CN106339393B - 信息推送方法及装置 - Google Patents
信息推送方法及装置 Download PDFInfo
- Publication number
- CN106339393B CN106339393B CN201510401539.2A CN201510401539A CN106339393B CN 106339393 B CN106339393 B CN 106339393B CN 201510401539 A CN201510401539 A CN 201510401539A CN 106339393 B CN106339393 B CN 106339393B
- Authority
- CN
- China
- Prior art keywords
- category
- user
- value
- weight value
- preference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种信息推送方法及装置,所述方法包括:确定与用户在客户端上的第一操作行为对应的第一类目;根据所述第一类目,调整所述用户对于类目集合中类目的偏好权重值;其中,所述类目集合至少包含所述第一类目,所述偏好权重值表征所述用户对类目的偏好程度;根据调整后的偏好权重值,向客户端推荐信息。本申请实施例提升确定的用户个性化信息的准确性,进而提升向客户端推送推荐信息的准确性。
Description
技术领域
本申请涉及互联网信息处理技术领域,尤其涉及一种信息推送方法及装置。
背景技术
随着互联网信息技术的普及,人们可以通过互联网快速获取各种信息及资源。
目前,互联网的运营商可以统计互联网用户在互联网中的历史行为数据以及历史行为数据对应的用户访问对象,并以历史行为数据对应的用户访问对象作为互联网用户的个性化信息,以实现在特定场景下(如用户再次进行与历史行为数据对应的行为相同的行为时),向互联网用户推送与该用户访问对象相关联的推荐信息。其中,这里所说的与用户访问对象相关联的推荐信息,比如可以是与该用户访问对象类别相同的推荐信息。
其中,这里所说的历史行为数据,比如可以是“购买”或“收藏”等历史行为的数据;历史行为数据对应的用户访问对象,比如可以是“购买”或“收藏”等历史行为所对应的“商品”;与用户访问对象相关联的推荐信息,比如可以是该“商品”所属类别中其他商品的信息。
由于互联网用户的个性化信息是进行推荐信息推送的重要依据,因此个性化信息的可靠程度也直接影响到推荐信息推送的准确性。
如上所述,现有技术中,作为推荐信息推送依据的个性化信息,主要是历史行为数据对应的用户访问对象。由于这一信息的获取,相对于互联网用户当前的行为存在较大的滞后,即该个性化信息往往代表的是该互联网用户在过去一段时间内的喜好,而该喜好在很大程度上可能与该互联网用户当前的喜好不符。
鉴于上述原因,现有技术中确定的互联网用户的个性化信息准确性不高,从而影响互联网中推荐信息推送的准确性。
发明内容
本申请实施例提供一种信息推送方法,用以解决现有技术中确定的互联网用户的个性化信息准确性不高,影响互联网中推荐信息推送的准确性的问题。
本申请实施例提供一种信息推送装置,用以解决现有技术中确定的互联网用户的个性化信息准确性不高,影响互联网中推荐信息推送的准确性的问题。
本申请实施例所提供的一种信息推送方法,包括:
确定与用户在客户端上的第一操作行为对应的第一类目;
根据所述第一类目,调整所述用户对于类目集合中类目的偏好权重值;其中,所述类目集合至少包含所述第一类目,所述偏好权重值表征所述用户对类目的偏好程度;
根据调整后的偏好权重值,向所述客户端推送推荐信息。
本申请实施例所提供的一种信息推送装置,包括:
第一确定模块,用于确定与用户在客户端上的第一操作行为对应的第一类目;
调整模块,用于根据所述第一类目,调整所述用户对于类目集合中类目的偏好权重值;其中,所述类目集合至少包含所述第一类目,所述偏好权重值表征所述用户对类目的偏好程度;
推送模块,用于根据调整后的偏好权重值,向所述客户端推送推荐信息。本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
本申请实施例由于可以根据用户行为,实时调整用户对于类目集合中类目的偏好权重值,从而使得类目集合中各类目的偏好权重值与该用户在当前时刻的偏好相符,从而提升确定的用户个性化信息(偏好权重值)的准确性,进而提升向客户端推送推荐信息的准确性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请第一实施例提供的信息推送方法的过程;
图2为本申请第二实施例提供的信息推送方法的过程;
图3为本申请第二实施例提供的信息推送方法中确定调整参数的值的具体过程;
图4为本申请第二实施例提供的信息推送方法中调整该用户对于类目集合中类目的偏好权重值的具体过程;
图5为本申请一实施例提供的信息推送装置的模块图;
图6为本申请另一实施例提供的信息推送装置的模块图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本文将以互联网网站为例来介绍本申请的技术方案。该互联网网站可以是电商网站、门户网站等。可以理解,以互联网网站为例来介绍本申请的技术方案仅仅是一种示例性的说明,并不构成对于本申请实施例提供的方法的适用场景的限制。
图1为本申请第一实施例提供的信息推送方法的过程,包括如下步骤:
S101:确定与用户在客户端上的操作行为对应的第一类目。
为与后文所说的一些操作行为相区分,本申请实施例将这里所说的操作行为,称为第一操作行为。
若互联网网站是电商网站,则该客户端可以是对应于该电商网网站的客户端,从而用户通过该客户端,可以访问互联网网站的服务器端上的信息,如商品信息、订单信息等,该服务器端可以实时监测用户在互联网上的各种操作行为。
为便于用户获取网站信息,互联网网站上往往可以将信息进行多级类目的划分。电商网站上包括各类商品信息,将上述各类商品信息按照类别进行多级类目的划分,如表一所示:第一级类目包括食品、服装、家具、电器等,在第二级类目下,对上述第一级类目作进一步地划分,在第三级类目下,对上述第二级类目作进一步划分。表一中的类目级级相承,形成一个树状结构,商品信息被归类到该树状结构的各个叶子节点(也称作叶子类目)下。同一个叶子类目下的商品为同一类商品,具有一定的相关性。
表一:
为了实现对后文所说的偏好权重值进行及时的调整,本申请实施例中,所述的用户在客户端上的第一操作行为,可以是服务器端实时监测到的、用户在互联网上的第一操作行为。
用户在访问以上互联网网站的过程中,会产生各种操作行为,如:点击某个类目,查看某个类目下的商品信息,将某种商品加入到购物车中或购买某商品等。其中,用户可以通过客户端上安装的浏览器访问互联网网站、或通过终端上安装的该互联网网站的应用(Application,APP)来访问互联网网站,上述终端包括手机、平板电脑、个人数字助理(Personal Digital Assistant,PDA)等。
本申请实施例中,互联网网站的服务器会实时地监控用户访问以上互联网网站的操作行为,在此过程中,若服务器监控到用户在互联网网站上发生了某操作行为(为便于描述,可将该操作行为作为第一操作行为)时,确定该第一操作行为对应的第一类目。继续以电商网站为例,若在某个时刻,若服务器所监控的第一操作行为至少包括如下之一:用户浏览某商品的行为、用户收藏某商品的行为、用户将某商品加入到购物车的行为、用户对某商品执行付款动作的行为,则实时地确定被监控到的第一操作行为对应的第一类目,如:用户在某个时刻浏览了某个洗衣机产品,则确定到该浏览行为对应的第一类目是家电和电器。其中,家电是该洗衣机产品的第二级类目,电器是该洗衣机产品的第一级类目。
S102:根据通过执行步骤S101确定的所述第一类目,调整所述用户对于类目集合中类目的偏好权重值。
其中,所述类目集合至少包含所述第一操作行为对应的第一类目,所述偏好权重值表征所述用户对类目的偏好程度。
继续以电商网站为例,电商网站的类目集合中包括该网站所划分的所有类目,在上述表一中,若将电商网站上产品信息划分成三级类目,则上述类目集合包括所划分的三级类目。
本实施例中,在实时监控到用户某个第一操作行为之前,上述类目集合中的各个类目均与一个偏好权重值Wt-1相对应,在没有监控到第一操作行为前,各个类目的偏好权重值Wt-1保持不变,一旦监控到第一操作行为,则对各个类目的偏好权重值Wt-1作相应调整,得到调整后的偏好权重值Wt。其中,偏好权重值表征用户对类目的偏好程度,本实施例中,若某个类目的偏好权重值越大,则表明用户对该类目的偏好程度越高,反之,则表明用户对该类目的偏好程度越低。关于如何确定各个类目的偏好权重值Wt-1、及如何对偏好权重值Wt-1进行调整的具体过程,将在下文进行详细叙述。
S103:根据调整后的、所述用户对于类目集合中类目的偏好权重值,向所述客户端推送推荐信息。
基于实时调整后的用户对类目集合中各个类目的偏好权重值Wt,可以确定用户在当前时刻在该互联网网站上的至少一个偏好类目。
在本申请一实施例中,上述步骤S103具体包括如下步骤:
首先,将调整后的所述用户对于所述类目集合中类目的偏好权重值从大到小进行排序。随后,从所述类目集合中选取偏好权重值排序位于前列的至少一个类目,并将选取的类目确定为所述用户的偏好类目。举例而言,将排序后位于前30名的类目确定为用户在当前时刻的偏好类目。最终,获取与所述用户的偏好类目对应的推荐信息并向所述客户端推送。
当然,如本领域普通技术人员可以想到的,在替换实施例中,确定用户偏好的类目的过程也可以是:预先设定相应的阈值或阈值区间,分别判断调整后的各类目的偏好权重值是否大于所述阈值或处于所述阈值区间内,并将调整后的各类目的偏好权重值大于所述阈值或处于所述阈值区间内的类目确定为用户在当前时刻的偏好类目。
服务器端在根据实时监测的用户的操作行为,实时计算得到用户对于类目集合中各个类目的实时的偏好权重值后,便可以依据用户在当前时刻对各个类目的偏好权重值,确定用户实际的个性化信息(即偏好类目),从而从预先的推荐信息库中匹配到与该用户的偏好类目对应的推荐信息。该推荐信息可以是用户可能购买的商品信息、用户可能感兴趣的链接、用户可能感兴趣的促销信息、或其他类似的推广内容。最终,服务器端便可以实时将匹配到的推荐信息推送到用户当前通过客户端访问的互联网网站页面上。
在本申请其他可行的实施例中,服务器端可以根据调整后的用户对于各个类目的偏好权重值,确定相应的推荐信息的推送次序。比如:服务器按照偏好权重值从大到小的排序,确定相应的推荐信息的推送次序,从而将偏好权重值最大的类目所对应的推荐信息最先推送到客户端上。
图2为本申请第二实施例提供的信息推送方法的过程,包括:
S201:确定用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值。
所述调整参数的值表征所述偏好权重值的调整幅度。
本申请实施例中,步骤S201可以具体包括如下步骤:
根据所述用户在所述第一操作行为发生前的第一预定时间段内的第一历史行为数据,确定所述用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值。其中,这里所说的第一历史行为数据,可以是具备某种预定特征的历史行为数据,比如可以是“购买商品”这一历史行为数据。
本申请实施例依据预先设置的调整参数p的值来对偏好权重值Wt-1进行调整。所述调整参数的值可以是介于0到1之间的数值。服务器可以记录用户在互联网网站上的历史行为数据,并存储于历史行为数据库中。其中,以上第一历史行为数据可以是用户在第一操作行为发生前的第一预定时间段(比如7天)内的行为数据。上述调整参数p的值表征上述偏好权重值Wt-1的调整幅度。当然,在一些可以的实施例中,调整参数p的值可以是一个人为设定的合理数值。
图3为本申请第二实施例提供的信息推送方法中确定调整参数的值的具体过程,具体包括:
S2011:基于所述用户在所述第一操作行为发生前的第一预定时间段内的第一历史行为数据进行模拟训练,获得类目集合中各类目对应的以所述调整参数为自变量的偏好权重值函数。
利用第一历史行为数据来模拟用户在电商网站上的行为,其模拟过程如下:每当有新的第一操作行为发生时,对该用户对各个类目原有的偏好权重值进行更新,若用公式表达,则:
若一次第一操作行为发生后,该第一操作行为对应的类目的偏好权重值为:
Ws=Ws-1p+(1-p);
而该第一操作行为对应的第一类目外的第二类目(即没有发生第一操作行为的类目)的偏好权重值为:
Ws=Ws-1p;
其中,Ws-1表示某类目的更新前的偏好权重值,Ws表示某类目的更新后的偏好权重值。
假设在一次会话数据中,用户共进行了m次操作行为,那么在m次操作行为发生后,任一类目的偏好权重值的计算方式,可以参考如下的偏好权重值函数/公式:
本申请实施例中,在监控到用户的第一操作行为后,首先从历史行为数据库中获取该用户最近一次有购买行为的会话数据(即上述第一历史行为数据),该会话数据可以是用户在第一时间段内的历史行为数据,并且该会话数据包括至少一次的购买行为的数据。通过上述包含购买行为的会话数据,确定用户对各个类目的初始权重值W0,如:用户在一次会话数据中操作(浏览、或收藏、或加入购物车、或购买)了4个不同类目的商品,则以上4个类目的初始权重值W0均为0.25。其中,除以上4个类目外,其余的类目的初始权重值W0为零。至此,可以确定得到上述公式中的W0的值。
其中,k为用户操作(浏览、或收藏、或加入购物车、或购买)该类目的行为序号,即,用户对该类目的操作行为为该用户在上述会话数据中的第k次操作行为。举例说明,若用户在上述会话数据中共有4次操作行为,对于类目a而言,以上4次操作行为中的第1次、第3次的操作行为是对该类目a所操作的,则公式中的k的取值是1和3(即公式中的Category)。
S2012:确定所述用户在第一预定时间段内的偏好类目集合和非偏好类目集合。
