电商平台长尾服务推荐方法和系统

    公开(公告)号:CN106651520A

    公开(公告)日:2017-05-10

    申请号:CN201611208387.5

    申请日:2016-12-23

    CPC classification number: G06Q30/0601

    Abstract: 本发明涉及一种电商平台长尾服务推荐方法和系统,通过获取长尾服务中的待推荐服务,根据推荐服务将账户分为基础账户和备选账户,并获取各基础账户和备选账户之间的评分相似度、偏好相似度和隐特征相似度,并根据评分相似度、偏好相似度和隐特征相似度考虑,从多个备选账户中选取预设个数的备选账户作为推荐账户,将待推荐服务推荐给推荐账户。通过融合三种相似度,从多方面考虑备选账户与基础账户之间的相似性,从而从备选账户中选取推荐账户进行待推荐服务的推荐,将待推荐服务推荐给真正需要的账户,推荐效果好,推荐转化率高。

    基于贝叶斯回归的利基产品推荐方法及装置

    公开(公告)号:CN108537638B

    公开(公告)日:2020-12-15

    申请号:CN201810325618.3

    申请日:2018-04-12

    Abstract: 本发明提供了一种基于贝叶斯回归的利基产品推荐方法及装置。该利基产品推荐方法通过获取用户的兴趣偏好、邻居的兴趣偏好和产品的口碑,得到用户的总体偏好向量,然后再获取用户的特殊偏好向量,之后根据总体偏好向量和特殊偏好向量确定加权贝叶斯回归模型,最后根据加权贝叶斯回归模型为向各利基产品的排序靠前的设定数量个用户推荐。可见,本实施例中结合用户整体和用户个体,可以有针对性推荐利基产品,可以提高推荐效率和推荐成功率,进而提升用户的购物体验。

    利基项目推荐方法及装置

    公开(公告)号:CN108564445A

    公开(公告)日:2018-09-21

    申请号:CN201810335754.0

    申请日:2018-04-13

    Abstract: 本发明提供一种利基项目推荐方法及装置。包括:根据描述内容获取M个已知项目和N个利基项目中每个项目的主题分布;基于主题分布从每个项目中随机抽取一个主题确定为所述每个项目的主题;聚集具有相同主题的已知项目和利基项目,得到N个聚集组;基于主题建立每个聚集组的分层贝叶斯线性回归模型;获取所述每个聚集组的分层贝叶斯线性回归模型的模型参数;基于回归模型获取所述每个聚集组中利基项目与所有用户的相关度,向相关度较大的预设数量位用户推荐所述利基项目。本实施例能够数据稀疏的情况下充分利用用户信息,有利于提高利基项目推荐的转换率。另外,本发明实施例提供了一种利基项目推荐的方法,能够区分出利基项目和长尾项目。

    利基项目推荐方法及装置
    10.
    发明授权

    公开(公告)号:CN108564445B

    公开(公告)日:2022-03-22

    申请号:CN201810335754.0

    申请日:2018-04-13

    Abstract: 本发明提供一种利基项目推荐方法及装置。包括:根据描述内容获取M个已知项目和N个利基项目中每个项目的主题分布;基于主题分布从每个项目中随机抽取一个主题确定为所述每个项目的主题;聚集具有相同主题的已知项目和利基项目,得到N个聚集组;基于主题建立每个聚集组的分层贝叶斯线性回归模型;获取所述每个聚集组的分层贝叶斯线性回归模型的模型参数;基于回归模型获取所述每个聚集组中利基项目与所有用户的相关度,向相关度较大的预设数量位用户推荐所述利基项目。本实施例能够数据稀疏的情况下充分利用用户信息,有利于提高利基项目推荐的转换率。另外,本发明实施例提供了一种利基项目推荐的方法,能够区分出利基项目和长尾项目。

Patent Agency Ranking