CN108256977A - 车源推荐方法及装置 - Google Patents
车源推荐方法及装置 Download PDFInfo
- Publication number
- CN108256977A CN108256977A CN201810087139.2A CN201810087139A CN108256977A CN 108256977 A CN108256977 A CN 108256977A CN 201810087139 A CN201810087139 A CN 201810087139A CN 108256977 A CN108256977 A CN 108256977A
- Authority
- CN
- China
- Prior art keywords
- vehicle source
- property parameters
- vehicle
- user
- source property
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000006399 behavior Effects 0.000 claims description 112
- 238000004590 computer program Methods 0.000 claims description 9
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 56
- 238000010586 diagram Methods 0.000 description 16
- 230000009471 action Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种车源推荐方法及装置，该方法包括：获取用户的历史行为；根据所述历史行为判断所述用户是否具有偏好的车源；如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源；将所述第一车源推荐给所述用户。通过判断用户是否具有偏好的车源，在用户具有偏好的车源时才根据用户历史行为从偏好的车源中选择第一车源推荐给用户。根据本公开的车源推荐方法及装置，使得推荐给用户的第一车源更加准确，这样保证了被推荐的用户是具有明确偏好车源的，而且推荐给用户的车源也是用户偏好的，提高了推荐的准确度，并且提升了用户体验度。
Description
技术领域
本公开涉及互联网领域，尤其涉及一种车源推荐方法及装置。
背景技术
现在买车已经成为越来越多家庭的选择，而二手车市场也越来越得到很多家庭的青睐，但是在车源搜索中，推荐给二手车买家的车源，多数都是模糊推荐，并没有评估二手车买家真正偏好是哪种车源，导致很多时候推荐的车源并不是二手车买家偏好的车源，推荐不准确，二手车买家体验度差。
发明内容
有鉴于此，本公开提出了一种车源推荐方法及装置，实现了被推荐车源的二手车买家都具有明确偏好的车源，而且推荐的车源也是二手车买家比较偏好的，提高二手车买家体验度。
根据本公开的一方面，提供了一种车源推荐方法，该方法包括：
获取用户的历史行为；
根据所述历史行为判断所述用户是否具有偏好的车源；
如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源；
将所述第一车源推荐给所述用户。
在一种可能的实现方式中，获取用户的历史行为，包括：
获取用户的距离当前时间最近的预设次数的历史行为。
在一种可能的实现方式中，所述根据所述历史行为判断所述用户是否具有偏好的车源，包括：
根据所述历史行为获取车源属性参数和与车源属性参数对应的操作次数；
确定所述车源属性参数中对应的操作次数大于第一阈值的第一车源属性参数；
如果所述第一车源属性参数的个数大于第二阈值，则判断所述用户具有偏好的车源。
在一种可能的实现方式中，如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源，包括：
将具有所述第一车源属性参数的车源作为所述第一车源。
在一种可能的实现方式中，如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源，包括：
确定第二车源属性参数，第二车源属性参数为与第一车源属性参数对应的、所述车源属性参数中对应的操作次数小于第一阈值的车源属性参数；
根据所述第二车源属性参数调整所述第一车源属性参数得到第三车源属性参数；
将具有所述第三车源属性参数的车源作为所述第一车源。
在一种可能的实现方式中，根据所述第二车源属性参数调整所述第一车源属性参数得到第三车源属性参数，包括：
计算所述第一车源属性参数的操作次数和第二车源属性参数的操作次数的第一差值；
计算所述第一车源属性参数和第二车源属性参数的第二差值；
根据所述第一差值和/或第二差值调整所述第一车源属性参数得到所述第三车源属性参数。
在一种可能的实现方式中，根据所述第一差值和/或第二差值调整所述第一车源属性参数得到所述第三车源属性参数中调整的方式包括以下中的一种或多种：
调整所述第一车源属性参数的范围得到所述第三车源属性参数；或者添加所述第二车源属性参数中的一个或多个到第一车源属性参数中得到所述第三车源属性参数；或者增加用户的历史行为次数，并基于增加后的用户的历史行为修改所述第一车源属性参数或者更新所述第一车源属性参数得到所述第三车源属性参数。
根据本公开的另一方面，提供了一种车源推荐装置，该装置包括：
历史行为获取模块，用于获取用户的历史行为；
偏好车源判断模块，用于根据所述历史行为判断所述用户是否具有偏好的车源；
