目下执行的所有订购操作对应的商品信息。
服务器在向用户提供偏好权值大于设定阈值的商品类目下的商品信息时,针对偏好权值大于设定阈值的每个商品类目,确定该用户在过去的设定时间段内对该商品类目下执行的所有订购操作对应的商品信息。
例如,假设确定的该用户对类目1的偏好权值大于设定阈值,则在向该用户提供类目1下的商品信息时,先确定该用户在过去的设定时间段内对属于该类目1的商品信息执行的所有订购操作,并确定每个订购操作对应的商品信息。
S302:采用正态分布函数拟合确定的各商品信息对应的价格,得到第一正态分布函数。
继续沿用上例,假设确定该用户在过去的设定时间段内对属于该类目1的商品信息执行了3次订购操作,每次订购操作对应的商品信息的价格分别为180元、230元、310元,则采用正态分布函数拟合这3个价格,得到第一正态分布函数。该第一正态分布函数的函数值即为该用户在该商品类目下,订购某个价格的商品信息的概率。
S303:针对确定的各商品信息对应的价格,确定以该商品信息对应的价格为均值、且以第一正态分布函数的方差为方差的第二正态分布函数。
继续沿用上例,将第一正态分布函数的方差记为σ2,由于确定的各商品信息对应的价格分别为180元、230元、310元,因此分别确定以180为均值、且以σ2为方差的第二正态分布函数,记为g180,确定以230为均值、且以σ2为方差的第二正态分布函数,记为g230,确定以310为均值、且以σ2为方差的第二正态分布函数,记为g310。
S304:针对预先设定的各价格区间,根据确定的每个第二正态分布函数,确定各第二正态分布函数在该价格区间上的概率的和值,作为该价格区间的价格权值。
继续沿用上例,假设设定的价格区间有3个,分别为100~200的价格区间,200~300的价格区间,300~400的价格区间,则针对100~200这个价格区间,分别确定g180、g230、g310落在100~200这个价格区间上的概率,将确定的概率的和值作为100~200这个价格区间的价格权值。
类似的,针对200~300这个价格区间,分别确定g180、g230、g310落在200~300这个价格区间上的概率,将确定的概率的和值作为200~300这个价格区间的价格权值;针对300~400这个价格区间,分别确定g180、g230、g310落在300~400这个价格区间上的概率,将确定的概率的和值作为300~400这个价格区间的价格权值。
S305:根据确定的各价格区间的价格权值,将价格权值最大的价格区间确定为指定价格区间。
继续沿用上例,假设针对200~300这个价格区间确定的价格权值最大,则将200~300这个价格区间确定为指定价格区间。
S306:将该商品类目下价格属于指定价格区间的商品信息提供给该用户。
继续沿用上例,在将该类目1下的商品信息提供给该用户时,将属于该类目1下,且价格属于指定价格区间(200~300的价格区间)的商品信息提供给该用户。
通过如图3所示的方法,可以准确的预估用户所偏好的价格区间,因此在向用户提供其所偏好的商品类目下的商品信息时,可以更进一步向用户提供其所偏好的价格区间内的商品信息,从而进一步提高了商品推荐的准确性,进一步减轻了服务器的负担。
以上为本申请实施例提供的提供商品信息的方法,基于同样的思路,本申请实施例还提供一种提供商品信息的装置,如图4所示。图4为本申请实施例提供的提供商品信息的装置结构示意图,具体包括:
第一确定模块401,用于分别针对每个商品类目,确定用户上一次在该商品类目下执行订购操作的第一时刻;
第二确定模块402,用于在确定的第一时刻到当前时刻的时间段内,确定所述用户第一次对该商品类目下的商品信息执行点击操作的第二时刻,将确定的第二时刻到当前时刻的时间间隔确定为有效时间间隔;
权值确定模块403,用于根据所述有效时间间隔与预先设定的订购期望时间间隔,确定所述用户对该商品类目的偏好权值;
提供模块404,用于根据确定的所述用户对每个商品类目的偏好权值,向所述用户提供偏好权值大于设定阈值的商品类目下的商品信息。
所述装置还包括:
第三确定模块405,用于确定所述用户在所述有效时间间隔内对该商品类目下的商品信息执行点击操作的次数,作为有效点击次数;
调整模块406,用于根据所述有效点击次数与预先设定的订购期望点击次数,调整确定的所述用户对该商品类目的偏好权值;
