CN109934683A - 推荐方法、装置及电子设备 - Google Patents
推荐方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109934683A CN109934683A CN201910206747.5A CN201910206747A CN109934683A CN 109934683 A CN109934683 A CN 109934683A CN 201910206747 A CN201910206747 A CN 201910206747A CN 109934683 A CN109934683 A CN 109934683A
- Authority
- CN
- China
- Prior art keywords
- target
- businessman
- consumption
- consumer
- project
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本申请提供一种推荐方法、装置及电子设备,所述方法的一具体实施方式包括:针对目标用户,确定多个商家集合中的一个或多个目标商家集合;其中,每个所述商家集合对应多个预设的消费项目组合;任一商家集合对应的消费项目组合由该商家集合对应的多个消费项目构成;确定所述目标商家集合对应的每个目标消费项目组合针对所述目标用户的目标分值;根据所述目标分值选取部分目标消费项目组合进行推荐。该实施方式能够使得推荐的内容扩展到多个商家的消费项目的组合,满足了用户更多的需求,扩展了即使配送服务的业务,也提高了即使配送服务的资源利用率。
Description
技术领域
本申请涉及互联网应用技术领域,特别涉及一种推荐方法、装置及电子设备。
背景技术
随着互联网技术的不断发展,很多基于互联网的服务应运而生,使人们的生活变得更加便捷。以即时配送服务为例,人们可以通过客户端购买多种货品。目前来说,在相关技术中,为了使用户能够更快的找到满意的货品,通常会向用户推荐一些可能感兴趣的商家或者单品。但是,这种推荐方式所推荐的内容仅限于独立的商家和单品,因此,具有一定的局限性,难以满足用户的需求。
发明内容
为了解决上述技术问题之一,本申请提供一种推荐方法、装置及电子设备。
根据本申请实施例的第一方面,提供一种推荐方法,包括:
针对目标用户,确定多个商家集合中的一个或多个目标商家集合;其中,每个所述商家集合对应多个预设的消费项目组合;任一商家集合对应的消费项目组合由该商家集合对应的多个消费项目构成;
确定所述目标商家集合对应的每个目标消费项目组合针对所述目标用户的目标分值;
根据所述目标分值选取部分目标消费项目组合进行推荐。
可选的,所述多个商家集合基于geohash地理散列算法而确定。
可选的,所述确定所述目标商家集合对应的每个目标消费项目组合针对所述目标用户的目标分值,包括:
确定所述目标用户的历史业务数据;所述历史业务数据包括历史浏览数据和/或历史消费数据;
基于所述历史业务数据确定所述目标分值。
可选的,所述基于所述历史业务数据确定所述目标分值,包括:
基于所述历史业务数据确定所述目标商家集合对应的每个目标消费项目针对所述目标用户的权重向量;
确定每个所述目标消费项目的特征标识,任一所述目标消费项目的特征标识表征该消费项目的特征属性信息;
基于所述目标商家集合对应的每个目标消费项目针对所述目标用户的权重向量以及每个所述目标消费项目的特征标识,确定所述目标分值。
可选的,所述历史业务数据包括历史浏览数据和历史消费数据;
所述基于所述历史业务数据确定所述目标商家集合对应的每个目标消费项目针对所述目标用户的权重向量,包括:
基于所述历史业务数据确定所述目标用户对应的特征偏好向量;
确定所述目标用户对每个所述目标消费项目的调整系数;所述调整系数为历史浏览次数和历史下单次数的加权和;其中,所述历史浏览次数基于所述历史浏览数据而确定,所述历史下单次数基于所述历史消费数据而确定;
基于所述特征偏好向量和所述调整系数确定所述权重向量。
可选的,所述基于所述目标商家集合对应的每个目标消费项目针对所述目标用户的权重向量以及每个所述目标消费项目的特征标识,确定所述目标分值,包括:
通过预设的哈希算法,计算每个所述目标消费项目的特征标识所对应的哈希值;所述哈希值的位数与所述权重向量的维度数相同;
针对每个所述目标消费项目,利用该目标消费项目的特征标识所对应的哈希值确定该目标消费项目对应的权重向量的正负属性,得到目标向量;
针对每个所述目标消费项目组合,基于构成该目标消费项目组合的目标消费项目所对应的目标向量,确定该目标消费项目组合对应的第一编码;
