CN109214730B - 信息推送方法和装置 - Google Patents

Abstract

本申请公开了信息推送方法和装置。该方法的一具体实施方式包括：获取在预定时间段内产生的订单集合；基于订单集合，分别生成物品类别集合和仓库标识集合；确定用于表征各个物品类别分别指示的物品两两之间的、在预定时间段所包括的各个单位时间段内的关联性的第一三维关联矩阵；基于第一三维关联矩阵，确定用于表征各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵；基于第一三维关联矩阵和第二三维关联矩阵，生成用于表征物品类别所指示的物品和仓库标识所指示的仓库的对应关系的对应关系信息；将对应关系信息推送至所连接的客户端。该实施方式实现了富于针对性的信息推送。

Description

信息推送方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及信息推送方法和装置。

背景技术

电商在发展过程中，随着市场的拓展，使用人群的不断膨胀，物品销量急剧上升。为了保证顾客下单时仓库中有现货，采销系统不得不加大物品备货量，这给仓储运营带来了前所未有的压力。在仓容的限制下，有些物品不得不分仓存储。当用户提交的订单所涉及的物品分别存放在不同的仓库时，该用户的订单通常被拆分为多个子订单，这样通常会加重仓储的运营成本。因此合理规划物品布局显得尤为重要。

发明内容

本申请的目的在于提出一种改进的信息推送方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种信息推送方法，该方法包括：获取在预定时间段内产生的订单集合，其中，上述订单集合中的每个订单包括物品类别，并且上述订单集合中的至少部分订单包括仓库标识；基于上述订单集合，分别生成物品类别集合和仓库标识集合；基于上述订单集合，对上述物品类别集合中的各个物品类别分别指示的物品进行关联分析，确定用于表征上述各个物品类别分别指示的物品两两之间的、在上述预定时间段所包括的各个单位时间段内的关联性的第一三维关联矩阵；基于上述第一三维关联矩阵，确定用于表征上述各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵；基于上述第一三维关联矩阵和上述第二三维关联矩阵，生成用于表征上述物品类别集合中的物品类别所指示的物品和上述仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息；将上述对应关系信息推送至所连接的客户端。

在一些实施例中，上述基于上述订单集合，分别生成物品类别集合和仓库标识集合，包括：对上述订单集合中的满足预设条件的订单进行更新，生成新订单集合；将上述新订单集合中的各个订单分别包括的物品类别和仓库标识分别组成物品类别集合和仓库标识集合。

在一些实施例中，上述订单集合中的每个订单包括订单有效标识字段，并且上述订单集合中的部分订单包括父订单标识；以及上述预设条件包括订单移除条件和订单合并条件，上述订单移除条件包括以下至少一项：所包括的订单有效标识字段的值为预设值、不包括仓库标识，上述订单合并条件为所包括的父订单标识相同。

在一些实施例中，上述基于上述订单集合，对上述物品类别集合中的各个物品类别分别指示的物品进行关联分析，包括：基于上述新订单集合中的各个订单，对上述物品类别集合中的各个物品类别分别指示的物品进行关联分析。

在一些实施例中，上述基于上述第一三维关联矩阵，确定用于表征上述各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵，包括：从上述第一三维关联矩阵中提取出时间序列集合，其中，上述时间序列集合中的每个时间序列是上述物品类别集合中的两个物品类别分别指示的物品在上述预定时间段所包括的各个单位时间段内的关联性按时间先后顺序所形成的序列；对上述时间序列集合中的各个时间序列分别进行去离群值操作，生成新时间序列集合；对上述新时间序列集合中的各个新时间序列分别进行拟合，生成上述第二三维关联矩阵。

在一些实施例中，上述对上述时间序列集合中的各个时间序列分别进行去离群值操作，包括：对于上述时间序列集合中的每个时间序列，计算该时间序列的一阶矩和二阶矩，基于上述一阶矩和上述二阶矩确定该时间序列中的每一个值是否为离群值，若是，则去除该值。

在一些实施例中，上述基于上述第一三维关联矩阵和上述第二三维关联矩阵，生成用于表征上述物品类别集合中的物品类别所指示的物品和上述仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息，包括：对上述第一三维关联矩阵和上述第二三维关联矩阵进行合并，得到合并后的三维关联矩阵；将上述合并后的三维关联矩阵在时间维度上进行求和，生成用于表征上述各个物品类别分别指示的物品两两之间的、在上述合并后的三维关联矩阵所对应的时间段内的总关联性的二维关联矩阵；基于上述二维关联矩阵，确定用于表征上述物品类别集合中的物品类别所指示的物品与上述仓库标识集合中的仓库标识所指示的仓库的对应关系的物品分布矩阵；基于上述物品分布矩阵，生成上述对应关系信息。

在一些实施例中，上述基于上述物品分布矩阵，生成上述对应关系信息，包括：将上述物品分布矩阵所表示的物品和仓库的对应关系生成对应关系列表，将上述对应关系列表作为上述对应关系信息。

