CN107992530A - 信息推荐方法及电子设备 - Google Patents

Abstract

本申请提供一种信息推荐方法及电子设备，所述方法的一具体实施方式包括：当确定目标用户的出行触发事件发生时，获取所述目标用户的当前信息及历史信息；基于所述当前信息及历史信息确定一个或多个预测事件；确定每个所述预测事件对应的预测地点作为出行的推荐目的地。该实施方式基于目标用户的当前信息及历史信息而预测出的预测事件更为多样和全面，可能发生的概率更大，因此，本实施例基于预测事件而确定的推荐目的地，比仅仅根据目标用户历史上发生频率较高的出行终点推荐的目的地更为准确。

Description

信息推荐方法及电子设备

技术领域

本申请涉及互联网应用技术领域，特别涉及一种信息推荐方法及电子设备。

背景技术

目前，用户在使用一些LBS(Location Based Service，基于位置服务)客户端(如，用于请求网约车服务的客户端，用于导航的客户端，地图客户端等)的过程中，需要通过该客户端输入行程的起点和终点，以请求相应的出行服务。一般来说，用户可以以手动输入文本信息的方式输入行程的终点，或者直接在地图上寻找目的地位置，并通过点击目的地位置的方式输入行程的终点。但是，以上述方式输入行程的终点，可能使得用户操作的时间消耗过多，从而影响了客户端的易用性和使用效率。在相关技术中，还可以根据用户历史上发生频率较高的出行终点预测用户的行程终点，但是，通过这种方式对行程终点的预测仅参考了该用户的历史出行的终点，因此，具有较大的局限性，使得预测的准确度较低。

发明内容

为了解决上述技术问题之一，本申请提供一种信息推荐方法及电子设备。

根据本申请实施例的第一方面，提供一种信息推荐方法，包括：

当确定目标用户的出行触发事件发生时，获取所述目标用户的当前信息及历史信息；

基于所述当前信息及历史信息确定一个或多个预测事件；

确定每个所述预测事件对应的预测地点作为出行的推荐目的地。

可选的，所述当前信息包括：所述目标用户当前的有效订单信息。

可选的，所述基于所述当前信息及历史信息确定一个或多个预测事件，包括：

基于所述当前信息及历史信息提取特征向量；

将所述特征向量输入到预先训练的目标模型中；

根据所述目标模型输出的结果确定一个或多个预测事件。

可选的，所述根据所述目标模型输出的结果确定一个或多个预测事件，包括：

将所述目标模型输出的事件中概率满足预设条件的事件确定为预测事件。

可选的，所述根据所述目标模型输出的结果确定一个或多个预测事件，包括：

根据预设规则对所述目标模型输出的部分或全部事件的概率进行修正，并将修正后概率满足预设条件的事件确定为预测事件。

可选的，所述确定每个所述预测事件对应的预测地点，包括：

从所述当前信息中查找与所述预测事件匹配的地点；

将与所述预测事件匹配的地点确定为所述预测事件对应的预测地点。

可选的，所述确定每个所述预测事件对应的预测地点，包括：

基于所述历史信息确定针对所述预测事件的用户喜好信息；

根据所述用户喜好信息确定所述预测事件对应的预测地点。

可选的，所述历史信息包括以下任意一项或多项：

用户画像信息；

历史订单信息；

用户历史网络行为信息。

根据本申请实施例的第二方面，提供一种信息推荐方法，包括：

当出行触发事件发生时，向服务器发送触发信息，以指示所述服务器基于目标用户的当前信息及历史信息确定一个或多个预测事件，并确定每个所述预测事件对应的预测地点作为出行的推荐目的地；

接收并显示所述推荐目的地。

可选的，所述当前信息包括：所述目标用户当前的有效订单信息。

根据本申请实施例的第三方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面和第二方面中任一项所述的信息推荐方法。

根据本申请实施例的第四方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述第一方面和第二方面中任一项所述的信息推荐方法。

本申请的实施例提供的技术方案可以包括以下有益效果：

本申请的实施例提供的信息推荐方法及电子设备，通过在确定目标用户的出行触发事件发生时，获取该目标用户的当前信息及历史信息，基于该当前信息及历史信息确定一个或多个预测事件，确定每个预测事件对应的预测地点作为出行的推荐目的地。由于基于目标用户的当前信息及历史信息而预测出的预测事件更为多样和全面，可能发生的概率更大，因此，本实施例基于预测事件而确定的推荐目的地，比仅仅根据目标用户历史上发生频率较高的出行终点推荐的目的地更为准确。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为应用本申请实施例的示例性系统架构示意图；

图2是本申请根据一示例性实施例示出的一种信息推荐方法的流程图；

图3A是本申请根据一示例性实施例示出的一种确定任意一个预测事件对应的预测地点的方法流程图；

图3B是本申请根据一示例性实施例示出的另一种确定任意一个预测事件对应的预测地点的方法流程图；

图3C是本申请根据一示例性实施例示出的另一种确定任意一个预测事件对应的预测地点的方法流程图；

图4是本申请根据一示例性实施例示出的另一种信息推荐方法的流程图；

图5是本申请根据一示例性实施例示出的另一种信息推荐方法的流程图；

图6是本申请根据一示例性实施例示出的一种信息推荐装置的框图；

图7是本申请根据一示例性实施例示出的另一种信息推荐装置的框图；

图8是本申请根据一示例性实施例示出的另一种信息推荐装置的框图；

图9是本申请根据一示例性实施例示出的一种电子设备的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

参见图1，为应用本申请实施例的示例性系统架构示意图：

如图1所示，系统架构100可以包括终端设备101、102、网络103和服务器104。应该理解，图1中的终端设备、网络和服务器的数目或类型仅仅是示意性的。根据实现需要，可以具有任意数目或类型的终端设备、网络和服务器。

网络103用于在终端设备、服务器之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102可以通过网络103与服务器进行交互，以接收或发送请求或信息等。终端设备101、102可以是各种电子设备，包括但不限于智能手机、平板电脑、智能穿戴设备以及个人数字助理等等。

服务器104可以是提供各种服务的服务器。服务器可以对接收到的数据进行存储、分析等处理，也可以向终端设备或其它服务器发送控制命令或者请求等。服务器可以响应于用户的服务请求而提供服务。可以理解，一个服务器可以提供一种或多种服务，同一种服务也可以由多个服务器来提供。

下面将结合具体的实施例对本申请进行详细描述。

如图2所示，图2是根据一示例性实施例示出的一种信息推荐方法的流程图，该方法可以应用于服务器中。该方法包括以下步骤：

在步骤201中，当确定目标用户的出行触发事件发生时，获取目标用户的当前信息及历史信息。

在本实施例中，目标用户的出行触发事件可以是目标用户开启客户端的事件，也可以是目标用户操作进入上述客户端预设页面的事件等，可以理解，本申请对目标用户的出行触发事件的具体内容不限定。当目标用户的出行触发事件发生时，上述客户端可以向服务器发送触发信息，以通知服务器目标用户的出行触发事件的发生。服务器响应于接收到该触发信息，可以确定目标用户的出行触发事件发生。其中，该客户端可以用于请求出行服务，请求出行服务可以包括但不限于请求网约车服务，请求导航服务等等。

具体来说，本申请所涉及的客户端可以是基于位置服务的LBS客户端，LBS客户端为预先安装在终端设备上的一种第三方应用程序，可以基于用户的位置，在GIS(Geographic Information System，地理信息系统)平台的支持下，为用户的提供相应的出行服务，一般可以具有导航、地图查询等功能。例如，本申请所涉及的客户端可以是用于请求网约车服务的客户端，也可以是用于导航的客户端，还可以是地图客户端等。可以理解，LBS客户端还可以是其它可以为用户的提供出行服务的客户端，本申请对此方面不限定。

在本实施例中，当接收到上述客户端发送的触发信息时，可以获取该客户端对应的目标用户的当前信息及历史信息。其中，该当前信息可以包括但不限于当前的时间信息以及目标用户当前的位置信息等等。其中，当前的时间信息可以包括但不限于当前的时刻信息，当前的日期信息(可以包括公历和农历的日期信息)，当前的星期信息等。该历史信息可以包括但不限于历史出行信息等，例如，该历史出行信息可以包括目标用户的历史打车信息，或者历史导航信息等。

在本实施例中，上述客户端发送的触发信息中可以携带目标用户的部分当前信息(如，当前时间信息，或者当前位置信息等)。该触发信息中还可以携带该目标用户对应的标识信息，例如，该目标用户的账号等，因此，还可以根据该目标用户对应的标识信息获取该目标用户的当前信息以及历史信息。例如，可以从本地存储的数据中，或者从其它服务器存储的数据中，获取与该目标用户对应的标识信息匹配的当前信息及历史信息等等。可以理解，还可以通过其它的方式获取该目标用户的当前信息及历史信息，本申请对此方面不限定。

在步骤202中，基于上述当前信息及历史信息确定一个或多个预测事件。

在本实施例中，可以基于上述当前信息及历史信息确定一个或多个预测事件，其中，预测事件可以是针对出行触发事件预测出的可能发生的事件(即，该出行的目的)，例如，该预测事件(该出行的目的)可以是到电影院观看电影，也可以是乘坐火车，也可以是到商业区逛街，还可以是观看艺术展等等。

在一种实现方式中，可以采用机器学习的方式确定一个或多个预测事件。具体来说，首先可以预先训练好目标模型，然后，基于上述当前信息及历史信息提取特征向量，将该特征向量输入到该预先训练的目标模型中，并根据该目标模型输出的结果确定一个或多个预测事件。

在另一种实现方式中，还可以根据预测规则确定一个或多个预测事件。具体来说，首先可以预先设定预测规则，然后，可以基于预测规则确定目标用户的当前信息及历史信息所匹配的一个或多个事件作为预测事件。

在又一种实现方式中，还可以采用机器学习与预测规则相结合的方式确定一个或多个预测事件。例如，可以先采用机器学习的方式确定一个或多个预测事件，然后，再采用预设规则对预测事件进行补充。

可以理解，还可以通过其它的方式确定一个或多个预测事件，本申请对确定预测事件的具体方式方面不限定。

在步骤203中，确定每个预测事件对应的预测地点作为出行的推荐目的地。

在本实施例中，每个预测事件可以对应一个或多个可能发生的地点，可以将这些地点作为预测事件对应的预测地点，将预测地点作为出行的推荐目的地。具体来说，遍历每个预测事件，针对任意预测事件，可以通过如下方式确定该预测事件对应的预测地点：首先，可以从上述当前信息和/或历史信息中查找与该预测事件匹配的地点，将与该预测事件匹配的地点确定为该预测事件对应的预测地点。

在本实施例中，可以向上述目标用户发送该推荐目的地，以供该目标用户从该推荐目的地中选取一个目的地作为行程的终点，或者直接将该推荐目的地(如果推荐目的地为一个)作为行程的终点等。

对于本实施例，一种具体的应用场景可以为，用户打开用于请求网约车服务的客户端时，或者进入该客户端的呼叫页面时，该客户端可以向服务器发送触发信息，该触发信息中可以携带用户的账户信息等。服务器可以根据用户的账户信息从本地预存的数据中或者从其它服务器预存的数据中获取该用户的当前信息及历史信息。接着，服务器可以根据上述当前信息及历史信息预测该用户更有可能进行的一个或多个预测事件，并确定该预测事件可能发生的地点作为预测地点。服务器可以将预测地点作为推荐目的地推送给该客户端，该客户端可以将推荐目的地按照预设的排序规则进行排序，并显示于用户界面上，以供用户从推荐目的地中选取行程的终点。

本实施例并不限于上述的应用场景，还可以应用到其他场景中。本申请的上述实施例提供的信息推荐方法，通过在确定目标用户的出行触发事件发生时，获取该目标用户的当前信息及历史信息，基于该当前信息及历史信息确定一个或多个预测事件，确定每个预测事件对应的预测地点作为出行的推荐目的地。由于基于目标用户的当前信息及历史信息而预测出的预测事件更为多样和全面，可能发生的概率更大，因此，本实施例基于预测事件而确定的推荐目的地，比仅仅根据目标用户历史上发生频率较高的出行终点推荐的目的地更为准确。

在一些可选实施方式中，当前信息还可以进一步包括：目标用户当前的有效订单信息，该有效订单所针对的服务为当前处于有效状态的未过期服务。该有效订单可以是预付消费订单，目标用户可以进行预付消费，预先向商家支付消费金额，并在将来允许的时段享受商家提供的服务。例如，目标用户可以提前多天购买车票，电影票，或者购物消费卡等等，然后在合适的时间乘车，看电影，或者购物(采用购物卡进行结算)。目标用户的预付消费订单信息可以包括但不限于付款的时间、金额、提供服务的地点、当前余额等等，以及用户享受服务的时间、地点、服务内容等等。

该有效订单还可以是预约订单，目标用户可以对即将进行的消费进行预约，但无需提前支付消费费用。例如，目标用户可以预约排队就餐，预约KTV包间，或者预约住宿等。目标用户的预约订单信息可以包括但不限于预约的消费时间、预约的消费地点、预约的消费内容等等。

