CN110569432B - 商品序列计算方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种商品序列计算方法、装置、计算机设备及存储介质，包括下述步骤：获取目标用户的历史信息，其中，所述历史信息包括目标用户的操作信息和所述操作信息对应的操作时间；根据所述操作信息所表征的操作种类和所述操作信息对应的操作时间通过数据处理得到各商品种类的偏好值；根据所述偏好值和预设的排序规则确定所述目标用户的商品序列，其中，所述排序规则为以所述偏好值为依据对商品种类进行排序以得到商品序列的信息处理规则。利用时间序列结合用户操作对商品种类进行偏好评分，可以更加有效地对用户实现个性化定制排序，同时实现同类相关商品的批量推荐，提高了商品序列计算推荐的有效性和定向性，提升用户体验。

Description

商品序列计算方法、装置、计算机设备及存储介质

技术领域

本发明涉及信息处理技术领域，特别是涉及一种商品序列计算方法、装置、计算机设备及存储介质。

背景技术

随着电子商务的不断发展，用户对电子商务的要求也越来越高，譬如需要了解销量较好或者关注度较高的商品信息等。现有技术中，显示终端(譬如个人电脑)的商品展示页面上展示的商品一般是根据商品推荐位和卖场需求来组织管理，运营商可对商品展示页面上的商品进行编辑和管理，譬如根据库存情况调整商品排列的顺序，或者是将某一商品下架等。

现有对商品展示页面上展示的商品进行管理的方式存在以下缺点：简单加和(平均)池化忽视了用户历史行为序列的时间属性，不能很好的表征用户近期的偏好，用户不同时期的行为对当前目标的影响程度是不一样的，现有的处理方式忽视了这一点。

发明内容

本发明实施例能够提供一种实现个性化定制排序、提高商品推荐有效性与用户体验的商品序列计算方法、装置、计算机设备及存储介质。

为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种商品序列计算方法，包括以下步骤：

获取目标用户的历史信息，其中，所述历史信息包括目标用户的操作信息和所述操作信息对应的操作时间；

根据所述操作信息所表征的操作种类和所述操作信息对应的操作时间通过数据处理得到各商品种类的偏好值，其中，所述偏好值为相同商品种类的操作分值之和，所述操作分值为所述操作信息所表征的操作类型对应的分值基数与所述操作时间对应的权重值的乘积；