第一车源选择模块，用于如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源；
推荐模块，用于将所述第一车源推荐给所述用户。
在一种可能的实现方式中，历史行为获取模块包括：
历史行为获取单元，用于获取用户的距离当前时间最近的预设次数的历史行为。
在一种可能的实现方式中，偏好车源判断模块包括：
车源属性参数获取单元，用于根据所述历史行为获取车源属性参数和与车源属性参数对应的操作次数；
第一车源属性参数获取单元，用于确定所述车源属性参数中对应的操作次数大于第一阈值的第一车源属性参数；
偏好车源判断单元，用于如果所述第一车源属性参数的个数大于第二阈值，则判断所述用户具有偏好的车源。
在一种可能的实现方式中，第一车源选择模块包括：
第一车源选择单元，用于将具有所述第一车源属性参数的车源作为所述第一车源。
在一种可能的实现方式中，第一车源选择模块包括：
第二车源属性参数获取单元，用于确定第二车源属性参数，第二车源属性参数为与第一车源属性参数对应的、所述车源属性参数中对应的操作次数小于第一阈值的车源属性参数；
第三车源属性参数获取单元，用于根据所述第二车源属性参数调整所述第一车源属性参数得到第三车源属性参数；
第二车源选择单元，用于将具有所述第三车源属性参数的车源作为所述第一车源。
在一种可能的实现方式中，第三车源属性参数获取单元包括：
第一差值计算子单元，用于计算所述第一车源属性参数的操作次数和第二车源属性参数的操作次数的第一差值；
第二差值计算子单元，用于计算所述第一车源属性参数和第二车源属性参数的第二差值；
第三车源属性参数获取子单元，用于根据所述第一差值和/或第二差值调整所述第一车源属性参数得到所述第三车源属性参数。
在一种可能的实现方式中，根据所述第一差值和/或第二差值调整所述第一车源属性参数得到所述第三车源属性参数中调整的方式包括以下中的一种或多种：
调整所述第一车源属性参数的范围得到所述第三车源属性参数；或者添加所述第二车源属性参数中的一个或多个到第一车源属性参数中得到所述第三车源属性参数；或者增加用户的历史行为次数，并基于增加后的用户的历史行为修改所述第一车源属性参数或者更新所述第一车源属性参数得到所述第三车源属性参数。
根据本公开的另一方面，提供了一种车源推荐装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。
通过判断用户是否具有偏好的车源，在用户具有偏好的车源时才根据用户历史行为从偏好的车源中选择第一车源推荐给用户。根据本公开的车源推荐方法及装置，使得推荐给用户的第一车源更加准确，这样保证了被推荐的用户是具有明确偏好车源的，而且推荐给用户的车源也是用户偏好的，提高了推荐的准确度，并且提升了用户体验度。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开一实施例的车源推荐方法的流程图。
图2示出根据本公开一实施例的步骤S12的方法的流程图。
图3示出根据本公开一实施例的步骤S13的方法的流程图。
图4示出根据本公开一实施例的步骤S132的方法的流程图。
图5示出根据本公开一实施例的车源推荐装置的框图。
图6示出根据本公开一实施例的车源推荐装置的框图。
图7示出根据本公开一实施例的车源推荐装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开一实施例的车源推荐方法的流程图。所述方法可以应用于服务器中，如图1所示，该方法可包括：
步骤S11，获取用户的历史行为。
服务器可以基于用户历史搜索、浏览、点击、收藏、预约、砍价、分享等的操作信息得到用户的历史行为，其中，用户的历史行为可以包括车源属性参数；也可以包括车源属性参数、操作次数；也可以包括操作类型、车源属性参数；也可以包括操作类型、车源属性参数、操作次数等。
车源属性参数可以是车源属性对应的具体值，其中车源属性可以是车源的品牌、车系、价格、车龄、变速箱类型、车型、里程、排量、座位数、燃油类型、颜色、车牌所在地、国别等，对于车源属性参数，例如，价格对应的车源属性参数可以包括：1-3万、3-5万、5-10万等。
其中，操作类型可以是与上述车源属性参数对应的搜索、浏览、点击、收藏、预约、砍价、分享等行为。操作次数可以是指与上述车源属性参数和操作类型对应的、在一定时间内操作的次数，例如，某一用户从注册之后共搜索品牌A的车源15次，那么与品牌A对应的搜索次数为15次，或者某一用户从注册之后共搜索品牌A的车源15次、收藏品牌A的车源3次，那么与品牌A对应的搜索次数为15次、收藏次数为3次，也可以说与品牌A对应的操作次数为18次。
举例来说，服务器可以实时记录用户的操作信息，例如，用户A点击了一辆品牌A、车龄2-3年、价格3-5万、车系A1的车源，服务器则将该用户的该点击行为与用户标志关联作为该用户的一条历史行为进行记录、缓存或保存；其中，该条历史行为可以为：用户A、品牌A、车龄2-3年、价格3-5万；或者该条历史行为可以为：用户A、品牌A、车龄2-3年、价格3-5万、1次；或者该条历史行为可以为：用户A、点击、品牌A、车龄2-3年、价格3-5万；或者该条历史行为也可以为：用户A、点击、品牌A、车龄2-3年、价格3-5万、1次。如果用户A又点击了一辆品牌A、车龄2-3年、价格3-5万、车系A1的车源，此时用户的历史行为可以为：用户A、品牌A、车龄2-3年、价格3-5万，用户A、品牌A、车龄2-3年、价格3-5万；或者用户的历史行为可以为：用户A、品牌A、车龄2-3年、价格3-5万、2次；或者用户的历史行为可以为：用户A、点击、品牌A、车龄2-3年、价格3-5万，用户A、点击、品牌A、车龄2-3年、价格3-5万；或者用户的历史行为也可以为：用户A、点击、品牌A、车龄2-3年、价格3-5万、2次。
