CN107679943A - 智能推荐方法和*** - Google Patents

智能推荐方法和*** Download PDF

Info

Publication number
CN107679943A
CN107679943A CN201710889600.1A CN201710889600A CN107679943A CN 107679943 A CN107679943 A CN 107679943A CN 201710889600 A CN201710889600 A CN 201710889600A CN 107679943 A CN107679943 A CN 107679943A
Authority
CN
China
Prior art keywords
commodity
value
similarity
hot value
recommendation
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
CN201710889600.1A
Other languages
English (en)
Inventor
叶玉成
陈文锋
李蔼璇
徐其荣
邓江华
彭小红
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.)
Guangzhou Polytron Technologies Inc
Original Assignee
Guangzhou Polytron Technologies Inc
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 Guangzhou Polytron Technologies Inc filed Critical Guangzhou Polytron Technologies Inc
Priority to CN201710889600.1A priority Critical patent/CN107679943A/zh
Publication of CN107679943A publication Critical patent/CN107679943A/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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

Landscapes

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

Abstract

本发明涉及一种智能推荐方法和***，所述方法包括：计算商品的热度值；获取用户浏览的当前商品的商品编码；根据所述商品编码计算其他商品与当前商品的相似度；根据所述热度值和相似度得到其他商品相对当前商品的推荐值；将其他商品按照推荐值从高到低进行排序，将排序靠前的预设数量商品推荐给用户。本发明的智能推荐方法通过计算商品的热度值和与当前商品的相似度，根据热度值和与当前商品的相似度得到当前商品的推荐值，根据商品推荐值大小，取推荐值靠前的商品推荐给用户，这样推荐出来的商品不仅仅是相似度高，流行时尚度也比较高。让用户了解更多代表着时尚、潮流的商品，提高用户体验，也可以让平台和商家获得更好的业绩。