第二方面，本申请提供了一种信息推送装置，该装置包括：获取单元，配置用于获取在预定时间段内产生的订单集合，其中，上述订单集合中的每个订单包括物品类别，并且上述订单集合中的至少部分订单包括仓库标识；第一生成单元，配置用于基于上述订单集合，分别生成物品类别集合和仓库标识集合；第一确定单元，配置用于基于上述订单集合，对上述物品类别集合中的各个物品类别分别指示的物品进行关联分析，确定用于表征上述各个物品类别分别指示的物品两两之间的、在上述预定时间段所包括的各个单位时间段内的关联性的第一三维关联矩阵；第二确定单元，配置用于基于上述第一三维关联矩阵，确定用于表征上述各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵；第二生成单元，配置用于基于上述第一三维关联矩阵和上述第二三维关联矩阵，生成用于表征上述物品类别集合中的物品类别所指示的物品和上述仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息；推送单元，配置用于将上述对应关系信息推送至所连接的客户端。

在一些实施例中，上述第一生成单元包括：第一生成子单元，配置用于对上述订单集合中的满足预设条件的订单进行更新，生成新订单集合；第二生成子单元，配置用于将上述新订单集合中的各个订单分别包括的物品类别和仓库标识分别组成物品类别集合和仓库标识集合。

在一些实施例中，上述订单集合中的每个订单包括订单有效标识字段，并且上述订单集合中的部分订单包括父订单标识；以及上述预设条件包括订单移除条件和订单合并条件，上述订单移除条件包括以下至少一项：所包括的订单有效标识字段的值为预设值、不包括仓库标识，上述订单合并条件为所包括的父订单标识相同。

在一些实施例中，上述第一确定单元包括：分析子单元，配置用于基于上述新订单集合中的各个订单，对上述物品类别集合中的各个物品类别分别指示的物品进行关联分析。

在一些实施例中，上述第二确定单元包括：提取子单元，配置用于从上述第一三维关联矩阵中提取出时间序列集合，其中，上述时间序列集合中的每个时间序列是上述物品类别集合中的两个物品类别分别指示的物品在上述预定时间段所包括的各个单位时间段内的关联性按时间先后顺序所形成的序列；第三生成子单元，配置用于对上述时间序列集合中的各个时间序列分别进行去离群值操作，生成新时间序列集合；第四生成子单元，配置用于对上述新时间序列集合中的各个新时间序列分别进行拟合，生成上述第二三维关联矩阵。

在一些实施例中，上述第三生成子单元进一步配置用于对于上述时间序列集合中的每个时间序列，计算该时间序列的一阶矩和二阶矩，基于上述一阶矩和上述二阶矩确定该时间序列中的每一个值是否为离群值，若是，则去除该值。

在一些实施例中，上述第二生成单元包括：合并子单元，配置用于对上述第一三维关联矩阵和上述第二三维关联矩阵进行合并，得到合并后的三维关联矩阵；第五生成子单元，配置用于将上述合并后的三维关联矩阵在时间维度上进行求和，生成用于表征上述各个物品类别分别指示的物品两两之间的、在上述合并后的三维关联矩阵所对应的时间段内的总关联性的二维关联矩阵；确定子单元，配置用于基于上述二维关联矩阵，确定用于表征上述物品类别集合中的物品类别所指示的物品与上述仓库标识集合中的仓库标识所指示的仓库的对应关系的物品分布矩阵；第六生成子单元，配置用于基于上述物品分布矩阵，生成上述对应关系信息。

在一些实施例中，上述第六生成子单元进一步配置用于：将上述物品分布矩阵所表示的物品和仓库的对应关系生成对应关系列表，将上述对应关系列表作为上述对应关系信息。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，上述程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的信息推送方法和装置，通过获取在预定时间段内产生的订单集合，以便基于该订单集合分别生成物品类别集合和仓库标识集合。而后，基于该订单集合，对该物品类别集合中的各个物品类别分别指示的物品进行关联分析，以便确定用于表征该各个物品类别分别指示的物品两两之间的、在该预定时间段所包括的各个单位时间段内的关联性的第一三维关联矩阵。之后，基于该第一三维关联矩阵，确定用于表征该各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵，以便基于该第一三维关联矩阵和该第二三维关联矩阵，生成用于表征该物品类别集合中的物品类别所指示的物品和该仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息。最后，将对应关系信息推送至所连接的客户端。从而有效利用了订单集合(即客户群在上述预定时间段内购买物品时所产生的订单集合)，实现了富于针对性的信息推送。

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，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的信息推送方法的一个实施例的流程图；

图3是根据本申请的信息推送方法的一个应用场景的示意图；

图4是根据本申请的信息推送方法的又一个实施例的流程图；

图5是根据本申请的信息推送装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的信息推送方法或信息推送装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括信息处理服务器101，网络102和数据存储用服务器103。网络102用以在信息处理服务器101和数据存储用服务器103之间提供通信链路的介质。网络102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。