确定第二编码;所述第二编码基于所述目标用户对应的历史消费项目组合而确定;
基于所述第二编码和每个所述目标消费项目组合对应的第一编码确定所述目标分值。
可选的,所述基于构成该目标消费项目组合的目标消费项目所对应的目标向量,确定该目标消费项目组合对应的第一编码,包括:
将构成该目标消费项目组合的目标消费项目所对应的目标向量进行叠加,得到组合向量;
基于所述组合向量中每个维度的正负属性,生成第一编码。
可选的,针对任意一个目标消费项目组合,通过如下方式基于所述第二编码和该目标消费项目组合对应的第一编码确定该目标消费项目组合针对所述目标用户的目标分值:
确定所述第二编码和该目标消费项目组合对应的第一编码的海明距离,作为该目标消费项目组合对应的初始分值;
确定所述目标用户的当前业务数据以及预设的修正参数;
根据所述当前业务数据,利用所述修正参数修正所述初始分值,得到该目标消费项目组合对应的目标分值。
根据本申请实施例的第二方面,提供一种推荐装置,包括:
第一确定模块,用于针对目标用户,确定多个商家集合中的一个或多个目标商家集合;其中,每个所述商家集合对应多个预设的消费项目组合;任一商家集合对应的消费项目组合由该商家集合对应的多个消费项目构成;
第二确定模块,用于确定所述目标商家集合对应的每个目标消费项目组合针对所述目标用户的目标分值;
推荐模块,用于根据所述目标分值选取部分目标消费项目组合进行推荐。
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中任一项所述的方法。
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中任一项所述的方法。
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推荐方法和装置,通过针对目标用户,确定多个商家集合中的一个或多个目标商家集合,其中,每个商家集合对应多个预设的消费项目组合,任一商家集合对应的消费项目组合由该商家集合对应的多个消费项目构成,接着,确定目标商家集合对应的每个目标消费项目组合针对该目标用户的目标分值,并根据上述目标分值选取部分目标消费项目组合进行推荐。从而能够使得推荐的内容扩展到多个商家的消费项目的组合,满足了用户更多的需求,扩展了即使配送服务的业务,也提高了即使配送服务的资源利用率。
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是本申请根据一示例性实施例示出的一种推荐方法的流程图;
图2是本申请根据一示例性实施例示出的另一种推荐方法的流程图;
图3是本申请根据一示例性实施例示出的另一种推荐方法的流程图;
图4是本申请根据一示例性实施例示出的一种推荐装置的框图;
图5是本申请根据一示例性实施例示出的另一种推荐装置的框图;
图6是本申请根据一示例性实施例示出的另一种推荐装置的框图;
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”。
如图1所示,图1是根据一示例性实施例示出的一种推荐方法的流程图,该方法可以应用于服务器中。该方法包括以下步骤:
在步骤101中,针对目标用户,确定多个商家集合中的一个或多个目标商家集合。
在本实施例中,所涉及的服务可以是即时配送服务,所涉及的商家可以是即时配送服务中涉及的商家。可以预先采用预设的算法,将即时配送服务中涉及的商家按照地理位置划分成多个商家集合。可选地,可以基于geohash地理散列算法确定多个商家集合。具体来说,可以采用geohash算法对即时配送服务中涉及的每个商家进行编号,然后,将前N位编号相同的商家划分成一个商家集合(N为预设的数值),从而得到多个商家集合。由于基于geohash算法确定商家集合,因此,每个商家集合中的商家位置相近,更适于在商家集合中进行货品的搭配。可以理解,还可以采用其它任意合理的算法划分多个商家集合,本申请对此方面不限定。
在本实施例中,每个商家集合可以对应多个消费项目,消费项目可以是商家销售的货品(例如,消费项目可以是餐厅的菜品,或者甜品店的甜品,或者超市的物品等等)。可以预先针对每个商家集合,从该商家集合对应的消费项目中选取部分或全部消费项目,并基于预设的组合规则,将选取的消费项目进行任意合理的搭配,得到该商家集合对应多个消费项目组合。例如,商家集合A包括商家a、商家b和商家c,可以将商家a对应消费项目m与商家b对应消费项目n进行搭配,得到消费项目组合[m,n],将商家a对应消费项目s、商家b对应消费项目t以及商家c对应消费项目g进行搭配,得到消费项目组合[s,t,g]等。可以将每个商家集合对应的多个消费项目组合进行存储。
