CN107292645A - 一种动态自适应的商品推荐方法 - Google Patents

一种动态自适应的商品推荐方法 Download PDF

Info

Publication number
CN107292645A
CN107292645A CN201610201225.2A CN201610201225A CN107292645A CN 107292645 A CN107292645 A CN 107292645A CN 201610201225 A CN201610201225 A CN 201610201225A CN 107292645 A CN107292645 A CN 107292645A
Authority
CN
China
Prior art keywords
mrow
commodity
msub
recommendation
user
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
Application number
CN201610201225.2A
Other languages
English (en)
Inventor
邓秀茂
严侃
莫宇祥
陈林
许先斌
蓝辰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yiersansan Purchase (xiamen) Information Technology Co Ltd
Original Assignee
Yiersansan Purchase (xiamen) Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yiersansan Purchase (xiamen) Information Technology Co Ltd filed Critical Yiersansan Purchase (xiamen) Information Technology Co Ltd
Priority to CN201610201225.2A priority Critical patent/CN107292645A/zh
Publication of CN107292645A publication Critical patent/CN107292645A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0253—During e-commerce, i.e. online transactions
    • 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
    • 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]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy

Landscapes

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

Abstract

本发明公开了一种动态自适应的商品推荐方法，具体分为以下步骤：建立推荐对象生长阶段与商品需求列表一对多的关系模型M1、建立商品与推荐周期对应关系模型M2；生成通用推荐商品集合S；通过基于物品的协同过滤算法，计算获得历史数据推荐商品集合P；得到整合商品集合Q’；对集合Q’进行过滤，得到商品集合Q；计算商品推荐度D(qj)，再根据公式计算推荐度，并进行排序，将前λ个商品推荐给用户。本发明缩小了候选推荐商品的候选集；保证了商品推荐的全面性、实用性和准确性；根据用户历史数据自动更新推荐计划，保证了推荐商品的实时性。