数据存储用服务器103可以是提供各种服务的服务器，例如存储客户的订单等。数据存储用服务器103可以存储不同预置区域的订单。

信息处理服务器101可以是提供各种服务的服务器，例如信息处理服务器101可以通过网络102从数据存储用服务器103获取所需的订单集合(例如在指定时间段内产生的指定区域的订单集合)，并对该订单进行分析等处理，将处理结果(例如所生成的用于表征物品和仓库的对应关系的对应关系信息)推送至所连接的客户端(例如用于管理该指定区域的仓库的客户端)。

需要说明的是，本申请实施例所提供的信息推送方法一般由信息处理服务器101执行，相应地，信息推送装置一般设置于信息处理服务器101中。

应该理解，图1中的信息处理服务器、网络和数据存储用服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的信息处理服务器、网络和数据存储用服务器。

继续参考图2，示出了根据本申请的信息推送方法的一个实施例的流程200。该信息推送方法，包括以下步骤：

步骤201，获取在预定时间段内产生的订单集合。

在本实施例中，信息推送方法运行于其上的电子设备(例如图1所示的信息处理服务器101)可以通过有线连接方式或者无线连接方式获取在预定时间段(例如当月的前6个月、当天的前30天等等)内产生的订单集合。其中，该订单集合中的每个订单可以包括物品类别，并且该订单集合中的至少部分订单可以包括仓库标识。这里，物品类别可以是客户所购买的物品的SKU(Stock Keeping Unit，库存量单位)编码，也可以是客户所购买的物品的品类(例如一级品类、二级品类或三级品类等)的品类标识等。作为示例，对于不同品牌的啤酒，例如**牌啤酒和##牌啤酒，这两种啤酒的一级品类可以例如为“酒”，二级品类可以例如为“中国酒”，三级品类可以例如为“啤酒”。物品类别可以根据实际需求进行设置，本实施例不对此方面内容做任何限定。需要指出的是，该订单集合可以是某个预置区域所对应的订单集合。该仓库标识集合中的各个仓库标识分别指示的仓库可以是归属于该预置区域的仓库。

这里，预置区域可以是按经济带划分的区域，例如东部沿海地区、中部内陆地区、西部边远地区；也可以是按行政区域划分的区域，例如华北地区、东北地区、华东地区、中南地区、西南地区、西北地区；还可以是按省级划分的区域，例如北京、河南、河北等等。本实施例不对预置区域的划分方法做任何限定。

在本实施例的一些可选的实现方式中，上述订单集合中的每个订单还可以包括订单有效标识字段，并且上述订单集合中的部分订单可以包括父订单标识。订单有效标识字段的值可以例如是“有效”或“无效”。这里，当一个订单包括父订单标识时，可以表示该订单是经拆分后的订单。

步骤202，基于订单集合，分别生成物品类别集合和仓库标识集合。

在本实施例中，上述电子设备在获取到上述订单集合后，可以基于上述订单集合，分别生成物品类别集合和仓库标识集合。作为示例，上述电子设备可以将上述订单集合中的各个订单分别包括的物品类别组成物品类别集合。上述电子设备还可以将上述至少部分订单分别包括的仓库标识组成仓库标识集合。

在本实施例的一些可选的实现方式中，上述电子设备可以对上述订单集合中的满足预设条件的订单进行更新，生成新订单集合；然后上述电子设备可以将该新订单集合中的各个订单分别包括的物品类别和仓库标识分别组成物品类别集合和仓库标识集合。这里，上述预设条件可以包括订单移除条件和订单合并条件，该订单移除条件可以包括以下至少一项：所包括的订单有效标识字段的值为预设值(例如“无效”)、不包括仓库标识，该订单合并条件可以为所包括的父订单标识相同。

在本实施例的一些可选的实现方式中，上述电子设备在生成上述新订单集合后，还可以根据上述新订单集合中的每个订单的订单业务类型，为该订单设置订单类别(例如“自营订单”、“第三方订单”或“自营和第三方混合订单”)。上述电子设备还可以为该订单设置维度标识，该维度标识可以是用于表征该订单是跨区域订单或跨品类订单等的标识。这里，该订单可以包括订单编号，上述电子设备可以基于该订单编号确定该订单的订单业务类型。该订单也可以直接包括订单业务类型标识。

步骤203，基于订单集合，对物品类别集合中的各个物品类别分别指示的物品进行关联分析，确定用于表征各个物品类别分别指示的物品两两之间的、在预定时间段所包括的各个单位时间段内的关联性的第一三维关联矩阵。

