CN109657142B - 信息处理方法、装置、电子设备和计算机可读存储介质 - Google Patents

Abstract

本发明实施例公开了一种信息处理方法、装置、电子设备和计算机可读存储介质。本发明实施例根据需求标签的标签定义信息和目标的描述信息获取所述需求标签对应的目标集合，并根据对所述需求标签召回后的用户行为记录动态更新所述需求标签对应的目标集合，以实现目标的动态聚类，由此，可以提高目标的曝光率、目标推荐的准确度和转化率。

Description

信息处理方法、装置、电子设备和计算机可读存储介质

技术领域

本发明涉及信息处理技术领域，更具体地，涉及一种信息处理方法、装置、电子设备和计算机可读存储介质。

背景技术

标签是一种灵活、有趣的分类方式，它允许用户自由地标注各种资源，例如商品、网页和学术论文等资源。标签可以帮助用户分类整理和查询各种信息，广泛应用于电商平台、百科等系统中。因此，为用户准确推荐其感兴趣的标签，成为目前的一个研究热点。

发明内容

有鉴于此,本发明实施例提供一种信息处理方法、装置、电子设备和计算机可读存储介质，以提高目标的曝光率、目标推荐的准确度和转化率。

第一方面，本发明实施例提供一种信息处理方法，所述方法包括：

获取需求标签，所述需求标签包括标签定义信息；

根据所述标签定义信息和目标的描述信息获取所述需求标签对应的目标集合；

获取对所述需求标签召回后的用户行为记录；

根据所述用户行为记录动态更新所述需求标签对应的目标集合。

进一步地，所述根据所述用户行为记录动态更新所述需求标签对应的目标集合包括：

根据所述用户行为记录获取所述需求标签对应的目标集合中的用户选择参数小于第一阈值的目标，所述用户选择参数用于表征用户选择目标的概率；

将所述用户选择参数小于第一阈值的目标从所述需求标签对应的目标集合中删除，以更新所述需求标签对应的目标集合。

进一步地，所述根据所述用户行为记录动态更新所述需求标签对应的目标集合包括：

获取用户属性对应的需求标签；

获取对应于所述用户属性的用户对一个目标的用户选择参数，所述用户选择参数用于表征用户选择目标的概率；

响应于所述用户选择参数大于第二阈值，将所述目标与所述用户属性对应的需求标签相关联，以更新所述需求标签对应的目标集合。

进一步地，所述方法还包括：

根据用户属性向用户推荐所述需求标签。

进一步地，所述方法还包括：

根据用户属性和场景信息推荐所述需求标签，所述场景信息包括时间信息、位置信息和与所述位置信息相关的目标信息。

进一步地，所述方法还包括：

响应于所述需求标签的召回请求，显示所述需求标签对应的目标集合中的至少部分目标。

进一步地，所述目标与至少一个需求标签相关联。

第二方面，本发明实施例提供一种信息处理装置，所述装置包括：

需求标签获取单元，被配置为获取需求标签，所述需求标签包括标签定义信息；

目标集合获取单元，被配置为根据所述标签定义信息和目标的描述信息获取所述需求标签对应的目标集合；

用户行为记录获取单元，被配置为获取对所述需求标签召回后的用户行为记录；

目标集合更新单元，被配置为根据所述用户行为记录动态更新所述需求标签对应的目标集合。

进一步地，所述目标集合更新单元包括：

目标获取子单元，配置为根据所述用户行为记录获取所述需求标签对应的目标集合中的用户选择参数小于第一阈值的目标，所述用户选择参数用于表征用户选择目标的概率；

第一目标集合更新子单元，被配置为将所述用户选择参数小于第一阈值的目标从所述需求标签对应的目标集合中删除，以更新所述需求标签对应的目标集合。

进一步地，所述目标集合更新单元还包括：

属性需求标签获取子单元，被配置为获取用户属性对应的需求标签；

选择参数获取子单元，被配置为获取对应于所述用户属性的用户对一个目标的用户选择参数，所述用户选择参数用于表征用户选择目标的概率；

第二目标集合更新子单元，被配置为响应于所述用户选择参数大于第二阈值，将所述目标与所述用户属性对应的需求标签相关联，以更新所述需求标签对应的目标集合。

进一步地，所述装置还包括：

第一需求标签推荐单元，被配置为根据用户属性推荐所述需求标签。

