CN110084671A - 信息处理方法、信息处理装置、存储介质和电子设备 - Google Patents
信息处理方法、信息处理装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN110084671A CN110084671A CN201910309555.7A CN201910309555A CN110084671A CN 110084671 A CN110084671 A CN 110084671A CN 201910309555 A CN201910309555 A CN 201910309555A CN 110084671 A CN110084671 A CN 110084671A
- Authority
- CN
- China
- Prior art keywords
- entity
- preference information
- target user
- scoring
- historical behavior
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种信息处理方法、信息处理装置、存储介质和电子设备。本发明实施例根据目标用户的设置确定目标用户的第一偏好信息，根据目标用户的历史行为数据确定目标用户的第二偏好信息，并获取与目标用户的第一偏好信息与第二偏好信息匹配的实体列表，进而获取实体列表中各实体的排序评分，从而根据排序评分向用户进行实体推荐。在发明本实施例中，目标用户的第一偏好信息由目标用户自行设定且可以根据需求进行调整，由此，在提升了实体推荐的灵活性的同时有效地提升了实体推荐的准确性。同时，目标用户的第一偏好信息可以保存在服务器中，由此，能够以很短的时间获取目标用户的第一偏好信息，对实体推荐的时间影响较小。
Description
技术领域
本发明公开涉及数据处理技术领域，具体涉及一种信息处理方法、信息处理装置、存储介质和电子设备。
背景技术
随着实体(例如商品)种类的日益丰富和互联网的不断发展，O2O(online tooffline，线上到线下)交易变得越来越便利。但同时，随着生活节奏的加快，用户需要尽可能地缩短实体的下单时间以免时间浪费。因此对于用户而言，能够在大量的实体中快速选择出满意的实体十分重要。通常的实体推荐方法或信息处理方法等根据用户画像对用户进行实体推荐，使得用户无需花费大量时间选择实体，但有时会出现实体推荐不准确的情况，由此会降低用户体验。
发明内容
有鉴于此,本发明实施例提供了一种信息处理方法、信息处理装置、存储介质和电子设备，能够在对实体推荐的时间影响较小的情况下提升实体推荐的准确性，从而提升用户体验。
第一方面，本发明实施例提供了一种信息处理方法，所述方法包括：
获取目标用户的第一偏好信息，所述第一偏好信息包括多个偏好项，所述偏好项根据所述目标用户的设置确定；
确定所述目标用户的第二偏好信息，所述第二偏好信息根据所述目标用户的历史行为数据确定；
根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表；
根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分；
根据所述排序评分向所述目标用户推荐对应的所述实体。
优选地，所述方法还包括：
根据推荐的所述实体生成订单。
优选地，所述根据推荐的所述实体生成订单包括：
响应于推荐的所述实体被选择，根据所述推荐的实体生成订单。
优选地，所述第二偏好信息根据所述目标用户的历史行为数据确定为：
所述第二偏好信息根据所述目标用户的历史行为数据和属性特征确定；
所述确定所述用户的第二偏好信息包括：
根据多个用户的所述历史行为数据和所述属性特征对所述多个用户进行聚类，获取所述第二偏好信息，所述多个用户包括所述目标用户。
优选地，所述根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分包括：
根据所述历史行为数据分别确定各所述实体的第一评分；
根据所述属性信息分别确定对应的各所述实体的第二评分；
根据所述第一评分和所述第二评分确定所述排序评分。
优选地，所述根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分包括：
根据所述历史行为数据分别确定各所述实体的第一评分；
根据所述第一评分确定所述排序评分。
优选地，所述根据所述历史行为数据分别确定各所述实体的第一评分包括：
分别确定各所述实体为待评分实体；
获取所述待评分实体的历史推荐状态；
响应于所述历史推荐状态为被推荐，根据所述历史行为数据确定所述待评分实体的历史查看状态和/或历史选择状态；
根据所述历史查看状态和/或所述历史选择状态确定所述待评分实体的所述第一评分。
第二方面，本发明实施例提供了一种信息处理装置，所述装置包括：
第一获取单元，用于获取目标用户的第一偏好信息，所述第一偏好信息包括多个偏好项，所述偏好项根据所述目标用户的设置确定；
第一确定单元，用于确定所述目标用户的第二偏好信息，所述第二偏好信息根据所述目标用户的历史行为数据确定；
第二获取单元，用于根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表；
第二确定单元，用于根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分；
推荐单元，用于根据所述排序评分向所述目标用户推荐对应的所述实体。
第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，其中，所述计算机程序指令在被处理器执行时实现如第一方面中任一项所述的方法。
第四方面，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：
获取目标用户的第一偏好信息，所述第一偏好信息包括多个偏好项，所述偏好项根据所述目标用户的设置确定；
确定所述目标用户的第二偏好信息，所述第二偏好信息根据所述目标用户的历史行为数据确定；
根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表；
根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分；
根据所述排序评分向所述目标用户推荐对应的所述实体。
本发明实施例根据目标用户的设置确定目标用户的第一偏好信息，根据目标用户的历史行为数据确定目标用户的第二偏好信息，并获取与目标用户的第一偏好信息与第二偏好信息匹配的实体列表，进而获取实体列表中各实体的排序评分，从而根据排序评分向用户进行实体推荐。在发明本实施例中，目标用户的第一偏好信息由目标用户自行设定且可以根据需求进行调整，由此，在提升了实体推荐的灵活性的同时有效地提升了实体推荐的准确性。同时，目标用户的第一偏好信息可以保存在服务器中，由此，能够以很短的时间获取目标用户的第一偏好信息，对实体推荐的时间影响较小。
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-图3是本发明实施例的实体列表的示意图；
图4是本发明第一实施例的一个可选的实现方式中确定各实体的排序评分的流程图；
图5是本发明第一实施例的一个可选的实现方式中确定各实体的第一评分的流程图；
图6是本发明实施例的待评分实体的第一评分的示意图；
图7是本发明第一实施例的另一个可选的实现方式中确定各实体的排序评分的流程图；
图8是本发明第二实施例的信息处理装置的示意图；
