CN110874432B - 排序方法、信息推荐方法、系统及装置 - Google Patents

Abstract

本申请实施例提供一种排序方法、信息推荐方法、系统及装置。其中，所述排序方法包括如下的步骤：基于用户的行业化特征，确定多个类目；按照所述多个类目对多个服务信息进行聚类操作，得到多个类目组；根据所述用户的常规特征、所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的排序顺序。本申请实施例提供的技术方案，引入了用户的行业化特征，以利用用户的行业化特征确定分组类目并影响各类目组的排序，有助于提高推荐精度；此外，本申请实施例提供的技术方案，无需针对不同行业单独定制推荐平台，通用性强，开发成本低。

Description

排序方法、信息推荐方法、系统及装置

技术领域

本申请涉及计算机技术领域，尤其涉及一种排序方法、信息推荐方法、系统及装置。

背景技术

随着个性化推荐技术的发展以及效果提升，越来越多的互联网背景下的场景和模块开始接入个性化算法。现有通用推荐平台大多是根据用户的常规特征和商品的特征提供商品个性化和楼层个性化推荐。

现有技术中，因未考虑到行业化的特点，比方说旅行用户对目的地的偏好，对出游类型的偏好等，导致在做楼层和商品个性化时缺失一部分重要的信息，推荐精准度低。

发明内容

鉴于上述问题，提出了本申请以提供一种解决上述问题或至少部分地解决上述问题的排序方法、信息推荐方法、系统及装置。

于是，在本申请的一个实施例中，提供了一种排序方法。该方法，包括：

基于用户的行业化特征，确定多个类目；

按照所述多个类目对多个服务信息进行聚类操作，得到多个类目组；

根据所述用户的常规特征、所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的排序顺序。

在本申请的另一个实施例中，提供了一种信息推荐方法。该方法，包括：

接收到客户端发送的信息获取请求后，获取所述客户端对应用户的行业化特征及常规特征；

根据所述行业化特征及所述常规特征，确定为所述用户推荐的多个类目组及各类目组的排序顺序；

将所述多个类目组反馈至所述客户端，以由所述客户端按照所述排序顺序展示所述多个类目组。

在本申请的又一个实施例中，提供了一种信息推荐系统。该系统包括：

服务端，用于接收到客户端发送的信息获取请求后，获取所述客户端对应用户的行业化特征及常规特征；根据所述行业化特征及所述常规特征，确定为所述用户推荐的多个类目组及各类目组的排序顺序；将所述多个类目组反馈至所述客户端；

所述客户端，用于按照所述排序顺序展示所述多个类目组。

在本申请的另一个实施例中，提供了一种电子设备。该电子设备包括：第一存储器和第一处理器；其中，

所述第一存储器，用于存储程序；

所述第一处理器，与所述第一存储器耦合，用于执行所述第一存储器中存储的所述程序，以用于：

基于用户的行业化特征，确定多个类目；

按照所述多个类目对多个服务信息进行聚类操作，得到多个类目组；

根据所述用户的常规特征、所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的排序顺序。

在本申请的又一个实施例中，提供了一种服务端设备。该服务端设备，包括：第二存储器、第二处理器和第二通信组件；其中，

所述第二存储器，用于存储程序；

所述第二通信组件，与所述第二处理器耦合，用于接收客户端发送的信息获取请求；

所述第二处理器，与所述第二存储器耦合，用于执行所述第二存储器中存储的所述程序，以用于：

所述第二通信组件接收到所述获取请求后，获取所述客户端对应用户的行业化特征及常规特征；

根据所述行业化特征及所述常规特征，确定为所述用户推荐的多个类目组及各类目组的排序顺序；

控制所述第二通信组件将所述多个类目组反馈至所述客户端，以由所述客户端按照所述排序顺序展示所述多个类目组。

在本申请的又一个实施例中，提供了一种排序装置。该排序装置包括：

确定模块，用于基于用户的行业化特征，确定多个类目；

聚类模块，用于按照所述多个类目对多个服务信息进行聚类操作，得到多个类目组；

排序模块，用于根据所述用户的常规特征、所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的排序顺序。

在本申请的又一个实施例中，提供了一种信息推荐装置。该信息推荐装置包括：

获取模块，用于接收到客户端发送的信息获取请求后，获取所述客户端对应用户的行业化特征及常规特征；

确定模块，用于根据所述行业化特征及所述常规特征，确定为所述用户推荐的多个类目组及各类目组的排序顺序；

反馈模块，用于将所述多个类目组反馈至所述客户端，以由所述客户端按照所述排序顺序展示所述多个类目组。

本申请实施例提供的技术方案，引入了用户的行业化特征，以利用用户的行业化特征确定分组类目并影响各类目组的排序，有助于提高推荐精度；此外，本申请实施例提供的技术方案，无需针对不同行业单独定制推荐平台，通用性强，开发成本低。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本申请一实施例提供的排序方法的流程示意图；

