CN104239466A - 向用户推荐项目的方法、装置及设备 - Google Patents

Abstract

本发明提供了向用户推荐项目的方法、装置和设备。该方法包括获取用户的场景信息和用户信息；获取候选推荐项目的适用场景信息和适用用户信息；基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定是否向用户推荐该候选推荐项目。本发明提供了个性化的项目推荐，提高了项目推荐的准确性。

Description

向用户推荐项目的方法、装置及设备

技术领域

本发明涉及计算机领域，尤其涉及一种向用户推荐项目的方法、装置及设备。

背景技术

目前，用户搜索感兴趣的项目都是通过主动搜索的方式实现。例如，用户输入关键词，服务器端根据关键词为用户推荐合适的项目。现有技术中虽然也存在主动向用户推荐项目的技术，但这些技术不考虑用户所在的场景(时间、地点等)，也不考虑用户本身的特性，这种推荐往往具有盲目性。

发明内容

本发明解决的技术问题之一是提供个性化的项目推荐，提高项目推荐的准确性。

根据本发明一方面的一个实施例，提供了一种机器实现的向用户推荐项目的方法，包括：获取用户的场景信息和用户信息；获取候选推荐项目的适用场景信息和适用用户信息；基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定是否向用户推荐该候选推荐项目。

可选地，所述场景信息包括以下中的至少一项：当前的时间信息；用户当前的地点信息。

可选地，所述用户信息包括以下中的至少一项：用户的静态特征信息；用户的阶段状态信息；用户的当前行为信息。

可选地，所述适用场景信息是历史上选择了该候选推荐项目的用户的场景信息的统计结果，和/或所述适用用户信息是从历史上选择了该候选推荐项目的用户信息的统计结果。

可选地，确定是否向用户推荐该候选推荐项目包括：将用户的场景信息和用户信息与候选推荐项目的适用场景信息和适用用户信息进行比较，从而获得匹配信息；基于该匹配信息确定是否向用户推荐该候选推荐项目。

可选地，该方法还包括：获取该候选推荐项目的属性信息；获取用户的属性兴趣信息。确定是否向用户推荐该候选推荐项目还包括：基于用户的场景信息、用户信息和属性兴趣信息、候选推荐项目的适用场景信息、适用用户信息、属性信息，确定是否向用户推荐该候选推荐项目。

可选地，获取用户的属性兴趣信息包括：获取用户历史上选择各候选推荐项目的属性信息；统计用户历史上选择各候选推荐项目的属性信息，以得到用户的属性兴趣信息。

可选地，基于用户的场景信息、用户信息和属性兴趣信息、候选推荐项目的适用场景信息、适用用户信息、属性信息确定是否向用户推荐该候选推荐项目包括：将用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息进行比较，从而获得匹配信息；基于该匹配信息确定是否向用户推荐该候选推荐项目。

可选地，该方法还包括：如果确定向用户推荐该候选推荐项目，基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定该候选推荐项目的显示位置。

可选地，该方法还包括：如果确定向用户推荐该候选推荐项目，基于用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息，确定该候选推荐项目的显示位置。

根据本发明另一方面的一个实施例，提供了一种向用户推荐项目的装置，包括：第一获取单元，被配置为获取用户的场景信息和用户信息；第二获取单元，被配置为获取候选推荐项目的适用场景信息和适用用户信息；

第一确定单元，被配置为基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定是否向用户推荐该候选推荐项目。

可选地，所述场景信息包括以下中的至少一项：当前的时间信息；用户当前的地点信息。

可选地，所述用户信息包括以下中的至少一项：用户的静态特征信息；用户的阶段状态信息；用户的当前行为信息。

可选地，所述适用场景信息是历史上选择了该候选推荐项目的用户的场景信息的统计结果，和/或所述适用用户信息是从历史上选择了该候选推荐项目的用户信息的统计结果。

可选地，第一确定单元被配置为：将用户的场景信息和用户信息与候选推荐项目的适用场景信息和适用用户信息进行比较，从而获得匹配信息；基于该匹配信息确定是否向用户推荐该候选推荐项目。

可选地，该装置还包括：第三获取单元，被配置为获取该候选推荐项目的属性信息；第四获取单元，被配置为获取用户的属性兴趣信息。第一确定单元包括确定子单元，确定子单元被配置为：基于用户的场景信息、用户信息和属性兴趣信息、候选推荐项目的适用场景信息、适用用户信息、属性信息，确定是否向用户推荐该候选推荐项目。

可选地，第四获取单元被配置为：获取用户历史上选择各候选推荐项目的属性信息；统计用户历史上选择各候选推荐项目的属性信息，以得到用户的属性兴趣信息。

可选地，确定子单元被配置为：将用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息进行比较，从而获得匹配信息；基于该匹配信息确定是否向用户推荐该候选推荐项目。

可选地，该装置还包括：第二确定单元，被配置为如果确定向用户推荐该候选推荐项目，基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定该候选推荐项目的显示位置。

可选地，该装置还包括：第三确定单元，被配置为如果确定向用户推荐该候选推荐项目，基于用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息，确定该候选推荐项目的显示位置。

根据本发明的另一方面的一个实施例，还提供了一种计算机设备，包括前述向用户推荐项目的装置。

由于本发明推荐候选推荐项目时要考虑用户的场景信息和用户信息，不是盲目地对所有用户或一群用户推荐相同的项目，而是根据每个用户不同的场景信息和用户信息推荐不同的项目，提供了个性化的项目推荐，提高了项目推荐的准确性。

本领域普通技术人员将了解，虽然下面的详细说明将参考图示实施例、附图进行，但本发明并不仅限于这些实施例。而是，本发明的范围是广泛的，且意在仅通过后附的权利要求限定本发明的范围。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1是根据本发明一个实施例的向用户推荐项目的方法的流程图。

图2是根据本发明另一个实施例的向用户推荐项目的方法的流程图。

图3是根据本发明另一个实施例的向用户推荐项目的方法的流程图。

图4是根据本发明另一个实施例的向用户推荐项目的方法的流程图。

图5是根据本发明一个实施例的向用户推荐项目的装置的框图。

图6是根据本发明另一个实施例的向用户推荐项目的装置的框图。

图7是根据本发明另一个实施例的向用户推荐项目的装置的框图。

图8是根据本发明另一个实施例的向用户推荐项目的装置的框图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本发明作进一步详细描述。

图1是根据本发明一个实施例的向用户推荐项目的方法的流程图。本发明中的方法主要通过计算机设备中的操作系统或处理控制器来完成。将操作系统或处理控制器称为向用户推荐项目的装置，下简称推荐装置。该计算机设备包括但不限于以下中的至少一个：用户设备、网络设备。用户设备包括但不限于计算机、智能手机、PDA等。网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。

项目是指抽象的或具体的实体，包括以下中的至少一个：信息、物品、服务等。

在项目是信息的情况下，向用户推荐项目例如向用户推荐生活小常识、地理名胜介绍等实用信息。在本发明考虑用户的场景信息和用户信息来推荐项目的背景下，例如，当用户早上起来在家时，可以向用户推荐天气预报。当用户走到XX书店附近、且用户是一位学生时，向用户推荐信息“附近有XX书店，要不要进去逛一逛？”。

在项目是物品的情况下，向用户推荐项目指向用户推荐用户可能会需要的物品。在本发明考虑用户的场景信息和用户信息来推荐项目的背景下，例如，用户旅游到了亚布力，可以向用户推荐滑雪用品。如果用户是老年人且正在泰山附近，可以向用户推荐登山杖。如果用户是电子产品爱好者且当前是周末，可以向用户推荐新出的手机、电脑等。

在项目是服务的情况下，向用户推荐项目指向用户推荐用户可能会需要的服务。在本发明考虑用户的场景信息和用户信息来推荐项目的背景下，例如，用户在妇产医院且用户刚生了小孩，可以向用户推荐保姆等服务。用户从学校出来且已经晚上10点了，可以向用户推荐租车服务等。

本发明中的用户指非特定群体中的用户和/或特定群体中的用户。群体是指企业、事业、行政机关、社会团队或社会组织。在用户指非特定群体中的用户的情况下，向用户推荐项目就是面对社会上任何一个人的推荐。在用户指特定群体中的用户的情况下，向用户推荐项目可以是这样的情形：例如某采购部门的所有采购成员的手机都安装了一个应用，当成员打开手机上的该应用时，推荐装置根据该成员的当前位置、时间、用户信息等为该成员推荐一些物品，但对于该采购部门之外的人，由于手机上没有安装此应用，则不能被推荐物品。

在步骤S102中，获取用户的场景信息和用户信息。

场景信息是指与用户当前的时间、地点等场景有关的信息。场景信息包括但不限于以下中的至少一项：

i)当前的时间信息；

ii)用户当前的地点信息。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何与场景有关的信息，均包含在本发明场景信息的范围内。

对于i)当前的时间信息，其包括但不限于以下的至少一项：

i-1)当前的宏观时间信息，指日以上的时间信息，具体包括：

——公历的年

——公历的月

——公历的日

——月中的第几周

——星期几

——农历的年

——农历的月

——农历的日。在一些情况下，农历中的年、月、日同样会影响用户的行为，导致向用户推荐项目的改变。例如，从用户信息得知用户信风水的情况下，用户很可能按照农历日历上的规定，例如是否宜出门、是否宜祭祀等来行事。在农历日历规定当天不宜出门的情况下，给用户推荐当天租车的服务就是不明智的。

——是否节假日。例如，在当天是清明节的情况下，可以向用户推荐一些祭扫用品等。

——是否是世界组织倡导的主题日。例如，在4月7日世界卫生日，可以向用户推荐有关如何预防各种传染病的信息，还可以向用户推荐一下消毒水之类的消毒用品。例如，在世界癌症日，可以向用户推荐一些有关防治癌症的介绍。

——是否是名人的诞辰日、逝世日。在名人的诞辰日、逝世日，可以向用户推荐一些名人的介绍信息，还可以向用户推荐一些名人的纪念品。例如在毛泽东诞辰日，可以向用户推荐毛主席纪念章。

——是否是在社会上有影响的活动日、活动周。如每年7月1日-7月7日是某大型电器的优惠活动周，在这期间可以向用户推荐一些在该优惠活动周打折的商品。如每年5月1日-7日是XX公园沙滩节，在这期间可以向用户推荐一些关于沙滩节的介绍等，也可以向用户推荐一些泳帽、泳裤等沙滩节用品。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何日以上的时间信息，均包含在本发明宏观时间信息的范围内。

i-2)微观时间信息，是指日以下的时间信息，具体包括但不限于以下中的至少一项：

——小时信息(包括是白天还是晚上)。例如，在上午11点-下午1点的时间段正是午餐的时间段，可以在这一时间段向用户推荐附近的餐馆，也可以在这一时间段向用户发送关于午餐营养的小贴士。

——分钟信息

——秒信息

——时区信息

——是否夏令时

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何日以下的时间信息，均包含在本发明微观时间信息的范围内。

应当注意，将时间信息划分为宏观时间信息和微观时间信息仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何其它的划分方式，也包含在本发明时间信息的保护范围内。

对于ii)用户当前的地点信息，指与用户地理位置相关的信息，包括但不限于以下中的至少一项：

ii-1)用户所在的地理位置。用户的地理位置可能会影响到向用户推荐的项目。例如，用户在植物园附近，此时可以向用户推荐一些风光优美的图片或植物园的树木介绍。例如，用户在国美电器附近，此时可以向用户推荐国美电器中正在搞优惠活动的电器等。

ii-2)用户所在位置的人口密度。用户所在位置的人口密度可能会影响到向用户推荐的项目。例如，用户在沙漠中，人口密度很小，可能需要向用户推荐哪里有人居住、哪里有公共设施的信息。如果用户在人口密度大的闹市中，可能不会向用户推荐哪里能找到人的信息，反而要想用户推荐哪里有绿地、公园的信息。

ii-3)用户所在位置的商家密度。用户所在位置的商家密度可能会影响到向用户推荐的项目。例如，用户在中关村商图，商家密度很大，此时可能需要向用户提供中关村商图中的商家的一些促销的商品信息。如果用户在高速公路上，商家密度很低，此时用户更关心的可能是哪里是高速公路的出口、行车路线等信息。

ii-4)用户所在位置的场所性质。场所性质是指办公楼、商场、还是大街、电影院等。如果用户处于商场、大街等，向用户推荐一些关于物品或服务的信息，可能会引起用户的兴趣。如果用户处于办公楼，则用户更有可能是在办事，向用户推荐商品、服务之类的项目，用户可能不感兴趣。如果用户处于电影院，则更是不能及时看到这一类推荐的项目。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何与用户地理位置相关的信息，均包含在本发明地点信息的范围内。

用户信息，即用户画像，是指与用户本身相关的个人信息，包括但不限于以下中的至少一项：

i)用户的静态特征信息；

ii)用户的阶段状态信息；

iii)用户的当前行为信息。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何与用户本身相关的个人信息，均包含在本发明用户信息的范围内。

对于i)用户的静态特征信息，指用户一生中长期不变的信息，具体包括但不限于以下中的至少一项：

i-1)姓名。用户的姓名有时影响到向用户推荐的项目，例如用户姓章，则很有可能向该用户推荐与章子怡有关的新闻，该用户会关注。

i-2)性别。用户的性别有时影响到向用户推荐的项目，例如男性可能会电子产品、健身器材更关注，而女性可能对化妆品、衣服更感兴趣。

i-3)出生日期。用户的性别有时影响到向用户推荐的项目，例如七十年代出生的人可能会对齐秦、罗大佑、王杰等歌手的歌曲更感兴趣，八十年代出生的人可能会对周杰伦等歌手的歌曲更感兴趣。

i-4)民族。用户的民族有时影响到向用户推荐的项目，例如可以向回民推荐回民餐馆，向藏族的人推荐藏族舞曲等。

i-5)学历。用户的学历有时影响到向用户推荐的项目，例如一些艰深晦涩的书籍需要向较高学历的用户推荐。

i-6)专业。用户的专业有时影响到向用户推荐的项目，例如历史专业的用户可能会对历史书籍感兴趣。

i-7)职业。用户的职业有时影响到向用户推荐的项目，例如医生可能对一些关于医患关系的新闻更敏感，则可以向医生定期推荐这方面的新闻。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何用户一生中长期不变的信息，均包含在本发明用户的静态特征信息的范围内。

对于ii)用户的阶段状态信息，指在用户的人生某一阶段中不变的信息，具体包括但不限于以下中的至少一项：

ii-1)用户是上学、上班还是退休。用户是上学、上班还是退休有时影响到向用户推荐的项目，例如用户正在上学，则很有可能向该用户推荐一些文具、教科书等。如果用户已退休，则很可能向用户推荐一些教学太极拳的视频。

ii-2)用户处于上学、上班还是退休的具体阶段。用户处于上学、上班还是退休的具体阶段有时影响到向用户推荐的项目，例如用户高中一年级，则很有可能向用户推荐高中一、二年级的辅导资料。如果用户处于大学，则很有可能向用户推荐大学生就业选择方面的指导书籍。如果用户处于新入职的阶段，很有可能定期向用户推荐有关职场人际交往入门之类的小贴士。如果用户属于企业高管，很有可能向用户推荐一些管理学方面的书籍。

ii-3)用户的单位。用户一生可能经历很多单位，所在的单位不同，向用户推荐的项目也有可能不同。例如，用户在政府机关，则可能对一些国家的政治新闻更感兴趣。如果用户下海经商了，则可能对国家的经济方面的政策信息更感兴趣。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何在用户的人生某一阶段中不变的信息，均包含在本发明用户的阶段状态信息的范围内。

对于iii)用户的当前行为信息，指用户正从事的行为的信息，具体包括但不限于以下中的至少一项：

iii-1)用户正从事的超出一天的行为，例如超出一天的出差、旅游等。例如用户从半个月前开始旅游，此时仍在旅游途中，则可能定期向用户推荐一下外出防晒、外出安全方面的小贴士，也可能向用户发一些“旅途愉快”、“在外要注意身体”之类的问候语。

iii-2)用户正从事的一天以内的行为，例如开车等。例如，用户正在开车，此时可能向用户推荐附近的加油站信息、附近的小超市信息。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，用户的当前行为信息也可以有不同的划分方式，它们均包含在本发明用户的当前行为信息的范围内。

推荐装置对于不同的场景信息和用户信息，可能有不同的如下获取方式。

i)对于场景信息中的当前的时间信息

i-1)对于当前的时间信息中的比较基本的时间信息，如公历的年、月、日、月中的第几周、星期几、小时、分钟、秒等，可以直接从系统时间得出。

i-2)对于当前的时间信息中的比较复杂的时间信息，如是否节假日、是否是世界组织倡导的主题日、是否是名人的诞辰日、逝世日、是否是在社会上有影响的活动日、活动周等，可以通过维持一个数据库来记录X月X日与节假日、世界组织倡导的主题日、名人的诞辰日、逝世日、社会上有影响的活动日、活动周的对应关系来进行。由于活动日、活动周等信息经常变化，该数据库需要定时更新。

i-3)在一些特殊情况下，当前的时间信息也可以整体直接获得。例如，在某一类似应用已经统计了这些当前的时间信息的情况下，可以直接从该类似应用获得。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它获取场景信息中的当前的时间信息的方式，也包含在本发明用户的获取场景信息中的当前的时间信息的范围内。

ii)对于场景信息中的用户当前的地点信息

ii-1)对于用户当前的地点信息中的用户所在的地理位置，可以通过从定位应用(如GPS、北斗)获得的位置信息直接确定。

ii-2)对于用户当前的地点信息中的用户所在位置的人口密度、商家密度、场所性质等信息，可以通过维护一个数据库以存储每个位置附近的人口密度、商家密度、场所性质等实现。由于商家密度、场所性质等经常变化，该数据库要定期更新。

ii-3)在一些特殊情况下，用户当前的地点信息也可以整体直接获得。例如，在某一类似应用已经获得了用户当前的地点信息的情况下，可以直接从该类似应用获得。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它获取场景信息中的用户当前的地点信息的方式，也包含在本发明获取用户当前的地点信息的范围内。

iii)对于用户信息

iii-1)用户信息，尤其是其中的用户的静态特征信息、用户的阶段状态信息，可以从站内用户登记表直接获得。例如，在用户下载本发明功能所涉及到的客户端应用时，或初次使用时，要求用户填写用户信息。只有填写这些用户信息才能使用本发明的推荐功能。这些用户信息存储在推荐装置。

iii-2)用户信息，尤其是其中的用户的静态特征信息、用户的阶段状态信息，还可以从站外用户曾填写的信息爬取。例如，用户登录某一网站时曾填写过许多用户信息，从用户终端的cookie中可以爬取这些网页中用户曾填写过的用户信息。

iii-3)用户信息，尤其是其中的用户的静态特征信息、用户的阶段状态信息，还可以通过获取用户移动设备识别号或用户身份识别号，再从在电信运营商处与用户移动设备识别号或用户身份识别号绑定的用户信息爬取。

iii-4)用户信息可以从用户站内行为中获得。

站内行为，指用户在使用与本发明功能相关的应用时，对于曾经推荐给用户的项目的反应，具体包括但不限于以下中的至少一项：

——点击，指向用户推荐了项目的链接后，用户点开了链接。

——浏览，指用户点开了链接后阅读该项目的内容。如果用户点开了项目的链接后再很短时间内推出，可以认为用户没有浏览。

——停留，指用户在点开的网页停留。用户在点开的网页停留时间越长，代表用户对该项目更感兴趣。

——最终选择。在向用户推荐的项目是信息时，如果用户选择收藏，则认为用户作出了最终选择。在向用户推荐的项目是物品或服务时，如果用户选择购买，可以认为用户作出了最终选择。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何用户在使用与本发明功能相关的应用时对于曾经推荐给用户的项目的反应，均包含在本发明站内行为的范围内。

对于用户的静态特征信息来说，例如从站内行为可知，在以前为用户推荐项目时，用户曾经多次点击、浏览、长时间停留、最终选择化妆品，则用户的性别很有可能是女。例如从站内行为可知，在以前为用户推荐项目时，用户多次点击、浏览、长时间停留、最终选择少女穿的衣服，则用户很有可能是15-30岁之间的女性。

对于用户的阶段状态信息来说，例如从站内行为可知，在以前为用户推荐项目时，用户曾经多次点击、浏览、长时间停留、最终选择文具，如文具盒、铅笔等，则用户目前很有可能是上学。由于多次点击、浏览、长时间停留、最终选择铅笔，则用户很有可能是上小学。

对于用户的当前行为信息，例如从站内行为可知，在两个小时之前用户曾多次点击、浏览、停留、最终选择高速公路加油站的信息，一个小时之前又多次点击、浏览、停留、最终选择高速公路加油站的信息，则用户很有可能在开车。

在用户信息从用户站内行为中获得的方式中，不同的站内行为对于确定用户信息的影响是不一样的。例如用户多次最终购买了少女的衣服，比用户只是点击了推荐的少女的衣服的链接，确定其是出身年份在1985-2000年的可能性比较大。

处理不同的站内行为的方式包括但不限于以下中的至少一个：

——对点击、浏览、停留1-10分钟、停留10-20分钟、停留20分钟以上、最终选择设置不同的分数，例如分别为1、2、3、4、5、10分。根据用户点击、浏览、停留1-10分钟、停留10-20分钟、停留20分钟以上、最终选择分别的次数，计算总分数。然后将总分数与预定阈值比较，获得用户信息。

例如，用户A历史上站内点击了2次少女的衣服、停留了1-10分钟有1次，则用户A的总分数＝1×2+3×1＝5。用户B历史上点击了5次少女的衣服，最终选择了2次少女的衣服，则用户B的总分数＝1×5+10×2＝25。假设预定阈值为7，25大于7，而5小于7，可以认为用户B是1985-2000年出生的。当然，这种确定方式是有误差的，可以事后根据用户的反馈不断调整预定阈值。

——对点击、流量、停留、最终选择分别设置预定阈值，只要有一项达到阈值，就认为确定了用户信息。

例如，对点击设置阈值20，对浏览设置阈值10，对停留设置阈值8，对最终选择设置阈值2。还以前述用户A和B为例。由于用户A的每一项都没有达到预定阈值，而用户B的最终选择一项达到了阈值2，则认为用户B是1985-2000年出生的。

——对点击、流量、停留、最终选择与用户信息的对应关系设置表格，通过查表确定用户信息。

例如，在表格中有一项“点击5-10次、浏览0-10次、停留0-10层次、购买2-5次”对应性别“1985-2000年出生”，则认为前例中用户B是1985-2000年出生。