图9是本发明第三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公开进行描述，但是本发明公开并不仅仅限于这些实施例。在下文对本发明公开的细节描述中，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公开。为了避免混淆本发明公开的实质，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。
在本发明公开的描述中，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，在本发明公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本实施例中，以实体为商品为例进行说明。但是本领域技术人员容易理解，其他类型的实体同样适用于本实施例的方法。
现有的实体推荐方法或信息处理方法等根据用户画像对用户进行实体推荐，使得用户无需花费大量时间选择实体，但有时会出现实体推荐不准确的情况。例如，根据用户画像确定的用户1的偏好信息为70％的可能喜欢吃辣，20％的可能喜欢吃清淡，因此推荐的商品较大可能为辛辣的食物。但用户1由于个人原因(例如，生病忌吃辣)，在本次下单时希望选择清淡的食物，现有的实体推荐方法或信息处理方法等可能无法满足用户1的需求。由此会降低用户体验。
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，本实施例的方法包括如下步骤：
步骤S101，获取目标用户的第一偏好信息。
在本实施例中，若接收到用户终端发送的预定指令(如，一键下单指令)，服务器可以将对应的用户确定为目标用户。
第一偏好信息包括多个偏好项，偏好项根据目标用户的设置确定。设置可以大致分为基础设置和高级设置，其中，基础设置包括实体的金额范围、口味等，目标用户需预先进行设定；高级设置包括配送时长限定、种类(如，菜系)、品牌、配送方案限定(如，偏好的配送方案)、优先级(例如，新店优先、优惠活动优先)等，目标用户可以根据实际需求预先进行设定其中的至少一个，也可以不进行设定。目标用户的当前设置与目标用户目前的偏好最为接近，因此可以在后续提升实体推荐的准确性。
容易理解，在用户对设置进行设定或修改时，服务器可以获取用户最新的设置并进行保存。由此，服务器可以根据用户终端的标识获取记录的目标用户的第一偏好信息。
步骤S102，确定目标用户的第二偏好信息。
可选地，第二偏好信息可以根据目标用户的历史行为数据确定。目标用户的历史行为数据可以包括选择操作、查看操作等。例如，在目标用户查看操作中，查看甜品类的商品次数较多，可以确定目标用户的偏好信息有较大可能为甜品；在目标用户的选择操作中，选择芭菲的次数较多，可以确定目标用户的偏好信息有较大可能为甜品类的芭菲。
可选地，目标用户的历史行为数据还包括目标用户的历史订单数据，目标用户的第二偏好信息为目标用户的用户画像。
可选地，第二偏好信息还可以根据目标用户的属性特征确定。目标用户的属性特征可以包括年龄(段)、性别、职业等，年龄相似(或年龄段相同)、性别相同、职业相同的用户的偏好可能较为接近，因此根据目标用户的历史行为数据和属性特征确定第二偏好信息可以在后续进一步提升实体推荐的准确性。
可选地，还可以根据包括目标用户在内的多个用户的历史行为数据和属性特征对多个用户进行聚类，由此可以获取目标用户的第二偏好信息。包括目标用户在内的多个用户为属性特征相同或接近的多个用户。可选地，可以通过分类算法，例如KNN(K-NearestNeighbor，K最邻近)算法、决策树、神经网络等有监督的分类模型或K平均(K-means)算法等无监督的分类模型对目标用户进行聚类，从而获取目标用户的第二偏好信息。分类模型的训练方式可以采用现有的训练方式，在此不再赘述。容易理解，第二偏好信息中同样包括多个偏好项。需要说明的是，该聚类过程可以在服务器将对应的用户确定为目标用户之前执行，服务器可以根据用户终端的标识获取已有的目标用户的第二偏好信息。
容易理解，步骤S102和步骤S101可以同时执行，也可以先后执行，不必区分执行顺序。
步骤S103，根据第一偏好信息和第二偏好信息获取匹配的实体列表。
容易理解，第一偏好信息和第二偏好信息中的偏好项相当于目标用户对应的多个标签，因此获取与第一偏好信息和第二偏好信息匹配的实体列表相当于获取与目标用户对应的多个标签匹配的实体列表。
优选地，在本步骤前，可以对各实体对应的标签进行预先设定，由此可以将实体对应的标签与第一偏好信息和第二偏好信息中的多个偏好项进行匹配，从而获得与第一偏好信息和第二偏好信息匹配的实体列表。
可选地，可以获取与第二偏好信息匹配的实体集合，然后去除实体集合中与第一偏好信息中的至少一个偏好项不匹配的实体，从而可以获得与第一偏好信息和第二偏好信息匹配的实体列表。
图2-图3是本发明实施例的实体列表的示意图。图2所示的实体列表为与第二偏好信息匹配的实体集合。其中，商品1-商品7为匹配的实体标识。根据用户1的设置获得的第一偏好信息中金额范围为20-40元，口味为免海鲜，优先级为商家推荐。因此根据用户1的第一偏好信息可以去除商品1、商品2、商品4、商品6和商品7，获取图3所示的与用户1的第一偏好信息和第二偏好信息匹配的实体列表，其中包括商品3和商品5。
可选地，也可以去除第二偏好信息中与第一偏好信息中的偏好项不匹配的相同类型的偏好项以获取第三偏好信息，从而根据第三偏好信息获取与第一偏好信息和第二偏好信息匹配的实体列表。
例如，用户1的第一偏好信息中，金额范围为20-40元，口味为免海鲜，优先级为商家推荐，第二偏好信息中，金额范围为30-50元，口味为海鲜、微辣和清淡，优先级为满减、商家推荐和免运费，则用户1对应的第三偏好信息的偏好项中，金额范围为20-40元，口味为微辣和清淡，优先级为商家推荐。
容易理解，还可以通过其他方式获取与目标用户的第一偏好信息和第二偏好信息匹配的实体列表，本实施例中不做具体限定。
步骤S104,根据实体列表中各实体的属性信息和历史行为数据中的至少一项确定各实体的排序评分。
图4是本发明第一实施例的一个可选的实现方式中确定各实体的排序评分的流程图。如图4所示，在本实施例的一个可选的实现方式中，步骤S104可以包括如下步骤：
步骤S401，根据历史行为数据分别确定各实体的第一评分。
图5是本发明第一实施例的一个可选的实现方式中确定各实体的第一评分的流程图。如图5所示，在本实施例的一个可选的实现方式中，步骤S401可以包括如下步骤：
步骤S501，分别确定各实体为待评分实体。
具体地，分别将实体列表中的各实体确定为待评分实体。
步骤S502，获取待评分实体的历史推荐状态。
在本实施例中，历史推荐状态用于表征待评分实体是否被推荐过。若待评分实体的历史推荐状态为被推荐，则执行步骤S503；若待评分实体的历史推荐状态为未被推荐，则执行步骤S505。
步骤S503，根据历史行为数据确定待评分实体的历史查看状态和/或历史选择状态。
历史查看状态和历史选择状态用于表征目标用户对待评分实体的兴趣程度。历史查看状态用于表征目标用户是否对待评分实体进行过查看。若目标用户进行过查看，表示目标用户对待评分实体有一定兴趣，则可以获取待评分的历史选择状态。历史选择状态用于表征目标用户在对待评分实体进行查看后是否进行过选择。若目标用户对待评分实体进行了选择，说明目标用户对待评分实体有较高的兴趣。
步骤S504，根据历史查看状态和/或历史选择状态确定待评分实体的第一评分。
