CN109299356A - 基于大数据的活动推荐方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明的实施例提供了一种基于大数据的活动推荐方法、装置、电子设备以及计算机可读存储介质，涉及大数据技术领域。该方法包括：获取目标用户群体中每个用户参与过的活动的活动信息、每个所述用户的历史行为信息以及每个所述用户的用户基本信息；基于所述用户基本信息确定各个活动对应的用户特征；基于所述历史行为信息，从所述活动中确定出所述用户偏好的目标活动；将目标活动对应的用户特征，与所述用户的用户基本信息进行匹配，并基于匹配结果向目标用户群体中的每个用户推荐目标活动。本发明实施例的技术方案能够结合活动的用户特征以及用户的偏好更准确地向用户推荐活动。

Description

基于大数据的活动推荐方法、装置、电子设备及存储介质

技术领域

本发明涉及大数据技术领域，具体而言，涉及一种活动推荐方法、活动推荐装置、电子设备以及计算机可读存储介质。

背景技术

随着互联网技术的发展，许多应用平台在网络上推出了各种线上活动，如何向用户推荐活动成为了关注的焦点。

在一种技术方案中，在应用平台发布线上活动之后，基于活动的上线时间向用户推荐活动，然而，这种技术方案的活动推荐方向不确定，难以准确地向用户推荐活动。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明实施例的目的在于提供一种活动推荐方法、活动推荐装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本发明实施例的第一方面，提供了一种活动推荐方法，包括：获取目标用户群体中每个用户参与过的活动的活动信息、每个所述用户的历史行为信息以及每个所述用户的用户基本信息；基于所述用户基本信息确定各个所述活动对应的用户特征；基于所述历史行为信息，从所述活动中确定出所述用户偏好的目标活动；将所述目标活动对应的用户特征，与所述用户的用户基本信息进行匹配，并基于匹配结果向所述目标用户群体中的每个所述用户推荐目标活动。

在本发明的一些实施例中，基于前述方案，基于所述历史行为信息，从所述活动中确定出所述用户偏好的目标活动，包括：基于所述活动信息对所述活动进行聚类处理获得多个类簇；统计各个用户在每个类簇中各个活动下的历史行为信息，所述历史行为信息包括登录次数、点击次数、累计访问时长、评论次数以及优惠券使用次数；对各个用户在每个类簇下的所述历史行为信息中的各数据项进行加权运算确定各个用户在每个类簇下的用户活跃度；基于所述用户活跃度确定各个用户偏好的目标类簇。

在本发明的一些实施例中，基于前述方案，将所述目标活动对应的用户特征，与所述用户的用户基本信息进行匹配，并基于匹配结果向所述目标用户群体中的每个所述用户推荐目标活动，包括：基于所述用户基本信息确定所述用户偏好的目标类簇中各个活动对应的用户特征；将所述用户偏好的目标类簇中各个活动对应的用户特征与所述用户的基本信息进行匹配；基于匹配的结果向所述用户推荐各个目标类簇中的活动。

在本发明的一些实施例中，基于前述方案，基于所述活动信息对所述活动进行聚类处理获得多个类簇，包括：对所述活动的活动信息进行分词处理，得到各个活动的活动内容的词向量；计算各个活动的活动内容的词向量之间的距离；基于所述词向量之间的距离对各个活动进行聚类处理获得多个类簇。

在本发明的一些实施例中，基于前述方案，基于所述用户基本信息确定各个所述活动对应的用户特征，包括：从每个活动的参与用户的用户基本信息中提取用户信息项；统计各个用户信息项下的用户数量，并将用户数量大于预定阈值的用户信息项确定为所述活动的用户特征。

在本发明的一些实施例中，基于前述方案，基于匹配结果向所述目标用户群体中的每个所述用户推荐目标活动，包括：基于匹配得到的待推荐活动的成本信息以及上线时间对所述待推荐活动进行排序；基于排序的结果向所述目标用户群体中的每个所述用户展示目标活动。

在本发明的一些实施例中，基于前述方案，基于匹配得到的待推荐活动的成本信息以及上线时间对所述待推荐活动进行排序，包括：基于匹配得到的待推荐活动的成本信息对所述待推荐活动进行降序排列；基于所述待推荐活动的上线时间确定各个待推荐活动的时间权重；将所述待推荐活动的所述时间权重与所述待推荐活动的成本信息相乘，基于相乘的结果对所述降序排列的排序进行调整。