进一步地，所述装置还包括：

第二需求标签推荐单元，被配置为根据用户属性和场景信息向用户推荐所述需求标签，所述场景信息包括时间信息、位置信息和与所述位置信息相关的目标信息。

进一步地，所述装置还包括：

召回单元，被配置为响应于所述需求标签的召回请求，显示所述需求标签对应的目标集合中的至少部分目标。

进一步地，所述目标与至少一个需求标签相关联。

第三方面，本发明实施例提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

获取需求标签，所述需求标签包括标签定义信息；

根据所述标签定义信息和目标的描述信息获取所述需求标签对应的目标集合；

获取对所述需求标签召回后的用户行为记录；

根据所述用户行为记录动态更新所述需求标签对应的目标集合。

进一步地，所述根据所述用户行为记录动态更新所述需求标签对应的目标集合包括：

根据所述用户行为记录获取所述需求标签对应的目标集合中的用户选择参数小于第一阈值的目标，所述用户选择参数用于表征用户选择目标的概率；

将所述用户选择参数小于第一阈值的目标从所述需求标签对应的目标集合中删除，以更新所述需求标签对应的目标集合。

进一步地，所述根据所述用户行为记录动态更新所述需求标签对应的目标集合包括：

获取用户属性对应的需求标签；

获取对应于所述用户属性的用户对一个目标的用户选择参数，所述用户选择参数用于表征用户选择目标的概率；

响应于所述用户选择参数大于第二阈值，将所述目标与所述用户属性对应的需求标签相关联，以更新所述需求标签对应的目标集合。

进一步地，所述步骤还包括：

根据用户属性向用户推荐所述需求标签。

进一步地，所述步骤还包括：

根据用户属性和场景信息向用户推荐所述需求标签，所述场景信息包括时间信息、位置信息和与所述位置信息相关的目标信息。

进一步地，所述步骤还包括：

响应于所述需求标签的召回请求，显示所述需求标签对应的目标集合中的至少部分目标。

进一步地，所述目标与至少一个需求标签相关联。

第四方面，本发明实施例提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面所述的方法。

本发明实施例根据需求标签的标签定义信息和目标的描述信息获取所述需求标签对应的目标集合，并根据对所述需求标签召回后的用户行为记录动态更新所述需求标签对应的目标集合，以实现目标的动态聚类，由此，可以提高目标的曝光率、目标推荐的准确度和转化率。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是本发明第一实施例的信息处理方法的流程图；

图2是本发明第二实施例的需求标签推荐方法的流程图；

图3和图4是本发明实施例的需求标签的推荐示意图；

图5是本发明第三实施例的信息处理装置的示意图；

图6是本发明第四实施例的电子设备的示意图。

具体实施方式

以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。

此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。

除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

图1是本发明第一实施例的信息处理方法的流程图。如图1所示，本发明实施例的信息处理方法包括以下步骤：

步骤S110，获取需求标签。其中，需求标签包括标签定义信息。在一种可选的实现方式中，根据用户的行为记录获取需求标签。其中，用户的行为记录包括但不限于用户的搜索信息、浏览信息、评价信息、备注信息和调研信息。具体地，根据用户的行为记录获取用户的需求，将用户的较强需求作为需求标签，并总结需求标签的标签定义信息。例如，根据平台上的用户的评价信息，点餐信息等，获取到某些用户对“重口味”的需求较强，则将“重口味”作为一个需求标签。然后可以将需求标签“重口味”的标签定义信息总结为“川菜、湖南菜、火锅品类(火锅、麻辣香锅、麻辣拌、麻辣烫等)、或菜名中包含辣字”。