在一种可能的情况中，若待评分实体的历史查看状态为未被查看，表示目标用户对待评分实体的兴趣较低，比较不适合向目标用户再次推荐，因此可以将预定的参考评分下调，并将下调后的参考评分确定为待评分实体的第一评分。由此可以在后续降低待评分实体的排序评分，从而降低向目标用户推荐自身兴趣较低的实体对目标用户的体验造成影响的可能。
在另一种可能的情况中，若待评分实体的历史查看状态为被查看，但历史选择状态为未被选择，表示目标用户对待评分实体有一定的兴趣，但出于某些原因(如，想要换口味)没有选择待评分实体，因此可以将预定的参考评分确定为待评分实体的第一评分。
在又一种可能的情况中，若待评分实体的历史查看状态为被查看，且历史选择状态为被选择，表示目标用户对待评分实体有较高兴趣，比较适合向目标用户再次推荐，因此可以将预定的参考评分上调，并将上调后的参考评分确定为待评分实体的第一评分。由此可以在后续上调待评分实体的排序评分，从而提升待评分实体被再次推荐的可能。
在可替代的实现方式中，可以仅根据历史查看状态和历史选择状态中的任一项确定待评分实体的第一评分。例如，若待评分实体的历史查看状态为被查看或者待评分实体的历史选择状态为被选择，则将预定的参考评分上调，并将上调后的参考评分确定为待评分实体的第一评分。
图6是本发明实施例的待评分实体的第一评分的示意图。实体的参考评分为5分，调整幅度为1分。如图6所示，商品1的历史查看状态为未被查看，因此商品1的第一评分为4分。商品2的历史查看状态为被查看，历史选择状态为未被选择，因此商品2的第一评分为5分。商品3的历史查看状态为被查看，历史选择状态为被选择，因此商品2的第一评分为6分。
步骤S505，将参考评分确定为第一评分。
若待评分实体的历史推荐状态为未推荐，则无需调整预定的参考评分，可以将预定的参考评分确定为待评分实体的第一评分。
步骤S402，根据属性信息分别确定对应的各实体的第二评分。
其中，待评分实体的属性信息可以包括销量、用户评价(评分)等。容易理解，若目标用户对高级设置进行了设定，则与第一偏好信息和第二偏好信息匹配的实体列表中仅包括符合目标用户高级设置的实体。若目标用户没有对高级设置进行设定，待评分实体的属性信息还可以包括优先级等。
可选地，可以根据各实体的属性信息中各参数(包括销量、用户评价、优先级等)的加权和分别确定各实体的第二评分。其中，各参数对应的权重可以根据实际需求预先设定。例如，实体1的属性信息包括销量和用户评价，其中销量为320，用户评价为4.8，销量对应的权重为0.1，用户评价对应的权重为5，则实体1的第二评分为56分。
可选地，若属性信息中包括优先级，可以预先确定优先级-优先级评分的对应关系，从而根据各实体的优先级和预定的优先级-优先级评分的对应关系获取各实体的优先级评分。例如，优先级设定中包括新店优先、满减优先、免运费优先、预定配送方案优先，优先级顺序为新店优先＞满减优先＞预定配送方案优先＞免运费优先，则新店对应的优先级评分可以为5，满减对应的优先级评分可以为4，预定配送方案对应的优先级评分可以为3，免运费对应的优先级评分可以为2。由此可以获得优先级-优先级评分的对应关系。
步骤S403，根据第一评分和第二评分确定排序评分。
可选地，可以根据各实体的第一评分和第二评分的加权和确定各实体的排序评分。第一评分用于反映目标用户对实体的兴趣程度，第二评分用于反映多个用户对实体的偏好程度，能够较为客观地反映各实体的综合评价。第一评分和第二评分的重要程度可能不同，通常多个用户对实体的偏好程度能够较大地影响目标用户的最终选择，因此可以将第二评分对应的权重(w2)设定得较大，将第一评分对应的权重(w1)设定得较小，使得第二评分的重要程度较高，由此确定出各实体的排序评分。在本步骤中，第一评分对应的权重和第二评分对应的权重的和为1，也即，w1+w2＝1。
图7是本发明第一实施例的另一个可选的实现方式中确定各实体的排序评分的流程图。如图7所示，在本实施例的另一个可选的实现方式中，步骤S104可以包括如下步骤：
步骤S701，根据历史行为数据分别确定各实体的第一评分。
在本实施例的一个可选的实现方式中，步骤S701和步骤S401的实现方式相似，在此不再赘述。
步骤S702，根据第一评分确定排序评分。
在本实施例的另一个可选的实现方式中，可以仅根据第一评分确定排序评分。例如，商品1的第一评分为6分，则商品1的排序评分也可以为6分。由此，服务器无需获取实体的属性信息就可以在后续向用户进行实体推荐，可以有效降低实体推荐的消耗时间。
步骤S105，根据排序评分向目标用户推荐对应的实体。
可选地，为了避免向用户推荐多个实体使得用户需要再次进行选择的情况，可以向目标用户推荐排序评分在最大的第一位的实体。可选地，还可以获取排序评分在最大的前2-n位的实体作为备选实体集合，其中，n为大于等于2的预定整数，若用户对推荐的实体不满意，还可以根据备选实体集合中的任一实体向目标用户进行再次推荐，由此可以降低再次获取各实体的排序评分所耗费的时间。
优选地，本实施例的方法还可以包括如下步骤：
步骤S106，根据推荐的实体生成订单。
可选地，若需要目标用户确认是否选择推荐的实体，则可以在目标用户确认选择后，根据推荐的实体生成订单。若无需目标用户确认，则可以在向目标用户推荐实体的同时，根据推荐的实体生成订单，也即，步骤S105和步骤S106可以同时执行。
步骤S107，接收针对订单的评价信息。
若目标用户对订单进行了评价，服务器可以接受目标用户针对订单的评价信息。其中，评价信息可以为负反馈，包括推荐的实体与金额范围、口味等基础设置不符，或与种类、优先级等高级设置不符，或符合目标用户的设置但目标用户不满意等；也可以为正反馈，包括对推荐的实体较为满意等。
若目标用户针对订单的评价信息为推荐的实体与金额范围、口味等基础设置不符，或与种类、优先级等高级设置不符，有较大的可能为实体对应的标签与实体的实际属性不符或实体缺乏对应的标签，由此可以对实体的标签进行修改或增加。若目标用户针对订单的评价信息为符合目标用户的设置但目标用户不满意，有较大的可能为第一评分对应的权重和第二评分的权重设定得不合理，因此可以适当地调整第一评分对应的权重和第二评分的权重。由此，可以在后续进一步提升实体推荐的准确性。
本实施例根据目标用户的设置确定目标用户的第一偏好信息，根据目标用户的历史行为数据确定目标用户的第二偏好信息，并获取与目标用户的第一偏好信息与第二偏好信息匹配的实体列表，进而获取实体列表中各实体的排序评分，从而根据排序评分向用户进行实体推荐。在本实施例中，目标用户的第一偏好信息由目标用户自行设定且可以根据需求进行调整，由此，在提升了实体推荐的灵活性的同时有效地提升了实体推荐的准确性。同时，目标用户的第一偏好信息可以保存在服务器中，由此，能够以很短的时间获取目标用户的第一偏好信息，对实体推荐的时间影响较小。
图8是本发明第二实施例的信息处理装置的示意图。如图8所示，本实施例的装置包括第一获取单元81、第一确定单元82、第二获取单元83、第二确定单元84和推荐单元85。
其中，第一获取单元81用于获取目标用户的第一偏好信息，所述第一偏好信息包括多个偏好项，所述偏好项根据所述目标用户的设置确定。第一确定单元82用于确定所述目标用户的第二偏好信息，所述第二偏好信息根据所述目标用户的历史行为数据确定。第二获取单元83用于根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表。第二确定单元84用于根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分。推荐单元85用于根据所述排序评分向所述目标用户推荐对应的所述实体。
进一步地，所述装置还包括生成单元86。
其中，生成单元86用于根据推荐的所述实体生成订单。