Description

智能推荐方法和***
技术领域
本发明涉及商品推荐技术领域，特别是涉及一种智能推荐方法和***。
背景技术
智能推荐主要应用于电商平台的商品推荐模块，一方面让用户更容易找到符合其需要的商品，一方面挖掘用户潜在需求，给用户推荐适合的商品。因此智能推荐***如果推荐的商品兼顾体验和运营的需求，就可以较好的提高用户体验，也可以让平台和商家获得更好的业绩。
目前市面上常见的商品推荐技术，主要是根据商品相似度进行商品推荐，例如当前用户浏览的是A商品，那么其它商品根据参数与此商品进行对比，最终生成相似度的值，然后按照相似度由高低到底进行排序，最终推送给用户。但是根据相似度生成的商品，会导致用户浏览了一个A商品，推荐的商品都是非常相似的，在目前用户更多时尚化需求的情景下，这些推荐的商品无法满足用户这方面个性化的需求。
发明内容
为了克服现有技术存在的不足，本发明提供了一种智能推荐方法和***。
本发明解决其技术问题所采用的技术方案是：
一种智能推荐方法，包括：计算商品的热度值；获取用户浏览的当前商品的商品编码；根据所述商品编码计算其他商品与当前商品的相似度；根据所述热度值和相似度得到其他商品相对当前商品的推荐值；将其他商品按照推荐值从高到低进行排序，将排序靠前的预设数量商品推荐给用户。
优选地，计算商品的热度值的步骤包括：每隔第一预设时间抓取合作方平台内商品页面返回的指数和商品平台内所属品牌的热度值；每隔第二预设时间更新商品平台内商品的流量值；根据指数、所属品牌的热度值和流量值得到商品的热度值。
优选地，所述合作方平台包括微信、百度和微博；计算商品的热度值的步骤还包括：每隔第一预设时间分别抓取微信、百度、微博中商品页面返回的指数和商品平台内所属品牌的热度值；每隔第二预设时间更新商品平台内商品的流量值；将微信指数、百度指数、微博指数、所属品牌的热度值和流量值进行权重求和，得到商品的热度值。
优选地，根据所述商品编码计算其他商品与当前商品的相似度的步骤包括：将其他商品、当前商品的各项参数分别和各参数占比相乘，得到权重之后的各项参数值；将权重之后其他商品的各项参数值和权重之后当前商品的各项参数值进行相似度计算，得到其他商品相对于当前商品的相似度。
优选地，根据所述热度值和相似度得到其他商品相对当前商品的推荐值的步骤包括：将所述热度值和相似度值进行权重求和，得到推荐值。
一种智能推荐***，包括：热度值计算模块、相似度计算模块、推荐值计算模块和推荐模块；所述热度值计算模块，用于计算商品的热度值；所述相似度计算模块，用于获取用户浏览的当前商品的商品编码；根据所述商品编码计算其他商品与当前商品的相似度；所述推荐值计算模块，用于根据所述热度值和相似度得到其他商品相对当前商品的推荐值；所述推荐模块，用于将其他商品按照推荐值从高到低进行排序，将排序靠前的预设数量商品推荐给用户。
优选地，所述热度值计算模块，还用于每隔第一预设时间抓取合作方平台内商品页面返回的指数和商品平台内所属品牌的热度值；每隔第二预设时间更新商品平台内商品的流量值；根据指数、所属品牌的热度值和流量值得到商品的热度值。
优选地，所述合作方平台包括微信、百度、微博；所述热度值计算模块，还用于每隔第一预设时间分别抓取微信、百度、微博中商品页面返回的指数和商品平台内所属品牌的热度值；每隔第二预设时间更新商品平台内商品的流量值；将微信指数、百度指数、微博指数、所属品牌的热度值和流量值进行权重求和，得到商品的热度值。
优选地，所述相似度计算模块，还用于将其他商品、当前商品的各项参数分别和各参数占比相乘，得到权重之后的各项参数值；将权重之后其他商品的各项参数值和权重之后当前商品的各项参数值进行相似度计算，得到其他商品相对于当前商品的相似度。
优选地，所述推荐值计算模块，还用于将所述热度值和相似度值进行权重求和，得到推荐值。
本发明的有益效果是：本发明的智能推荐方法通过计算商品的热度值和与当前商品的相似度，根据热度值和与当前商品的相似度得到当前商品的推荐值，根据商品推荐值大小，取推荐值靠前的商品推荐给用户，这样推荐出来的商品不仅仅是相似度高，流行时尚度也比较高。让用户了解更多代表着时尚、潮流的商品，提高用户体验，也可以让平台和商家获得更好的业绩。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为一实施例的智能推荐方法的示意性流程图。
图2为一实施例的计算商品的热度值的示意性流程图。
图3为一实施例的根据所述商品编码计算其他商品与当前商品的相似度的示意性流程图。
图4为一实施例的智能推荐***的示意性结构图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
实施例1
参见图1，一种智能推荐方法，包括：
S11，计算商品的热度值；
S12，获取用户浏览的当前商品的商品编码；
S13，根据所述商品编码计算其他商品与当前商品的相似度；
S14，根据所述热度值和相似度得到其他商品相对当前商品的推荐值；
S15，将其他商品按照推荐值从高到低进行排序，将排序靠前的预设数量商品推荐给用户。
本方案的商品为手表。
智能推荐方法通过计算商品的热度值和与当前商品的相似度，根据热度值和与当前商品的相似度得到当前商品的推荐值，根据商品推荐值大小，取推荐值靠前的商品推荐给用户，这样推荐出来的商品不仅仅是相似度高，流行时尚度也比较高,能够让客户更满意。
实施例2
参见图1-4，一种智能推荐方法，包括：
S11，计算商品的热度值；
在本实施例，步骤S11包括：每隔第一预设时间抓取合作方平台内商品页面返回的指数和商品平台内所属品牌的热度值；每隔第二预设时间更新商品平台内商品的流量值；根据指数、所属品牌的热度值和流量值得到商品的热度值。更进一步的，所述合作方平台包括微信、百度和微博；步骤S11包括：
S111，每隔第一预设时间分别抓取微信、百度、微博中商品页面返回的指数和商品平台内所属品牌的热度值；优选的，第一预设时间为24小时。
S112，每隔第二预设时间更新商品平台内商品的流量值；优选的，第二预设时间30min。商品的流量是访问商品页面的用户数。每30min更新商品平台内商品的流量值。
S113，将微信指数、百度指数、微博指数、所属品牌的热度值和流量值进行权重求和，得到商品的热度值。作为一可选实施例，微信指数、百度指数、微博指数、所属品牌的热度值和流量值各占权重的20%。比如，当得到某商品的微信指数、百度指数、微博指数、所属品牌的热度值和流量值分别为82、56、88、85、50，则某商品的热度值为82*20%+56*20%+88*20%+85*20%+50*20%=72.2。优选地，每30min，将微信指数、百度指数、微博指数、所属品牌的热度值和流量值进行权重求和，得到商品的热度值。
S12，获取用户浏览的当前商品的商品编码。用户浏览商品的时候，前台页面返回当前页面的商品编码到后台进行实时计算其他商品与当前商品的相似度。
S13，根据所述商品编码计算其他商品与当前商品的相似度；商品相似度如果计算过，会缓存大概24小时。
在本实施例，步骤S13包括：
S131，将其他商品、当前商品的各项参数分别和各参数占比相乘，得到权重之后的各项参数值；其中各项参数包括：品牌、系列、机芯、表壳、表盘、功能、参数和销量，对应的参数占比可以为15%、15%、10%、10%、10%、10%、20%。
S132，将权重之后其他商品的各项参数值和权重之后当前商品的各项参数值进行相似度计算，得到其他商品相对于当前商品的相似度。
例如，当前浏览商品为A，待比较商品为B，x表示品牌，y表示系列，z1表示机芯，即当前浏览商品为A（x1，y1...），待比较商品为B（x2，y2...），以两个参数为例，每个商品与当前浏览商品的相似度计算公式如下：
如果是三个参数，则相似度为：
S14，根据所述热度值和相似度得到其他商品相对当前商品的推荐值，更进一步地，将所述热度值和相似度值进行权重求和，得到推荐值。比如，推荐值=热度值*50%+相似度值*50%。
S15，将其他商品按照推荐值从高到低进行排序，将排序靠前的预设数量商品推荐给用户。优选地，根据商品的推荐值推荐前10条的商品给用户。
本方案的智能推荐方法通过计算商品的热度值和与当前商品的相似度，根据热度值和与当前商品的相似度得到当前商品的推荐值，根据商品推荐值大小，取推荐值靠前的商品推荐给用户，这样推荐出来的商品不仅仅是相似度高，流行时尚度也比较高。让用户了解更多代表着时尚、潮流的商品，提高用户体验，也可以让平台和商家获得更好的业绩。
实施例3
一种智能推荐***，包括：热度值计算模块11、相似度计算模块12、推荐值计算模块13和推荐模块14；所述热度值计算模块11，用于计算商品的热度值；所述相似度计算模块12，用于获取用户浏览的当前商品的商品编码；根据所述商品编码计算其他商品与当前商品的相似度；所述推荐值计算模块13，用于根据所述热度值和相似度得到其他商品相对当前商品的推荐值；所述推荐模块14，用于将其他商品按照推荐值从高到低进行排序，将排序靠前的预设数量商品推荐给用户。
在本实施例，所述热度值计算模块11，还用于每隔第一预设时间抓取合作方平台内商品页面返回的指数和商品平台内所属品牌的热度值；每隔第二预设时间更新商品平台内商品的流量值；根据指数、所属品牌的热度值和流量值得到商品的热度值。更进一步地，所述合作方平台包括微信、百度、微博；所述热度值计算模块11，还用于每隔第一预设时间分别抓取微信、百度、微博中商品页面返回的指数和商品平台内所属品牌的热度值；每隔第二预设时间更新商品平台内商品的流量值；将微信指数、百度指数、微博指数、所属品牌的热度值和流量值进行权重求和，得到商品的热度值。
在本实施例，所述相似度计算模块12，还用于将其他商品、当前商品的各项参数分别和各参数占比相乘，得到权重之后的各项参数值；将权重之后其他商品的各项参数值和权重之后当前商品的各项参数值进行相似度计算，得到其他商品相对于当前商品的相似度。
在本实施例，所述推荐值计算模块13，还用于将所述热度值和相似度值进行权重求和，得到推荐值。
本实施例的智能推荐***通过计算商品的热度值和与当前商品的相似度，根据热度值和与当前商品的相似度得到当前商品的推荐值，根据商品推荐值大小，取推荐值靠前的商品推荐给用户，这样推荐出来的商品不仅仅是相似度高，流行时尚度也比较高。让用户了解更多代表着时尚、潮流的商品，提高用户体验，也可以让平台和商家获得更好的业绩。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (10)

1.一种智能推荐方法，其特征在于，包括：
计算商品的热度值；
获取用户浏览的当前商品的商品编码；
根据所述商品编码计算其他商品与当前商品的相似度；
根据所述热度值和相似度得到其他商品相对当前商品的推荐值；
将其他商品按照推荐值从高到低进行排序，将排序靠前的预设数量商品推荐给用户。
2.根据权利要求1所述的智能推荐方法，其特征在于，计算商品的热度值的步骤包括：
每隔第一预设时间抓取合作方平台内商品页面返回的指数和商品平台内所属品牌的热度值；
每隔第二预设时间更新商品平台内商品的流量值；
根据指数、所属品牌的热度值和流量值得到商品的热度值。
3.根据权利要求2所述的智能推荐方法，其特征在于，所述合作方平台包括微信、百度和微博；计算商品的热度值的步骤还包括：
每隔第一预设时间分别抓取微信、百度、微博中商品页面返回的指数和商品平台内所属品牌的热度值；
每隔第二预设时间更新商品平台内商品的流量值；
将微信指数、百度指数、微博指数、所属品牌的热度值和流量值进行权重求和，得到商品的热度值。
4.根据权利要求1所述的智能推荐方法，其特征在于，根据所述商品编码计算其他商品与当前商品的相似度的步骤包括：
将其他商品、当前商品的各项参数分别和各参数占比相乘，得到权重之后的各项参数值；
将权重之后其他商品的各项参数值和权重之后当前商品的各项参数值进行相似度计算，得到其他商品相对于当前商品的相似度。
5.根据权利要求1-4任意一项所述的智能推荐方法，其特征在于，根据所述热度值和相似度得到其他商品相对当前商品的推荐值的步骤包括：
将所述热度值和相似度值进行权重求和，得到推荐值。
6.一种智能推荐***，其特征在于，包括：热度值计算模块、相似度计算模块、推荐值计算模块和推荐模块；
所述热度值计算模块，用于计算商品的热度值；
所述相似度计算模块，用于获取用户浏览的当前商品的商品编码；根据所述商品编码计算其他商品与当前商品的相似度；
所述推荐值计算模块，用于根据所述热度值和相似度得到其他商品相对当前商品的推荐值；
所述推荐模块，用于将其他商品按照推荐值从高到低进行排序，将排序靠前的预设数量商品推荐给用户。
7.根据权利要求6所述的智能推荐***，其特征在于，所述热度值计算模块，还用于每隔第一预设时间抓取合作方平台内商品页面返回的指数和商品平台内所属品牌的热度值；
每隔第二预设时间更新商品平台内商品的流量值；
根据指数、所属品牌的热度值和流量值得到商品的热度值。
8.根据权利要求7所述的智能推荐***，其特征在于，所述合作方平台包括微信、百度、微博；所述热度值计算模块，还用于每隔第一预设时间分别抓取微信、百度、微博中商品页面返回的指数和商品平台内所属品牌的热度值；
每隔第二预设时间更新商品平台内商品的流量值；
将微信指数、百度指数、微博指数、所属品牌的热度值和流量值进行权重求和，得到商品的热度值。
9.根据权利要求6所述的智能推荐方法，其特征在于，所述相似度计算模块，还用于将其他商品、当前商品的各项参数分别和各参数占比相乘，得到权重之后的各项参数值；
将权重之后其他商品的各项参数值和权重之后当前商品的各项参数值进行相似度计算，得到其他商品相对于当前商品的相似度。
10.根据权利要求6-9任意一项所述的智能推荐***，其特征在于，所述推荐值计算模块，还用于将所述热度值和相似度值进行权重求和，得到推荐值。
CN201710889600.1A 2017-09-27 2017-09-27 智能推荐方法和*** Pending CN107679943A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710889600.1A CN107679943A (zh) 2017-09-27 2017-09-27 智能推荐方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710889600.1A CN107679943A (zh) 2017-09-27 2017-09-27 智能推荐方法和***

Publications (1)

Publication Number Publication Date
CN107679943A true CN107679943A (zh) 2018-02-09

Family

ID=61136917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710889600.1A Pending CN107679943A (zh) 2017-09-27 2017-09-27 智能推荐方法和***

Country Status (1)

Country Link
CN (1) CN107679943A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033233A (zh) * 2018-06-29 2018-12-18 武汉斗鱼网络科技有限公司 一种直播间推荐方法、存储介质、电子设备及***
CN110852846A (zh) * 2019-11-11 2020-02-28 京东数字科技控股有限公司 用于推荐对象的处理方法及装置、电子设备、存储介质
CN112651805A (zh) * 2020-12-30 2021-04-13 广东各有所爱信息科技有限公司 一种网上商城的商品推荐方法及***
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
CN117635266A (zh) * 2023-12-01 2024-03-01 深圳市瀚力科技有限公司 一种用于商品推荐的平台优化管理***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030182295A1 (en) * 2002-03-20 2003-09-25 Fujitsu Limited Location information recommending apparatus, method, and storage medium
CN105005579A (zh) * 2015-05-28 2015-10-28 携程计算机技术（上海）有限公司 Ota网站中酒店房型个性化排序方法及***
CN106651542A (zh) * 2016-12-31 2017-05-10 珠海市魅族科技有限公司 一种物品推荐的方法及装置
CN106993030A (zh) * 2017-03-22 2017-07-28 北京百度网讯科技有限公司 基于人工智能的信息推送方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030182295A1 (en) * 2002-03-20 2003-09-25 Fujitsu Limited Location information recommending apparatus, method, and storage medium
CN105005579A (zh) * 2015-05-28 2015-10-28 携程计算机技术（上海）有限公司 Ota网站中酒店房型个性化排序方法及***
CN106651542A (zh) * 2016-12-31 2017-05-10 珠海市魅族科技有限公司 一种物品推荐的方法及装置
CN106993030A (zh) * 2017-03-22 2017-07-28 北京百度网讯科技有限公司 基于人工智能的信息推送方法和装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033233A (zh) * 2018-06-29 2018-12-18 武汉斗鱼网络科技有限公司 一种直播间推荐方法、存储介质、电子设备及***
CN110852846A (zh) * 2019-11-11 2020-02-28 京东数字科技控股有限公司 用于推荐对象的处理方法及装置、电子设备、存储介质
CN112651805A (zh) * 2020-12-30 2021-04-13 广东各有所爱信息科技有限公司 一种网上商城的商品推荐方法及***
CN112651805B (zh) * 2020-12-30 2023-11-03 广东各有所爱信息科技有限公司 一种网上商城的商品推荐方法及***
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
CN117635266A (zh) * 2023-12-01 2024-03-01 深圳市瀚力科技有限公司 一种用于商品推荐的平台优化管理***

Similar Documents

Publication Publication Date Title
CN107679943A (zh) 智能推荐方法和***
CN104102648B (zh) 基于用户行为数据的兴趣推荐方法及装置
CN102346894B (zh) 推荐信息的输出方法、***及服务器
CN107066476A (zh) 一种基于物品相似度的实时推荐方法
CN103870505B (zh) 一种查询词推荐方法和查询词推荐***
CN103164804B (zh) 一种个性化的信息推送方法及装置
CN105976212B (zh) 一种商品展示方法、装置与电子商务平台
CN109360057A (zh) 信息推送方法、装置、计算机设备及存储介质
CN106997358A (zh) 信息推荐方法及装置
CN103309894B (zh) 基于用户属性的搜索实现方法及***
CN106446189A (zh) 一种资讯推荐方法及***
CN103823908A (zh) 基于用户偏好的内容推荐方法和服务器
CN103106600A (zh) 商品信息推送***和商品信息推送方法
CN106850750A (zh) 一种实时推送信息的方法和装置
CN103886001A (zh) 一种个性化商品推荐***
CN103942193B (zh) 一种信息推送的方法及装置
CN105976229A (zh) 一种基于用户和项目混合的协同过滤算法
CN108319646B (zh) 基于用户历史行为的车源搜索方法及装置
CN104615741A (zh) 一种基于云计算的冷启动项目推荐的方法及装置
CN107277115A (zh) 一种内容推送方法及装置
CN105844357A (zh) 一种基于所需热量的菜品搭配推荐方法及其***
CN105654307A (zh) 基于用户反馈的商品推荐方法和***
CN103729775A (zh) 产品信息推荐方法及***
CN107423430A (zh) 数据处理方法、装置和计算机可读存储介质
CN110619559B (zh) 基于大数据信息在电子商务中精准推荐商品的方法

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: 20180209

RJ01 Rejection of invention patent application after publication