根据本发明实施例的第二方面，提供了一种活动推荐装置，包括：信息获取单元，用于获取目标用户群体中每个用户参与过的活动的活动信息、每个所述用户的历史行为信息以及每个所述用户的用户基本信息；用户特征确定单元，用于基于所述用户基本信息确定各个所述活动对应的用户特征；用户偏好确定单元，用于基于所述历史行为信息，从所述活动中确定出所述用户偏好的目标活动；推荐单元，用于将所述目标活动对应的用户特征，与所述用户的用户基本信息进行匹配，并基于匹配结果向所述目标用户群体中的每个所述用户推荐目标活动。

根据本发明实施例的第三方面，提供了一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上述第一方面所述的活动推荐方法。

根据本发明实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的活动推荐方法。

在本发明的一些实施例所提供的技术方案中，一方面，基于所述用户基本信息确定各个活动对应的用户特征，能够基于各个活动的参与用户的基本信息准确地确定各个活动的用户特征；另一方面，基于所述历史行为信息，从所述活动中确定出所述用户偏好的目标活动，能够基于用户的历史行为数据准确地确定用户偏好的目标活动；另一方面，将用户偏好的目标活动的用户特征与用户的基本信息进行匹配，基于匹配结果向用户推荐活动，能够结合活动的用户特征、用户的偏好以及用户的基本信息更准确地向用户推荐活动。

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，并不能限制本发明。

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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅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。在附图中：

图1示出了根据本发明的一些实施例的活动推荐方法的流程示意图；

图2示出了根据本发明的一些实施例确定用户的活动偏好的流程示意图；

图3示出了根据本发明的另一些实施例向用户推荐活动的流程示意图；

图4示出了根据本发明的另一些实施例的活动推荐装置的示意框图；

图5示出了适于用来实现本发明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

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

图1示出了根据本发明的一些实施例的活动推荐方法的流程示意图。

参照图1所示，在步骤S110中，获取目标用户群体中每个用户参与过的活动的活动信息、每个所述用户的历史行为信息以及每个所述用户的用户基本信息。

在示例实施例中，目标用户群体可以为多个活动的所有参与用户，也可以为一段时间内的注册用户。活动可以包括保险类活动、理财类活动、基金类活动、健康类活动以及生活类活动中的一种或多种。活动的活动信息可以为过去一年或半年的各个目标活动的活动内容信息。活动信息可以包括：活动的活动名称、活动内容、优惠方式、优惠金额、参与方式、参与名额以及活动成本等信息。

用户的历史行为信息可以包括登录次数、点击次数、累计访问时长、评论次数以及优惠券使用次数、账户明细信息、用户购买理财产品的历史信息、用户参与营销活动的历史信息等数据。用户基本信息可以为用户在网站平台注册的信息，用户基本信息可以包括用户的年龄、性别、收入水平、职业类型、学历、资产等信息。

在步骤S120中，基于所述用户基本信息确定各个所述活动对应的用户特征。

在示例实施例中，可以从各个活动的参与用户的用户基本信息中提取用户信息项，用户信息项可以包括：收入特征、年龄特征、职业特征、当前资产特征，收入特征即收入区间、年龄特征即年龄区间等，收入区间可以分为：月收入5000以下、5000-10000、10000-30000、30000以上等。

进一步地，可以统计所提取的每个活动的各个用户信息项下的用户数量，将用户数量大于预定阈值的用户信息向确定为该活动的用户特征。例如，设预定阈值为80，某一活动的月收入5000-10000的用户数量为100个，将月收入5000-10000作为该活动的用户特征。预定阈值可以根据目标活动的总参与人数来确定。

在步骤S130中，基于所述历史行为信息，从所述活动中确定出所述用户偏好的目标活动。

在示例实施例中，对用户参与的多个活动例如理财类活动、健康服务类活动、保险类活动的活动次数进行统计，对各个活动的消费金额、各个活动的浏览次数、浏览时长、评价次数等信息进行统计。基于统计结果对用户参与的活动进行排序，基于排序结果确定用户偏好的目标活动，例如，用户在某个理财活动上的消费金额较高、浏览时长较长、评价次数较多，则将该理财活动确定为用户偏好的目标活动。

在步骤S140中，将所述目标活动对应的用户特征，与所述用户的用户基本信息进行匹配，并基于匹配结果向所述目标用户群体中的每个所述用户推荐目标活动。

在示例实施例中，设用户偏好某一理财活动，将用户偏好的该理财活动的用户特征与用户的用户基本信息进行匹配，基于匹配的结果向用户推荐活动。例如，该理财活动的用户特征为年龄25-35、收入 5000-10000，若从该用户的基本信息中得到该用户的年龄为30，收入为 8000，则确定该理财活动与该用户的基本信息相匹配，向该用户推荐该理财活动。

此外，在示例实施例中，基于匹配得到的待推荐活动的成本信息以及上线时间对所述待推荐活动进行排序；基于排序的结果向所述目标用户群体中的每个所述用户推荐目标活动。例如，可以基于匹配得到的待推荐活动的成本信息对待推荐活动进行排序，基于各待推荐活动的上线时间对排序的结果进行调整。对待推荐活动进行排序可以根据待推荐活动的成本信息和上线时间调整运营策略以优化配置资源。

进一步地，基于匹配得到的待推荐活动的成本信息对所述待推荐活动进行降序排列；基于所述待推荐活动的上线时间确定各个待推荐活动的时间权重；将所述待推荐活动的所述时间权重与所述待推荐活动的成本信息相乘，基于相乘的结果对所述降序排列的排序进行调整。例如，目标活动的上线时间较短时，为了保护上线不久的运营活动，可以将其时间权重设置的较高，在目标活动的上线时间较长时，可以将其时间权重设置的较低。

图2示出了根据本发明的另一些实施例确定用户的活动偏好的流程示意图。

参照图2所示，在步骤S210中，基于所述活动信息对所述活动进行聚类处理获得多个类簇。

在示例实施例中，可以对多个活动的活动信息进行分词处理，得到各个活动的活动信息的词向量；计算各个活动的活动信息的词向量之间的距离；基于词向量之间的距离对各个活动进行聚类处理获得多个类簇。

聚类处理可以包括K均值聚类运算或K中心点聚类运算，也可以为其他聚类运算例如层次聚类运算或基于密度的聚类运算。需要说明的是，词向量之间距离可以为海明距离、欧式距离、余弦距离，但是本发明的示例性实施例中的距离不限于此，例如距离还可以为马氏距离、曼哈顿距离等。

在步骤S220中，统计各个用户在每个类簇中各个活动下的历史行为信息，所述历史行为信息包括登录次数、点击次数、累计访问时长、评论次数以及优惠券使用次数。

在示例实施例中，可以基于各个活动的名称以及活动时间从数据库中获取与该活动对应的用户的参与活动记录例如浏览时间、浏览次数以及优惠券领取使用记录，基于用户的参与活动记录统计每个类簇中的目标活动的各用户的登录次数、点击次数、累计访问时长、评论次数、优惠券使用次数等历史行为数据。

在步骤S230中，对各个用户在每个类簇下的所述历史行为信息中的各数据项进行加权运算确定各个用户在每个类簇下的用户活跃度。

在示例实施例中，可以对每个类簇中的各个目标活动的用户的登录次数、用户的点击次数、用户的累计访问时长、用户的评论次数、优惠券使用数量进行加权运算，确定各个用户在每个类簇下的用户活跃度。

在步骤S240中，基于所述用户活跃度确定各个用户偏好的目标类簇。

在示例实施例中，可以判断用户在各个类簇下的用户活跃度是否大于预定活跃度阈值，将用户活跃度大于预定活跃度阈值的类簇确定为用户偏好的目标类簇。该预定活跃度阈值可以为用户在各个类簇中的用户活跃度的平均值，也可以为其他适当的阈值，本发明对此不进行特殊限定。

图3示出了根据本发明的另一些实施例向用户推荐活动的流程示意图。

参照图3所示，在步骤S310中，基于所述用户基本信息确定所述用户偏好的目标类簇中各个活动的用户特征。

在示例实施例中，可以获取每个类簇中的各个活动下的参与用户的用户基本信息，从各个活动下的参与用户的用户基本信息中提取用户信息项，用户信息项可以包括：收入特征、年龄特征、职业特征、当前资产特征，收入特征即收入区间、年龄特征即年龄区间等。可以统计所提取的每个活动的各个用户信息项下的用户数量，将用户数量大于预定阈值的用户信息向确定为该目标活动的用户特征。

在步骤S320中，将所述用户偏好的目标类簇中各个活动对应的用户特征与所述用户的基本信息进行匹配。

在示例实施例中，设用户偏好保险类活动，将所述用户偏好的该保险类活动中各个活动对应的用户特征与用户的基本信息进行匹配。例如，该保险类活动中的一个目标活动的用户特征为年龄25-35、收入 5000-10000，若从该用户的基本信息中得到该用户的年龄为30，收入为 8000，则确定该目标活动与该用户的基本信息相匹配，向该用户推荐该目标活动。