服务器可以获取用户的历史行为，在一种可能的方式中，可以获取用户的距离当前时间最近的预设次数的历史行为，例如，预设次数可以为30次，服务器获知用户在打开终端设备或浏览网页的情况下，可以提取用户标识，根据该用户标志查找对应的历史行为，根据时间顺序，获取距离当前时间最近的30次的历史行为。
在另一种可能的方式中，服务器可以获取用户历史行为中的全部或部分历史行为，例如，可以设置一个时间点，服务器可以获取在该时间点到当前的用户的历史行为。
以上仅仅是获取用户的历史行为的示例，本公开对此不作限定。
步骤S12，根据所述历史行为判断所述用户是否具有偏好的车源。
服务器可以根据上述获取的历史行为，确定所述历史行为中包含的车源属性参数和对应的操作次数，根据历史行为中包含的车源属性参数和对应的操作次数判断用户是否具有偏好的车源。例如，历史行为中，用户多次点击了品牌A1、车系D1的车源，则可以判断用户偏好品牌A1、车系D1的车源，则可以判断用户具有偏好的车源。
需要说明的是，与车源属性参数对应的操作次数，可以是所有与该车源属性参数对应的操作类型对应的操作次数的和，例如，历史行为中，用户多次点击了品牌A1、车系D1的车源，多次收藏了品牌A1的车源，那么与品牌A1对应的操作次数可以是点击次数和收藏次数的和。
在一种可能的方式中，服务器可以根据车源属性参数对应的操作次数对所述历史行为中的车源属性参数进行排序，例如，操作次数越多，排序越靠前，可以选择多个排序靠前的车源属性参数，判断该多个排序靠前的车源属性参数的操作次数是否分别大于预设阈值，如果分别大于预设阈值，则可以判断用户具有偏好的车源。例如服务器获取的历史行为包括：用户A，3-5万、品牌A1、车龄B1、颜色C1、车系D1、10次；用户A，5-10万、品牌A2、车龄B1、颜色C2、车系D1、8次；用户A，3-5万、品牌A1、车龄B2、颜色C3、车系D2、7次；用户A，3-5万、品牌A1、车龄B2、颜色C2、车系D1、5次。车源属性参数排序为：车系D1：23次、品牌A1：22次、3-5万：22次、车龄B1：18次、颜色C2：13次、车龄B2：12次、颜色C1：10次、5-10万：8次、品牌A2：8次、颜色C3：7次、车系D2：7次，可以选择3个排序靠前的车源属性参数：车系D1：23次、品牌A1：22次、3-5万：22次，可以设置预设阈值为20次，上述选择的3个排序靠前的车源属性参数分别大于20次，服务器可以判断所述用户具有偏好的车源。
操作次数大于预设阈值的车源属性参数，如果该车源属性参数的个数为多个，则可以判断用户具有偏好的车源。例如，用户的30次历史行为中车源属性参数的操作次数大于20次的有：3-5万、品牌A、车龄B，则可以判断该用户具有偏好的车源。
在另一种可能的方式中，服务器可以选择预设个数的车源属性，其中，预设个数的车源属性可以是根据统计信息获取的用户比较关注的车源属性确定的，本公开对此不作限定。服务器可以获取与该预设个数的车源属性分别对应的操作次数最大的车源属性参数，如果该操作次数最大的车源属性参数的操作次数均大于预设阈值，则判断用户具有偏好的车源。例如，服务器获取的历史行为包括：用户A，3-5万、品牌A1、车龄B1、颜色C1、车系D1、10次；用户A，5-10万、品牌A2、车龄B1、颜色C2、车系D1、8次；用户A，3-5万、品牌A1、车龄B2、颜色C3、车系D2、7次；用户A，3-5万、品牌A1、车龄B2、颜色C2、车系D1、5次。
服务器预设个数的车源属性为：价格、品牌，服务器可以从获取的用户历史行为中获取价格和品牌对应的操作次数最大的车源属性参数：价格：3-5万：22次；品牌：品牌A1：22次。服务器可以设置预设阈值为20次，上述价格3-5万和品牌A1的操作次数都大于20次，则可以判断用户具有偏好的车源。
以上仅仅是根据历史行为判断所述用户具有偏好的车源的示例，本公开对此不作限定。
步骤S13，如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源。
服务器可以从步骤S12获取判断所述用户具有偏好的车源时的车源属性参数，确定所述用户具有偏好的车源时的车源属性参数为第一车源属性参数，将具有所述第一车源属性参数的车源作为第一车源。
例如，用户的30次历史行为中车源属性参数的操作次数大于20次的有：3-5万、品牌A1、车龄B1，则可以判断该用户具有偏好的车源，服务器可以将3-5万、品牌A1、车龄B1作为第一车源属性参数，将具有该第一车源属性参数的车源作为第一车源。
步骤S14，将所述第一车源推荐给所述用户。
服务器可以将上述第一车源推荐给用户，在一种可能的方式中，可以发送提醒到终端设备将第一车源推荐给用户，例如“您是否对3-5万、品牌A1、车龄B1的车源感兴趣？点击查看更多”。
在另一种可能的方式中，可以将第一车源全部或者部分以列表的形式发送到终端设备，例如，选择所述第一车源中的5个车源，将该5个车源以列表的形式发送到终端设备，并且在列表上显示一些提示语句，如“这是您偏好的车源，可以点击查看更多”，用户可以通过点击查看更多，获得推荐的第一车源。
以上仅仅是对第一车源推荐给用户的示例，本公开对此不作限定。
通过判断用户是否具有偏好的车源，在用户具有偏好的车源时才根据用户历史行为从偏好的车源中选择第一车源推荐给用户。根据本公开的车源推荐方法，使得推荐给用户的第一车源更加准确，这样保证了被推荐的用户是具有明确偏好车源的，而且推荐给用户的车源也是用户偏好的，提高了推荐的准确度，并且提升了用户体验度。
图2示出根据本公开一实施例的步骤S12的方法的流程图。如图2所示，在一种可能的方式中，步骤S12，根据所述历史行为判断所述用户是否具有偏好的车源，可以包括：