在本实施例中,目标用户可以是需要请求即时配送服务的用户,目标商家集合可以是多个商家集合中更加适于目标用户选取的商家集合。例如,目标商家集合可以是距离目标用户较近的商家集合,也可以是目标用户选取频率较大的商家集合等。具体来说,可以选取中心位置距离目标用户最近的商家集合作为目标商家集合,或者选取中心位置距离目标用户小于预设长度的商家集合作为目标商家集合,或者基于目标用户的历史数据选取被选次数大于预设次数的商家集合作为目标商家集合等。可以理解,还可以通过其它任意合理的方式确定目标商家集合,本申请对此方面不限定。
在步骤102中,确定目标商家集合对应的每个目标消费项目组合针对该目标用户的目标分值。
在本实施例中,确定目标商家集合后,可以进一步确定目标商家集合对应的每个目标消费项目组合针对该目标用户的目标分值。对于任意一个目标消费项目组合,该目标消费项目组合针对该目标用户的目标分值可以用于表示该目标消费项目组合与该目标用户的匹配程度,例如,该目标分值越大,该目标消费项目组合与该目标用户的匹配程度越高。具体来说,在一种实现方式中,可以确定目标用户的历史业务数据,该历史业务数据可以包括历史浏览数据和/或历史消费数据。然后,从预先存储的数据中获取目标商家集合对应的多个目标消费项目组合,并基于该历史业务数据确定目标商家集合对应的每个目标消费项目组合针对该目标用户的目标分值。
在另一种实现方式中,还可以获取目标用户预先输入的对货品偏好的标签信息(如,喜好的口味,讨厌的口味,喜好的菜系,喜好的零食等等),并基于该目标用户对货品偏好的标签信息确定目标商家集合对应的每个目标消费项目组合针对该目标用户的目标分值。可以理解,还可以通过其它任意合理的方式确定目标分值,本申请对此方面不限定。
在步骤103中,根据上述目标分值选取部分目标消费项目组合进行推荐。
在本实施例中,可以按照目标分值从大到小的顺序,选取预设数量的目标消费项目组合,并将选取目标消费项目推荐给目标用户,以供目标用户选择。
本申请的上述实施例提供的推荐方法,通过针对目标用户,确定多个商家集合中的一个或多个目标商家集合,其中,每个商家集合对应多个预设的消费项目组合,任一商家集合对应的消费项目组合由该商家集合对应的多个消费项目构成,接着,确定目标商家集合对应的每个目标消费项目组合针对该目标用户的目标分值,并根据上述目标分值选取部分目标消费项目组合进行推荐。从而能够使得推荐的内容扩展到多个商家的消费项目的组合,满足了用户更多的需求,扩展了即使配送服务的业务,也提高了即使配送服务的资源利用率。
如图2所示,图2根据一示例性实施例示出的另一种推荐方法的流程图,该实施例描述了确定目标分值的过程,该方法可以应用于服务器中,包括以下步骤:
在步骤201中,针对目标用户,确定多个商家集合中的一个或多个目标商家集合。
在本实施例中,每个商家集合对应多个预设的消费项目组合,任一商家集合对应的消费项目组合由该商家集合对应的多个消费项目构成。
在步骤202中,确定目标用户的历史业务数据,该历史业务数据包括历史浏览数据和/或历史消费数据。
在本实施例中,可以确定目标用户的历史业务数据,该历史业务数据可以是目标用户在即时配送服务中的业务数据。例如,该历史业务数据可以包括但不限于目标用户的历史浏览数据、历史消费数据以及历史搜索数据等。可以理解,历史业务数据还可以包括其它任意合理的数据,本申请对历史业务数据的具体内容方面不限定。
在步骤203中,基于该历史业务数据确定目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值。
在本实施例中,可以基于该历史业务数据确定目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值。具体来说,在一种实现方式中,可以基于该历史业务数据确定目标商家集合对应的每个目标消费项目针对目标用户的权重向量。然后,确定每个目标消费项目的特征标识,其中,任一目标消费项目的特征标识表征该消费项目的特征信息。最后,基于目标商家集合对应的每个目标消费项目针对目标用户的权重向量以及每个目标消费项目的特征标识,确定目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值。
在另一种实现方式中,还可以基于该历史业务数据确定目标用户对目标商家集合对应的每个目标消费项目进行浏览以及下单的次数,根据该次数确定目标商家集合对应的每个目标消费项目组合针对目标用户的权重,并根据该权重确定目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值。
在步骤204中,根据上述目标分值选取部分目标消费项目组合进行推荐。
