CN110602532A - 实体物品推荐方法、装置、服务器及存储介质 - Google Patents
实体物品推荐方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN110602532A CN110602532A CN201910906156.9A CN201910906156A CN110602532A CN 110602532 A CN110602532 A CN 110602532A CN 201910906156 A CN201910906156 A CN 201910906156A CN 110602532 A CN110602532 A CN 110602532A
- Authority
- CN
- China
- Prior art keywords
- entity
- user
- recommended
- information
- article
- 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
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/50—Controlling the output signals based on the game progress
- A63F13/52—Controlling the output signals based on the game progress involving aspects of the displayed game scene
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/80—Special adaptations for executing a specific game genre or game mode
- A63F13/822—Strategy games; Role-playing games
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
- H04N21/25891—Management of end-user data being end-user preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/4781—Games
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种实体物品推荐方法、装置、服务器及存储介质,属于人工智能技术领域。利用实体物品推荐日期,获得待推荐用户的用户特征信息;利用所述用户特征信息,得到待推荐实体物品;利用实体物品的属性信息,在所述待推荐实体物品中进行实体物品筛选,得到目标实体物品。由于用户的特征信息至少包括了用户在目标应用的操作信息行为特征信息和待推荐用户对实体物品的操作行为特征信息,使得对用户对实体物品的喜好程度的分析更加准确,并且结合了实体物品的属性信息进行筛选,使得推荐的实体物品更加满足当前被推荐用户的需求,降低推荐过程中的服务器处理资源的占用,从而提高针对不同用户的实体物品推荐的准确性。
Description
技术领域
本发明涉及技术领域,尤其涉及一种实体物品推荐方法、装置、服务器及存储介质。
背景技术
用户通常会对计算机应用周边的实体物品较为感兴趣,例如,游戏用户通常会对游戏应用周边的实体物品感兴趣,会促使用户想要购买对应的实体物品,如,手办、玩偶等。
为了能够将实体物品推荐给用户,通常进行推荐的服务器会将热门实体物品或者是新上架的实体物品推荐给用户。但是,每个用户的感兴趣的实体物品并不相同,热门物品或者新上架物品的推荐并不适合每个用户,若要获得物品成功推荐的用户的固定数量,服务器需要频繁给用户推荐物品信息,会占用过多的处理资源,从而也无法满足针对不同用户的推荐的准确性的需求。
发明内容
有鉴于此,本发明提供了一种实体物品推荐方法、装置、服务器及存储介质,以提高针对不同用户的实体物品推荐的准确性。
为实现上述目的,一方面,本发明提供了一种实体物品推荐方法,包括:
利用实体物品推荐日期,获得待推荐用户的用户特征信息,所述用户特征信息至少包括所述待推荐用户在目标应用的操作行为特征信息和所述待推荐用户对实体物品的操作行为特征信息,所述实体物品与所述目标应用具有关联关系;
利用所述用户特征信息,得到待推荐实体物品;
利用实体物品的属性信息,在所述待推荐实体物品中进行实体物品筛选,得到目标实体物品,所述实体物品的属性信息至少包括物品类别和物品库存信息。
在一种可能的实现方式中,所述目标应用包括游戏应用,所述利用实体物品推荐日期,获得待推荐用户的用户特征信息,包括:
获取待推荐用户的在所述游戏应用的历史游戏行为特征信息,所述历史游戏行为特征信息包括所述待推荐用户的历史游戏角色使用信息、与所述待推荐用户的关联用户的特征信息、所述待推荐用户的关联战队的特征信息和所述待推荐用户的虚拟物品使用信息中的一种或多种;
利用实体物品推荐日期,得到与所述历史游戏行为特征信息对应的时间权重值;
利用所述时间权重值,在所述历史游戏行为特征信息中计算得到所述待推荐用户在游戏应用的操作行为特征信息。
在又一种可能的实现方式中,利用实体物品推荐日期,获取待推荐用户对与所述游戏应用关联的实体物品的历史操作行为信息,所述与所述游戏应用关联的实体物品的历史操作行为信息包括所述待推荐用户关注的与所述游戏应用关联的实体物品的信息、所述待推荐用户已购买的与所述游戏应用关联的实体物品信息以及与所述待推荐用户相关联的用户的与所述游戏应用关联的实体物品购买信息;
利用所述待推荐用户对与所述游戏应用关联的实体物品的历史操作行为信息,对所述与所述游戏应用关联的实体物品的类型进行聚类分析,得到所述待推荐用户对实体物品的操作行为特征信息。
