網上商城用到什麼演算法

『壹』 電商（如淘寶等）的商品搜索功能是怎麼做的，演算法是什麼，要用到哪些東西求熟悉的指點一下

直接去找高SEO優化就行了，就豬八戒就有這樣的服務商

『貳』 要設計一個網站，可能要用到哪些演算法

不需要刻意的演算法,只要你有經驗,做過一個很像樣的網站,就不會問這個問題了!網站一般內有ASP,JSP,PHP三種開發容.ASP是微軟的平台的,沒有跨平台性,但是很好學,只要有編程的語言即可. JSP,這個一般都有開發模式,需要Java的基礎.還有PHP,這個語言結合了C,JAVA等語言特點,學習起來很容易.總的來說.這些都容易學會,但精通還是很需要時間和經驗的,另外,現在的網站做的都很人性,所以你要學習CSS來會布局整個頁面,還需要javascript來增加網站的交互性能.個人建議你學習JSP,現在的一般的都學這個,但是PHP也有它的特點.希望樓主根據的自己特點學習.堅持亦應會成功的!

『叄』 電子商務網站中一般採用的經典演算法有哪些

推薦機製作為成熟的技術用到網站的各個方面，譬如內容網站推薦機制可以為用戶作個性化的網頁內容定製，電商網站可以為用戶作商品推薦，客戶中心、櫃面可以利用推薦機制為用戶提供個性化服務。豆瓣電影、讀書以及音樂台一致被大家津津樂道，視其為推薦機制「教科書」般的案例，電商網站被大家提得最多的商品推薦要屬Amazon。
一個電子商務網站推薦機制的好壞，對其用戶的聯合銷售以及轉化率的提高有著極其重要的作用，對比線下零售來說，推薦系統就相當於實體店裡的「導購員」，對於零售店中，「導購員」起到提高顧客的購買願意、購買金額。同樣的的，一個好的推薦系統，對於電子商務網站來說：1、提高用戶體驗，許多個性化的推薦；更好的向顧客展示商品，提高轉換率。2、發現顧客的潛在需求，提高客單價。電商商務的先驅-亞馬遜號稱推薦系統提高了其30%的銷售。
但一個好的推薦系統建立不是一揮而就，就像一個好的「導購員」，需要不斷的進行經驗積累、需要參加更種培訓，以提高銷售技能一樣。需要不斷的迭代、優化，不僅需要從演算法上、計算效率上提高，現在更多加入了許多數據分析師日常工作中發現的規律，（例如：通過顧客的人口統計學對顧客進行了細分，在細分好的基礎上，再利用推薦系統的相關演算法，可有效的提高系統的准確性。）建立一個類似於專家庫，把這些知識結合進入推薦系統中。

電商網站常見的推薦表現形式

內容網站推薦機制可以為用戶作個性化的網頁內容定製，電商網站可以為用戶作商品推薦，客戶中心、櫃面可以利用推薦機制為用戶提供個性化服務。豆瓣電影、讀書以及音樂台一致被大家津津樂道，似其為推薦機制「教科書」般的案例，電商網站被大家提得最多的商品推薦要屬Amazon。

國內電商網站常見的推薦形式包括三種：1）針對用戶的瀏覽、搜索等行為所做的相關推薦；2）根據購物車或物品收藏所做的相似物品推薦；3）根據歷史會員購買行為記錄，利用推薦機製做EDM或會員營銷。前面2種表現形式是大家可以在網站上看到，而第3種表現形式只有體驗後才能知曉，一封郵件，一條簡訊，一條站內消息都是它的表現方式。下面將對亞馬遜中國的前兩種表現形式進行簡單說明：

對於非登錄用戶，亞馬遜中國在網站首頁和類目欄，會根據各個類目暢銷品的情況做響應的推薦，其主要表現形式為排行榜。搜索瀏覽頁面以及具體的產品頁面的推薦形式則有關聯推薦（「經常一起購買的商品」）和基於人群偏好的相似性推薦（「購買此物品的顧客也購買了」、「看過此商品的顧客購買的其他商品」）。

對於登錄用戶，亞馬遜中國則給出了完全不同的推薦方式，網站會根據用戶的歷史瀏覽記錄在登入界面首屏展現出一個今日推薦的欄目，緊接著是最近一次瀏覽商品的記錄和根據該物品所給的產品推薦（「根據瀏覽推薦給我的商品」、「瀏覽XX產品的用戶會買XX的概率」），值得注意的是，每個頁面最下方網站都會根據用戶的瀏覽行為做響應推薦，如果沒有瀏覽記錄則會推薦「系統暢銷品」（13頁，50款商品）。
國內其他電子商務廠商的推薦形式和亞馬遜中國的推薦形式並沒有太多的區別，只是在推薦語句說明上更加符合國人的習慣，譬如猜你喜歡，最佳拍檔，最佳組合等等，再者就是推薦位置上的變動。

常見的推薦演算法

本部分內容是對2011年中國統計網與EC數據分析聯盟上海棋局活動的一個總結，感謝華院數雲段總智能營銷部分的精彩演講，特別是推薦演算法部分的精彩解說。
一個完整的推薦系統由四部分組成：收集用戶行為信息的記錄模塊、分析處理用戶偏好的模型分析模塊、推薦演算法模塊（核心）和反饋處理模塊。推薦系統的目標就是把合適的商品推薦給合適的人，目前常見的推薦機制演算法包括基於關聯規則的演算法（Association Rule_based Recommendation）、基於內容的協同演算法(Content-based Recommendation)、協同過濾推薦演算法（Collaborative Filtering Recommendation）。
推薦系統的使用的數據主要都是日誌/消費類的數據，通過一定的數據預處理，最終使用演算法的數據是一個二維表-或者是一個MXN的矩陣（暫時不去考慮時間這個因素，考慮的時候就是一種時序瀏覽，考慮時間因素就是一個三維的，本文只是對推薦進行基礎介紹，大家如果有興趣，可以到論壇進行討論。）列是所有的商品類目，行是就是所有用戶，對於你選擇的時間范圍內，如果瀏覽過某個或者購買過某商品，則標記為1（當然根據實際需要，可以根據次數標記為N），當然也可以是對商品的評分。
協同過濾的推薦機制又分為基於物品的推薦機制和基於用戶的推薦機制。基於用戶的推薦：假設相同的用戶一定有相同的偏好，怎麼確定其是同類用戶類，你可以根據這二個用戶的購買的商品類型或者對不同商品的打分來計算。
基於物品的推薦：假設喜歡某個商品的用戶，一定也同樣喜歡同樣類型的商品，怎麼選擇這個同類型的商品，通過不同用戶對其的打分或者評價或者購買來計算。
計算相似的方法，主要包括：餘弦相似性、相關相似性。餘弦相似性通過計算矢量間的餘弦夾角度量。相關相似性通過計算Pearson相關系數、秩相關系數等度量。
關聯規則，相當知道啤酒與尿布的同學都不陌生，電商的推薦系統也是根據後台的消費數據，看是否存在商品在購買過程中會同時購買的情形，從而推薦給用戶，目前電商中的組合推薦大多屬於這種類型。
除了上面介紹的常見的推薦演算法外，每年都會涌現出許多新的推薦演算法，一個推薦演算法的好壞可能因為目的不同而不同，對應不同的數據集時表現的效果也不一樣，例如基於用戶的協同過濾散發在用戶數量遠遠大於產品數量的系統上或許表現不錯，但在用戶行為數據較少的情況下就不適用了，通常，並沒有一種演算法能「通吃」天下，更多是採用多種演算法的結合使用。
此外，推薦物品是否合適？並不是人人都是喜歡京東式的茅台等高端酒和女性內褲的組合，過多的推薦會不會泄露部分用戶隱私？這些都是一個好的推薦系統需要考慮的問題。
電商網站推薦的下一站——個性化
亞馬遜總裁傑夫·貝佐斯曾說過這樣一句話：「如果我的網站有一百萬個顧客，我就應該有一百萬個商店」。這或許就是推薦的極致，而這樣一個系統必定是以用戶為中心的，有記憶、進化功能的。個性化是一個永無止境的進程，它的效用可以被無窮放大。對於電商網站而言，如果推薦的頁面上全是自己喜歡的物品，連Size、顏色、付款方式、物流等細節都給處理好了，或許就是對用戶最好的「個性化」。
當網路成為我們自己的個人網路，就需要能夠理解個性多變性的技術。也就是說既要整合直接信息，也要整合環境信息，如時間、地點、日程安排、習慣、參與度等。此時，關於個性化推薦系統的主要競爭點或許就如《個性化：商業的未來》一書中提到的一樣，為了創造更好的購物體驗，電商網站能不能更快速的挖掘消費者的偏好，此時考慮的不僅僅是准確性問題，更多的還在推薦速度上。

『肆』 自己寫代碼做商城網站需要學什麼

1，首先我們必須了解的基本語言HTML，因為JSP中嵌入Java語句為HTML，JSP編譯成Java語句的HTML語言，然後顯示一個網頁瀏覽器編譯的HTML。
2，我們必須了解Java的基本語法，if語句來寫一個簡單的演算法，這通常在網上購物的過程中是沒有困難的，沒有需要多線程是一個復雜的機制，當然，JSP機制理解。但是，在編程過程中要考慮到安全性，這是不容易破裂。
3，知道如何JavaScript（和Java沒有這樣做），VBScript腳本語言，什麼樣的線，和HTML混合編程的網頁特效，比如幾個下拉菜單之間的聯系，按鈕，設置等。
4，要懂得一些圖像處理技術，這需要大量的圖片。如果您知道閃光燈，網站會更漂亮，他也不會找人幫著做。
5，你需要選擇一個合適的資料庫，這樣做課程設計，Access或SQLServer足夠的Java連接到資料庫，而不是商業辦公，但據我的感覺真的是太麻煩了，不ASP是簡單，但沒什麼大不了的，有耐心，做一個給定的^ _ ^
6最後，如果JSP，Tomcat的一種JSP分析器可在網上免費。
7，我寫了這樣的程序的經驗，我認為你可以做的，是不困難的，但它是很瑣碎的，需要耐心

『伍』 使用https訪問平台時，用到了哪些類型的演算法

安裝SSL證書後，才能用Https協議加密訪問網站，可激活客戶端瀏覽器到網站伺服器之間回的"SSL加密通道"（SSL協議）答，實現高強度雙向加密傳輸，防止傳輸數據被泄露或篡改。

SSL證書的演算法：
SHA1： SHA1演算法是目前使用最廣泛的簽名演算法，但SHA1演算法已經存在被破解的可能性。微軟根據NIST的安全指引，要求受信任的CA機構於2016年1月1日起全面停止簽發SHA1證書。
SHA2：更安全但不支持Windows XP。SHA2簽名演算法比SHA1更安全，將逐步替代SHA1成為主流簽名演算法。但目前仍有Windows XP系統不支持SHA2簽名演算法，需打補丁SP3升級後才能支持。
沃通CA支持簽發SHA-2證書，用戶可以自主選擇簽發SHA-1證書還是 SHA-2證書。同時，沃通CA會按照國際標准制定的時間表升級PKI系統，支持從中級根證書到用戶證書全鏈SHA-2演算法支持。

『陸』 小型超市管理系統中都用到了那些演算法

我覺得那些經典的演算法你根本用不著，因為你使用的編程語言中已經把那些經典的演算法都封裝到了類庫或函數庫中了，如果說超市管理系統中要用到演算法的話，那也是一些簡單的需要你自己思考的演算法。

『柒』 淘寶大數據用什麼演算法

您好：內部有很多人工以及機器在算，我覺得做得挺好的，類似京東，草根旺城好像也要開發這方面的作業，希望幫到您，祝您天天開心

『捌』 問答網站需要用到哪些演算法

1、說到演算法就看要做的復雜程度了，簡單的問答網站不需要演算法。
2、可以做下關鍵詞適配、和網路的效果一樣，在提問的時候根據關鍵詞匹配已有的問題
3、可以在問題中做相關推薦，看用戶是否對該問題感興趣。
4、對於回答可以根據採納、以及用戶點贊來進行排名。
5、如果您有建站的需求，可以點擊下方跟我聯系。

『玖』 電商中常用的加密演算法有哪些

對稱式密鑰加密，公開密鑰加密，對稱式密鑰加密和公開密鑰加密的結合。

『拾』 在購物網站軟體開發中怎麼使用推薦演算法

這種形式一般可以按推薦引擎的演算法分，主要有基於協同過濾、基於內回容推薦等算答法。
「買過此商品的人，百分之多少還買過其他啥啥商品」：協同過濾item-based filtering
「和你興趣相似的人，還買過其他啥啥商品」：協同過濾 user-based filtering
「相關商品推薦」：基於內容推薦content-based
「猜你喜歡」 一般混合使用推薦演算法。