根据所述偏好值和预设的排序规则确定所述目标用户的商品序列，其中，所述排序规则为以所述偏好值为依据对商品种类进行排序以得到商品序列的信息处理规则。

可选地，所述根据所述操作信息所表征的操作种类和所述操作信息对应的操作时间通过数据处理得到各商品种类的偏好值的步骤，包括以下步骤：

根据所述操作信息与所述操作时间计算目标操作的操作分值，其中，所述操作分值为所述操作信息所表征的操作种类对应的分值基数与所述操作时间对应的权重值的乘积；

根据所述操作分值确定目标商品种类的偏好值，其中，所述偏好值为所述目标商品种类所对应的所有操作信息的操作分值之和。

可选地，所述根据所述操作信息与所述操作时间计算目标操作的操作分值的步骤，包括以下步骤：

根据所述操作信息确定所述目标操作的分值基数，其中，所述分值基数为与所述操作信息所表征的操作种类具有映射关系的数值信息；

根据所述操作时间确定所述目标操作的时间权重值，其中，所述时间权重值为与所述操作时间具有映射关系的数值信息；

根据所述操作种类与所述时间权重值计算所述目标操作的操作分值，其中，所述操作分值为分值基数与时间权重值的乘积。

可选地，所述根据所述偏好值和预设的排序规则确定所述目标用户的商品序列的步骤，包括以下步骤：

以所述偏好值为依据对所有商品种类进行排序；

根据排序结果确定各商品种类的推荐比例；

根据所述推荐比例确定所述商品序列。

可选地，还包括为商品生成编码并进行推荐的步骤，所述为商品生成编码并进行推荐的步骤，包括下述步骤：

获取目标商品的商品信息；

根据所述商品信息创造所述目标商品的交叉编码，其中，所述交叉编码为依据所述商品信息中至少两个商品属性所生成的属性代码；

根据所述交叉编码确定目标用户的推荐商品。

可选地，所述根据所述交叉编码确定目标用户的推荐商品的步骤，包括下述步骤：

获取目标用户偏好商品的编码信息，其中，所述编码信息为商品的交叉编码；

查找与所述偏好商品具有相同交叉编码的商品作为所述推荐商品。

可选地，还包括根据应用场景确定场景商品的步骤，所述根据应用场景确定场景商品的步骤，包括下述步骤：

获取目标用户的应用场景信息；

在预设的商品数据库中查找与所述应用场景信息具有映射关系的商品；

根据所述具有映射关系的商品确定推荐给目标用户的场景商品。

为解决上述技术问题，本发明实施例还提供一种商品序列计算装置，包括：

获取模块，用于获取目标用户的历史信息，其中，所述历史信息包括目标用户的操作信息和所述操作信息对应的操作时间；

处理模块，用于根据所述操作信息所表征的操作种类和所述操作信息对应的操作时间通过数据处理得到各商品种类的偏好值，其中，所述偏好值为相同商品种类的操作分值之和，所述操作分值为所述操作信息所表征的操作类型对应的分值基数与所述操作时间对应的权重值的乘积；

执行模块，用于根据所述偏好值和预设的排序规则确定所述目标用户的商品序列，其中，所述排序规则为以所述偏好值为依据对商品种类进行排序以得到商品序列的信息处理规则。

可选地，所述商品序列计算装置，还包括：

第一计算子模块，用于根据所述操作信息与所述操作时间计算目标操作的操作分值，其中，所述操作分值为所述操作信息所表征的操作种类对应的分值基数与所述操作时间对应的权重值的乘积；

第一处理子模块，用于根据所述操作分值确定目标商品种类的偏好值，其中，所述偏好值为所述目标商品种类所对应的所有操作信息的操作分值之和。

可选地，所述商品序列计算装置，还包括：

第二处理子模块，用于根据所述操作信息确定所述目标操作的分值基数，其中，所述分值基数为与所述操作信息所表征的操作种类具有映射关系的数值信息；

第三处理子模块，用于根据所述操作时间确定所述目标操作的时间权重值，其中，所述时间权重值为与所述操作时间具有映射关系的数值信息；

第二计算子模块，用于根据所述操作种类与所述时间权重值计算所述目标操作的操作分值，其中，所述操作分值为分值基数与时间权重值的乘积。

可选地，所述商品序列计算装置，还包括：

第一排序子模块，用于以所述偏好值为依据对所有商品种类进行排序；

第四处理子模块，用于根据排序结果确定各商品种类的推荐比例；

第五处理子模块，用于根据所述推荐比例确定所述商品序列。

可选地，所述商品序列计算装置，还包括：

第一获取子模块，用于获取目标商品的商品信息；

第一生成子模块，用于根据所述商品信息生成所述目标商品的交叉编码，其中，所述交叉编码为依据所述商品信息中至少两个商品属性所生成的属性代码；

第六处理子模块，用于根据所述交叉编码确定目标用户的推荐商品。

可选地，所述商品序列计算装置，还包括：

第二获取子模块，用于获取目标用户偏好商品的编码信息，其中，所述编码信息为商品的交叉编码；

第一查找子模块，用于查找与所述偏好商品具有相同交叉编码的商品作为所述推荐商品。

可选地，所述商品序列计算装置，还包括：

第三获取子模块，用于获取目标用户的应用场景信息；

第二查找子模块，用于在预设的商品数据库中查找与所述应用场景信息具有映射关系的商品；

第七处理子模块，用于根据所述具有映射关系的商品确定推荐给目标用户的场景商品。

为解决上述技术问题，本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中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，使得所述处理器执行上述所述商品序列计算方法的步骤。

为解决上述技术问题，本发明实施例还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述商品序列计算方法的步骤。

本发明实施例的有益效果是：通过用户历史信息中的操作和对应的时间确定用户对于各个商品种类的偏好，从而生成对应的偏好值，以偏好值为依据进行商品序列计算，可以有效实现个性化定制的商品排序。引入时间因子使得不同时期用户的操作对于偏好属性的影响，相较于单纯地根据用户的操作记录确定偏好的方式，利用用户操作结合时间序列可以使商品排序更加贴合用户目前的需求，提高了商品排序推荐的有效性和定向性，提升用户体验。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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。