进一步地，所述生成单元86用于响应于推荐的所述实体被选择，根据所述推荐的实体生成订单。
进一步地，所述第二偏好信息根据所述目标用户的历史行为数据确定为：所述第二偏好信息根据所述目标用户的历史行为数据和属性特征确定；
所述第一确定单元82用于根据多个用户的所述历史行为数据和所述属性特征对所述多个用户进行聚类，获取所述第二偏好信息，所述多个用户包括所述目标用户。
进一步地，所述第二确定单元84包括第一确定子单元841、第二确定子单元842和第三确定子单元843。
其中，第一确定子单元841用于根据所述历史行为数据分别确定各所述实体的第一评分。第二确定子单元842用于根据所述属性信息分别确定对应的各所述实体的第二评分。第三确定子单元843用于根据所述第一评分和所述第二评分确定所述排序评分。
进一步地，所述第二确定单元84包括第一确定子单元841和第三确定子单元843。
其中，第一确定子单元841用于根据所述历史行为数据分别确定各所述实体的第一评分。第三确定子单元843用于根据所述第一评分确定所述排序评分。
进一步地，所述第一确定子单元841包括第一确定模块、获取模块、第二确定模块和第三确定模块。
其中，第一确定模块用于分别确定各所述实体为待评分实体。获取模块用于获取所述待评分实体的历史推荐状态。第二确定模块用于响应于所述历史推荐状态为被推荐，根据所述历史行为数据确定所述待评分实体的历史查看状态和/或历史选择状态。第三确定模块用于根据所述历史查看状态和/或所述历史选择状态确定所述待评分实体的所述第一评分。
进一步地，所述第一确定子单元841还包括第四确定模块。
其中，第四确定模块用于响应于所述历史推荐状态为未被推荐，将参考评分确定为所述第一评分。
进一步地，所述第三确定模块包括第一确定子模块、第二确定子模块和第三确定子模块。
其中，第一确定子模块用于响应于所述历史查看状态为被查看且所述历史选择状态为被选择，将上调后的参考评分确定为所述第一评分。第二确定子模块用于响应于所述历史查看状态为被查看且所述历史选择状态为未被选择，将参考评分确定为所述第一评分。第三确定子模块用于响应于所述历史查看状态为未被查看，将下调后的参考评分确定为所述第一评分。
进一步地，所述第三确定子单元843用于根据所述第一评分和所述第二评分的加权和确定所述排序评分。
进一步地，所述第二获取单元82包括第一获取子单元821和第二获取子单元822。
其中，第一获取子单元821用于获取与所述第二偏好信息匹配的实体集合。第二获取子单元822用于去除所述实体集合中的与第一偏好信息中的至少一个偏好项不匹配的实体，获取所述实体列表。
进一步地，所述第二获取单元82包括第三获取子单元823和第四获取子单元824。
其中，第三获取子单元823用于去除所述第二偏好信息中与所述第一偏好信息中的偏好项不匹配的相同类型的偏好项，获取第三偏好信息。第四获取子单元824用于根据所述第三偏好信息获取所述实体列表。
进一步地，所述推荐单元85用于响应于所述排序评分在最大的第一位，向所述目标用户推荐对应的实体。
进一步地，所述装置还包括接收单元87。
其中，接收单元87用于接收针对所述订单的评价信息。
本实施例根据目标用户的设置确定目标用户的第一偏好信息，根据目标用户的历史行为数据确定目标用户的第二偏好信息，并获取与目标用户的第一偏好信息与第二偏好信息匹配的实体列表，进而获取实体列表中各实体的排序评分，从而根据排序评分向用户进行实体推荐。在本实施例中，目标用户的第一偏好信息由目标用户自行设定且可以根据需求进行调整，由此，在提升了实体推荐的灵活性的同时有效地提升了实体推荐的准确性。同时，目标用户的第一偏好信息可以保存在服务器中，由此，能够以很短的时间获取目标用户的第一偏好信息，对实体推荐的时间影响较小。
图9是本发明第三实施例的电子设备的示意图。如图9所示，该电子设备：至少包括一个处理器901；以及，与至少一个处理器901通信连接的存储器902；以及，与扫描装置通信连接的通信组件903，通信组件903在处理器901的控制下接收和发送数据；其中，存储器902存储有可被至少一个处理器901执行的指令，指令被至少一个处理器901执行以实现：
获取目标用户的第一偏好信息，所述第一偏好信息包括多个偏好项，所述偏好项根据所述目标用户的设置确定；
确定所述目标用户的第二偏好信息，所述第二偏好信息根据所述目标用户的历史行为数据确定；
根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表；
根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分；
根据所述排序评分向所述目标用户推荐对应的所述实体。
进一步地，所述电子设备还用于实现如下步骤：
根据推荐的所述实体生成订单。
进一步地，所述根据推荐的所述实体生成订单包括：
响应于推荐的所述实体被选择，根据所述推荐的实体生成订单。
进一步地，所述第二偏好信息根据所述目标用户的历史行为数据确定为：
所述第二偏好信息根据所述目标用户的历史行为数据和属性特征确定；
所述确定所述用户的第二偏好信息包括：
根据多个用户的所述历史行为数据和所述属性特征对所述多个用户进行聚类，获取所述第二偏好信息，所述多个用户包括所述目标用户。
进一步地，所述根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分包括：
根据所述历史行为数据分别确定各所述实体的第一评分；
根据所述属性信息分别确定对应的各所述实体的第二评分；
根据所述第一评分和所述第二评分确定所述排序评分。
进一步地，所述根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分包括：
根据所述历史行为数据分别确定各所述实体的第一评分；
根据所述第一评分确定所述排序评分。
进一步地，所述根据所述历史行为数据分别确定各所述实体的第一评分包括：
分别确定各所述实体为待评分实体；
获取所述待评分实体的历史推荐状态；
响应于所述历史推荐状态为被推荐，根据所述历史行为数据确定所述待评分实体的历史查看状态和/或历史选择状态；
根据所述历史查看状态和/或所述历史选择状态确定所述待评分实体的所述第一评分。
进一步地，所述电子设备还用于实现如下步骤：
响应于所述历史推荐状态为未被推荐，将参考评分确定为所述第一评分。
进一步地，所述根据所述历史查看状态和/或所述历史选择状态确定所述待评分实体的所述第一评分包括：
响应于所述历史查看状态为被查看且所述历史选择状态为被选择，将上调后的参考评分确定为所述第一评分；
响应于所述历史查看状态为被查看且所述历史选择状态为未被选择，将参考评分确定为所述第一评分；
响应于所述历史查看状态为未被查看，将下调后的参考评分确定为所述第一评分。
进一步地，所述根据所述第一评分和所述第二评分确定所述排序评分包括：
根据所述第一评分和所述第二评分的加权和确定所述排序评分。
进一步地，所述根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表包括：
获取与所述第二偏好信息匹配的实体集合；
去除所述实体集合中的与第一偏好信息中的至少一个偏好项不匹配的实体，获取所述实体列表。
进一步地，所述根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表包括：
去除所述第二偏好信息中与所述第一偏好信息中的偏好项不匹配的相同类型的偏好项，获取第三偏好信息；
根据所述第三偏好信息获取所述实体列表。
进一步地，所述根据所述排序评分向所述目标用户推荐对应的所述实体包括：
响应于实体的所述排序评分在最大的第一位，向所述目标用户推荐对应的实体。
进一步地，所述电子设备还用于实现如下步骤：
接收针对所述订单的评价信息。
具体地，该电子设备包括：一个或多个处理器901以及存储器902，图9中以一个处理器901为例。处理器901、存储器902可以通过总线或者其他方式连接，图9中以通过总线连接为例。存储器902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901通过运行存储在存储器902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902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902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。在一些实施例中，存储器902可选包括相对于处理器901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902中，当被一个或者多个处理器801执行时，执行上述任意方法实施例中的信息处理方法。
上述产品可执行本申请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，未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
本实施例根据目标用户的设置确定目标用户的第一偏好信息，根据目标用户的历史行为数据确定目标用户的第二偏好信息，并获取与目标用户的第一偏好信息与第二偏好信息匹配的实体列表，进而获取实体列表中各实体的排序评分，从而根据排序评分向用户进行实体推荐。在本实施例中，目标用户的第一偏好信息由目标用户自行设定且可以根据需求进行调整，由此，在提升了实体推荐的灵活性的同时有效地提升了实体推荐的准确性。同时，目标用户的第一偏好信息可以保存在服务器中，由此，能够以很短的时间获取目标用户的第一偏好信息，对实体推荐的时间影响较小。
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-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例公开了A1、一种信息处理方法，所述方法包括：
获取目标用户的第一偏好信息，所述第一偏好信息包括多个偏好项，所述偏好项根据所述目标用户的设置确定；
确定所述目标用户的第二偏好信息，所述第二偏好信息根据所述目标用户的历史行为数据确定；
根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表；
根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分；
根据所述排序评分向所述目标用户推荐对应的所述实体。
A2、如A1所述的方法中，所述方法还包括：
根据推荐的所述实体生成订单。
A3、如A2所述的方法中，所述根据推荐的所述实体生成订单包括：
响应于推荐的所述实体被选择，根据所述推荐的实体生成订单。
A4、如A1所述的方法中，所述第二偏好信息根据所述目标用户的历史行为数据确定为：
所述第二偏好信息根据所述目标用户的历史行为数据和属性特征确定；
所述确定所述用户的第二偏好信息包括：
根据多个用户的所述历史行为数据和所述属性特征对所述多个用户进行聚类，获取所述第二偏好信息，所述多个用户包括所述目标用户。
A5、如A1所述的方法中，所述根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分包括：
根据所述历史行为数据分别确定各所述实体的第一评分；
根据所述属性信息分别确定对应的各所述实体的第二评分；
根据所述第一评分和所述第二评分确定所述排序评分。
A6、如A1所述的方法中，所述根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分包括：
根据所述历史行为数据分别确定各所述实体的第一评分；
根据所述第一评分确定所述排序评分。
A7、如A5或A6所述的方法中，所述根据所述历史行为数据分别确定各所述实体的第一评分包括：
分别确定各所述实体为待评分实体；
获取所述待评分实体的历史推荐状态；
响应于所述历史推荐状态为被推荐，根据所述历史行为数据确定所述待评分实体的历史查看状态和/或历史选择状态；
根据所述历史查看状态和/或所述历史选择状态确定所述待评分实体的所述第一评分。
A8、如A7所述的方法中，所述方法还包括：
响应于所述历史推荐状态为未被推荐，将参考评分确定为所述第一评分。
A9、如A7所述的方法中，所述根据所述历史查看状态和/或所述历史选择状态确定所述待评分实体的所述第一评分包括：
响应于所述历史查看状态为被查看且所述历史选择状态为被选择，将上调后的参考评分确定为所述第一评分；
响应于所述历史查看状态为被查看且所述历史选择状态为未被选择，将参考评分确定为所述第一评分；
响应于所述历史查看状态为未被查看，将下调后的参考评分确定为所述第一评分。
A10、如A5所述的方法中，所述根据所述第一评分和所述第二评分确定所述排序评分包括：
根据所述第一评分和所述第二评分的加权和确定所述排序评分。
A11、如A1所述的方法中，所述根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表包括：
获取与所述第二偏好信息匹配的实体集合；
去除所述实体集合中的与第一偏好信息中的至少一个偏好项不匹配的实体，获取所述实体列表。
A12、如A1所述的方法中，所述根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表包括：
去除所述第二偏好信息中与所述第一偏好信息中的偏好项不匹配的相同类型的偏好项，获取第三偏好信息；
根据所述第三偏好信息获取所述实体列表。
A13、如A1所述的方法中，所述根据所述排序评分向所述目标用户推荐对应的所述实体包括：
响应于实体的所述排序评分在最大的第一位，向所述目标用户推荐对应的实体。
A14、如A2或A3所述的方法中，所述方法还包括：
接收针对所述订单的评价信息。
本发明实施例还公开了B1、一种信息处理装置，所述装置包括：
第一获取单元，用于获取目标用户的第一偏好信息，所述第一偏好信息包括多个偏好项，所述偏好项根据所述目标用户的设置确定；
第一确定单元，用于确定所述目标用户的第二偏好信息，所述第二偏好信息根据所述目标用户的历史行为数据确定；
第二获取单元，用于根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表；
第二确定单元，用于根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分；
推荐单元，用于根据所述排序评分向所述目标用户推荐对应的所述实体。
B2、如B1所述的装置中，所述装置还包括：
生成单元，用于根据推荐的所述实体生成订单。
B3、如B2所述的装置中，所述生成单元用于响应于推荐的所述实体被选择，根据所述推荐的实体生成订单。
B4、如B1所述的装置中，所述第二偏好信息根据所述目标用户的历史行为数据确定为：
所述第二偏好信息根据所述目标用户的历史行为数据和属性特征确定；
所述第一确定单元用于根据多个用户的所述历史行为数据和所述属性特征对所述多个用户进行聚类，获取所述第二偏好信息，所述多个用户包括所述目标用户。
B5、如B1所述的装置中，所述第二确定单元包括：
第一确定子单元，用于根据所述历史行为数据分别确定各所述实体的第一评分；