在步骤S330中，基于匹配的结果向所述用户推荐各个目标类簇中的活动。

在示例实施例中，可以基于匹配的结果从各个目标类簇中选取与用户的基本信息最匹配的活动，向该用户推荐所选取的活动。在对活动进行聚类处理之后，从用户偏好的目标类簇中选取与用户基本信息匹配的活动推荐给用户，能够提高活动推荐的准确性，并且还能显著减少运算量，提高数据处理效率。

此外，在本发明的实施例中，还提供了一种活动推荐装置。参照图 4所示，该活动推荐选择400可以包括：信息获取单元410、用户特征确定单元420、用户偏好确定单元430以及推荐单元440。其中，信息获取单元410用于获取目标用户群体中每个用户参与过的活动的活动信息、每个所述用户的历史行为信息以及每个所述用户的用户基本信息；用户特征确定单元420用于基于所述用户基本信息确定各个所述活动对应的用户特征；用户偏好确定单元430用于基于所述历史行为信息，从所述活动中确定出所述用户偏好的目标活动；推荐单元440用于将所述目标活动对应的用户特征，与所述用户的用户基本信息进行匹配，并基于匹配结果向所述目标用户群体中的每个所述用户推荐目标活动。

在本发明的一些实施例中，基于前述方案，用户偏好确定单元430 包括：聚类单元，用于基于所述活动信息对所述活动进行聚类处理获得多个类簇；统计单元，用于统计各个用户在每个类簇中各个活动下的历史行为信息，所述历史行为信息包括登录次数、点击次数、累计访问时长、评论次数以及优惠券使用次数；活跃度确定单元，用于对各个用户在每个类簇下的所述历史行为信息中的各数据项进行加权运算确定各个用户在每个类簇下的用户活跃度；目标类簇确定单元，用于基于所述用户活跃度确定各个用户偏好的目标类簇。

在本发明的一些实施例中，基于前述方案，推荐单元440被配置为：基于所述用户基本信息确定所述用户偏好的目标类簇中各个活动对应的用户特征；将所述用户偏好的目标类簇中各个活动对应的用户特征与所述用户的基本信息进行匹配；基于匹配的结果向所述用户推荐各个目标类簇中的活动。

在本发明的一些实施例中，基于前述方案，聚类单元包括：词向量获取单元，用于对所述多个活动的活动信息进行分词处理，得到各个活动的活动内容的词向量；距离计算单元，用于计算各个活动的活动内容的词向量之间的距离；聚类处理单元，用于基于所述词向量之间的距离对各个活动进行聚类处理获得多个类簇。

在本发明的一些实施例中，基于前述方案，用户特征确定单元420 包括：信息项提取单元，用于从每个活动的参与用户的用户基本信息中提取用户信息项；统计确定单元，用于统计各个用户信息项下的用户数量，并将用户数量大于预定阈值的用户信息项确定为所述活动的用户特征。

在本发明的一些实施例中，基于前述方案，推荐单元440包括：排序单元，用于基于匹配得到的待推荐活动的成本信息以及上线时间对所述待推荐活动进行排序；展示单元，用于基于排序的结果向所述目标用户群体中的每个所述用户展示目标活动。

在本发明的一些实施例中，基于前述方案，排序单元被配置为：基于匹配得到的待推荐活动的成本信息对所述待推荐活动进行降序排列；基于所述待推荐活动的上线时间确定各个待推荐活动的时间权重；将所述待推荐活动的所述时间权重与所述待推荐活动的成本信息相乘，基于相乘的结果对所述降序排列的排序进行调整。

由于本发明的示例实施例的活动推荐装置400的各个功能模块与上述活动推荐方法的示例实施例的步骤对应，因此在此不再赘述。

在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

下面参考图5，其示出了适于用来实现本发明实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备的计算机系统500 仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统操作所需的各种程序和数据。CPU501、 ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口 505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；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507；包括硬盘等的存储部分508；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509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，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510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508。

特别地，根据本发明的实施例，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，本发明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509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501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，本发明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。在本发明中，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。而在本发明中，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，图示了按照本发明各种实施例的系统、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。

描述于本发明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。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。