步骤S121，根据所述历史行为获取车源属性参数和与车源属性参数对应的操作次数。
历史行为中的每一个历史行为可以包括车源属性参数，或者可以包括车源属性参数和操作次数，还可以包括操作类型，该操作类型可以是上文中操作类型中的一种或多种，本公开对此不作限定。例如用户A的历史行为可以为：用户A，3-5万、品牌A1、车龄B1、颜色C1、车系D1；或者用户A的历史行为可以为：用户A，3-5万、品牌A1、车龄B1、颜色C1、车系D1、10次。
服务器可以根据用户的历史行为获取车源属性参数和车源属性参数对应的操作次数，举例来说，如果获取用户A的历史行为有：用户A，3-5万、品牌A1、车龄B1、颜色C1、车系D1、10次；用户A，5-10万、品牌A2、车龄B1、颜色C2、车系D1、8次；用户A，3-5万、品牌A1、车龄B2、颜色C3、车系D2、7次；用户A，3-5万、品牌A1、车龄B2、颜色C2、车系D1、5次。
服务器可以根据获取的上述用户A的历史行为，计算各车源属性参数对应的操作次数，例如，品牌A1的操作次数为10+7+5＝22次，根据相同的计算方式，计算历史行为中包括的各车源属性参数的操作次数为：车系D1：23次，价格3-5万：22次，品牌A1：22次，车龄B1：18次，车龄B2：12次，颜色C2：13次、车龄B2：12次、颜色C1：10次、5-10万：8次、品牌A2：8次、颜色C3：7次、车系D2：7次。
步骤S122，确定所述车源属性参数中对应的操作次数大于第一阈值的第一车源属性参数。
其中，第一阈值可以是服务器根据用户的设置预先设置的。服务器可以根据获取的历史行为个数确定第一阈值，例如，将历史行为个数乘以一个比例确定第一阈值。或者，服务器可以根据统计数据设置合理的第一阈值，例如统计多数用户在操作多少次时基本可以明确偏好的车源，根据该统计确定第一阈值。以上仅仅是确定第一阈值的示例，不能作为对本公开的限制。
在一种可能的方式中，服务器可以根据步骤121中获取的车源属性参数和与车源属性参数对应的操作次数，根据操作次数与第一阈值的比较，可以选择出操作次数大于第一阈值的车源属性参数，将选择出的车源属性参数作为第一车源属性参数。例如：步骤S121中获取的各车源属性参数的操作次数为：车系D1：23次，价格3-5万：22次，品牌A1：22次，车龄B1：18次，车龄B2：12次，颜色C2：13次、车龄B2：12次、颜色C1：10次、5-10万：8次、品牌A2：8次、颜色C3：7次、车系D2：7次。服务器可以预先设置第一阈值为20次，根据比较，可以选择出操作次数大于20次对应的车源属性参数为：车系D1、价格3-5万、品牌A1，服务器可以将车系D1、价格3-5万、品牌A1作为第一车源属性参数。
在另一种可能的方式中，如果历史行为中还包括操作类型，服务器可以对操作类型设置权值，例如设置收藏权值为5。举例来说，获取的历史行为中各车源属性参数的操作次数为：车系D1：23次，价格3-5万：22次，品牌A1：22次，颜色C2：17次、颜色C1：13次、5-10万：8次、品牌A2：8次、车系D2：7次，且车系D1，价格3-5万，品牌A1，颜色C2，这些车源属性都被收藏过一次，服务器可以将车源属性车系D1、价格3-5万、品牌A1、颜色C2对应的操作次数增加4次，则车系D1：27次，价格3-5万：26次，品牌A1：26次，颜色C2：21次，若设置第一阈值为20次，大于20次的第一车源属性参数包括：车系D1、价格3-5万、品牌A1、颜色C2。
步骤S123，如果所述第一车源属性参数的个数大于第二阈值，则判断所述用户具有偏好的车源。。
服务器可以预先设置第二阈值，例如，可以统计大量用户在车源搜索时选择的车源属性个数，根据该统计的车源属性个数设置第二阈值；或者确定车源属性个数，选择该车源属性个数中的部分，例如将车源属性个数乘以一个比例值得到第二阈值。
服务器可以获取步骤S122中确定的第一车源属性参数，然后计算出第一车源属性参数的个数，判断第一车源属性参数的个数是否大于第二阈值，如果大于，则判断所述用户具有偏好的车源。
通过用户历史行为中的车源属性参数对应的操作次数以及第一车源属性参数的个数都大于相应的阈值来判断用户是否具有偏好的车源，保证了被推荐的用户是具有明确偏好车源的，而且推荐给用户的车源也是用户偏好的，提高了推荐的准确度，并且提升了用户体验度。
图3示出根据本公开一实施例的步骤S13的方法的流程图。如图3所示，在一种可能的方式中，步骤S13，如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源，可以包括：
步骤S131，确定第二车源属性参数，第二车源属性参数为与第一车源属性参数对应的、所述车源属性参数中对应的操作次数小于第一阈值的车源属性参数。
服务器可以根据确定的第一车源属性参数对应的第一车源属性，获取历史行为中第一车源属性对应的操作次数小于第一阈值的车源属性参数，将该获取的车源属性参数确定为第二车源属性参数。
在一个示例中，服务器获取的历史行为包括：用户A，3-5万、品牌A1、车龄B1、颜色C1、车系D1、10次；用户A，5-10万、品牌A2、车龄B1、颜色C2、车系D1、8次；用户A，3-5万、品牌A1、车龄B2、颜色C3、车系D2、7次；用户A，3-5万、品牌A1、车龄B2、颜色C2、车系D1、5次。车源属性参数排序为：车系D1：23次、品牌A1：22次、3-5万：22次、车龄B1：18次、颜色C2：13次、车龄B2：12次、颜色C1：10次、5-10万：8次、品牌A2：8次、颜色C3：7次、车系D2：7次。服务器可以预先设置第一阈值为20次，确定车源属性参数中大于20次的第一车源属性参数为：车系D1：23次、品牌A1：22次、3-5万：22次。