图1为本发明实施例商品序列计算方法的基本流程示意图；

图2为本发明实施例计算偏好值的流程示意图；

图3为本发明实施例计算操作分值的流程示意图；

图4为本发明实施例确定商品序列的流程示意图；

图5为本发明实施例为商品生成编码并进行推荐的流程示意图；

图6为本发明实施例根据交叉编码确定推荐商品的流程示意图；

图7为本发明实施例场景模式推荐商品的流程示意图；

图8为本发明实施例商品序列计算装置的基本结构框图；

图9为本发明实施例计算机设备基本结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(PersonalCommunicationsService，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；PDA(PersonalDigitalAssistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(GlobalPositioningSystem，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是PDA、MID(MobileInternetDevice，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。

具体地请参阅图1，图1为本实施例商品序列计算方法的基本流程示意图。

如图1所示，一种商品序列计算方法，包括以下步骤：

S1100、获取目标用户的历史信息，其中，所述历史信息包括目标用户的操作信息和所述操作信息对应的操作时间；

在用户使用应用程序或网页等电子商城的过程中采集到用户信息作为历史信息，用户信息包括用户的操作信息和用户的偏好信息等等，在采集到用户的每一条操作信息之后根据采集的时间为用户信息赋予时间特征，即操作所对应的时间，例如某个时间使用了某个功能，某个时间点击了某个商品等等。建立用户信息库，以时间为依据对用户的信息进行排序。

S1200、根据所述操作信息所表征的操作种类和所述操作信息对应的操作时间通过数据处理得到各商品种类的偏好值，其中，所述偏好值为相同商品种类的操作分值之和，所述操作分值为所述操作信息所表征的操作类型对应的分值基数与所述操作时间对应的权重值的乘积；

在显示用户的历史偏好时，通过加和平均池化其中的时间因素，仅对用户历史上进行操作过的商品进行特征提取，用户操作可以包括点击、购买、收藏和分享等等，但不限于此。在提取用户偏好特征时，消除其中的时间因素，提取商品的特征属性，并根据用户操作的次数等内容进行加权，生成用户的偏好信息，偏好信息可以通过维度图或者柱状图的方式进行展示，例如提取到用户商品的特征标签，统计各个标签在用户历史数据中出现的次数，然后根据出现次数在用户的偏好信息中显示次数最高的一定数量(如5个)标签，根据显示的标签生成维度图或柱状图，更加直观地展示用户的偏好信息。提取出的标签可以是商品的类别、属性或者领域等等，如衣服、美妆、游戏、美食等等，但不限于此，标签的设定可以根据实际用户场景的不同进行调整，如需要对偏好信息进行更加准确的定位时，可以将标签设置为更加精确细化的类别，例如将衣服划分为上衣、裤子、裙子、外套等等多个类别，甚至进行再进一步的细化，将裤子划分为牛仔裤、布裤、皮裤等等。

在获取用户的历史信息之后，根据历史信息所对应的商品计算各商品种类的偏好值，用于反应商品种类与用户的相关性，从而确定用户当前的目标领域或目标商品种类。具体地，根据历史信息中用户的操作信息，对对应的商品种类或标签赋予不同的分数，作为计算时的分数基数，例如在用户使用的过程中，点击计1分、收藏计2分、分享计2分、购买计4分，最终统计出用户对于每一类商品的操作分数。在统计操作分数时引入时间衰减因子，根据用户操作的时间段为对应商品的操作分数添加时间权重值，其中，近期内的操作权重值较高，较久远的操作权重值较低，超过一定时间期限的操作可以忽略，即权重值计为0。权重值的确定可以根据时间顺序进行，在一些实施方式中，将用户操作根据时间进行排序，以最近的一定数量(例如100次)操作作为权重分配的目标，根据时间顺序，最近的一次操作权重值最高，依次降低之后排序的操作的权重值，直到第100次操作的权重值最低，超过100次的操作权重值为0，即不考虑；在另一些实施方式中，根据时间段设置一定的权重梯度，比如设定5个权重梯度，近三天内的操作为第一梯度，权重值最高，三天到五天的为第二梯度，权重值次之，之后分别为五天到一周、一周到两周、两周至一个月，依次降低权重值比例，其中两周至一个月的操作权重最低，超过一个月的操作权重值为0，即不考虑。

在确定了操作信息对应的权重之后，计算本次操作对应商品种类的操作分值，例如涉及商品种类“短袖衬衫”的一次购买操作，计4分，根据时间得到的权重值为0.8，即此次操作对应的商品种类“短袖衬衫”操作分值为4*0.8＝3.2。