在本实施例中，上述电子设备在生成上述物品类别集合和上述仓库标识集合后，可以基于上述订单集合，对上述物品类别集合中的各个物品类别分别指示的物品进行关联分析，确定用于表征上述各个物品类别分别指示的物品两两之间的、在上述预定时间段所包括的各个单位时间段(每个单位时间段的长度可以例如是一天)内的关联性的第一三维关联矩阵。作为示例，若上述物品类别集合是上述订单集合中的各个订单分别包括的物品类别所组成的物品类别集合，并且上述仓库标识集合是上述至少部分订单分别包括的仓库标识所组成的仓库标识集合，则上述电子设备可以对上述订单集合中的各个订单进行分析，以确定上述第一三维关联矩阵。这里，上述第一三维关联矩阵可以例如是包括三个维度的数据立方体H(X,Y,Z)。X，Y，Z可以是数据立方体H的三个维度，X与Y可以分别表示物品维度，Z可以表示时间维度，该数据立方体可以例如以天为粒度对物品的关联性进行记录。需要指出的是，上述第一三维关联矩阵中的每一个x，y层H(*,*,z)可以代表用于表征上述物品类别集合中的各个物品类别分别指示的物品两两之间的、在某个单位时间段内的关联性的关联矩阵。上述第一三维关联矩阵上的每一个点可以代表某两个物品在某单位时间段内的关联性。

在本实施例中，上述电子设备可以利用Apriori算法、Fp-Tree算法之类的公知的方法来确定物品之间的关联性。其中，Apriori算法是一种挖掘关联规则的频繁项集算法，其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。而且算法已经被广泛的应用到商业、网络安全等各个领域。Apriori算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递归的方法。FP-Tree是频繁模式树(FrequentPattern tree)的简称。FP-Tree算法在不生成候选项的情况下，可以完成Apriori算法的功能。FP-Tree算法的基本数据结构，通常包含一个一棵FP树和一个项头表，每个项通过一个结点链指向它在树中出现的位置。需要注意的是项头表需要按照支持度递减排序，在FP-Tree中高支持度的节点只能是低支持度节点的祖先节点。

在本实施例的一些可选的实现方式中，上述电子设备还可以基于上述新订单集合中的各个订单，对上述物品类别集合中的各个物品类别分别指示的物品进行关联分析。

步骤204，基于第一三维关联矩阵，确定用于表征各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵；

在本实施例中，上述电子设备在确定上述第一三维关联矩阵后，可以基于上述第一三维关联矩阵，确定用于表征上述各个物品类别分别指示的物品两两之间的、在预测时间段(例如当月或当月的下个月等等)所包括的各个单位时间段(每个单位时间段的长度可以例如是一天)内的关联性的第二三维关联矩阵。这里，上述电子设备可以利用简易平均法、指数平滑法之类的公知技术，以基于上述第一三维关联矩阵确定上述第二三维关联矩阵。这里，上述电子设备可以从上述第一三维关联矩阵中提取出时间序列集合，然后利用例如简易平均法或指数平滑法之类的公知方法对该时间序列集合中的各个时间序列进行计算，来确定上述物品类别集合中的各个物品类别分别指示的物品两两之间的、在上述预测时间段所包括的各个单位时间段内的关联性，以生成上述第二三维关联矩阵。其中，上述时间序列集合中的每个时间序列是上述物品类别集合中的两个物品类别分别指示的物品在上述预定时间段所包括的各个单位时间段内的关联性按时间先后顺序所形成的序列。需要说明的是，简易平均法，是一种简便的时间序列法，是以一定观察期的数据求得平均数，并以所求平均数为基础，预测未来时期的预测值。简易平均法是最简单的定量预测方法。而指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。移动平均法是技术分析中一种分析时间序列数据的工具。最常见的是利用股价、回报或交易量等变量计算出移动平均。移动平均可抚平短期波动，反映出长期趋势或周期。数学上，移动平均可视为一种卷积。

步骤205，基于第一三维关联矩阵和第二三维关联矩阵，生成用于表征物品类别集合中的物品类别所指示的物品和仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息。

在本实施例中，在确定上述第二三维关联矩阵后，上述电子设备可以基于上述第一三维关联矩阵和上述第二三维关联矩阵，生成用于表征上述物品类别集合中的物品类别所指示的物品和上述仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息。作为示例，上述电子设备可以基于第一三维关联矩阵和第二三维关联矩阵计算出上述物品类别集合中的各个物品类别分别指示的物品两两之间的、在上述预定时间段和上述预测时间段内的总关联性，为总关联性不低于关联性阈值的物品指定同一个仓库(例如在上述仓库标识所指示的仓库中随机选取一个仓库作为与该物品对应的仓库)。根据各个仓库实际的仓容，上述电子设备可以为总关联性低于该关联性阈值的物品指定同一个仓库或不同的仓库。在为上述物品类别集合中的各个物品类别分别指示的物品指定相应的仓库后，上述电子设备可以生成用于表征物品和仓库的对应关系的对应关系信息。