图2为本申请一实施例提供的服务系统的结构框图；

图3为本申请一实施例提供的信息推荐方法的流程示意图；

图4为本申请一实施例提供的通用推荐平台的结构框图；

图5为本申请一实施例提供的排序装置的结构框图；

图6为本申请一实施例提供的信息推荐装置的结构框图；

图7为本申请一实施例提供的电子设备的结构框图；

图8为本申请一实施例提供的服务端设备的结构框图。

具体实施方式

现有通用推荐平台的产品，一般都没有行业垂直化的特点，特别在旅游行业里面没有一个适用于航旅用户的推荐平台。现有通用推荐平台主要根据用户常规特征和商品特征来提供商品个性化和楼层个性化等的推荐。现有通用推荐平台，因为没有考虑行业化的特点，比方说旅行用户对目的地的偏好，对出游类型的偏好等，所以在行业特点比较明显的场景使用现有通用推荐平台进行信息推荐时推荐精度不高。

对于一些旅游行业化明显的场景(特别是以目的地为维度对商品进行聚合推荐的场)以及长尾流量的场景，为了避免重复的工作搭建和算法调优，需要有一套适合于旅游特点的通用推荐平台。本申请提供一种引入行业化特征的推荐方案以适于行业特点明显的应用平台。

这里需要说明的是：在电商领域，比如说：女装、男装、手机卖场、等都可以是一个楼层。因此，楼层可简单理解为：一个聚集相同类型商品的类目组。因此，在电商领域中，本申请如下各实施例中的“类目”可简单理解楼层的层名，“类目组”可简单理解为：聚类在一起，在同一楼层展示的商品集。另外，通用推荐平台是指一个平台不需要再提供额外的开发成本就可以上线推荐场景。

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1示出了本申请一实施例提供的排序方法的流程示意图。如图1所示，所述排序方法，包括：

101、基于用户的行业化特征，确定多个类目。

102、按照所述多个类目对多个服务信息进行聚类操作，得到多个类目组。

103、根据所述用户的常规特征、所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的排序顺序。

上述101中，所述用户的行业化特征可基于用户的行为数据得到。例如，在旅游行业应用场景中，用户点击、收藏或购买商品A，商品B和商品C。通过分析所述商品A、商品B和商品C的商品特征，假设商品A、商品B和商品C具有一个共同的特征，均属于亲子游产品，则可将亲子游标签作为所述用户的行业化特征中的一个特征项。又例如，通过分析用户历史和实时的行为数据，得出用户经常关注自由行产品，则可将自由行标签，作为所述用户的行业化特征中的一个特征项。

即本申请实施例提供的方法还可包括如下步骤：获取用户的行为数据；对所述行为数据进行行业化分析，并基于分析结果构建所述用户的行业化特征。其中，用户的行为数据可包括历史行为数据和实时行为数据。

在一种可实现的技术方案中，本步骤101“基于用户的行业化特征，确定多个类目”可具体包括如下步骤：

1011、基于用户的行业化特征，确定用户的类目划分偏好。

1012、根据所述用户的类目划分偏好，确定所述多个类目。

例如，在旅游产品推荐场景中，主要按照以下几种方法划分楼层：目的地，类目，出行类型三种。比方说日本，泰国，美国是按照目的地划分的楼层，自由行，跟团游是按照类目划分的楼层，海岛游，雪山行，亲子游是按照出行玩法划分的楼层。这三种划分方案涵盖了绝大多数旅游行业的楼层分类。假设，基于用户的行业化特征，确定用户的类目划分偏好为出现玩法。则上述确定出的多个类目可具体为：海岛游，雪山行，亲子游等。

上述102中，在不同的应用场景下，服务信息也不同。例如，在电商场景下，服务信息可为商品。其中，多个服务信息可根据所述用户的常规特征及选品规则，从供选择的服务信息中选出的。多个服务信息符合所述选品规则的选品要求。即，本申请实施例提供的所述方法，还包括如下步骤：

根据所述用户的常规特征及选品规则，从供选择的服务信息中选出为所述用户推荐的符合所述选品规则的所述多个服务信息。

聚类过程就是按照某个特定标准(如距离准则)把多个服务信息分为多个类目组，使得同一类目组内的服务信息的相似性尽可能大，同时不在同一类目组内的服务信息的差异性尽可能的大。即，聚类后同类服务信息数据尽可能聚集在一起，不同类的服务信息尽量分离。本步骤102的按照所述多个类目对多个服务信息进行聚类操作，可采用现有技术中的聚类算法实现，如K-means聚类算法、凝聚型层次聚类算法、神经网络聚类算法等等；本申请对此不作具体限定。

上述103中，用户的常规特征可简单理解为：现有技术中较为通用的用户特征，如用户画像。所述用户的行业化特征可以是所述用户的常规特征的子集；或者，所述用户的行业化特征及所述用户的常规特征具有交集。用户画像的构建采用现有技术实现，本文不作赘述。

本申请实施例提供的技术方案，引入了用户的行业化特征，以利用用户的行业化特征确定分组类目并影响各类目组的排序，有助于提高推荐精度；此外，本申请实施例提供的技术方案，无需针对不同行业单独定制推荐平台，通用性强，开发成本低。

进一步的，上述实施例中步骤103“根据所述用户的常规特征、所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征”，可包括如下步骤：

1031、根据所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第一参数。

1032、根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第二参数。

1033、根据所述各类目组的第一参数及所述各类目组的第二参数，确定所述各类目组的排序顺序。

下面以多个类目组中的第一类目组为例，对上述步骤1031的具体实现过程进行说明。即，根据所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定所述多个类目组中第一类目组的第一参数，包括：

S11、获取所述第一类目组所含服务信息的服务特征；

S12、将所述用户的行业化特征及所述第一类目组所含服务信息的特征作为计算模型的输入，执行所述计算模型得到所述第一类目组的第一参数。

在一种可实现的技术方案中，所述计算模型为梯度提升决策树GBDT和回归LR算法的融合计算模型。相应的，上述S12“将所述用户的行业化特征及所述第一类目组所含服务信息的特征作为计算模型的输入，执行所述计算模型得到所述第一类目组的第一参数”，的具体实现过程为：

采用GBDT算法对所述用户的行业化特征及所述第一类目组所含服务信息的特征进行特征提取；

采用LR算法为提取出的各特征确定对应的特征权重，并基于所述特征权重计算所述第一类目组的评分；

将所述评分作为所述第一类目组的第一参数。

其中，GBDT(Gradient Boosting Decision Tree，梯度提升决策树)是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终答案。GBDT是一种常用的非线性模型，基于集成学习中的boosting思想，每次迭代都在减少残差的梯度方向新建立一棵决策树，迭代多少次就会生成多少棵决策树。GBDT的思想使其可以发现多种有区分性的特征及特征组合，决策树的路径可以直接作为LR输入特征使用，省去了人工寻找特征、特征组合的步骤。

同样的，以多个类目组中的第一类目组为例，对上述步骤1032的具体实现过程进行说明。即，根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，确定所述多个类目组中第一类目组的第二参数，包括：

S21、根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，计算各服务信息的排序分；

S22、获取所述第一类目组所含服务信息的排序分；

S23、基于所述第一类目组中所有服务信息的排序分，计算所述第一类目组的第二参数。

上述步骤S21可采用现有技术中的排序策略，如统计类方案，比方说根据各种特征加权，也可以是通过模型排序，比方说常见的线性回归模型等，来实现。即上述步骤S21“根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，计算各服务信息的排序分”的具体实现过程可参见现有技术，此种不再赘述。

上述S23中，具体实施时，可将所述第一类目组中所有服务信息的排序分总和作为所述第一类目组的第二参数；或者，对所述第一类目组中所有服务信息的排序分总和求平均，并将平均值作为所述第一类目组的第二参数。

假设上述所述第一类目组所含服务信息的排序分，假设第一类目组包含服务信息1、服务信息2……服务信息n；服务信息1对应的排序分为score₁、服务信息2对应的score₂……服务信息n对应的score_n；则所述第一类目组的第二参数score_floor为：