第二确定子单元，用于根据所述属性信息分别确定对应的各所述实体的第二评分；
第三确定子单元，用于根据所述第一评分和所述第二评分确定所述排序评分。
B6、如B1所述的装置中，所述第二确定单元包括：
第一确定子单元，用于根据所述历史行为数据分别确定各所述实体的第一评分；
第三确定子单元，用于根据所述第一评分确定所述排序评分。
B7、如B5或B6所述的装置中，所述第一确定子单元包括：
第一确定模块，用于分别确定各所述实体为待评分实体；
获取模块，用于获取所述待评分实体的历史推荐状态；
第二确定模块，用于响应于所述历史推荐状态为被推荐，根据所述历史行为数据确定所述待评分实体的历史查看状态和/或历史选择状态；
第三确定模块，用于根据所述历史查看状态和/或所述历史选择状态确定所述待评分实体的所述第一评分。
B8、如B7所述的装置中，所述第一确定子单元还包括：
第四确定模块，用于响应于所述历史推荐状态为未被推荐，将参考评分确定为所述第一评分。
B9、如B7所述的装置中，所述第三确定模块包括：
第一确定子模块，用于响应于所述历史查看状态为被查看且所述历史选择状态为被选择，将上调后的参考评分确定为所述第一评分；
第二确定子模块，用于响应于所述历史查看状态为被查看且所述历史选择状态为未被选择，将参考评分确定为所述第一评分；
第三确定子模块，用于响应于所述历史查看状态为未被查看，将下调后的参考评分确定为所述第一评分。
B10、如B5所述的装置中，所述第三确定子单元用于根据所述第一评分和所述第二评分的加权和确定所述排序评分。
B11、如B1所述的装置中，所述第二获取单元包括：
第一获取子单元，用于获取与所述第二偏好信息匹配的实体集合；
第二获取子单元，用于去除所述实体集合中的与第一偏好信息中的至少一个偏好项不匹配的实体，获取所述实体列表。
B12、如B1所述的装置中，所述第二获取单元包括：
第三获取子单元，用于去除所述第二偏好信息中与所述第一偏好信息中的偏好项不匹配的相同类型的偏好项，获取第三偏好信息；
第四获取子单元，用于根据所述第三偏好信息获取所述实体列表。
B13、如B1所述的装置中，所述推荐单元用于响应于实体的所述排序评分在最大的第一位，向所述目标用户推荐对应的实体。
B14、如B2或B3所述的装置中，所述装置还包括：
接收单元，用于接收针对所述订单的评价信息。
本发明实施例还公开了C1、一种计算机可读存储介质，其上存储计算机程序指令，其中，所述计算机程序指令在被处理器执行时实现如A1-A14中任一项所述的方法。
本发明实施例还公开了D1、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：
获取目标用户的第一偏好信息，所述第一偏好信息包括多个偏好项，所述偏好项根据所述目标用户的设置确定；
确定所述目标用户的第二偏好信息，所述第二偏好信息根据所述目标用户的历史行为数据确定；
根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表；
根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分；
根据所述排序评分向所述目标用户推荐对应的所述实体。
D2、如D1所述的电子设备中，所述电子设备还用于实现如下步骤：
根据推荐的所述实体生成订单。
D3、如D2所述的电子设备中，所述根据推荐的所述实体生成订单包括：
响应于推荐的所述实体被选择，根据所述推荐的实体生成订单。
D4、如D1所述的电子设备中，所述第二偏好信息根据所述目标用户的历史行为数据确定为：
所述第二偏好信息根据所述目标用户的历史行为数据和属性特征确定；
所述确定所述用户的第二偏好信息包括：
根据多个用户的所述历史行为数据和所述属性特征对所述多个用户进行聚类，获取所述第二偏好信息，所述多个用户包括所述目标用户。
D5、如D1所述的电子设备中，所述根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分包括：
根据所述历史行为数据分别确定各所述实体的第一评分；
根据所述属性信息分别确定对应的各所述实体的第二评分；
根据所述第一评分和所述第二评分确定所述排序评分。
D6、如D1所述的电子设备中，所述根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分包括：
根据所述历史行为数据分别确定各所述实体的第一评分；
根据所述第一评分确定所述排序评分。
D7、如D5或D6所述的电子设备中，所述根据所述历史行为数据分别确定各所述实体的第一评分包括：
分别确定各所述实体为待评分实体；
获取所述待评分实体的历史推荐状态；
响应于所述历史推荐状态为被推荐，根据所述历史行为数据确定所述待评分实体的历史查看状态和/或历史选择状态；
根据所述历史查看状态和/或所述历史选择状态确定所述待评分实体的所述第一评分。
D8、如D7所述的电子设备中，所述电子设备还用于实现如下步骤：
响应于所述历史推荐状态为未被推荐，将参考评分确定为所述第一评分。
D9、如D7所述的电子设备中，所述根据所述历史查看状态和/或所述历史选择状态确定所述待评分实体的所述第一评分包括：
响应于所述历史查看状态为被查看且所述历史选择状态为被选择，将上调后的参考评分确定为所述第一评分；
响应于所述历史查看状态为被查看且所述历史选择状态为未被选择，将参考评分确定为所述第一评分；
响应于所述历史查看状态为未被查看，将下调后的参考评分确定为所述第一评分。
D10、如D5所述的电子设备中，所述根据所述第一评分和所述第二评分确定所述排序评分包括：
根据所述第一评分和所述第二评分的加权和确定所述排序评分。
D11、如D1所述的电子设备中，所述根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表包括：
获取与所述第二偏好信息匹配的实体集合；
去除所述实体集合中的与第一偏好信息中的至少一个偏好项不匹配的实体，获取所述实体列表。
D12、如D1所述的电子设备中，所述根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表包括：
去除所述第二偏好信息中与所述第一偏好信息中的偏好项不匹配的相同类型的偏好项，获取第三偏好信息；
根据所述第三偏好信息获取所述实体列表。
D13、如D1所述的电子设备中，所述根据所述排序评分向所述目标用户推荐对应的所述实体包括：
响应于实体的所述排序评分在最大的第一位，向所述目标用户推荐对应的实体。
D14、如D2或D3所述的电子设备中，所述电子设备还用于实现如下步骤：
接收针对所述订单的评价信息。
本领域的普通技术人员可以理解，上述各实施例是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
Claims (10)
1.一种信息处理方法，其特征在于，所述方法包括：
获取目标用户的第一偏好信息，所述第一偏好信息包括多个偏好项，所述偏好项根据所述目标用户的设置确定；
确定所述目标用户的第二偏好信息，所述第二偏好信息根据所述目标用户的历史行为数据确定；
根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表；
根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分；
根据所述排序评分向所述目标用户推荐对应的所述实体。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据推荐的所述实体生成订单。