又一方面,本发明还提供了一种实体物品推荐装置,包括:
信息获取单元,用于利用实体物品推荐日期,获得待推荐用户的用户特征信息,所述用户特征信息至少包括所述待推荐用户在目标应用的操作行为特征信息和所述待推荐用户对实体物品的操作行为特征信息,所述实体物品与所述目标应用具有关联关系;
物品获取单元,用于利用所述用户特征信息,得到待推荐实体物品;
物品筛选单元,用于利用实体物品的属性信息,在所述待推荐实体物品中进行实体物品筛选,得到目标实体物品,所述实体物品的属性信息至少包括物品类别和物品库存信息。
又一方面,本发明还提供了一种服务器,包括:
处理器和存储器;
其中,所述处理器用于执行所述存储器中存储的程序;
所述存储器用于存储程序,所述程序至少用于:
利用实体物品推荐日期,获得待推荐用户的用户特征信息,所述用户特征信息至少包括所述待推荐用户在目标应用的操作行为特征信息和所述待推荐用户对实体物品的操作行为特征信息,所述实体物品与所述目标应用具有关联关系;
利用所述用户特征信息,得到待推荐实体物品;
利用实体物品的属性信息,在所述待推荐实体物品中进行实体物品筛选,得到目标实体物品,所述实体物品的属性信息至少包括物品类别和物品库存信息。
又一方面,本发明还提供了一种存储介质,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如上任一项所述的实体物品推荐方法。
可见,在对用户进行实体物品推荐时,只需要通过对待推荐用户的用户特征信息分析,得到待推荐实体物品,然后再利用实体物品的属性信息在待推荐实体物品中进行物品筛选,得到目标实体物品,作为推荐给待推荐用户的实体物品商品,由于用户的特征信息至少包括了用户在目标应用的操作信息行为特征信息和待推荐用户对实体物品的操作行为特征信息,使得对用户对实体物品的喜好程度的分析更加准确,并且结合了实体物品的属性信息进行筛选,使得推荐的实体物品更加满足当前被推荐用户的需求,降低推荐过程中的服务器处理资源的占用,从而提高针对不同用户的实体物品推荐的准确性。
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,还可以根据提供的附图获得其他的附图。
图1示出了本发明实施例的一种服务器的硬件结构示意图;
图2示出了本发明实施例提供的一种实体物品推荐方法的流程示意图;
图3示出了本发明实施例的一种实体物品推荐模型的生成方法的流程示意图;
图4示出了本发明实施例的一种游戏实体物品推荐系统的框架图;
图5示出了现有技术的一种游戏实体物品进行推荐时的票选策略示意图;
图6示出了本发明实施例的一种游戏实体物品推荐界面的示意图;
图7示出了本发明实施例的游戏实体物品推荐逻辑框架图;
图8示出了本发明一种实体物品推荐装置一个实施例的组成示意图。
具体实施方式
本发明的方案可以在用户在对计算机应用进行操作的过程中,或者用户浏览该应用的周边实体物品时,生成实体物品的推荐信息,并将该推荐信息展现给用户,使得用户能够通过实体物品推荐信息获得相关推荐的实体物品,从而促进游戏用户对实体物品的关注或购买,并且生成的实体物品推荐信息针对不同的用户而不同,从而提高针对不同用户的实体物品推荐的准确性。
其中,在本发明实施例中,目标应用可以是网页版应用,也可以是客户端应用。对应的实体物品是与该目标应用具有关联关系的物品,如该目标应用的图标玩偶、纪念币、纪念版玩具等。例如,目标应用为游戏应用时,该游戏可是网页版游戏应用也可以为客户端游戏。在游戏用户进行游戏过程中为了能够达到较好的游戏效果,通常会购买游戏道具,而这些游侠道具通常是虚拟道具,如,游戏中的虚拟武器,虚拟服装等。但是,在本发明实施例中推荐的实体物品是游戏周边实物,即游戏IP文化的实物延伸,例如,手办、玩偶、玩具等。因此,通过游戏应用对应的实体物品的推荐,可以准确识别游戏用户的周边偏好,并针对不同游戏用户提供与之更有效的售卖推荐与服务,既增加了游戏周边售卖的付费转化,又提升了用户的体验。
本发明实施例提供一种实体物品推荐方法可应用于服务器,该服务器可以是网络侧为用户提供服务的服务设备,其可能是多台服务器组成的服务器集群,也可能是单台服务器。
请参见图1,其示出了本发明实施例提供的一种服务器的硬件结构示意图。如图1所示,服务器的硬件结构可以包括:处理器11,通信接口12,存储器13和通信总线14。在本发明实施例中,处理器11、通讯接口12、存储器13和通讯总线14的数量均可以为至少一个,且处理器11、通讯接口12、存储器13通过通讯总线14完成相互间的的通信。
处理器11可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路等;存储器13可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory)等,例如至少一个磁盘存储器;其中,存储器存储有程序,处理器可调用存储器存储的程序,程序至少用于执行本发明实施例提供的实体物品推荐方法。
承载计算机应用或者安装有应用客户端的终端可以通过与服务器的通信接口进行连接,实现终端与服务器之间的应用数据的交互,例如,终端将应用日志信息上传给服务器,服务器通过通信接口将服务信息或者推荐信息传递给终端。
为了便于对适用于上述服务器的实体物品推荐方法的理解,现对本发明实施例提供的实体物品推荐方法进行详细介绍。
参见图2,其示出了本发明实施例提供的一种实体物品推荐方法的流程示意图,该方法包括:
S201、利用实体物品推荐日期,获得待推荐用户的用户特征信息。
用户通过终端进入目标应用或者应用客户端时,会实时产生应用数据,服务器会实时监测上述应用数据,并根据用用的配置信息或者用户的访问数据生成该目标应用对应的实体物品推荐信息,并将实体物品推荐信息展现在终端上,使得该目标应用的用户能够基于该实体物品推荐信息获得被推荐的实体商品。