需要说明的是,对于与图1实施例中相同的步骤,在上述图2实施例中不再进行赘述,相关内容可参见图1实施例。
本申请的上述实施例提供的推荐方法,通过针对目标用户,确定多个商家集合中的一个或多个目标商家集合,确定目标用户的历史业务数据,该历史业务数据包括历史浏览数据和/或历史消费数据,基于该历史业务数据确定目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值,并根据上述目标分值选取部分目标消费项目组合进行推荐。由于本实施例参考了目标用户的历史业务数据,确定目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值,并且,该历史业务数据包括历史浏览数据和/或历史消费数据,因此,提高了目标分值的合理性,使得目标消费项目组合的推荐更为精准。
如图3所示,图3根据一示例性实施例示出的另一种推荐方法的流程图,该实施例详细描述了基于历史业务数据确定目标分值的过程,该方法可以应用于服务器中,包括以下步骤:
在步骤301中,针对目标用户,确定多个商家集合中的一个或多个目标商家集合。
在本实施例中,每个商家集合对应多个预设的消费项目组合,任一商家集合对应的消费项目组合由该商家集合对应的多个消费项目构成。
在步骤302中,确定目标用户的历史业务数据,该历史业务数据包括历史浏览数据以及历史消费数据。
在步骤303中,基于该历史业务数据确定目标商家集合对应的每个目标消费项目针对目标用户的权重向量。
在本实施例中,可以基于该历史业务数据确定目标商家集合对应的每个目标消费项目针对目标用户的权重向量。其中,目标商家集合对应的每个目标消费项目可以是目标商家集合中的每个商家所对应的每个消费项目。
在本实施例中,首先,可以基于该历史业务数据确定目标用户对应的特征偏好向量。具体来说,可以预先设定多个向量的维度,该向量的每个维度可以表征消费项目的一种特征属性。例如,该向量的维度表征的特征属性可以包括但不限于甜,咸,辣,酸,麻,川菜,湘菜,鲁菜,火锅,自助,日式料理,法餐,……等等。然后,可以根据该历史业务数据确定目标用户在该向量的每个维度表征的特征属性方面的权重值,并基于该权重值构建目标用户对应的特征偏好向量。
例如,如果该向量的维度表征的特征属性包括甜,辣,酸,川菜,湘菜,鲁菜,火锅,自助,并且目标用户在上述特征属性方面的浏览和下单次数分别为2,4,1,4,2,2,4,1,则进行归一化后,可以确定目标用户在该向量的每个维度表征的特征属性方面的权重值分别为0.1,0.2,0.05,0.2,0.1,0.1,0.2,0.05,可以根据上述权重值构建目标用户对应的特征偏好向量。
接着,确定目标用户对每个目标消费项目的调整系数,该调整系数可以为历史浏览次数和历史下单次数的加权和,历史浏览次数可以基于历史浏览数据而确定,历史下单次数可以基于历史消费数据而确定。其中,历史浏览次数对应的第一权重和历史下单次数的第二权重为预设的权重值,并且第一权重小于第二权重。
最后,可以基于目标用户对应的特征偏好向量和该调整系数确定目标商家集合对应的每个目标消费项目针对目标用户的权重向量。具体来说,针对任意一个目标消费项目,可以将目标用户对该目标消费项目的调整系数与目标用户对应的特征偏好向量相乘,得到该目标消费项目针对目标用户的权重向量。
在步骤304中,确定每个目标消费项目的特征标识,任一目标消费项目的特征标识表征该消费项目的特征属性信息。
在本实施例中,可以预先根据每个目标消费项目的特征属性设定相应的特征标识。例如,该特征属性可以包括但不限于甜,咸,辣,酸,麻,川菜,湘菜,鲁菜,火锅,自助,日式料理,法餐,……等等。需要说明的是,上述特征属性要与步骤303中的特征偏好向量的维度表征的特征属性一致,并且相同特征属性的顺序相对应。具体来说,针对每个目标消费项目,可以确定该目标消费项目针对每个特征属性的权重,并将每个特征属性的权重按顺序进行排列,得到该目标消费项目对应的特征标识。
在步骤305中,基于目标商家集合对应的每个目标消费项目针对目标用户的权重向量以及每个目标消费项目的特征标识,确定目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值。
在本实施例中,可以基于目标商家集合对应的每个目标消费项目针对目标用户的权重向量以及每个目标消费项目的特征标识,确定目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值。