本申请实施例中,可以将用户在上述第一历史行为数据中购买行为所对应的类目确定为偏好类目集合中的类目,而将用户在上述第一历史行为数据中其他操作行为(除购买行为之外的其他行为)所对应的类目确定为非偏好类目集合中的类目。举例而言,在上述会话数据中,若用户最终购买行为对应的类目是用户偏好的类目,则可以基于上述会话数据,确定偏好类目集合A和非偏好类目集合B,如:用户在会话数据中的购买行为对应于类目a、b,用户在会话数据中其他操作行为(购买行为之外的行为)对应于类目c、d、e,则偏好类目集合A包含类目a、b,非偏好类目集合B包含类目c、d、e。
S2013:根据确定的所述用户在第一预定时间段内的偏好类目集合和非偏好类目集合、及通过模拟训练获得的所述偏好权重值函数,确定以调整参数p为自变量的类目区分函数。
本申请实施例中,对于任意两个类目α、β,若满足α∈A,β∈B,则上述两个类目α、β相对应的偏好权重值应该满足:
Wα>Wβ;
通过上述公式,可以得到类目区分函数f(p):
S2014:确定所述类目区分函数取极大值时的所述调整参数p的值。
其中,kα可以表示该用户在单次会话数据中操作(浏览、或收藏、或加入购物车、或购买)该类目α的行为序号,kβ可以表示该用户在单次会话数据中操作(浏览、或收藏、或加入购物车、或购买)该类目β的行为序号。
在本申请实施例中,若p的次数较高,则对上述类目区分函数f(p)求极大值的过程,可能会耗费较多的计算资源,为此,在实际运用过程中,系统预先限定上述p的次数不得超过某个数值,如:2,则可以采取求导方式计算p的值。值得述及的是,本领域普通技术人员可以想到的是,关于如何确定该调整参数p的值的具体过程并不限于以上具体实施例。
至此,可以通过如上过程确定得到调整参数p的值。
S202:确定与监测到的用户在客户端上的第一操作行为对应的第一类目。
可参第一实施例中的步骤S102的具体内容。
S203:根据确定的所述调整参数的值,调整所述用户对于类目集合中的第一类目、第二类目的偏好权重值。其中,所述类目集合至少包含所述第一操作行为对应的第一类目、第二类目,所述第二类目是类目集合中除第一类目之外的类目,所述偏好权重值表征所述用户对类目的偏好程度。
本申请实施例中,确定用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值(步骤S201)之后,根据确定的所述第一类目,调整所述用户对于类目集合中类目的偏好权重值(步骤S203)之前,所述方法还包括:
根据所述用户在所述第一操作行为发生前的第二预定时间段内的第二历史行为数据,确定所述用户对于类目集合的各类目的初始偏好权重值。其中,这里所说的第二历史行为数据,比如可以是前文所说的四种行为中的任何一种或几种行为的数据。这四种行为包括:用户浏览某商品的行为、用户收藏某商品的行为、用户将某商品加入到购物车的行为、用户对某商品执行付款动作的行为。
对于服务器端的实时运行的信息推送装置而言,在首次运行时,需要通过离线分析装置来计算当前用户对于类目集合的各类目的初始偏好权重值,并依据该初始偏好权重值进行后续的实时调整动作。在通过如上过程计算得到该用户的调整参数p的值后,还需确定该用户在上述电商网站上对各个类目初始偏好权重值Wt-1,当然,与上述调整参数p的值类似,用户对电商网站上各个类目初始偏好权重值Wt-1可以人为设定,比如:在用户登陆电商网站时,该用户对该电商网站上各个类目的初始偏好权重值Wt-1全部为零。以下将着重介绍一种根据用户在过去的第二历史行为数据来确定初始偏好权重值Wt-1的方法。
在本申请某些实施例中,上述确定所述用户对于类目集合的各类目的初始偏好权重值Wt-1的过程具体包括:
a)确定所述类目包含的子类目。
以上述表一为例,若所需确定初始偏好权重值Wt-1的类目是第二级类目中的男装,则该第二级类目的子类目即是第三级类目中的休闲及商务。
b)基于所述用户在所述第一操作行为发生前的第二预定时间段内的第二历史行为数据,确定所述用户对于类目集合中各类目包含的子类目的加权和值。
本申请实施例中,以上第二历史行为数据可以是用户过去一周内的行为数据。上述步骤b具体包括:
b1)设定所述第二历史行为数据各行为对应的行为权重值。
举例而言,可以设定用户对于商品或类目的购买行为对应的行为权重值是4,用户对于商品或类目的加入购物车行为对应的行为权重值是3,用户对于商品或类目的收藏行为对应的行为权重值是2,用户对于商品或类目的浏览行为对应的行为权重值是1。
b2)基于所述第二历史行为数据,统计所述用户在预设时间切片内对所述子类目操作各行为的次数。
若预设时间切片是一天,举例而言,统计得到在该天中所述用户对某个子类目(如:休闲)下的商品浏览了5次,收藏了1次,购买了1次。
b3)将所述用户在预设时间切片内对所述子类目操作各行为的次数与该行为对应的行为权重值相乘,得到所述用户在所述预设时间切片内对该子类目的行为权重和值。
继续沿用上述实例,在一天的历史行为数据中,根据该天中对某个子类目进行各种第一操作行为的次数与相应的权重系数,计算得到该子类目在该天中的加权和值W商品,举例说明,假设用户在某天当中对某子类目(如:休闲食品)浏览了5次,收藏了1次,购买了1次,则子类目在该天中的加权和值W商品=5×1+1×2+1×4=11。
b4)将所述用户在所述预设时间切片内对各子类目的行为权重和值进行求和,得到所述用户对于类目集合中各类目包含的子类目的加权和值。
举例而言,对于类目:食品,其包括子类目:果蔬、休闲食品,通过步骤b3得到子类目:果蔬的加权和值W商品=11,子类目:休闲食品的加权和值W商品=18,则可以求和得到用户对该类目:食品在上述时间切片(一天)内的加权和值sum(W商品)=11+18=29。
c)根据确定的所述用户对于类目集合中各类目包含的子类目的加权和值及所述调整参数的值,确定所述用户对于类目集合中各类目的偏好统计值。
若第二历史行为数据是过去一周内的行为数据,则通过如下公式执行7次迭代计算:
W后=W前p+(1-p)·sum(W商品)
其中,W前表示某类目在一周中前一天的偏好权重值,W后表示某类目在一周中后一天的偏好权重值,sum(W商品)用于计算该类目下所有子类目的加权和值W商品之和;其中,W前在一周内的第一天的初始值是零。
d)对所述用户对于类目集合中各类目的偏好统计值作归一化处理,得到所述用户对于类目集合中各类目的初始偏好权重值。
通过上述公式,可以计算得到用户在第二历史行为数据中,对该电商网站上各个类目的初始的偏好权重值Wt-1,之后对计算得到的各个初始的偏好权重值Wt-1进行降序排列,并截取排名前N位(如:前30位)的多个初始偏好权重值Wt-1,作归一化处理,从而得到取值介于0到1之间的多个初始偏好权重值Wt-1。
图4为本申请第二实施例提供的信息推送方法中调整该用户对于类目集合中类目的偏好权重值的具体过程,包括:
S2031:将调整前的所述用户对于所述第一类目的偏好权重值Wt-1与所述调整参数p的值进行第一求积运算,再将所述第一求积运算的结果与增加参数的值进行求和运算;其中,所述增加参数的值是根据所述调整参数的值确定的。