服务器可以获取第一车源属性参数对应的第一车源属性为：车系、品牌、价格。获取车系、品牌、价格对应的操作次数小于第一阈值的车源属性参数：车系D2：7次、品牌A2：8次、5-10万：8次，则将车系D2：7次、品牌A2：8次、5-10万：8次作为第二车源属性参数。
步骤S132，根据所述第二车源属性参数调整所述第一车源属性参数得到第三车源属性参数。
服务器可以根据第二车源属性参数调整第一车源属性参数，举例来说，服务器获取的第一车源属性参数为：车系D1：26次、品牌A1：22次、3-5万：20次，第二车源属性参数为：车系D2：4次、品牌A2：8次、5-10万：10次。车源中5-10万的操作次数10次，服务器可以考虑用户也有购买5-10万范围内车源的意向，服务器可以根据5-10万调整3-5万，例如，可以将价格调整为3-6万。车系D2的操作次数比车系D1的操作次数少的较多，服务器可以不考虑车系D2，保留车系D1。品牌A1的操作次数比品牌A2的操作次数少的较多，服务器可以不考虑品牌A2，保留品牌A1，这样根据所述第二车源属性参数调整所述第一车源属性参数得到第三车源属性参数可以为：车系D1、品牌A1、3-6万。
服务器可以根据第一车源属性参数和第二车源属性参数的车源属性和操作参数，具体设置调整方式以使推荐给用户的车源更加准确，本公开对该调整的具体方式不作限定。
步骤S133，将具有所述第三车源属性参数的车源作为所述第一车源。
服务器可以将具有上述得到的第三车源属性参数的车源作为第一车源，例如，得到的第三车源属性参数为：车系D1、品牌A1、3-6万，服务器可以将具有车系D1、品牌A1、3-6万的车源作为第一车源。
图4示出根据本公开一实施例的步骤S132的方法的流程图。在一种可能的方式中，还可以包括：
步骤S1321，计算所述第一车源属性参数的操作次数和第二车源属性参数的操作次数的第一差值。
服务器可以获取第一车源属性参数的操作次数和对应的第二车源属性参数的操作次数，计算第一车源属性参数的操作次数和第二车源属性参数的操作次数的第一差值。举例来说，服务器获取的第一车源属性参数的操作次数为：车系D1：20次、品牌A1：22次、3-5万：22次。对应的第二车源属性参数的操作次数为：车系D2：10次、品牌A2：8次、5-10万：8次，则第一差值为：车系D1-车系D2＝20-10＝10、品牌A1-品牌A2＝22-8＝14、3-5万-5-10万＝22-8＝14。
步骤S1322，计算所述第一车源属性参数和第二车源属性参数的第二差值。
在第一车源属性参数包括数值的情况下，服务器还可以获取第一车源属性参数和第二车源属性参数，计算第一车源属性参数和第二车源属性参数的第二差值。例如，上述第一车源属性参数中价格3-5万包括数值，其对应的第二属性参数为5-10万，服务器可以选择右端值计算第一车源属性参数和第二车源属性参数的第二差值：10-5＝5万。服务器也可以根据左端值或中间值计算该第二差值，本公开对此不作限定。
步骤S1323，根据所述第一差值和/或第二差值调整所述第一车源属性参数得到所述第三车源属性参数。
在一种可能的实现方式中，步骤S1323中调整的方式包括以下中的一种或多种：
调整所述第一车源属性参数的范围得到所述第三车源属性参数；或者添加所述第二车源属性参数中的一个或多个到第一车源属性参数中得到所述第三车源属性参数；或者增加用户的历史行为次数，并基于增加后的用户的历史行为修改所述第一车源属性参数或者更新所述第一车源属性参数得到所述第三车源属性参数。
服务器可以预先设置第三阈值和第四阈值，判断第一差值是否存在小于等于第三阈值的情况，如果存在小于第三阈值的第一差值，服务器可以确定该第一差值对应的第二车源属性参数，服务器可以根据该第二车源属性参数调整对应的第一车源属性参数。
服务器还可以判断第二差值是否存在大于等于第四阈值的情况，如果存在大于等于第四阈值的第二差值，服务器可以确定该第二差值对应的第二车源属性参数，服务器可以根据该第二车源属性参数调整对应的第一车源属性参数。
在一个示例中，服务器获取的第一车源属性参数的操作次数为：车系D1：20次、品牌A1：22次、3-5万：20次。对应的第二车源属性参数的操作次数为：车系D2：10次、品牌A2：8次、5-10万：10次，则第一差值为：车系D1-车系D2＝20-10＝10、品牌A1-品牌A2＝22-8＝14、3-5万-5-10万＝20-10＝10；以右端值计算第二差值为例，第二差值为：3-5万/5-10万＝10-5＝5万。如果服务器设置的第三阈值为10次、第四阈值为10万，则第一差值小于等于10次的是车系D1和车系D2、3-5万和5-10万；第二差值大于等于10万的没有对应的车源属性参数。服务器可以调整第一车源属性参数，例如将第二车源属性参数中的车系D2添加到第一车源属性参数中，也可以修改3-5万的范围，例如可以通过修改端值扩大数值范围，或者也可以将5-10万添加到第一车源属性参数中，其中，修改端值扩大数字范围可以是根据5-10万修改3-5万的范围，例如将3-5万修改为3-6万，这样可以覆盖一些5-10万的车源，因为5-10万的车源也是用户较偏好的。