所述权值确定模块403具体用于,将调整后的偏好权值重新确定为所述用户对该商品类目的偏好权值。
所述提供模块404具体包括:
第一确定单元4041,用于针对偏好权值大于设定阈值的商品类目,确定用户在过去的设定时间段内对该商品类目下执行的所有订购操作对应的商品信息;
拟合单元4042,用于采用正态分布函数拟合确定的各商品信息对应的价格,得到第一正态分布函数;
第二确定单元4043,用于针对确定的各商品信息对应的价格,确定以该商品信息对应的价格为均值、且以所述第一正态分布函数的方差为方差的第二正态分布函数;
第三确定单元4044,用于针对预先设定的各价格区间,根据确定的每个第二正态分布函数,确定每个第二正态分布函数在该价格区间上的概率的和值,作为该价格区间的价格权值;
第四确定单元4045,用于根据确定的各价格区间的价格权值,将价格权值最大的价格区间确定为指定价格区间;
提供单元4046,用于将该商品类目下价格属于指定价格区间的各商品信息提供给所述用户。
本申请实施例提供一种提供商品信息的方法及装置,该方法服务器分别针对每个商品类目,确定用户上一次在该商品类目下订购的第一时刻,在确定的第一时刻到当前时刻的时间段内,确定该用户第一次对该商品类目下的商品信息进行点击的第二时刻,根据第二时刻到当前时刻的时间间隔确定有效时间间隔,根据有效时间间隔与订购期望时间间隔确定该用户对该商品类目的偏好权值,并提供偏好权值大于设定阈值的商品类目下的商品信息。上述方法通过用户对商品类目下的商品信息进行点击操作的时刻到当前时刻的时间段,量化该用户对该商品类目的偏好程度,可以准确的预估用户对商品类目的偏好程度,从而提高了商品推荐的准确性,有效的降低了用户通过搜索功能搜索商品信息的次数,减轻了服务器的压力。
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 (16)
1.一种提供商品信息的方法,其特征在于,包括:
分别针对每个商品类目,确定用户上一次在该商品类目下执行订购操作的第一时刻;
在确定的第一时刻到当前时刻的时间段内,确定所述用户第一次对该商品类目下的商品信息执行点击操作的第二时刻;
根据所述第二时刻到当前时刻的时间间隔确定有效时间间隔;
根据所述有效时间间隔与预先设定的订购期望时间间隔,确定所述用户对该商品类目的偏好权值;
根据确定的所述用户对每个商品类目的偏好权值,向所述用户提供偏好权值大于设定阈值的商品类目下的商品信息。
2.如权利要求1所述的方法,其特征在于,根据所述第二时刻到当前时刻的时间间隔确定有效时间间隔,具体包括:
根据预先设定的订购期望时间间隔,确定所述订购期望时间间隔乘第一修正参数的第一乘积;
判断所述第二时刻到当前时刻的时间间隔是否小于所述第一乘积;
若是,则将所述第二时刻到当前时刻的时间间隔确定为有效时间间隔;
否则,将所述第一乘积确定为有效时间间隔。
3.如权利要求1所述的方法,其特征在于,预先设定订购期望时间间隔,具体包括:
确定用户在过去的设定时间段内在该商品类目下执行的所有订购操作的订购时刻;
采用设定方法将所述设定时间段划分为若干个子时间段,所述设定方法为:将确定的各订购时刻按照时间先后顺序进行排序,将两个相邻的订购时刻之间的时间段作为划分的一个子时间段;
分别针对划分的每个子时间段,确定该用户在该子时间段内第一次对该商品类目下的商品信息执行点击操作的点击时刻,将确定的点击时刻到该子时间段的结束时刻的时间间隔确定为订购时间间隔;
根据确定的各订购时间间隔,确定各订购时间间隔的平均值作为订购期望时间间隔。
4.如权利要求1所述的方法,其特征在于,根据所述有效时间间隔与预先设定的订购期望时间间隔,确定所述用户对该商品类目的偏好权值,具体包括:
设定多个修正参数,采用每一修正参数分别对所述订购期望时间间隔进行修正;
分别利用修正后的各订购期望时间间隔确定多个时间间隔区间;
根据所述有效时间间隔所落入的时间间隔区间确定该用户对该商品类目的偏好权值。
5.如权利要求4所述的方法,其特征在于,设定多个修正参数,具体包括:设定第二修正参数和第三修正参数,其中,所述第二修正参数大于所述第三修正参数;
采用每一修正参数分别对所述订购期望时间间隔进行修正,具体包括:
确定所述订购期望时间间隔乘第二修正参数的第二乘积、所述订购期望时间间隔乘第三修正参数的第三乘积;
