TAESAR - 跨域智能推荐引擎夏茂成 מאת

基于生成式数据变换的跨域序列推荐，将多平台浏览历史智能转化为统一推荐

‏0 (0 סקירות)

אין משתמשים

הורדת Firefox

הורדת קובץ

על אודות הרחבה זו

🎯 TAESAR - 跨域智能推荐引擎

核心功能

1. 跨域数据采集 📊

自动采集用户在多个电商平台的浏览行为
支持平台：
京东
采集数据包括：
商品标题
商品价格
商品图片
商品 URL
商品分类
浏览时间戳

2. 智能推荐生成 🤖

使用 LLM (大语言模型) 进行跨域推荐
支持的模型提供商：
硅基流动 (DeepSeek-V3) - 当前默认
OpenAI (GPT-3.5/4)
Claude (Sonnet/Opus)
Groq (Mixtral/Llama)
基于 TAESAR 算法：
自适应对比解码
局部对比验证
语义相似度计算

3. 数据存储与管理 💾

本地数据存储
支持大量数据存储
数据导出功能 (JSON 格式)
数据清空功能
浏览历史记录

4. 用户界面 🎨

Popup 弹窗界面：
显示当前采集状态
显示序列数量和域名数量
一键生成推荐
查看推荐结果
日志显示面板
设置面板：
配置目标域
配置模型提供商
配置 API Key
调整替换阈值
自动采集开关
选项页面：
详细设置配置
统计信息查看

5. 推荐结果展示 📋

显示再生序列
显示推荐商品列表
根据商品分类显示不同图标 (Emoji)：
🍜 食品类
🧼 个人护理
🧹 家居清洁
📦 收纳用品
👕 服装内衣
📱 数码电子
💄 美妆护肤
🍼 母婴用品
⚽ 运动户外
📚 图书文具

6. 算法特性 🔬

自适应权重 (论文公式 14-15)
缓存机制 - 节省 API 调用
成本优化 - 智能选择模型
向量存储 - 语义相似度计算
数据清理 - 自动移除无效字符

7. 隐私与安全 🔒

本地数据存储，不上传到服务器
API Key 加密存储
仅在用户触发时调用 LLM API
明确的数据收集权限声明

工作流程

1. 用户浏览电商平台
   ↓
2. 自动采集商品数据
   ↓
3. 数据存储到 chrome.storage.local
   ↓
4. 用户点击"开始再生"
   ↓
5. 调用 LLM API 进行智能分析
   ↓
6. 生成跨域推荐结果
   ↓
7. 展示推荐商品列表

技术架构

前端: HTML + CSS + JavaScript
后台: Service Worker (Chrome) / Background Script (Firefox)
存储: chrome.storage.local / browser.storage.local
AI: LLM API (硅基流动 DeepSeek-V3)
算法: TAESAR (跨域序列推荐算法)

使用场景

跨平台比价 - 在不同平台找到相似商品
发现新商品 - 基于浏览历史推荐相关商品
购物决策 - 智能分析并推荐最优选择
浏览历史管理 - 统一管理多平台浏览记录

这个扩展的核心价值在于将用户在多个电商平台的浏览历史智能转化为统一推荐，帮助用户更高效地发现和比较商品！🎉

מדורג 0 על־ידי 0 סוקרים

הרשאות ונתונים

הרשאות נדרשות:

גישה ללשוניות
גישה לנתונים שלך עבור אתרים תחת שם המתחם amazon.com
גישה לנתונים שלך עבור אתרים תחת שם המתחם amazon.cn
גישה לנתונים שלך עבור אתרים תחת שם המתחם taobao.com
גישה לנתונים שלך עבור אתרים תחת שם המתחם tmall.com
גישה לנתונים שלך עבור אתרים תחת שם המתחם jd.com
גישה לנתונים שלך עבור אתרים תחת שם המתחם ebay.com
גישה לנתונים שלך עבור api.openai.com
גישה לנתונים שלך עבור api.anthropic.com
גישה לנתונים שלך עבור api.groq.com
גישה לנתונים שלך עבור api.siliconflow.cn

איסוף נתונים:

המפתח אומר שהרחבה זו אינה דורשת איסוף נתונים.