在本实施例中,首先,可以通过预设的哈希算法,计算每个目标消费项目的特征标识所对应的哈希值,该哈希值可以是一个二进制数,该二进制数的每位数对应一个特征属性。该哈希值的位数与每个目标消费项目针对目标用户的权重向量的维度数相同。其中,预设的哈希算法可以是任意合理的哈希算法,本领域中已知的以及将来可能出现的任何哈希算法都可以应用于本申请,本申请对此方面不限定。
接着,针对每个目标消费项目,可以利用该目标消费项目的特征标识所对应的哈希值确定该目标消费项目对应的权重向量的正负属性,得到目标向量。具体来说,由于该哈希值的位数与该目标消费项目针对目标用户的权重向量的维度数相同,因此,可以确定该权重向量的每个维度在该哈希值中所对应的数值,如果该数值为1,则相应维度为正属性,如果该数值为0,则相应维度为负属性,从而得到目标向量。
例如,如果该目标消费项目的特征标识所对应的哈希值为1001,该目标消费项目对应的权重向量的(a,b,c,d),则,可以得到目标向量(a,-b,-c,d)。
继而,针对每个目标消费项目组合,基于构成该目标消费项目组合的目标消费项目所对应的目标向量,确定该目标消费项目组合对应的第一编码,该第一编码为二进制数。具体来说,可以将构成该目标消费项目组合的目标消费项目所对应的目标向量进行叠加,得到组合向量,并基于组合向量中每个维度的正负属性,生成第一编码。针对组合向量中任意一个维度,如果该为正,则对应于第一编码的1,如果该为负,则对应于第一编码的0。
例如,如果该目标消费项目组合对应的组合向量为(-m,n,-j,k),则该目标消费项目组合对应的第一编码可以是0101。
接着,确定第二编码,第二编码基于目标用户对应的历史消费项目组合而确定,该第二编码也为二进制数。具体来说,可以预先确定目标用户对应的历史消费项目组合以及构成历史消费项目组合的历史消费项目。然后,基于目标用户的历史业务数据确定每个历史消费项目针对目标用户的权重向量以及每个历史消费项目的特征标识,确定每个历史消费项目对应的目标向量,并得到每个历史消费项目组合对应的组合向量。将所有历史消费项目组合对应的组合向量进行叠加,并基于叠加后的向量中每个维度的正负属性生成第二编码(参考第一编码的生成方法)。
最后,基于第二编码和每个目标消费项目组合对应的第一编码确定目标分值。具体来说,针对任意一个目标消费项目组合,可以通过如下方式基于第二编码和该目标消费项目组合对应的第一编码确定该目标消费项目组合针对目标用户的目标分值:首先,确定第二编码和该目标消费项目组合对应的第一编码的海明距离,作为该目标消费项目组合对应的初始分值。然后,确定目标用户的当前业务数据以及预设的修正参数。最后,根据当前业务数据,利用修正参数修正初始分值,得到该目标消费项目组合对应的目标分值。具体来说,可以确定当前之前预设时段内目标用户浏览的当前消费项目,将包含当前消费项目的目标消费项目组合的对应的初始分值与预设的修正参数相乘,得到该目标消费项目组合对应的目标分值。
在步骤306中,根据上述目标分值选取部分目标消费项目组合进行推荐。
需要说明的是,对于与图1和图2实施例中相同的步骤,在上述图3实施例中不再进行赘述,相关内容可参见图1和图2实施例。
本申请的上述实施例提供的推荐方法,通过基于历史业务数据确定目标商家集合对应的每个目标消费项目针对目标用户的权重向量,确定每个目标消费项目的特征标识,任一目标消费项目的特征标识表征该消费项目的特征属性信息,并基于目标商家集合对应的每个目标消费项目针对目标用户的权重向量以及每个目标消费项目的特征标识,确定目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值。从而进一步提高了目标分值的合理性,使得目标消费项目组合的推荐更为精准。
应当注意,尽管在上述实施例中,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。
与前述推荐方法实施例相对应,本申请还提供了推荐装置的实施例。
如图4所示,图4是本申请根据一示例性实施例示出的一种推荐装置框图,该装置可以包括:第一确定模块401,第二确定模块402和推荐模块403。
其中,第一确定模块401,用于针对目标用户,确定多个商家集合中的一个或多个目标商家集合,其中,每个商家集合对应多个预设的消费项目组合,任一商家集合对应的消费项目组合由该商家集合对应的多个消费项目构成。
第二确定模块402,用于确定目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值。
推荐模块403,用于根据目标分值选取部分目标消费项目组合进行推荐。
在一些可选实施方式中,上述多个商家集合基于geohash地理散列算法而确定。
如图5所示,图5是本申请根据一示例性实施例示出的另一种推荐装置框图,该实施例在前述图4所示实施例的基础上,第二确定模块402可以包括:第一确定子模块501和第二确定子模块502。