3.根据权利要求2所述的方法，其特征在于，所述根据推荐的所述实体生成订单包括：
响应于推荐的所述实体被选择，根据所述推荐的实体生成订单。
4.根据权利要求1所述的方法，其特征在于，所述第二偏好信息根据所述目标用户的历史行为数据确定为：
所述第二偏好信息根据所述目标用户的历史行为数据和属性特征确定；
所述确定所述用户的第二偏好信息包括：
根据多个用户的所述历史行为数据和所述属性特征对所述多个用户进行聚类，获取所述第二偏好信息，所述多个用户包括所述目标用户。
5.根据权利要求1所述的方法，其特征在于，所述根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分包括：
根据所述历史行为数据分别确定各所述实体的第一评分；
根据所述属性信息分别确定对应的各所述实体的第二评分；
根据所述第一评分和所述第二评分确定所述排序评分。
6.根据权利要求1所述的方法，其特征在于，所述根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分包括：
根据所述历史行为数据分别确定各所述实体的第一评分；
根据所述第一评分确定所述排序评分。
7.根据权利要求5或6所述的方法，其特征在于，所述根据所述历史行为数据分别确定各所述实体的第一评分包括：
分别确定各所述实体为待评分实体；
获取所述待评分实体的历史推荐状态；
响应于所述历史推荐状态为被推荐，根据所述历史行为数据确定所述待评分实体的历史查看状态和/或历史选择状态；
根据所述历史查看状态和/或所述历史选择状态确定所述待评分实体的所述第一评分。
8.一种信息处理装置，其特征在于，所述装置包括：
第一获取单元，用于获取目标用户的第一偏好信息，所述第一偏好信息包括多个偏好项，所述偏好项根据所述目标用户的设置确定；
第一确定单元，用于确定所述目标用户的第二偏好信息，所述第二偏好信息根据所述目标用户的历史行为数据确定；
第二获取单元，用于根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表；
第二确定单元，用于根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分；
推荐单元，用于根据所述排序评分向所述目标用户推荐对应的所述实体。
9.一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1-7中任一项所述的方法。
10.一种电子设备，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：
获取目标用户的第一偏好信息，所述第一偏好信息包括多个偏好项，所述偏好项根据所述目标用户的设置确定；
确定所述目标用户的第二偏好信息，所述第二偏好信息根据所述目标用户的历史行为数据确定；
根据所述第一偏好信息和所述第二偏好信息获取匹配的实体列表；
根据所述实体列表中各所述实体的属性信息和所述历史行为数据中的至少一项确定各所述实体的排序评分；
根据所述排序评分向所述目标用户推荐对应的所述实体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910309555.7A CN110084671A (zh) | 2019-04-17 | 2019-04-17 | 信息处理方法、信息处理装置、存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910309555.7A CN110084671A (zh) | 2019-04-17 | 2019-04-17 | 信息处理方法、信息处理装置、存储介质和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110084671A true CN110084671A (zh) | 2019-08-02 |
Family
ID=67415277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910309555.7A Pending CN110084671A (zh) | 2019-04-17 | 2019-04-17 | 信息处理方法、信息处理装置、存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110084671A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110555627A (zh) * | 2019-09-10 | 2019-12-10 | 拉扎斯网络科技（上海）有限公司 | 实体展示方法、装置、存储介质和电子设备 |
| CN111597447A (zh) * | 2020-05-14 | 2020-08-28 | 拉扎斯网络科技（上海）有限公司 | 对象推送方法、装置、电子设备及存储介质 |
| CN111680165A (zh) * | 2020-04-28 | 2020-09-18 | 中汇信息技术（上海）有限公司 | 信息匹配方法、装置、可读存储介质和电子设备 |
| CN112308662A (zh) * | 2020-10-09 | 2021-02-02 | 北京沃东天骏信息技术有限公司 | 评价晒单推荐方法和装置 |
| CN113127786A (zh) * | 2019-12-31 | 2021-07-16 | Oppo广东移动通信有限公司 | 信息推送方法、装置、电子设备及计算机可读介质 |
| CN113360773A (zh) * | 2021-07-07 | 2021-09-07 | 脸萌有限公司 | 推荐方法、装置、存储介质及电子设备 |
| CN113569133A (zh) * | 2021-06-11 | 2021-10-29 | 车主邦（北京）科技有限公司 | 一种信息推荐方法及装置 |
| CN113762990A (zh) * | 2020-06-03 | 2021-12-07 | 中国移动通信集团浙江有限公司 | 商品推荐的方法、装置、计算设备及计算机存储介质 |
| CN117541359A (zh) * | 2024-01-04 | 2024-02-09 | 江西工业贸易职业技术学院(江西省粮食干部学校、江西省粮食职工中等专业学校) | 一种基于偏好分析的用餐推荐方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107885889A (zh) * | 2017-12-13 | 2018-04-06 | 聚好看科技股份有限公司 | 搜索结果的反馈方法、展示方法及装置 |
| CN108256957A (zh) * | 2017-12-22 | 2018-07-06 | 金瓜子科技发展（北京）有限公司 | 基于用户历史行为的车源搜索结果的展现方法及装置 |
| CN108596695A (zh) * | 2018-05-15 | 2018-09-28 | 口口相传(北京)网络技术有限公司 | 实体推送方法及系统 |
| CN109145212A (zh) * | 2018-08-22 | 2019-01-04 | 北京奇虎科技有限公司 | 一种推荐内容的提供方法和装置 |
-
2019
- 2019-04-17 CN CN201910309555.7A patent/CN110084671A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107885889A (zh) * | 2017-12-13 | 2018-04-06 | 聚好看科技股份有限公司 | 搜索结果的反馈方法、展示方法及装置 |
