发明 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 这些附图获得其他的附图。
[0049] 图1是本发明一实施例提供的一种推荐商品的方法的流程图；
[0050] 图2是本发明一实施例提供的另一种推荐商品的方法的流程图；
[0051] 图3是本发明一实施例提供的一种推荐商品的装置的示意图；
[0052] 图4是本发明一实施例提供的另一种推荐商品的装置的示意图。
【具体实施方式】
[0053] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员 在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0054] 如图1所示，本发明实施例提供了一种推荐商品的方法，可以包括以下步骤：
[0055] 步骤101 :预先设置定时器的自启动时间间隔，设置至少一种商品推荐算法，获取 商品收藏表。
[0056] 步骤102 :在达到与所述定时器的自启动时间间隔相对应的时间时，获取所述商 品推荐算法。
[0057] 步骤103 :逐个计算所述商品推荐算法，并分别获得与所述商品推荐算法相对应 的第一商品推荐信息。
[0058] 步骤104 :在所述商品推荐算法全部计算完成之后，将所述第一商品推荐信息进 行汇总并去重，获得去重后的第二商品推荐信息。
[0059] 步骤105 :利用所述第二商品推荐信息，更新所述商品收藏表，以使用户根据更新 后的所述商品收藏表所显示的内容选购商品。
[0060] 本发明实施例提供了一种推荐商品的方法，预先设置定时器的自启动时间间隔， 以及至少一种商品推荐算法；在达到与所述定时器的自启动时间间隔相对应的时间时，自 动获取所述商品推荐算法并对其进行逐个计算，以分别获得与所述商品推荐算法相对应的 商品推荐信息；待所述商品推荐算法全部计算完成之后，将获得的全部商品推荐信息进行 汇总和去重，并利用汇总并去重后的商品推荐信息对商品收藏表进行更新，以使用户根据 更新后的商品收藏表所显示的内容选购商品，因此，本发明实施例能够自动定期推荐个性 化商品信息。
[0061] 在一种可能的实现方式中，为了能够通过调整所述商品推荐算法的种类和个数， 以根据不同实际需求灵活改变推荐的个性化商品信息，所以，
[0062] 所述商品推荐算法，包括：偏好商品推荐算法、新商品推荐算法、在育商品推荐算 法、区域畅销商品推荐算法和需求未满足商品推荐算法中的任意一种或多种；
[0063] 所述偏好商品推荐算法，包括：根据用户前三个月内的商品订单信息，将订购次数 不小于6次的商品所对应的信息，按照商品的价格降序排列；
[0064] 所述新商品推荐算法，包括：将入网销售时间不超过6个月的商品所对应的信息， 按照商品的入网时间降序排列；
[0065] 所述在育商品推荐算法，包括：将当前的重点培育商品所对应的信息，按照商品的 重要程度由重及轻顺序排列；
[0066] 所述区域畅销商品推荐算法，包括：根据前一个月内的全部商品订单信息，将用户 尚未订购过的区域畅销商品所对应的信息，按照商品的订购次数降序排列；
[0067] 所述需求未满足商品推荐算法，包括：根据用户前三个月内的未成功订购的商品 所对应的信息，按照商品的价格降序排列。
[0068] 在一种可能的实现方式中，为了在将所述第一商品推荐信息进行汇总并去重之 后，获得的商品推荐信息中各商品的排序规范、合理和实用，同时有选择性的移除不必要的 重复信息，所以，
[0069] 在所述将所述第一商品推荐信息进行汇总并去重之前，进一步包括：预先设置所 述商品推荐算法的重要程度；
[0070] 所述将所述第一商品推荐信息进行汇总并去重，包括：根据所述商品推荐算法的 重要程度，按照由重及轻的顺序，将与所述商品推荐算法相对应的所述第一商品推荐信息 进行汇合，并移除与重要程度相对较轻的所述商品推荐算法所对应的重复信息。
[0071] 在一种可能的实现方式中，为了保证由所述商品收藏表所显示于用户的商品信 息，是经过特定的商品推荐算法计算而获得的个性化商品信息，故需要对当前的商品收藏 表进行部分信息更新处理，所以，
[0072] 在所述利用所述第二商品推荐信息，更新所述商品收藏表之前，进一步包括：预先 清空所述商品收藏表中各商品的排序号和与所述商品推荐算法相对应的标识，获得清空后 的商品收减表；
[0073] 所述利用所述第二商品推荐信息，更新所述商品收藏表，包括：利用所述第二商品 推荐信息，更新所述清空后的商品收藏表。
[0074] 在一种可能的实现方式中，为了满足不同用户的商品订购习惯和规律，所以，所述 定时器的自启动时间间隔包括：每天、每周、每月和其他人为定义时间间隔中的任意一种。
[0075] 为使本发明的目的、技术方案和优点更加清楚，下面结合附图及具体实施例对本 发明作进一步地详细描述。
[0076] 如图2所示，本发明实施例提供了另一种推荐商品的方法，该方法可以包括以下 步骤：
[0077] 步骤201 :设置定时器的自启动时间间隔，设置至少一种商品推荐算法及所述商 品推荐算法的重要程度。
[0078] 具体地，所述定时器的自启动时间间隔包括：每天、每周、每月和其他人为定义时 间间隔中的任意一种。
[0079] 具体地，所述商品推荐算法，包括：偏好商品推荐算法、新商品推荐算法、在育商品 推荐算法、区域畅销商品推荐算法和需求未满足商品推荐算法中的任意一种或多种；
[0080] 所述偏好商品推荐算法，包括：根据用户前三个月内的商品订单信息，将订购次数 不小于6次的商品所对应的信息，按照商品的价格降序排列；
[0081] 所述新商品推荐算法，包括：将入网销售时间不超过6个月的商品所对应的信息， 按照商品的入网时间降序排列；
[0082] 所述在育商品推荐算法，包括：将当前的重点培育商品所对应的信息，按照商品的 重要程度由重及轻顺序排列；
[0083] 所述区域畅销商品推荐算法，包括：根据前一个月内的全部商品订单信息，将用户 尚未订购过的区域畅销商品所对应的信息，按照商品的订购次数降序排列；
[0084] 所述需求未满足商品推荐算法，包括：根据用户前三个月内的未成功订购的商品 所对应的信息，按照商品的价格降序排列。
[0085] 举例来说，在某一网上订货平台进行商品订购的所有用户中，由于用户A的订货 规律为每周六上午进行商品订购，所以可以设置用户A的定时器自启动时间间隔为每周， 且于每周六的0时进行自启动。此外，根据用户A的订货习惯，可以设置与用户A相关的商 品推荐算法有偏好商品推荐算法、新商品推荐算法和区域畅销商品推荐算法，且三者的重 要程度由重及轻依次为偏好商品推荐算法>区域畅销商品推荐算法>新商品推荐算法。
[0086] 在本实施例中，由于不同用户的购物习惯和规律可能各不相同，因此可以针对不 同的用户，灵活设置与该用户相对应的定时器的自启动时间间隔、商品推荐算法的种类和 个数，以及各商品推荐算法的重要程度，以适应不同用户的实际应用需求。
[0087] 步骤202:获取商品收藏表，并清空所述商品收藏表中各商品的排序号和与所述 商品推荐算法相对应的标识，获得清空后的商品收藏表。
[0088] 在本实施中，用户可以根据商品收藏表所显示的内容选购商品，且商品收藏表中 可以包含各商品的排序号、与所述商品推荐算法相对应的标识、是否为促销产品、是否置顶 等多项实用信息。
[0089] 其中，为了保证用户每次选购商品时所接触到的内容均是最近更新后的，故需要 预先将上次商品收藏表中各商品的排序号和与所述商品推荐算法相对应的标识进行清空 处理。
[0090] 步骤203 :在达到与所述定时器的自启动时间间隔相对应的时间时，获取所述商 品推荐算法。
[0091] 例如，对于用户A来说，设置的定时器自启动时间间隔为每周，且于每周六的0时 进行自启动，故在每周六的〇时，定时器自启动，使系统自动获取与用户A