Description

一种动态自适应的商品推荐方法
技术领域
本发明涉及一种商品推荐方法，尤其涉及一种动态自适应的商品推荐方法。
背景技术
当前，已经涌现大批电商平台，商品数量数以亿计，要消费者逐个去找到自己想要的东西变成不可能的任务，通常电商平台都会对商品进行分门别类摆放，或者提供搜索能力，但这让人找到想要的商品还是很吃力。目前，已经有些电商网站会为顾客提供推荐感兴趣的商品，其依据是通过用户行为，如购买历史，浏览历史等获取用户的偏好，利用协同过滤算法进行商品推荐。但当新用户填写注册信息还未产生历史数据时，无法推荐任何准确的商品；当用户开始产生一些用户行为历史时，通过协同过滤算法确实可以产生推荐商品，但往往不准确，而且不全面，不能满足处在某个生长阶段的推荐对象要求。
发明内容
为了解决上述技术所存在的不足之处，本发明提供了一种动态自适应的商品推荐方法。
为了解决以上技术问题，本发明采用的技术方案是：一种动态自适应的商品推荐方法，该方法具体分为以下步骤：
(1)根据推荐对象的适用生长阶段属性，建立推荐对象生长阶段与商品需求列表一对多的关系模型M1；根据商品的消耗速度，建立商品与推荐周期对应关系模型M2；
(2)通过推荐对象的生长阶段属性对模型M1进行查询，生成通用推荐商品集合S＝{s1,s2...sn},(n>0)；其中，,s为单个商品；
(3)利用用户历史数据，通过基于物品的协同过滤算法，计算获得历史数据推荐商品集合P＝{p1,p2...pm}，(m>＝0)；其中，p为单个商品；
(4)对集合S和集合P取并集，得到整合商品集合Q’＝S∪P；
(5)根据模型M2与购买历史，对集合Q’进行过滤，排除暂时不用购买的商品，得到商品集合Q＝{q1,q2...qi},(i>0)；其中，q为单个商品；
(6)对Q中每一件商品qj近一月的销量因素、是否属于特殊品类、是否促销以及商品好评度计算商品推荐度D(qj)，计算公式为：
其中α为每个维度的调整参数，可以根据推荐效果适当调整；
销量权重W1(qj)为商品销量N(qj)与其所属品类C(qj)中商品的最高销量Nmax(C(qj))的比例，计算公式为：
按照品类计算销量比例，保证每个品类的商品都有平等的推荐概率。
上述特殊品类商品优先推荐的方式为，预先定义特殊类别L，特殊类别权
重计算公式为：
上述促销商品优先推荐的方式为，将促销商品权重加大，若促销商品列表为F，则促销权重为：
上述好评商品优先推荐的方式为，需加上好评度权重W4(qj)，根据现有电商平台一般会提供用户打分机制，若总分为Tmax，商品评分为T(qj)，则
根据以上公式计算推荐度，并进行排序，将前λ个商品推荐给用户。
上述模型M1将根据购买历史的统计数据进行更新，具体方式为：假设用户总量为Nuser,商品销量N(qj)，将符合条件的商品加入对应生长阶段的商品需求列表中；其中，μ为阈值参数。
本发明具有以下优点：
(1)通过推荐对象所处的生长阶段，通过开始人为建立的推荐对象生长阶段与商品需求关系模型，给出该生长阶段推荐的商品集，缩小了候选推荐商品的候选集；(2)通过整合模块和进行过滤，根据公式计算得到推荐度并进行排序，选择推荐度靠前的商品进行推荐，保证了商品推荐的全面性、实用性和准确性；(3)根据用户历史数据自动更新推荐计划，保证了推荐商品的实时性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明操作的流程图。
具体实施方式
如图1所示，本发明方法分为以下步骤：
(1)根据推荐对象的适用生长阶段属性，建立推荐对象生长阶段与商品需求列表一对多的关系模型M1；根据商品的消耗速度，建立商品与推荐周期对应关系模型M2；
(2)通过推荐对象的生长阶段属性对模型M1进行查询，生成通用推荐商品集合S＝{s1,s2...sn},(n>0)；其中,s为单个商品；
(3)利用用户历史数据，通过基于物品的协同过滤算法，计算获得历史数据推荐商品集合P＝{p1,p2...pm}，(m>＝0)；其中，p为单个商品；
(4)对集合S和集合P取并集，得到整合商品集合Q’＝S∪P；
(5)根据模型M2与购买历史，对集合Q’进行过滤，排除暂时不用购买的商品，得到商品集合Q＝{q1,q2...qi},(i>0)；其中，q为单个商品；
(6)对Q中每一件商品qj近一月的销量因素、是否属于特殊品类、是否促销以及商品好评度计算商品推荐度D(qj)，计算公式为：
其中α为每个维度的调整参数，可以根据推荐效果适当调整；
销量权重W1(qj)为商品销量N(qj)与其所属品类C(qj)中商品的最高销量Nmax(C(qj))的比例，计算公式为：
按照品类计算销量比例，保证每个品类的商品都有平等的推荐概率，再根据公式计算推荐度，并进行排序，将前λ个商品推荐给用户。
上述特殊品类商品优先推荐的方式为，预先定义特殊类别L，特殊类别权重计算公式为：
上述促销商品优先推荐的方式为，将促销商品权重加大，若促销商品列表为F，则促销权重为：
所述好评商品优先推荐的方式为，需加上好评度权重W4(qj)，根据现有电商平台一般会提供用户打分机制，若总分为Tmax，商品评分为T(qj)，则
上述模型M1将根据购买历史的统计数据进行更新，具体方式为：假设用户总量为Nuser,商品销量N(qj)，将符合条件的商品加入对应生长阶段的商品需求列表中；其中，μ为阈值参数。
下面结合实施例对本发明作进一步说明。其中，表1为生长阶段与商品需求列表关系模型、表2是商品与推荐周期的关系模型、表3是部分商品表；
因为相近时间出生的婴幼儿需求类似，并且每个月的需求都会发生比较大的变化，所以下面推荐对象选择为婴幼儿，且以母婴商城商品推荐举例，推荐步骤如下：
a、建立婴幼儿成长阶段与商品需求的关系模型，如表1所示：
表1：生长阶段与商品需求列表关系模型
week sex good_needed
1 男 1,2
1 女 1,2
…
68 男 1,2,3
68 女 1,2,3,4
…
表2：商品与推荐周期的关系模型
good week unit Duration(day)
1 1 100g 5
2 1 10piece 3
3 4 1 300
…
如表2所示，商品与推荐周期对应关系模型中，单位是关键信息，而且随着宝宝的成长，用量也会不一样，所以也必须加上生长阶段；
表3：部分商品表
id title price
1 牛栏奶粉1段900g 150
2 花王纸尿片NB 100
3 好孩子扭扭车 200
4 芭比娃娃 50
…
b、根据用户的宝宝信息，查询得到宝宝的通用推荐商品集合S＝{s1,s2...sn},(n>0)；
c、利用用户购买、浏览等行为历史数据，通过基于物品的协同过滤算法，可以得到历史数据推荐商品集合P＝{p1,p2...pm}，(m>＝0)；
d、将两个推荐渠道的数据进行取并集得到整合商品集合，并且根据购买历史与商品与推荐周期关系模型进行过滤，得到推荐集合Q＝{q1,q2...qi},(i>0)，并且根据推荐度公式进行排序，得到最终推荐结果为排名前λ的推荐商品Q＝{q1,q2...qj},(j<λ)；
e、当用户发生购买动作时，***将该用户信息、宝宝信息、商品、购买量、购买时间记录到购买历史表中；
f、因为***运行开始生长阶段与商品需求列表关系模型是人为创建的，不一定符合宝宝的实际情况，所以***需要自动更新关系模型。
本实施例中，对所有商品进行遍历，假设用户总量为Nuser,商品销量N(qj)，将符合条件(μ为阈值参数)的商品加入对应生长阶段的商品需求列表中，这样就可以把原先没考虑加入需求模型中的商品补上，不断完善需求模型。
上述实施方式并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换，也均属于本发明的保护范围。

Claims (3)

1.一种动态自适应的商品推荐方法，其特征在于：该方法具体分为以下步骤：
(1)根据推荐对象的适用生长阶段属性，建立推荐对象生长阶段与商品需求列表一对多的关系模型M1；根据商品的消耗速度，建立商品与推荐周期对应关系模型M2；
(2)通过推荐对象的生长阶段属性对模型M1进行查询，生成通用推荐商品集合S＝{s1,s2...sn},(n>0)；其中，,s为单个商品；
(3)利用用户历史数据，通过基于物品的协同过滤算法，计算获得历史数据推荐商品集合P＝{p1,p2...pm}，(m>＝0)；其中，{p为单个商品；
(4)对集合S和集合P取并集，得到整合商品集合Q’＝S∪P；
(5)根据模型M2与购买历史，对集合Q’进行过滤，排除暂时不用购买的商品，得到商品集合Q＝{q1,q2...qi},(i>0)；其中，{q为单个商品；
(6)对Q中每一件商品qj近一月的销量因素、是否属于特殊品类、是否促销以及商品好评度计算商品推荐度D(qj)，计算公式为：
<mrow> <mi>D</mi> <mrow> <mo>(</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <msub> <mi>&amp;alpha;</mi> <mi>i</mi> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>W</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow>
其中α为每个维度的调整参数，可以根据推荐效果适当调整；
销量权重W1(qj)为商品销量N(qj)与其所属品类C(qj)中商品的最高销量Nmax(C(qj))的比例，计算公式为：
<mrow> <msub> <mi>W</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>N</mi> <mrow> <mo>(</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>N</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>C</mi> <mo>(</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
按照品类计算销量比例，保证每个品类的商品都有平等的推荐概率，再根据公式计算推荐度，并进行排序，将前λ个商品推荐给用户。
2.根据权利要求1所述的动态自适应的商品推荐方法，其特征在于：所述特殊品类商品优先推荐的方式为，预先定义特殊类别L，特殊类别权重计算公式为：
<mrow> <msub> <mi>W</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>&amp;NotElement;</mo> <mi>L</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>1</mn> <mo>,</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>&amp;Element;</mo> <mi>L</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
所述促销商品优先推荐的方式为，将促销商品权重加大，若促销商品列表为F，则促销权重为：
<mrow> <msub> <mi>W</mi> <mn>3</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mn>0</mn> <mo>,</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>&amp;NotElement;</mo> <mi>F</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mn>1</mn> <mo>,</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>&amp;Element;</mo> <mi>F</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
所述好评商品优先推荐的方式为，需加上好评度权重W4(qj)，根据现有电商平台一般会提供用户打分机制，若总分为Tmax，商品评分为T(qj)，则
<mrow> <msub> <mi>W</mi> <mn>4</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>T</mi> <mrow> <mo>(</mo> <msub> <mi>q</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <msub> <mi>T</mi> <mi>max</mi> </msub> </mfrac> <mo>.</mo> </mrow>
3.根据权利要求1所述的动态自适应的商品推荐方法，其特征在于：所述模型M1将根据购买历史的统计数据进行更新，具体方式为：假设用户总量为Nuser,商品销量N(qj)，将符合条件的商品加入对应生长阶段的商品需求列表中；其中，μ为阈值参数。
CN201610201225.2A 2016-03-31 2016-03-31 一种动态自适应的商品推荐方法 Pending CN107292645A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610201225.2A CN107292645A (zh) 2016-03-31 2016-03-31 一种动态自适应的商品推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610201225.2A CN107292645A (zh) 2016-03-31 2016-03-31 一种动态自适应的商品推荐方法

Publications (1)

Publication Number Publication Date
CN107292645A true CN107292645A (zh) 2017-10-24

Family

ID=60086823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610201225.2A Pending CN107292645A (zh) 2016-03-31 2016-03-31 一种动态自适应的商品推荐方法

Country Status (1)

Country Link
CN (1) CN107292645A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108182625A (zh) * 2017-12-28 2018-06-19 广州品唯软件有限公司 一种电商用户商品推荐方法和装置
CN108346090A (zh) * 2018-02-28 2018-07-31 深圳春沐源控股有限公司 商品推荐方法及装置
CN109308652A (zh) * 2018-10-12 2019-02-05 广州快批信息科技有限公司 线上批发方法、***、终端设备及存储介质
CN109872211A (zh) * 2017-12-04 2019-06-11 北京京东尚科信息技术有限公司 一种对象推荐的方法和装置
CN110827046A (zh) * 2018-08-07 2020-02-21 北京京东尚科信息技术有限公司 一种场景推荐的方法和装置
CN111913567A (zh) * 2020-04-27 2020-11-10 宁波大学 基于远程手势识别控制的智能化产品加工方法
CN113297503A (zh) * 2021-07-26 2021-08-24 北京天健智慧科技有限公司 互联网护理信息平台的业务推荐方法
CN113434719A (zh) * 2021-07-05 2021-09-24 汪冬梅 一种学前教育用的互动学习***
CN113793182A (zh) * 2021-09-15 2021-12-14 广州华多网络科技有限公司 商品对象推荐方法及其装置、设备、介质、产品

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002157394A (ja) * 2000-11-20 2002-05-31 Sheena Kk ネットワークマーケティングシステム
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***
CN102609860A (zh) * 2012-01-20 2012-07-25 彭立发 一种适用于电子商务的商品与信息分类推荐方法及***
CN103345695A (zh) * 2013-06-25 2013-10-09 百度在线网络技术（北京）有限公司 一种商品推荐的方法和装置
CN104200279A (zh) * 2014-08-22 2014-12-10 北京京东尚科信息技术有限公司 商品首次需求预测方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002157394A (ja) * 2000-11-20 2002-05-31 Sheena Kk ネットワークマーケティングシステム
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***
CN102609860A (zh) * 2012-01-20 2012-07-25 彭立发 一种适用于电子商务的商品与信息分类推荐方法及***
CN103345695A (zh) * 2013-06-25 2013-10-09 百度在线网络技术（北京）有限公司 一种商品推荐的方法和装置
CN104200279A (zh) * 2014-08-22 2014-12-10 北京京东尚科信息技术有限公司 商品首次需求预测方法和装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109872211A (zh) * 2017-12-04 2019-06-11 北京京东尚科信息技术有限公司 一种对象推荐的方法和装置
CN108182625A (zh) * 2017-12-28 2018-06-19 广州品唯软件有限公司 一种电商用户商品推荐方法和装置
CN108346090A (zh) * 2018-02-28 2018-07-31 深圳春沐源控股有限公司 商品推荐方法及装置
CN110827046A (zh) * 2018-08-07 2020-02-21 北京京东尚科信息技术有限公司 一种场景推荐的方法和装置
CN109308652A (zh) * 2018-10-12 2019-02-05 广州快批信息科技有限公司 线上批发方法、***、终端设备及存储介质
CN111913567A (zh) * 2020-04-27 2020-11-10 宁波大学 基于远程手势识别控制的智能化产品加工方法
CN113434719A (zh) * 2021-07-05 2021-09-24 汪冬梅 一种学前教育用的互动学习***
CN113434719B (zh) * 2021-07-05 2022-11-25 芜湖穿越信息科技有限公司 一种学前教育用的互动学习***
CN113297503A (zh) * 2021-07-26 2021-08-24 北京天健智慧科技有限公司 互联网护理信息平台的业务推荐方法
CN113793182A (zh) * 2021-09-15 2021-12-14 广州华多网络科技有限公司 商品对象推荐方法及其装置、设备、介质、产品
CN113793182B (zh) * 2021-09-15 2024-05-28 广州华多网络科技有限公司 商品对象推荐方法及其装置、设备、介质、产品

Similar Documents

Publication Publication Date Title
CN107292645A (zh) 一种动态自适应的商品推荐方法
CN107909433A (zh) 一种基于大数据移动电子商务的商品推荐方法
CN103246980B (zh) 信息输出方法及服务器
CN103617289B (zh) 基于用户特征及网络关系的微博推荐方法
CN102609533B (zh) 一种基于核方法的协同过滤推荐***及方法
US11348138B2 (en) Feedback-type SNS user information communicativity scoring server
CN101783004A (zh) 快速智能化的商品推荐***
Wu et al. Impact of consumer awareness, knowledge, and attitudes on organic rice purchasing behavior in China
CN104391849A (zh) 融入时间上下文信息的协同过滤推荐方法
CN103093376A (zh) 基于奇异值分解算法的聚类协同过滤推荐***
CN103377250A (zh) 基于邻域的top-k推荐方法
El-Ebiary et al. Determinants of customer purchase intention using Zalora mobile commerce application
CN103996143A (zh) 一种基于隐式偏见和好友兴趣的电影评分预测方法
CN103514255A (zh) 一种基于项目层次类别的协同过滤推荐方法
CN104102696A (zh) 一种内容推荐方法及装置
CN106933969A (zh) 基于行业上下游关系的个性化推荐***和推荐方法
CN107145506A (zh) 一种改进基于内容的农资商品推荐方法
CN105528716A (zh) 一种面向零售商户个性化需求的烟草品牌远程智能推荐方法
CN106295989A (zh) 食材管理***
CN104331817A (zh) 电子商务推荐模型的用户特征提取方法及***
CN104715399B (zh) 一种评分预测方法与***
CN104732422A (zh) 基于移动用户标签的个性化美食推荐方法
Yu E-commerce in China amid COVID-19 pandemic restrictions
PANJINEGARA et al. The Impact of E-Wom on Trust And Interest Visiting The Destination of Pahawang Island Tourism, Pesawaran District
Parr Overlooked aspects of the von Thünen System

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20171024

RJ01 Rejection of invention patent application after publication