在另一个示例中，服务器获取的第一车源属性参数的操作次数为：车系D1：23次、品牌A1：22次、3-5万：20次。对应的第二车源属性参数的操作次数为：车系D2：7次、品牌A2：8次、5-10万：2次、16-20万：8次，则第一差值为：车系D1-车系D2＝23-7＝16、品牌A1-品牌A2＝22-8＝14、3-5万-5-10万＝20-2＝18、3-5万-10-20万＝20-8＝12；以右端值计算第二差值为例，第二差值为：3-5万/5-10万＝10-5＝5万、3-5万/10-20万＝20-5＝15万。如果服务器设置的第三阈值为10次、第四阈值为10万，则第一差值小于等于10次的没有对应的车源属性参数，第二差值大于等于10万的是3-5万/16-20万。服务器可以根据第二差值分析用户对价格16-20万的车源也有偏好，而且16-20万与3-5万相差很大，服务器可以获取更多用户的历史行为，然后基于增加后的历史行为修改所述第一车源属性参数或者更新所述第一车源属性参数。例如，增加的历史行为包括：用户A，3-5万、品牌A1、车龄B1、颜色C1、车系D1、1次；用户A，16-20万、品牌A2、车龄B1、颜色C2、车系D2、11次；用户A，5-10万、品牌A1、车龄B2、颜色C3、车系D2、3次。根据增加的历史行为获取3-5万：1次，16-20万：13次，由此可以判断16-20万是用户主要考虑的车源属性参数，服务器可以判断用户也可以接受高于3-5万价格的车源，可以将第一车源属性参数中的3-5万修改为4-10万；
或者直接将16-20万加入第一车源属性参数中；
或者根据增加后的历史行为，根据步骤S122获取车源属性参数和对应的操作次数，重新确定所述车源属性参数中对应的个数大于第一阈值的第一车源属性参数以实现更新所述第一车源属性参数，服务器可以将上述修改、添加或更新的第一车源属性参数作为第三车源属性参数。
上述仅仅是调整所述第一车源属性参数的示例，本公开对此不作限定。
通过对用户偏好的车源属性参数进行调整，使得推荐给用户的第一车源更加准确。
图5示出根据本公开一实施例的车源推荐装置的框图。如图5所示，该装置可包括：
历史行为获取模块51，用于获取用户的历史行为；
偏好车源判断模块52，用于根据所述历史行为判断所述用户是否具有偏好的车源；
第一车源选择模块53，用于如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源；
推荐模块54，用于将所述第一车源推荐给所述用户。
通过判断用户是否具有偏好的车源，在用户具有偏好的车源时才根据用户历史行为从偏好的车源中选择第一车源推荐给用户。根据本公开的车源推荐装置，使得推荐给用户的第一车源更加准确，这样保证了被推荐的用户是具有明确偏好车源的，而且推荐给用户的车源也是用户偏好的，提高了推荐的准确度，并且提升了用户体验度。
图6示出根据本公开一实施例的车源推荐装置的框图。
如图6所示，在一种可能的方式中，历史行为获取模块51可以包括：
历史行为获取单元511，用于获取用户的距离当前时间最近的预设次数的历史行为。
在一种可能的方式中，偏好车源判断模块52可以包括：
车源属性参数获取单元521，用于根据所述历史行为获取车源属性参数和与车源属性参数对应的操作次数；
第一车源属性参数获取单元522，用于确定所述车源属性参数中对应的操作次数大于第一阈值的第一车源属性参数；
偏好车源判断单元523，用于如果所述第一车源属性参数的个数大于第二阈值，则判断所述用户具有偏好的车源。
在一种可能的方式中，第一车源选择模块53可以包括：
第一车源选择单元531，用于将具有所述第一车源属性参数的车源作为所述第一车源。
在一种可能的方式中，第一车源选择模块53还可以包括：
第二车源属性参数获取单元532，用于确定第二车源属性参数，第二车源属性参数为与第一车源属性参数对应的、所述车源属性参数中对应的操作次数小于第一阈值的车源属性参数；
第三车源属性参数获取单元533，用于根据所述第二车源属性参数调整所述第一车源属性参数得到第三车源属性参数；
第二车源选择单元534，用于将具有所述第三车源属性参数的车源作为所述第一车源。
在一种可能的方式中，第三车源属性参数获取单元533可以包括：
第一差值计算子单元5331，用于计算所述第一车源属性参数的操作次数和第二车源属性参数的操作次数的第一差值；
第二差值计算子单元5332，用于计算所述第一车源属性参数和第二车源属性参数的第二差值；
第三车源属性参数获取子单元5333，用于根据所述第一差值和/或第二差值调整所述第一车源属性参数得到所述第三车源属性参数。
其中，根据所述第一差值和/或第二差值调整所述第一车源属性参数得到所述第三车源属性参数中调整的方式包括以下中的一种或多种：
调整所述第一车源属性参数的范围得到所述第三车源属性参数；或者添加所述第二车源属性参数中的一个或多个到第一车源属性参数中得到所述第三车源属性参数；或者增加用户的历史行为次数，并基于增加后的用户的历史行为修改所述第一车源属性参数或者更新所述第一车源属性参数得到所述第三车源属性参数。
图7是根据一示例性实施例示出的一种车源推荐装置1900的框图。例如，装置1900可以被提供为一服务器。参照图7，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (16)
1.一种车源推荐方法，其特征在于，包括：
获取用户的历史行为；
根据所述历史行为判断所述用户是否具有偏好的车源；
如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源；
将所述第一车源推荐给所述用户。
2.根据权利要求1所述的车源推荐方法，其特征在于，获取用户的历史行为，包括：
获取用户的距离当前时间最近的预设次数的历史行为。
3.根据权利要求1-2任一项所述的车源推荐方法，其特征在于，所述根据所述历史行为判断所述用户是否具有偏好的车源，包括：
根据所述历史行为获取车源属性参数和与车源属性参数对应的操作次数；
确定所述车源属性参数中对应的操作次数大于第一阈值的第一车源属性参数；
如果所述第一车源属性参数的个数大于第二阈值，则判断所述用户具有偏好的车源。
4.根据权利要求3所述的车源推荐方法，其特征在于，如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源，包括：
将具有所述第一车源属性参数的车源作为所述第一车源。
5.根据权利要求3所述的车源推荐方法，其特征在于，如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源，包括：
确定第二车源属性参数，第二车源属性参数为与第一车源属性参数对应的、所述车源属性参数中对应的操作次数小于第一阈值的车源属性参数；
根据所述第二车源属性参数调整所述第一车源属性参数得到第三车源属性参数；
将具有所述第三车源属性参数的车源作为所述第一车源。
6.根据权利要求5所述的车源推荐方法，其特征在于，根据所述第二车源属性参数调整所述第一车源属性参数得到第三车源属性参数，包括：
计算所述第一车源属性参数的操作次数和第二车源属性参数的操作次数的第一差值；
计算所述第一车源属性参数和第二车源属性参数的第二差值；
根据所述第一差值和/或第二差值调整所述第一车源属性参数得到所述第三车源属性参数。
7.根据权利要求6所述的车源推荐方法，其特征在于，根据所述第一差值和/或第二差值调整所述第一车源属性参数得到所述第三车源属性参数中调整的方式包括以下中的一种或多种：
调整所述第一车源属性参数的范围得到所述第三车源属性参数；或者添加所述第二车源属性参数中的一个或多个到第一车源属性参数中得到所述第三车源属性参数；或者增加用户的历史行为次数，并基于增加后的用户的历史行为修改所述第一车源属性参数或者更新所述第一车源属性参数得到所述第三车源属性参数。
8.一种车源推荐装置，其特征在于，包括：
历史行为获取模块，用于获取用户的历史行为；
偏好车源判断模块，用于根据所述历史行为判断所述用户是否具有偏好的车源；
第一车源选择模块，用于如果所述用户具有偏好的车源，则根据所述历史行为从所述偏好的车源中选择第一车源；
推荐模块，用于将所述第一车源推荐给所述用户。
9.根据权利要求8所述的车源推荐装置，其特征在于，历史行为获取模块包括：
历史行为获取单元，用于获取用户的距离当前时间最近的预设次数的历史行为。
10.根据权利要求8-9任一项所述的车源推荐装置，其特征在于，偏好车源判断模块包括：
车源属性参数获取单元，用于根据所述历史行为获取车源属性参数和与车源属性参数对应的操作次数；
第一车源属性参数获取单元，用于确定所述车源属性参数中对应的操作次数大于第一阈值的第一车源属性参数；
偏好车源判断单元，用于如果所述第一车源属性参数的个数大于第二阈值，则判断所述用户具有偏好的车源。
11.根据权利要求10所述的车源推荐装置，其特征在于，第一车源选择模块包括：
第一车源选择单元，用于将具有所述第一车源属性参数的车源作为所述第一车源。
12.根据权利要求10所述的车源推荐装置，其特征在于，第一车源选择模块包括：
第二车源属性参数获取单元，用于确定第二车源属性参数，第二车源属性参数为与第一车源属性参数对应的、所述车源属性参数中对应的操作次数小于第一阈值的车源属性参数；
第三车源属性参数获取单元，用于根据所述第二车源属性参数调整所述第一车源属性参数得到第三车源属性参数；
第二车源选择单元，用于将具有所述第三车源属性参数的车源作为所述第一车源。
13.根据权利要求12所述的车源推荐装置，其特征在于，第三车源属性参数获取单元包括：
第一差值计算子单元，用于计算所述第一车源属性参数的操作次数和第二车源属性参数的操作次数的第一差值；
第二差值计算子单元，用于计算所述第一车源属性参数和第二车源属性参数的第二差值；
第三车源属性参数获取子单元，用于根据所述第一差值和/或第二差值调整所述第一车源属性参数得到所述第三车源属性参数。
14.根据权利要求13所述的车源推荐装置，其特征在于，根据所述第一差值和/或第二差值调整所述第一车源属性参数得到所述第三车源属性参数中调整的方式包括以下中的一种或多种：
调整所述第一车源属性参数的范围得到所述第三车源属性参数；或者添加所述第二车源属性参数中的一个或多个到第一车源属性参数中得到所述第三车源属性参数；或者增加用户的历史行为次数，并基于增加后的用户的历史行为修改所述第一车源属性参数或者更新所述第一车源属性参数得到所述第三车源属性参数。
15.一种车源推荐装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行指令时实现权利要求1至7中任意一项所述的方法。
16.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810087139.2A CN108256977A (zh) | 2018-01-30 | 2018-01-30 | 车源推荐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810087139.2A CN108256977A (zh) | 2018-01-30 | 2018-01-30 | 车源推荐方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108256977A true CN108256977A (zh) | 2018-07-06 |
Family
ID=62742966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810087139.2A Pending CN108256977A (zh) | 2018-01-30 | 2018-01-30 | 车源推荐方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108256977A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970568A (zh) * | 2014-04-29 | 2014-08-06 | 广东欧珀移动通信有限公司 | 对话框显示装置 |