分别利用修正后的各订购期望时间间隔确定多个时间间隔区间,具体包括:
分别以所述第二乘积和第三乘积为分界点确定时间间隔区间;
根据所述有效时间间隔所落入的时间间隔区间确定该用户对该商品类目的偏好权值,具体包括:
当所述有效时间间隔大于所述第二乘积时,确定所述用户对该商品类目的偏好权值为第一设定权值;
当所述有效时间间隔不大于所述第二乘积、且大于所述第三乘积时,确定为所述用户对该商品类目的偏好权值为第二设定权值;
当所述有效时间间隔不大于所述第三乘积时,确定所述用户对该商品类目的偏好权值为第三设定权值;
其中,所述第一设定权值大于所述第二设定权值,所述第二设定权值大于所述第三设定权值。
6.如权利要求5所述的方法,其特征在于,确定所述用户对该商品类目的偏好权值为第一设定权值之前,所述方法还包括:
确定所述用户在所述有效时间间隔内对该商品类目下的商品信息执行了满足第一指定条件的两次点击操作,其中,满足第一指定条件的两次点击操作具体为:所述两次点击操作的执行时间之间的时间间隔小于设定时间间隔。
7.如权利要求5所述的方法,其特征在于,确定为所述用户对该商品类目的偏好权值为第二设定权值之前,所述方法还包括:
确定所述有效时间间隔乘第四修正参数的第四乘积;
将所述有效时间间隔平均划分为若干个子时间间隔;
分别针对划分的每个子时间间隔,判断所述用户是否在该子时间间隔内进行了至少一次点击操作,若是,则确定该子时间间隔满足第二指定条件,否则确定该子时间间隔不满足第二指定条件;
确定满足第二指定条件的子时间间隔的和值大于所述第四乘积。
8.如权利要求1所述的方法,其特征在于,确定所述用户对该商品类目的偏好权值之后,所述方法还包括:
判断所述第二时刻到当前时刻的时间间隔是否大于所述订购期望时间间隔,若是,则将所述第二时刻到当前时刻的时间间隔作为衰减时间间隔,否则,将所述订购期望时间间隔作为衰减时间间隔;
确定所述用户最近一次对该商品类目下的商品信息执行点击操作的第三时刻,确定所述第三时刻到当前时刻的时间间隔与所述衰减时间间隔的比值,将所述比值确定为衰减权值;
将确定的所述偏好权值减所述衰减权值的差值重新确定为所述用户对该商品类目的偏好权值。
9.如权利要求1所述的方法,其特征在于,确定所述用户对该商品类目的偏好权值之后,所述方法还包括:
确定所述用户在所述有效时间间隔内对该商品类目下的商品信息执行点击操作的次数,作为有效点击次数;
根据所述有效点击次数与预先设定的订购期望点击次数,调整确定的所述用户对该商品类目的偏好权值;
将调整后的偏好权值重新确定为所述用户对该商品类目的偏好权值。
10.如权利要求9所述的方法,其特征在于,预先设定订购期望点击次数,具体包括:
确定用户在过去的设定时间段内在该商品类目下执行的所有订购操作的订购时刻;
采用设定方法将所述设定时间段划分为若干个子时间段,所述设定方法为:将确定的各订购时刻按照时间先后顺序进行排序,将两个相邻的订购时刻之间的时间段作为划分的一个子时间段;
分别针对划分的每个子时间段,确定该用户在该子时间段内对该商品类目下的商品信息执行点击操作的次数,作为订购点击次数;
根据确定的各订购点击次数,确定各订购点击次数的平均值作为订购期望点击次数。
11.如权利要求9所述的方法,其特征在于,根据所述有效点击次数与预先设定的订购期望点击次数,调整确定的所述用户对该商品类目的偏好权值,具体包括:
设定多个修正参数,采用每一修正参数分别对所述订购期望点击次数进行修正;
分别利用修正后的各订购期望点击次数确定多个点击次数区间;
根据所述有效点击次数所落入的点击次数区间调整该用户对该商品类目的偏好权值。
12.如权利要求11所述的方法,其特征在于,设定若干个修正参数,具体包括:设定第五修正参数和第六修正参数,其中,所述第五修正参数大于所述第六修正参数;
采用每一修正参数分别对所述订购期望点击次数进行修正,具体包括:
确定所述订购期望点击次数乘第五修正参数的第五乘积、所述订购期望点击次数乘第六修正参数的第六乘积;
根据修正后的各订购期望点击次数确定多个点击次数区间,具体包括:
分别以所述第五乘积和所述第六乘积为分界点确定点击次数区间;
根据所述有效点击次数所落入的点击次数区间调整该用户对该商品类目的偏好权值,具体包括:
当所述有效点击次数大于所述第五乘积时,将确定的所述偏好权值加第四设定权值的和值作为调整后的偏好权值;
当所述有效点击次数不大于所述第五乘积、且大于所述第六乘积时,将确定的所述偏好权值加第五设定权值的和值作为调整后的偏好权值;
当所述有效点击次数不大于所述第六乘积时,将确定的所述偏好权值加第六设定权值的和值作为调整后的偏好权值;
其中,所述第四设定权值大于所述第五设定权值,所述第五设定权值大于所述第六设定权值。
13.如权利要求1~12任一所述的方法,其特征在于,向所述用户提供偏好权值大于设定阈值的商品类目下的商品信息,具体包括:
针对偏好权值大于设定阈值的商品类目,确定用户在过去的设定时间段内对该商品类目下执行的所有订购操作对应的商品信息;
采用正态分布函数拟合确定的各商品信息对应的价格,得到第一正态分布函数;
针对确定的各商品信息对应的价格,确定以该商品信息对应的价格为均值、且以所述第一正态分布函数的方差为方差的第二正态分布函数;
针对预先设定的各价格区间,根据确定的每个第二正态分布函数,确定各第二正态分布函数在该价格区间上的概率的和值,作为该价格区间的价格权值;
根据确定的各价格区间的价格权值,将价格权值最大的价格区间确定为指定价格区间;
将该商品类目下价格属于指定价格区间的商品信息提供给所述用户。
14.一种提供商品信息的装置,其特征在于,包括:
第一确定模块,用于分别针对每个商品类目,确定用户上一次在该商品类目下执行订购操作的第一时刻;
第二确定模块,用于在确定的第一时刻到当前时刻的时间段内,确定所述用户第一次对该商品类目下的商品信息执行点击操作的第二时刻,根据所述第二时刻到当前时刻的时间间隔确定有效时间间隔;
权值确定模块,用于根据所述有效时间间隔与预先设定的订购期望时间间隔,确定所述用户对该商品类目的偏好权值;
提供模块,用于根据确定的所述用户对每个商品类目的偏好权值,向所述用户提供偏好权值大于设定阈值的商品类目下的商品信息。
15.如权利要求14所述的装置,其特征在于,所述装置还包括:
第三确定模块,用于确定所述用户在所述有效时间间隔内对该商品类目下的商品信息执行点击操作的次数,作为有效点击次数;
调整模块,用于根据所述有效点击次数与预先设定的订购期望点击次数,调整确定的所述用户对该商品类目的偏好权值;
所述权值确定模块具体用于,将调整后的偏好权值重新确定为所述用户对该商品类目的偏好权值。
16.如权利要求14或15所述的装置,其特征在于,所述提供模块具体包括:
第一确定单元,用于针对偏好权值大于设定阈值的商品类目,确定用户在过去的设定时间段内对该商品类目下执行的所有订购操作对应的商品信息;
拟合单元,用于采用正态分布函数拟合确定的各商品信息对应的价格,得到第一正态分布函数;
第二确定单元,用于针对确定的各商品信息对应的价格,确定以该商品信息对应的价格为均值、且以所述第一正态分布函数的方差为方差的第二正态分布函数;
第三确定单元,用于针对预先设定的各价格区间,根据确定的每个第二正态分布函数,确定各第二正态分布函数在该价格区间上的概率的和值,作为该价格区间的价格权值;
第四确定单元,用于根据确定的各价格区间的价格权值,将价格权值最大的价格区间确定为指定价格区间;
提供单元,用于将该商品类目下价格属于指定价格区间的各商品信息提供给所述用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210303454.7A CN103631801B (zh) | 2012-08-23 | 2012-08-23 | 一种提供商品信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210303454.7A CN103631801B (zh) | 2012-08-23 | 2012-08-23 | 一种提供商品信息的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103631801A true CN103631801A (zh) | 2014-03-12 |
CN103631801B CN103631801B (zh) | 2017-03-01 |
Family