但是,随着用户在不同阶段的需求不同,用户的特征信息也会不同。例如,以应用为游戏应用为例,随着游戏用户在不同阶段的游戏目的不同,或者体验的游戏类型不同。游戏用户表现出来的对游戏商品喜好也会随着时间的不同而不同。例如,游戏用户在3-6月份经常访问游戏A,而在7-8月份经常访问游戏B,游戏用户在8月份对游戏B兴趣会大于游戏A。因此,在本发明实施例中为了进行游戏商品的准确推荐,也便于减少数据的处理资源,在对游戏用户进行游戏商品推荐时,需要根据实体物品推荐日期,来获取待推荐用户的用户特征信息,这样会使得获得的用户特征信息更能体现用户当前的特征。其中,实体物品推荐日期表征产生实体物品推荐信息的日期,如,某个应用商城的固定促销日期,或者用户访问某个特定信息的访问时间。
具体的,根据实体物品推荐日期,来获取待推荐用户的用户特征信息时,需要根据实体物品的推荐日期,确定要获取的特征信息所处的历史日期,即在推荐日期之间的某个时间段。
以游戏应用为例进行说明,游戏实体物品推荐日期是指服务器生成游戏商品推荐信息的日期,该日期的产生可以与游戏应用产生的特定用户数据的时间相匹配,如,游戏商品推荐日期为游戏用户访问游戏商城的时间,也可以预先设置的时间,例如当监测到游戏用户登录到某个游戏应用时,会将某个固定的时间设置为游戏商品推荐日期。而目标时间为与游戏商品推荐日期相邻的历史日期,即在游戏商品推荐日期之前的日期,该日期可以表征某个历史时刻,也可以表征某个历史时间段。例如,游戏商品推荐日期为6月3日,该目标日期可以为6月2日,或者5月最后的一周。
在确定实体物品推荐日期之后,需要获取待推荐用户在该日期之前的某个时间段的用户特征信息,实现对待推荐用户的用户特征信息的分析与利用。在本发明实施例中待推荐用户在目标应用的操作行为特征信息和待推荐用户对实体物品的操作行为特征信息。
其中,待推荐用户在目标应用的操作行为信息表征待推荐用户在对目标应用进行操作的信息,如经常访问目标应用的信息、通过该目标应用经常联系的其他用户,或者对目标应用的设置信息。待推荐用户对实体物品的操作行为特征信息表示的是用户对与该目标应用对应的实体物品的产生的信息,如对实体物品的关注信息、收藏信息、购买信息等。
例如,以游戏应用为例,待推荐用户在游戏应用的操作行为特征信息表征游戏用户在游戏过程中或者通过游戏产生的数据。对应的,待推荐用户对游戏应用的实体物品的操作行为特征信息表征游戏用户在游戏商城中的数据信息,包括对虚拟道具的购买和对实物的游戏商品的相关信息。
以目标应用为游戏应用为例进行说明,在本发明实施例的一种可能实现方式中,所述利用实体物品推荐日期,获得待推荐用户的用户特征信息,包括:
S2011、获取待推荐用户的在所述游戏应用的历史游戏行为特征信息;
S2012、利用实体物品推荐日期,得到与所述历史游戏行为特征信息对应的时间权重值;
S2013、利用所述时间权重值,在所述历史游戏行为特征信息中计算得到所述待推荐用户在游戏应用的操作行为特征信息。
其中,所述历史游戏行为特征信息包括所述待推荐用户的历史游戏角色使用信息、与所述待推荐用户的关联用户的特征信息、所述待推荐用户的关联战队的特征信息和所述待推荐用户的虚拟物品使用信息中的一种或多种。
待推荐的游戏用户是指即将游戏商品推荐信息展现给的游戏用户。需要根据该待推荐的游戏用户的历史用户特征信息进行信息挖掘。这些历史用户特征信息中的历史游戏角色使用信息是指针对能够选择游戏角色的游戏类型,游戏用户在其中选择的游戏角色。如,游戏用户在某些游戏中选择的英雄角色,其可以反映用户喜爱的英雄形象。与该待推荐的游戏用户的关联用户包括与该游戏用户相似的其他游戏用户,如玩同一类型游戏的游戏玩家。待推荐的游戏用户的关联战队的特征信息,即该待推荐的游戏用户对战队的偏好信息等。待推荐的游戏用户的虚拟道具的使用信息可以指游戏玩家最近游戏内购买道具的周边信息。
上述特征信息均是对该待推荐的游戏用户历史数据的分析获得的,能够反映当前待推荐的游戏用户在上述各个维度的特征和特点。并且为上述的历史游戏行为特征信息均设置了时间权重值,可以根据与确定的实体物品推荐日期来接近的历史日期为最高权重,即得到的待推荐用户在游戏应用操作行为特征信息中这部分的游戏行为特征信息,所占比重最大。
仍以目标应用为游戏应用为例,在本发明实施例的另一种可能的实现方式中,所述利用实体物品推荐日期,获得待推荐用户的用户特征信息,还包括:
S2014、利用实体物品推荐日期,获取待推荐用户对与所述游戏应用关联的实体物品的历史操作行为信息;
S2015、利用所述待推荐用户对与所述游戏应用关联的实体物品的历史操作行为信息,对所述与所述游戏应用关联的实体物品的类型进行聚类分析,得到所述待推荐用户对实体物品的操作行为特征信息。
其中,所述与所述游戏应用关联的实体物品的历史操作行为信息包括所述待推荐用户关注的与所述游戏应用关联的实体物品的信息、所述待推荐用户已购买的与所述游戏应用关联的实体物品信息以及与所述待推荐用户相关联的用户的与所述游戏应用关联的实体物品购买信息。游戏用户关注的实体物品信息可以通过用户对游戏商城中的商品信息的收藏、订阅或加入购物车的行为来确定。待推荐的游戏用户已购买的实体物品信息可以通过对游戏用户的已购买游戏商品的订单信息来获取。若无法获得上述信息还可以分析与该待推荐用户相似的游戏用户的游戏实体物品购买信息,从而可以实现对当前待推荐的游戏用户的相关信息的分析。
在获得了历史商城特征信息后,需要对上述商城特征信息进行聚类分析,即将上述历史商城特征信息分类到不同类或者簇的过程,其中,同一个簇中的对象有很大的相似性,而不同簇间的对象有很大的向异性。即可以通过对历史商城信息的聚类分析,来得到游戏用户在目标日期的用户商城特征信息,如用户关注或者喜欢的游戏商品。
需要说明的是,在获得用户特征信息时,在本发明实施例中利用了大数据分析方法,即实现了利用用户的海量数据,并且是不同维度的数据进行挖掘分析,使得用户被赋予更具象的特征。
S202、利用用户特征信息,得到待推荐实体物品。
由于目标应用对应的实体物品具有多个类别和多个体现形式,在得到了用户特征信息后,需要根据用户特征信息在多个实体物品中进行初步筛选,得到待推荐实体物品,即该待推荐实体物品至少为1个,且与用户特征信息相匹配。
具体的,可以根据用户特征信息表现出来的待推荐用户喜爱的应用信息或者购买的应用对应的实体物品,来确定待推荐实体物品。为了更准确的获得待推荐实体物品,可以利用实体物品推荐模型对用户特征信息进行识别,具体的识别过程将在本发明后面的实施例中进行说明,在此处不做赘述。
S203、利用实体物品的属性信息,在待推荐实体物品中进行实体物品筛选,得到目标实体物品。
在本发明实施例中实体物品的属性信息至少包括物品类别和物品库存信息。区别于虚拟物品的推荐,对于实体物品,为了提升用户的体验效果,需要过滤掉相同类型的实体物品,并且需要充分考虑到实体物品库存量再进行推荐。
对应的,在本发明实施例中还提供了一种获得目标实体物品的方法,包括:
根据所述待推荐实体物品对应的物品类别对所述待推荐实体物品的物品类别进行去重,得到初始实体物品;
利用所述初始实体物品对应的物品库存数量,确定目标实体物品。
例如,以游戏应用为例,在获得了待推荐游戏实体物品后,若待推荐游戏实体物品的游戏产品类别包括了毛绒、手办和玩具等三大类,需要对三大类中相同的游戏商品类型进行去重,例如,毛绒、手办和玩具中均包括小黄鸭的形象,但是对于游戏用户通常只会选择一种实物进行购买,所以会在上述类别中可以根据用户商城特征信息选择其中的一种进行保留,并且要在进行推荐之前过滤掉库存量不足的游戏商品。
在本发明实施例中提供的实体物品推荐方法,可以对与实体物品推荐日期对应的用户特征信息进行分析和挖掘,可以准确识别用户对实体物品的偏好,并针对其行为特征提供与之匹配的更有效的售卖推荐与服务,既增加了应用周边实体物品的付费转换,又提升了用户的体验。
为了能够准确对用户特征信息进行识别,得到待推荐实体物品,在本发明的一种可能的实现方式中,是将用户特征信息,输入至预设置的实体物品推荐模型,得到待推荐实体物品。
其中,所述实体物品推荐模型用于根据用户特征信息预测待推荐实体物品。该实体物品推荐模型的建立过程中应用了人工智能技术,可以理解的是,人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟延伸和扩展的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
具体的,通过深度学习的方式来对大量的样本信息进行学习,来获得样本信息之间的相似性和关联性,从而可以实现计算机模拟或实现人类的学习行为,这样可以通过深度学习的方式来学习获得用户特征信息与待推荐实体物品之间的关系,从而获得待推荐实体物品。
在本发明实施例中还提供了一种实体物品推荐模型的生成方法,参见图3,其示出了本发明实施例的一种实体物品推荐模型的生成方法的流程示意图,该方法包括:
S301、获取样本用户的用户特征信息;
所述用户特征信息至少包括待推荐用户在目标应用的操作行为特征信息和所述待推荐用户对实体物品的操作行为特征信息。
S302、对所述样本用户的用户特征信息进行学习,得到实体物品推荐模型。
以样本用户为游戏用户,实体物品推荐模型为游戏实体物品推荐模型为例进行说明。样本用户是指在游戏商城中已经购买游戏商品的用户,该样本用户的特征信息是指与该用户相关的所有属性信息,可以包括该用户的基本属性信息,如,年龄、性别、职业等;还可以包括该用户的游戏行为信息,如,用户经常玩的游戏类型、游戏角色使用信息、战队信息等;还可以包括该用户的商城行为信息,如用户购买的虚拟道具的信息、实物商品的信息等。对上述各个维度的信息进行特征提取,便于后续的机器学习,从而可以确定每个维度的画像信息。需要说明的是每个维度的画像信息是根据对应的维度的特征信息的变化进行实时更新的,这样,可以解决用户特征信息的改变时依据能够根据生成的游戏商品推荐模型获得待推荐游戏商品池。
通过大量的训练样本的学习和训练,可以使得最终生成的游戏商品推荐模型能够对特征信息进行准确学习,实现根据用户特征信息进行待推荐商品的分类任务,即系统依据已知的分类知识对输入的未知模式(该模式的描述)作分析,以确定输入模式的类属。相应的学习目标就是学习用于分类的准则(如分类规则)。
下面以游戏应用为例,对本发明实施例中的实体物品推荐方法进行说明。
参见图4,其示出了本发明实施例的一种游戏实体物品推荐系统的框架图。在该系统中包括终端40、第一服务器41和第二服务器42。其中,终端40为游戏用户访问游戏应用的终端,在该图中,游戏用户通过终端40访问游戏A对应的游戏商城时,并在该游戏商城中的游戏实体物品进行浏览时,会产生一个游戏商品推荐请求,并将该游戏商品推荐请求发送给第一服务器41中,第一服务器41根据当前的终端40的游戏用户在当前时刻对应的历史时间的用户特征信息进行挖掘和分析,并会结合游戏商品的属性信息确定目标游戏实体物品,将该目标游戏实体物品(如游戏商品)的相关信息发送给终端40,会在终端40的信息显示框401中显示该目标游戏实体物品的相关信息,如,“您获得专属游戏商品A的限时购买折扣,请不要错过”。
在本发明实施例的另一种可能的实现方式中,若第一服务器41获得待推荐游戏实体物品时,若待推荐游戏实体物品的库存数量不足,会生成库存提示信息,该库存提示信息会发送给第二服务器42中,该第二服务器用于对游戏实体物品的库存信息进行管理,并会对游戏实体物品进行调度,实现补充游戏实体物品库存,从而第二服务器可以根据该提示信息对对应的游戏商品进行库存补充。当第二服务器42监测到该推荐游戏实体物品的商品库存补充后,会生成对应的商品库存充足信息发送至第一服务器41,使得第一服务器41能够获知该待推荐游戏商品的库存信息,再次生成该待推荐游戏实体物品的推荐信息,发送给终端40的游戏用户。这样,可以使得游戏用户根据该游戏推荐信息对目标推荐商品进行购买,再次转换成游戏周边资产。该推荐信息可以为“游戏商品B已有少量库存,请尽快抢购”。