其中,第一确定子模块501,用于确定目标用户的历史业务数据,该历史业务数据包括历史浏览数据和/或历史消费数据。
第二确定子模块502,用于基于该历史业务数据目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值。
如图6所示,图6是本申请根据一示例性实施例示出的另一种推荐装置框图,该实施例在前述图5所示实施例的基础上,第二确定子模块502可以包括:向量确定子模块601,信息确定子模块602和分值确定子模块603。
其中,向量确定子模块601,用于基于上述历史业务数据确定目标商家集合对应的每个目标消费项目针对目标用户的权重向量。
信息确定子模块602,用于确定每个目标消费项目的特征标识,任一目标消费项目的特征标识表征该消费项目的特征属性信息。
分值确定子模块603,用于基于目标商家集合对应的每个目标消费项目针对目标用户的权重向量以及每个目标消费项目的特征标识,目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值。
在另一些可选实施方式中,历史业务数据可以包括历史浏览数据和历史消费数据。向量确定子模块601被配置用于:基于上述历史业务数据确定目标用户对应的特征偏好向量,确定目标用户对每个目标消费项目的调整系数,该调整系数为历史浏览次数和历史下单次数的加权和,基于上述特征偏好向量和上述调整系数确定上述权重向量。其中,历史浏览次数基于历史浏览数据而确定,历史下单次数基于历史消费数据而确定。
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推荐装置框图,该实施例在前述图6所示实施例的基础上,分值确定子模块603可以包括:计算子模块701,第一获取子模块702,第一编码子模块703,第二编码子模块704和第二获取子模块705。
其中,计算子模块701,用于通过预设的哈希算法,计算每个目标消费项目的特征标识所对应的哈希值,该哈希值的位数与上述权重向量的维度数相同。
第一获取子模块702,用于针对每个目标消费项目,利用该目标消费项目的特征标识所对应的哈希值确定该目标消费项目对应的权重向量的正负属性,得到目标向量。
第一编码子模块703,用于针对每个目标消费项目组合,基于构成该目标消费项目组合的目标消费项目所对应的目标向量,确定该目标消费项目组合对应的第一编码。
第二编码子模块704,用于确定第二编码,该第二编码基于目标用户对应的历史消费项目组合而确定。
第二获取子模块705,用于基于第二编码和每个目标消费项目组合对应的第一编码目标商家集合对应的每个目标消费项目组合针对目标用户的目标分值。
在另一些可选实施方式中,第一编码子模块703被配置用于:将构成该目标消费项目组合的目标消费项目所对应的目标向量进行叠加,得到组合向量,并基于组合向量中每个维度的正负属性,生成第一编码。
在另一些可选实施方式中,针对任意一个目标消费项目组合,第二获取子模块可以通过如下方式基于第二编码和该目标消费项目组合对应的第一编码确定该目标消费项目组合针对目标用户的目标分值:确定第二编码和该目标消费项目组合对应的第一编码的海明距离,作为该目标消费项目组合对应的初始分值。确定目标用户的当前业务数据以及预设的修正参数,并根据当前业务数据,利用修正参数修正上述初始分值,得到该目标消费项目组合对应的目标分值。
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1至图3任一实施例提供的推荐方法。
对应于上述的推荐方法,本申请实施例还提出了图8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8,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 (11)
1.一种推荐方法,其特征在于,所述方法包括:
针对目标用户,确定多个商家集合中的一个或多个目标商家集合;其中,每个所述商家集合对应多个预设的消费项目组合;任一商家集合对应的消费项目组合由该商家集合对应的多个消费项目构成;
确定所述目标商家集合对应的每个目标消费项目组合针对所述目标用户的目标分值;
根据所述目标分值选取部分目标消费项目组合进行推荐。
2.根据权利要求1所述的方法,其特征在于,所述多个商家集合基于geohash地理散列算法而确定。
3.根据权利要求1所述的方法,其特征在于,所述确定所述目标商家集合对应的每个目标消费项目组合针对所述目标用户的目标分值,包括:
确定所述目标用户的历史业务数据;所述历史业务数据包括历史浏览数据和/或历史消费数据;