| CN106296368A (zh) * | 2016-08-19 | 2017-01-04 | 北京好车轰轰电子商务有限公司 | 一种车型推荐系统和方法 |
| CN106844787A (zh) * | 2017-03-16 | 2017-06-13 | 四川大学 | 一种为汽车行业寻找目标用户并匹配目标产品的推荐方法 |
| CN107038226A (zh) * | 2017-03-31 | 2017-08-11 | 努比亚技术有限公司 | 一种信息推荐方法及网络设备 |
| US20180025407A1 (en) * | 2015-02-02 | 2018-01-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for order processing |
| CN107633430A (zh) * | 2017-09-20 | 2018-01-26 | 哈尔滨工业大学 | 一种基于群体社区的商品推荐方法 |
-
2018
- 2018-01-30 CN CN201810087139.2A patent/CN108256977A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103970568A (zh) * | 2014-04-29 | 2014-08-06 | 广东欧珀移动通信有限公司 | 对话框显示装置 |
| US20180025407A1 (en) * | 2015-02-02 | 2018-01-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for order processing |
| CN106296368A (zh) * | 2016-08-19 | 2017-01-04 | 北京好车轰轰电子商务有限公司 | 一种车型推荐系统和方法 |
| CN106844787A (zh) * | 2017-03-16 | 2017-06-13 | 四川大学 | 一种为汽车行业寻找目标用户并匹配目标产品的推荐方法 |
| CN107038226A (zh) * | 2017-03-31 | 2017-08-11 | 努比亚技术有限公司 | 一种信息推荐方法及网络设备 |
| CN107633430A (zh) * | 2017-09-20 | 2018-01-26 | 哈尔滨工业大学 | 一种基于群体社区的商品推荐方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109242135B (zh) | 一种模型运营方法、装置、及业务服务器 | |
| CN111538901B (zh) | 一种物品推荐方法、装置、服务器及储存介质 | |
| CN107689008A (zh) | 一种用户投保行为预测的方法及装置 | |
| CN111680165B (zh) | 信息匹配方法、装置、可读存储介质和电子设备 | |
| CN108320175A (zh) | 二手车交易估价方法及装置 | |
| CN110348622A (zh) | 一种基于机器学习的时间序列预测方法、系统及电子设备 | |
| CN112765452A (zh) | 搜索推荐方法、装置及电子设备 | |
| CN109345109A (zh) | 一种基于分类预测模型的员工评估方法及终端设备 | |
| CN114325454A (zh) | 一种多特征对电池健康度影响的确定方法、装置、设备及介质 | |
| WO2024179581A1 (zh) | 数据处理方法、装置、设备及介质 | |
| CN112580896A (zh) | 知识点预测方法、装置、设备及存储介质 | |
| CN105405051A (zh) | 金融事件预测方法和装置 | |
| CN110705889A (zh) | 一种企业筛选方法、装置、设备及存储介质 | |
| CN115454466A (zh) | 机器学习模型自动更新的方法、装置、设备和介质 | |
| CN106651408B (zh) | 一种数据分析方法及装置 | |
| CN108256977A (zh) | 车源推荐方法及装置 | |
| CN104850711B (zh) | 一种机电产品设计标准选择方法 | |
| TWI684147B (zh) | 雲端自助分析平台與其分析方法 | |
| CN115114503A (zh) | 医疗搜索模型性能评价方法、装置、设备及介质 | |
| CN114757397A (zh) | 一种坏料预测方法、坏料预测装置及电子设备 | |
| CN108256957A (zh) | 基于用户历史行为的车源搜索结果的展现方法及装置 | |
| CN108009727A (zh) | 一种结合用户评论的事物评价方法 | |
| CN114662574A (zh) | 决策树的构建方法和装置、存储介质及电子装置 | |
| CN108009726A (zh) | 一种结合用户评论的事物评价系统 | |
| CN115660451A (zh) | 基于rpa的供应商风险预警方法、装置、设备及介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180706 |