步骤S120，根据需求标签的标签定义信息和目标的描述信息获取需求标签对应的目标集合。具体地，根据需求标签的标签定义信息和目标的描述信息对需求标签和目标进行匹配，并将匹配成功的需求标签和目标进行关联。容易理解，与同一个需求标签相关联的所有目标为该需求标签对应的目标集合。由于目标的描述信息至少包括一个维度的描述信息，因此，一个目标可以与多个需求标签相关联。例如，可以根据需求标签“重口味”的标签定义信息和商户的描述信息对需求标签“重口味”与商户进行匹配。其中，商户的描述信息可以包括商户的名称、各菜品的描述信息、配送信息等。若商户的描述信息中包含“川菜、湖南菜、火锅品类(火锅、麻辣香锅、麻辣拌、麻辣烫等)、或菜名中包含辣字”中的任一个描述，则需求标签“重口味”和该商户匹配成功，将该商户与需求标签“重口味”相关联。同时，如果该商户在配送范围内具有配送快的特点，该商户还可以与需求标签“配送快”相关联。在一种可选的实现方式中，通过存储字符串的形式对与目标相关联的需求标签进行存储。例如，将目标的标识，与该目标相关联的需求标签的标识顺序存储在一个字符串中，以提高需求标签的召回效率。

步骤S130，获取对需求标签召回后的用户行为记录。也就是说，在用户请求召回某一个需求标签的目标集合后，获取该用户的用户行为记录。例如，用户请求召回需求标签“重口味”的商户集合后，获取用户的浏览记录，购买记录及评价记录等。

步骤S140，根据用户行为记录动态更新需求标签对应的目标集合。在一种可选的实现方式中，根据需求标签召回后的用户行为记录将需求标签对应的目标集合中的用户选择参数小于第一阈值的目标从该需求标签对应的目标集合中去除，也即将该需求标签与基本不被用户浏览或选择的目标解除关联。其中，所述用户选择参数用于表征用户选择目标的概率，也即用户选择目标的次数与该目标被推荐的比例。并且，根据用户的用户行为记录判断用户属性，获取用户属性对应的需求标签，并获取对应于该用户属性的用户对一个目标的用户选择参数，响应于用户选择参数大于第二阈值，将该目标与上述用户属性对应的需求标签相关联，以更新需求标签对应的目标集合。其中，第一阈值和第二阈值可以根据用户平台属性等进行预先设置。用户属性包括用户的偏好信息，用户的偏好信息可以根据用户的预留信息和用户行为记录获取。由此，可以根据用户行为记录动态更新需求标签对应的目标集合。在一种可选的实现方式中，基于机器学习算法根据用户行为记录动态更新需求标签对应的目标集合。

例如，需求标签“重口味”与商户A相关联，与商户B未关联。在一方面，在对需求标签“重口味”召回后的用户行为记录中，由于商户A的菜品中只有一个菜品的描述信息中包含了“微辣”，因此几乎很少有请求召回需求标签“重口味”的商户集合的用户选择商户A，由此，可以将商户A与需求标签“重口味”解除关联。在另一方面，根据用户的用户行为记录判断部分用户的用户属性对应于需求标签“重口味”，其中有一些用户经常浏览或选择商户B的概率大于第二阈值，由此，可以将商户B与需求标签“重口味”相关联。同时，可以通过遍历商户B的描述信息，对需求标签“重口味”的标签定义信息进行扩展，例如“泡椒”等。由此，通过用户行为信息动态更新需求标签对应的目标集合，可以提高目标推荐的准确度和转化率。其中，转化率指目标被推荐后用户选择该目标的概率。

在一种可选的实现方式中，本实施例的信息处理方法还包括根据用户属性向用户推荐需求标签。具体地，根据用户行为记录和/或用户的预留信息获取用户属性，并根据用户属性向用户推荐用户可能感兴趣的需求标签。例如，获取的用户属性中包括口味清淡，则可以向用户推荐需求标签“健康清淡”。