基于所述历史业务数据确定所述目标分值。
4.根据权利要求3所述的方法,其特征在于,所述基于所述历史业务数据确定所述目标分值,包括:
基于所述历史业务数据确定所述目标商家集合对应的每个目标消费项目针对所述目标用户的权重向量;
确定每个所述目标消费项目的特征标识,任一所述目标消费项目的特征标识表征该消费项目的特征属性信息;
基于所述目标商家集合对应的每个目标消费项目针对所述目标用户的权重向量以及每个所述目标消费项目的特征标识,确定所述目标分值。
5.根据权利要求4所述的方法,其特征在于,所述历史业务数据包括历史浏览数据和历史消费数据;
所述基于所述历史业务数据确定所述目标商家集合对应的每个目标消费项目针对所述目标用户的权重向量,包括:
基于所述历史业务数据确定所述目标用户对应的特征偏好向量;
确定所述目标用户对每个所述目标消费项目的调整系数;所述调整系数为历史浏览次数和历史下单次数的加权和;其中,所述历史浏览次数基于所述历史浏览数据而确定,所述历史下单次数基于所述历史消费数据而确定;
基于所述特征偏好向量和所述调整系数确定所述权重向量。
6.根据权利要求4所述的方法,其特征在于,所述基于所述目标商家集合对应的每个目标消费项目针对所述目标用户的权重向量以及每个所述目标消费项目的特征标识,确定所述目标分值,包括:
通过预设的哈希算法,计算每个所述目标消费项目的特征标识所对应的哈希值;所述哈希值的位数与所述权重向量的维度数相同;
针对每个所述目标消费项目,利用该目标消费项目的特征标识所对应的哈希值确定该目标消费项目对应的权重向量的正负属性,得到目标向量;
针对每个所述目标消费项目组合,基于构成该目标消费项目组合的目标消费项目所对应的目标向量,确定该目标消费项目组合对应的第一编码;
确定第二编码;所述第二编码基于所述目标用户对应的历史消费项目组合而确定;
基于所述第二编码和每个所述目标消费项目组合对应的第一编码确定所述目标分值。
7.根据权利要求6所述的方法,其特征在于,所述基于构成该目标消费项目组合的目标消费项目所对应的目标向量,确定该目标消费项目组合对应的第一编码,包括:
将构成该目标消费项目组合的目标消费项目所对应的目标向量进行叠加,得到组合向量;
基于所述组合向量中每个维度的正负属性,生成第一编码。
8.根据权利要求6所述的方法,其特征在于,针对任意一个目标消费项目组合,通过如下方式基于所述第二编码和该目标消费项目组合对应的第一编码确定该目标消费项目组合针对所述目标用户的目标分值:
确定所述第二编码和该目标消费项目组合对应的第一编码的海明距离,作为该目标消费项目组合对应的初始分值;
确定所述目标用户的当前业务数据以及预设的修正参数;
根据所述当前业务数据,利用所述修正参数修正所述初始分值,得到该目标消费项目组合对应的目标分值。
9.一种推荐装置,其特征在于,所述装置包括:
第一确定模块,用于针对目标用户,确定多个商家集合中的一个或多个目标商家集合;其中,每个所述商家集合对应多个预设的消费项目组合;任一商家集合对应的消费项目组合由该商家集合对应的多个消费项目构成;
第二确定模块,用于确定所述目标商家集合对应的每个目标消费项目组合针对所述目标用户的目标分值;
推荐模块,用于根据所述目标分值选取部分目标消费项目组合进行推荐。
10.一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1-8中任一项所述的方法。
11.一种电子设备,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1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910206747.5A CN109934683A (zh) | 2019-03-19 | 2019-03-19 | 推荐方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910206747.5A CN109934683A (zh) | 2019-03-19 | 2019-03-19 | 推荐方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109934683A true CN109934683A (zh) | 2019-06-25 |
Family