这里需要说明的是：同理，所述多个类目组中的其他类目组的第一参数和第二参数的确定过程也采用上述过程实现。

上述1033“根据所述各类目组的第一参数及所述各类目组的第二参数，确定所述各类目组的排序顺序”，可具体包括：

S31、根据所述各类目组的第一参数及所述各类目组的第二参数，计算各类目组对应的排序数值；

S32、比较所述各类目组的排序数值；

S33、按照比较结果，确定所述各类目组的排序顺序。

同样以多个类目组中的第一类目组为例，对上述步骤S31的具体实现过程进行说明，其他类目组的排序数值计算过程相同。具体的，所述步骤S31包括：

计算所述第一类目组的第一参数和所述第二类目组的第二参数的加权和，得到所述排序数值。

例如，第一参数数为score_floor，第二参数为score_{gbdt_lr}；第一参数的权重为a，第二参数的权重为b；则所述排序数值score：

Score＝a×score_floor+b×score_{gbdt_lr}   (2)

或者

计算所述第一参数的第一指数次方得到第一数值，计算所述第二参数的第二指数次方得到第二数值，根据所述第一数值和所述第二数值得到所述排序数值。

其中，上述公式(2)和公式(3)中的a、b、δ、β均为设定值，可为经验值。

进一步的，本申请实施例提供的所述方法还包括：

104、获取用户的行为数据；

105、根据所述行为数据，构建所述用户的常规特征；

106、对所述行为数据进行行业化分析，并基于分析结果构建所述用户的行业化特征。

图2示出了一种信息推荐系统的结构框图。如图所示，所述信息推荐系统包括：服务端201和客户端202。其中，

服务端201，用于接收到客户端202发送的信息获取请求后，获取所述客户端对应用户的行业化特征及常规特征；根据所述行业化特征及所述常规特征，确定为所述用户推荐的多个类目组及各类目组的排序顺序；将所述多个类目组反馈至所述客户端202；

所述客户端202，用于按照所述排序顺序展示所述多个类目组。

其中，所述服务端可以是常用服务器、虚拟服务器或云端等，本申请实施例对此不作具体限定。所述客户端可以是集成在终端上的一个具有嵌入式程序的硬件，也可以是安装在终端中的一个应用软件，还可以是嵌入在终端操作系统中的工具软件等，本申请实施例对此不作限定。该终端可以为包括手机、平板电脑、智能穿戴设备等任意终端设备。

本申请实施例提供的技术方案，引入了用户的行业化特征，以利用用户的行业化特征确定分组类目并影响各类目组的排序，有助于提高推荐精度；此外，本申请实施例提供的技术方案，无需针对不同行业单独定制推荐平台，通用性强，开发成本低。

这里需要说明的是，本申请实施例提供的信息推荐系统中各组成单元，例如服务端、客户端的具体工作流程可参见上述各实施例中相应内容，在此不再赘述。

图3示出了一种信息推荐方法，其特征在于，包括：

301、接收到客户端发送的信息获取请求后，获取所述客户端对应用户的行业化特征及常规特征。

302、根据所述行业化特征及所述常规特征，确定为所述用户推荐的多个类目组及各类目组的排序顺序。

303、将所述多个类目组反馈至所述客户端，以由所述客户端按照所述排序顺序展示所述多个类目组。

其中，所述用户的行业化特征和所述通用化特征均基于用户的行为数据得到。

上述302“根据所述行业化特征及所述常规特征，确定为所述用户推荐的多个类目组及各类目组的排序顺序”，包括：

3021、获取为所述用户推荐的多个服务信息；

3022、基于用户的行业化特征，确定多个类目；

3023、按照所述多个类目对多个服务信息进行聚类操作，得到多个类目组；

3024、根据所述用户的常规特征、所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的排序顺序。

其中，上述3021中，为用户推荐的多个服务信息可基于用户的常规特征及选品规则，从众多服务信息中选出的。

有关上述3022～3024的具体实现内容，可参见上述各实施例，此处不再赘述。

本申请实施例提供的技术方案，引入了用户的行业化特征，以利用用户的行业化特征确定分组类目并影响各类目组的排序，有助于提高推荐精度；此外，本申请实施例提供的技术方案，无需针对不同行业单独定制推荐平台，通用性强，开发成本低。

在本申请的说明书、权利要求书及上述附图中描述的一些流程中，包含了按照特定顺序出现的多个操作，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。

本申请实施例提供的技术方案可在现有通用推荐平台的基础上做简单的改进即可实现，无需花费大的开发成本即可上线实现信息推荐。下面以电商领域中的商品和楼层推荐为例，对本申请实施例提供的技术方案的具体实现进行说明。图4示出了电商领域通用推荐平台的框架图。该通用推荐平台总共分为三个模块：选品模块401、规则配置模块402和个性化推荐模块403。其中，选品模块401负责用来圈定商品池子；规则配置模块402用来对最终展示的结构进行配置，比方说展示楼层个数，每个楼层下商品个数，是否需要进行打散等配置；本申请提供的技术方案通过对该通用推荐平台中的个性化推荐模块403进行改进，使得所述通用推荐平台更符合行业特点，推荐精准度高，且开发成本低。

通用推荐平台的个性化推荐模块403原有推荐流程如下：

4031、根据用户的行为数据，构建用户的常规特征。

用户的行为数据包括：用户短期/长期点击、加购、收藏、购买的商品的数据；商品的数据包括商品所属品类、价格、品牌等等。其中，用户的常规特征可简单理解为用户画像，其具有通用性。用户画像的构建可参见现有技术中的相应内容，此处不再赘述。

4032、基于用户的常规特征，获取多个商品。

其中，获取的多个商品要满足选品模块的选品规则。

4033、对所述多个商品进行排序，得到各商品的排序分。

一般的排序策略可以是统计类方案，比方说根据各种特征加权，也可以是通过模型排序。例如，常见的线性回归模型。

4044、对所述多个商品进行聚类，确定各商品所属楼层。

4045、根据同在一个楼层的所有商品的排序分总和，来计算各楼层的排序分。

例如，采用如下计算公式计算各楼层的排序分：

其中，score_i为第i个商品的排序分，i＝1,2……n。

本申请实施例提供的技术方案的核心点是基于用户的行业化特征，提升楼层和商品的排序效果，特别是楼层的排序效果。一般在旅游行业中，主要按照以下几种方法划分楼层：目的地，类目、出行类型三种。日本、泰国、美国是按照目的地划分的楼层；自由行、跟团游是按照类目划分的楼层；海岛游、雪山行，亲子游是按照出行玩法划分的楼层。这三种划分方案涵盖了绝大多数旅游行业的楼层分类。

本申请实施例提供的技术方案对上述个性化推荐模块403的推荐流程改进后，推荐流程如下：

4031’、对所述行为数据进行行业化分析，并基于分析结果构建所述用户的行业化特征。

在推荐航旅类产品场景中，用户的行业化特征可包括：离线行业化特征和实时行业化特征，离线行业化特征有用户长期目的地偏好、用户长期类目偏好、用户长期出行玩法偏好等等；实时行业化特征包括实时目的地偏好，用户实时类目偏好，实时出行玩法偏好等等。

4032’、基于用户的行业化特征，确定多个楼层。

4033’、基于GBDT+LR模型对楼层进行排序打分，得到各楼层的第一参数score_{gbdt_lr}。

4034’、将上述步骤4045计算得到的各楼层的排序分作为各楼层的第二参数score_floor。

4044’、采用如下公式，计算各楼层的精排分；并根据各楼层的精排分确定各楼层的排序顺序。

其中，δ、β均为设定值，可为经验值。

本申请实施例提供的技术方案，引入了大量航旅特征来影响楼层和商品排序。特别是在旅行类信息推荐场景中，用户对目的地或是类目的敏感度非常高，一旦没有给用户推荐他感兴趣的楼层，很难触发用户点击和购买。此外，本申请提供的技术方案，在传统的通用推荐平台基础上，引入大量航旅的行业化特征，构造一个合适推荐航旅类产品的通用推荐平台。

需要说明的是：上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤101至步骤103的执行主体可以为设备A；又比如，步骤101和102的执行主体可以为设备A，步骤103的执行主体可以为设备B；等等。

图5示出了本申请一实施例提供的排序装置的结构框图。如图5所示，所述排序装置包括：确定模块11、聚类模块12及排序模块13。其中，确定模块11用于基于用户的行业化特征，确定多个类目；聚类模块12用于按照所述多个类目对多个服务信息进行聚类操作，得到多个类目组；排序模块13用于根据所述用户的常规特征、所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的排序顺序。

本申请实施例提供的技术方案，引入了用户的行业化特征，以利用用户的行业化特征确定分组类目并影响各类目组的排序，有助于提高推荐精度；此外，本申请实施例提供的技术方案，无需针对不同行业单独定制推荐平台，通用性强，开发成本低。

进一步的，所述排序模块13还用于根据所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第一参数；根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第二参数；根据所述各类目组的第一参数及所述各类目组的第二参数，确定所述各类目组的排序顺序。

进一步的，所述排序模块13还用于获取所述第一类目组所含服务信息的服务特征；将所述用户的行业化特征及所述第一类目组所含服务信息的特征作为计算模型的输入，执行所述计算模型得到所述第一类目组的第一参数。

进一步的，所述计算模型为梯度提升决策树GBDT和回归LR算法的融合计算模型。

进一步的，所述排序模块13还用于采用GBDT算法对所述用户的行业化特征及所述第一类目组所含服务信息的特征进行特征提取；采用LR算法为提取出的各特征确定对应的特征权重，并基于所述特征权重计算所述第一类目组的评分；将所述评分作为所述第一类目组的第一参数。

进一步的，所述排序模块13还用于根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，计算各服务信息的排序分；获取所述第一类目组所含服务信息的排序分；基于所述第一类目组中所有服务信息的排序分，计算所述第一类目组的第二参数。

进一步的，所述排序模块13还用于根据所述各类目组的第一参数及所述各类目组的第二参数，计算各类目组对应的排序数值；比较所述各类目组的排序数值；按照比较结果，确定所述各类目组的排序顺序。

进一步的，所述排序模块13还用于计算所述第一类目组的第一参数和所述第二类目组的第二参数的加权和，得到所述排序数值；或者计算所述第一参数的第一指数次方得到第一数值，计算所述第二参数的第二指数次方得到第二数值，根据所述第一数值和所述第二数值得到所述排序数值。

进一步的，所述排序装置13还包括：获取模块及构建模块。其中，所述获取模块用于获取用户的行为数据；所述构建模块用于根据所述行为数据，构建所述用户的常规特征；对所述行为数据进行行业化分析，并基于分析结果构建所述用户的行业化特征。

进一步的，所述确定模块11还用于基于用户的行业化特征，确定用户的类目划分偏好；根据所述用户的类目划分偏好，确定所述多个类目。

进一步的，所述排序装置13还包括选品模块。所述选品模块用于根据所述用户的常规特征及选品规则，从供选择的服务信息中选出为所述用户推荐的符合所述选品规则的所述多个服务信息。

这里需要说明的是：上述实施例提供的排序装置可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述各方法实施例中的相应内容，此处不再赘述。

图6示出了本申请一实施例提供的信息推荐装置的结构框图。如图所示，所述信息推荐装置包括：获取模块21、确定模块22及反馈模块23。其中，获取模块21用于接收到客户端发送的信息获取请求后，获取所述客户端对应用户的行业化特征及常规特征；确定模块22用于根据所述行业化特征及所述常规特征，确定为所述用户推荐的多个类目组及各类目组的排序顺序；反馈模块23用于将所述多个类目组反馈至所述客户端，以由所述客户端按照所述排序顺序展示所述多个类目组。

本申请实施例提供的技术方案，引入了用户的行业化特征，以利用用户的行业化特征确定分组类目并影响各类目组的排序，有助于提高推荐精度；此外，本申请实施例提供的技术方案，无需针对不同行业单独定制推荐平台，通用性强，开发成本低。

进一步的，所述确定模块22还用于获取为所述用户推荐的多个服务信息；基于用户的行业化特征，确定多个类目；按照所述多个类目对多个服务信息进行聚类操作，得到多个类目组；根据所述用户的常规特征、所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的排序顺序。

这里需要说明的是：上述实施例提供的信息推荐装置可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述各方法实施例中的相应内容，此处不再赘述。

图7为本申请一实施例提供的电子设备的结构示意图。该电子设备包括：第一存储器31以及第一处理器32。第一存储器31可被配置为存储其它各种数据以支持在电子设备上的操作。这些数据的示例包括用于在电子设备上操作的任何应用程序或方法的指令。第一存储器31可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

所述第一处理器32，与所述第一存储器31耦合，用于执行所述第一存储器31中存储的所述程序，以用于：

基于用户的行业化特征，确定多个类目；

按照所述多个类目对多个服务信息进行聚类操作，得到多个类目组；

根据所述用户的常规特征、所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的排序顺序。

其中，第一处理器32在执行第一存储器31中的程序时，除了上面的功能之外，还可实现其它功能，具体可参见前面各实施例的描述。

进一步的，如图7所示，电子设备还包括：第一通信组件33、第一显示器34、第一电源组件35、第一音频组件36等其它组件。图7中仅示意性给出部分组件，并不意味着电子设备只包括图7所示组件。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被计算机执行时能够实现上述各实施例提供的排序方法的步骤或功能。

图8示出了本申请一实施例提供的服务端设备的结构示意图。如图8所示，所述电子设备包括第二存储器41、第二处理器42及第二通信组件43。第二存储器41可被配置为存储其它各种数据以支持在服务端设备上的操作。这些数据的示例包括用于在服务端设备上操作的任何应用程序或方法的指令。第二存储器41可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

所述第二通信组件43，与所述第二处理器42耦合，用于接收客户端发送的信息获取请求；

所述第二处理器42，与所述第二存储器41耦合，用于执行所述第二存储器41中存储的所述程序，以用于：

所述第二通信组件43接收到所述获取请求后，获取所述客户端对应用户的行业化特征及常规特征；

根据所述行业化特征及所述常规特征，确定为所述用户推荐的多个类目组及各类目组的排序顺序；

控制所述第二通信组件43将所述多个类目组反馈至所述客户端，以由所述客户端按照所述排序顺序展示所述多个类目组。

其中，第二处理器42在执行第二存储器41中的程序时，除了上面的功能之外，还可实现其它功能，具体可参见前面各实施例的描述。

进一步，如图8所示，服务端设备还包括：第二通信组件43、第二显示器44、第二电源组件45、第二音频组件46等其它组件。图8中仅示意性给出部分组件，并不意味着服务端设备只包括图8所示组件。

相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，所述计算机程序被计算机执行时能够实现上述各实施例提供的信息推荐方法步骤或功能。

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实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (12)

1.一种排序方法，其特征在于，包括：

基于用户的行业化特征，确定多个类目；其中，所述行业化特征可基于用户的行为数据得到；

按照所述多个类目对多个服务信息进行聚类操作，得到多个类目组；

根据所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第一参数；

根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第二参数；其中，所述用户的常规特征为用户特征；

根据所述各类目组的第一参数及所述各类目组的第二参数，确定所述各类目组的排序顺序；

其中，确定所述多个类目组中第一类目组的第二参数，包括：

根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，计算各服务信息的排序分；

获取所述第一类目组所含服务信息的排序分；

基于所述第一类目组中所有服务信息的排序分，计算所述第一类目组的第二参数。

2.根据权利要求1所述的方法，其特征在于，根据所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定所述多个类目组中第一类目组的第一参数，包括：

获取所述第一类目组所含服务信息的服务特征；

将所述用户的行业化特征及所述第一类目组所含服务信息的特征作为计算模型的输入，执行所述计算模型得到所述第一类目组的第一参数。

3.根据权利要求2所述的方法，其特征在于，所述计算模型为梯度提升决策树GBDT和回归LR算法的融合计算模型；

将所述用户的行业化特征及所述第一类目组所含服务信息的特征作为计算模型的输入，执行所述计算模型得到所述第一类目组的第一参数，包括：

采用GBDT算法对所述用户的行业化特征及所述第一类目组所含服务信息的特征进行特征提取；

采用LR算法为提取出的各特征确定对应的特征权重，并基于所述特征权重计算所述第一类目组的评分；

将所述评分作为所述第一类目组的第一参数。

4.根据权利要求1所述的方法，其特征在于，根据所述各类目组的第一参数及所述各类目组的第二参数，确定所述各类目组的排序顺序，包括：

根据所述各类目组的第一参数及所述各类目组的第二参数，计算各类目组对应的排序数值；

比较所述各类目组的排序数值；

按照比较结果，确定所述各类目组的排序顺序。

5.根据权利要求4所述的方法，其特征在于，根据所述多个类目组中第一类目组的第一参数及所述第一类目组的第二参数，计算第一类目组对应的排序数值，包括：

计算所述第一类目组的第一参数和所述第一类目组的第二参数的加权和，得到所述排序数值；或者

计算所述第一参数的第一指数次方得到第一数值，计算所述第二参数的第二指数次方得到第二数值，根据所述第一数值和所述第二数值得到所述排序数值。

6.根据权利要求1至5中任一项所述的方法，其特征在于，还包括：

获取用户的行为数据；

根据所述行为数据，构建所述用户的常规特征；

对所述行为数据进行行业化分析，并基于分析结果构建所述用户的行业化特征。

7.根据权利要求1至5中任一项所述的方法，其特征在于，基于用户的行业化特征，确定多个类目，包括：

基于用户的行业化特征，确定用户的类目划分偏好；

根据所述用户的类目划分偏好，确定所述多个类目。

8.根据权利要求1至5中任一项所述的方法，其特征在于，还包括：

根据所述用户的常规特征及选品规则，从供选择的服务信息中选出为所述用户推荐的符合所述选品规则的所述多个服务信息。

9.一种信息推荐方法，其特征在于，包括：

接收到客户端发送的信息获取请求后，获取所述客户端对应用户的行业化特征及常规特征；其中，所述行业化特征可基于用户的行为数据得到，所述用户的常规特征为用户特征；

获取为所述用户推荐的多个服务信息；

基于用户的行业化特征，确定多个类目；

按照所述多个类目对所述多个服务信息进行聚类操作，得到多个类目组；

根据所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第一参数；

根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第二参数；

根据所述各类目组的第一参数及所述各类目组的第二参数，确定所述各类目组的排序顺序；

将所述多个类目组反馈至所述客户端，以由所述客户端按照所述排序顺序展示所述多个类目组；

其中，确定所述多个类目组中第一类目组的第二参数，包括：

根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，计算各服务信息的排序分；

获取所述第一类目组所含服务信息的排序分；

基于所述第一类目组中所有服务信息的排序分，计算所述第一类目组的第二参数。

10.一种信息推荐系统，其特征在于，包括：

服务端，用于接收到客户端发送的信息获取请求后，获取所述客户端对应用户的行业化特征及常规特征；其中，所述行业化特征可基于用户的行为数据得到，所述用户的常规特征为用户特征；获取为所述用户推荐的多个服务信息；基于用户的行业化特征，确定多个类目；按照所述多个类目对所述多个服务信息进行聚类操作，得到多个类目组；根据所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第一参数；根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第二参数；根据所述各类目组的第一参数及所述各类目组的第二参数，确定所述各类目组的排序顺序；将所述多个类目组反馈至所述客户端；

所述客户端，用于按照所述排序顺序展示所述多个类目组；

其中，所述服务端在确定所述多个类目组中第一类目组的第二参数时，具体用于：根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，计算各服务信息的排序分；获取所述第一类目组所含服务信息的排序分；基于所述第一类目组中所有服务信息的排序分，计算所述第一类目组的第二参数。

11.一种排序装置，其特征在于，包括：

确定模块，用于基于用户的行业化特征，确定多个类目；其中，所述行业化特征可基于用户的行为数据得到；

聚类模块，用于按照所述多个类目对多个服务信息进行聚类操作，得到多个类目组；

排序模块，用于根据所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第一参数；根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第二参数；其中，所述用户的常规特征为用户特征；根据所述各类目组的第一参数及所述各类目组的第二参数，确定所述各类目组的排序顺序；

其中，所述排序模块在确定所述多个类目组中第一类目组的第二参数时，用于：

根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，计算各服务信息的排序分；获取所述第一类目组所含服务信息的排序分；基于所述第一类目组中所有服务信息的排序分，计算所述第一类目组的第二参数。

12.一种信息推荐装置，其特征在于，包括：

获取模块，用于接收到客户端发送的信息获取请求后，获取所述客户端对应用户的行业化特征及常规特征；其中，所述行业化特征可基于用户的行为数据得到，所述用户的常规特征为用户特征；

确定模块，用于获取为所述用户推荐的多个服务信息；基于用户的行业化特征，确定多个类目；按照所述多个类目对所述多个服务信息进行聚类操作，得到多个类目组；根据所述用户的行业化特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第一参数；根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，确定各类目组的第二参数；根据所述各类目组的第一参数及所述各类目组的第二参数，确定所述各类目组的排序顺序；

反馈模块，用于将所述多个类目组反馈至所述客户端，以由所述客户端按照所述排序顺序展示所述多个类目组；

其中，所述确定模块在确定所述多个类目组中第一类目组的第二参数时，用于：根据所述用户的常规特征及所述多个服务信息中各服务信息的服务特征，计算各服务信息的排序分；获取所述第一类目组所含服务信息的排序分；基于所述第一类目组中所有服务信息的排序分，计算所述第一类目组的第二参数。

Images