在一种可选的实现方式中，本实施例的信息处理方法还包括根据用户属性和场景信息推荐需求标签。其中，场景信息包括时间信息、位置信息和与位置信息相关的目标信息。容易理解，与位置信息相关的目标信息包括在用户当前位置的预定范围内各需求标签对应的目标提供者数量等信息。具体地，获取用户属性、用户当前所处的场景信息与需求标签的关联信息，并通过该关联信息向用户推荐对应的需求标签。其中，关联信息包括用户属性对应的需求标签，以及用户属性对应的需求标签在当前场景信息中的目标集合。也就是说，根据用户属性获取用户感兴趣的目标对应的需求标签，并根据场景信息获取所述需求标签在预定范围内对应的目标集合，然后根据需求标签和需求标签对应的目标集合向用户推荐需求标签。由此，可以根据多维度信息动态向用户推荐标签，从而可以提高目标推荐的准确性和转化率。例如，根据用户的行为数据获取用户属性包括甜食，当前的时间信息为下午。由此，可以给用户推荐需求标签“甜品”，并响应于用户对需求标签“甜品”的召回请求，根据位置信息召回需求标签“甜品”对应的商户集合中的至少部分商户。例如，根据位置信息按照商户的评分召回配送范围内的商户，或按照商户与用户的距离召回需求标签“甜品”对应的商户集合等。在本实施例中，若在用户当前的场景信息中，用户属性对应的某一个需求标签对应的目标集合很少(也即当前场景信息中，目标提供者的数量很少)，则可以不推荐该需求标签。由此，可以进一步提高目标推荐的准确率和转化率。

在一种可选的实现方式中，可以通过机器学习算法向用户场景化推荐需求标签。也就是说，采用机器学习处理用户的行为记录，以获取用户在某些时间段和/或某些地点对哪类目标感兴趣，从而使得在不同场景向用户推荐差异化的需求标签。例如，根据用户的行为记录得到用户通常在周末的晚餐时段，若是在商业区，则经常光顾“火锅店”、“烧烤店”等适合聚会的商户。则在周末的晚餐时段，若获取的用户的位置信息为商业区，可以向用户推荐需求标签“周末聚会”等。由此，可以进一步提高需求标签推荐的准确性，提升不用类型的目标的曝光率及转化率。

本发明实施例根据需求标签的标签定义信息和目标的描述信息获取所述需求标签对应的目标集合，并根据对所述需求标签召回后的用户行为记录动态更新所述需求标签对应的目标集合，以实现目标的动态聚类，由此，可以提高目标的曝光率、目标推荐的准确度和转化率。

图2是本发明第二实施例的需求标签推荐方法的流程图。如图2所示，本实施例的需求标签推荐方法包括以下步骤：

步骤S210，获取需求标签。其中，需求标签包括标签定义信息。在一种可选的实现方式中，根据用户的行为记录获取需求标签。其中，用户的行为记录包括但不限于用户的搜索信息、浏览信息、评价信息、备注信息和调研信息。具体地，根据用户的行为记录获取用户的需求，将用户的较强需求作为需求标签，并总结需求标签的标签定义信息。例如，根据平台上的用户的评价信息，点餐信息等，获取到某些用户对“重口味”的需求较强，则将“重口味”作为一个需求标签。然后可以将需求标签“重口味”的标签定义信息总结为“川菜、湖南菜、火锅品类(火锅、麻辣香锅、麻辣拌、麻辣烫等)、或菜名中包含辣字”。