ID=66987612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910206747.5A Pending CN109934683A (zh) | 2019-03-19 | 2019-03-19 | 推荐方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934683A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110727857A (zh) * | 2019-09-04 | 2020-01-24 | 口碑(上海)信息技术有限公司 | 针对业务对象识别潜在用户的关键特征的方法及装置 |
CN112669083A (zh) * | 2020-12-30 | 2021-04-16 | 杭州趣链科技有限公司 | 商品的推荐方法、装置和电子设备 |
-
2019
- 2019-03-19 CN CN201910206747.5A patent/CN109934683A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110727857A (zh) * | 2019-09-04 | 2020-01-24 | 口碑(上海)信息技术有限公司 | 针对业务对象识别潜在用户的关键特征的方法及装置 |
CN112669083A (zh) * | 2020-12-30 | 2021-04-16 | 杭州趣链科技有限公司 | 商品的推荐方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8762226B2 (en) | Item discovery tools and methods for shopping in an electronic commerce environment | |
CN103841122B (zh) | 目标对象信息推荐方法、服务器及客户端 | |
CN103140868A (zh) | 基于历史数据确定适用性的可能性 | |
EP2481018A1 (en) | Method and apparatus for executing a recommendation | |
WO2010011603A1 (en) | Correlated information recommendation | |
JP2005135071A (ja) | 商品購入における信頼値の算出方法及び装置 | |
CN108288219A (zh) | 餐品信息的推送方法及系统 | |
CN109615425A (zh) | 一种产品推荐方法、装置、电子设备及存储介质 | |
CN105468628B (zh) | 一种排序方法及装置 | |
CN104272304B (zh) | 信息处理设备、信息处理方法以及程序 | |
JP2021508395A (ja) | パーソナライズされた推奨を生成するために適合されたクライアント、サーバ、およびクライアント−サーバシステム | |
CN111241388A (zh) | 多策略召回方法、装置、电子设备及可读存储介质 | |
CN109934683A (zh) | 推荐方法、装置及电子设备 | |
WO2014036892A1 (zh) | 产生关联的推荐物品的列表的方法及系统 | |
CN110134783A (zh) | 个性化推荐的方法、装置、设备和介质 | |
CN109584016A (zh) | 一种商品推荐方法 | |
KR100823853B1 (ko) | 인구통계학적 속성과 구매이력을 이용한 개인화 콘텐츠추천 방법 | |
CN101625698A (zh) | 信息处理设备、信息处理方法和程序 | |
KR20170116924A (ko) | 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치와 프로그램 | |
CN109410079A (zh) | 最优有限注意力下的社交推荐方法及装置 | |
CN110784500B (zh) | 一种信息推送的方法、装置、电子设备及存储介质 | |
Badriyah et al. | An Efficient Framework of Hybrid Recommendation System based on Multi Mode | |
KR20130046688A (ko) | 개인화 서비스를 위한 아이템 추천 시스템 및 방법 | |
US9330360B1 (en) | Recommendation engine rationalization | |
KR102576123B1 (ko) | 제품 공동구매 연계 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |