【文章內(nèi)容簡(jiǎn)介】 有少數(shù)人搜索。網(wǎng)站可以著重加強(qiáng)對(duì)搜索量較大的品牌的議價(jià)能力，豐富這些品牌的品種并且使價(jià)格具有競(jìng)爭(zhēng)力。對(duì)于搜索量較小的小眾 品牌要豐富品牌線，爭(zhēng)取做到用戶搜索想要的品牌不會(huì)搜索不到的情況 ⑤ 北京與廣東是淘鞋網(wǎng)的兩大購(gòu)鞋大省，為購(gòu)鞋主力，并且這兩個(gè)省份的購(gòu)買力較強(qiáng)，應(yīng)加強(qiáng)對(duì)這兩個(gè)省份的廣告如線下實(shí) 體廣告的投放以增加用戶忠誠(chéng)。 13 / 30 三、 推薦 系統(tǒng)設(shè)計(jì) 、 系統(tǒng) 設(shè)計(jì)流程 步驟一：比對(duì)數(shù)據(jù)庫(kù)，判斷訪問(wèn)該淘鞋網(wǎng)站的 IP 是新 IP 還是曾經(jīng)有歷史記錄的舊 IP，并判斷該 IP 所在的省份。 步驟二：將數(shù)據(jù)進(jìn)行預(yù)處理，篩選出 IP 所在的省份熱門的品牌、類型，并選出訪問(wèn)日期那時(shí)候，篩選出全國(guó)熱門的品牌、類型。 步驟三：對(duì)于一個(gè)新 IP，通過(guò)比較權(quán)重，分別從省份熱門、全國(guó)熱門、隨機(jī)挑選，選出前 3 條、 2 條、 2 條數(shù)據(jù)作為品牌以及品牌所對(duì)應(yīng)的類型推薦數(shù)據(jù)。 步驟四：對(duì)于一個(gè)舊 IP，通過(guò)比較權(quán)重，分別從瀏覽歷史記錄、省份熱門、全國(guó)熱 門、隨機(jī)挑選，選出 4 條、 1 條、 1 條、 1 條作為品牌以及品牌對(duì)應(yīng)的類型作為推薦數(shù)據(jù)。 具體算法流程圖如下 Y N 開(kāi)始 輸入 IP 新 IP? 4 條瀏覽歷史 1 條省熱門 1 條全國(guó)熱門 1 條隨機(jī) 3 條省熱門 2 條全國(guó)熱門 2 條隨機(jī) 03 天訪問(wèn)歷史 315 天訪問(wèn)歷史 15 天訪問(wèn)歷史 處理方法 14 / 30 、 生成全國(guó)熱門表算法 ： 算法一：生成每日全國(guó)熱度表 輸入 ：近十五日數(shù)據(jù)集 D； 輸出 ：全國(guó)熱度表； ArrayList brand_list[getCount(brand)][2]。 for(int i=0。igetCount(brand)。i++) { brand_list[i][1] = countbrand(D)。 } sort(brand_list[i][1])。//品牌頻數(shù)和排序； ArrayList type_list[getCount(type)][2]。 for(int i=0。igetCount(type)。i++) { type_list[i][1] = counttype(D)。 } sort(type_list[i][1])。//類型頻數(shù)和排序； ArrayList hot_temp[5][5]。 for(int i=0。i5。i++) { for(int j=0。j5。j++) { hot[i][j]={brand_list[i][0],type_list[j][0]}。 } } ArrayList hot[25][2]。 for(int i=0。i25。i++) {for(int j=0。j5。j++) { hot[i][0]={hot_temp[j][0]+,hot_temp[0][j]}。 }//產(chǎn)生無(wú)排序的熱度備選數(shù)組； ArrayList brand_frequency[5][2]。 for(int i=0。i5。i++) 15 / 30 { brand_frequency[i][0]=brand_list[i][0]。 brand_frequency[i][1]=getfrequency(brand_list[i][1])。 }//品牌前五名的頻率 ArrayList type_frequency[5][2]。 for(int i=0。i5。i++) { type_frequency[i][0]=type_list[i][0]。 type_frequency[i][1]=getfrequency(type_list[i][1])。 }//類型前五名的頻率 for(int i=0。i25。i++) { for(int j=0。j5。j++) { hot[i][1]=weight(brand_frequency[j][1],type_frequency[j][1])。 } }//產(chǎn)生熱度表?xiàng)l目的權(quán)重 sort（ hot)。//根據(jù)權(quán)重產(chǎn)生全國(guó)熱度表 procedure weight(brand_frequency[j][1],type_frequency[j][1]) double result。 result=brand_frequency[j][1]*type_frequency[j][1]。 