参见图5,其示出了现有技术的一种游戏实体物品进行推荐时的票选策略示意图。在现有技术中推荐游戏实体物品即游戏商品时,通常是人工设定打折游戏商品,选取热销或新品周边来作为推荐的游戏商品。还可以通过票选的方式,即通过游戏玩家线上票选,将票数最高的游戏商品统一推荐给游戏玩家。在图5中,通过票选五折周边,将票数最高的两款游戏商品推荐给所有游戏用户,但是这种推荐方式只能体现大部分游戏玩家对商品筛选的大众需求,并不能针对每个游戏玩家,使得推荐效果较差。
参见图6,其示出了本发明实施例的一种游戏实体物品推荐界面的示意图,在该图6中游戏用户可以通过点击按钮“5.5折尊享折扣”来抽取到可以享受折扣的商品信息,该商品信息是根据用户的特征信息分析获得的针对该用户的专属游戏商品。这样在用户抽取到该折扣时,会更加愿意去购买该游戏商品。同时,在图6中还包括精品推荐这个信息栏,将待推荐的游戏商品按照类别进行推荐,如包括手办类、毛绒类和生活类,用户可以通过点击对应的标签来获得具体的游戏商品的推荐信息。
下面以具体的游戏为例对本发明的实体物品推荐方法进行说明,参见图7,其示出了本发明实施例的游戏实体物品推荐逻辑框架图。在该实施例中实体物品为游戏商品。由于游戏文化的周边游戏商品较多,为了提升游戏商品促销活动效果,需要个性化优先给用户推荐更可能购买的游戏商品。对应的,周边游戏商品推荐的难点在于既要考虑游戏玩家游戏行为特征,又要考虑现实场景的案件偏好,以及实物游戏产品和虚拟道具的区别是存在严格的库存限制。
在整体策略上,先依据推荐策略和算法,提前计算每个玩家的周边道具池,在线上过滤无库存的游戏商品,并且补充后,以线上接口的时候提供给前端页面,最终展示给游戏玩家。
每个用户离线商品推荐序列的生成算法,是本发明推荐方法的核心,在对具体的游戏实物推荐中,主要考虑的信息包括但不局限于:
游戏玩家最近使用英雄的周边;
游戏玩家最近游戏内购买道具的周边;
游戏玩家收藏、订阅或加入购物车的游戏商品;
与游戏玩家相似的其他玩家购买的游戏商品;
游戏玩家对战队的偏好;
实时游戏商品的库存余量;
游戏玩家已经购买过的游戏商品的过滤信息;
游戏商品类型均分以及商品去重。
游戏商品推荐的核心是在每项可能促成购买的推荐因素下根据聚类分析等算法提取排序在前的N个商品,再根据过滤规则过滤后推荐给相应的游戏用户。
具体的过程包括:
先对游戏行为数据收集,例如,计算游戏玩家最近使用英雄行为,获取最受玩家青睐的英雄排名;
商城行为数据收集,例如,获取游戏玩家加入收藏、订阅和购物车等额外关注的商品集;
玩家战队偏好数据收集。例如,根据游戏玩家对相关内容标签的关注,计算游戏玩家喜爱的游戏战队。
然后,通过最近使用算法,即根据用户特征信息的最近信息进行归类分析。例如,基于游戏玩家使用英雄信息加上时间权重,取最近使用为高权重,得到游戏玩家个性化的排名最靠前的英雄列表。
利用聚类热销算法,实现对相关信息的聚类分析。即根据游戏玩家游戏内付费行为建立聚类画像,例如,取同一类玩家最近3个月销售额排序的热销商品,按照聚类热销的名次取倒数乘以剩余库存为此道具对于此游戏玩家的最终权重。
再通过算法融合实现对上述信息的融合处理,例如,基于游戏用户最近使用英雄推荐相关游戏商品n1个,部分玩家关联游戏内最近购买道具对应的游戏商品n2个,再根据游戏玩家收藏以及购物车记录推荐游戏商品n3个,再根据战队偏好得到游戏商品n4个,最后综合得到推荐的游戏商品n5个,并对相关库存数量不足的游戏商品进行库存数量补足。
最后对待推荐游戏商品进行相关过滤,例如,在毛绒、手办、其他,三大分类中分别根据上述推荐结果为游戏玩家推荐个性化游戏商品,并且根据分类进行去重,在游戏推荐活动曝光前实时过滤库存已空的游戏商品。
又一方面,本发明实施例还提供了一种基于人工智能的实体物品推荐装置,如参见图8,其示出了本发明一种游戏实体物品推荐装置一个实施例的组成示意图,本实施例的装置可以应用于服务器,该装置可以包括:
信息获取单元801,用于利用实体物品推荐日期,获得待推荐用户的用户特征信息,所述用户特征信息至少包括所述待推荐用户在目标应用的操作行为特征信息和所述待推荐用户对实体物品的操作行为特征信息,所述实体物品与所述目标应用具有关联关系;
物品获取单元802,用于利用所述用户特征信息,得到待推荐实体物品;
物品筛选单元803,用于利用实体物品的属性信息,在所述待推荐实体物品中进行实体物品筛选,得到目标实体物品,所述实体物品的属性信息至少包括物品类别和物品库存信息。
在一种可能的情况中,当目标应用包括游戏应用时,信息获取单元801具体用于:
获取待推荐用户的在所述游戏应用的历史游戏行为特征信息,所述历史游戏行为特征信息包括所述待推荐用户的历史游戏角色使用信息、与所述待推荐用户的关联用户的特征信息、所述待推荐用户的关联战队的特征信息和所述待推荐用户的虚拟物品使用信息中的一种或多种;
利用实体物品推荐日期,得到与所述历史游戏行为特征信息对应的时间权重值;
利用所述时间权重值,在所述历史游戏行为特征信息中计算得到所述待推荐用户在游戏应用的操作行为特征信息。
在又一种可能的情况中,信息获取单元801具体还用于:
利用实体物品推荐日期,获取待推荐用户对与所述游戏应用关联的实体物品的历史操作行为信息,所述与所述游戏应用关联的实体物品的历史操作行为信息包括所述待推荐用户关注的与所述游戏应用关联的实体物品的信息、所述待推荐用户已购买的与所述游戏应用关联的实体物品信息以及与所述待推荐用户相关联的用户的与所述游戏应用关联的实体物品购买信息;
利用所述待推荐用户对与所述游戏应用关联的实体物品的历史操作行为信息,对所述与所述游戏应用关联的实体物品的类型进行聚类分析,得到所述待推荐用户对实体物品的操作行为特征信息。
在一种可能的实现方式中,所述物品筛选单元具体用于:
根据所述待推荐实体物品对应的物品类别对所述待推荐实体物品的物品类别进行去重,得到初始实体物品;
利用所述初始实体物品对应的物品库存数量,确定目标实体物品。
在另一种可能的实现方式中,该装置还包括:推荐信息生成单元;
所述推荐信息生成单元,用于若所述初始实体物品的物品库存数量不足,生成库存提示信息,所述库存提示用于提示对所述初始实体物品进行库存补充;响应于所述初始实体物品的物品库存补充完成后,生成该初始实体物品的推荐信息,并将所述推荐信息发送给所述待推荐用户。
可选地,所述物品获取单元具体用于:
将所述用户特征信息,输入至预设置的实体物品推荐模型,得到待推荐实体物品,其中,所述实体物品推荐模型用于根据用户特征信息预测待推荐实体物品。
另一方面,本发明实施例还提供了一种存储介质,所述存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如上任意一个实施例中的信息推荐方法,该实体物品推荐方法至少包括以下步骤:
利用实体物品推荐日期,获得待推荐用户的用户特征信息,所述用户特征信息至少包括所述待推荐用户在目标应用的操作行为特征信息和所述待推荐用户对实体物品的操作行为特征信息,所述实体物品与所述目标应用具有关联关系;
利用所述用户特征信息,得到待推荐实体物品;
利用实体物品的属性信息,在所述待推荐实体物品中进行实体物品筛选,得到目标实体物品,所述实体物品的属性信息至少包括物品类别和物品库存信息。
进一步地,所述目标应用包括游戏应用,所述利用实体物品推荐日期,获得待推荐用户的用户特征信息,包括:
获取待推荐用户的在所述游戏应用的历史游戏行为特征信息,所述历史游戏行为特征信息包括所述待推荐用户的历史游戏角色使用信息、与所述待推荐用户的关联用户的特征信息、所述待推荐用户的关联战队的特征信息和所述待推荐用户的虚拟物品使用信息中的一种或多种;
利用实体物品推荐日期,得到与所述历史游戏行为特征信息对应的时间权重值;
利用所述时间权重值,在所述历史游戏行为特征信息中计算得到所述待推荐用户在游戏应用的操作行为特征信息。
进一步地,所述利用实体物品推荐日期,获得待推荐用户的用户特征信息,还包括:
利用实体物品推荐日期,获取待推荐用户对与所述游戏应用关联的实体物品的历史操作行为信息,所述与所述游戏应用关联的实体物品的历史操作行为信息包括所述待推荐用户关注的与所述游戏应用关联的实体物品的信息、所述待推荐用户已购买的与所述游戏应用关联的实体物品信息以及与所述待推荐用户相关联的用户的与所述游戏应用关联的实体物品购买信息;
利用所述待推荐用户对与所述游戏应用关联的实体物品的历史操作行为信息,对所述与所述游戏应用关联的实体物品的类型进行聚类分析,得到所述待推荐用户对实体物品的操作行为特征信息。
进一步地,所述利用实体物品的属性信息,在所述待推荐实体物品中进行实体物品筛选,得到目标实体物品,包括:
根据所述待推荐实体物品对应的物品类别对所述待推荐实体物品的物品类别进行去重,得到初始实体物品;
利用所述初始实体物品对应的物品库存数量,确定目标实体物品。
进一步地,该方法还包括:
若所述初始实体物品的物品库存数量不足,生成库存提示信息,所述库存提示用于提示对所述初始实体物品进行库存补充;
响应于所述初始实体物品的物品库存补充完成后,生成该初始实体物品的推荐信息,并将所述推荐信息发送给所述待推荐用户。
进一步地,所述利用所述用户特征信息,得到待推荐实体物品,包括:
将所述用户特征信息,输入至预设置的实体物品推荐模型,得到待推荐实体物品,其中,所述实体物品推荐模型用于根据用户特征信息预测待推荐实体物品。
在一些实施例中,上述终端或服务器可以是一个分布式系统中的一个节点,其中,该分布式系统可以为区块链系统,该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中,节点之间可以组成点对点(P2P,Peer To Peer)网络,任意形式的计算设备,比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。例如,将用户特征信息存储至区块链系统的一个节点上,以实现用户特征信息的不易丢失和不易篡改的目的。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种实体物品推荐方法,其特征在于,包括:
利用实体物品推荐日期,获得待推荐用户的用户特征信息,所述用户特征信息至少包括所述待推荐用户在目标应用的操作行为特征信息和所述待推荐用户对实体物品的操作行为特征信息,所述实体物品与所述目标应用具有关联关系;
利用所述用户特征信息,得到待推荐实体物品;
利用实体物品的属性信息,在所述待推荐实体物品中进行实体物品筛选,得到目标实体物品,所述实体物品的属性信息至少包括物品类别和物品库存信息。
2.根据权利要求1所述的方法,其特征在于,所述目标应用包括游戏应用,所述利用实体物品推荐日期,获得待推荐用户的用户特征信息,包括:
获取待推荐用户的在所述游戏应用的历史游戏行为特征信息,所述历史游戏行为特征信息包括所述待推荐用户的历史游戏角色使用信息、与所述待推荐用户的关联用户的特征信息、所述待推荐用户的关联战队的特征信息和所述待推荐用户的虚拟物品使用信息中的一种或多种;
利用实体物品推荐日期,得到与所述历史游戏行为特征信息对应的时间权重值;
利用所述时间权重值,在所述历史游戏行为特征信息中计算得到所述待推荐用户在游戏应用的操作行为特征信息。
3.根据权利要求2所述的方法,其特征在于,所述利用实体物品推荐日期,获得待推荐用户的用户特征信息,还包括:
利用实体物品推荐日期,获取待推荐用户对与所述游戏应用关联的实体物品的历史操作行为信息,所述与所述游戏应用关联的实体物品的历史操作行为信息包括所述待推荐用户关注的与所述游戏应用关联的实体物品的信息、所述待推荐用户已购买的与所述游戏应用关联的实体物品信息以及与所述待推荐用户相关联的用户的与所述游戏应用关联的实体物品购买信息;
利用所述待推荐用户对与所述游戏应用关联的实体物品的历史操作行为信息,对所述与所述游戏应用关联的实体物品的类型进行聚类分析,得到所述待推荐用户对实体物品的操作行为特征信息。
4.根据权利要求1所述的方法,其特征在于,所述利用实体物品的属性信息,在所述待推荐实体物品中进行实体物品筛选,得到目标实体物品,包括:
根据所述待推荐实体物品对应的物品类别对所述待推荐实体物品的物品类别进行去重,得到初始实体物品;
利用所述初始实体物品对应的物品库存数量,确定目标实体物品。
5.根据权利要求4所述的方法,其特征在于,该方法还包括:
若所述初始实体物品的物品库存数量不足,生成库存提示信息,所述库存提示用于提示对所述初始实体物品进行库存补充;
响应于所述初始实体物品的物品库存补充完成后,生成该初始实体物品的推荐信息,并将所述推荐信息发送给所述待推荐用户。
6.根据权利要求1所述的方法,其特征在于,所述利用所述用户特征信息,得到待推荐实体物品,包括:
将所述用户特征信息,输入至预设置的实体物品推荐模型,得到待推荐实体物品,其中,所述实体物品推荐模型用于根据用户特征信息预测待推荐实体物品。
7.一种实体物品推荐装置,其特征在于,包括:
信息获取单元,用于利用实体物品推荐日期,获得待推荐用户的用户特征信息,所述用户特征信息至少包括所述待推荐用户在目标应用的操作行为特征信息和所述待推荐用户对实体物品的操作行为特征信息,所述实体物品与所述目标应用具有关联关系;
物品获取单元,用于利用所述用户特征信息,得到待推荐实体物品;
物品筛选单元,用于利用实体物品的属性信息,在所述待推荐实体物品中进行实体物品筛选,得到目标实体物品,所述实体物品的属性信息至少包括物品类别和物品库存信息。
8.根据权利要求7所述的装置,其特征在于,所述信息获取单元具体用于:
响应于所述目标应用包括游戏应用,获取待推荐用户的在所述游戏应用的历史游戏行为特征信息,所述历史游戏行为特征信息包括所述待推荐用户的历史游戏角色使用信息、与所述待推荐用户的关联用户的特征信息、所述待推荐用户的关联战队的特征信息和所述待推荐用户的虚拟物品使用信息中的一种或多种;
利用实体物品推荐日期,得到与所述历史游戏行为特征信息对应的时间权重值;
利用所述时间权重值,在所述历史游戏行为特征信息中计算得到所述待推荐用户在游戏应用的操作行为特征信息。
9.一种服务器,其特征在于,包括:
处理器和存储器;
其中,所述处理器用于执行所述存储器中存储的程序;
所述存储器用于存储程序,所述程序至少用于:
利用实体物品推荐日期,获得待推荐用户的用户特征信息,所述用户特征信息至少包括所述待推荐用户在目标应用的操作行为特征信息和所述待推荐用户对实体物品的操作行为特征信息,所述实体物品与所述目标应用具有关联关系;
利用所述用户特征信息,得到待推荐实体物品;
利用实体物品的属性信息,在所述待推荐实体物品中进行实体物品筛选,得到目标实体物品,所述实体物品的属性信息至少包括物品类别和物品库存信息。
10.一种存储介质,其特征在于,所述存储介质存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如上权利要求1-6任一项所述的实体物品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910906156.9A CN110602532A (zh) | 2019-09-24 | 2019-09-24 | 实体物品推荐方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910906156.9A CN110602532A (zh) | 2019-09-24 | 2019-09-24 | 实体物品推荐方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110602532A true CN110602532A (zh) | 2019-12-20 |
Family
ID=68862836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910906156.9A Pending CN110602532A (zh) | 2019-09-24 | 2019-09-24 | 实体物品推荐方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110602532A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415328A (zh) * | 2020-02-20 | 2020-07-14 | 北京三快在线科技有限公司 | 物品分析数据确定方法、装置、电子设备 |
CN111773736A (zh) * | 2020-07-03 | 2020-10-16 | 珠海金山网络游戏科技有限公司 | 一种虚拟角色的行为生成方法及装置 |
CN112581232A (zh) * | 2020-12-24 | 2021-03-30 | 崔亚鹏 | 一种基于图像的电商商品推荐方法及系统 |
WO2022041663A1 (zh) * | 2020-08-31 | 2022-03-03 | 网易(杭州)网络有限公司 | 一种游戏虚拟道具的推荐、购买方法和电子设备 |
CN114265777A (zh) * | 2021-12-23 | 2022-04-01 | 北京百度网讯科技有限公司 | 应用程序的测试方法、装置、电子设备及存储介质 |
CN114817751A (zh) * | 2022-06-24 | 2022-07-29 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、电子设备、存储介质及程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108287921A (zh) * | 2018-02-27 | 2018-07-17 | 苏州竹语网络科技有限公司 | 信息推荐方法及装置 |
CN108830689A (zh) * | 2018-06-13 | 2018-11-16 | 深圳乐信软件技术有限公司 | 物品推荐方法、装置、服务器和存储介质 |
CN110246007A (zh) * | 2019-05-28 | 2019-09-17 | 中国联合网络通信集团有限公司 | 一种商品推荐方法及装置 |
-
2019
- 2019-09-24 CN CN201910906156.9A patent/CN110602532A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108287921A (zh) * | 2018-02-27 | 2018-07-17 | 苏州竹语网络科技有限公司 | 信息推荐方法及装置 |
CN108830689A (zh) * | 2018-06-13 | 2018-11-16 | 深圳乐信软件技术有限公司 | 物品推荐方法、装置、服务器和存储介质 |
CN110246007A (zh) * | 2019-05-28 | 2019-09-17 | 中国联合网络通信集团有限公司 | 一种商品推荐方法及装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415328A (zh) * | 2020-02-20 | 2020-07-14 | 北京三快在线科技有限公司 | 物品分析数据确定方法、装置、电子设备 |
CN111415328B (zh) * | 2020-02-20 | 2023-07-11 | 北京三快在线科技有限公司 | 物品分析数据确定方法、装置、电子设备 |
CN111773736A (zh) * | 2020-07-03 | 2020-10-16 | 珠海金山网络游戏科技有限公司 | 一种虚拟角色的行为生成方法及装置 |
CN111773736B (zh) * | 2020-07-03 | 2024-02-23 | 珠海金山数字网络科技有限公司 | 一种虚拟角色的行为生成方法及装置 |
WO2022041663A1 (zh) * | 2020-08-31 | 2022-03-03 | 网易(杭州)网络有限公司 | 一种游戏虚拟道具的推荐、购买方法和电子设备 |
CN112581232A (zh) * | 2020-12-24 | 2021-03-30 | 崔亚鹏 | 一种基于图像的电商商品推荐方法及系统 |
CN114265777A (zh) * | 2021-12-23 | 2022-04-01 | 北京百度网讯科技有限公司 | 应用程序的测试方法、装置、电子设备及存储介质 |
CN114265777B (zh) * | 2021-12-23 | 2023-01-10 | 北京百度网讯科技有限公司 | 应用程序的测试方法、装置、电子设备及存储介质 |
CN114817751A (zh) * | 2022-06-24 | 2022-07-29 | 腾讯科技(深圳)有限公司 | 数据处理方法、装置、电子设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110602532A (zh) | 实体物品推荐方法、装置、服务器及存储介质 | |
US10021200B2 (en) | Methods and systems for activity-based recommendations | |
CN103678672B (zh) | 一种信息推荐方法 | |
CN103823908B (zh) | 基于用户偏好的内容推荐方法和服务器 | |
CN108153791B (zh) | 一种资源推荐方法和相关装置 | |
CN108648058B (zh) | 产品排序方法及装置,电子设备、存储介质 | |
CN110147821A (zh) | 目标用户群体确定方法、装置、计算机设备及存储介质 | |
CN108805598A (zh) | 相似度信息确定方法、服务器及计算机可读存储介质 | |
CN103295148A (zh) | 数字消费者数据模型和客户分析记录 | |
CN110933472B (zh) | 一种用于实现视频推荐的方法和装置 | |
CN108153792A (zh) | 一种数据处理方法和相关装置 | |
CN112579876A (zh) | 基于用户兴趣的信息推送方法、装置、系统及存储介质 | |
JP6859621B2 (ja) | サーバ装置、表示システム、制御方法及びプログラム | |
CN111767458A (zh) | 信息推送方法、装置、系统及存储介质 | |
CN111861605A (zh) | 业务对象推荐方法 | |
CN110427545B (zh) | 一种信息推送方法及系统 | |
CN111767459A (zh) | 物品推荐的方法和装置 | |
CN112036987B (zh) | 确定推荐商品的方法和装置 | |
CN113222687A (zh) | 一种基于深度学习的推荐方法及装置 | |
CN110968670B (zh) | 一种流行商品的属性获取方法、装置、设备及存储介质 | |
CN110765346A (zh) | 用户意图挖掘方法、装置以及设备 | |
CN113763089A (zh) | 物品推荐方法及装置、计算机可存储介质 | |
CN113010737A (zh) | 一种视频标签的分类方法、装置及存储介质 | |
CN115860865A (zh) | 商品组合构造方法及其装置、设备、介质、产品 | |
CN110347916A (zh) | 跨场景的项目推荐方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191220 |