步骤S220，根据标签定义信息、目标的描述信息以及用户行为记录对目标进行动态聚类。具体地，首先根据需求标签的标签定义信息和目标的描述信息获取需求标签对应的目标集合。也就是说，根据需求标签的标签定义信息和目标的描述信息对需求标签和目标进行匹配，并将匹配成功的需求标签和目标进行关联。容易理解，与同一个需求标签相关联的所有目标为该需求标签对应的目标集合。由于目标的描述信息至少包括一个维度的描述信息，因此，一个目标可以与多个需求标签相关联。然后获取对各类需求标签召回后的用户行为记录，并根据用户行为记录动态更新需求标签对应的目标集合。在一种可选的实现方式中，在用户请求召回各需求标签的目标集合后，获取用户的用户行为记录。并根据需求标签召回后的用户行为记录将需求标签对应的目标集合中的用户选择参数小于第一阈值的目标从该需求标签对应的目标集合中去除，也即将该需求标签与对应的目标集合中的用户选择参数小于第一阈值的目标解除关联。其中，所述用户选择参数用于表征用户选择目标的概率，也即用户选择目标的次数与该目标被推荐的比例。并且，根据用户的用户行为记录和/或用户的预留信息获取用户属性，根据用户属性获取对应的需求标签，并获取对应于该用户属性的用户对一个目标的用户选择参数，响应于用户选择参数大于第二阈值，将该目标与上述用户属性对应的需求标签相关联，以更新需求标签对应的目标集合。其中，第一阈值和第二阈值可以根据用户平台属性等进行预先设置。用户属性包括用户的偏好信息，用户的偏好信息可以根据用户的预留信息和用户行为记录获取。由此，可以根据用户行为记录动态更新需求标签对应的目标集合。在一种可选的实现方式中，基于机器学习算法根据用户行为记录动态更新需求标签对应的目标集合。由此，通过用户行为信息动态更新需求标签对应的目标集合，可以提高目标推荐的准确度和转化率。其中，转化率指目标被推荐后用户选择该目标的概率。

步骤S230，向用户推荐需求标签。在一种可选的实现方式中，本实施例的信息处理方法还包括根据用户属性向用户推荐需求标签。具体地，根据用户行为记录和/或用户的预留信息获取用户属性，并根据用户属性向用户推荐用户可能感兴趣的需求标签。例如，获取的用户属性中包括口味清淡，则可以向用户推荐需求标签“健康清淡”。

在另一种可选的实现方式中，根据用户属性和场景信息推荐需求标签。其中，场景信息包括时间信息、位置信息和与位置信息相关的目标信息。容易理解，与位置信息相关的目标信息包括在用户当前位置的预定范围内各需求标签对应的目标提供者数量等信息。具体地，获取用户属性、用户当前所处的场景信息与需求标签的关联信息，并通过该关联信息向用户推荐对应的需求标签。其中，关联信息包括用户属性对应的需求标签，以及用户属性对应的需求标签在当前场景信息中的目标集合。也就是说，根据用户属性获取用户感兴趣的目标对应的需求标签，并根据场景信息获取所述需求标签在预定范围内对应的目标集合，然后根据需求标签和需求标签对应的目标集合向用户推荐需求标签。由此，可以根据多维度信息动态向用户推荐标签，从而可以提高目标推荐的准确性和转化率。

图3和图4是本发明实施例的需求标签的推荐示意图。如图3所示，根据某用户的行为记录获取用户偏好“重口味”的食物，并且在工作日通常选择送餐较快的商户。因此，在工作日的中午用餐时间给用户推荐需求标签“重口味”、“配送快”及“工作餐”。在用户选择召回需求标签“重口味”对应的商户集合时，如图4所示，按照平台默认的商户排序规则或用户选择的商户排序规则推荐商户。例如，平台默认的商户排序规则可以为综合排序(按照配送距离、配送时间及商户评分等综合排序)。

在一种可选的实现方式中，可以通过机器学习算法向用户场景化推荐需求标签。也就是说，采用机器学习处理用户的行为记录，以获取用户在某些时间段和/或某些地点对哪类目标感兴趣，从而使得在不同场景向用户推荐差异化的需求标签。例如，根据用户的行为记录得到用户通常在周末的晚餐时段，若是在商业区，则经常光顾“火锅店”、“烧烤店”等适合聚会的商户。则在周末的晚餐时段，若获取的用户的地理信息为商业区，可以向用户推荐需求标签“周末聚会”等。由此，可以进一步提高需求标签推荐的准确性，提升不用类型的目标的曝光率及转化率。

本发明实施例根据需求标签的标签定义信息和目标的描述信息获取所述需求标签对应的目标集合，并根据对所述需求标签召回后的用户行为记录动态更新所述需求标签对应的目标集合，以实现目标的动态聚类，由此，可以提高目标的曝光率、目标推荐的准确度和转化率。

图5是本发明第三实施例的信息处理装置的示意图。如图5所示，本实施例的信息处理装置5包括需求标签获取单元51、目标集合获取单元52、用户行为记录获取单元53和目标集合更新单元54。

需求标签获取单元51被配置为获取需求标签。其中，需求标签包括标签定义信息。在一种可选的实现方式中，需求标签获取单元51被配置为根据用户的行为记录获取所述需求标签。其中，用户的行为记录包括但不限于用户的搜索信息、浏览信息、评价信息、备注信息和调研信息。

目标集合获取单元52被配置为根据需求标签的标签定义信息和目标的描述信息获取需求标签对应的目标集合。用户行为记录获取单元53被配置为获取对需求标签召回后的用户行为记录。目标集合更新单元54被配置为根据所述用户行为记录动态更新所述需求标签对应的目标集合。

在一种可选的实现方式中，目标集合更新单元54包括目标获取子单元541和第一目标集合更新子单元542。目标获取子单元541配置为根据所述用户行为记录获取所述需求标签对应的目标集合中的用户选择参数小于第一阈值的目标，所述用户选择参数用于表征用户选择目标的概率。第一目标集合更新子单元542被配置为将所述用户选择参数小于第一阈值的目标从所述需求标签对应的目标集合中删除，以更新所述需求标签对应的目标集合。在另一种可选的实现方式中，目标集合更新单元54还包括属性需求标签获取子单元543、选择参数获取子单元544和第二目标集合更新子单元545。属性需求标签获取子单元543被配置为获取用户属性对应的需求标签。选择参数获取子单元544被配置为获取对应于所述用户属性的用户对一个目标的用户选择参数。第二目标集合更新子单元545被配置为响应于所述用户选择参数大于第二阈值，将所述目标与所述用户属性对应的需求标签相关联，以更新所述需求标签对应的目标集合。

在一种可选的实现方式中，本实施例的信息处理装置5还包括召回单元55。召回单元55被配置为响应于所述需求标签的召回请求，显示所述需求标签对应的目标集合中的至少部分目标。

本发明实施例根据需求标签的标签定义信息和目标的描述信息获取所述需求标签对应的目标集合，并根据对所述需求标签召回后的用户行为记录动态更新所述需求标签对应的目标集合，以实现目标的动态聚类，由此，可以提高目标的曝光率、目标推荐的准确度和转化率。

本实施例的信息处理装置5还包括第一需求标签推荐单元56和第二需求标签推荐单元57。第一需求标签推荐单元56被配置为根据用户属性推荐所述需求标签。第二需求标签推荐单元57被配置为被配置为根据用户属性和场景信息向用户推荐所述需求标签。其中，场景信息包括时间信息、位置信息和与所述位置信息相关的目标信息。由此，本实施例可以进一步提高需求标签推荐的准确率和转化率。

图6是本发明第四实施例的电子设备的示意图。如图6所示，该电子设备：至少包括一个处理器601；以及，与至少一个处理器601通信连接的存储器602；以及，与扫描装置通信连接的通信组件603，通信组件603在处理器601的控制下接收和发送数据；其中，存储器602存储有可被至少一个处理器601执行的指令，指令被至少一个处理器601执行以实现：

获取需求标签，所述需求标签包括标签定义信息；

根据所述标签定义信息和目标的描述信息获取所述需求标签对应的目标集合；

获取对所述需求标签召回后的用户行为记录；

根据所述用户行为记录动态更新所述需求标签对应的目标集合。

进一步地，所述根据所述用户行为记录动态更新所述需求标签对应的目标集合包括：

根据所述用户行为记录获取所述需求标签对应的目标集合中的用户选择参数小于第一阈值的目标，所述用户选择参数用于表征用户选择目标的概率；

将所述用户选择参数小于第一阈值的目标从所述需求标签对应的目标集合中删除，以更新所述需求标签对应的目标集合。

进一步地，所述根据所述用户行为记录动态更新所述需求标签对应的目标集合包括：

获取用户属性对应的需求标签；

获取对应于所述用户属性的用户对一个目标的用户选择参数；

响应于所述用户选择参数大于第二阈值，将所述目标与所述用户属性对应的需求标签相关联，以更新所述需求标签对应的目标集合。

进一步地，指令被至少一个处理器601执行还用以实现：

根据用户属性向用户推荐所述需求标签。

进一步地，指令被至少一个处理器601执行还用以实现：

根据用户属性和场景信息向用户推荐所述需求标签，所述场景信息包括时间信息、位置信息和与所述位置信息相关的目标信息。

进一步地，指令被至少一个处理器601执行还用以实现：

响应于所述需求标签的召回请求，显示所述需求标签对应的目标集合中的至少部分目标。

进一步地，所述目标与至少一个需求标签相关联。

具体地，该电子设备包括：一个或多个处理器601以及存储器602，图6中以一个处理器601为例。处理器601、存储器602可以通过总线或者其他方式连接，图6中以通过总线连接为例。存储器602作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器601通过运行存储在存储器602中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述信息处理方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器602中，当被一个或者多个处理器601执行时，执行上述任意方法实施方式中的信息处理方法。

上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施方式中详尽描述的技术细节，可参见本发明实施方式所提供的方法。

本发明实施例根据需求标签的标签定义信息和目标的描述信息获取所述需求标签对应的目标集合，并根据对所述需求标签召回后的用户行为记录动态更新所述需求标签对应的目标集合，以实现目标的动态聚类，由此，可以提高目标的曝光率、目标推荐的准确度和转化率。

本发明的第四实施例涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlBMemorB)、随机存取存储器(RAM，Random Access MemorB)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (16)

