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 PDFInfo
- 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
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
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>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>4</mn>
</munderover>
<msub>
<mi>&alpha;</mi>
<mi>i</mi>
</msub>
<mo>&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>&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>&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>&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>&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。
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)
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)
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 |
-
2016
- 2016-03-31 CN CN201610201225.2A patent/CN107292645A/zh active Pending
Patent Citations (5)
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)
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 |