通过上述操作分值的计算方法对用户历史信息中所记录的一定时间范围内的信息进行计算，分别得出每一次操作所对应的商品种类以及得到的操作分值，统计各个商品种类所得到的操作分值，并将相同商品种类的操作分值进行求和，得到该商品种类的最终得分，作为该商品种类的偏好值。

S1300、根据所述偏好值和预设的排序规则确定所述目标用户的商品序列，其中，所述排序规则为以所述偏好值为依据对商品种类进行排序以得到商品序列的信息处理规则；

根据偏好值对商品种类进行排序，以偏好值最高的一定量(例如5个)商品种类为用户展示相关的商品。在一些实施方式中，根据商品种类的偏好值排序，设置不同的展示比例，例如得分最高的种类相关的商品推荐比例为0.5，排第二和第三的种类相关的商品推荐比例为0.3，排第三和第四的种类相关的商品推荐比例为0.2。

如图2所示，步骤S1200具体包括以下步骤：

S1210、根据所述操作信息与所述操作时间计算目标操作的操作分值，其中，所述操作分值为所述操作信息所表征的操作种类对应的分值基数与所述操作时间对应的权重值的乘积；

根据历史信息中用户的操作信息，对对应的商品种类或标签赋予不同的分数，作为计算时的分数基数，例如在用户使用的过程中，点击计1分、收藏计2分、分享计2分、购买计4分，最终统计出用户对于每一类商品的操作分数。在统计操作分数时引入时间衰减因子，根据用户操作的时间段为对应商品的操作分数添加时间权重值，其中，近期内的操作权重值较高，较久远的操作权重值较低，超过一定时间期限的操作可以忽略，即权重值计为0。权重值的确定可以根据时间顺序进行，在一些实施方式中，将用户操作根据时间进行排序，以最近的一定数量(例如100次)操作作为权重分配的目标，根据时间顺序，最近的一次操作权重值最高，依次降低之后排序的操作的权重值，直到第100次操作的权重值最低，超过100次的操作权重值为0，即不考虑；在另一些实施方式中，根据时间段设置一定的权重梯度，比如设定5个权重梯度，近三天内的操作为第一梯度，权重值最高，三天到五天的为第二梯度，权重值次之，之后分别为五天到一周、一周到两周、两周至一个月，依次降低权重值比例，其中两周至一个月的操作权重最低，超过一个月的操作权重值为0，即不考虑。

在确定了操作信息对应的权重之后，计算本次操作对应商品种类的操作分值，例如涉及商品种类“短袖衬衫”的一次购买操作，计4分，根据时间得到的权重值为0.8，即此次操作对应的商品种类“短袖衬衫”操作分值为4*0.8＝3.2。

S1220、根据所述操作分值确定目标商品种类的偏好值，其中，所述偏好值为所述目标商品种类所对应的所有操作信息的操作分值之和；

通过上述操作分值的计算方法对用户历史信息中所记录的一定时间范围内的信息进行计算，分别得出每一次操作所对应的商品种类以及得到的操作分值，统计各个商品种类所得到的操作分值，并将相同商品种类的操作分值进行求和，得到该商品种类的最终得分，作为该商品种类的偏好值。

利用操作信息结合对应的时间计算得到操作分数，以操作分数之和作为商品种类的偏好值，使偏好值更加客观有效地反应出用户的真实需求，从而使后续的商品展示和推荐更加有效，提高用户体验。

如图3所示，步骤S1210具体包括以下步骤：

S1211、根据所述操作信息确定所述目标操作的分值基数，其中，所述分值基数为与所述操作信息所表征的操作种类具有映射关系的数值信息；

根据目标用户的操作信息，确定目标操作的操作种类，每一种操作种类设定一定的分数，例如在用户使用的过程中，点击计1分、收藏计2分、分享计2分、购买计4分，根据操作种为每一次操作对应的商品种类或标签赋予不同的分数，作为计算时的分数基数。

S1212、根据所述操作时间确定所述目标操作的时间权重值，其中，所述时间权重值为与所述操作时间具有映射关系的数值信息；

根据用户操作的时间段为对应商品的操作分数添加时间权重值，其中，近期内的操作权重值较高，较久远的操作权重值较低，超过一定时间期限的操作可以忽略，即权重值计为0。权重值的确定可以根据时间顺序进行，在一些实施方式中，将用户操作根据时间进行排序，以最近的一定数量(例如100次)操作作为权重分配的目标，根据时间顺序，最近的一次操作权重值最高，依次降低之后排序的操作的权重值，直到第100次操作的权重值最低，超过100次的操作权重值为0，即不考虑；在另一些实施方式中，根据时间段设置一定的权重梯度，比如设定5个权重梯度，近三天内的操作为第一梯度，权重值最高，三天到五天的为第二梯度，权重值次之，之后分别为五天到一周、一周到两周、两周至一个月，依次降低权重值比例，其中两周至一个月的操作权重最低，超过一个月的操作权重值为0，即不考虑。

S1213、根据所述操作种类与所述时间权重值计算所述目标操作的操作分值，其中，所述操作分值为分值基数与时间权重值的乘积；

在确定了操作信息对应的权重之后，计算本次操作对应商品种类的操作分值，例如涉及商品种类“短袖衬衫”的一次购买操作，计4分，根据时间得到的权重值为0.8，即此次操作对应的商品种类“短袖衬衫”操作分值为4*0.8＝3.2。

通过引入时间衰减因子(即时间权重值)，使近期的操作对于用户偏好的影响较大，使最终反应出来的操作分值值更加贴合用户的实际需求，。

如图4所示，步骤S1300具体包括以下步骤：

S1310、以所述偏好值为依据对所有商品种类进行排序；

根据目标用户对于所有商品种类的偏好值对商品的种类进行排序，使偏好值最高的商品种类牌序列前端，然后按偏好值的依次减少排列其余商品种类。

S1320、根据排序结果确定各商品种类的推荐比例；

以偏好值最高的一定量(例如5个)商品种类作为即将对用户展示的商品种类，并根据排序结果确定各商品种类的推荐比例。在一些实施方式中，根据商品种类的偏好值排序，设置不同的推荐比例，例如得分最高的种类相关的商品推荐比例为0.5，排第二和第三的种类相关的商品推荐比例为0.3，排第三和第四的种类相关的商品推荐比例为0.2。推荐比例的设定可以根据实际应用场景的不同进行调整，例如为了使推荐结果更加精确，可以设置更多的梯度和更详细的比例分布。

S1330、根据所述推荐比例确定所述商品序列；

在确定了推荐比例之后，根据推荐比例确定为用户展示的商品序列。具体地，可以在一定量的展示内容中，根据比例排布对应种类的商品，例如每一页展示10件商品时，可以按比例在10件商品中布置各个商品种类的商品，在用户刷新第二页时，按照同样的比例在第二页中布置商品，从而实现按比例展示。在一些实施方式中，根据推荐比例的不同，将推荐比例较高(即偏好值)较高的产品放在展示窗口的第一位或最明显的位置，然后在其他位置穿插其他展示产品。

根据偏好值的排序确定推荐比例，从而确定为用户展示的商品序列，实现针对客户当前需求和目标领域的制定推荐展示，使商品排序推荐更加有效并贴合用户的需求，提升用户体验。

如图5所示，还包括以下步骤：

S2100、获取目标商品的商品信息；

商品信息包括商品的分类标签和商品的消费标签等商品属性，分类标签即商品本身的类别或领域等，例如衣服、美妆、游戏、美食等等；商品的消费标签为对该商品进行消费的消费者们所携带的标签，即消费者的属性。具体地，消费者在平台注册帐号时，可以建议消费者填写自己的相关属性，以便对其进行定制化的推荐，消费者的属性包括消费者的性别、年龄、学历、收入和行业等，但不限于此，在消费者填写了自己的属性之后，生成对应的标签，例如性别标签“男”、学历标签“本科”和年收入标签“20万”等。在商品被消费之后，统计消费该商品的消费者所对应的标签类型，消费者各类标签中数量最多的作为商品的消费标签，用于确定该商品对应的主要消费者类型。

S2200、根据所述商品信息创造所述目标商品的交叉编码，其中，所述交叉编码为依据所述商品信息中至少两个商品属性所生成的属性代码；

在获取商品信息之后，根据商品信息中至少两个商品属性创建商品的交叉编码，例如商品种类为鞋子，对应的消费者标签为男性、20至25岁，即创建对应的交叉编码为“鞋子-男性-20至25岁”。编码复合的长度可以根据实际情况进行设置，例如当用户量较大且数据较为完善时，可以增加交叉编码生成时所复合的因素，如“鞋子-男性-20至25岁-年收入10万”。在一些实施方式中，编码时可以通过代码实现，例如，分别对应性别、年收入、年龄，性别分为男性1，女性2；年收入分为0-10万为1，10万到20万为2，20万以上为3；年龄分为0至20岁为1，20至25岁为2，25至35岁为3，35岁以上为4。通过这种代码，将对应的交叉编码以代码的形式进行表示，例如一款商品编码为“鞋子-男性-年收入15万-20至25岁”根据上述对应的代码为鞋子-121。通过上述方法为所有商品创建对应的交叉编码，在创建交叉编码时，同一商城内的商品采用同样的格式，例如采用“性别-年内入-年龄”的格式，但不限于此。

S2300、根据所述交叉编码确定目标用户的推荐商品；

根据用户近期目标商品的交叉编码确定推荐商品，推荐给用户。在一些实施方式中，对于用户一定期限内的操作信息进行筛选，提取其中特定的操作所对应的产品信息，例如在三天内对于所有商品的点击或收藏等操作，并统计各个商品交叉编码的出现次数，将出现次数最多的交叉编码作为目标编码，并在商品数据库中查找具有相同编码的商品，作为推荐商品，并将推荐商品展示给用户。在另一些实施方式中，获取用户近期内浏览次数最多的一个商品作为偏好商品，比如用户在三天对于同一件商品进行多次浏览，则获取该商品的交叉编码，并从商品数据库中筛选具有相同编码的商品作为推荐商品。

根据商品属性赋予商品编号，实现商品交叉特征自动编码，并以此为依据进行商品推荐，可以根据用户当前的浏览偏好推荐相同类型、具有相同属性的商品，从而实现定向推荐。

如图6所示，步骤S2300具体包括以下步骤：

S2310、获取目标用户偏好商品的编码信息，其中，所述编码信息为商品的交叉编码；

偏好商品为目标用户近期内所关注的商品，关注的方法可以是用户的收藏、分享或者多次浏览等，具体地，统计用户一定时间内(例如3天)对商品的浏览次数，筛选出其中浏览次数最多的一件商品，定义该商品为用户的偏好商品，获取偏好商品的交叉编码。在一些实施方式中，确定偏好商品时可以结合收藏和分享等多种操作类型，例如最高浏览次数对应的商品有多个时，将其中被收藏和分享的商品作定义为偏好商品，而未被收藏和分享的商品可以排除。

S2320、查找与所述偏好商品具有相同交叉编码的商品作为所述推荐商品；

在确定了偏好商品的交叉编码之后，在商品数据库中查找与偏好商品具有相同交叉编码的商品作为推荐商品，并展示推荐给目标用户。在一些实施方式中，当查找出有多个具有目标交叉编码的商品之后，根据目标用户一定时间内(例如半个月，但不限于此)的操作信息，筛选掉用户操作信息所对应的商品，即用户近期内接触过的商品，从而将用户没有接触过的、且具有目标交叉编码的商品作为推荐商品。

利用用户近期内偏好商品的交叉编码查找商品并进行推荐，可以有效地筛选出用户可能的目标商品，提升用户对推荐商品的接收能力，从而提高商品推荐的有效性。

如图7所示，还包括下述步骤：

S2400、获取目标用户的应用场景信息；

用户的应用场景可以根据用户当前使用的版块或者当前时间等因素进行确定。例如当用户在美食版块中浏览时，确定当前的应用场景为“美食”，当用户在服装怎浏览时，确定当前的应用场景为“服装”。又如通过时间确定用户的应用场景时，根据不同的时间段进行划分，如将每一天分为如早餐、午餐、下午茶、晚餐等，或者根据日期分为春秋季、夏季和冬季等，但不限于此。

S2500、在预设的商品数据库中查找与所述应用场景信息具有映射关系的商品；

商品数据库中存储有平台在售商品的信息，商品的信息中包括了商品所对应的场景类型，例如餐饮类商品对应的场景类型可以是早餐、午餐、下午茶、晚餐等，每一件商品所对应的场景类型为一个或多个，例如可以是单独“早餐”，也可以同时对应“早餐”和“午餐”。在确定了用户的应用场景之后，在商品数据库中查找场景类型与用户的应用场景相同的商品。

S2600、根据所述具有映射关系的商品确定推荐给目标用户的场景商品；

在查找出的与用户应用场景具有映射关系的商品中选择一部分作为场景商品并推荐给用户。具体地，可以根据商品的其他属性对商品进行筛选，如商品的热度、销售量或上架时间等属性，但不限于此。例如，在查找出的商品中筛选出热度最高的一定量(例如10件)商品作为场景商品并推荐给用户。

通过设置场景模式，根据用户的场景查找筛选出对应的场景商品，实现了不同场景下差异化推荐的效果，降低了为用户推荐不相关商品从而浪费推荐资源的可能性，使推荐展示的商品更具针对性，从而进一步提高商品推荐的效果。

为解决上述技术问题，本发明实施例还提供一种商品序列计算装置。具体请参阅图8，图8为本实施商品序列计算装置的基本结构框图。

如图8所示，商品序列计算装置，包括：获取模块2100、处理模块2200和执行模块2300。其中，获取模块用于获取目标用户的历史信息，其中，所述历史信息包括目标用户的操作信息和所述操作信息对应的操作时间；处理模块用于根据所述操作信息所表征的操作种类和所述操作信息对应的操作时间通过数据处理得到各商品种类的偏好值，其中，所述偏好值为相同商品种类的操作分值之和，所述操作分值为所述操作信息所表征的操作类型对应的分值基数与所述操作时间对应的权重值的乘积；执行模块用于根据所述偏好值和预设的排序规则确定所述目标用户的商品序列，其中，所述排序规则为以所述偏好值为依据对商品种类进行排序以得到商品序列的信息处理规则。

通过用户历史信息中的操作和对应的时间确定用户对于各个商品种类的偏好，从而生成对应的偏好值，以偏好值为依据进行商品序列计算，可以有效实现个性化定制的商品排序。引入时间因子使得不同时期用户的操作对于偏好属性的影响，相较于单纯地根据用户的操作记录确定偏好的方式，利用用户操作结合时间序列可以使商品排序更加贴合用户目前的需求，提高了商品排序推荐的有效性和定向性，提升用户体验。

在一些实施方式中，商品序列计算装置还包括：第一计算子模块、第一处理子模块。其中第一计算子模块用于根据所述操作信息与所述操作时间计算目标操作的操作分值，其中，所述操作分值为所述操作信息所表征的操作种类对应的分值基数与所述操作时间对应的权重值的乘积；第一处理子模块用于根据所述操作分值确定目标商品种类的偏好值，其中，所述偏好值为所述目标商品种类所对应的所有操作信息的操作分值之和。

在一些实施方式中，商品序列计算装置还包括：第二处理子模块、第三处理子模块、第二计算子模块。其中，第二处理子模块用于根据所述操作信息确定所述目标操作的分值基数，其中，所述分值基数为与所述操作信息所表征的操作种类具有映射关系的数值信息；第三处理子模块用于根据所述操作时间确定所述目标操作的时间权重值，其中，所述时间权重值为与所述操作时间具有映射关系的数值信息；第二计算子模块用于根据所述操作种类与所述时间权重值计算所述目标操作的操作分值，其中，所述操作分值为分值基数与时间权重值的乘积。

在一些实施方式中，商品序列计算装置还包括：第一排序子模块、第四处理子模块、第五处理子模块。其中，第一排序子模块用于以所述偏好值为依据对所有商品种类进行排序；第四处理子模块用于根据排序结果确定各商品种类的推荐比例；第五处理子模块用于根据所述推荐比例确定所述商品序列。

在一些实施方式中，商品序列计算装置还包括：第一获取子模块、第一生成子模块、第六处理子模块。其中，第一获取子模块用于获取目标商品的商品信息；第一生成子模块用于根据所述商品信息生成所述目标商品的交叉编码，其中，所述交叉编码为依据所述商品信息中至少两个商品属性所生成的属性代码；第六处理子模块用于根据所述交叉编码确定目标用户的推荐商品。

在一些实施方式中，商品序列计算装置还包括：第二获取子模块、第一查找子模块。其中，第二获取子模块用于获取目标用户偏好商品的编码信息，其中，所述编码信息为商品的交叉编码；第一查找子模块用于查找与所述偏好商品具有相同交叉编码的商品作为所述推荐商品。

在一些实施方式中，商品序列计算装置还包括：第三获取子模块、第二查找子模块、第七处理子模块。其中，第三获取子模块用于获取目标用户的应用场景信息；第二查找子模块用于在预设的商品数据库中查找与所述应用场景信息具有映射关系的商品；第七处理子模块用于根据所述具有映射关系的商品确定推荐给目标用户的场景商品。

为解决上述技术问题，本发明实施例还提供一种计算机设备。具体请参阅图9，图9为本实施例计算机设备基本结构框图。

如图9所示，计算机设备的内部结构示意图。如图9所示，该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种商品序列计算方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种商品序列计算方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本实施方式中处理器用于执行图8中获取模块2100、处理模块2200和执行模块2300的具体功能，存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有商品序列计算装置中执行所有子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有子模块的功能。

本发明还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述商品序列计算方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)等非易失性存储介质，或随机存储记忆体(RandomAccessMemory，RAM)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种商品序列计算方法，其特征在于，包括以下步骤：

获取目标用户的历史信息，其中，所述历史信息包括目标用户的操作信息和所述操作信息对应的操作时间；

根据所述操作信息所表征的操作种类和所述操作信息对应的操作时间通过数据处理得到各商品种类的偏好值，包括：根据所述操作信息与所述操作时间计算目标操作的操作分值，其中，所述操作分值为所述操作信息所表征的操作种类对应的分值基数与所述操作时间对应的权重值的乘积；根据所述操作分值确定目标商品种类的偏好值，其中，所述偏好值为所述目标商品种类所对应的所有操作信息的操作分值之和；

根据所述偏好值和预设的排序规则确定所述目标用户的商品序列，包括：以所述偏好值为依据对所有商品种类进行排序；根据排序结果确定各商品种类的推荐比例；根据所述推荐比例确定所述商品序列；

其中，所述根据所述操作信息与所述操作时间计算目标操作的操作分值的步骤，包括以下步骤：

根据所述操作信息确定所述目标操作的分值基数，其中，所述分值基数为与所述操作信息所表征的操作种类具有映射关系的数值信息；

根据所述操作时间确定所述目标操作的时间权重值，其中，所述时间权重值为与所述操作时间具有映射关系的数值信息；

根据所述操作种类与所述时间权重值计算所述目标操作的操作分值，其中，所述操作分值为分值基数与时间权重值的乘积。

2.如权利要求1所述的商品序列计算方法，其特征在于，还包括为商品生成编码并进行推荐的步骤，所述为商品生成编码并进行推荐的步骤，包括下述步骤：

获取目标商品的商品信息；

根据所述商品信息创造所述目标商品的交叉编码，其中，所述交叉编码为依据所述商品信息中至少两个商品属性所生成的属性代码；

根据所述交叉编码确定目标用户的推荐商品。

3.如权利要求2所述的商品序列计算方法，其特征在于，所述根据所述交叉编码确定目标用户的推荐商品的步骤，包括下述步骤：

获取目标用户偏好商品的编码信息，其中，所述编码信息为商品的交叉编码；

查找与所述偏好商品具有相同交叉编码的商品作为所述推荐商品。

4.如权利要求1所述的商品序列计算方法，其特征在于，还包括根据应用场景确定场景商品的步骤，所述根据应用场景确定场景商品的步骤，包括下述步骤：

获取目标用户的应用场景信息；

在预设的商品数据库中查找与所述应用场景信息具有映射关系的商品；

根据所述具有映射关系的商品确定推荐给目标用户的场景商品。

5.一种商品序列计算装置，其特征在于，应用于权利要求1-4中任一项所述的方法，所述装置包括：

获取模块，用于获取目标用户的历史信息，其中，所述历史信息包括目标用户的操作信息和所述操作信息对应的操作时间；

处理模块，用于根据所述操作信息所表征的操作种类和所述操作信息对应的操作时间通过数据处理得到各商品种类的偏好值，其中，所述偏好值为相同商品种类的操作分值之和，所述操作分值为所述操作信息所表征的操作类型对应的分值基数与所述操作时间对应的权重值的乘积；

执行模块，用于根据所述偏好值和预设的排序规则确定所述目标用户的商品序列，其中，所述排序规则为以所述偏好值为依据对商品种类进行排序以得到商品序列的信息处理规则。

6.一种计算机设备，其特征在于，包括：

处理器;

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述权利要求1-4任意一项所述的商品序列计算方法。

7.一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种商品序列计算方法，所述方法包括上述权利要求1-4任意一项所述的商品序列计算方法。