对应查表的方式，要求对与点击、浏览、停留、购买的次数分别在不同区间的各种组合，不能有遗漏，如有遗漏则导致可能在某些情况下无法确定该用户信息。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何其它从用户站内行为中获得用户信息的方式，均包含在本发明从用户站内行为中获得用户信息的范围内。

iii-5)用户信息可以从用户站外行为中获得。

站外行为，指用户在使用与本发明功能无关的其它应用或浏览其它网站时，对于曾经推荐给用户的项目的反应，具体包括但不限于以下中的至少一项：

——点击

——浏览

——停留

——最终选择

点击、浏览、停留、最终选择与前述站内行为中是基本一致的。

处理不同的站外行为的方式也与前述处理不同的站外行为的方式也是基本一致的。

从站外行为中获得用户信息与从站内行为获得用户信息的区别在于，由于站内行为是用户在用户终端上打开与本发明功能相关的应用后的行为，因此都记录在本发明实施例的推荐装置中，而站外行为是用户在浏览其它应用或其它网站时的行为，需要通过从用户终端的cookie或其它应用的使用记录中爬取。

iii-6)用户信息可以从用户的终端中的短信、备忘录、存储的文件等中爬取。

对于短信，例如，用户的短信中出现“你男朋友什么时候过来？”，可以确定用户信息中的用户的静态特征信息的性别一项为女。

对于备忘录，例如，用户的备忘录中出现“6月3日-6月7日去桂林旅游”，今天是6月4日，可以确定用户的当前行为信息是用户正在旅游。

对于存储的文件，例如，存储的文件有“历史课笔记”，可以确定用户信息中的用户的阶段状态信息中用户是在上学。

iii-7)在某些特殊情况下，用户信息可以直接获得。

例如，在某一类似应用已经获得了上述用户信息的情况下，可以直接从该类似应用获得。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它获取用户信息的方式，也包含在本发明获取用户信息的范围内。

由于用户的场景信息包括当前的时间信息和用户当前的地点信息的至少一个，时间信息和地点信息如前所述也是包含一些具体的时间信息和地点信息，用户信息也包括用户的静态特征信息、用户的阶段状态信息、用户的当前行为信息中的至少一个，用户的静态特征信息、用户的阶段状态信息、用户的当前行为信息又如前所述分别包含一些具体的信息，最后获取的用户的场景信息和用户信息就可能会包括许多具体的信息，这些具体的信息的个数叫做场景信息+用户信息的维数。例如，时间信息中取(1)星期几、(2)农历的月；地点信息中取(3)用户所在的地理位置、(4)用户所在位置的人口密度；用户信息中取(5)性别、(6)出生日期、(7)民族、(8)用户是上学、上班还是退休、(9)用户正从事的超出一天的行为、(10)用户正从事的一天以内的行为，则场景信息+用户信息的维数为10。(1)-(10)中的每一个叫做一维。

在步骤S104中，获取候选推荐项目的适用场景信息和适用用户信息。

候选推荐项目是指作为候选为用户推荐的信息、物品、服务等。在某一时刻，候选推荐项目在推荐装置端可能对所有的用户是相同的，例如推荐装置端有4000个信息、4000个物品、2000项服务，因此对所有用户都有10000个候选推荐项目。但是，由于每个用户具体的场景信息和用户信息不同，推荐给每个用户的最终推荐的项目可能又是不同的。例如，考虑了用户A的场景信息和用户信息，可能最终给用户A推荐了5个项目；考虑了用户B的场景信息和用户信息，可能最终给用户B推荐了8个项目。

当然，也有另一种做法，就是将所有候选推荐项目都向所有用户推荐，但推荐项目的显示位置不同，这样，尽管每个用户都能接受到所有候选推荐项目，但基于每个用户各自的场景信息和用户信息，确定每个候选推荐项目对于该用户来说的推荐强烈度，对每个用户按照各候选推荐项目的推荐强烈度给各候选推荐项目排序，这样用户最先看到的仍然是哪些强烈推荐给其的候选推荐条目。

适用场景信息是该候选推荐项目所适用的时间、地点等场景有关的信息。适用场景信息的选取与用户的场景信息的选取是相适应的。例如，前述例子中，时间信息中取(1)星期几、(2)农历的月；地点信息中取(3)用户所在的地理位置、(4)用户所在位置的人口密度。相应地，适用场景信息取(1’)候选推荐项目所适用的星期几、(2’)候选推荐项目所适用的农历的月；地点信息中取(3’)候选推荐项目所适用的用户所在的地理位置、(4’)候选推荐项目所适用的用户所在位置的人口密度。

适用用户信息是该候选推荐项目所适用的与用户本身相关的个人信息。适用用户信息的选取与用户的用户信息的选取是相适应的。例如，前述例子中，用户信息中取(5)性别、(6)出生日期、(7)民族、(8)用户是上学、上班还是退休、(9)用户正从事的超出一天的行为、(10)用户正从事的一天以内的行为。相应地，适用用户信息取(5’)候选推荐项目所适用的用户的性别、(6’)候选推荐项目所适用的用户的出生日期、(7’)候选推荐项目所适用的用户的民族、(8’)候选推荐项目所适用的用户是上学、上班还是退休、(9’)候选推荐项目所适用的用户正从事的超出一天的行为、(10’)候选推荐项目所适用的用户正从事的一天以内的行为。

适用场景信息和/或适用用户信息可以通过以下方式中的至少一个获取：

i)直接从存储库中获取。例如，事先将各候选推荐项目的适用场景信息和/或适用用户信息规定好存储在存储库中，因此可以直接从存储库中获取。

ii)在某些特殊情况下直接从其它应用获取。例如，在某一类似应用已经获得了上述适用场景信息和/或适用用户信息的情况下，可以直接从该类似应用获得。

iii)将历史上选择了该候选推荐项目的用户的场景信息的统计结果作为适用场景信息，和/或将历史上选择了该候选推荐项目的用户信息的统计结果作为适用用户信息。

历史上选择了该候选推荐项目的用户是，在向使用本发明功能相关的应用的所有用户推荐了该候选推荐项目后，点击该候选推荐项目的链接、浏览该链接打开后的页面、在该链接打开后的页面停留一段时间或对该候选推荐项目作出最终选择的用户，最终选择的含义如前所述。

这种统计结果对于其中某一维来说，可以通过以下中至少一项得出：

——对历史上选择了该候选推荐项目的用户的场景信息和/或用户信息的某一特定维投票。例如，历史上选择了该候选推荐项目的用户有4个，用户的用户信息中有一维是用户的性别。这4个用户有3个人是女，4个人是男，因此可以将女作为这一维的统计结果。

——对历史上选择了该候选推荐项目的用户的场景信息和/或用户信息的某一特定维取平均或加权平均。例如，历史上选择了该候选推荐项目的用户有4个，用户的场景信息中有一维是用户所在位置的商家密度，其分别是4个/公里半径、100个/公里半径、20个/公里半径、0个/公里半径，在取平均的情况下可以将(4+100+20+0)/4＝31(个/公里半径)作为该维的统计结果。当前，也可以采用加权平均，例如这4个用户中有1个用户是今天作出选择的，其余3个都是上个月作出选择的，可以给那个今天作出选择的用户更高的权重后进行求平均。

——将历史上选择了该候选推荐项目的用户的场景信息和/或用户信息的某一特定维统计所得的统计图作为该维的统计结果。例如，历史上选择了该候选推荐项目的用户有4个，用户的用户信息中有一维是用户的性别。这4个用户有3个人是女，4个人是男，则将这4个用户的性别分布的统计直方图或统计饼图等作为该维的统计结果。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它获得历史上选择了该候选推荐项目的用户的场景信息的统计结果的方式，也包含在本发明获得历史上选择了该候选推荐项目的用户的场景信息的统计结果的范围内。

另外，虽然上述仅举了三种获取候选推荐项目的适用场景信息和/或适用用户信息的方式，其它获取候选推荐项目的适用场景信息和/或适用用户信息的方式也应包含在本发明获取候选推荐项目的适用场景信息和适用用户信息的范围内。

在步骤S106中，基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定是否向用户推荐该候选推荐项目。具体地：

i)将用户的场景信息和用户信息与候选推荐项目的适用场景信息和适用用户信息进行比较，从而获得匹配信息。

匹配信息是指表示用户的场景信息和用户信息、与候选推荐项目的适用场景信息和适用用户信息的匹配程度的信息，可以包括但不限于以下中的至少一项：

——匹配分数

——匹配等级

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它除匹配分数和匹配等级之外的匹配信息，也包含在本发明匹配信息的范围内。

获得匹配信息可以通过以下中的至少一项进行：

i-1)获得用户的场景信息和用户信息中的每一维与候选推荐项目的适用场景信息和适用用户信息的相应维的匹配分数和/或匹配等级，再求所有维的匹配分数和/或匹配等级的统计值。

——对于用户的场景信息和用户信息中的某一维是字符串变量、候选推荐项目的适用场景信息和适用用户信息的相应维也是字符串变量的情况，根据字符串变量之间是否完全一样、字符串之间的含义相似度、或字符串的实际距离确定匹配分数和/或匹配等级。

对于根据字符串变量之间是否完全一样来确定匹配分数和/或匹配等级的情况，例如，如果用户的用户信息中性别一项是女，候选推荐项目的适用性别一项也是女，则匹配分数为5或匹配等级为一级。如果用户的用户信息中性别一项是男，候选推荐项目的适用性别一项也是女，则匹配分数为0或匹配等级为五级。字符串变量完全一样/不一样的匹配分数和/或匹配等级的对应关系是预先确定的。

对于根据字符串之间的含义相似度来确定匹配分数和/或匹配等级的情况，例如，如果用户的用户信息中专业一项是电子工程，候选推荐项目的适用专业一项是通信工程，两者已经非常接近了，匹配分数为4或匹配等级为二级。如果用户的用户信息中专业一项和候选推荐项目的适用专业一项都是通信工程，匹配分数为5或匹配等级为一级。

对于根据字符串的实际距离来确定匹配分数和/或匹配等级的情况，例如，如果用户的场景信息中用户所在的地理位置是中关村海龙大厦，候选推荐项目的适用地理位置一项是北京大学，两者的实际距离已经非常接近了，匹配分数为4或匹配等级为二级。如果用户的场景信息中用户所在的地理位置一项和候选推荐项目的适用地理位置一项都是北京大学，匹配分数为5或匹配等级为一级。

——对于用户的场景信息和用户信息中的某一维是数值变量、候选推荐项目的适用场景信息和适用用户信息的相应维也是数值变量的情况，可以将数值变量归一化，按照归一化后数值变量的差确定匹配分数或匹配等级。

例如，如果用户的场景信息中用户所在位置的商图密度是75个/公里半径，最大可能的商图密度是100个/公里半径，候选推荐项目的适用商图密度是80个/公里半径，则用户的场景信息中用户所在位置的商图密度归一化后为0.75，候选推荐项目的适用商图密度归一化后为0.8，两者的差为0.05，非常接近，匹配分数为4或匹配等级为二级。该归一化数值变量的差与匹配分数或匹配等级的对应关系例如通过查表进行。

——对于候选推荐项目的适用场景信息和适用用户信息的相应维是统计图，例如统计直方图或统计饼图的情况，可以通过确定用户的场景信息和用户信息中的该维在统计图中的不同区间来确定匹配分数或匹配等级。不同区间与匹配分数或匹配等级的对应关系例如通过查表进行。