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，使得该电子设备实现如上述实施例中所述的活动推荐方法。

例如，所述电子设备可以实现如图1中所示的：步骤S110，获取目标用户群体中每个用户参与过的活动的活动信息、每个所述用户的历史行为信息以及每个所述用户的用户基本信息；步骤S120，基于所述用户基本信息确定各个所述活动对应的用户特征；步骤S130，基于所述历史行为信息，从所述活动中确定出所述用户偏好的目标活动；步骤S140，将所述目标活动对应的用户特征，与所述用户的用户基本信息进行匹配，并基于匹配结果向所述目标用户群体中的每个所述用户推荐目标活动。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备或装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等) 执行根据本发明实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明的一般性原理并包括本发明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，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明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。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种活动推荐方法，其特征在于，包括：

获取目标用户群体中每个用户参与过的活动的活动信息、每个所述用户的历史行为信息以及每个所述用户的用户基本信息；

基于所述用户基本信息确定各个所述活动对应的用户特征；

基于所述历史行为信息，从所述活动中确定出所述用户偏好的目标活动；

将所述目标活动对应的用户特征，与所述用户的用户基本信息进行匹配，并基于匹配结果向所述目标用户群体中的每个所述用户推荐目标活动。

2.根据权利要求1所述的活动推荐方法，其特征在于，基于所述历史行为信息，从所述活动中确定出所述用户偏好的目标活动，包括：

基于所述活动信息对所述活动进行聚类处理获得多个类簇；

统计各个用户在每个类簇中各个活动下的历史行为信息，所述历史行为信息包括登录次数、点击次数、累计访问时长、评论次数以及优惠券使用次数；

对各个用户在每个类簇下的所述历史行为信息中的各数据项进行加权运算确定各个用户在每个类簇下的用户活跃度；

基于所述用户活跃度确定各个用户偏好的目标类簇。

3.根据权利要求2所述的活动推荐方法，其特征在于，将所述目标活动对应的用户特征，与所述用户的用户基本信息进行匹配，并基于匹配结果向所述目标用户群体中的每个所述用户推荐目标活动，包括：

基于所述用户基本信息确定所述用户偏好的目标类簇中各个活动对应的用户特征；

将所述用户偏好的目标类簇中各个活动对应的用户特征与所述用户的基本信息进行匹配；

基于匹配的结果向所述用户推荐各个目标类簇中的活动。

4.根据权利要求2所述的活动推荐方法，其特征在于，基于所述活动信息对所述活动进行聚类处理获得多个类簇，包括：

对所述活动的活动信息进行分词处理，得到各个活动的活动内容的词向量；

计算各个活动的活动内容的词向量之间的距离；

基于所述词向量之间的距离对各个活动进行聚类处理获得多个类簇。

5.根据权利要求1至4中任一项所述的活动推荐方法，其特征在于，基于所述用户基本信息确定各个所述活动对应的用户特征，包括：

从每个活动的参与用户的用户基本信息中提取用户信息项；

统计各个用户信息项下的用户数量，并将用户数量大于预定阈值的用户信息项确定为所述活动的用户特征。

6.根据权利要求5所述的活动推荐方法，其特征在于，基于匹配结果向所述目标用户群体中的每个所述用户推荐目标活动，包括：

基于匹配得到的待推荐活动的成本信息以及上线时间对所述待推荐活动进行排序；

基于排序的结果向所述目标用户群体中的每个所述用户展示目标活动。

7.根据权利要求6所述的活动推荐方法，其特征在于，基于匹配得到的待推荐活动的成本信息以及上线时间对所述待推荐活动进行排序，包括：

基于匹配得到的待推荐活动的成本信息对所述待推荐活动进行降序排列；

基于所述待推荐活动的上线时间确定各个待推荐活动的时间权重；

将所述待推荐活动的所述时间权重与所述待推荐活动的成本信息相乘，基于相乘的结果对所述降序排列的排序进行调整。

8.一种活动推荐装置，其特征在于，包括：

信息获取单元，用于获取目标用户群体中每个用户参与过的活动的活动信息、每个所述用户的历史行为信息以及每个所述用户的用户基本信息；

用户特征确定单元，用于基于所述用户基本信息确定各个所述活动对应的用户特征；

用户偏好确定单元，用于基于所述历史行为信息，从所述活动中确定出所述用户偏好的目标活动；

推荐单元，用于将所述目标活动对应的用户特征，与所述用户的用户基本信息进行匹配，并基于匹配结果向所述目标用户群体中的每个所述用户推荐目标活动。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如权利要求1至7中任一项所述的活动推荐方法。

10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的活动推荐方法。