ID=50212872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210303454.7A Active CN103631801B (zh) | 2012-08-23 | 2012-08-23 | 一种提供商品信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103631801B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976211A (zh) * | 2016-05-26 | 2016-09-28 | 宇宙世代信息技术(深圳)有限公司 | 商品信息的推送方法和商品信息的推送*** |
CN107516246A (zh) * | 2017-08-25 | 2017-12-26 | 北京京东尚科信息技术有限公司 | 用户类型的确定方法、确定装置、介质及电子设备 |
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 |
CN108196671A (zh) * | 2017-12-26 | 2018-06-22 | 深圳市亿道数码技术有限公司 | 虚拟现实装置内的图像显示方法及虚拟现实装置 |
WO2018113241A1 (zh) * | 2016-12-20 | 2018-06-28 | 上海壹账通金融科技有限公司 | 页面展示方法、装置、服务器和存储介质 |
CN108255885A (zh) * | 2016-12-29 | 2018-07-06 | 北京酷我科技有限公司 | 一种歌曲的推荐方法及*** |
CN109255645A (zh) * | 2018-07-20 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 一种消费预测方法、装置及电子设备 |
CN110223133A (zh) * | 2019-04-23 | 2019-09-10 | 平安科技(深圳)有限公司 | 产品展示方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515360A (zh) * | 2009-04-13 | 2009-08-26 | 阿里巴巴集团控股有限公司 | 向用户推荐网络目标信息的方法和服务器 |
CN102479366A (zh) * | 2010-11-25 | 2012-05-30 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及*** |
-
2012
- 2012-08-23 CN CN201210303454.7A patent/CN103631801B/zh active Active
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976211A (zh) * | 2016-05-26 | 2016-09-28 | 宇宙世代信息技术(深圳)有限公司 | 商品信息的推送方法和商品信息的推送*** |
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 |
WO2018113241A1 (zh) * | 2016-12-20 | 2018-06-28 | 上海壹账通金融科技有限公司 | 页面展示方法、装置、服务器和存储介质 |
CN108255885A (zh) * | 2016-12-29 | 2018-07-06 | 北京酷我科技有限公司 | 一种歌曲的推荐方法及*** |
CN108255885B (zh) * | 2016-12-29 | 2020-11-06 | 北京酷我科技有限公司 | 一种歌曲的推荐方法及*** |
CN107516246A (zh) * | 2017-08-25 | 2017-12-26 | 北京京东尚科信息技术有限公司 | 用户类型的确定方法、确定装置、介质及电子设备 |
CN107516246B (zh) * | 2017-08-25 | 2021-07-16 | 北京京东尚科信息技术有限公司 | 用户类型的确定方法、确定装置、介质及电子设备 |
CN108196671A (zh) * | 2017-12-26 | 2018-06-22 | 深圳市亿道数码技术有限公司 | 虚拟现实装置内的图像显示方法及虚拟现实装置 |
CN109255645A (zh) * | 2018-07-20 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 一种消费预测方法、装置及电子设备 |
CN109255645B (zh) * | 2018-07-20 | 2021-09-14 | 创新先进技术有限公司 | 一种消费预测方法、装置及电子设备 |
CN110223133A (zh) * | 2019-04-23 | 2019-09-10 | 平安科技(深圳)有限公司 | 产品展示方法、装置、计算机设备和存储介质 |
CN110223133B (zh) * | 2019-04-23 | 2024-03-08 | 平安科技(深圳)有限公司 | 产品展示方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103631801B (zh) | 2017-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103631801A (zh) | 一种提供商品信息的方法及装置 | |
CN103164804B (zh) | 一种个性化的信息推送方法及装置 | |
US10474957B2 (en) | Method and apparatus for forecasting characteristic information change | |
CN104217355A (zh) | 预测促销商品销量的方法和装置 | |
US9208503B2 (en) | Information processing apparatus, information processing method, information processing program, and recording medium | |
CN102479190A (zh) | 一种搜索关键词的估计值预测方法和装置 | |
CN103309894B (zh) | 基于用户属性的搜索实现方法及*** | |
CN110851699A (zh) | 基于深度强化学习的信息流推荐方法、装置、设备及介质 | |
CN104408143A (zh) | 网页数据的监测方法和装置 | |
US20110047025A1 (en) | Immediacy targeting in online advertising | |
CN103246985A (zh) | 一种广告点击率预测方法及装置 | |
CN105225129A (zh) | 移动o2o推荐方法及其*** | |
CN104809637A (zh) | 计算机实现的商品推荐方法及*** | |
CN105447045A (zh) | 信息排序方法、装置及信息提供方法、*** | |
CN103064852A (zh) | 网站统计信息处理方法及*** | |
CN104516980A (zh) | 搜索结果的输出方法以及服务器*** | |
CN103761266A (zh) | 基于多级逻辑回归的点击率预测方法和*** | |
US20180053205A1 (en) | Systems and methods of advertisement creatives optimization | |
CN108614843B (zh) | 网站内容的评估方法及装置 | |
CN112925978A (zh) | 一种推荐***评测方法、装置、电子设备和存储介质 | |
CN106294410A (zh) | 一种个性化信息推送时间的确定方法及确定*** | |
CN109146551A (zh) | 一种广告推荐方法、服务器及计算机可读介质 | |
CN109615428A (zh) | 商户推荐方法、装置、***及服务器 | |
CN103426096A (zh) | 一种推荐用户的方法及装置 | |
CN104933149A (zh) | 一种信息搜索方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |