CN113313545A - 信息推荐方法、装置、计算机设备和存储介质 - Google Patents
信息推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113313545A CN113313545A CN202110417980.5A CN202110417980A CN113313545A CN 113313545 A CN113313545 A CN 113313545A CN 202110417980 A CN202110417980 A CN 202110417980A CN 113313545 A CN113313545 A CN 113313545A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- commodity
- portrait data
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000006399 behavior Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 238000007477 logistic regression Methods 0.000 claims description 13
- 230000001737 promoting effect Effects 0.000 claims description 2
- 239000000047 product Substances 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 235000013410 fast food Nutrition 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 235000013194 Lyophyllum decastes Nutrition 0.000 description 2
- 240000005856 Lyophyllum decastes Species 0.000 description 2
- 235000012020 french fries Nutrition 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 235000012046 side dish Nutrition 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/0042—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for hiring of objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (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)
Abstract
本申请涉及一种信息推荐方法、装置、计算机设备和存储介质，在共享物品被租借时，通过根据用户标识获取用户画像数据；并获取租赁柜标识；然后根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息；根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息；若所述预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。本申请增加了租借***的功能，在共享物品被租借时，可以向用户有针对性地进行信息推荐。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种信息推荐方法、装置、计算机设备和存储介质。
背景技术
随着科学技术的发展，虽然移动电源的使用越来越广泛，但是移动电源占用一定的储物空间且具有一定的重量，对于用户来说依然具有不便之处，所以，为用户提供移动电源租借服务的共享移动电源应运而生。
为方便用户租借，共享移动电源企业往往会在多个地方进行产品投放。然而，传统技术中，共享移动电源租借***的功能单一性影响到共享移动电源的使用率。
发明内容
基于此，有必要针对上述技术问题，提供一种能够多样化共享移动电源租借***功能的信息推荐方法、装置、计算机设备和存储介质。
一种信息推荐方法，所述方法包括：
在共享物品被租借时，根据用户标识获取用户画像数据；
获取租赁柜标识；租赁柜用于向用户提供所述共享物品；
根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息；
根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息；
若所述预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。
在其中一个实施例中，所述根据用户标识获取用户画像数据，包括：
根据用户标识采集用户行为数据和用户属性数据；
根据所述用户行为数据和所述用户属性数据，生成所述用户画像数据。
在其中一个实施例中，所述租赁柜关联有售货柜；所述根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息，包括：
根据所述用户画像数据进行查找，得到包括与所述用户画像数据匹配的目标售货柜、优惠折扣信息中至少一个的预设推广信息。
在其中一个实施例中，所述方法还包括：
获取与所述预设推广信息对应的用户人群的人群画像信息；
根据所述人群画像信息，对所述预设推广信息进行调整。
在其中一个实施例中，所述人群画像信息的生成方式，包括：
获取所述用户人群内多个用户的用户画像数据；
对各所述用户画像数据进行关键词提取，得到各所述用户的特征标签；
对各所述用户的特征标签进行聚类，得到所述人群画像信息。
在其中一个实施例中，所述方法还包括：
响应于所述共享物品的租借指令，控制所述共享物品从所述租赁柜中弹出，同时将所述商品放入所述目标售货柜的取货口位置。
在其中一个实施例中，所述根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息，包括：
根据所述租赁柜标识，获取租赁柜所在的运营区域的预设推广信息；
在所述运营区域的预设推广信息中，确定所述用户画像数据对应的预设推广信息。
在其中一个实施例中，所述根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息，包括：
将所述用户画像数据输入至逻辑回归模型，得到各商品的推荐概率；
将推荐概率满足预设条件的商品确定为所述用户感兴趣商品，得到所述用户画像数据对应的预测推广信息。
在其中一个实施例中，所述预测推广信息所对应的位置信息为所述用户感兴趣商品的店铺位置信息；所述用户感兴趣商品的店铺位置信息通过商品信息与店铺位置信息的对应关系而确定。
在其中一个实施例中，所述商品信息与店铺位置信息的对应关系的生成方式，包括：
获取各商品信息和各商品的店铺位置信息，所述店铺位置信息包括租赁柜标识的标识符；
根据所述租赁柜标识的标识符、各商品信息以及各商品的店铺位置信息，建立商品信息与店铺位置信息之间的对应关系。
一种信息推荐装置，所述装置包括：
画像数据获取模块，用于在共享物品被租借时，根据用户标识获取用户画像数据；
租赁柜标识获取模块，用于获取租赁柜标识；租赁柜用于向用户提供所述共享物品；
预设信息查找模块，用于根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息；
推广信息预测模块，用于根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息；
位置信息推荐模块，用于若所述预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述信息推荐方法、装置、计算机设备和存储介质，在共享物品被租借时，通过根据用户标识获取用户画像数据；并获取租赁柜标识；然后根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息；根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息；若所述预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。本申请增加了租借***的功能，在共享物品被租借时，可以向用户有针对性地进行信息推荐。
附图说明
图1为一个实施例中信息推荐方法的应用环境图；
图2为一个实施例中信息推荐方法的流程示意图；
图3为一个实施例中步骤S210的流程示意图；
图4为另一个实施例中信息推荐方法的流程示意图；
图5为一个实施例中人群画像信息的生成方法的流程示意图；
图6为一个实施例中租赁柜与售货柜的关系示意图；
图7为一个实施例中步骤S230的流程示意图；
图8为一个实施例中步骤S240的流程示意图；
图9为一个实施例中商品信息与店铺位置信息的对应关系的生成方法的流程示意图；
图10为一个实施例中信息推荐装置的结构示意框图；
图11为一个实施例中计算机设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的信息推荐方法，可以应用于如图1所示的应用环境中。包括若干个租赁柜110、服务器120和终端130，各租赁柜110与服务器120通信连接，服务器120与终端130通信连接。租赁柜110用于容纳若干个共享物品以向用户提供所述共享物品。在任一个租赁柜110中的共享物品被用户租借时，用户终端发送用户标识至服务器120，租赁柜110发送租赁柜标识至服务器120。服务器120根据用户标识获取用户画像数据，获取租赁柜标识，根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息。服务器120可以部署有预测模型，则可以基于预测模型，根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息；若所述预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。
需要说明的是，共享物品可以是共享雨伞、共享充电宝、共享书刊等可共享的生活用品。终端130可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种信息推荐方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S210、在共享物品被租借时，根据用户标识获取用户画像数据。
S220、获取租赁柜标识。
其中，租赁柜用于向用户提供所述共享物品。当用户需要使用共享物品时，从租赁柜中租借共享物品，租赁柜可以向服务器发送租赁柜标识，且用户终端向服务器发送用户标识。在一些实施例中，服务器的数据库中可以事先存储有用户画像数据，服务器在接收到用户标识之后，根据用户标识从数据库中获取用户画像数据。在另一些实施例中，与服务器通信连接的计算机设备中存储有用户画像数据，服务器根据用户标识从该计算机设备中获取用户画像数据。
S230、根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息。
其中，预设推广信息是预先在服务器中或者与服务器通信连接的计算机设备中存储的推广信息。预设推广信息可以是商品种类信息(男装、餐具、餐馆、生活用品、化妆品、护肤品等)、商铺位置信息、商品优惠信息等，预设推广信息也可以是广告信息、电影宣传信息等。预设推广信息也可以租赁柜关联的零售售货柜的地理位置或者优惠信息等。具体地，在一个实施例中，用户画像数据可以反映用户的兴趣或者用户的需求，因此，根据用户画像数据查找对应的预设推广信息。在另一实施例中，租赁柜放置在固定的地理位置，服务器存有租赁柜标识与租赁柜的地理位置具有对应关系。租赁柜的地理位置周边分布有对应的各种类型的商铺或者各种类型的售货柜，可以在服务器中预先存储有租赁柜标识与预设推广信息的对应关系，根据租赁柜标识进行查找，得到对应的预设推广信息。在其他一些实施例中，服务器中预先存储有用户画像数据、租赁柜标识和预设推广信息之间的对应关系，则可以同时根据用户画像数据和所述租赁柜标识进行查找，得到对应的预设推广信息。
S240、根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息。
其中，预测推广信息是对用户感兴趣商品进行预测得到的推广信息，比如根据用户画像数据预测用户可能对苏帮菜比较感兴趣，则预测推广信息可以为“苏帮菜”的饭店。再比如，根据用户画像数据预测用户可能对早教感兴趣，则预测推广信息可以为“XX宝贝”的早教机构。具体地，服务器端可以部署有预测模型，将用户画像数据输入至预测模型，得到一系列商品以用户对该商品感兴趣的概率，根据各商品的概率从一系列商品中确定用户感兴趣商品，得到对应的预测推广信息。需要说明的是，预测模型实现的方式有很多种，例如为基于内容的推荐算法、基于协同过滤的推荐算法、基于关联规则的推荐算法、基于效用的推荐算法、基于知识的推荐算法等。在一些实施例中可以采用协同过滤的推荐算法，通过机器学习算法建立预测模型，进而实现对用户感兴趣商品的预测。适用协同过滤推荐的机器学习算法有多种，例如，Aspect Model、PLSA、LDA、聚类、SVD、Matrix Factorization、LR以及GBDT等。
S250、若所述预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。
具体地，将预设推广信息与预测推广信息进行对比，若预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。比如，若预测推广信息为薯条，且预设推广信息中包括某品牌快餐店，那么薯条与该品牌快餐店相匹配，则将该品牌快餐店的位置信息推荐至用户终端，以引导用户前往该品牌快餐店进行消费。若预测推广信息为炸鸡，当预设推广信息为美甲商铺，那么炸鸡与该美甲商铺可能并不匹配。
本实施例中，在共享物品被租借时，通过根据用户标识获取用户画像数据；并获取租赁柜标识；然后根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息；根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息；若所述预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。一方面，增加了租借***的功能，在共享物品被租借时，可以向用户有针对性地进行信息推荐。另一方面，通过多样化租借***的功能，提升用户使用租借***的积极性，从而提高共享物品的使用率。
在一个实施例中，如图3所示，在步骤S210中，所述根据用户标识获取用户画像数据，包括：
S310、根据用户标识采集用户行为数据和用户属性数据。
S320、根据所述用户行为数据和所述用户属性数据，生成所述用户画像数据。
其中，用户行为数据可以包括用户购物相关的数据(比如用户购物习惯数据、网上购物订单数据、线下交易数据等)、用户浏览的网页数据等用户在用户终端的操作行为数据。用户属性数据可以是用户性别、年龄等信息，用户属性数据也可以是青年人、中年人、80后、90后等数据。用户属性数据可以是用户在注册应用时所填写的用户数据，也可以是通过对用户数据进行预测而得到的用户属性数据。具体地，根据用户标识采集用户购物习惯等用户行为数据和用户属性数据，并根据用户标识采集用户属性数据，对用户行为数据和用户属性数据进行分析，得到用户画像数据。用户画像数据可以反映用户偏好或者用户兴趣。
本实施例中，通过根据用户标识采集用户行为数据和用户属性数据。并根据所述用户行为数据和所述用户属性数据，生成所述用户画像数据。用户画像数据为后续对用户感兴趣商品的预测提供准确的数据基础，通过精准的信息推荐，可以提升用户留存率。
在一个实施例中，所述租赁柜关联有售货柜；在步骤S230中，所述根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息，包括：根据所述用户画像数据进行查找，得到包括与所述用户画像数据匹配的目标售货柜、优惠折扣信息中至少一个的预设推广信息。
具体地，租赁柜关联有售货柜，售货柜的类型是多种多样的，比如售卖零食的售货柜、售卖图书的图书柜、售卖饮料的货柜或者售卖纸巾的货柜等。可以在与租赁柜关联的售货柜中，根据用户画像数据选择与用户画像数据匹配的目标售货柜。也可以根据用户画像数据进行查找与用户画像数据匹配的优惠折扣信息，比如，用户画像数据包括80后宝妈，则可以查找到母婴店某品牌奶粉的优惠折扣信息。
本实施例中，通过根据所述用户画像数据进行查找，得到包括与所述用户画像数据匹配的目标售货柜、优惠折扣信息中至少一个的预设推广信息，从而向用户进行精准的信息推荐和导航指引。
在一个实施例中，如图4所示，该方法还包括：
S410、获取与所述预设推广信息对应的用户人群的人群画像信息。
S420、根据所述人群画像信息，对所述预设推广信息进行调整。
具体地，用户人群包括多个用户，每个用户对应有各自的用户画像数据。通过多个用户的用户画像数据可以得到人群画像信息，服务器存储有预设推广信息与用户人群之间的对应关系以及用户人群与人群画像信息的之间的对应关系。在确定预设推广信息后，可以根据预设推广信息与用户人群之间的对应关系确定对应的用户人群，从而获取该用户人群的人群画像信息。人群画像信息是针对用户人群的用户数据，比如可以是80后或者90后，也可以是佛系、吃货、商务、口红等。人群画像信息可以反应用户人群的整体特征，用户归纳人群所呈现的共性，因此，利用人群画像信息对预设推广信息进行调整。示例性地，人群画像信息包括90后，则可以根据90后的人群画像信息对推荐方案进行调整。
本实施例中，通过获取与所述预设推广信息对应的用户人群的人群画像信息；并根据所述人群画像信息，对所述预设推广信息进行调整。进一步地提升了信息推荐的准确性，为用户提供更精确的引导。
在一个实施例中，如图5所示，所述人群画像信息的生成方式，包括：
S510、获取所述用户人群内多个用户的用户画像数据。
S520、对各所述用户画像数据进行关键词提取，得到各所述用户的特征标签。
S530、对各所述用户的特征标签进行聚类，得到所述人群画像信息。
其中，用户画像数据包括行为数据、浏览数据以及属性数据。在一些实施例中，可采用的聚类算法有多种，例如：K-Means聚类、均值漂移聚类、基于密度的聚类、用高斯混合模型(GMM)的最大期望(EM)聚类、凝聚层次聚类以及图团体检测聚类等。具体地，针对某一用户人群，用户人群内具有多个用户，获取该用户人群内各用户的用户画像数据，对各用户画像数据进行关键词提取，得到各所述用户的特征标签。利用聚类算法对特征标签进行聚类，得到用户人群的人群画像信息。
在一些实施例中，可以采用K-Means聚类，具体步骤包括：(1)首先选择一些类/组(也即某个特征标签)，并随机初始化它们各自的中心点。中心点是与每个数据点向量长度相同的位置。这需要提前预知各类的数量(即中心点的数量)。(2)计算每个数据点到中心点的距离，数据点距离哪个中心点最近就划分到哪一类中。(3)计算每一类的中心点作为新的中心点。(4)重复以上(1)至(3)步骤，直到每一类中心在每次迭代后变化不大为止。也可以多次随机初始化中心点，然后选择运行结果最好的一个。每一类即表示一个用户人群的人群画像信息。
本实施例中，通过聚类算法得到用户人群的人群画像信息，为调整预设推广信息提供准确的数据基础，确保为用户推荐的信息包括用户感兴趣的商品或者商铺。
在一个实施例中，该方法还包括：响应于所述共享物品的租借指令，控制所述共享物品从所述租赁柜中弹出，同时将所述商品放入所述目标售货柜的取货口位置。
具体地，如图6所示，租赁柜620关联有售货柜610。当用户触发共享物品的租借指令时，服务器接收到租借指令，服务器向租赁柜发出弹出共享物品的指令，控制共享物品从租赁柜中弹出。同时，若用户选择对推荐的感兴趣商品进行购买，则服务器向与租赁柜关联的目标售货柜发送投放用户感兴趣商品的指令，目标售货柜将用户感兴趣商品投至目标售货柜的取货口位置。需要说明的是，租赁柜620与售货柜610可以在结构上进行连接，比如售货柜610位于租赁柜620的上方或者下方，售货柜610位于租赁柜620的左侧或者右侧。租赁柜620与售货柜610可以在结构上是分离的，但是租赁柜620与售货柜610均可以被服务器或者终端进行同时远程控制，比如在租借共享物品时同时完成商品的购买，或者在购买商品的同时完成共享物品的租借。
本实施例中，将租赁柜与售货柜关联，当用户租借共享物品时，不仅可以从租赁柜中获取共享物品，还可以从目标售货柜中获取用户感兴趣商品，拓展了对租赁柜的功能，同时满足用户租借共享物品与购物的需求，减少用户操作成本。
在一个实施例中，如图7所示，在步骤S230中，所述根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息，包括：
S710、根据所述租赁柜标识，获取租赁柜所在的运营区域的预设推广信息。
S720、在所述运营区域的预设推广信息中，确定所述用户画像数据对应的预设推广信息。
具体地，服务器存储有租赁柜标识与租赁柜所在的运营区域的对应关系与运营区域与预设推广信息的对应关系。根据租赁柜标识确定租赁柜所在的运营区域，并根据租赁柜所在的运营区域，获取位于该运营区域内的商铺、商品优惠等预设推广信息。进一步地，服务器存储有用户画像数据与预设推广信息的对应关系，则可以根据用户画像数据在所述运营区域的预设推广信息中确定对应的预设推广信息。
本实施例中，通过根据所述租赁柜标识，获取租赁柜所在的运营区域的预设推广信息；并在所述运营区域的预设推广信息中，确定所述用户画像数据对应的预设推广信息，向用户有针对性地推荐租赁柜附近的预设推广信息，提升推广信息的转化率。
在一个实施例中，如图8所示，在步骤S240中，所述根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息，包括：
S810、将所述用户画像数据输入至逻辑回归模型，得到各商品的推荐概率。
S820、将推荐概率满足预设条件的商品确定为所述用户感兴趣商品，得到所述用户画像数据对应的预测推广信息。
其中，在一些实施例中，逻辑回归模型可以采用LR(Logistic Regression)模型，通过LR模型计算出每个商品的推荐概率，进而根据推荐概率对所有的商品进行排序，选择推荐概率最大的商品作为推荐商品。可以理解的是，还可以是选择排名靠前的几种商品。具体地，将用户画像数据输入至逻辑回归模型，通过逻辑回归模型，根据用户画像数据进行用户购买各商品的概率，用户购买各商品的概率作为各商品的推荐概率。可以根据各商品的推荐概率对各商品进行排序，可以按照从高到低的顺序，将预设数量的商品作为用户感兴趣商品，从而得到用户画像数据对应预测推广信息。也可以预先设置概率阈值，若商品的推荐概率大于概率阈值，则该商品为用户感兴趣商品。还可以将推荐概率最高的商品确定用户感兴趣商品。
本实施例中，通过将所述用户画像数据输入至逻辑回归模型，得到各商品的推荐概率。并将推荐概率满足预设条件的商品确定为所述用户感兴趣商品，得到所述用户画像数据对应的预测推广信息。
在一个实施例中，比较所述预设推广信息与所述预测推广信息，若两者相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。具体地，所述预测推广信息所对应的位置信息为所述用户感兴趣商品的店铺位置信息；所述用户感兴趣商品的店铺位置信息通过商品信息与店铺位置信息的对应关系而确定。
在一个实施例中，如图9所示，所述商品信息与店铺位置信息的对应关系的生成方式，包括：
S910、获取各商品信息和各商品的店铺位置信息，所述店铺位置信息包括租赁柜标识的标识符。
S920、根据所述租赁柜标识的标识符、各商品信息以及各商品的店铺位置信息，建立商品信息与店铺位置信息之间的对应关系。
具体地，通过对用户画像数据进行预测，得到用户感兴趣商品，从而根据用户感兴趣商品的商品信息可以确定售卖该商品的商铺或者店铺，将店铺位置信息确定为预测推广信息所对应的位置信息。预先建立商品信息与店铺位置信息的对应关系，需要获取各商品信息以及各商品的店铺位置信息。店铺位置信息可以包括租赁柜标识的标识符(比如租赁柜标识可是A-21，标识符则为A，标识符可以用于标识租赁柜所在的运营区域)。根据租赁柜标识的标识符、各商品信息以及各商品的店铺位置信息，建立商品信息与店铺位置信息之间的对应关系。示例性地，预测推广信息可以包括周边店铺类型、店铺内售卖商品种类。例如，周边店铺类型按照品牌划分为优衣库、ZARA、HM等，或者按照商品种类划分为黄金首饰店铺、餐饮店铺以及服饰店铺等。店铺内售卖商品种类划分为例如男装、餐具、雨伞以及手表等。各商品信息预先与租赁柜标识服关联，由此，通过租赁柜标识即可获取预设推广信息。示例性，放置在商场A的租赁柜的标识符均为A，例如A-001，A-002，那么在该商场A售卖的店铺或者商品即可与前缀A关联，例如A-HM、A-HM-男装。
在一个实施例中，本申请提供一种信息推荐方法，该方法包括：
S1010、在共享物品被租借时，根据用户标识采集用户行为数据和用户属性数据。
S1020、根据所述用户行为数据和所述用户属性数据，生成所述用户画像数据。
S1030、获取租赁柜标识。
其中，所述租赁柜关联有售货柜；租赁柜用于向用户提供所述共享物品；
S1040、根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息。
具体地，根据所述用户画像数据进行查找，得到包括与所述用户画像数据匹配的目标售货柜、优惠折扣信息中至少一个的预设推广信息。或者
根据所述租赁柜标识，获取租赁柜所在的运营区域的预设推广信息；在所述运营区域的预设推广信息中，确定所述用户画像数据对应的预设推广信息。
S1050、获取与所述预设推广信息对应的用户人群的人群画像信息。
S1060、根据所述人群画像信息，对所述预设推广信息进行调整。
S1070、根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息。
具体地，将所述用户画像数据输入至逻辑回归模型，得到各商品的推荐概率；将推荐概率满足预设条件的商品确定为所述用户感兴趣商品，得到所述用户画像数据对应的预测推广信息。
S1080、若所述调整后的预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。
其中，所述预测推广信息所对应的位置信息为所述用户感兴趣商品的店铺位置信息；所述用户感兴趣商品的店铺位置信息通过商品信息与店铺位置信息的对应关系而确定。
进一步地，所述商品信息与店铺位置信息的对应关系的生成方式，包括：获取各商品信息和各商品的店铺位置信息，所述店铺位置信息包括租赁柜标识的标识符；根据所述租赁柜标识的标识符、各商品信息以及各商品的店铺位置信息，建立商品信息与店铺位置信息之间的对应关系。
应该理解的是，虽然上述流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图10所示，提供了一种信息推荐装置，包括：画像数据获取模块1010、租赁柜标识获取模块1020、预设信息查找模块1030、推广信息预测模块1040和位置信息推荐模块1050，其中：
画像数据获取模块1010，用于在共享物品被租借时，根据用户标识获取用户画像数据。
租赁柜标识获取模块1020，用于获取租赁柜标识；租赁柜用于向用户提供所述共享物品。
预设信息查找模块1030，用于根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息。
推广信息预测模块1040，用于根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息。
位置信息推荐模块1050，用于若所述预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。
在一个实施例中，画像数据获取模块1010，还用于根据用户标识采集用户行为数据和用户属性数据；根据所述用户行为数据和所述用户属性数据，生成所述用户画像数据。
在一个实施例中，预设信息查找模块1030，还用于根据所述用户画像数据进行查找，得到包括与所述用户画像数据匹配的目标售货柜、优惠折扣信息中至少一个的预设推广信息。
在一个实施例中，该装置还包括人群信息获取模块和推广信息调整模块；其中：
人群信息获取模块，用于获取与所述预设推广信息对应的用户人群的人群画像信息。
推广信息调整模块，用于根据所述人群画像信息，对所述预设推广信息进行调整。
在一个实施例中，该装置还包括人群信息生成模块，用于获取所述用户人群内多个用户的用户画像数据；对各所述用户画像数据进行关键词提取，得到各所述用户的特征标签；对各所述用户的特征标签进行聚类，得到所述人群画像信息。
在一个实施例中，该装置还包括租借出售模块，用于响应于所述共享物品的租借指令，控制所述共享物品从所述租赁柜中弹出，同时将所述商品放入所述目标售货柜的取货口位置。
在一个实施例中，预设信息查找模块1030，还用于根据所述租赁柜标识，获取租赁柜所在的运营区域的预设推广信息；在所述运营区域的预设推广信息中，确定所述用户画像数据对应的预设推广信息。
在一个实施例中，推广信息预测模块1040，还用于将所述用户画像数据输入至逻辑回归模型，得到各商品的推荐概率；将推荐概率满足预设条件的商品确定为所述用户感兴趣商品，得到所述用户画像数据对应的预测推广信息。
在一个实施例中，所述预测推广信息所对应的位置信息为所述用户感兴趣商品的店铺位置信息；所述用户感兴趣商品的店铺位置信息通过商品信息与店铺位置信息的对应关系而确定。
在一个实施例中，该装置还包括对应关系生成模块，用于获取各商品信息和各商品的店铺位置信息，所述店铺位置信息包括租赁柜标识的标识符；根据所述租赁柜标识的标识符、各商品信息以及各商品的店铺位置信息，建立商品信息与店铺位置信息之间的对应关系。
关于信息推荐装置的具体限定可以参见上文中对于信息推荐方法的限定，在此不再赘述。上述信息推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图11所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种信息推荐方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时上述任一实施例中的方法步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例中的方法步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种信息推荐方法，其特征在于，所述方法包括：
在共享物品被租借时，根据用户标识获取用户画像数据；
获取租赁柜标识；租赁柜用于向用户提供所述共享物品；
根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息；
根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息；
若所述预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。
2.根据权利要求1所述的方法，其特征在于，所述根据用户标识获取用户画像数据，包括：
根据用户标识采集用户行为数据和用户属性数据；
根据所述用户行为数据和所述用户属性数据，生成所述用户画像数据。
3.根据权利要求2所述的方法，其特征在于，所述租赁柜关联有售货柜；所述根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息，包括：
根据所述用户画像数据进行查找，得到包括与所述用户画像数据匹配的目标售货柜、优惠折扣信息中至少一个的预设推广信息。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取与所述预设推广信息对应的用户人群的人群画像信息；
根据所述人群画像信息，对所述预设推广信息进行调整。
5.根据权利要求4所述的方法，其特征在于，所述人群画像信息的生成方式，包括：
获取所述用户人群内多个用户的用户画像数据；
对各所述用户画像数据进行关键词提取，得到各所述用户的特征标签；
对各所述用户的特征标签进行聚类，得到所述人群画像信息。
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
响应于所述共享物品的租借指令，控制所述共享物品从所述租赁柜中弹出，同时将所述商品放入所述目标售货柜的取货口位置。
7.根据权利要求1至6任意一项所述的方法，其特征在于，所述根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息，包括：
根据所述租赁柜标识，获取租赁柜所在的运营区域的预设推广信息；
在所述运营区域的预设推广信息中，确定所述用户画像数据对应的预设推广信息。
8.根据权利要求7所述的方法，其特征在于，所述根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息，包括：
将所述用户画像数据输入至逻辑回归模型，得到各商品的推荐概率；
将推荐概率满足预设条件的商品确定为所述用户感兴趣商品，得到所述用户画像数据对应的预测推广信息。
9.根据权利要求8所述的方法，其特征在于，所述预测推广信息所对应的位置信息为所述用户感兴趣商品的店铺位置信息；所述用户感兴趣商品的店铺位置信息通过商品信息与店铺位置信息的对应关系而确定。
10.根据权利要求9所述的方法，其特征在于，所述商品信息与店铺位置信息的对应关系的生成方式，包括：
获取各商品信息和各商品的店铺位置信息，所述店铺位置信息包括租赁柜标识的标识符；
根据所述租赁柜标识的标识符、各商品信息以及各商品的店铺位置信息，建立商品信息与店铺位置信息之间的对应关系。
11.一种信息推荐装置，其特征在于，所述装置包括：
画像数据获取模块，用于在共享物品被租借时，根据用户标识获取用户画像数据；
租赁柜标识获取模块，用于获取租赁柜标识；租赁柜用于向用户提供所述共享物品；
预设信息查找模块，用于根据所述用户画像数据和/或所述租赁柜标识进行查找，得到对应的预设推广信息；
推广信息预测模块，用于根据所述用户画像数据对用户感兴趣商品进行预测，得到对应的预测推广信息；
位置信息推荐模块，用于若所述预设推广信息与所述预测推广信息相匹配，则将所述预测推广信息所对应的位置信息推荐至用户终端。
12.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10中任一项所述的方法的步骤。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110417980.5A CN113313545B (zh) | 2021-04-19 | 2021-04-19 | 信息推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110417980.5A CN113313545B (zh) | 2021-04-19 | 2021-04-19 | 信息推荐方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113313545A true CN113313545A (zh) | 2021-08-27 |
| CN113313545B CN113313545B (zh) | 2024-04-23 |
Family
ID=77372302
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110417980.5A Active CN113313545B (zh) | 2021-04-19 | 2021-04-19 | 信息推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113313545B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013003817A (ja) * | 2011-06-16 | 2013-01-07 | V-Sync Co Ltd | 顔認識による環境理解型制御方式 |
| CN103295067A (zh) * | 2013-04-10 | 2013-09-11 | 南京邮电大学 | 基于物联网的自动售货机管理*** |
| CN105824912A (zh) * | 2016-03-15 | 2016-08-03 | 平安科技（深圳）有限公司 | 基于用户画像的个性化推荐方法和装置 |
| CN107247759A (zh) * | 2017-05-31 | 2017-10-13 | 深圳正品创想科技有限公司 | 一种商品推荐方法及装置 |
| CN107423442A (zh) * | 2017-08-07 | 2017-12-01 | 火烈鸟网络(广州)股份有限公司 | 基于用户画像行为分析的应用推荐方法及***，储存介质及计算机设备 |
| CN108446943A (zh) * | 2018-01-30 | 2018-08-24 | 深圳市阿西莫夫科技有限公司 | 售货柜商品推荐方法、装置、计算机设备和存储介质 |
| CN108776676A (zh) * | 2018-02-02 | 2018-11-09 | 腾讯科技（深圳）有限公司 | 信息推荐方法、装置、计算机可读介质及电子设备 |
| CN109147174A (zh) * | 2018-09-05 | 2019-01-04 | 深圳正品创想科技有限公司 | 一种无人售货方法、服务器及无人售货柜 |
| CN109658207A (zh) * | 2019-01-15 | 2019-04-19 | 深圳友朋智能商业科技有限公司 | 自动售货机的商品推荐方法、***及装置 |
| CN111028003A (zh) * | 2019-11-27 | 2020-04-17 | 湖南士多仔信息科技有限公司 | 基于自动售卖机网络的广告推送***及方法 |
| CN111260447A (zh) * | 2020-02-11 | 2020-06-09 | 深圳前海达闼云端智能科技有限公司 | 售货机器人的商品推荐方法及装置 |
| CN111611488A (zh) * | 2020-05-21 | 2020-09-01 | 腾讯科技（深圳）有限公司 | 基于人工智能的信息推荐方法、装置、电子设备 |
| CN111652648A (zh) * | 2020-06-03 | 2020-09-11 | 陈包容 | 智能生成个性化组合促销方案的方法及具有该方法的*** |
| CN111754292A (zh) * | 2020-05-07 | 2020-10-09 | 深圳市奥芯博电子科技有限公司 | 共享充电机柜的控制方法及***、计算机可读存储介质 |
-
2021
- 2021-04-19 CN CN202110417980.5A patent/CN113313545B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013003817A (ja) * | 2011-06-16 | 2013-01-07 | V-Sync Co Ltd | 顔認識による環境理解型制御方式 |
| CN103295067A (zh) * | 2013-04-10 | 2013-09-11 | 南京邮电大学 | 基于物联网的自动售货机管理*** |
| CN105824912A (zh) * | 2016-03-15 | 2016-08-03 | 平安科技（深圳）有限公司 | 基于用户画像的个性化推荐方法和装置 |
| CN107247759A (zh) * | 2017-05-31 | 2017-10-13 | 深圳正品创想科技有限公司 | 一种商品推荐方法及装置 |
| CN107423442A (zh) * | 2017-08-07 | 2017-12-01 | 火烈鸟网络(广州)股份有限公司 | 基于用户画像行为分析的应用推荐方法及***，储存介质及计算机设备 |
| CN108446943A (zh) * | 2018-01-30 | 2018-08-24 | 深圳市阿西莫夫科技有限公司 | 售货柜商品推荐方法、装置、计算机设备和存储介质 |
| CN108776676A (zh) * | 2018-02-02 | 2018-11-09 | 腾讯科技（深圳）有限公司 | 信息推荐方法、装置、计算机可读介质及电子设备 |
| CN109147174A (zh) * | 2018-09-05 | 2019-01-04 | 深圳正品创想科技有限公司 | 一种无人售货方法、服务器及无人售货柜 |
| CN109658207A (zh) * | 2019-01-15 | 2019-04-19 | 深圳友朋智能商业科技有限公司 | 自动售货机的商品推荐方法、***及装置 |
| CN111028003A (zh) * | 2019-11-27 | 2020-04-17 | 湖南士多仔信息科技有限公司 | 基于自动售卖机网络的广告推送***及方法 |
| CN111260447A (zh) * | 2020-02-11 | 2020-06-09 | 深圳前海达闼云端智能科技有限公司 | 售货机器人的商品推荐方法及装置 |
| CN111754292A (zh) * | 2020-05-07 | 2020-10-09 | 深圳市奥芯博电子科技有限公司 | 共享充电机柜的控制方法及***、计算机可读存储介质 |
| CN111611488A (zh) * | 2020-05-21 | 2020-09-01 | 腾讯科技（深圳）有限公司 | 基于人工智能的信息推荐方法、装置、电子设备 |
| CN111652648A (zh) * | 2020-06-03 | 2020-09-11 | 陈包容 | 智能生成个性化组合促销方案的方法及具有该方法的*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113313545B (zh) | 2024-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Reinartz et al. | The impact of digital transformation on the retailing value chain | |
| Lu et al. | A video-based automated recommender (VAR) system for garments | |
| CN108876526B (zh) | 商品推荐方法、装置和计算机可读存储介质 | |
| CN109165992A (zh) | 一种智能导购方法、装置、***及计算机存储介质 | |
| Chen et al. | Real-time smartphone sensing and recommendations towards context-awareness shopping | |
| CN110415065A (zh) | 用户数据收集***和信息推送方法 | |
| JP2013512501A (ja) | コンテクスト情報を利用するシステム、装置及び方法 | |
| KR20200045668A (ko) | 스타일 추천 방법, 장치 및 컴퓨터 프로그램 | |
| US20090037292A1 (en) | Intelligent shopping search system | |
| JP5260785B1 (ja) | 属性情報最適化装置、属性情報最適化プログラム及び属性情報の最適化方法、並びにレコメンド対象選択装置、レコメンド対象選択プログラム及びレコメンド対象の選択方法 | |
| CN106547365A (zh) | 商品推荐的方法和装置 | |
| US20180253752A1 (en) | Mobile application for advertising local deals and promotions, inventory management, mobile ordering, coupon vending, marketing and analytical tools for small businesses | |
| Tahir et al. | E-commerce platform based on Machine Learning Recommendation System | |
| JP6945518B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
| Kaur et al. | Joint modelling of cyber activities and physical context to improve prediction of visitor behaviors | |
| Uncles | Understanding retail customers | |
| Lomas et al. | A systematic literature review of artificial intelligence in fashion retail B2C | |
| JP6679704B1 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
| CN113313545B (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
| CN110781399A (zh) | 一种跨平台的信息推送方法和装置 | |
| JP2020095608A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
| KR101694943B1 (ko) | 구매 정보를 이용하는 상품 추천 시스템, 방법 및 기록 매체 | |
| CN113313546A (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
| CN114596138A (zh) | 一种信息推荐方法、装置、计算机设备和存储介质 | |
| JP6779965B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |