CN108090807B

CN108090807B - 信息推荐方法及装置

Info

Publication number: CN108090807B
Application number: CN201711328989.9A
Authority: CN
Inventors: 程亮
Original assignee: Beijing Xingxuan Technology Co Ltd
Current assignee: Beijing Xingxuan Technology Co Ltd
Priority date: 2017-12-13
Filing date: 2017-12-13
Publication date: 2021-06-22
Anticipated expiration: 2037-12-13
Also published as: CN108090807A

Abstract

本发明实施例提供一种信息推荐方法及装置，涉及信息推荐领域。其中，所述方法包括：获取对象在设定特征维度下的特征数据；获取用户在所述设定特征维度下的特征数据；根据所述对象的所述特征数据和所述用户的所述特征数据，确定所述对象与所述用户的相似度；基于所述相似度从所述对象中选取推荐对象。本发明实施例提供的技术方案本发明实施例能够得到具有针对性的推荐结果，能够有效地解决现有推荐方案在平台上新商户、DAU较少的商户以及平台进入期用户等场景下存在的不足。

Description

信息推荐方法及装置

技术领域

本发明实施例涉及信息推荐领域，本发明实施例尤其涉及一种信息推荐方法及装置。

背景技术

在信息爆炸时代，为了提高信息的准确性、针对性等，各种信息推荐技术应运而生。以电子商务领域为例，平台由用户和商户组成，从用户角度来说，关心的是吃什么、用什么；从商户角度来说，关心的是如何吸引合适的用户下单。常见的推荐方法有协同过滤、关联分析、基于内容推荐、社会化推荐等。

在一种常用的现有技术中，为了为用户推荐合适的商户，基于用户下过单的商户列表计算与其中的各商户相似的商户，进而从这些相似的商户中选取用于推荐给所述用户的商户。但是，该方法存在以下缺陷：基于相似商户的推荐策略无法为平台上新商户或日均活跃用户数(DAU，Daily Active User)较少的商户进行有效地推荐，也无法为平台进入期用户进行有效地推荐。

发明内容

本发明实施例提供一种信息推荐方法及装置，用以解决现有技术中在平台上新用户、DAU较少的商户和平台进入期用户的场景下难以进行有效推荐的问题。

第一方面，本发明实施例中提供了一种信息推荐方法，包括：

获取对象在设定特征维度下的特征数据；

获取用户在所述设定特征维度下的特征数据；

根据所述对象的所述特征数据和所述用户的所述特征数据，确定所述对象与所述用户的相似度；

基于所述相似度从所述对象中选取推荐对象。

结合第一方面，本发明在第一方面的第一种实现方式中，所述获取对象在设定特征维度下的特征数据，包括：

根据所述对象包含的子对象以及各子对象在所述特征维度下的特征向量，确定所述对象的特征向量。

结合第一方面的第一种实现方式，本发明在第一方面的第二种实现方式中，所述对象的特征向量包括：

标签以及标签的权重。

结合第一方面，本发明在第一方面的第三种实现方式中，所述获取用户在所述设定特征维度下的特征数据，包括：

根据所述用户在包含所述对象的平台上的交互行为构建所述用户在所述特征维度下的特征向量。

结合第一方面的第三种实现方式，本发明在第一方面的第四种实现方式中，所述用户在所述特征维度下的特征向量包括：

标签和基于与所述用户存在交互行为的对象及其特征向量确定的所述标签的评价值。

结合第一方面，本发明在第一方面的第五种实现方式中，所述对象为商户，所述商户包含作为子对象的商品；所述特征维度为口味。

第二方面，本发明实施例提供了一种信息推荐装置，包括：

对象特征获取模块，用于获取对象在设定特征维度下的特征数据；

用户特征获取模块，用于获取用户在所述设定特征维度下的特征数据；

相似度计算模块，用于根据所述对象的所述特征数据和所述用户的所述特征数据，确定所述对象与所述用户的相似度；

推荐对象确定模块，用于基于所述相似度从所述对象中选取推荐对象。

结合第二方面，本发明在第二方面的第一种实现方式中，所述对象特征获取模块具体用于：

结合第二方面的第一种实现方式，本发明在第二方面的第二种实现方式中，所述对象的特征向量包括：

标签以及标签的权重。

结合第二方面，本发明在第二方面的第三种实现方式中，所述用户特征获取模块具体用于：

结合第二方面的第三种实现方式，本发明在第二方面的第四种实现方式中，所述用户在所述特征维度下的特征向量包括：

结合第二方面，本发明在第二方面的第五种实现方式中，所述对象为商户，所述商户包含作为子对象的商品；所述特征维度为口味。

第三方面，本发明实施例提供了一种电子设备，包括存储器和处理器；其中，

所述存储器用于存储一条或多条计算机指令，所述一条或多条计算机指令供所述处理器调用执行；

所述处理器用于执行所述一条或多条计算机指令从而实现如前述第一方面或其实现方式提供的信息推荐方法。

第四方面，本发明实施例提供了一种计算机存储介质，所述计算机存储介质存储有一条或多条计算机指令，所述计算机指令被执行时实现如前述第一方面或其实现方式提供的信息推荐方法。

本发明实施例能够得到具有针对性的推荐结果，能够有效地解决现有推荐方案在平台上新商户、DAU较少的商户以及平台进入期用户等场景下存在的不足。

本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了根据本发明一个实施例的信息推荐方法的流程示意图；

图2示出了根据本发明另一个实施例的信息推荐方法的流程示意图；

图3示出了根据本发明一个实施例的信息推荐装置的框图；

图4示出了根据本发明一个实施例的电子设备的框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例所获得的所有其他实施例，都属于本发明保护的范围。

图1是根据本发明一个实施例的信息推荐方法的流程示意图，参照图1，所述方法包括：

100：获取对象在设定特征维度下的特征数据。

在本实施例中，“对象”是指可推荐给用户的例如商户、店铺等。特征数据用于描述用户或对象在设定特征维度下的特征。

可选地，在本发明中，“获取”可以理解为以接收的方式得到，例如，接收第三方发送的所述特征数据。可选地，在本发明中，“获取”可以理解为通过数据运算或逻辑处理得到。可选地，在本发明中，“获取”可以包含前述两层含义。

102：获取用户在所述设定特征维度下的特征数据。

104：根据所述对象的所述特征数据和所述用户的所述特征数据，确定所述对象与所述用户的相似度。

可选地，在本实施例的一种实现方式中，所述对象和所述用户的特征数据均采用特征向量的形式，或者，采用能够变形为、计算为或等同为所述特征向量的形式。

106：基于所述相似度从所述对象中选取推荐对象。

可选地，在本实施例的一种实现方式中，根据所述相似度对所述对象进行排序，然后根据排序结果选取相似度达到设定条件(例如，相似度最高)的对象作为所述推荐对象。

采用本实施例提供的方法，基于对象与用户在相同特征维度下的相似度为用户推荐对象，能够得到具有针对性的推荐结果。

采用本实施例提供的方法，以应用于外卖场景为例，无论是平台上新商户或DAU较少的商户，都能根据商户所拥有的商品进行口味划分，构建口味向量，这样可以解决商户端的推荐问题；另外，对于平台进入期用户而言，例如通过对下单商户分析，也可以构建口味向量，这样可以解决用户端的推荐问题。因此，采用实施例提供的方法，能够有效地解决现有推荐方案在平台上新商户、DAU较少的商户以及平台进入期用户等场景下存在的不足。

可选地，在本实施例的一种实现方式中，采用以下方式实现所述处理100：根据所述对象包含的子对象以及各子对象在所述特征维度下的特征向量，确定所述对象的特征向量。以所述对象是商铺为例，每个商铺均可以包含多个作为子对象的商品，而每个商品均可以由其在所述特征维度下的特征向量来表征。示例性地，所述特征向量包括按顺序排列的标签以及该标签的权重。

可选地，在本实施例的一种实现方式中，采用以下方式实现所述处理100：获取预先确定或设定的所述对象的特征向量。示例性地，所述特征向量包括按顺序排列的标签以及该标签的权重。

可选地，在本实施例的一种实现方式中，采用以下方式实现所述处理102：根据所述用户在包含所述对象的平台上的交互行为构建所述用户在所述特征维度下的特征向量。其中，示例性地，所述交互行为包括浏览、点击、收藏、下单、评价等；所述平台包括电子商务平台、外卖平台、服务平台等。其中，所述特征向量可以包括标签和基于与所述用户存在交互行为的对象及其特征向量确定的所述标签的评价值。

换言之，在该实现方式中，可以基于反映所述交互行为的交互数据进行数据分析得到用户的所述特征向量。具体的数据分析方法此处不做限定。

可选地，在本实施例的一种实现方式中，采用以下方式实现所述处理102：获取预先确定或设定的所述用户的特征向量。示例性地，所述特征向量可以包括标签和基于与所述用户存在交互行为的对象及其特征向量确定的所述标签的评价值。

图2示出了根据本发明一个实施例的信息推荐方法的流程示意图，该方法以应用于外卖领域为例进行说明。参照图2，所述方法包括：

200：构建商品-口味向量。其中，“口味”可以通过例如商品的食材确定，或者通过食材、分类符、数字等来表征。

具体而言，在本发明实施例的一种实现方式中，首先建立商品和口味标签的联系。这里，可以采用事先人工标注的方法建立映射关系对应表。假设口味标签集合为Tags＝{tag₁,tag₂,…,tag_N}，某商品Item_i包含tag₁、tag₃、tag₅，那么该商品的口味向量(即，该商品在口味这一设定特征维度下的特征向量，以下关于相同或类同名词不再赘述)为Vector(item_i)＝{tag₁:1,tag₃:1,tag₅:1}。

202：构建商户-口味向量

具体而言，在本发明实施例的一种实现方式中，商户的口味向量主要根据商户所包含商品的口味向量来确定。可选地，对商户所包含的商品列表进行一定的预处理，包括但不限于清洗“米饭”、“餐具”等诸多商户的共性商品；然后，通过每个商品的口味向量构建该商户的口味向量，如下：

假设某商户Shop_j包含M个有效商品，其集合为{item₁,item₂,…,item_M}，其中，n_i为商户包含tag_i的次数，

如果某商品不包含某口味标签，那么次数为0。最终商户的口味食材向量如下所示：

Vector(shop_j)＝{tag₁:s₁，tag₂:s₂,…,tag_N:s_N}

其中，

可选地，在本实施例的一种实现方式中，通过对商品的口味标签进行人工标注，建立商品与口味的映射关系，并在此基础上构建商户的口味向量，作为本发明实施例在商户端的刻画。

204：构建用户-口味向量，作为本发明对用户端的刻画。

具体而言，在本发明实施例的一种实现方式中，用户的口味向量通过用户在平台与商户的交互行为进行构建，这里的交互行为包括但不限于：浏览、点击、收藏、下单、评价等。下面，以“下单”行为作为主要构建依据进行说明。

假设用户U_i的下单商户集合US＝{shop₁:c₁,shop₂:c₂,…,shop_R:c_R}，shop_j、c_j表示商户j以及用户在该商户的下单次数，那么其口味向量Vector(U_i)＝{tag₁:score₁,tag₂:score₂,…,tag_N:score_N}。其中

206：构建用户-商户相似度向量

根据构建的用户口味向量和商户口味向量，计算出用户和商户的相似度，并构建用户-商户相似度向量SimVector(U_i)＝{shop₁:sim₁,…,shop_R:sim_R}。示例性地，计算方式如下：

208：TOP-N推荐

根据构建的用户-商户相似度向量，按照相似度高低，从候选商户中选择合适的商户进行TOP-N推荐。

可选地，在本实施例的一种实现方式中，本发明实施例在构建用户口味向量和商户口味向量的基础上，利用余弦相似度计算方法构建用户与商户的相似度矩阵。最后，按照相似度高低，从候选商户中选择商户进行TOP-N推荐。

采用本发明实施例提供的信息推荐方法，首先建立商品和口味的映射关系，然后按照所包含商品的口味映射关系构建商户的口味向量；其次，通过分析用户在平台与商户的交互行为构建用户的口味向量；最后通过计算用户的口味向量和商户的口味向量的相似度从而进行推荐。以将该推荐方法应用于外卖平台为例，能够有效地解决现有推荐方案在平台上新商户、DAU较少的商户以及平台进入期用户等场景下存在的不足，并且在一定程度上能够提高推荐策略的多样性、覆盖性和新颖性。

图3是根据本发明一个实施例的信息推荐装置的框图。参照图3，所述信息推荐装置包括对象特征获取模块30、用户特征获取模块32、相似度计算模块34和推荐对象确定模块36。下面进行详细说明。

在本实施例中，对象特征获取模块30用于获取对象在设定特征维度下的特征数据。例如，接收第三方发送的所述对象的所述特征数据或通过数据运算或逻辑处理得到该特征数据。

在本实施例中，用户特征获取模块32用于获取用户在所述设定特征维度下的特征数据。例如，接收第三方发送的所述用户的所述特征数据或通过数据运算或逻辑处理得到该特征数据。

在本实施例中，相似度计算模块34用于根据所述对象的所述特征数据和所述用户的所述特征数据，确定所述对象与所述用户的相似度。

在本实施例中，推荐对象确定模块36用于基于所述相似度从所述对象中选取推荐对象。

采用本实施例提供的信息推荐装置，基于对象与用户在相同特征维度下的相似度为用户推荐对象，能够得到具有针对性的推荐结果。

采用本实施例提供的信息推荐装置，以应用于外卖场景为例，无论是平台上新商户或DAU较少的商户，都能根据商户所拥有的商品进行口味划分，构建口味向量，这样可以解决商户端的推荐问题；另外，对于平台进入期用户而言，例如通过对下单商户分析，也可以构建口味向量，这样可以解决用户端的推荐问题。因此，采用实施例提供的方法，能够有效地解决现有推荐方案在平台上新商户、DAU较少的商户以及平台进入期用户等场景下存在的不足。

可选地，在本实施例的一种实现方式中，对象特征获取模块30具体用于进行以下处理：根据所述对象包含的子对象以及各子对象在所述特征维度下的特征向量，确定所述对象的特征向量。例如，根据各子对象的特征向量包含的标签统计所述对象中包含的标签以及标签的数量占比(用作标识标签的权重)，根据所述对象包含的标签以及标签的数量占比构建所述对象的特征向量。

可选地，在本实施例的一种实现方式中，用户特征获取模块32具体用于进行以下处理：根据所述用户在包含所述对象的平台上的交互行为构建所述用户在所述特征维度下的特征向量。其中，可选地，该特征向量包括标签和基于与所述用户存在交互行为的对象及其特征向量确定的所述标签的评价值。在一种具体示例中，待推荐给用户的对象和与用户存在交互行为的对象属于相同的平台；在另一种具体示例中，待推荐给用户的对象和与用户存在交互行为的对象属于不同的平台。

可选地，在本实施例的一种实现方式中，所述对象为包含多个商品(作为子对象)的商户；所述特征维度为口味。

图4示出了根据本发明一个实施例的电子设备的框图。参照图4，所述电子设备包括存储器40和处理器42，下面进行详细说明。

在本实施例中，所述存储器40用于存储一条或多条计算机指令以供所述处理器42调用执行。所述处理器42则用于执行所述一条或多条计算机指令从而实现以下处理：获取对象在设定特征维度下的特征数据；获取用户在所述设定特征维度下的特征数据；根据所述对象的所述特征数据和所述用户的所述特征数据，确定所述对象与所述用户的相似度；基于所述相似度从所述对象中选取推荐对象。

采用本实施例提供的电子设备，基于对象与用户在相同特征维度下的相似度为用户推荐对象，能够得到具有针对性的推荐结果。

采用本实施例提供的电子设备，以应用于外卖场景为例，无论是平台上新商户或DAU较少的商户，都能根据商户所拥有的商品进行口味划分，构建口味向量，这样可以解决商户端的推荐问题；另外，对于平台进入期用户而言，例如通过对下单商户分析，也可以构建口味向量，这样可以解决用户端的推荐问题。因此，采用实施例提供的方法，能够有效地解决现有推荐方案在平台上新商户、DAU较少的商户以及平台进入期用户等场景下存在的不足。

可选地，在本实施例的一种实现方式中，如图4中虚线框所示，所述电子设备还包括输入输出接口，用于所述电子设备与其它设备进行数据通信。

可选地，在本实施例的一种实现方式中，为了获取对象在设定特征维度下的特征数据，所述处理器42执行所述一条或多条计算机指令从而实现以下处理：根据所述对象包含的子对象以及各子对象在所述特征维度下的特征向量，确定所述对象的特征向量。其中，示例性地，所述对象的特征向量包括标签以及标签的权重。

可选地，在本实施例的一种实现方式中，为了获取用户在所述设定特征维度下的特征数据，所述处理器42执行所述一条或多条计算机指令从而实现以下处理：根据所述用户在包含所述对象的平台上的交互行为构建所述用户在所述特征维度下的特征向量。其中，示例性地，用户在所述特征维度下的特征向量包括标签和基于与所述用户存在交互行为的对象及其特征向量确定的所述标签的评价值。

可选地，在本实施例的一种实现方式中，所述对象为商户，所述商户包含作为子对象的商品；所述特征维度为口味。

在本发明的一种实施例中，还提供一种计算机存储介质。该计算机存储介质存储有一条或多条计算机指令，所述计算机指令被执行时实现如图1或图2所示的信息推荐方法或其各种实现方式。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

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实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

本发明公开A1、一种信息推荐方法，包括：

获取对象在设定特征维度下的特征数据；

获取用户在所述设定特征维度下的特征数据；

基于所述相似度从所述对象中选取推荐对象。

A2、根据A1所述的方法，所述获取对象在设定特征维度下的特征数据，包括：

A3、根据A2所述的方法，所述对象的特征向量包括：

标签以及标签的权重。

A4、根据A1所述的方法，所述获取用户在所述设定特征维度下的特征数据，包括：

A5、根据A4所述的方法，所述用户在所述特征维度下的特征向量包括：

A6、根据A1所述的方法，

所述对象为商户，所述商户包含作为子对象的商品；

所述特征维度为口味。

本发明还公开了B7、一种信息推荐装置，包括：

B8、根据B7所述的装置，所述对象特征获取模块具体用于：

B9、根据B8所述的装置，所述对象的特征向量包括：

标签以及标签的权重。

B10、根据B7所述的装置，所述用户特征获取模块具体用于：

B11、根据B10所述的装置，所述用户在所述特征维度下的特征向量包括：

B12、根据B7所述的装置，

所述对象为商户，所述商户包含作为子对象的商品；

所述特征维度为口味。

本发明还公开了C13、一种计算机存储介质，所述计算机存储介质存储有一条或多条计算机指令，所述计算机指令被执行时实现如A1-A6中任一项所述的信息推荐方法。

本发明还公开了D14、一种电子设备，包括存储器和处理器；其中，

所述处理器用于执行所述一条或多条计算机指令从而实现如A1-A6中任一项所述的信息推荐方法。

Claims

1.一种信息推荐方法，其特征在于，包括：

构建商品-口味向量；

获取商户在设定特征维度下的特征数据，构建商户-口味向量；其中，对商户所包含的商品列表进行预处理，清洗共性商品；根据商户包含的有效商品的口味向量确定商户包含任一口味标签的次数，从而构建该商户的口味向量；

获取用户在所述设定特征维度下的特征数据，构建用户-口味向量；其中，获取与用户存在交互行为的商户集合以及用户与商户集合中各个商户的交互行为次数，根据用户与商户集合中各个商户的交互行为次数以及各个商户的商户-口味向量得到用户-口味向量；

根据所述商户-口味向量和所述用户-口味向量，确定所述商户与所述用户的相似度；

基于所述相似度从所述商户中选取推荐商户。

2.根据权利要求1所述的方法，其特征在于，所述商户-口味向量包括：

标签以及标签的权重。

3.一种信息推荐装置，其特征在于，包括：

对象特征获取模块，用于构建商品-口味向量；获取商户在设定特征维度下的特征数据，构建商户-口味向量；其中，对商户所包含的商品列表进行预处理，清洗共性商品；根据商户包含的有效商品的口味向量确定商户包含任一口味标签的次数，从而构建该商户的口味向量；

用户特征获取模块，用于获取用户在所述设定特征维度下的特征数据，构建用户-口味向量；其中，获取与用户存在交互行为的商户集合以及用户与商户集合中各个商户的交互行为次数，根据用户与商户集合中各个商户的交互行为次数以及各个商户的商户-口味向量得到用户-口味向量；

相似度计算模块，用于根据所述商户-口味向量和所述用户-口味向量，确定所述商户与所述用户的相似度；

推荐对象确定模块，用于基于所述相似度从所述商户中选取推荐商户。

4.根据权利要求3所述的装置，其特征在于，所述商户-口味向量包括：

标签以及标签的权重。

5.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一条或多条计算机指令，所述计算机指令被执行时实现如权利要求1-2中任一项所述的信息推荐方法。

6.一种电子设备，其特征在于，包括存储器和处理器；其中，

所述处理器用于执行所述一条或多条计算机指令从而实现如权利要求1-2中任一项所述的信息推荐方法。