本实施例中，由于该当前信息中包括目标用户当前的有效订单信息，而该有效订单信息可能与出行事件的联系更为密切，因此，在确定预测事件的过程中，如果考虑了该有效订单信息，所得到的预测结果会更加准确，更接近实际可能发生的事件。从而，进一步提高了推荐目的地的准确度。

在另一些可选实施方式中，历史信息还可以包括以下任意一项或多项：用户画像信息；历史订单信息；用户历史网络行为信息等。

其中，用户画像信息可以是表征用户特征、习惯和喜好的信息，例如，用户画像信息可以包括但不限于用户的性别、年龄、消费水平、常驻城市、家乡、工作地点、居住地点、习惯爱好、旅游经历、欣赏水平等等。用户画像信息可以是预先基于用户的习惯行为数据而确定的。

历史订单信息可以是已经失效的消费订单信息。目标用户进行的消费可以包括多种类型的消费，例如，可以包括但不限于餐饮类消费、娱乐类(如KTV等)消费、购物类(如超市购物、网络购物等)消费、票务类(如演出票、电影票等)等等，本申请对此方面不限定。例如，目标用户到超市购物，同时支付货品费用，或者目标用户到餐厅用餐，或者目标用户购买的游乐场的票已经失效(如，使用时效，或者过期失效等)等等。历史订单信息可以包括但不限于消费时间、消费金额、消费地点、消费内容等等。

用户历史网络行为信息可以是目标用户对网络资源进行访问的数据信息，可以包括但不限于目标用户访问过的网站的类型、目标用户访问过的网页的内容信息、目标用户点击过的网页链接等等。例如，用户历史网络行为信息可以包括目标用户查看过的电影简介或者影评、酒店信息及团购信息等。

本实施例中，由于上述历史事件对当前的出行事件具有一定程度的影响，并且，上述历史事件的历史信息可能与出行事件具有一定程度的关联，因此，在确定预测事件的过程中，如果考虑了上述历史信息，所得到的预测结果会更加准确，有助于提高推荐目的地的准确度。

进一步的，如图3A所示，图3A示出了图2步骤203中一种确定任意一个预测事件对应的预测地点的方法流程图，该方法可以应用于服务器中，包括以下步骤：

在步骤301中，从目标用户的当前信息中查找与该预测事件匹配的地点。

在步骤302中，将与该预测事件匹配的地点确定为该预测事件对应的预测地点。

在本实施例中，针对任意预测事件，可以从上述当前信息中查找与该预测事件匹配的地点，将与该预测事件匹配的地点确定为该预测事件对应的预测地点。

例如，如果该预测事件包括到电影院看电影，则可以从上述当前信息的票务类有效订单信息中查找是否存在与当前时刻匹配的电影票订单信息，如果存在，则可以将该电影票订单信息对应的放映地点确定为该预测事件对应的预测地点。又例如，如果该预测事件包括到餐厅吃饭，则可以从上述当前信息的餐饮类有效订单信息中查找是否存在与当前时刻匹配的餐厅预约订单，如果存在，则可以将餐厅预约订单对应的餐厅地点确定为该预测事件对应的预测地点。

本申请的上述实施例提供的确定任意一个预测事件对应的预测地点的方法，通过从目标用户的当前信息中查找与该预测事件匹配的地点，并将与该预测事件匹配的地点确定为该预测事件对应的预测地点。通过本实施例提供的方式确定预测事件的预测地点，能够考虑到目标用户当前的有效订单，该有效订单对事件的发生具有决定性影响。而仅根据目标用户历史上发生频率较高的出行终点推荐的目的地，并未将上述有效订单考虑在内，所推荐的目的地仅局限于历史上发生频率较高的出行终点，对于用户从未去过的地点则无法进行预测。因此，本实施例提供的确定预测事件预测地点的方式，所得到的预测地点更为全面和准确。

进一步的，如图3B所示，图3B示出了图2步骤203中另一种确定任意一个预测事件对应的预测地点的方法流程图，该方法可以应用于服务器中，包括以下步骤：

在步骤311中，基于目标用户的历史信息确定针对该预测事件的用户喜好信息。

在步骤312中，根据该用户喜好信息确定该预测事件对应的预测地点。

在本实施例中，针对该预测事件的用户喜好信息可以为目标用户在该预测事件方面的喜好。例如，可以从目标用户的历史信息中的用户画像信息中获取针对该预测事件的用户喜好信息，也可以通过机器学习的方式基于目标用户的历史信息确定针对该预测事件的用户喜好信息，本申请对确定针对该预测事件的用户喜好信息的具体方式方面不限定。

例如，如果该预测事件包括到电影院看电影，针对该看电影事件的用户喜好信息可以包括该目标用户对电影类型的偏好信息。如，该目标用户喜好科幻片、喜剧片、美国片、A演员主演的影片或者B导演执导的影片等。又例如，如果该预测事件包括到餐厅吃饭，针对该吃饭事件的用户喜好信息可以包括该目标用户对菜品类型的偏好信息。如，该目标用户喜好麻辣口味的菜品、火锅、烤鸭或者法系菜品等。再例如，如果该预测事件包括到商业区逛街，则针对该逛街事件的用户喜好信息可以包括该目标用户对商品类型的偏好信息。如，该目标用户喜好逛服装类商品、办公用品、电子产品或者综合类商品等。

在本实施例中，可以根据用户喜好信息确定该预测事件对应的预测地点，例如，如果该预测事件包括到电影院看电影，针对该看电影事件的用户喜好信息包括该目标用户喜好A演员主演的影片。则该看电影事件对应的预测地点可以是放映A演员主演的影片的电影院。又例如，如果该预测事件包括到餐厅吃饭，针对该吃饭事件的用户喜好信息包括该目标用户喜好火锅。则该吃饭事件对应的预测地点可以是距离该目标用户当前位置最近的火锅店，或者该目标用户经常光临的火锅店等。再例如，如果该预测事件包括到商业区逛街，针对该逛街事件的用户喜好信息包括该目标用户喜好逛服装类商店。则该逛街事件对应的预测地点可以是距离该目标用户当前位置最近的服装类商业区，或者该目标用户经常光临的服装类商业区等。可以理解，本申请对根据用户喜好信息确定该预测事件对应的预测地点的具体方式方面不限定。

本申请的上述实施例提供的确定任意一个预测事件对应的预测地点的方法，通过基于目标用户的历史信息确定针对该预测事件的用户喜好信息，根据该用户喜好信息确定该预测事件对应的预测地点。通过本实施例提供的方式确定预测事件的预测地点，能够考虑到目标用户的用户喜好信息，该用户喜好信息对事件的发生地点具有较大的影响。而仅根据目标用户历史上发生频率较高的出行终点推荐的目的地，并未将上述该用户喜好信息考虑在内，所推荐的目的地仅局限于历史上发生频率较高的出行终点，对于用户从未去过的地点则无法进行预测。因此，本实施例提供的确定预测事件预测地点的方式，所得到的预测地点更为全面和准确。

进一步的，如图3C所示，图3C示出了图2步骤203中另一种确定任意一个预测事件对应的预测地点的方法流程图，该方法可以应用于服务器中，包括以下步骤：

在步骤321中，从目标用户的当前信息中查找与该预测事件匹配的地点。

在步骤322中，将与该预测事件匹配的地点确定为该预测事件对应的预测地点。

在步骤323中，若未查找到该预测事件匹配的地点，则基于目标用户的历史信息确定针对该预测事件的用户喜好信息。

在步骤324中，根据该用户喜好信息确定该预测事件对应的预测地点。

本申请的上述实施例提供的确定任意一个预测事件对应的预测地点的方法，通过从目标用户的当前信息中查找该预测事件匹配的地点，将与该预测事件匹配的地点确定为该预测事件对应的预测地点，在未查找到该预测事件匹配的地点时，基于目标用户的历史信息确定针对该预测事件的用户喜好信息，并根据该用户喜好信息确定该预测事件对应的预测地点。通过本实施例提供的方式确定预测事件的预测地点，不仅考虑到了目标用户当前的有效订单，还考虑到了目标用户的用户喜好信息，该有效订单对事件的发生具有决定性影响，该用户喜好信息对事件的发生地点具有较大的影响。而仅根据目标用户历史上发生频率较高的出行终点推荐的目的地，仅考虑到了目标用户的历史出行事件对当前出行事件的影响，具有一定的局限性，例如，对于用户从未去过的地点则无法进行预测。因此，本实施例提供的确定预测事件预测地点的方式，更为准确全面和完善。

如图4所示，图4根据一示例性实施例示出的另一种信息推荐方法的流程图，该实施例描述了确定一个或多个预测事件的过程，该方法可以应用于服务器中，包括以下步骤：

在步骤401中，当确定目标用户的出行触发事件发生时，获取目标用户的当前信息及历史信息。

在步骤402中，基于上述当前信息及历史信息提取特征向量。

在步骤403中，将特征向量输入到预先训练的目标模型中。

在本实施例中，可以从上述当前信息及历史信息中提取多个维度的特征向量，并将特征向量输入到预先训练的目标模型中。其中，目标模型为采用多个样本用户的历史样本数据预先训练的模型，该目标模型可以是任意合理的多分类模型，可以包括但不限于卷积神经网络(Convolutional Neural Network，CNN)，或者深度神经网络(Deep NeuralNetworks，DNN)等等，本申请对目标模型的具体类型方面不限定。

在本实施例中，可以通过如下方式训练目标模型：首先，获取多个样本用户的历史样本数据(例如，该历史样本数据可以包括但不限于样本用户的历史有效订单信息、时间信息、样本用户历史位置信息、样本用户画像信息、样本用户历史订单信息、样本用户的历史出行信息、样本用户的历史网络行为信息等等)。然后，基于该历史样本数据确定针对每个样本用户已发生的历史出行事件。例如，根据该历史样本数据中的订单信息可知，用户A购买了X年X月X日X时B电影院的电影票，并且，用户A在X年X月X日X时所处的位置与B电影院的位置一致，因此可以确定针对用户A已发生了历史出行事件，即看电影事件。可以理解，还可以通过其它的方式确定已发生的历史出行事件，本申请对此方面不限定。

接着，可以基于每个样本用户的该历史样本数据提取历史样本特征向量，采用该历史样本特征向量与上述确定的历史出行事件对初始模型进行训练，从而对初始模型的参数进行调整，最终得到目标模型。

在步骤404中，根据目标模型输出的结果确定一个或多个预测事件。

在本实施例中，目标模型输出的结果可以包括多个出行事件以及每个事件对应的发生概率，可以根据目标模型输出的结果确定一个或多个预测事件。在一种实现方式中，可以将目标模型输出的事件中概率满足预设条件的事件确定为预测事件，其中，概率满足预设条件的事件为一个或多个事件。例如，可以将发生概率大于预设概率的事件确定为预测事件，或者，可以按照发生概率从大到小的顺序取预设个数的事件作为预测事件。

在另一种实现方式中，还可以根据预设规则对目标模型输出的部分或全部事件的概率进行修正，并将修正后概率满足预设条件的事件确定为预测事件。例如，可以增加特定条件下某个事件的发生概率。例如，在电影M上映期间，如果目标用户偏好电影M的类型，则可以增加目标用户的看电影事件的发生概率。然后再将修正后的发生概率大于预设概率的事件确定为预测事件等。

可以理解，还可以通过其它的方式根据目标模型输出的结果确定一个或多个预测事件，本申请对此方面不限定。

在步骤405中，确定每个预测事件对应的预测地点作为出行的推荐目的地。

针对任意预测事件，可以通过如下方式确定该预测事件对应的预测地点：在一种实现方式中，可以从上述当前信息中查找与该预测事件匹配的地点，将与该预测事件匹配的地点确定为该预测事件对应的预测地点。在另一种实现方式中，还可以基于上述历史信息确定针对该预测事件的用户喜好信息，并根据用户喜好信息确定该预测事件对应的预测地点。在又一种实现方式中，还可以基于目标用户的当前信息/历史信息以及预测事件确定当前匹配的条件，将当前匹配的条件所对应的地点确定为该预测事件对应的预测地点。

可以理解，还可以通过其它的方式确定每个预测事件对应的预测地点作为出行的推荐目的地，本申请对此方面不限定。

需要说明的是，对于与图2实施例中相同的步骤，在上述图4实施例中不再进行赘述，相关内容可参见图2实施例。

本申请的上述实施例提供的信息推荐方法，在确定目标用户的出行触发事件发生时，获取该目标用户的当前信息及历史信息。基于上述当前信息及历史信息提取特征向量，将特征向量输入到预先训练的目标模型中，根据目标模型输出的结果确定一个或多个预测事件，确定每个预测事件对应的预测地点作为出行的推荐目的地。由于本实施例将基于该目标用户的当前信息及历史信息提取的特征向量输入到预先训练的目标模型中，根据目标模型输出的结果确定预测事件，因此，使得预测事件的判定更加准确，从而增加了推荐目的地的可靠性，有助于提高客户端的易用性和使用效率。

如图5所示，图5是根据一示例性实施例示出的一种信息推荐方法的流程图，该方法可以应用于终端设备中。在本实施例中，为了便于理解，结合能够安装第三方应用程序的终端设备来举例说明。本领域技术人员可以理解，该终端设备可以包括但不限于诸如智能手机的移动终端设备、智能穿戴式设备、平板电脑、个人数字助理等等。该方法包括以下步骤：

在步骤501中，当出行触发事件发生时，向服务器发送触发信息，以指示服务器基于目标用户的当前信息及历史信息确定一个或多个预测事件，并确定每个预测事件对应的预测地点作为出行的推荐目的地。

在本实施例中，终端设备中安装有基于位置服务的LBS客户端，该客户端可以为用户提供出行服务，例如，提供请求网约车的服务，或者提供导航服务等。当预设的出行触发事件发生时，终端设备可以向服务器发送触发信息，该触发信息中可以携带目标用户的部分当前信息，还可以携带该目标用户对应的标识信息，例如，该目标用户的账号等。该触发信息用于指示服务器基于目标用户的当前信息及历史信息确定一个或多个预测事件，并确定每个预测事件对应的预测地点作为出行的推荐目的地。其中，预设的出行触发事件可以包括但不限于：目标用户开启或登录上述客户端的事件，或者目标用户打开上述客户端的指定页面的事件等等，可以理解，预设的出行触发事件还可以是其它的事件，本申请对此方面不限定。

在本实施例中，该当前信息可以包括但不限于当前的时间信息以及目标用户当前的位置信息等等。其中，当前的时间信息可以包括但不限于当前的时刻信息，当前的日期信息，当前的星期信息等。该历史信息可以包括但不限于历史出行信息等，例如，该历史出行信息可以包括目标用户在历史上打车的相关信息，或者导航的相关信息等。

在一些可选实施方式中，上述当前信息还可以包括：目标用户当前的有效订单信息，该有效订单所针对的服务为当前处于有效状态的未过期服务。

在步骤502中，接收并显示该推荐目的地。

在本实施例中，可以将服务器发送的推荐目的地显示于用户界面上，可以以任意合理的方式显示该推荐目的地，例如，以浮层的方式显示该推荐目的地，或者在弹窗界面显示该推荐目的地等等，本申请对此方面不限定。目标用户可以通过用户界面从推荐目的地中选取出行的终点。

本申请的上述实施例提供的信息推荐方法，在出行触发事件发生时，向服务器发送触发信息，以指示服务器基于目标用户的当前信息及历史信息确定一个或多个预测事件，并确定每个预测事件对应的预测地点作为出行的推荐目的地，接收服务器发送的推荐目的地，并显示推荐目的地。由于可以指示服务器返回推荐目的地，并且，该推荐目的地是基于目标用户的当前信息及历史信息而确定的，因此，推荐目的地中包括出行终点的概率较大。将推荐目的地显示给目标用户，供目标用户从推荐目的地中选取行程的终点，能够减少目标用户操作的时间消耗，从而提高了客户端的易用性和使用效率。

应当注意，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

与前述信息推荐方法实施例相对应，本申请还提供了信息推荐装置的实施例。

如图6所示，图6是本申请根据一示例性实施例示出的一种信息推荐装置框图，该装置可以包括：获取模块601，第一确定模块602以及第二确定模块603。

其中，获取模块601，用于在确定目标用户的出行触发事件发生时，获取目标用户的当前信息及历史信息。

第一确定模块602，用于基于上述当前信息及历史信息确定一个或多个预测事件。

第二确定模块603，用于确定每个预测事件对应的预测地点作为出行的推荐目的地。

在一些可选实施方式中，上述当前信息包括：目标用户当前的有效订单信息。

如图7所示，图7是本申请根据一示例性实施例示出的另一种信息推荐装置框图，该实施例在前述图6所示实施例的基础上，第一确定模块602可以包括：提取子模块701，输入子模块702和确定子模块703。

其中，提取子模块701，用于基于当前信息及历史信息提取特征向量。

输入子模块702，用于将特征向量输入到预先训练的目标模型中。

确定子模块703，用于根据目标模型输出的结果确定一个或多个预测事件。

在另一些可选实施方式中，确定子模块703被配置用于：将目标模型输出的事件中概率满足预设条件的事件确定为预测事件。

在另一些可选实施方式中，确定子模块703被配置用于：根据预设规则对目标模型输出的部分或全部事件的概率进行修正，并将修正后概率满足预设条件的事件确定为预测事件。

在另一些可选实施方式中，第二确定模块603被配置用于：从上述当前信息中查找与该预测事件匹配的地点，并将与该预测事件匹配的地点确定为该预测事件对应的预测地点。

在另一些可选实施方式中，第二确定模块603被配置用于：基于上述历史信息确定针对该预测事件的用户喜好信息，并根据用户喜好信息确定该预测事件对应的预测地点。

在另一些可选实施方式中，上述历史信息可以包括以下任意一项或多项：用户画像信息；历史订单信息；用户历史网络行为信息。

应当理解，上述装置可以预先设置在服务器中，也可以通过下载等方式而加载到服务器中。上述装置中的相应模块可以与服务器中的模块相互配合以实现信息推荐方案。

如图8所示，图8是本申请根据一示例性实施例示出的一种信息推荐装置框图，该装置可以包括：发送模块801，接收模块802以及显示模块803。

其中，发送模块801，用于在出行触发事件发生时，向服务器发送触发信息，以指示服务器基于目标用户的当前信息及历史信息确定一个或多个预测事件，并确定每个预测事件对应的预测地点作为出行的推荐目的地。

接收模块802，用于接收服务器发送的推荐目的地。

显示模块803，用于显示推荐目的地。

在一些可选实施方式中，上述当前信息包括：目标用户当前的有效订单信息。

应当理解，上述装置可以预先设置在终端设备中，也可以通过下载等方式而加载到终端设备中。上述装置中的相应模块可以与终端设备中的模块相互配合以实现信息推荐方案。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本申请实施例还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图2至图5任一实施例提供的信息推荐方法。

对应于上述的信息推荐方法，本申请实施例还提出了图9所示的根据本申请的一示例性实施例的电子设备的示意结构图。请参考图9，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成信息推荐装置。当然，除了软件实现方式之外，本申请并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (12)

1.一种信息推荐方法，其特征在于，所述方法包括：

当确定目标用户的出行触发事件发生时，获取所述目标用户的当前信息及历史信息；

基于所述当前信息及历史信息确定一个或多个预测事件；

确定每个所述预测事件对应的预测地点作为出行的推荐目的地。

2.根据权利要求1所述的方法，其特征在于，所述基于所述当前信息及历史信息确定一个或多个预测事件，包括：

基于所述当前信息及历史信息提取特征向量；

将所述特征向量输入到预先训练的目标模型中；

根据所述目标模型输出的结果确定一个或多个预测事件。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标模型输出的结果确定一个或多个预测事件，包括：

将所述目标模型输出的事件中概率满足预设条件的事件确定为预测事件。

4.根据权利要求2所述的方法，其特征在于，所述根据所述目标模型输出的结果确定一个或多个预测事件，包括：

根据预设规则对所述目标模型输出的部分或全部事件的概率进行修正，并将修正后概率满足预设条件的事件确定为预测事件。

5.根据权利要求1所述的方法，其特征在于，所述确定每个所述预测事件对应的预测地点，包括：

从所述当前信息中查找与所述预测事件匹配的地点；

将与所述预测事件匹配的地点确定为所述预测事件对应的预测地点。

6.根据权利要求1所述的方法，其特征在于，所述确定每个所述预测事件对应的预测地点，包括：

基于所述历史信息确定针对所述预测事件的用户喜好信息；

根据所述用户喜好信息确定所述预测事件对应的预测地点。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述当前信息包括：所述目标用户当前的有效订单信息。

8.根据权利要求1-6中任一项所述的方法，其特征在于，所述历史信息包括以下任意一项或多项：

用户画像信息；

历史订单信息；

用户历史网络行为信息。

9.一种信息推荐方法，其特征在于，所述方法包括：

当出行触发事件发生时，向服务器发送触发信息，以指示所述服务器基于目标用户的当前信息及历史信息确定一个或多个预测事件，并确定每个所述预测事件对应的预测地点作为出行的推荐目的地；

接收并显示所述推荐目的地。

10.根据权利要求9所述的方法，其特征在于，所述当前信息包括：所述目标用户当前的有效订单信息。

11.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-10任一项所述的信息推荐方法。

12.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-10中任一项所述的方法。