在本实施例的一些可选的实现方式中，上述电子设备还可以通过执行以下步骤，生成用于表征上述物品类别集合中的物品类别所指示的物品和上述仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息：对上述第一三维关联矩阵和上述第二三维关联矩阵进行合并，得到合并后的三维关联矩阵；将该合并后的三维关联矩阵在时间维度上进行求和，生成用于表征该各个物品类别分别指示的物品两两之间的、在该合并后的三维关联矩阵所对应的时间段(上述预定时间段和上述预测时间段的总时间段)内的总关联性的二维关联矩阵；基于该二维关联矩阵，确定用于表征上述物品类别集合中的物品类别所指示的物品与上述仓库标识集合中的仓库标识所指示的仓库的对应关系的物品分布矩阵；基于该物品分布矩阵，生成对应关系信息。这里，上述电子设备可以利用以下公式来确定上述物品分布矩阵：

该公式可以包括以下约束条件：

A_ij为整数；

其中，m代表有m个物品，n代表有n个仓库。H^* _m*n表示上述二维关联矩阵，该矩阵描述了较佳的库存模型。现实中由于种种限制，希望找到一个矩阵

该矩阵在约束下使得Z最小。矩阵A_m*n代表了物品的库存分布，每一行代表了一种物品。由于品类仓的限制(例如具有相同SKU编码的物品只能放在一个仓库中，同品类物品尽量放在一起)，矩阵A_m*n中的每一行中，只有一个元素为1，如A_ij＝1，代表物品i放在仓库j中。矩阵X_n*m为仓储的特性矩阵，该矩阵中每一行共有m维，每一维代表某一物品在仓库中的存放权重。这里，上述电子设备可以根据物品的现实布局情况对矩阵A_m*n进行初始化。至于矩阵X_n*m的初始化，上述电子设备可以根据现实，也可以随机对该矩阵进行初始化。

对于上述公式，上述电子设备可以通过取范式的方式进行优化，如以下公式所示：

由于该公式为凸函数，因此一定有全局最优解。在求解该公式时，上述电子设备可以将该公式转换为以下转换公式：

minimize Z'＝||H^* _m*m-A_m*nX_n*m||²；

由于该转换公式中H^* _m*m为已知，可先将A_m*n当做已知，Z′对X_n*m求导，即使用梯度下降优化更新X_n*m的值。最后，可以认为X_n*m已知，然后Z′对A_m*n求导，来更新A_m*n的值，此处需要注意A_m*n的约束(即A_ij为整数，并且

)。根据最优理论，该转换公式经过迭代后必然收敛，收敛后的A_m*n即为上述电子设备所生成的物品分布矩阵。

在本实施例的一些可选的实现方式中，上述电子设备可以直接将上述物品分布矩阵作为对应关系信息。上述电子设备也可以将上述物品分布矩阵所表示的物品和仓库的对应关系信息生成对应关系列表，将该对应关系列表作为对应关系信息。

步骤206，将对应关系信息推送至所连接的客户端。

在本实施例中，上述电子设备在生成上述对应关系信息后，可以通过有线连接方式或者无线连接方式将上述对应关系信息推送至所连接的客户端。这里，该客户端可以是安装有仓库管理应用的客户端，该客户端可以通过所安装的仓库管理应用来管理上述仓库标识集合中的各个仓库标识分别指示的仓库。

继续参见图3，图3是根据本实施例的信息推送方法的应用场景的一个示意图。在图3的应用场景中，用户可以预先通过客户端301对信息处理服务器302进行相应的设置，以使信息处理服务器302可以每月定时(例如在每月的第一天的早上9点)获取当月的前6个月内产生的订单集合。假定当天为6月1日，信息处理服务器302可以在当天的早上9点从数据存储用服务器303获取当月的前6个月内产生的订单集合304，其中，订单集合304中的每个订单可以包括物品类别，至少部分订单可以包括仓库标识，该物品类别可以是用户所购买的物品的SKU编码。而后，信息处理服务器302可以基于订单集合304，分别生成物品类别集合305和仓库标识集合306。之后，信息处理服务器302可以基于订单集合304对物品类别集合305中的各个物品类别分别指示的物品进行关联分析，确定出用于表征该各个物品类别分别指示的物品两两之间的、在当月的前6个月所包括的每天的关联性的第一三维关联矩阵307。接着，信息处理服务器302可以基于第一三维关联矩阵307，确定出用于表征物品类别集合305中的各个物品类别分别指示的物品两两之间的、在预测时间段(例如当月)所包括的每天的关联性的第二三维关联矩阵308。然后，信息处理服务器302可以基于第一三维关联矩阵307和第二三维关联矩阵308，生成用于表征物品类别集合305中的物品类别所指示的物品和仓库标识集合306中的仓库标识所指示的仓库的对应关系的对应关系信息309。最后，信息处理服务器302可以将对应关系信息309推送至客户端301。

本申请的上述实施例提供的方法通过将在预定时间段内产生的订单集合与推送的信息(即所生成的对应关系信息)相关联，实现了富于针对性的信息推送。

进一步参考图4，其示出了信息推送方法的又一个实施例的流程400。该信息推送方法的流程400，包括以下步骤：

步骤401，获取在预定时间段内产生的订单集合。

步骤402，基于订单集合，分别生成物品类别集合和仓库标识集合。

步骤403，基于订单集合，对物品类别集合中的各个物品类别分别指示的物品进行关联分析，确定用于表征各个物品类别分别指示的物品两两之间的、在预定时间段所包括的各个单位时间段内的关联性的第一三维关联矩阵。