1.一种信息处理方法，其特征在于，所述方法包括：

获取需求标签，所述需求标签包括标签定义信息；

根据所述标签定义信息和目标的描述信息获取所述需求标签对应的目标集合，所述目标与至少一个需求标签相关联；

获取对所述需求标签召回后的用户行为记录，所述用户行为记录包括召回所述需求标签的各用户的行为记录；

根据所述用户行为记录动态更新所述需求标签对应的目标集合；

其中，所述根据所述用户行为记录动态更新所述需求标签对应的目标集合包括：

根据所述用户行为记录获取所述需求标签对应的目标集合中的用户选择参数小于第一阈值的目标，所述用户选择参数用于表征用户选择目标的概率；

将所述用户选择参数小于第一阈值的目标从所述需求标签对应的目标集合中删除，以更新所述需求标签对应的目标集合。

2.根据权利要求1所述的信息处理方法，其特征在于，所述根据所述用户行为记录动态更新所述需求标签对应的目标集合包括：

获取用户属性对应的需求标签；

获取对应于所述用户属性的用户对一个目标的用户选择参数，所述用户选择参数用于表征用户选择目标的概率；

响应于所述用户选择参数大于第二阈值，将所述目标与所述用户属性对应的需求标签相关联，以更新所述需求标签对应的目标集合。

3.根据权利要求1所述的信息处理方法，其特征在于，所述方法还包括：

根据用户属性向用户推荐所述需求标签。

4.根据权利要求1所述的信息处理方法，其特征在于，所述方法还包括：

根据用户属性和场景信息推荐所述需求标签，所述场景信息包括时间信息、位置信息和与所述位置信息相关的目标信息。

5.根据权利要求1所述的信息处理方法，其特征在于，所述方法还包括：

响应于所述需求标签的召回请求，显示所述需求标签对应的目标集合中的至少部分目标。

6.一种信息处理装置，其特征在于，所述装置包括：

需求标签获取单元，被配置为获取需求标签，所述需求标签包括标签定义信息；

目标集合获取单元，被配置为根据所述标签定义信息和目标的描述信息获取所述需求标签对应的目标集合，所述目标与至少一个需求标签相关联；

用户行为记录获取单元，被配置为获取对所述需求标签召回后的用户行为记录，所述用户行为记录包括召回所述需求标签的各用户的行为记录；

目标集合更新单元，被配置为根据所述用户行为记录动态更新所述需求标签对应的目标集合；

其中，所述目标集合更新单元包括：

目标获取子单元，配置为根据所述用户行为记录获取所述需求标签对应的目标集合中的用户选择参数小于第一阈值的目标，所述用户选择参数用于表征用户选择目标的概率；

第一目标集合更新子单元，被配置为将所述用户选择参数小于第一阈值的目标从所述需求标签对应的目标集合中删除，以更新所述需求标签对应的目标集合。

7.根据权利要求6所述的信息处理装置，其特征在于，所述目标集合更新单元还包括：

属性需求标签获取子单元，被配置为获取用户属性对应的需求标签；

选择参数获取子单元，被配置为获取对应于所述用户属性的用户对一个目标的用户选择参数，所述用户选择参数用于表征用户选择目标的概率；

第二目标集合更新子单元，被配置为响应于所述用户选择参数大于第二阈值，将所述目标与所述用户属性对应的需求标签相关联，以更新所述需求标签对应的目标集合。

8.根据权利要求6所述的信息处理装置，其特征在于，所述装置还包括：

第一需求标签推荐单元，被配置为根据用户属性推荐所述需求标签。

9.根据权利要求6所述的信息处理装置，其特征在于，所述装置还包括：

第二需求标签推荐单元，被配置为根据用户属性和场景信息向用户推荐所述需求标签，所述场景信息包括时间信息、位置信息和与所述位置信息相关的目标信息。

10.根据权利要求6所述的信息处理装置，其特征在于，所述装置还包括：

召回单元，被配置为响应于所述需求标签的召回请求，显示所述需求标签对应的目标集合中的至少部分目标。

11.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

获取需求标签，所述需求标签包括标签定义信息；

根据所述标签定义信息和目标的描述信息获取所述需求标签对应的目标集合，所述目标与至少一个需求标签相关联；

获取对所述需求标签召回后的用户行为记录，所述用户行为记录包括召回所述需求标签的各用户的行为记录；

根据所述用户行为记录动态更新所述需求标签对应的目标集合；

其中，所述根据所述用户行为记录动态更新所述需求标签对应的目标集合包括：

根据所述用户行为记录获取所述需求标签对应的目标集合中的用户选择参数小于第一阈值的目标，所述用户选择参数用于表征用户选择目标的概率；

将所述用户选择参数小于第一阈值的目标从所述需求标签对应的目标集合中删除，以更新所述需求标签对应的目标集合。

12.根据权利要求11所述的电子设备，其特征在于，所述根据所述用户行为记录动态更新所述需求标签对应的目标集合包括：

获取用户属性对应的需求标签；

获取对应于所述用户属性的用户对一个目标的用户选择参数，所述用户选择参数用于表征用户选择目标的概率；

响应于所述用户选择参数大于第二阈值，将所述目标与所述用户属性对应的需求标签相关联，以更新所述需求标签对应的目标集合。

13.根据权利要求11所述的电子设备，其特征在于，所述步骤还包括：

根据用户属性向用户推荐所述需求标签。

14.根据权利要求11所述的电子设备，其特征在于，所述步骤还包括：

根据用户属性和场景信息向用户推荐所述需求标签，所述场景信息包括时间信息、位置信息和与所述位置信息相关的目标信息。

15.根据权利要求11所述的电子设备，其特征在于，所述步骤还包括：

响应于所述需求标签的召回请求，显示所述需求标签对应的目标集合中的至少部分目标。

16.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-5中任一项所述的方法。

Images