其中,计算调整后的第一操作行为对应的类目的偏好权重值Wt的公式是:
Wt=Wt-1p+(1-p);
S2032:将所述求和运算的结果确定为调整后的所述用户对于所述第一类目的偏好权重值;
S2033:将所述用户对于所述第二类目的偏好权重值与所述调整参数的值进行第二求积运算。
本实施例中,计算调整后的第二类目的偏好权重值Wt的公式是:
Wt=Wt-1p;
S2034:将所述第二求积运算的结果确定为调整后的所述用户对于所述第二类目的偏好权重值。
继续以表一来举例说明,若服务器监控到用户浏览了第三级类目中的休闲,若确定到的调整参数p是0.5,则第一操作行为对应的类目可以是第二级类目的男装,第二类目可以包括:第二级类目的女装及果蔬等,如果得到的该用户在调整前对类目集合中各个类目的偏好权重值如下:
调整前的第二级类目的男装的偏好权重值是:0.3;
调整前的第二级类目的女装的偏好权重值是:0.2;
调整前的第二级类目的果蔬的偏好权重值是:0.1;
......
则执行上述调整动作,得到调整后各个类目的偏好权重值分别是:
调整后的第二级类目的男装的偏好权重值是:0.3*0.5+(1-0.5)=0.65;
调整后的第二级类目的女装的偏好权重值是:0.2*0.5=0.1;
调整后的第二级类目的果蔬的偏好权重值是:0.1*0.5=0.05;
......
所述类目集合包含第一、第二类目,所述第二类目是类目集合中除第一类目之外的类目,调整前的所述用户对于所述第一类目的偏好权重值小于调整后的所述用户对于所述第一类目的偏好权重值,调整前的所述用户对于所述第二类目的偏好权重值大于调整后的所述用户对于所述第二类目的偏好权重值。
值得一提的是,调整偏好权重值的具体公式并不限于上述实施例,本文将不逐一列举,如:计算调整后的第一操作行为对应的类目的偏好权重值Wt的公式是:Wt=Wt-1/p;计算调整后的第二类目的偏好权重值Wt的公式是:Wt=Wt-1p。此外,调整偏好权重值的具体过程可以是:在监控到第一操作行为后,对第一操作行为对应的类目的偏好权重值进行调整,如:Wt=Wt-1p+(1-p),而对第二类目的偏好权重值不作调整,即维持原先值不变;或者,在监控到第一操作行为后,对第一操作行为对应的类目的偏好权重值不作调整,即维持原先值不变,而对第二类目的偏好权重值进行调整,如:Wt=Wt-1p。
另外,在本申请实施例中,调整前的第一操作行为对应的类目的偏好权重值小于调整后的第一操作行为对应的类目的偏好权重值,调整前的第二类目的偏好权重值大于调整后的第二类目的偏好权重值。
然而,在其他替换的实施例中,若预先设定偏好权重值越大,表明用户的偏好程度相应越低,则调整前的第一操作行为对应的类目的偏好权重值,往往大于调整后的第一操作行为对应的类目的偏好权重值,如运用公式:Wt=Wt-1p;类似地,调整前的第二类目的偏好权重值,往往小于调整后的第二类目的偏好权重值,如运用公式:Wt=Wt-1/p。
S204:根据调整后的所述用户对于类目集合中类目的偏好权重值,确定与所述调整后的偏好权重值对应的推荐信息并推送至所述客户端。
可以参照图1的实施例中的步骤S103的相关内容。本申请实施例通过监控用户的操作行为,并在监控到用户的第一操作行为时,确定该第一操作行为对应的类目,之后对类目集合中类目的偏好权重值进行实时地调整,并根据调整后的偏好权重值,确定当前用户偏好的类目。基于以上过程,由于可以支持根据实时监控到的用户的第一操作行为来确定用户偏好的类目,故可以确保确定到的用户偏好的类目与用户的真实偏好相符,从而提升偏好类目确定的准确度,进而避免用户仍然会请求服务器对其需求的类目信息进行搜索,缓解服务器处理资源的耗用。
在本申请实施例中,上述方法的执行主体可以是服务器,也可以是用户终端。在确定到用户实时偏好的类目后,可以先将实时偏好的类目数据存放于用户终端的内存中,并每隔一段时间(如:3s),将内存中存放的实时偏好的类目数据向服务器的硬盘写一次。则在查询用户实时偏好的类目信息时,首先在用户终端的内存进行查询动作,若从用户终端的内存中查询失败,则再从服务器的硬盘中进行查询动作。
本申请实施例中,上述方法中步骤S201:每隔一段时间段(如:一周)执行一次,上述方法中确定所述用户对于类目集合的各类目的初始偏好权重值的步骤只执行一次,上述方法中步骤S101、步骤S102及步骤S103、步骤S202、步骤S203及步骤S204实时执行。
接下来,将基于同样的原理,介绍本申请实施例所提供的信息推送装置。
图5为本申请一实施例提供的信息推送装置的模块图,该信息推送装置包括:
第一确定模块101,用于确定与用户在客户端上的第一操作行为对应的第一类目。
调整模块102,用于根据确定的所述第一类目,调整所述用户对于类目集合中类目的偏好权重值;其中,所述类目集合至少包含所述第一操作行为对应的第一类目,所述偏好权重值表征所述用户对类目的偏好程度。
推送模块103,用于根据调整模块102得到的、调整后的偏好权重值,向客户端推送推荐信息。
图6为本申请另一实施例提供的信息推送装置的模块图,基于图5的实施例,该信息推送装置还可以包括:
参数确定模块105,用于确定用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值;所述调整参数的值表征所述偏好权重值的调整幅度;则,所述调整模块102具体用于:
根据确定的所述调整参数及所述第一类目,调整所述用户对于类目集合中类目的偏好权重值。
本申请某些实施例中,所述调整模块102具体用于:
根据确定的所述调整参数的值,调整所述用户对于类目集合中的第一类目的偏好权重值;或,
根据确定的所述调整参数的值,调整所述用户对于类目集合中的第二类目的偏好权重值;所述第二类目是类目集合中除第一类目之外的类目;或,
根据确定的所述调整参数的值,调整所述用户对于类目集合中的第一类目、第二类目的偏好权重值;所述第二类目是类目集合中除第一类目之外的类目。
本申请某些实施例中,所述类目集合包含第一第二类目,所述第二类目是类目集合中除第一类目之外的类目,调整前的所述用户对于所述第一类目的偏好权重值小于调整后的所述用户对于所述第一类目的偏好权重值,调整前的所述用户对于所述第二类目的偏好权重值大于调整后的所述用户对于所述第二类目的偏好权重值。
本申请某些实施例中,所述调整参数的值是介于0到1之间,则,
所述调整模块102包括:
第一调整单元1021,用于将调整前的所述用户对于所述第一类目的偏好权重值与所述调整参数的值进行第一求积运算,再将所述第一求积运算的结果与增加参数的值进行求和运算;其中,所述增加参数的值是根据所述调整参数的值确定的;将所述求和运算的结果确定为调整后的所述用户对于所述第一类目的偏好权重值;
第二调整单元1022,用于将所述用户对于所述第二类目的偏好权重值与所述调整参数的值进行第二求积运算;将所述第二求积运算的结果确定为调整后的所述用户对于所述第二类目的偏好权重值。
本申请某些实施例中,所述参数确定模块105具体用于:
根据所述用户在所述第一操作行为发生前的第一预定时间段内的第一历史行为数据,确定所述用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值。
本申请某些实施例中,所述参数确定模块105包括:
第一函数确定单元,用于基于所述用户在所述第一操作行为发生前的第一预定时间段内的第一历史行为数据进行模拟训练,获得类目集合中各类目对应的以所述调整参数为自变量的偏好权重值函数;
集合确定单元,用于确定所述用户在第一预定时间段内的偏好类目集合和非偏好类目集合;
第二函数确定单元,用于根据确定的所述用户在第一预定时间段内的偏好类目集合和非偏好类目集合、及通过模拟训练获得的所述偏好权重值函数,确定以调整参数为自变量的类目区分函数;
参数值确定单元,用于确定所述类目区分函数取极大值时的所述调整参数的值。
本申请某些实施例中,所述装置还包括:
初始权重值确定模块106,用于根据所述用户在所述第一操作行为发生前的第二预定时间段内的第二历史行为数据,确定所述用户对于类目集合的各类目的初始偏好权重值。
本申请某些实施例中,所述初始权重值确定模块106,具体可以包括:
子类目确定单元,用于确定所述类目包含的子类目;
加权和值确定单元,基于所述用户在所述第一操作行为发生前的第二预定时间段内的第二历史行为数据,确定所述用户对于类目集合中各类目包含的子类目的加权和值;
偏好统计值确定单元,用于根据确定的所述用户对于类目集合中各类目包含的子类目的加权和值及所述调整参数的值,确定所述用户对于类目集合中各类目的偏好统计值;
归一化处理单元,用于对所述用户对于类目集合中各类目的偏好统计值作归一化处理,得到所述用户对于类目集合中各类目的初始偏好权重值。
本申请某些实施例中,所述加权和值确定单元具体可以用于:
设定所述第二历史行为数据各行为对应的行为权重值;
基于所述第二历史行为数据,统计所述用户在预设时间切片内对所述子类目操作各行为的次数;
将所述用户在预设时间切片内对所述子类目操作各行为的次数与该行为对应的行为权重值相乘,得到所述用户在所述预设时间切片内对该子类目的行为权重和值;
将所述用户在所述预设时间切片内对各子类目的行为权重和值进行求和,得到所述用户对于类目集合中各类目包含的子类目的加权和值。
本申请某些实施例中,所述推送模块103具体用于:
将调整后的所述用户对于所述类目集合中类目的偏好权重值从大到小进行排序;
从所述类目集合中选取偏好权重值排序位于前列的至少一个类目,并将选取的类目确定所述用户的偏好类目——其中,这里所说的排序位于前列的至少一个类目,比如可以是按照排序由前至后的顺序,排序处于前Q位的至少一个类目,Q为不小于1的自然数;又比如,排序位于前列的至少一个类目,还可以是排序不低于预定位数的任意一个或几个类目;等等;
获取与所述用户的偏好类目对应的推荐信息并向所述客户端推送。
本申请某些实施例中,所述第一操作行为包括浏览行为、收藏行为、加入购物车行为、购买行为中的一个或多个。
综上所述,本申请实施例通过确定第一操作行为对应的第一类目,随后根据确定的第一类目,调整用户对于类目集合中类目的偏好权重值,并根据调整后的所述用户对于类目集合中类目的偏好权重值,确定所述用户的偏好类目,最终依据所述用户的偏好类目,确定需要向所述客户端推送的推荐信息并推送。上述方案由于支持根据用户行为实时调整用户对于类目集合中类目的偏好权重值,从而使得类目集合中各类目的偏好权重值始终与该用户在当前时刻的偏好相符,从而提升确定的用户个性化信息(偏好权重值)的准确性,进而提升向客户端推送推荐信息的准确性。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (24)
1.一种信息推送方法,其特征在于,包括:
确定与用户在客户端上的第一操作行为对应的第一类目;
根据所述第一类目和预先确定的调整参数的值,调整所述用户对于类目集合中包含的第一类目和第二类目的偏好权重值;其中,所述类目集合至少包含所述第一类目和所述第二类目,所述第二类目是所述类目集合中除第一类目之外的类目,所述偏好权重值表征所述用户对类目的偏好程度;所述调整参数的值表征所述偏好权重值的调整幅度;
根据调整后的偏好权重值,在所述类目集合中确定所述用户的偏好类目,向所述客户端推送与所述用户的偏好类目相对应的推荐信息。
2.如权利要求1所述的方法,其特征在于,根据所述第一类目,调整所述用户对于类目集合中类目的偏好权重值,包括:
根据所述第一类目,调整所述用户对于类目集合包含的第一类目和第二类目的偏好权重值;其中,所述第二类目是类目集合中除第一类目之外的类目,调整前的所述用户对于所述第一类目的偏好权重值小于调整后的所述用户对于所述第一类目的偏好权重值,调整前的所述用户对于所述第二类目的偏好权重值大于调整后的所述用户对于所述第二类目的偏好权重值;
或,根据所述第一类目,调整所述用户对于类目集合包含的第一类目;其中,调整前的所述用户对于所述第一类目的偏好权重值小于调整后的所述用户对于所述第一类目的偏好权重值;
或,根据所述第一类目,调整所述用户对于类目集合包含的第二类目;其中,调整前的所述用户对于所述第二类目的偏好权重值大于调整后的所述用户对于所述第二类目的偏好权重值。
3.如权利要求1所述的方法,其特征在于,根据所述第一类目,调整所述用户对于类目集合中类目的偏好权重值之前,所述方法还包括:
确定用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值;所述调整参数的值表征所述偏好权重值的调整幅度;则,
根据所述第一类目,调整所述用户对于类目集合中类目的偏好权重值,包括:
根据所述调整参数的值及所述第一类目,调整所述用户对于类目集合中类目的偏好权重值。
4.如权利要求3所述的方法,其特征在于,根据所述调整参数的值及所述第一类目,调整所述用户对于类目集合中类目的偏好权重值,包括:
根据所述调整参数的值,调整所述用户对于类目集合中的第一类目的偏好权重值;或,
根据所述调整参数的值,调整所述用户对于类目集合中的第二类目的偏好权重值;所述第二类目是类目集合中除第一类目之外的类目;或,
根据所述调整参数的值,调整所述用户对于类目集合中的第一类目和第二类目的偏好权重值。
5.如权利要求4所述的方法,其特征在于,所述调整参数的值介于0到1之间,则,
根据所述调整参数的值,调整所述用户对于类目集合中的第一类目、第二类目的偏好权重值,包括:
将调整前的所述用户对于所述第一类目的偏好权重值与所述调整参数的值进行第一求积运算,再将所述第一求积运算的结果与增加参数的值进行求和运算;其中,所述增加参数的值是根据所述调整参数的值确定的;
将所述求和运算的结果确定为调整后的所述用户对于所述第一类目的偏好权重值;
将所述用户对于所述第二类目的偏好权重值与所述调整参数的值进行第二求积运算;
将所述第二求积运算的结果确定为调整后的所述用户对于所述第二类目的偏好权重值。
6.如权利要求3所述的方法,其特征在于,确定用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值,包括:
根据所述用户在所述第一操作行为发生前的第一预定时间段内的第一历史行为数据,确定所述用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值。
7.如权利要求6所述的方法,其特征在于,根据所述用户在所述第一操作行为发生前的第一预定时间段内的第一历史行为数据,确定所述用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值,包括:
基于所述用户在所述第一操作行为发生前的第一预定时间段内的第一历史行为数据进行模拟训练,获得类目集合中各类目对应的、以所述调整参数为自变量的偏好权重值函数;
确定所述用户在第一预定时间段内的偏好类目集合和非偏好类目集合;
根据确定的所述用户在第一预定时间段内的偏好类目集合和非偏好类目集合、及通过模拟训练获得的所述偏好权重值函数,确定以所述调整参数为自变量的类目区分函数;
获取所述类目区分函数取极大值时的所述调整参数的值,作为所述调整参数的值。
8.如权利要求3所述的方法,其特征在于,确定用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值之后,根据所述第一类目,调整所述用户对于类目集合中类目的偏好权重值之前,所述方法还包括:
当调整前的所述偏好权重值是所述用户对于类目集合的类目的初始偏好权重值时,根据所述用户在所述第一操作行为发生前的第二预定时间段内的第二历史行为数据,确定所述用户对于类目集合的各类目的初始偏好权重值;则
根据所述第一类目,调整所述用户对于类目集合中类目的偏好权重值,包括:
根据所述第一类目,获取所述用户对于该第一类目的初始偏好权重值;
对所述初始偏好权重值进行调整,得到调整后的所述用户对于该第一类目的偏好权重值。
9.如权利要求8所述的方法,其特征在于,当调整前的所述偏好权重值是所述用户对于类目集合的类目的初始偏好权重值时,根据所述用户在所述第一操作行为发生前的第二预定时间段内的第二历史行为数据,确定所述用户对于类目集合的各类目的初始偏好权重值,包括:
确定所述类目包含的子类目;
基于所述用户在所述第一操作行为发生前的第二预定时间段内的第二历史行为数据,确定所述用户对于类目集合中各类目包含的子类目的加权和值;
根据所述用户对于类目集合中各类目包含的子类目的加权和值及所述调整参数的值,确定所述用户对于类目集合中各类目的偏好统计值;
对所述用户对于类目集合中各类目的偏好统计值作归一化处理,得到所述用户对于类目集合中各类目的初始偏好权重值。
10.如权利要求9所述的方法,其特征在于,基于所述用户在所述第一操作行为发生前的第二预定时间段内的第二历史行为数据,确定所述用户对于类目集合中各类目包含的子类目的加权和值,具体包括:
设定所述第二历史行为数据各行为对应的行为权重值;
基于所述第二历史行为数据,统计所述用户在预设时间切片内对所述子类目操作各行为的次数;
将所述用户在预设时间切片内对所述子类目操作各行为的次数与该行为对应的行为权重值相乘,得到所述用户在所述预设时间切片内对该子类目的行为权重和值;
将所述用户在所述预设时间切片内对各子类目的行为权重和值进行求和,得到所述用户对于类目集合中各类目包含的子类目的加权和值。
11.如权利要求1或2所述的方法,其特征在于,根据调整后的所述用户对于类目集合中类目的偏好权重值,向所述客户端推送推荐信息,包括:
将调整后的偏好权重值从大到小进行排序;
根据从大到小排序的偏好权重值,从所述类目集合中选取至少一个类目;
获取与选取的偏好类目对应的推荐信息并向所述客户端推送。
12.如权利要求11所述的方法,其特征在于,所述第一操作行为包括浏览行为、收藏行为、加入购物车行为、购买行为中的至少一个。
13.一种信息推送装置,其特征在于,包括:
第一确定模块,用于确定与用户在客户端上的第一操作行为对应的第一类目;
调整模块,用于根据所述第一类目和预先确定的调整参数的值,调整所述用户对于类目集合中包含的第一类目和第二类目的偏好权重值;其中,所述类目集合至少包含所述第一类目和所述第二类目,所述第二类目是所述类目集合中除第一类目之外的类目,所述偏好权重值表征所述用户对类目的偏好程度;所述调整参数的值表征所述偏好权重值的调整幅度;
推送模块,用于根据调整后的偏好权重值,在所述类目集合中确定所述用户的偏好类目,向所述客户端推送与所述用户的偏好类目相对应的推荐信息。
14.如权利要求13所述的装置,其特征在于,所述调整模块用于:
根据所述第一类目,调整所述用户对于类目集合包含的第一类目和第二类目的偏好权重值;其中,所述第二类目是类目集合中除第一类目之外的类目,调整前的所述用户对于所述第一类目的偏好权重值小于调整后的所述用户对于所述第一类目的偏好权重值,调整前的所述用户对于所述第二类目的偏好权重值大于调整后的所述用户对于所述第二类目的偏好权重值;
或,根据所述第一类目,调整所述用户对于类目集合包含的第一类目;其中,调整前的所述用户对于所述第一类目的偏好权重值小于调整后的所述用户对于所述第一类目的偏好权重值;
或,根据所述第一类目,调整所述用户对于类目集合包含的第二类目;其中,调整前的所述用户对于所述第二类目的偏好权重值大于调整后的所述用户对于所述第二类目的偏好权重值。
15.如权利要求13所述的装置,其特征在于,所述装置还包括:
参数确定模块,用于确定用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值;所述调整参数的值表征所述偏好权重值的调整幅度;则,
所述调整模块具体用于:
根据所述调整参数的值及所述第一类目,调整所述用户对于类目集合中类目的偏好权重值。
16.如权利要求15所述的装置,其特征在于,所述调整模块具体用于:
根据所述调整参数的值,调整所述用户对于类目集合中的第一类目的偏好权重值;或,
根据所述调整参数的值,调整所述用户对于类目集合中的第二类目的偏好权重值;所述第二类目是类目集合中除第一类目之外的类目;或,
根据所述调整参数的值,调整所述用户对于类目集合中的第一类目和第二类目的偏好权重值。
17.如权利要求16所述的装置,其特征在于,所述调整参数的值介于0到1之间,则,
所述调整模块包括:
第一调整单元,用于将调整前的所述用户对于所述第一类目的偏好权重值与所述调整参数的值进行第一求积运算,再将所述第一求积运算的结果与增加参数的值进行求和运算;其中,所述增加参数的值是根据所述调整参数的值确定的;将所述求和运算的结果确定为调整后的所述用户对于所述第一类目的偏好权重值;
第二调整单元,用于将所述用户对于所述第二类目的偏好权重值与所述调整参数的值进行第二求积运算;将所述第二求积运算的结果确定为调整后的所述用户对于所述第二类目的偏好权重值。
18.如权利要求15所述的装置,其特征在于,所述参数确定模块具体用于:
根据所述用户在所述第一操作行为发生前的第一预定时间段内的第一历史行为数据,确定所述用以调整所述用户对于类目集合的类目的偏好权重值的调整参数的值。
19.如权利要求18所述的装置,其特征在于,所述参数确定模块,具体包括:
第一函数确定单元,用于基于所述用户在所述第一操作行为发生前的第一预定时间段内的第一历史行为数据进行模拟训练,获得类目集合中各类目对应的、以所述调整参数为自变量的偏好权重值函数;
集合确定单元,用于确定所述用户在第一预定时间段内的偏好类目集合和非偏好类目集合;
第二函数确定单元,用于根据所述用户在第一预定时间段内的偏好类目集合和非偏好类目集合、及通过模拟训练获得的所述偏好权重值函数,确定以所述调整参数为自变量的类目区分函数;
参数值确定单元,用于获取所述类目区分函数取极大值时的所述调整参数的值,作为所述调整参数的值。
20.如权利要求15所述的装置,其特征在于,所述装置还包括:
初始权重值确定模块,用于在调整前的所述偏好权重值是所述用户对于类目集合的类目的初始偏好权重值时,根据所述用户在所述第一操作行为发生前的第二预定时间段内的第二历史行为数据,确定所述用户对于类目集合的各类目的初始偏好权重值;则
所述调整模块,用于根据所述第一类目,获取所述用户对于该第一类目的初始偏好权重值;对所述初始偏好权重值进行调整,得到调整后的所述用户对于该第一类目的偏好权重值。
21.如权利要求20所述的装置,其特征在于,所述初始权重值确定模块具体包括:
子类目确定单元,用于确定所述类目包含的子类目;
加权和值确定单元,基于所述用户在所述第一操作行为发生前的第二预定时间段内的第二历史行为数据,确定所述用户对于类目集合中各类目包含的子类目的加权和值;
偏好统计值确定单元,用于根据所述用户对于类目集合中各类目包含的子类目的加权和值及所述调整参数的值,确定所述用户对于类目集合中各类目的偏好统计值;
归一化处理单元,用于对所述用户对于类目集合中各类目的偏好统计值作归一化处理,得到所述用户对于类目集合中各类目的初始偏好权重值。
22.如权利要求21所述的装置,其特征在于,所述加权和值确定单元,具体用于:
设定所述第二历史行为数据各行为对应的行为权重值;
基于所述第二历史行为数据,统计所述用户在预设时间切片内对所述子类目操作各行为的次数;
将所述用户在预设时间切片内对所述子类目操作各行为的次数与该行为对应的行为权重值相乘,得到所述用户在所述预设时间切片内对该子类目的行为权重和值;
将所述用户在所述预设时间切片内对各子类目的行为权重和值进行求和,得到所述用户对于类目集合中各类目包含的子类目的加权和值。
23.如权利要求13所述的装置,其特征在于,所述推送模块具体用于:
将调整后的偏好权重值从大到小进行排序;
根据从大到小排序的偏好权重值,从所述类目集合中选取至少一个类目;
获取与选取的偏好类目对应的推荐信息并向所述客户端推送。
24.如权利要求23所述的装置,其特征在于,所述第一操作行为包括浏览行为、收藏行为、加入购物车行为、购买行为中的至少一个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510401539.2A CN106339393B (zh) | 2015-07-09 | 2015-07-09 | 信息推送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510401539.2A CN106339393B (zh) | 2015-07-09 | 2015-07-09 | 信息推送方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106339393A CN106339393A (zh) | 2017-01-18 |
CN106339393B true CN106339393B (zh) | 2020-08-11 |
Family
ID=57826240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510401539.2A Active CN106339393B (zh) | 2015-07-09 | 2015-07-09 | 信息推送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106339393B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108632311A (zh) * | 2017-03-20 | 2018-10-09 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN108805594B (zh) * | 2017-04-27 | 2022-04-12 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN108874838A (zh) * | 2017-05-16 | 2018-11-23 | 北京京东尚科信息技术有限公司 | 页面推送方法和装置 |
CN108959319B (zh) * | 2017-05-25 | 2023-06-23 | 腾讯科技(深圳)有限公司 | 信息推送方法和装置 |
CN109583922B (zh) * | 2017-09-28 | 2021-11-02 | 北京京东尚科信息技术有限公司 | 分析购买需求的方法和装置 |
CN109656433B (zh) * | 2017-10-11 | 2021-07-06 | 腾讯科技(深圳)有限公司 | 类目信息处理方法、装置、计算机设备和存储介质 |
CN108230094B (zh) * | 2017-12-22 | 2021-11-16 | 金瓜子科技发展(北京)有限公司 | 车辆推荐方法及装置 |
JP6976207B2 (ja) * | 2018-03-20 | 2021-12-08 | ヤフー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
CN108600329B (zh) * | 2018-03-29 | 2022-05-03 | 南京尚网网络科技有限公司 | 用于推送信息、展示信息的方法和设备 |
CN110309417A (zh) * | 2018-04-13 | 2019-10-08 | 腾讯科技(深圳)有限公司 | 评价因子的权重确定方法和装置 |
CN110874432B (zh) * | 2018-08-30 | 2023-04-18 | 阿里巴巴集团控股有限公司 | 排序方法、信息推荐方法、系统及装置 |
CN110210898B (zh) * | 2019-05-23 | 2023-06-23 | 中国银行股份有限公司 | 基于用户行为的广告推送方法、装置和设备 |
CN111028065A (zh) * | 2019-12-17 | 2020-04-17 | 北京每日优鲜电子商务有限公司 | 信息推送方法、装置、存储介质及设备 |
CN111611481B (zh) * | 2020-05-08 | 2023-05-12 | 掌阅科技股份有限公司 | 书籍推荐方法、计算设备及计算机存储介质 |