所有维的匹配分数和/或匹配等级的统计值包括但不限于以下中的至少一项：

——所有维的匹配分数和/或匹配等级的平均值；

——所有维的匹配分数和/或匹配等级的加权平均值；

——所有维的匹配分数和/或匹配等级的和；

——所有维的匹配分数和/或匹配等级的加权和；

——所有维的匹配分数和/或匹配等级的平方和；

——所有维的匹配分数和/或匹配等级的加权平方和。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它除上述六种情况的统计值，也包含在本发明统计值的范围内。

i-2)先针对用户的场景信息和用户信息中的某特定一维与候选推荐项目的适用场景信息和适用用户信息的相应维，求其匹配分数和/或匹配等级，再基于用户的场景信息和用户信息中的其它维与候选推荐项目的适用场景信息和适用用户信息的其它维的差异，调整该匹配分数和/或匹配等级。

例如，所有场景信息和用户信息中，认为用户所在位置的商图密度最重要，则先针对用户的用户所在位置的商图密度和候选推荐项目的适用用户所在位置的商图密度按照上述的方式确定匹配分数和/或匹配等级。在此基础上，例如，用户的性别与候选推荐项目的性别一致，通过查表可知此时可以将匹配分数加5分和/或将匹配等级加一级。对于用户的场景信息和用户信息中的其它维、候选推荐项目的适用场景信息和适用用户信息的相应维，也按照此方法来调整最终的匹配分数和/或匹配等级。

虽然以上给出了两种获得匹配信息的方法，本领域技术人员应当理解，其它获得匹配信息的方法，也应落在本发明获得匹配信息的保护范围之内。

ii)基于该匹配信息确定是否向用户推荐该候选推荐项目。具体方式包括但不限于以下中的至少一项：

ii-1)设定匹配分数和/或匹配等级的阈值。当获得的匹配分数和/或匹配等级满足该阈值(匹配分数大于等于匹配分数的阈值、匹配等级数小于等于匹配等级数的阈值)时，确定向用户推荐该候选推荐项目。

ii-2)取匹配分数最高的前m名和/或匹配等级数最小的前n名，m、n为正整数作为向用户推荐的候选推荐项目。、

ii-3)如前所述，也可以将全部候选推荐项目向用户推荐，但结合图3、4所示，在后续的确定该候选推荐项目的显示位置的过程中，可以将匹配分数越高的或匹配等级数越小的候选推荐项目显示在越前面。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它除上述三种情况的基于该匹配信息确定是否向用户推荐该候选推荐项目的方法，也包含在本发明基于该匹配信息确定是否向用户推荐该候选推荐项目的范围内。

图2是根据本发明另一个实施例的向用户推荐项目的方法的流程图。与图1所示的方法相比，该方法还包括：步骤S108，获取该候选推荐项目的属性信息；步骤S110，获取用户的属性兴趣信息。并且，步骤S106还包括：基于用户的场景信息、用户信息和属性兴趣信息、候选推荐项目的适用场景信息、适用用户信息、属性信息，确定是否向用户推荐该候选推荐项目。

在步骤S108，获取该候选推荐项目的属性信息。

属性信息是指与项目的属性相关的信息，包括但不限于：

——名称。例如，当项目是天气预报时，名称＝“天气预报”；当项目是打印机时，名称＝“打印机”。

——描述。一般是从项目的说明中提取若干关键词，例如对于某款手机，提取关键词“4G”、“双卡双待”、“高清摄像”等，组成该手机的描述。

——源。对于信息来说，源是信息的发布者。对于物品来说，源是物品的生产厂家。对于服务来说，源是服务的提供者。

——历史最终选择总次数。例如，对于某款手机，推荐装置统计，自从向用户推荐该款手机后，被推荐的所有用户共最终购买181次，则历史最终选择总次数为181。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它与项目的属性相关的信息，也包含在本发明属性信息的保护范围内。

在步骤S110，获取用户的属性兴趣信息。

属性兴趣信息是反映了用户历史上曾对具有什么样的属性的候选推荐项目产生过兴趣的信息。产生过兴趣包括但不限于点击、浏览、停留、最终选择中的至少一项。具体地：

i)获取用户历史上选择各候选推荐项目的属性信息。

例如，自从用户使用与本发明功能相关的应用后，历史上有过4次当接收到候选推荐项目后对某一候选推荐项目产生兴趣的表示，包括点击、浏览、停留和最终选择中的至少一项。获取这4次产生兴趣的表示每次针对的候选推荐项目的属性信息。

ii)统计用户历史上选择各候选推荐项目的属性信息，以得到用户的属性兴趣信息。选择包括点击、浏览、停留和最终选择中的至少一项。

对于属性兴趣信息的每一维，具体可以通过下述方式中的至少一项产生：

——将该用户历史上选择的各候选推荐项目的相应维属性信息求并集，作为用户的属性兴趣信息这一维的属性兴趣信息。例如，用户历史上选择过4次候选推荐项目。这4次的候选推荐项目的名称分别是“打印机”、“计算机”、“手机”、“打印机”，则用户的属性兴趣信息的名称兴趣一项是“打印机、计算机、手机”。

——统计该用户历史上选择的各候选推荐项目的相应维属性信息中出现频率较高的关键词，作为用户的属性兴趣信息这一维的属性兴趣信息。频率较高包括但不限于频率大于等于预定阈值和/或频率从高到低排名前p位，其中p为正整数。例如，用户历史上选择过4次候选推荐项目。这4次的候选推荐项目的描述分别是“省电、速度快”、“速度快、便宜”、“4G、省流量、速度快、省电”、“省电、速度快”，其中“速度快”出现了4次，省电出现了3次，频率阈值为3，则将“省电、速度快”作为用户的属性兴趣信息的描述兴趣一项。

——对该用户历史上选择的各候选推荐项目的相应维属性信息取平均或加权平均。例如，用户历史上选择过4次候选推荐项目。这4次的候选推荐项目的历史最终选择总次数分别是10、8、6、4，则用户的属性兴趣信息的历史最终选择总次数兴趣一项是(10+8+6+4)/4＝7。

——将该用户历史上选择的各候选推荐项目的相应维属性信息统计所得的统计图作为该维的统计结果。例如，用户历史上选择过4次候选推荐项目。这4次的候选推荐项目的名称分别是“打印机”、“计算机”、“手机”、“打印机”，则将这4个名称的统计直方图或统计饼图等作为该维的统计结果。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它产生属性兴趣信息的每一维的方法，也包含在本发明属性兴趣信息的每一维的保护范围内。

在步骤S106，基于用户的场景信息、用户信息和属性兴趣信息、候选推荐项目的适用场景信息、适用用户信息、属性信息确定是否向用户推荐该候选推荐项目包括：

i)将用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息进行比较，从而获得匹配信息。

获得用户的属性兴趣信息中的每一维与候选推荐项目的属性信息的相应维的匹配分数和/或匹配等级可以通过下列中的至少一项进行：

——对于将该用户历史上选择的各候选推荐项目的相应维属性信息求并集，作为用户的属性兴趣信息相应维的属性兴趣信息的情况，如果候选推荐项目的属性信息的相应维是否是用户的属性兴趣信息相应维的子集来确定匹配分数和/或匹配等级。

例如，如果候选推荐项目的名称是“打印机”，用户的属性兴趣信息中的名称兴趣一项是“打印机、计算机、手机”，则匹配分数为5或匹配等级为一级。如果候选推荐项目的名称是“帽子”，用户的属性兴趣信息中的名称兴趣一项是“打印机、计算机、手机”，则匹配分数为0或匹配等级为五级。是子集/非子集与匹配分数和/或匹配等级的对应关系是预先确定的。

——对于统计该用户历史上选择的各候选推荐项目的相应维属性信息中出现频率较高的关键词，作为用户的属性兴趣信息这一维的属性兴趣信息的情况，根据候选推荐项目的属性信息的相应维与用户的属性兴趣信息相应维的相似度来确定匹配分数和/或匹配等级。

例如，候选推荐项目的描述这一维是“速度快、便宜”，用户的属性兴趣信息的描述兴趣这一维是“省电、速度快”，经计算，二者的相似度为50％(字符串相似度的计算是已有方法)，查表得出匹配分数为3或匹配等级为三级。

——对于对该用户历史上选择的各候选推荐项目的相应维属性信息取平均或加权平均的情况，可以将候选推荐项目的属性信息的相应维和用户的属性兴趣信息的相应维归一化，按照归一化后数值变量的差确定匹配分数或匹配等级。

例如，候选推荐项目的历史最终选择总次数是4，用户的属性兴趣信息的历史最终选择总次数兴趣一项是7，所有候选推荐项目的历史最终选择总次数最高者为10，则候选推荐项目的历史最终选择总次数归一化后得到0.4，用户的属性兴趣信息的历史最终选择总次数兴趣归一化后得到0.7，两者的差为0.3。按照该差，查表得到匹配分数为4或匹配等级为二级。

——对于将该用户历史上选择的各候选推荐项目的相应维属性信息统计所得的统计图作为该维的统计结果的情况，可以通过确定该候选推荐项目的相应维在该统计图上的不同区间，再查找不同区间与匹配分数或匹配等级的对应关系表来确定。

以上只是示出了获得用户的属性兴趣信息中的每一维与候选推荐项目的属性信息的相应维的匹配分数和/或匹配等级的例子，并不是对本发明的限制。任何获得用户的属性兴趣信息中的每一维与候选推荐项目的属性信息的相应维的匹配分数和/或匹配等级的方法，都包括在本发明获得用户的属性兴趣信息中的每一维与候选推荐项目的属性信息的相应维的匹配分数和/或匹配等级的保护范围内。

获得用户的属性兴趣信息中的每一维与候选推荐项目的属性信息的相应维的匹配分数和/或匹配等级后，由于用户的场景信息、用户信息的相应维与候选推荐项目的适用场景信息、适用用户信息的相应维的匹配分数和/或匹配等级在结合图1的描述中已经讨论过，则可以根据每一维的匹配分数和/或匹配等级获得总匹配信息，其具体方法与前述基于用户的场景信息、用户信息、候选推荐项目的适用场景信息、适用用户信息获得匹配信息的方法类似，包括但不限于：

——对用户的场景信息、用户信息、属性兴趣信息中的所有维与候选推荐项目的适用场景信息、适用用户信息、属性信息的相应维的匹配分数和/或匹配等级求统计值。统计值包括但不限于平均值、加权平均值、和、加权和等中的至少一项。

——先针对用户的场景信息、用户信息、属性兴趣信息中的某特定一维与候选推荐项目的适用场景信息、适用用户信息、属性信息的相应维，求其匹配分数和/或匹配等级，再基于用户的场景信息、用户信息、属性兴趣信息中的其它维与候选推荐项目的适用场景信息、适用用户信息、属性信息的其它维的差异，调整该匹配分数和/或匹配等级。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它获得匹配信息的方法，也包含在本发明获得匹配信息的保护范围内。

ii)基于该匹配信息确定是否向用户推荐该候选推荐项目。

这一步骤与结合图1所述的相应步骤基本上是一致的。

图3是根据本发明另一个实施例的向用户推荐项目的方法的流程图。与图1的流程图相比，它增加了步骤S112，如果确定向用户推荐该候选推荐项目，基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定该候选推荐项目的显示位置。

具体地说，可以通过以下的至少一种方式实现：

——将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的显示在越前面。

——将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的显示在越前面。

——将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。

——将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它确定该候选推荐项目的显示位置的方法，也包含在本发明确定该候选推荐项目的显示位置的保护范围内。

图4是根据本发明另一个实施例的向用户推荐项目的方法的流程图。与图2的流程图相比，它增加了步骤S112’，如果确定向用户推荐该候选推荐项目，基于用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息，确定该候选推荐项目的显示位置。

具体地说，可以通过以下的至少一种方式实现：

——将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的显示在越前面。

——将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的显示在越前面。

——将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。

——将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它确定该候选推荐项目的显示位置的方法，也包含在本发明确定该候选推荐项目的显示位置的保护范围内。

图5是根据本发明一个实施例的向用户推荐项目的装置4，即推荐装置的框图。向用户推荐项目的装置4包括第一获取单元402、第二获取单元404、第一确定单元406。

项目是指抽象的或具体的实体，包括以下中的至少一个：信息、物品、服务等。

在项目是信息的情况下，向用户推荐项目例如向用户推荐生活小常识、地理名胜介绍等实用信息。在本发明考虑用户的场景信息和用户信息来推荐项目的背景下，例如，当用户早上起来在家时，可以向用户推荐天气预报。当用户走到XX书店附近、且用户是一位学生时，向用户推荐信息“附近有XX书店，要不要进去逛一逛？”。

在项目是物品的情况下，向用户推荐项目指向用户推荐用户可能会需要的物品。在本发明考虑用户的场景信息和用户信息来推荐项目的背景下，例如，用户旅游到了亚布力，可以向用户推荐滑雪用品。如果用户是老年人且正在泰山附近，可以向用户推荐登山杖。如果用户是电子产品爱好者且当前是周末，可以向用户推荐新出的手机、电脑等。

在项目是服务的情况下，向用户推荐项目指向用户推荐用户可能会需要的服务。在本发明考虑用户的场景信息和用户信息来推荐项目的背景下，例如，用户在妇产医院且用户刚生了小孩，可以向用户推荐保姆等服务。用户从学校出来且已经晚上10点了，可以向用户推荐租车服务等。

本发明中的用户指非特定群体中的用户和/或特定群体中的用户。群体是指企业、事业、行政机关、社会团队或社会组织。在用户指非特定群体中的用户的情况下，向用户推荐项目就是面对社会上任何一个人的推荐。在用户指特定群体中的用户的情况下，向用户推荐项目可以是这样的情形：例如某采购部门的所有采购成员的手机都安装了一个应用，当成员打开手机上的该应用时，推荐装置根据该成员的当前位置、时间、用户信息等为该成员推荐一些物品，但对于该采购部门之外的人，由于手机上没有安装此应用，则不能被推荐物品。

第一获取单元402获取用户的场景信息和用户信息。

场景信息是指与用户当前的时间、地点等场景有关的信息。场景信息包括但不限于以下中的至少一项：

i)当前的时间信息；

ii)用户当前的地点信息。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何与场景有关的信息，均包含在本发明场景信息的范围内。

对于i)当前的时间信息，其包括但不限于以下的至少一项：

i-1)当前的宏观时间信息，指日以上的时间信息，具体包括：

——公历的年

——公历的月

——公历的日

——月中的第几周

——星期几

——农历的年

——农历的月

——农历的日。在一些情况下，农历中的年、月、日同样会影响用户的行为，导致向用户推荐项目的改变。例如，从用户信息得知用户信风水的情况下，用户很可能按照农历日历上的规定，例如是否宜出门、是否宜祭祀等来行事。在农历日历规定当天不宜出门的情况下，给用户推荐当天租车的服务就是不明智的。

——是否节假日。例如，在当天是清明节的情况下，可以向用户推荐一些祭扫用品等。

——是否是世界组织倡导的主题日。例如，在4月7日世界卫生日，可以向用户推荐有关如何预防各种传染病的信息，还可以向用户推荐一下消毒水之类的消毒用品。例如，在世界癌症日，可以向用户推荐一些有关防治癌症的介绍。

——是否是名人的诞辰日、逝世日。在名人的诞辰日、逝世日，可以向用户推荐一些名人的介绍信息，还可以向用户推荐一些名人的纪念品。例如在毛泽东诞辰日，可以向用户推荐毛主席纪念章。

——是否是在社会上有影响的活动日、活动周。如每年7月1日-7月7日是某大型电器的优惠活动周，在这期间可以向用户推荐一些在该优惠活动周打折的商品。如每年5月1日-7日是XX公园沙滩节，在这期间可以向用户推荐一些关于沙滩节的介绍等，也可以向用户推荐一些泳帽、泳裤等沙滩节用品。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何日以上的时间信息，均包含在本发明宏观时间信息的范围内。

i-2)微观时间信息，是指日以下的时间信息，具体包括但不限于以下中的至少一项：

——小时信息(包括是白天还是晚上)。例如，在上午11点-下午1点的时间段正是午餐的时间段，可以在这一时间段向用户推荐附近的餐馆，也可以在这一时间段向用户发送关于午餐营养的小贴士。

——分钟信息

——秒信息

——时区信息

——是否夏令时

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何日以下的时间信息，均包含在本发明微观时间信息的范围内。

应当注意，将时间信息划分为宏观时间信息和微观时间信息仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何其它的划分方式，也包含在本发明时间信息的保护范围内。

对于ii)用户当前的地点信息，指与用户地理位置相关的信息，包括但不限于以下中的至少一项：

ii-1)用户所在的地理位置。用户的地理位置可能会影响到向用户推荐的项目。例如，用户在植物园附近，此时可以向用户推荐一些风光优美的图片或植物园的树木介绍。例如，用户在国美电器附近，此时可以向用户推荐国美电器中正在搞优惠活动的电器等。

ii-2)用户所在位置的人口密度。用户所在位置的人口密度可能会影响到向用户推荐的项目。例如，用户在沙漠中，人口密度很小，可能需要向用户推荐哪里有人居住、哪里有公共设施的信息。如果用户在人口密度大的闹市中，可能不会向用户推荐哪里能找到人的信息，反而要想用户推荐哪里有绿地、公园的信息。

ii-3)用户所在位置的商家密度。用户所在位置的商家密度可能会影响到向用户推荐的项目。例如，用户在中关村商图，商家密度很大，此时可能需要向用户提供中关村商图中的商家的一些促销的商品信息。如果用户在高速公路上，商家密度很低，此时用户更关心的可能是哪里是高速公路的出口、行车路线等信息。

ii-4)用户所在位置的场所性质。场所性质是指办公楼、商场、还是大街、电影院等。如果用户处于商场、大街等，向用户推荐一些关于物品或服务的信息，可能会引起用户的兴趣。如果用户处于办公楼，则用户更有可能是在办事，向用户推荐商品、服务之类的项目，用户可能不感兴趣。如果用户处于电影院，则更是不能及时看到这一类推荐的项目。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何与用户地理位置相关的信息，均包含在本发明地点信息的范围内。

用户信息，即用户画像，是指与用户本身相关的个人信息，包括但不限于以下中的至少一项：

i)用户的静态特征信息；

ii)用户的阶段状态信息；

iii)用户的当前行为信息。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何与用户本身相关的个人信息，均包含在本发明用户信息的范围内。

对于i)用户的静态特征信息，指用户一生中长期不变的信息，具体包括但不限于以下中的至少一项：

i-1)姓名。用户的姓名有时影响到向用户推荐的项目，例如用户姓章，则很有可能向该用户推荐与章子怡有关的新闻，该用户会关注。

i-2)性别。用户的性别有时影响到向用户推荐的项目，例如男性可能会电子产品、健身器材更关注，而女性可能对化妆品、衣服更感兴趣。

i-3)出生日期。用户的性别有时影响到向用户推荐的项目，例如七十年代出生的人可能会对齐秦、罗大佑、王杰等歌手的歌曲更感兴趣，八十年代出生的人可能会对周杰伦等歌手的歌曲更感兴趣。

i-4)民族。用户的民族有时影响到向用户推荐的项目，例如可以向回民推荐回民餐馆，向藏族的人推荐藏族舞曲等。

i-5)学历。用户的学历有时影响到向用户推荐的项目，例如一些艰深晦涩的书籍需要向较高学历的用户推荐。

i-6)专业。用户的专业有时影响到向用户推荐的项目，例如历史专业的用户可能会对历史书籍感兴趣。

i-7)职业。用户的职业有时影响到向用户推荐的项目，例如医生可能对一些关于医患关系的新闻更敏感，则可以向医生定期推荐这方面的新闻。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何用户一生中长期不变的信息，均包含在本发明用户的静态特征信息的范围内。

对于ii)用户的阶段状态信息，指在用户的人生某一阶段中不变的信息，具体包括但不限于以下中的至少一项：

ii-1)用户是上学、上班还是退休。用户是上学、上班还是退休有时影响到向用户推荐的项目，例如用户正在上学，则很有可能向该用户推荐一些文具、教科书等。如果用户已退休，则很可能向用户推荐一些教学太极拳的视频。

ii-2)用户处于上学、上班还是退休的具体阶段。用户处于上学、上班还是退休的具体阶段有时影响到向用户推荐的项目，例如用户高中一年级，则很有可能向用户推荐高中一、二年级的辅导资料。如果用户处于大学，则很有可能向用户推荐大学生就业选择方面的指导书籍。如果用户处于新入职的阶段，很有可能定期向用户推荐有关职场人际交往入门之类的小贴士。如果用户属于企业高管，很有可能向用户推荐一些管理学方面的书籍。

ii-3)用户的单位。用户一生可能经历很多单位，所在的单位不同，向用户推荐的项目也有可能不同。例如，用户在政府机关，则可能对一些国家的政治新闻更感兴趣。如果用户下海经商了，则可能对国家的经济方面的政策信息更感兴趣。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何在用户的人生某一阶段中不变的信息，均包含在本发明用户的阶段状态信息的范围内。

对于iii)用户的当前行为信息，指用户正从事的行为的信息，具体包括但不限于以下中的至少一项：

iii-1)用户正从事的超出一天的行为，例如超出一天的出差、旅游等。例如用户从半个月前开始旅游，此时仍在旅游途中，则可能定期向用户推荐一下外出防晒、外出安全方面的小贴士，也可能向用户发一些“旅途愉快”、“在外要注意身体”之类的问候语。

iii-2)用户正从事的一天以内的行为，例如开车等。例如，用户正在开车，此时可能向用户推荐附近的加油站信息、附近的小超市信息。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，用户的当前行为信息也可以有不同的划分方式，它们均包含在本发明用户的当前行为信息的范围内。

第一获取单元402对于不同的场景信息和用户信息，可能有不同的如下获取方式。

i)对于场景信息中的当前的时间信息

i-1)对于当前的时间信息中的比较基本的时间信息，如公历的年、月、日、月中的第几周、星期几、小时、分钟、秒等，可以直接从系统时间得出。

i-2)对于当前的时间信息中的比较复杂的时间信息，如是否节假日、是否是世界组织倡导的主题日、是否是名人的诞辰日、逝世日、是否是在社会上有影响的活动日、活动周等，可以通过维持一个数据库来记录X月X日与节假日、世界组织倡导的主题日、名人的诞辰日、逝世日、社会上有影响的活动日、活动周的对应关系来进行。由于活动日、活动周等信息经常变化，该数据库需要定时更新。

i-3)在一些特殊情况下，当前的时间信息也可以整体直接获得。例如，在某一类似应用已经统计了这些当前的时间信息的情况下，可以直接从该类似应用获得。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它获取场景信息中的当前的时间信息的方式，也包含在本发明用户的获取场景信息中的当前的时间信息的范围内。

ii)对于场景信息中的用户当前的地点信息

ii-1)对于用户当前的地点信息中的用户所在的地理位置，可以通过从定位应用(如GPS、北斗)获得的位置信息直接确定。

ii-2)对于用户当前的地点信息中的用户所在位置的人口密度、商家密度、场所性质等信息，可以通过维护一个数据库以存储每个位置附近的人口密度、商家密度、场所性质等实现。由于商家密度、场所性质等经常变化，该数据库要定期更新。

ii-3)在一些特殊情况下，用户当前的地点信息也可以整体直接获得。例如，在某一类似应用已经获得了用户当前的地点信息的情况下，可以直接从该类似应用获得。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它获取场景信息中的用户当前的地点信息的方式，也包含在本发明获取用户当前的地点信息的范围内。

iii)对于用户信息

iii-1)用户信息，尤其是其中的用户的静态特征信息、用户的阶段状态信息，可以从站内用户登记表直接获得。例如，在用户下载本发明功能所涉及到的客户端应用时，或初次使用时，要求用户填写用户信息。只有填写这些用户信息才能使用本发明的推荐功能。这些用户信息存储在推荐装置。

iii-2)用户信息，尤其是其中的用户的静态特征信息、用户的阶段状态信息，还可以从站外用户曾填写的信息爬取。例如，用户登录某一网站时曾填写过许多用户信息，从用户终端的cookie中可以爬取这些网页中用户曾填写过的用户信息。

iii-3)用户信息，尤其是其中的用户的静态特征信息、用户的阶段状态信息，还可以通过获取用户移动设备识别号或用户身份识别号，再从在电信运营商处与用户移动设备识别号或用户身份识别号绑定的用户信息爬取。

iii-4)用户信息可以从用户站内行为中获得。

站内行为，指用户在使用与本发明功能相关的应用时，对于曾经推荐给用户的项目的反应，具体包括但不限于以下中的至少一项：

——点击，指向用户推荐了项目的链接后，用户点开了链接。

——浏览，指用户点开了链接后阅读该项目的内容。如果用户点开了项目的链接后再很短时间内推出，可以认为用户没有浏览。

——停留，指用户在点开的网页停留。用户在点开的网页停留时间越长，代表用户对该项目更感兴趣。

——最终选择。在向用户推荐的项目是信息时，如果用户选择收藏，则认为用户作出了最终选择。在向用户推荐的项目是物品或服务时，如果用户选择购买，可以认为用户作出了最终选择。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何用户在使用与本发明功能相关的应用时对于曾经推荐给用户的项目的反应，均包含在本发明站内行为的范围内。

对于用户的静态特征信息来说，例如从站内行为可知，在以前为用户推荐项目时，用户曾经多次点击、浏览、长时间停留、最终选择化妆品，则用户的性别很有可能是女。例如从站内行为可知，在以前为用户推荐项目时，用户多次点击、浏览、长时间停留、最终选择少女穿的衣服，则用户很有可能是15-30岁之间的女性。

对于用户的阶段状态信息来说，例如从站内行为可知，在以前为用户推荐项目时，用户曾经多次点击、浏览、长时间停留、最终选择文具，如文具盒、铅笔等，则用户目前很有可能是上学。由于多次点击、浏览、长时间停留、最终选择铅笔，则用户很有可能是上小学。

对于用户的当前行为信息，例如从站内行为可知，在两个小时之前用户曾多次点击、浏览、停留、最终选择高速公路加油站的信息，一个小时之前又多次点击、浏览、停留、最终选择高速公路加油站的信息，则用户很有可能在开车。

在用户信息从用户站内行为中获得的方式中，不同的站内行为对于确定用户信息的影响是不一样的。例如用户多次最终购买了少女的衣服，比用户只是点击了推荐的少女的衣服的链接，确定其是出身年份在1985-2000年的可能性比较大。

处理不同的站内行为的方式包括但不限于以下中的至少一个：

——对点击、浏览、停留1-10分钟、停留10-20分钟、停留20分钟以上、最终选择设置不同的分数，例如分别为1、2、3、4、5、10分。根据用户点击、浏览、停留1-10分钟、停留10-20分钟、停留20分钟以上、最终选择分别的次数，计算总分数。然后将总分数与预定阈值比较，获得用户信息。

例如，用户A历史上站内点击了2次少女的衣服、停留了1-10分钟有1次，则用户A的总分数＝1×2+3×1＝5。用户B历史上点击了5次少女的衣服，最终选择了2次少女的衣服，则用户B的总分数＝1×5+10×2＝25。假设预定阈值为7，25大于7，而5小于7，可以认为用户B是1985-2000年出生的。当然，这种确定方式是有误差的，可以事后根据用户的反馈不断调整预定阈值。

——对点击、流量、停留、最终选择分别设置预定阈值，只要有一项达到阈值，就认为确定了用户信息。

例如，对点击设置阈值20，对浏览设置阈值10，对停留设置阈值8，对最终选择设置阈值2。还以前述用户A和B为例。由于用户A的每一项都没有达到预定阈值，而用户B的最终选择一项达到了阈值2，则认为用户B是1985-2000年出生的。

——对点击、流量、停留、最终选择与用户信息的对应关系设置表格，通过查表确定用户信息。

例如，在表格中有一项“点击5-10次、浏览0-10次、停留0-10层次、购买2-5次”对应性别“1985-2000年出生”，则认为前例中用户B是1985-2000年出生。

对应查表的方式，要求对与点击、浏览、停留、购买的次数分别在不同区间的各种组合，不能有遗漏，如有遗漏则导致可能在某些情况下无法确定该用户信息。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，任何其它从用户站内行为中获得用户信息的方式，均包含在本发明从用户站内行为中获得用户信息的范围内。

iii-5)用户信息可以从用户站外行为中获得。

站外行为，指用户在使用与本发明功能无关的其它应用或浏览其它网站时，对于曾经推荐给用户的项目的反应，具体包括但不限于以下中的至少一项：

——点击

——浏览

——停留

——最终选择

点击、浏览、停留、最终选择与前述站内行为中是基本一致的。

处理不同的站外行为的方式也与前述处理不同的站外行为的方式也是基本一致的。

从站外行为中获得用户信息与从站内行为获得用户信息的区别在于，由于站内行为是用户在用户终端上打开与本发明功能相关的应用后的行为，因此都记录在本发明实施例的推荐装置中，而站外行为是用户在浏览其它应用或其它网站时的行为，需要通过从用户终端的cookie或其它应用的使用记录中爬取。

iii-6)用户信息可以从用户的终端中的短信、备忘录、存储的文件等中爬取。

对于短信，例如，用户的短信中出现“你男朋友什么时候过来？”，可以确定用户信息中的用户的静态特征信息的性别一项为女。

对于备忘录，例如，用户的备忘录中出现“6月3日-6月7日去桂林旅游”，今天是6月4日，可以确定用户的当前行为信息是用户正在旅游。

对于存储的文件，例如，存储的文件有“历史课笔记”，可以确定用户信息中的用户的阶段状态信息中用户是在上学。

iii-7)在某些特殊情况下，用户信息可以直接获得。

例如，在某一类似应用已经获得了上述用户信息的情况下，可以直接从该类似应用获得。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它获取用户信息的方式，也包含在本发明获取用户信息的范围内。

由于用户的场景信息包括当前的时间信息和用户当前的地点信息的至少一个，时间信息和地点信息如前所述也是包含一些具体的时间信息和地点信息，用户信息也包括用户的静态特征信息、用户的阶段状态信息、用户的当前行为信息中的至少一个，用户的静态特征信息、用户的阶段状态信息、用户的当前行为信息又如前所述分别包含一些具体的信息，最后获取的用户的场景信息和用户信息就可能会包括许多具体的信息，这些具体的信息的个数叫做场景信息+用户信息的维数。例如，时间信息中取(1)星期几、(2)农历的月；地点信息中取(3)用户所在的地理位置、(4)用户所在位置的人口密度；用户信息中取(5)性别、(6)出生日期、(7)民族、(8)用户是上学、上班还是退休、(9)用户正从事的超出一天的行为、(10)用户正从事的一天以内的行为，则场景信息+用户信息的维数为10。(1)-(10)中的每一个叫做一维。

第二获取单元404获取候选推荐项目的适用场景信息和适用用户信息。

候选推荐项目是指作为候选为用户推荐的信息、物品、服务等。在某一时刻，候选推荐项目在推荐装置端可能对所有的用户是相同的，例如推荐装置端有4000个信息、4000个物品、2000项服务，因此对所有用户都有10000个候选推荐项目。但是，由于每个用户具体的场景信息和用户信息不同，推荐给每个用户的最终推荐的项目可能又是不同的。例如，考虑了用户A的场景信息和用户信息，可能最终给用户A推荐了5个项目；考虑了用户B的场景信息和用户信息，可能最终给用户B推荐了8个项目。

当然，也有另一种做法，就是将所有候选推荐项目都向所有用户推荐，但推荐项目的显示位置不同，这样，尽管每个用户都能接受到所有候选推荐项目，但基于每个用户各自的场景信息和用户信息，确定每个候选推荐项目对于该用户来说的推荐强烈度，对每个用户按照各候选推荐项目的推荐强烈度给各候选推荐项目排序，这样用户最先看到的仍然是哪些强烈推荐给其的候选推荐条目。

适用场景信息是该候选推荐项目所适用的时间、地点等场景有关的信息。适用场景信息的选取与用户的场景信息的选取是相适应的。例如，前述例子中，时间信息中取(1)星期几、(2)农历的月；地点信息中取(3)用户所在的地理位置、(4)用户所在位置的人口密度。相应地，适用场景信息取(1’)候选推荐项目所适用的星期几、(2’)候选推荐项目所适用的农历的月；地点信息中取(3’)候选推荐项目所适用的用户所在的地理位置、(4’)候选推荐项目所适用的用户所在位置的人口密度。

适用用户信息是该候选推荐项目所适用的与用户本身相关的个人信息。适用用户信息的选取与用户的用户信息的选取是相适应的。例如，前述例子中，用户信息中取(5)性别、(6)出生日期、(7)民族、(8)用户是上学、上班还是退休、(9)用户正从事的超出一天的行为、(10)用户正从事的一天以内的行为。相应地，适用用户信息取(5’)候选推荐项目所适用的用户的性别、(6’)候选推荐项目所适用的用户的出生日期、(7’)候选推荐项目所适用的用户的民族、(8’)候选推荐项目所适用的用户是上学、上班还是退休、(9’)候选推荐项目所适用的用户正从事的超出一天的行为、(10’)候选推荐项目所适用的用户正从事的一天以内的行为。

适用场景信息和/或适用用户信息可以通过以下方式中的至少一个获取：

i)直接从存储库中获取。例如，事先将各候选推荐项目的适用场景信息和/或适用用户信息规定好存储在存储库中，因此可以直接从存储库中获取。

ii)在某些特殊情况下直接从其它应用获取。例如，在某一类似应用已经获得了上述适用场景信息和/或适用用户信息的情况下，可以直接从该类似应用获得。

iii)将历史上选择了该候选推荐项目的用户的场景信息的统计结果作为适用场景信息，和/或将历史上选择了该候选推荐项目的用户信息的统计结果作为适用用户信息。

历史上选择了该候选推荐项目的用户是，在向使用本发明功能相关的应用的所有用户推荐了该候选推荐项目后，点击该候选推荐项目的链接、浏览该链接打开后的页面、在该链接打开后的页面停留一段时间或对该候选推荐项目作出最终选择的用户，最终选择的含义如前所述。

这种统计结果对于其中某一维来说，可以通过以下中至少一项得出：

——对历史上选择了该候选推荐项目的用户的场景信息和/或用户信息的某一特定维投票。例如，历史上选择了该候选推荐项目的用户有4个，用户的用户信息中有一维是用户的性别。这4个用户有3个人是女，4个人是男，因此可以将女作为这一维的统计结果。

——对历史上选择了该候选推荐项目的用户的场景信息和/或用户信息的某一特定维取平均或加权平均。例如，历史上选择了该候选推荐项目的用户有4个，用户的场景信息中有一维是用户所在位置的商家密度，其分别是4个/公里半径、100个/公里半径、20个/公里半径、0个/公里半径，在取平均的情况下可以将(4+100+20+0)/4＝31(个/公里半径)作为该维的统计结果。当前，也可以采用加权平均，例如这4个用户中有1个用户是今天作出选择的，其余3个都是上个月作出选择的，可以给那个今天作出选择的用户更高的权重后进行求平均。

——将历史上选择了该候选推荐项目的用户的场景信息和/或用户信息的某一特定维统计所得的统计图作为该维的统计结果。例如，历史上选择了该候选推荐项目的用户有4个，用户的用户信息中有一维是用户的性别。这4个用户有3个人是女，4个人是男，则将这4个用户的性别分布的统计直方图或统计饼图等作为该维的统计结果。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它获得历史上选择了该候选推荐项目的用户的场景信息的统计结果的方式，也包含在本发明获得历史上选择了该候选推荐项目的用户的场景信息的统计结果的范围内。

另外，虽然上述仅举了三种获取候选推荐项目的适用场景信息和/或适用用户信息的方式，其它获取候选推荐项目的适用场景信息和/或适用用户信息的方式也应包含在本发明获取候选推荐项目的适用场景信息和适用用户信息的范围内。

第一确定单元406基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定是否向用户推荐该候选推荐项目。具体地：

i)将用户的场景信息和用户信息与候选推荐项目的适用场景信息和适用用户信息进行比较，从而获得匹配信息。

匹配信息是指表示用户的场景信息和用户信息、与候选推荐项目的适用场景信息和适用用户信息的匹配程度的信息，可以包括但不限于以下中的至少一项：

——匹配分数

——匹配等级

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它除匹配分数和匹配等级之外的匹配信息，也包含在本发明匹配信息的范围内。

获得匹配信息可以通过以下中的至少一项进行：

i-1)获得用户的场景信息和用户信息中的每一维与候选推荐项目的适用场景信息和适用用户信息的相应维的匹配分数和/或匹配等级，再求所有维的匹配分数和/或匹配等级的统计值。

——对于用户的场景信息和用户信息中的某一维是字符串变量、候选推荐项目的适用场景信息和适用用户信息的相应维也是字符串变量的情况，根据字符串变量之间是否完全一样、字符串之间的含义相似度、或字符串的实际距离确定匹配分数和/或匹配等级。

对于根据字符串变量之间是否完全一样来确定匹配分数和/或匹配等级的情况，例如，如果用户的用户信息中性别一项是女，候选推荐项目的适用性别一项也是女，则匹配分数为5或匹配等级为一级。如果用户的用户信息中性别一项是男，候选推荐项目的适用性别一项也是女，则匹配分数为0或匹配等级为五级。字符串变量完全一样/不一样的匹配分数和/或匹配等级的对应关系是预先确定的。

对于根据字符串之间的含义相似度来确定匹配分数和/或匹配等级的情况，例如，如果用户的用户信息中专业一项是电子工程，候选推荐项目的适用专业一项是通信工程，两者已经非常接近了，匹配分数为4或匹配等级为二级。如果用户的用户信息中专业一项和候选推荐项目的适用专业一项都是通信工程，匹配分数为5或匹配等级为一级。

对于根据字符串的实际距离来确定匹配分数和/或匹配等级的情况，例如，如果用户的场景信息中用户所在的地理位置是中关村海龙大厦，候选推荐项目的适用地理位置一项是北京大学，两者的实际距离已经非常接近了，匹配分数为4或匹配等级为二级。如果用户的场景信息中用户所在的地理位置一项和候选推荐项目的适用地理位置一项都是北京大学，匹配分数为5或匹配等级为一级。

——对于用户的场景信息和用户信息中的某一维是数值变量、候选推荐项目的适用场景信息和适用用户信息的相应维也是数值变量的情况，可以将数值变量归一化，按照归一化后数值变量的差确定匹配分数或匹配等级。

例如，如果用户的场景信息中用户所在位置的商图密度是75个/公里半径，最大可能的商图密度是100个/公里半径，候选推荐项目的适用商图密度是80个/公里半径，则用户的场景信息中用户所在位置的商图密度归一化后为0.75，候选推荐项目的适用商图密度归一化后为0.8，两者的差为0.05，非常接近，匹配分数为4或匹配等级为二级。该归一化数值变量的差与匹配分数或匹配等级的对应关系例如通过查表进行。

——对于候选推荐项目的适用场景信息和适用用户信息的相应维是统计图，例如统计直方图或统计饼图的情况，可以通过确定用户的场景信息和用户信息中的该维在统计图中的不同区间来确定匹配分数或匹配等级。不同区间与匹配分数或匹配等级的对应关系例如通过查表进行。

所有维的匹配分数和/或匹配等级的统计值包括但不限于以下中的至少一项：

——所有维的匹配分数和/或匹配等级的平均值；

——所有维的匹配分数和/或匹配等级的加权平均值；

——所有维的匹配分数和/或匹配等级的和；

——所有维的匹配分数和/或匹配等级的加权和；

——所有维的匹配分数和/或匹配等级的平方和；

——所有维的匹配分数和/或匹配等级的加权平方和。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它除上述六种情况的统计值，也包含在本发明统计值的范围内。

i-2)先针对用户的场景信息和用户信息中的某特定一维与候选推荐项目的适用场景信息和适用用户信息的相应维，求其匹配分数和/或匹配等级，再基于用户的场景信息和用户信息中的其它维与候选推荐项目的适用场景信息和适用用户信息的其它维的差异，调整该匹配分数和/或匹配等级。

例如，所有场景信息和用户信息中，认为用户所在位置的商图密度最重要，则先针对用户的用户所在位置的商图密度和候选推荐项目的适用用户所在位置的商图密度按照上述的方式确定匹配分数和/或匹配等级。在此基础上，例如，用户的性别与候选推荐项目的性别一致，通过查表可知此时可以将匹配分数加5分和/或将匹配等级加一级。对于用户的场景信息和用户信息中的其它维、候选推荐项目的适用场景信息和适用用户信息的相应维，也按照此方法来调整最终的匹配分数和/或匹配等级。

虽然以上给出了两种获得匹配信息的方法，本领域技术人员应当理解，其它获得匹配信息的方法，也应落在本发明获得匹配信息的保护范围之内。

ii)基于该匹配信息确定是否向用户推荐该候选推荐项目。具体方式包括但不限于以下中的至少一项：

ii-1)设定匹配分数和/或匹配等级的阈值。当获得的匹配分数和/或匹配等级满足该阈值(匹配分数大于等于匹配分数的阈值、匹配等级数小于等于匹配等级数的阈值)时，确定向用户推荐该候选推荐项目。

ii-2)取匹配分数最高的前m名和/或匹配等级数最小的前n名，m、n为正整数作为向用户推荐的候选推荐项目。

ii-3)如前所述，也可以将全部候选推荐项目向用户推荐，但结合图3、4所示，在后续的确定该候选推荐项目的显示位置的过程中，可以将匹配分数越高的或匹配等级数越小的候选推荐项目显示在越前面。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它除上述三种情况的基于该匹配信息确定是否向用户推荐该候选推荐项目的方法，也包含在本发明基于该匹配信息确定是否向用户推荐该候选推荐项目的范围内。

图6是根据本发明另一个实施例的向用户推荐项目的装置4的框图。与图5所示的装置4相比，该装置还包括第三获取单元408、第四获取单元410。另外，第一确定单元406还包括确定子单元4062，该确定子单元4062基于用户的场景信息、用户信息和属性兴趣信息、候选推荐项目的适用场景信息、适用用户信息、属性信息，确定是否向用户推荐该候选推荐项目。

第三获取单元408获取该候选推荐项目的属性信息。

属性信息是指与项目的属性相关的信息，包括但不限于：

——名称。例如，当项目是天气预报时，名称＝“天气预报”；当项目是打印机时，名称＝“打印机”。

——描述。一般是从项目的说明中提取若干关键词，例如对于某款手机，提取关键词“4G”、“双卡双待”、“高清摄像”等，组成该手机的描述。

——源。对于信息来说，源是信息的发布者。对于物品来说，源是物品的生产厂家。对于服务来说，源是服务的提供者。

——历史最终选择总次数。例如，对于某款手机，推荐装置统计，自从向用户推荐该款手机后，被推荐的所有用户共最终购买181次，则历史最终选择总次数为181。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它与项目的属性相关的信息，也包含在本发明属性信息的保护范围内。

第四获取单元410获取用户的属性兴趣信息。

属性兴趣信息是反映了用户历史上曾对具有什么样的属性的候选推荐项目产生过兴趣的信息。产生过兴趣包括但不限于点击、浏览、停留、最终选择中的至少一项。具体地：

ii)获取用户历史上选择各候选推荐项目的属性信息。

例如，自从用户使用与本发明功能相关的应用后，历史上有过4次当接收到候选推荐项目后对某一候选推荐项目产生兴趣的表示，包括点击、浏览、停留和最终选择中的至少一项。获取这4次产生兴趣的表示每次针对的候选推荐项目的属性信息。

ii)统计用户历史上选择各候选推荐项目的属性信息，以得到用户的属性兴趣信息。选择包括点击、浏览、停留和最终选择中的至少一项。

对于属性兴趣信息的每一维，具体可以通过下述方式中的至少一项产生：

——将该用户历史上选择的各候选推荐项目的相应维属性信息求并集，作为用户的属性兴趣信息这一维的属性兴趣信息。例如，用户历史上选择过4次候选推荐项目。这4次的候选推荐项目的名称分别是“打印机”、“计算机”、“手机”、“打印机”，则用户的属性兴趣信息的名称兴趣一项是“打印机、计算机、手机”。

——统计该用户历史上选择的各候选推荐项目的相应维属性信息中出现频率较高的关键词，作为用户的属性兴趣信息这一维的属性兴趣信息。频率较高包括但不限于频率大于等于预定阈值和/或频率从高到低排名前p位，其中p为正整数。例如，用户历史上选择过4次候选推荐项目。这4次的候选推荐项目的描述分别是“省电、速度快”、“速度快、便宜”、“4G、省流量、速度快、省电”、“省电、速度快”，其中“速度快”出现了4次，省电出现了3次，频率阈值为3，则将“省电、速度快”作为用户的属性兴趣信息的描述兴趣一项。

——对该用户历史上选择的各候选推荐项目的相应维属性信息取平均或加权平均。例如，用户历史上选择过4次候选推荐项目。这4次的候选推荐项目的历史最终选择总次数分别是10、8、6、4，则用户的属性兴趣信息的历史最终选择总次数兴趣一项是(10+8+6+4)/4＝7。

——将该用户历史上选择的各候选推荐项目的相应维属性信息统计所得的统计图作为该维的统计结果。例如，用户历史上选择过4次候选推荐项目。这4次的候选推荐项目的名称分别是“打印机”、“计算机”、“手机”、“打印机”，则将这4个名称的统计直方图或统计饼图等作为该维的统计结果。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它产生属性兴趣信息的每一维的方法，也包含在本发明属性兴趣信息的每一维的保护范围内。

确定子单元4062被配置为：

i)将用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息进行比较，从而获得匹配信息。

获得用户的属性兴趣信息中的每一维与候选推荐项目的属性信息的相应维的匹配分数和/或匹配等级可以通过下列中的至少一项进行：

——对于将该用户历史上选择的各候选推荐项目的相应维属性信息求并集，作为用户的属性兴趣信息相应维的属性兴趣信息的情况，如果候选推荐项目的属性信息的相应维是否是用户的属性兴趣信息相应维的子集来确定匹配分数和/或匹配等级。

例如，如果候选推荐项目的名称是“打印机”，用户的属性兴趣信息中的名称兴趣一项是“打印机、计算机、手机”，则匹配分数为5或匹配等级为一级。如果候选推荐项目的名称是“帽子”，用户的属性兴趣信息中的名称兴趣一项是“打印机、计算机、手机”，则匹配分数为0或匹配等级为五级。是子集/非子集与匹配分数和/或匹配等级的对应关系是预先确定的。

——对于统计该用户历史上选择的各候选推荐项目的相应维属性信息中出现频率较高的关键词，作为用户的属性兴趣信息这一维的属性兴趣信息的情况，根据候选推荐项目的属性信息的相应维与用户的属性兴趣信息相应维的相似度来确定匹配分数和/或匹配等级。

例如，候选推荐项目的描述这一维是“速度快、便宜”，用户的属性兴趣信息的描述兴趣这一维是“省电、速度快”，经计算，二者的相似度为50％(字符串相似度的计算是已有方法)，查表得出匹配分数为3或匹配等级为三级。

——对于对该用户历史上选择的各候选推荐项目的相应维属性信息取平均或加权平均的情况，可以将候选推荐项目的属性信息的相应维和用户的属性兴趣信息的相应维归一化，按照归一化后数值变量的差确定匹配分数或匹配等级。

例如，候选推荐项目的历史最终选择总次数是4，用户的属性兴趣信息的历史最终选择总次数兴趣一项是7，所有候选推荐项目的历史最终选择总次数最高者为10，则候选推荐项目的历史最终选择总次数归一化后得到0.4，用户的属性兴趣信息的历史最终选择总次数兴趣归一化后得到0.7，两者的差为0.3。按照该差，查表得到匹配分数为4或匹配等级为二级。

——对于将该用户历史上选择的各候选推荐项目的相应维属性信息统计所得的统计图作为该维的统计结果的情况，可以通过确定该候选推荐项目的相应维在该统计图上的不同区间，再查找不同区间与匹配分数或匹配等级的对应关系表来确定。

以上只是示出了获得用户的属性兴趣信息中的每一维与候选推荐项目的属性信息的相应维的匹配分数和/或匹配等级的例子，并不是对本发明的限制。任何获得用户的属性兴趣信息中的每一维与候选推荐项目的属性信息的相应维的匹配分数和/或匹配等级的方法，都包括在本发明获得用户的属性兴趣信息中的每一维与候选推荐项目的属性信息的相应维的匹配分数和/或匹配等级的保护范围内。

获得用户的属性兴趣信息中的每一维与候选推荐项目的属性信息的相应维的匹配分数和/或匹配等级后，由于用户的场景信息、用户信息的相应维与候选推荐项目的适用场景信息、适用用户信息的相应维的匹配分数和/或匹配等级在结合图5的描述中已经讨论过，则可以根据每一维的匹配分数和/或匹配等级获得总匹配信息，其具体方法与前述基于用户的场景信息、用户信息、候选推荐项目的适用场景信息、适用用户信息获得匹配信息的方法类似，包括但不限于：

——对用户的场景信息、用户信息、属性兴趣信息中的所有维与候选推荐项目的适用场景信息、适用用户信息、属性信息的相应维的匹配分数和/或匹配等级求统计值。统计值包括但不限于平均值、加权平均值、和、加权和等中的至少一项。

——先针对用户的场景信息、用户信息、属性兴趣信息中的某特定一维与候选推荐项目的适用场景信息、适用用户信息、属性信息的相应维，求其匹配分数和/或匹配等级，再基于用户的场景信息、用户信息、属性兴趣信息中的其它维与候选推荐项目的适用场景信息、适用用户信息、属性信息的其它维的差异，调整该匹配分数和/或匹配等级。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它获得匹配信息的方法，也包含在本发明获得匹配信息的保护范围内。

ii)基于该匹配信息确定是否向用户推荐该候选推荐项目。

这一过程与结合图5所述的相应过程基本上是一致的。

图7是根据本发明另一个实施例的向用户推荐项目的装置4的框图。与图5的框图相比，它增加了第二确定单元412，被配置为如果确定向用户推荐该候选推荐项目，基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定该候选推荐项目的显示位置。

具体地说，可以通过以下的至少一种方式实现：

——将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的显示在越前面。

——将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的显示在越前面。

——将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。

——将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它确定该候选推荐项目的显示位置的方法，也包含在本发明确定该候选推荐项目的显示位置的保护范围内。

图8是根据本发明另一个实施例的向用户推荐项目的装置4的框图。与图6的框图相比，它增加了第三确定单元412’，被配置为如果确定向用户推荐该候选推荐项目，基于用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息，确定该候选推荐项目的显示位置。

具体地说，可以通过以下的至少一种方式实现：

——将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的显示在越前面。

——将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的显示在越前面。

——将所有确定向用户推荐的候选推荐项目按照匹配分数排序，匹配分数越高的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。

——将所有确定向用户推荐的候选推荐项目按照匹配等级数排序，匹配等级数越低的越加重显示，加重显示包括但不限于加大字体、提高字体的黑度、变换字体的颜色中的至少一项。

应当注意，上述举例仅是为了更好地说明本发明的技术方案，而非对本发明的限制。本领域技术人员应当理解，其它确定该候选推荐项目的显示位置的方法，也包含在本发明确定该候选推荐项目的显示位置的保护范围内。

所属技术领域的技术人员知道，本发明可以实现为设备、装置、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：可以是完全的硬件，也可以是完全的软件，还可以是硬件和软件结合的形式。

附图中的流程图和框图显示了根据本发明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、程序段或代码的一部分，所述模块、程序段或代码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。也应当注意，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操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。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (21)

1.一种机器实现的向用户推荐项目的方法，包括：

获取用户的场景信息和用户信息；

获取候选推荐项目的适用场景信息和适用用户信息；

基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定是否向用户推荐该候选推荐项目。

2.根据权利要求1的方法，其中所述场景信息包括以下中的至少一项：

当前的时间信息；

用户当前的地点信息。

3.根据权利要求1的方法，其中所述用户信息包括以下中的至少一项：

用户的静态特征信息；

用户的阶段状态信息；

用户的当前行为信息。

4.根据权利要求1的方法，其中所述适用场景信息是历史上选择了该候选推荐项目的用户的场景信息的统计结果，和/或所述适用用户信息是从历史上选择了该候选推荐项目的用户的用户信息的统计结果。

5.根据权利要求1的方法，其中确定是否向用户推荐该候选推荐项目包括：

将用户的场景信息和用户信息与候选推荐项目的适用场景信息和适用用户信息进行比较，从而获得匹配信息；

基于该匹配信息确定是否向用户推荐该候选推荐项目。

6.根据权利要求1的方法，还包括：

获取该候选推荐项目的属性信息；

获取用户的属性兴趣信息，

且确定是否向用户推荐该候选推荐项目还包括：

基于用户的场景信息、用户信息和属性兴趣信息、候选推荐项目的适用场景信息、适用用户信息、属性信息，确定是否向用户推荐该候选推荐项目。

7.根据权利要求6的方法，其中获取用户的属性兴趣信息包括：

获取用户历史上选择各候选推荐项目的属性信息；

统计用户历史上选择各候选推荐项目的属性信息，以得到用户的属性兴趣信息。

8.根据权利要求6的方法，其中基于用户的场景信息、用户信息和属性兴趣信息、候选推荐项目的适用场景信息、适用用户信息、属性信息确定是否向用户推荐该候选推荐项目包括：

将用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息进行比较，从而获得匹配信息；

基于该匹配信息确定是否向用户推荐该候选推荐项目。

9.根据权利要求1的方法，还包括：

如果确定向用户推荐该候选推荐项目，基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定该候选推荐项目的显示位置。

10.根据权利要求6的方法，还包括：

如果确定向用户推荐该候选推荐项目，基于用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息，确定该候选推荐项目的显示位置。

11.一种向用户推荐项目的装置，包括：

第一获取单元，被配置为获取用户的场景信息和用户信息；

第二获取单元，被配置为获取候选推荐项目的适用场景信息和适用用户信息；

第一确定单元，被配置为基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定是否向用户推荐该候选推荐项目。

12.根据权利要求11的装置，其中所述场景信息包括以下中的至少一项：

当前的时间信息；

用户当前的地点信息。

13.根据权利要求11的装置，其中所述用户信息包括以下中的至少一项：

用户的静态特征信息；

用户的阶段状态信息；

用户的当前行为信息。

14.根据权利要求11的装置，其中所述适用场景信息是历史上选择了该候选推荐项目的用户的场景信息的统计结果，和/或所述适用用户信息是从历史上选择了该候选推荐项目的用户的用户信息的统计结果。

15.根据权利要求11的装置，其中第一确定单元被配置为：

将用户的场景信息和用户信息与候选推荐项目的适用场景信息和适用用户信息进行比较，从而获得匹配信息；

基于该匹配信息确定是否向用户推荐该候选推荐项目。

16.根据权利要求11的装置，还包括：

第三获取单元，被配置为获取该候选推荐项目的属性信息；

第四获取单元，被配置为获取用户的属性兴趣信息，

且第一确定单元包括确定子单元，确定子单元被配置为：基于用户的场景信息、用户信息和属性兴趣信息、候选推荐项目的适用场景信息、适用用户信息、属性信息，确定是否向用户推荐该候选推荐项目。

17.根据权利要求16的装置，其中第四获取单元被配置为：

获取用户历史上选择各候选推荐项目的属性信息；

统计用户历史上选择各候选推荐项目的属性信息，以得到用户的属性兴趣信息。

18.根据权利要求16的装置，其中确定子单元被配置为：

将用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息进行比较，从而获得匹配信息；

基于该匹配信息确定是否向用户推荐该候选推荐项目。

19.根据权利要求11的装置，还包括：

第二确定单元，被配置为如果确定向用户推荐该候选推荐项目，基于用户的场景信息和用户信息、候选推荐项目的适用场景信息和适用用户信息，确定该候选推荐项目的显示位置。

20.根据权利要求16的装置，还包括：

第三确定单元，被配置为如果确定向用户推荐该候选推荐项目，基于用户的场景信息、用户信息和属性兴趣信息与候选推荐项目的适用场景信息、适用用户信息、属性信息，确定该候选推荐项目的显示位置。

21.一种计算机设备，包括根据权利要求11-20中任一个的向用户推荐项目的装置。