| CN108256957A (zh) * | 2017-12-22 | 2018-07-06 | 金瓜子科技发展（北京）有限公司 | 基于用户历史行为的车源搜索结果的展现方法及装置 |
| CN108596695A (zh) * | 2018-05-15 | 2018-09-28 | 口口相传(北京)网络技术有限公司 | 实体推送方法及系统 |
| CN109145212A (zh) * | 2018-08-22 | 2019-01-04 | 北京奇虎科技有限公司 | 一种推荐内容的提供方法和装置 |
Non-Patent Citations (3)
| Title |
|---|
| （日）角井亮一著: "《与零售巨头亚马逊共生》", 28 February 2019 * |
| 陈辉: "《金融科技 框架与实践》", 31 May 2018 * |
| 高晖 等: "《网络营销》", 29 February 2012 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110555627A (zh) * | 2019-09-10 | 2019-12-10 | 拉扎斯网络科技（上海）有限公司 | 实体展示方法、装置、存储介质和电子设备 |
| CN110555627B (zh) * | 2019-09-10 | 2022-06-10 | 拉扎斯网络科技（上海）有限公司 | 实体展示方法、装置、存储介质和电子设备 |
| CN113127786A (zh) * | 2019-12-31 | 2021-07-16 | Oppo广东移动通信有限公司 | 信息推送方法、装置、电子设备及计算机可读介质 |
| CN111680165B (zh) * | 2020-04-28 | 2024-03-01 | 中国外汇交易中心(全国银行间同业拆借中心) | 信息匹配方法、装置、可读存储介质和电子设备 |
| CN111680165A (zh) * | 2020-04-28 | 2020-09-18 | 中汇信息技术（上海）有限公司 | 信息匹配方法、装置、可读存储介质和电子设备 |
| CN111597447A (zh) * | 2020-05-14 | 2020-08-28 | 拉扎斯网络科技（上海）有限公司 | 对象推送方法、装置、电子设备及存储介质 |
| CN113762990B (zh) * | 2020-06-03 | 2024-03-22 | 中国移动通信集团浙江有限公司 | 商品推荐的方法、装置、计算设备及计算机存储介质 |
| CN113762990A (zh) * | 2020-06-03 | 2021-12-07 | 中国移动通信集团浙江有限公司 | 商品推荐的方法、装置、计算设备及计算机存储介质 |
| CN112308662A (zh) * | 2020-10-09 | 2021-02-02 | 北京沃东天骏信息技术有限公司 | 评价晒单推荐方法和装置 |
| CN113569133A (zh) * | 2021-06-11 | 2021-10-29 | 车主邦（北京）科技有限公司 | 一种信息推荐方法及装置 |
| CN113360773A (zh) * | 2021-07-07 | 2021-09-07 | 脸萌有限公司 | 推荐方法、装置、存储介质及电子设备 |
| CN117541359A (zh) * | 2024-01-04 | 2024-02-09 | 江西工业贸易职业技术学院(江西省粮食干部学校、江西省粮食职工中等专业学校) | 一种基于偏好分析的用餐推荐方法及系统 |
| CN117541359B (zh) * | 2024-01-04 | 2024-03-29 | 江西工业贸易职业技术学院(江西省粮食干部学校、江西省粮食职工中等专业学校) | 一种基于偏好分析的用餐推荐方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110084671A (zh) | 信息处理方法、信息处理装置、存储介质和电子设备 | |
| CN107103057B (zh) | 一种资源推送方法及装置 | |
| CN109242612B (zh) | 一种产品推荐的方法及设备 | |
| CN107330750B (zh) | 一种推荐产品配图方法及装置，电子设备 | |
| CN103678518B (zh) | 一种推荐列表调整方法和装置 | |
| EP2581843A2 (en) | Bigram Suggestions | |
| CN106168980A (zh) | 多媒体资源推荐排序方法及装置 | |
| CN109145197B (zh) | 用户画像标签的生成方法、装置和系统 | |
| CN109684627A (zh) | 一种文本分类方法及装置 | |
| US20150161728A1 (en) | System for determining hs commodity classification code | |
| CN108053282A (zh) | 一种组合信息的推送方法、装置及终端 | |
| CN107943910B (zh) | 一种基于组合算法的个性化图书推荐方法 | |
| CN111310037B (zh) | 家居素材的推荐方法、装置及电子设备 | |
| US20130268475A1 (en) | Information processing apparatus, a method and a non-transitory computer readable medium thereof, and an information communication terminal, a control method and a non-transitory computer readable medium thereof | |
| CN110322323A (zh) | 实体展示方法、装置、存储介质和电子设备 | |
| CN111951070B (zh) | 基于车联网的智能推荐方法、装置、服务器及存储介质 | |
| CN107247728A (zh) | 文本处理方法、装置及计算机存储介质 | |
| CN115689649A (zh) | 一种视频广告投放方法、装置、计算机设备及存储介质 | |
| CN109242927B (zh) | 一种广告模板生成方法、装置及计算机设备 | |
| CN109271416A (zh) | 时间管理推荐方法、电子装置及可读存储介质 | |
| WO2021199129A1 (ja) | 評価方法 | |
| CN113409106B (zh) | 基于用户价值的商品推荐方法、装置、设备及存储介质 | |
| CN113536111B (zh) | 保险知识内容的推荐方法、装置和终端设备 | |
| CN111861674B (zh) | 一种产品推荐方法和系统 | |
| CN109658172A (zh) | 一种商圈推荐方法、计算设备、装置及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |
|
| RJ01 | Rejection of invention patent application after publication |