return result。 、生成省份熱門表算法： 算法二：生成每日省份熱度表 輸入： 近十五日某省份數(shù)據(jù)集 Di； 輸出： 該省份熱度表； ArrayList brand_list[getCount][2]。 for(int i=0。igetCount。i++) { brand_list[i][1] = countbrand(D)。 } sort(brand_list[i][1])。//品牌頻數(shù)和排序； ArrayList type_list[getCount][2]。 for(int i=0。igetCount。i++) { type_list[i][1] = counttype(D)。 } 16 / 30 sort(type_list[i][1])。//類型頻數(shù)和排序； ArrayList hot_temp[5][5]。 for(int i=0。i5。i++) { for(int j=0。j5。j++) { hot[i][j]={brand_list[i][0],type_list[j][0]}。 } } ArrayList hot[25][2]。 for(int i=0。i25。i++) {for(int j=0。j5。j++) { hot[i][0]={hot_temp[j][0]+,hot_temp[0][j]}。 }//產(chǎn)生無(wú)排序的熱度備選數(shù)組； ArrayList brand_frequency[5][2]。 for(int i=0。i5。i++) { brand_frequency[i][0]=brand_list[i][0]。 brand_frequency[i][1]=getfrequency(brand_list[i][1])。 }//品牌前五名的頻率 ArrayList type_frequency[5][2]。 for(int i=0。i5。i++) { type_frequency[i][0]=type_list[i][0]。 type_frequency[i][1]=getfrequency(type_list[i][1])。 }//類型前五名的頻率 for(int i=0。i25。i++) { for(int j=0。j5。j++) { hot[i][1]=weight(brand_frequency[j][1],type_frequency[j][1])。 } }//產(chǎn)生熱度表?xiàng)l目的權(quán)重 sort（ hot)。//根據(jù)權(quán)重產(chǎn)生該省份熱度表 procedure weight(brand_frequency[j][1],type_frequency[j][1]) double result。 result=brand_frequency[j][1]*type_frequency[j][1]。 return result。 17 / 30 、 生成隨機(jī)推薦表算法 算法三：產(chǎn)生隨機(jī)推薦表 輸入： 品牌數(shù)據(jù)集 D_brand,各品牌對(duì)應(yīng)類型數(shù)據(jù)集 Di_type。 輸出： 隨即推薦數(shù)據(jù)表 ArrayList random_list[][] = brand_list。 for(int i=0。igetCount(brand)。i++) { random_list[i][1] = find_TopData_itemset(Di_Type)。 //產(chǎn)生隨機(jī)推薦表 } 、 抽取歷史記錄生成推薦表算法： 算法四：產(chǎn)生隨機(jī)推薦表 輸入： 品牌數(shù)據(jù)集 D_brand,各品牌對(duì)應(yīng)類型數(shù)據(jù)集 Di_type。 輸出： 隨即推薦數(shù)據(jù)表 ArrayList random_list[][] = brand_list。 for(int i=0。igetCount(brand)。i++) { random_list[i][1] = find_TopData_itemset(Di_Type)。 //產(chǎn)生隨機(jī)推薦表 } 、生成新用戶推薦列表算法： 算法四：產(chǎn)生新人推薦表 輸入： 該搜索日期全國(guó)熱度表 D，該搜索日期新人所在省份熱度表 Di，隨機(jī)推薦表 D_random,品牌及其男女屬性對(duì)應(yīng)表 D_gender 輸出： 新人推薦列表 ArrayList remend_list[7][3]。 remend_list[0][1]=find_item(D,1)。 remend_list[1][1]=find_item(D,2)。//抽取全國(guó)熱門表前兩條數(shù)據(jù)； remend_list[2][1]=find_item(Di,1)。 remend_list[3][1]=find_item(Di,2)。 remend_list[4][1]=find_item(Di,3)。//抽取省份熱門表前三條數(shù)據(jù)； number1 = (0,getCount(random_