在本实施例中，对于步骤401、步骤402和步骤403的解释说明可分别参看图2所示实施例中的步骤201、步骤202和步骤203中的相关描述，在此不再赘述。

步骤404，从第一三维关联矩阵中提取出时间序列集合。

在本实施例中，上述电子设备在生成上述第一三维关联矩阵后，可以从上述第一三维关联矩阵中提取出时间序列集合。其中，该时间序列集合中的每个时间序列可以是上述物品类别集合中的两个物品类别分别指示的物品在上述预定时间段所包括的各个单位时间段内的关联性按时间先后顺序所形成的序列。

步骤405，对时间序列集合中的各个时间序列分别进行去离群值操作，生成新时间序列集合。

在本实施例中，在提取出上述时间序列集合后，上述电子设备可以对上述时间序列集合中的各个时间序列分别进行去离群值操作，以生成新时间序列集合。其中，离群值(outlier)通常指在数据中有一个或几个数值与其他数值相比差异较大。这里，对于上述时间序列集合中的每个时间序列，上述电子设备可以计算该时间序列的一阶矩(均值)和二阶矩(方差)，基于该一阶矩和该二阶矩确定该时间序列中的每一个值是否为离群值，若是，则上述电子设备可以去除该值。

作为示例，假定某两种物品的关联性符合T分布，上述电子设备可以计算这两种物品所对应的时间序列的一阶矩M₁和二阶矩M₂，选择置信度为95％，显著性水平α＝0.5，自由度为该时间序列所包括的数值的数目N减1，该时间序列的极差为p。此时，上述电子设备可以计算临界值c，这里，c＝t_(1-α/2)(N-1)，其中，t_(1-α/2)是T分布的值，t_(1-α/2)(N-1)可通过查T分布表获取。

为置信区间。上述电子设备可以对该时间序列中的每一个值x进行变换

如果x′在区间

中则保留，否则去除。需要说明的是，α可根据实际情况选取。

步骤406，对新时间序列集合中的各个时间序列分别进行拟合，生成用于表征各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵。

在本实施例中，在生成上述新时间序列集合后，上述电子设备可以对上述新时间序列集合中的各个新时间序列分别进行拟合，生成用于表征上述物品类别集合中的各个物品类别分别指示的物品两两之间的、在预测时间段(例如当月或当月的下个月等)所包括的各个单位时间段(每个单位时间段的长度可以例如是一天)内的关联性的第二三维关联矩阵。作为示例，上述电子设备可以利用以下公式对上述新时间序列集合中的每个新时间序列进行拟合：

其中，T表示新时间序列的时间窗大小；i为自然数，且1≤i≤T；t表示时间，且t≥T；x_t+1-i为新时间序列中的值，w_i为x_t+1-i的权值；S_t为新时间序列的拟合值。上述电子设备通过该公式对上述新时间序列集合中的各个新时间序列分别进行拟合后，可以获得上述预测时间段的模拟。

步骤407，基于第一三维关联矩阵和第二三维关联矩阵，生成用于表征物品类别集合中的物品类别所指示的物品和仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息。

步骤408，将对应关系信息推送至所连接的客户端。

在本实施例中，对于步骤407和步骤408的解释说明可分别参看图2所示实施例中的步骤205和步骤206中的相关描述，在此不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的信息推送方法的流程400突出了对第二三维关联矩阵的生成步骤。由此，本实施例描述的方案可以提高第二三维关联矩阵所表征的任意两个物品在预测时间段所包括的各个单位时间段内的关联性的准确度，从而可以提高所生成对应关系信息的有效性。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种信息推送装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例所示的信息推送装置500包括：获取单元501、第一生成单元502、第一确定单元503、第二确定单元504、第二生成单元505和推送单元506。其中，获取单元501配置用于获取在预定时间段内产生的订单集合，其中，上述订单集合中的每个订单包括物品类别，并且上述订单集合中的至少部分订单包括仓库标识；第一生成单元502配置用于基于上述订单集合，分别生成物品类别集合和仓库标识集合；第一确定单元503配置用于基于上述订单集合，对上述物品类别集合中的各个物品类别分别指示的物品进行关联分析，确定用于表征上述各个物品类别分别指示的物品两两之间的、在上述预定时间段所包括的各个单位时间段内的关联性的第一三维关联矩阵；第二确定单元504配置用于基于上述第一三维关联矩阵，确定用于表征上述各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵；第二生成单元505配置用于基于上述第一三维关联矩阵和上述第二三维关联矩阵，生成用于表征上述物品类别集合中的物品类别所指示的物品和上述仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息；而推送单元506配置用于将上述对应关系信息推送至所连接的客户端。

在本实施例中，信息推送装置500中：获取单元501、第一生成单元502、第一确定单元503、第二确定单元504、第二生成单元505和推送单元506的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204、步骤205和步骤206的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述第一生成单元502可以包括：第一生成子单元(图中未示出)，配置用于对上述订单集合中的满足预设条件的订单进行更新，生成新订单集合；第二生成子单元(图中未示出)，配置用于将上述新订单集合中的各个订单分别包括的物品类别和仓库标识分别组成物品类别集合和仓库标识集合。

在本实施例的一些可选的实现方式中，上述订单集合中的每个订单包括订单有效标识字段，并且上述订单集合中的部分订单包括父订单标识；以及上述预设条件包括订单移除条件和订单合并条件，上述订单移除条件包括以下至少一项：所包括的订单有效标识字段的值为预设值、不包括仓库标识，上述订单合并条件为所包括的父订单标识相同。

在本实施例的一些可选的实现方式中，上述第一确定单元503可以包括：分析子单元(图中未示出)，配置用于基于上述新订单集合中的各个订单，对上述物品类别集合中的各个物品类别分别指示的物品进行关联分析。

在本实施例的一些可选的实现方式中，上述第二确定单元504可以包括：提取子单元(图中未示出)，配置用于从上述第一三维关联矩阵中提取出时间序列集合，其中，上述时间序列集合中的每个时间序列是上述物品类别集合中的两个物品类别分别指示的物品在上述预定时间段所包括的各个单位时间段内的关联性按时间先后顺序所形成的序列；第三生成子单元(图中未示出)，配置用于对上述时间序列集合中的各个时间序列分别进行去离群值操作，生成新时间序列集合；第四生成子单元(图中未示出)，配置用于对上述新时间序列集合中的各个新时间序列分别进行拟合，生成上述第二三维关联矩阵。

在本实施例的一些可选的实现方式中，上述第三生成子单元可以进一步配置用于对于上述时间序列集合中的每个时间序列，计算该时间序列的一阶矩和二阶矩，基于上述一阶矩和上述二阶矩确定该时间序列中的每一个值是否为离群值，若是，则去除该值。

在本实施例的一些可选的实现方式中，上述第二生成单元505可以包括：合并子单元(图中未示出)，配置用于对上述第一三维关联矩阵和上述第二三维关联矩阵进行合并，得到合并后的三维关联矩阵；第五生成子单元(图中未示出)，配置用于将上述合并后的三维关联矩阵在时间维度上进行求和，生成用于表征上述各个物品类别分别指示的物品两两之间的、在上述合并后的三维关联矩阵所对应的时间段内的总关联性的二维关联矩阵；确定子单元(图中未示出)，配置用于基于上述二维关联矩阵，确定用于表征上述物品类别集合中的物品类别所指示的物品与上述仓库标识集合中的仓库标识所指示的仓库的对应关系的物品分布矩阵；第六生成子单元(图中未示出)，配置用于基于上述物品分布矩阵，生成上述对应关系信息。

在本实施例的一些可选的实现方式中，上述第六生成子单元可以进一步配置用于：将上述物品分布矩阵所表示的物品和仓库的对应关系生成对应关系列表，将上述对应关系列表作为上述对应关系信息。

本申请的上述实施例提供的装置通过将在预定时间段内产生的订单集合与推送的信息(即所生成的对应关系信息)相关联，实现了富于针对性的信息推送。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的系统中限定的上述功能。

需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、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，上述模块、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，两个接连地表示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，框图或流程图中的每个方框、以及框图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。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一生成单元、第一确定单元、第二确定单元、第二生成单元和推送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取在预定时间段内产生的订单集合的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备包括：响应于接收到信息推送指令，则执行以下处理步骤：获取在预定时间段内产生的订单集合，其中，上述订单集合中的每个订单包括物品类别，并且上述订单集合中的至少部分订单包括仓库标识；基于上述订单集合，分别生成物品类别集合和仓库标识集合；基于上述订单集合，对上述物品类别集合中的各个物品类别分别指示的物品进行关联分析，确定用于表征上述各个物品类别分别指示的物品两两之间的、在上述预定时间段所包括的各个单位时间段内的关联性的第一三维关联矩阵；基于上述第一三维关联矩阵，确定用于表征上述各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵；基于上述第一三维关联矩阵和上述第二三维关联矩阵，生成用于表征上述物品类别集合中的物品类别所指示的物品和上述仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息；将上述对应关系信息推送至所连接的客户端。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (11)

1.一种信息推送方法，其特征在于，所述方法包括：

获取在预定时间段内产生的订单集合，其中，所述订单集合中的每个订单包括物品类别，并且所述订单集合中的至少部分订单包括仓库标识；

基于所述订单集合，分别生成物品类别集合和仓库标识集合；

基于所述订单集合，对所述物品类别集合中的各个物品类别分别指示的物品进行关联分析，确定用于表征所述各个物品类别分别指示的物品两两之间的、在所述预定时间段所包括的各个单位时间段内的关联性的第一三维关联矩阵；

基于所述第一三维关联矩阵，确定用于表征所述各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵；

基于所述第一三维关联矩阵和所述第二三维关联矩阵，生成用于表征所述物品类别集合中的物品类别所指示的物品和所述仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息，包括：对所述第一三维关联矩阵和所述第二三维关联矩阵进行合并，将合并后的关联矩阵在时间维度上进行求和，得到二维关联矩阵；将最小化所述二维关联矩阵与候选矩阵之差作为优化目标，所述候选矩阵等于物品分布矩阵与物品在仓库中的存放权重的乘积，基于优化结果确定物品分布矩阵；基于所述物品分布矩阵，生成所述对应关系信息；

将所述对应关系信息推送至所连接的客户端。

2.根据权利要求1所述的方法，其特征在于，所述基于所述订单集合，分别生成物品类别集合和仓库标识集合，包括：

对所述订单集合中的满足预设条件的订单进行更新，生成新订单集合；

将所述新订单集合中的各个订单分别包括的物品类别和仓库标识分别组成物品类别集合和仓库标识集合。

3.根据权利要求2所述的方法，其特征在于，所述订单集合中的每个订单包括订单有效标识字段，并且所述订单集合中的部分订单包括父订单标识；以及

所述预设条件包括订单移除条件和订单合并条件，所述订单移除条件包括以下至少一项：所包括的订单有效标识字段的值为预设值、不包括仓库标识，所述订单合并条件为所包括的父订单标识相同。

4.根据权利要求2所述的方法，其特征在于，所述基于所述订单集合，对所述物品类别集合中的各个物品类别分别指示的物品进行关联分析，包括：

基于所述新订单集合中的各个订单，对所述物品类别集合中的各个物品类别分别指示的物品进行关联分析。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第一三维关联矩阵，确定用于表征所述各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵，包括：

从所述第一三维关联矩阵中提取出时间序列集合，其中，所述时间序列集合中的每个时间序列是所述物品类别集合中的两个物品类别分别指示的物品在所述预定时间段所包括的各个单位时间段内的关联性按时间先后顺序所形成的序列；

对所述时间序列集合中的各个时间序列分别进行去离群值操作，生成新时间序列集合；

对所述新时间序列集合中的各个新时间序列分别进行拟合，生成所述第二三维关联矩阵。

6.根据权利要求5所述的方法，其特征在于，所述对所述时间序列集合中的各个时间序列分别进行去离群值操作，包括：

对于所述时间序列集合中的每个时间序列，计算该时间序列的一阶矩和二阶矩，基于所述一阶矩和所述二阶矩确定该时间序列中的每一个值是否为离群值，若是，则去除该值。

7.根据权利要求1-6之一所述的方法，其特征在于，所述二维关联矩阵用于表征所述各个物品类别分别指示的物品两两之间的、在所述合并后的三维关联矩阵所对应的时间段内的总关联性；

所述物品分布矩阵用于表征所述物品类别集合中的物品类别所指示的物品与所述仓库标识集合中的仓库标识所指示的仓库的对应关系。

8.根据权利要求7所述的方法，其特征在于，所述基于所述物品分布矩阵，生成所述对应关系信息，包括：

将所述物品分布矩阵所表示的物品和仓库的对应关系生成对应关系列表，将所述对应关系列表作为所述对应关系信息。

9.一种信息推送装置，其特征在于，所述装置包括：

获取单元，配置用于获取在预定时间段内产生的订单集合，其中，所述订单集合中的每个订单包括物品类别，并且所述订单集合中的至少部分订单包括仓库标识；

第一生成单元，配置用于基于所述订单集合，分别生成物品类别集合和仓库标识集合；

第一确定单元，配置用于基于所述订单集合，对所述物品类别集合中的各个物品类别分别指示的物品进行关联分析，确定用于表征所述各个物品类别分别指示的物品两两之间的、在所述预定时间段所包括的各个单位时间段内的关联性的第一三维关联矩阵；

第二确定单元，配置用于基于所述第一三维关联矩阵，确定用于表征所述各个物品类别分别指示的物品两两之间的、在预测时间段所包括的各个单位时间段内的关联性的第二三维关联矩阵；

第二生成单元，配置用于基于所述第一三维关联矩阵和所述第二三维关联矩阵，生成用于表征所述物品类别集合中的物品类别所指示的物品和所述仓库标识集合中的仓库标识所指示的仓库的对应关系的对应关系信息，包括：对所述第一三维关联矩阵和所述第二三维关联矩阵进行合并，将合并后的关联矩阵在时间维度上进行求和，得到二维关联矩阵；将最小化所述二维关联矩阵与候选矩阵之差作为优化目标，所述候选矩阵等于物品分布矩阵与物品在仓库中的存放权重的乘积，基于优化结果确定物品分布矩阵；基于所述物品分布矩阵，生成所述对应关系信息；

推送单元，配置用于将所述对应关系信息推送至所连接的客户端。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。

Images