CN112330059B (zh) * | 2020-11-24 | 2023-05-30 | 北京沃东天骏信息技术有限公司 | 用于生成预测分数的方法、装置、电子设备和介质 |
CN113763112A (zh) * | 2021-02-25 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种信息推送方法及装置 |
CN113268645A (zh) * | 2021-05-07 | 2021-08-17 | 北京三快在线科技有限公司 | 信息召回方法、模型训练方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682005A (zh) * | 2011-03-10 | 2012-09-19 | 阿里巴巴集团控股有限公司 | 偏好类目的确定方法及装置 |
CN103164804A (zh) * | 2011-12-16 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种个性化的信息推送方法及装置 |
CN103679494A (zh) * | 2012-09-17 | 2014-03-26 | 阿里巴巴集团控股有限公司 | 商品信息推荐方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8489515B2 (en) * | 2009-05-08 | 2013-07-16 | Comcast Interactive Media, LLC. | Social network based recommendation method and system |
CN102760124B (zh) * | 2011-04-25 | 2014-11-12 | 阿里巴巴集团控股有限公司 | 一种推荐数据的推送方法及系统 |
US8584805B2 (en) * | 2011-05-11 | 2013-11-19 | Toshiba Global Commerce Solutions Holdings Corporation | Personalized item sorting and packing recommendations at a point of sale |
CN102411754A (zh) * | 2011-11-29 | 2012-04-11 | 南京大学 | 一种基于商品属性熵值的个性化推荐方法 |
CN103218726B (zh) * | 2012-01-20 | 2016-12-28 | 联想(北京)有限公司 | 一种信息项推荐方法及系统 |
-
2015
- 2015-07-09 CN CN201510401539.2A patent/CN106339393B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682005A (zh) * | 2011-03-10 | 2012-09-19 | 阿里巴巴集团控股有限公司 | 偏好类目的确定方法及装置 |
CN103164804A (zh) * | 2011-12-16 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种个性化的信息推送方法及装置 |
CN103679494A (zh) * | 2012-09-17 | 2014-03-26 | 阿里巴巴集团控股有限公司 | 商品信息推荐方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106339393A (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106339393B (zh) | 信息推送方法及装置 | |
Teo et al. | Adaptive, personalized diversity for visual discovery | |
CN110532479A (zh) | 一种信息推荐方法、装置及设备 | |
CN102902691B (zh) | 推荐方法及系统 | |
US10528907B2 (en) | Automated categorization of products in a merchant catalog | |
CN107016026B (zh) | 一种用户标签确定、信息推送方法和设备 | |
CN104102648B (zh) | 基于用户行为数据的兴趣推荐方法及装置 | |
CN105469263A (zh) | 一种商品推荐方法及装置 | |
US10306320B2 (en) | Providing service based on user operation behavior | |
CN106022800A (zh) | 一种用户特征数据的处理方法和装置 | |
US20190050487A1 (en) | Search Method, Search Server and Search System | |
CN107066476A (zh) | 一种基于物品相似度的实时推荐方法 | |
US20180165746A1 (en) | Network Interaction System | |
CN110175895B (zh) | 一种物品推荐方法及装置 | |
TW201520790A (zh) | 個性化資料搜尋方法和裝置 | |
CN110335123B (zh) | 基于社交电商平台的商品推荐方法、系统、计算机可读介质以及装置 | |
WO2012102898A1 (en) | Identifying categorized misplacement | |
CN110134783A (zh) | 个性化推荐的方法、装置、设备和介质 | |
Unger et al. | Inferring contextual preferences using deep auto-encoding | |
CN104346428A (zh) | 信息处理装置、信息处理方法及程序 | |
CN106708871A (zh) | 一种社交业务特征用户的识别方法和装置 | |
US20190065611A1 (en) | Search method and apparatus | |
CN112085549A (zh) | 一种基于数据处理技术的电商平台用商品推荐方法 | |
CN107133811A (zh) | 一种目标用户的识别方法和装置 | |
US20170140454A1 (en) | Recommendation method and apparatus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |