CN111275493B - 榜单数据的处理方法、装置、服务器和非易失性存储介质 - Google Patents
榜单数据的处理方法、装置、服务器和非易失性存储介质 Download PDFInfo
- Publication number
- CN111275493B CN111275493B CN202010085216.8A CN202010085216A CN111275493B CN 111275493 B CN111275493 B CN 111275493B CN 202010085216 A CN202010085216 A CN 202010085216A CN 111275493 B CN111275493 B CN 111275493B
- Authority
- CN
- China
- Prior art keywords
- list
- target user
- processor
- characteristic data
- data
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims description 9
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 230000010365 information processing Effects 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 description 6
- 235000021110 pickles Nutrition 0.000 description 5
- 101100261000 Caenorhabditis elegans top-3 gene Proteins 0.000 description 4
- 235000008429 bread Nutrition 0.000 description 4
- 235000021186 dishes Nutrition 0.000 description 4
- 235000015220 hamburgers Nutrition 0.000 description 4
- 241000238017 Astacoidea Species 0.000 description 2
- 241001122767 Theaceae Species 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例涉及信息处理技术领域,公开了一种榜单数据的处理方法、装置、服务器和存储介质。上述方法包括:接收来自客户端的榜单查看指令;通过处理器解析所述榜单查看指令,确定榜单查看指令对应的目标用户;通过处理器自动获取所述目标用户的第一特征数据;通过处理器自动获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据;根据第一特征数据和第二特征数据,通过处理器确定目标用户对第二特征数据对应的对象的下单率;根据目标用户对第二特征数据对应的对象的下单率,通过处理器自动确定与目标用户对应的待推送榜单;将待推送榜单的榜单数据传输到客户端,有利于保证向用户推送的榜单内的对象与用户的关联度较高。
Description
技术领域
本发明涉及信息处理技术领域,特别涉及一种榜单数据的处理方法、装置、服务器和非易失性存储介质。
背景技术
目前,在外卖平台中,为了满足用户对产品的新鲜感和品质的需求,通常会通过平台上的历史流量数据生成具有权威性的榜单,不同榜单具有不同的主题,如川菜、湘菜、广东菜、简餐、汉堡面包、小龙虾、奶茶果汁等主题。平台通常会向用户推荐相关主题的榜单,以帮助用户发现新鲜、好品质产品。
然而,发明人发现相关技术中至少存在如下技术问题:榜单推荐基本上都基于用户对榜单的主题的偏好来推荐,即使用户认可所推荐的榜单的主题,也难以保证榜单内的产品会得到用户的认可,即向用户推荐的榜单内的产品与用户的关联度低。
发明内容
本发明实施方式的目的在于提供一种榜单数据的处理方法、装置、服务器和非易失性存储介质,有利于保证向用户推送的榜单内的对象与用户的关联度较高。
为解决上述技术问题,本发明的实施方式提供了一种榜单数据的处理方法,包括:接收来自客户端的榜单查看指令;通过处理器解析所述榜单查看指令,确定所述榜单查看指令对应的目标用户;通过处理器自动获取所述目标用户的第一特征数据;通过处理器自动获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据;根据所述第一特征数据和所述第二特征数据,通过处理器确定所述目标用户对所述第二特征数据对应的对象的下单率;根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单;将所述待推送榜单的榜单数据传输到所述客户端。
本发明的实施方式还提供了一种榜单推送装置,包括:接收模块,接收来自客户端的榜单查看指令;确定模块,解析所述榜单查看指令,第一确定所述榜单查看指令对应的目标用户;第一获取模块,获取所述目标用户的第一特征数据;第二获取模块,获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据;第二确定模块,根据所述第一特征数据和所述第二特征数据,确定所述目标用户对所述第二特征数据对应的对象的下单率;第三确定模块,根据所述目标用户对所述第二特征数据对应的对象的下单率,确定与所述目标用户对应的待推送榜单;传输模块,将所述待推送榜单的榜单数据传输到所述客户端。
本发明的实施方式还提供了一种电子设备,包括存储器和处理器,存储器存储计算机程序,处理器运行程序时执行:接收来自客户端的榜单查看指令;解析所述榜单查看指令,确定所述榜单查看指令对应的目标用户;获取所述目标用户的第一特征数据;获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据;根据所述第一特征数据和所述第二特征数据,确定所述目标用户对所述第二特征数据对应的对象的下单率;根据所述目标用户对所述第二特征数据对应的对象的下单率,确定与所述目标用户对应的待推送榜单;将所述待推送榜单的榜单数据传输到所述客户端。
本发明的实施方式还提供了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如上所述的榜单数据的处理方法。
本发明实施方式相对于现有技术而言,主要区别及其效果在于:处理器自动获取目标用户的第一特征数据和预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据,根据第一特征数据和第二特征数据,确定目标用户对第二特征数据对应的对象的下单率,从而根据目标用户对第二特征数据对应的对象的下单率确定与目标用户对应的待推送榜单,将待推送榜单推送至目标用户对应的客户端。其中,第一特征数据有利于反映目标用户的实际偏好,第二特征数据有利于反映各个榜单中的对象的实质特点。结合目标用户的实际偏好以及各个榜单中的对象的实质特点,有利于准确的确定目标用户对第二特征数据对应的对象的下单率,该下单率的高低可以很好的反映目标用户与不同对象的关联度。因此,基于目标用户对第二特征数据对应的对象的下单率,确定的与目标用户对应的待推送榜单,有利于保证向目标用户推送的榜单内的对象与目标用户的关联度较高。即在保证目标用户对推送的榜单的主题满意的同时,对于推送的榜单内的对象也比较认可。
另外,所述榜单集合中的各所述榜单对应有位置区域;所述通过处理器自动获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据,包括:通过处理器跟踪记录所述目标用户的位置区域;在所述榜单集合中,通过处理器自动将与所述目标用户的位置区域对应的榜单确定为区域榜单;其中,确定的所述区域榜单的数量为多个;通过处理器自动获取各所述区域榜单内的对象的第二特征数据。也就是说,不同的位置区域对应有各自的榜单,从目标用户的位置区域对应的区域榜单中确定针对目标用户的待推送榜单,即目标用户在哪个区域,就向目标用户推荐哪个区域的榜单,更易符合目标用户的实际需求,进一步提高向目标用户推送的榜单内的对象与用户的关联度。
另外,根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动计算得到所述目标用户对各所述区域榜单的接受度数值;根据所述目标用户对各所述区域榜单的接受度数值,通过处理器自动确定与所述目标用户对应的待推送榜单。也就是说,根据目标用户对各区域榜单的接受度数值,确定待推送榜单,在一定程度上有利于保证目标用户对推送的榜单的接受度较高。
另外,所述通过处理器自动获取各所述区域榜单内的对象的第二特征数据,具体为:通过处理器自动确定各所述区域榜单内前N个对象,并获取各所述区域榜单内前N个对象的第二特征数据;其中,所述N为预设的自然数;所述根据所述第一特征数据和所述第二特征数据,通过处理器自动确定所述目标用户对所述第二特征数据对应的对象的下单率,具体为:根据所述第一特征数据和各所述区域榜单内前N个对象的第二特征数据,通过处理器自动预估所述目标用户对各所述区域榜单内前N个对象的下单率;所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动计算得到所述目标用户对各所述区域榜单的接受度数值,具体为:通过处理器自动计算所述目标用户对各所述区域榜单内前N个对象的下单率之和,得到所述目标用户对各所述区域榜单的接受度数值。由于,排名前N的对象,通常普遍受欢迎程度高,预估各区域榜单内的前N个对象的下单率,有利于在考虑到榜单中的对象的受欢迎程度的同时,进一步提高获取目标用户对各区域榜单的接受度数值的速度。
另外,所述根据所述目标用户对各所述区域榜单的接受度数值,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:根据所述目标用户对各所述区域榜单的接受度数值,通过处理器自动确定候选榜单;通过处理器获取所述目标用户的第三特征数据,并获取各所述候选榜单内的对象的第四特征数据;其中,所述第三特征数据和所述第四特征数据均为实时特征数据,所述第一特征数据和所述第二特征数据均为历史特征数据;根据所述第三特征数据和所述第四特征数据,通过处理器自动计算得到所述目标用户对各所述候选榜单的接受度数值;根据所述目标用户对各所述候选榜单的接受度数值,通过处理器自动确定与所述目标用户对应的待推送榜单。其中,确定候选榜单的过程可以理解为榜单粗选的过程,确定待推送榜单的过程可理解为榜单细选的过程。即榜单粗选中的下单率预估使用历史特征数据,历史特征数据通常可以方便快速的调取,因此能够快速预估下单率,从而快速完成榜单粗选。榜单细选中下单率的预估使用实时特征数据,使得榜单细选的结果更加准确,与目标用户的个性化匹配度更高。
另外,每种主题的榜单下设置有不同维度的榜单。通过对不同主题的榜单进一步划分,有利于为用户提供多方面的选择,从多方面满足用户的需求。
附图说明
图1是根据本发明第一实施方式中的榜单数据的处理方法的流程图;
图2是根据本发明第一实施方式中的步骤S106的实现过程的流程图;
图3是根据本发明第二实施方式中的步骤S202的实现过程的流程图;
图4是根据本发明第三实施方式中的榜单推送装置的示意图;
图5是根据本发明第四实施方式提供的服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种榜单数据的处理方法,应用于服务器。下面对本实施方式的榜单数据的处理方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须。
本发明的第一实施方式的榜单数据的处理方法的流程图,可以如图1所示,包括:
步骤S101,接收来自客户端的榜单查看指令。
具体的说,客户端可以为手机、电脑等终端设备。来自客户端的榜单查看指令可以理解为:目标用户通过客户端上的点餐APP,浏览点餐页面时,点击了页面上关于榜单查看的图标,则该客户端会生成榜单查看指令发送给服务器,使得服务器接收到来自客户端的榜单查看指令。
步骤S102,通过处理器解析榜单查看指令,确定榜单查看指令对应的目标用户。
具体的说,客户端发送的榜单查看指令可以携带客户端的标识信息,该标识信息可以为表征触发该客户端发送榜单查看指令的目标用户的身份信息。比如,目标用户通过客户端上的点餐APP向服务器发送的榜单查看指令中携带目标用户关于该点餐APP的登陆账号信息。服务器在接收到来自客户端的榜单查看指令后,可以对该榜单查看指令进行解析,从而得到其携带的登陆账号信息。服务器可以根据解析得到的登陆账号信息,确定发送榜单查看指令的客户端对应的目标用户。也就是说,服务器根据接收到的榜单查看指令,可以解析得到发送该榜单查看指令的客户端对应的用户的信息。
步骤S103,通过处理器自动获取目标用户的第一特征数据。
具体的说,目标用户的第一特征数据可以包括:年龄、性别等身份特征数据,还可以包括:口味、客单价、喜好菜系等下单特征数据,还可以包括用户的位置区域。其中,身份特征数据可以为用户在注册上述点餐APP时就添加的数据,该身份特征数据可以在注册时就存储在服务器中。下单特征数据可以由处理器根据目标用户的下单记录进行分析得到,且下单特征数据可能随着时间的变化而变化。
步骤S104,通过处理器自动获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据。
其中,处理器可以抽取一系列主题构建榜单主题库即榜单集合。榜单的主题可以由不同的场景决定,比如在外卖场景下,榜单的主题可以为川菜、湘菜、广东菜、简餐、汉堡面包、小龙虾、奶茶果汁等。在服饰场景下,榜单的主题可以为:衬衫、卫衣、裤子、裙子等。每个主题的榜单下具有符合该主题的若干对象,在外卖场景下,榜单下的对象可以为符合该主题的榜单的商户。比如,在汉堡面包这一主题下的榜单中的商户均为有汉堡面包出售的商户。且榜单中的商户的排序通常根据各商户的评分高低、受欢迎程度等因素决定。处理器可以根据各商户的出售商品、评分、受欢迎程度等数据生成不同主题的榜单,这些不同主题的榜单组成如上所述的榜单集合。
在一个例子中,处理器可以每次提前一天离线预生成榜单集合,在第二天即可使用前一天预生成的榜单集合中的榜单数据。也就是说,每天对榜单集合中的榜单数据更新一次,然而,在具体实现中,对榜单集合中的榜单数据的更新频率并不以上述的1天为限。
在一个例子中,每种主题的榜单下可以设置有不同维度的榜单。如每个主题下生成热销榜、极速榜、口味榜三种维度的榜单。以川菜这一主题下的榜单为例,即可以为川菜热销榜、川菜极速榜、川菜口味榜。其中,热销榜可以理解为:按照商户的菜品销量从大到小进行排序的榜单;极速榜可以理解为:按照商户的配送时长从快到慢进行排序生成的榜单;口味榜可以理解为:按照商户的口味评分从高到低进行排序生成的榜单。
具体的说,可以通过处理器自动获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据。比如,可以通过处理器自动获取榜单集合中的各商户的特征数据,商户的特征数据可以包括:商户中的菜品口味、所属菜系、菜品平均价格、优惠力度、历史订单量等。
在一个例子中,榜单集合中的各榜单对应有位置区域,不同位置区域对应的榜单中的对象可能不同。榜单中的对象以商户为例,比如,位置区域A对应的川菜榜中的商户的地理位置均位于位置区域A内,位置区域B对应的川菜榜中的商户的地理位置均位于位置区域B内。通过处理器自动获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据,可以具体为:首先,通过处理器跟踪记录目标用户的位置区域;然后,在榜单集合中,通过处理器自动将与目标用户的位置区域对应的榜单确定为区域榜单。其中,确定的区域榜单的数量为多个,并且每个区域榜单的主题可以为目标用户感兴趣的主题,即结合用户对不同主题的偏好和用户所处的位置区域确定出区域榜单。最后,可以通过处理器自动获取各区域榜单内的对象的第二特征数据。
步骤S105,根据第一特征数据和第二特征数据,通过处理器确定目标用户对第二特征数据对应的对象的下单率。
在一个例子中,通过处理器确定目标用户对第二特征数据对应的对象的下单率的方式可以为:将目标用户的第一特征数据和获取的第二特征数据输入预先训练的预估模型,从而输出目标用户对第二特征数据对应的对象的下单率。其中,预估模型可以基于历史流量数据,通过机器学习框架XGBoost进行离线训练得到,历史流量数据可以包括大量的用户特征数据和商户特征数据。
在一个例子中,通过处理器自动获取的为:各不同主题的榜单内的对象的第二特征数据,即第二特征数据对应的对象可以为榜单集合中各不同主题的榜单内的对象。根据第一特征数据和第二特征数据,确定目标用户对第二特征数据对应的对象的下单率,可以具体为:根据第一特征数据和榜单集合中各不同主题的榜单内的对象的第二特征数据,确定目标用户对各不同主题的榜单内的对象的下单率。
在另一个例子中,通过处理器自动获取的为:上述的各区域榜单内的对象的第二特征数据,即第二特征数据对应的对象可以为各区域榜单内的对象。根据第一特征数据和第二特征数据,确定目标用户对第二特征数据对应的对象的下单率,可以具体为:根据第一特征数据和各区域榜单内的对象的第二特征数据,确定目标用户对各区域榜单内的对象的下单率。
步骤S106:根据目标用户对第二特征数据对应的对象的下单率,通过处理器自动确定与目标用户对应的待推送榜单。
在一个例子中,可以根据目标用户的第一特征数据确定目标用户的位置区域,然后根据目标用户的位置区域和目标用户对第二特征数据对应的对象的下单率,通过处理器自动确定与目标用户的位置区域对应的待推送榜单。与目标用户的位置区域对应的待推送榜单,可以理解为:该待推送榜单中的对象均位于目标用户的位置区域或与目标用户的位置区域的距离小于预设距离,其中,预设距离可以根据实际需要进行设置,本实施方式对此不做具体限定。在具体实现中,可以先根据目标用户的位置区域确定与目标用户的位置区域对应的榜单。然后,可以根据目前用户对与目标用户的位置区域对应的榜单内的对象的下单率,确定与目标用户对应的待推送榜单。
在一个例子中,通过处理器自动确定与目标用户对应的待推送榜单的实现过程的流程图可以如图2所示,包括:
步骤S201:根据目标用户对第二特征数据对应的对象的下单率,通过处理器自动计算得到目标用户对各区域榜单的接受度数值。
比如,可以将目标用户对各区域榜单内的对象的下单率之和作为目标用户对各区域榜单的接受度,也可以将目标用户对各区域榜单内的对象的下单率的平均值作为目标用户对各区域榜单的接受度。然而,本实施方式对此不做具体限定。
步骤S202:根据目标用户对各区域榜单的接受度数值,通过处理器自动确定与目标用户对应的待推送榜单。
比如,可以将接受度数值大于预设数值的区域榜单确定为待推送榜单;其中,预设数值可以根据实际需要进行设置,本实施方式对此不做具体限定。还可以将接受度数值排名前n的区域榜单,确定为待推送榜单;其中,n为预设的自然数,可以根据实际需要进行设置,本实施方式对此不做具体限定。
在一个例子中,步骤S104中可以通过处理器自动确定各区域榜单内前N个对象,并获取各区域榜单内前N个对象的第二特征数据;其中,N为预设的自然数。步骤S201中可以根据第一特征数据和各区域榜单内前N个对象的第二特征数据,通过处理器自动预估目标用户对各区域榜单内前N个对象的下单率;通过处理器自动计算目标用户对各区域榜单内前N个对象的下单率之和,并将计算的各下单率之和作为目标用户对各区域榜单的接受度数值。
步骤S107,将待推送榜单的榜单数据传输到客户端。
具体的说,服务器可以将最终确定的待推送榜单的榜单数据发送至目标用户对应的客户端,供目标用户通过客户端查看榜单。
以外卖场景为例,假设目标用户为用户1,用户1对应的客户端为手机1,榜单内的对象为商户。用户1登陆手机1上的点餐APP,浏览过程中,点击了点餐界面上的榜单查看的图标,则手机1生成榜单查看指令,发送至服务器。服务器在接收到榜单查看指令后,对该指令进行解析,确定该指令对应的用户为用户1。随后,服务器根据用户1的位置区域,在榜单集合中确定与用户1的位置区域对应的且为用户1感兴趣的主题的区域榜单。然后,服务器获取每个区域榜单对应的Top 5商户列表,基于预先训练的下单率预估模型预测用户1对每个区域榜单对应的Top5商户的下单率。接着,对每个区域榜单对应的Top5商户的下单率求和作为每个区域榜单的接受度。最后,可以在下单率最高的Top3区域榜单中选择一个推送至手机1。
与现有技术相比,本实施方式中,处理器自动获取目标用户的第一特征数据和预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据,根据第一特征数据和第二特征数据,确定目标用户对第二特征数据对应的对象的下单率,从而根据目标用户对第二特征数据对应的对象的下单率确定与目标用户对应的待推送榜单,将待推送榜单推送至目标用户对应的客户端。其中,第一特征数据有利于反映目标用户的实际偏好,第二特征数据有利于反映各个榜单中的对象的实质特点。结合目标用户的实际偏好以及各个榜单中的对象的实质特点,有利于准确的确定目标用户对第二特征数据对应的对象的下单率,该下单率的高低可以很好的反映目标用户与不同对象的关联度。因此,基于目标用户对第二特征数据对应的对象的下单率,确定的与目标用户对应的待推送榜单,有利于保证向目标用户推送的榜单内的对象与目标用户的关联度较高。即在保证目标用户对推送的榜单的主题满意的同时,对于推送的榜单内的对象也比较认可。
本发明的第二实施方式涉及一种榜单推动方法,本实施方式主要对第一实施方式中的步骤S202的另一种实现过程进行举例说明,可以参考图3:
步骤S301,根据目标用户对各区域榜单的接受度数值,通过处理器自动确定候选榜单。
具体的说,处理器可以按照目标用户对各区域榜单的接受度数值的从高到低对各区域榜单进行排序,选择其中排名前m个区域榜单作为候选榜单。其中m为预设的自然数,并可以根据实际需要进行设置,本实施方式对此不做具体限定。处理器还可以筛选出接受度数值大于预设阈值的区域榜单作为候选榜单;其中,预设阈值可以根据实际需要进行设置,本实施方式对此不做具体限定。
步骤S302,通过处理器获取目标用户的第三特征数据,并获取各候选榜单内的对象的第四特征数据。
其中,第三特征数据和第四特征数据均为实时特征数据,上述的第一特征数据和第二特征数据可以均为历史特征数据。
具体的说,本步骤中处理器可以请求实时召回模块,实时召回模块可以为服务器中用于获取实时数据的模块。处理器通过请求实时召回模块,获取目标用户的第三特征数据,并获取各候选榜单内的对象的第四特征数据。
步骤S303,根据第三特征数据和第四特征数据,通过处理器自动计算得到目标用户对各候选榜单的接受度数值。
具体的说,可以先根据第四特征数据确定各候选榜单内的对象是否为有效对象。比如,榜单内的对象以商户为例,有效的商户可以理解为:当前时刻该商户处于营业状态且有售卖的产品存在。然后,处理器可以在各候选榜单中确定前M个有效对象,根据第三特征数据和各候选榜单中前M个有效对象的第四特征数据,通过处理器自动预估目标用户对各候选榜单内前M个有效对象的下单率;其中,所述M为预设的自然数。最后通过处理器自动计算目标用户对各候选榜单内排名前M个有效对象的下单率之和,并将计算的各下单率之和作为目标用户对各候选榜单的接受度数值。排名前M的有效对象,通常普遍受欢迎程度高,预估各候选榜单内的前M个对象的下单率,有利于在考虑到榜单中的对象的受欢迎程度的同时,进一步提高获取目标用户对各候选榜单的接受度数值的速度。
步骤S304,根据目标用户对各候选榜单的接受度数值,通过处理器自动确定与目标用户对应的待推送榜单。
具体的说,处理器可以按照目标用户对各候选榜单的接受度数值的从高到低对各候选榜单进行排序,选择排名第一的候选榜单作为待推送榜单。需要说明的是,本实施方式中,只是以将排名第一的候选榜单作为待推送榜单为例,在具体实现中并以此为限。
可以理解的是,本实施方式中处理器在各区域榜单中自动确定候选榜单的过程中,所利用的数据可以均为历史特征数据,此过程可以理解为榜单粗选的过程。处理器在各候选榜单中自动确定待推送榜单的过程中,所利用的数据可以均为实时特征数据,此过程可以理解为榜单细选的过程。榜单粗选的过程采用历史特征数据有利于提高榜单粗选的速度。榜单细选的过程采用实时特征数据有利于提高选择出的待推送榜单与目标用户的关联度。
同样以外卖场景为例,假设目标用户为用户1,用户1对应的客户端为手机1,榜单内的对象为商户。用户1登陆手机1上的点餐APP,浏览过程中,点击了点餐界面上的榜单查看的图标,则手机1生成榜单查看指令,发送至服务器。服务器在接收到榜单查看指令后,对该指令进行解析,确定该指令对应的用户为用户1。随后,服务器根据用户1的位置区域,在榜单集合中确定与用户1的位置区域对应的且为用户1感兴趣的主题的区域榜单。
然后,进行榜单粗选的流程:服务器获取每个区域榜单对应的Top 5商户列表。接着,基于预先训练的下单率预估模型、用户1的历史特征数据、每个区域榜单对应的Top 5商户的历史特征数据,预测用户1对每个区域榜单对应的Top5商户的下单率。其次,对每个区域榜单对应的Top5商户的下单率求和作为每个区域榜单的接受度数值。最后,选择接受度数值最高的Top3榜单作为候选榜单。至此,完成榜单粗选的流程。
接着,进行榜单细选的流程:先根据榜单粗选最终选出的Top3榜单(候选榜单),请求实时召回模块,验证该Top3榜单内商户列表的有效性,并返回每个候选榜单的Top5商户列表。再基于预先训练的下单率预估模型、用户1的实时特征数据、每个候选榜单的Top5商户的实时特征数据,再次分别预测用户1对每个候选榜单的Top5商户的下单率,并求和每个候选榜单的Top5商户的下单率,作为每个候选榜单的接受度数值。最后,基于该接受度数值的大小确定展示给用户的待推送榜单,比如,将接受度数值最大的榜单确定为展示给用户的待推送榜单。至此,完成榜单细选的流程,得到最终要展示给用户1的待推送榜单。
最后,服务器将确定的待推送榜单推送至用户1所使用的手机1。
与现有技术相比,本实施方式中确定候选榜单的过程可以理解为榜单粗选的过程,确定待推送榜单的过程可理解为榜单细选的过程。即榜单粗选中的下单率预估使用历史特征数据,历史特征数据通常可以方便快速的调取,因此能够快速预估下单率,从而快速完成榜单粗选。榜单细选中下单率的预估使用实时特征数据,使得榜单细选的结果更加准确,与目标用户的个性化匹配度更高。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明的第三实施方式涉及一种榜单数据的处理装置,如图4所示,该装置包括:接收模块401,接收来自客户端的榜单查看指令;第一确定模块402,通过处理器解析所述榜单查看指令,确定所述榜单查看指令对应的目标用户;第一获取模块403,获取所述目标用户的第一特征数据;第二获取模块404,获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据;第二确定模块405,根据所述第一特征数据和所述第二特征数据,确定所述目标用户对所述第二特征数据对应的对象的下单率;第三确定模块406,根据所述目标用户对所述第二特征数据对应的对象的下单率,确定与所述目标用户对应的待推送榜单;传输模块407,将所述待推送榜单的榜单数据传输到所述客户端。
在一个例子中,第三确定模块406根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:根据所述目标用户的第一特征数据确定所述目标用户的位置区域;根据所述目标用户的位置区域和所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户的位置区域对应的待推送榜单。
在一个例子中,所述榜单集合中的各所述榜单对应有位置区域;第二获取模块404获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据,包括:跟踪记录所述目标用户的位置区域;在所述榜单集合中,将与所述目标用户的位置区域对应的榜单确定为区域榜单;其中,确定的所述区域榜单的数量为多个;获取各所述区域榜单内的对象的第二特征数据。
在一个例子中,第三确定模块406根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:根据所述目标用户对所述第二特征数据对应的对象的下单率,计算得到所述目标用户对各所述区域榜单的接受度数值;根据所述目标用户对各所述区域榜单的接受度数值,确定与所述目标用户对应的待推送榜单。
在一个例子中,第二获取模块404获取各所述区域榜单内的对象的第二特征数据,具体为:确定各所述区域榜单内前N个对象,并获取各所述区域榜单内前N个对象的第二特征数据;其中,所述N为预设的自然数;第二确定模块405根据所述第一特征数据和所述第二特征数据,确定所述目标用户对所述第二特征数据对应的对象的下单率,具体为:根据所述第一特征数据和各所述区域榜单内前N个对象的第二特征数据,预估所述目标用户对各所述区域榜单内前N个对象的下单率;第三确定模块406根据所述目标用户对所述第二特征数据对应的对象的下单率,计算得到所述目标用户对各所述区域榜单的接受度数值,具体为:计算所述目标用户对各所述区域榜单内前N个对象的下单率之和,得到所述目标用户对各所述区域榜单的接受度数值。
在一个例子中,第三确定模块406根据所述目标用户对各所述区域榜单的接受度数值,确定与所述目标用户对应的待推送榜单,包括:根据所述目标用户对各所述区域榜单的接受度数值,确定候选榜单;获取所述目标用户的第三特征数据,并获取各所述候选榜单内的对象的第四特征数据;其中,所述第三特征数据和所述第四特征数据均为实时特征数据,所述第一特征数据和所述第二特征数据均为历史特征数据;根据所述第三特征数据和所述第四特征数据,计算得到所述目标用户对各所述候选榜单的接受度数值;根据所述目标用户对各所述候选榜单的接受度数值,自动确定与所述目标用户对应的待推送榜单。
在一个例子中,,第三确定模块406根据所述第三特征数据和所述第四特征数据,计算得到所述目标用户对各所述候选榜单的接受度数值,包括:根据所述第三特征数据和所述第四特征数据,预估所述目标用户对各所述候选榜单内前M个有效对象的下单率;其中,所述M为预设的自然数;计算所述目标用户对各所述候选榜单内排名前M个有效对象的下单率之和,得到所述目标用户对各所述候选榜单的接受度数值。
在一个例子中,每种主题的榜单下设置有不同维度的榜单。
不难发现,本实施方式为与第一或二实施方式相对应的装置实施例,本实施方式可与第一或二实施方式互相配合实施。第一或二实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一或二实施方式中。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
本发明的第四实施方式涉及一种服务器,如图5所示,该服务器包括:至少一个处理器501;以及,与至少一个处理器501通信连接的存储器502;以及,与扫描装置通信连接的通信组件503,通信组件503在处理器501的控制下接收和发送数据;其中,存储器502存储有可被至少一个处理器501执行的指令,指令被至少一个处理器501执行以实现:接收来自客户端的榜单查看指令;解析所述榜单查看指令,确定所述榜单查看指令对应的目标用户;获取所述目标用户的第一特征数据;获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据;根据所述第一特征数据和所述第二特征数据,确定所述目标用户对所述第二特征数据对应的对象的下单率;根据所述目标用户对所述第二特征数据对应的对象的下单率,确定与所述目标用户对应的待推送榜单;将所述待推送榜单的榜单数据传输到所述客户端。
具体地,服务器包括:一个或多个处理器501以及存储器502,图5中以一个处理器501为例。处理器501、存储器502可以通过总线或者其他方式连接,图5中以通过总线连接为例。存储器502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501通过运行存储在存储器502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,即实现上述榜单数据的处理方法。
存储器502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502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。在一些实施方式中,存储器502可选包括相对于处理器501远程设置的存储器502,这些远程存储器502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502中,当被一个或者多个处理器501执行时,执行上述任意方法实施方式中的榜单数据的处理方法。
上述产品可执行本申请实施方式所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施方式中详尽描述的技术细节,可参见本申请实施方式所提供的方法。
本发明的第五实施方式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)执行本申请各个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-Only Memory)、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。
本领域的普通技术人员可以理解,上述各实施方式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。
本申请实施例提供了A1.一种榜单数据的处理方法,包括:
接收来自客户端的榜单查看指令;
通过处理器解析所述榜单查看指令,确定所述榜单查看指令对应的目标用户;
通过处理器自动获取所述目标用户的第一特征数据;
通过处理器自动获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据;
根据所述第一特征数据和所述第二特征数据,通过处理器确定所述目标用户对所述第二特征数据对应的对象的下单率;
根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单;
将所述待推送榜单的榜单数据传输到所述客户端。
A2.根据A1所述的榜单数据的处理方法,所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户的第一特征数据确定所述目标用户的位置区域;
根据所述目标用户的位置区域和所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户的位置区域对应的待推送榜单。
A3.根据A1所述的榜单数据的处理方法,所述榜单集合中的各所述榜单对应有位置区域;
所述通过处理器自动获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据,包括:
通过处理器跟踪记录所述目标用户的位置区域;
在所述榜单集合中,通过处理器自动将与所述目标用户的位置区域对应的榜单确定为区域榜单;其中,确定的所述区域榜单的数量为多个;
通过处理器自动获取各所述区域榜单内的对象的第二特征数据。
A4.根据A3所述的榜单数据的处理方法,所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动计算得到所述目标用户对各所述区域榜单的接受度数值;
根据所述目标用户对各所述区域榜单的接受度数值,通过处理器自动确定与所述目标用户对应的待推送榜单。
A5.根据A4所述的榜单数据的处理方法,所述通过处理器自动获取各所述区域榜单内的对象的第二特征数据,具体为:
通过处理器自动确定各所述区域榜单内前N个对象,并获取各所述区域榜单内前N个对象的第二特征数据;其中,所述N为预设的自然数;
所述根据所述第一特征数据和所述第二特征数据,通过处理器自动确定所述目标用户对所述第二特征数据对应的对象的下单率,具体为:
根据所述第一特征数据和各所述区域榜单内前N个对象的第二特征数据,通过处理器自动预估所述目标用户对各所述区域榜单内前N个对象的下单率;
所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动计算得到所述目标用户对各所述区域榜单的接受度数值,具体为:
通过处理器自动计算所述目标用户对各所述区域榜单内前N个对象的下单率之和,得到所述目标用户对各所述区域榜单的接受度数值。
A6.根据A4所述的榜单数据的处理方法,所述根据所述目标用户对各所述区域榜单的接受度数值,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户对各所述区域榜单的接受度数值,通过处理器自动确定候选榜单;
通过处理器获取所述目标用户的第三特征数据,并获取各所述候选榜单内的对象的第四特征数据;其中,所述第三特征数据和所述第四特征数据均为实时特征数据,所述第一特征数据和所述第二特征数据均为历史特征数据;
根据所述第三特征数据和所述第四特征数据,通过处理器自动计算得到所述目标用户对各所述候选榜单的接受度数值;
根据所述目标用户对各所述候选榜单的接受度数值,通过处理器自动确定与所述目标用户对应的待推送榜单。
A7.根据A6所述的榜单数据的处理方法,所述根据所述第三特征数据和所述第四特征数据,通过处理器自动计算得到所述目标用户对各所述候选榜单的接受度数值,包括:
根据所述第三特征数据和所述第四特征数据,通过处理器自动预估所述目标用户对各所述候选榜单内前M个有效对象的下单率;其中,所述M为预设的自然数;
通过处理器自动计算所述目标用户对各所述候选榜单内排名前M个有效对象的下单率之和,得到所述目标用户对各所述候选榜单的接受度数值。
A8.根据A1至A7中任一项所述的榜单数据的处理方法,每种主题的榜单下设置有不同维度的榜单。
本申请实施例还提供了B1.一种榜单数据的处理装置,包括:
接收模块,接收来自客户端的榜单查看指令;
第一确定模块,解析所述榜单查看指令,确定所述榜单查看指令对应的目标用户;
第一获取模块,获取所述目标用户的第一特征数据;
第二获取模块,获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据;
第二确定模块,根据所述第一特征数据和所述第二特征数据,确定所述目标用户对所述第二特征数据对应的对象的下单率;
第三确定模块,根据所述目标用户对所述第二特征数据对应的对象的下单率,确定与所述目标用户对应的待推送榜单;
传输模块,将所述待推送榜单的榜单数据传输到所述客户端。
本申请实施例还提供了C1.一种服务器,包括存储器和处理器,存储器存储计算机程序,处理器运行程序时执行:
接收来自客户端的榜单查看指令;
解析所述榜单查看指令,确定所述榜单查看指令对应的目标用户;
获取所述目标用户的第一特征数据;
获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据;
根据所述第一特征数据和所述第二特征数据,确定所述目标用户对所述第二特征数据对应的对象的下单率;
根据所述目标用户对所述第二特征数据对应的对象的下单率,确定与所述目标用户对应的待推送榜单;
将所述待推送榜单的榜单数据传输到所述客户端。
C2.根据C1所述的服务器,所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户的第一特征数据确定所述目标用户的位置区域;
根据所述目标用户的位置区域和所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户的位置区域对应的待推送榜单。
C3.根据C1所述的服务器,所述榜单集合中的各所述榜单对应有位置区域;
所述获取预生成的榜单集合中各不同主题的榜单内的对象的第二特征数据,包括:
跟踪记录所述目标用户的位置区域;
在所述榜单集合中,将与所述目标用户的位置区域对应的榜单确定为区域榜单;其中,确定的所述区域榜单的数量为多个;
获取各所述区域榜单内的对象的第二特征数据。
C4.根据C3所述的服务器,所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户对所述第二特征数据对应的对象的下单率,计算得到所述目标用户对各所述区域榜单的接受度数值;
根据所述目标用户对各所述区域榜单的接受度数值,确定与所述目标用户对应的待推送榜单。
C5.根据C4所述的服务器,所述获取各所述区域榜单内的对象的第二特征数据,具体为:
确定各所述区域榜单内前N个对象,并获取各所述区域榜单内前N个对象的第二特征数据;其中,所述N为预设的自然数;
所述根据所述第一特征数据和所述第二特征数据,通过处理器自动确定所述目标用户对所述第二特征数据对应的对象的下单率,具体为:
根据所述第一特征数据和各所述区域榜单内前N个对象的第二特征数据,预估所述目标用户对各所述区域榜单内前N个对象的下单率;
所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动计算得到所述目标用户对各所述区域榜单的接受度数值,具体为:
计算所述目标用户对各所述区域榜单内前N个对象的下单率之和,得到所述目标用户对各所述区域榜单的接受度数值。
C6.根据C4所述的服务器,所述根据所述目标用户对各所述区域榜单的接受度数值,确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户对各所述区域榜单的接受度数值,确定候选榜单;
获取所述目标用户的第三特征数据,并获取各所述候选榜单内的对象的第四特征数据;其中,所述第三特征数据和所述第四特征数据均为实时特征数据,所述第一特征数据和所述第二特征数据均为历史特征数据;
根据所述第三特征数据和所述第四特征数据,计算得到所述目标用户对各所述候选榜单的接受度数值;
根据所述目标用户对各所述候选榜单的接受度数值,确定与所述目标用户对应的待推送榜单。
C7.根据C6所述的服务器,所述根据所述第三特征数据和所述第四特征数据,计算得到所述目标用户对各所述候选榜单的接受度数值,包括:
根据所述第三特征数据和所述第四特征数据,预估所述目标用户对各所述候选榜单内前M个有效对象的下单率;其中,所述M为预设的自然数;
计算所述目标用户对各所述候选榜单内排名前M个有效对象的下单率之和,得到所述目标用户对各所述候选榜单的接受度数值。
C8.根据C1至C7中任一项所述的服务器,每种主题的榜单下设置有不同维度的榜单。
本申请实施例还提供了D1.一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如A1至A8中任一项所述的榜单数据的处理方法。
Claims (18)
1.一种榜单数据的处理方法,其特征在于,包括:
接收来自客户端的榜单查看指令;
通过处理器解析所述榜单查看指令,确定所述榜单查看指令对应的目标用户;
通过处理器自动获取所述目标用户的第一特征数据;
在预生成的包含各不同主题的榜单的榜单集合中,通过处理器自动将与所述目标用户的位置区域对应的榜单确定为区域榜单;所述榜单集合中的各所述榜单对应有位置区域,所述处理器跟踪记录所述目标用户的位置区域;
通过处理器自动确定各所述区域榜单内前N个对象,并获取各所述区域榜单内前N个对象的第二特征数据;其中,所述N为预设的自然数;
根据所述第一特征数据和所述第二特征数据,通过处理器确定所述目标用户对所述第二特征数据对应的对象的下单率;
根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单;
将所述待推送榜单的榜单数据传输到所述客户端。
2.根据权利要求1所述的榜单数据的处理方法,其特征在于,所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户的第一特征数据确定所述目标用户的位置区域;
根据所述目标用户的位置区域和所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户的位置区域对应的待推送榜单。
3.根据权利要求1所述的榜单数据的处理方法,其特征在于,确定的所述区域榜单的数量为多个。
4.根据权利要求3所述的榜单数据的处理方法,其特征在于,所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动计算得到所述目标用户对各所述区域榜单的接受度数值;
根据所述目标用户对各所述区域榜单的接受度数值,通过处理器自动确定与所述目标用户对应的待推送榜单。
5.根据权利要求4所述的榜单数据的处理方法,其特征在于,
所述根据所述第一特征数据和所述第二特征数据,通过处理器自动确定所述目标用户对所述第二特征数据对应的对象的下单率,具体为:
根据所述第一特征数据和各所述区域榜单内前N个对象的第二特征数据,通过处理器自动预估所述目标用户对各所述区域榜单内前N个对象的下单率;
所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动计算得到所述目标用户对各所述区域榜单的接受度数值,具体为:
通过处理器自动计算所述目标用户对各所述区域榜单内前N个对象的下单率之和,得到所述目标用户对各所述区域榜单的接受度数值。
6.根据权利要求4所述的榜单数据的处理方法,其特征在于,所述根据所述目标用户对各所述区域榜单的接受度数值,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户对各所述区域榜单的接受度数值,通过处理器自动确定候选榜单;
通过处理器获取所述目标用户的第三特征数据,并获取各所述候选榜单内的对象的第四特征数据;其中,所述第三特征数据和所述第四特征数据均为实时特征数据,所述第一特征数据和所述第二特征数据均为历史特征数据;
根据所述第三特征数据和所述第四特征数据,通过处理器自动计算得到所述目标用户对各所述候选榜单的接受度数值;
根据所述目标用户对各所述候选榜单的接受度数值,通过处理器自动确定与所述目标用户对应的待推送榜单。
7.根据权利要求6所述的榜单数据的处理方法,其特征在于,所述根据所述第三特征数据和所述第四特征数据,通过处理器自动计算得到所述目标用户对各所述候选榜单的接受度数值,包括:
根据所述第三特征数据和所述第四特征数据,通过处理器自动预估所述目标用户对各所述候选榜单内前M个有效对象的下单率;其中,所述M为预设的自然数;
通过处理器自动计算所述目标用户对各所述候选榜单内排名前M个有效对象的下单率之和,得到所述目标用户对各所述候选榜单的接受度数值。
8.根据权利要求1至7中任一项所述的榜单数据的处理方法,其特征在于,每种主题的榜单下设置有不同维度的榜单。
9.一种榜单数据的处理装置,其特征在于,包括:
接收模块,接收来自客户端的榜单查看指令;
第一确定模块,解析所述榜单查看指令,确定所述榜单查看指令对应的目标用户;
第一获取模块,获取所述目标用户的第一特征数据;
第二确定模块,根据预生成的包含各不同主题的榜单的榜单集合,将与所述目标用户的位置区域对应的榜单确定为区域榜单,并确定各所述区域榜单内前N个对象;所述榜单集合中的各所述榜单对应有位置区域,处理器跟踪记录所述目标用户的位置区域,所述N为预设的自然数;
第二获取模块,获取各所述区域榜单内的前N个对象的第二特征数据;
第三确定模块,根据所述第一特征数据和所述第二特征数据,确定所述目标用户对所述第二特征数据对应的对象的下单率;
第四确定模块,根据所述目标用户对所述第二特征数据对应的对象的下单率,确定与所述目标用户对应的待推送榜单;
传输模块,将所述待推送榜单的榜单数据传输到所述客户端。
10.一种服务器,其特征在于,包括存储器和处理器,存储器存储计算机程序,处理器运行程序时执行:
接收来自客户端的榜单查看指令;
解析所述榜单查看指令,确定所述榜单查看指令对应的目标用户;
获取所述目标用户的第一特征数据;
获取预生成的包含不同主题的榜单集合以及所述目标用户的位置区域,将与所述目标用户的位置区域对应的榜单确定为区域榜单;
确定各所述区域榜单内前N个对象,并获取各所述区域榜单内前N个对象的第二特征数据;其中,所述N为预设的自然数;
根据所述第一特征数据和所述第二特征数据,确定所述目标用户对所述第二特征数据对应的对象的下单率;
根据所述目标用户对所述第二特征数据对应的对象的下单率,确定与所述目标用户对应的待推送榜单;
将所述待推送榜单的榜单数据传输到所述客户端。
11.根据权利要求10所述的服务器,其特征在于,所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户的第一特征数据确定所述目标用户的位置区域;
根据所述目标用户的位置区域和所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户的位置区域对应的待推送榜单。
12.根据权利要求10所述的服务器,其特征在于,确定的所述区域榜单的数量为多个。
13.根据权利要求12所述的服务器,其特征在于,所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户对所述第二特征数据对应的对象的下单率,计算得到所述目标用户对各所述区域榜单的接受度数值;
根据所述目标用户对各所述区域榜单的接受度数值,确定与所述目标用户对应的待推送榜单。
14.根据权利要求13所述的服务器,其特征在于,
所述根据所述第一特征数据和所述第二特征数据,通过处理器自动确定所述目标用户对所述第二特征数据对应的对象的下单率,具体为:
根据所述第一特征数据和各所述区域榜单内前N个对象的第二特征数据,预估所述目标用户对各所述区域榜单内前N个对象的下单率;
所述根据所述目标用户对所述第二特征数据对应的对象的下单率,通过处理器自动计算得到所述目标用户对各所述区域榜单的接受度数值,具体为:
计算所述目标用户对各所述区域榜单内前N个对象的下单率之和,得到所述目标用户对各所述区域榜单的接受度数值。
15.根据权利要求13所述的服务器,其特征在于,所述根据所述目标用户对各所述区域榜单的接受度数值,确定与所述目标用户对应的待推送榜单,包括:
根据所述目标用户对各所述区域榜单的接受度数值,确定候选榜单;
获取所述目标用户的第三特征数据,并获取各所述候选榜单内的对象的第四特征数据;其中,所述第三特征数据和所述第四特征数据均为实时特征数据,所述第一特征数据和所述第二特征数据均为历史特征数据;
根据所述第三特征数据和所述第四特征数据,计算得到所述目标用户对各所述候选榜单的接受度数值;
根据所述目标用户对各所述候选榜单的接受度数值,确定与所述目标用户对应的待推送榜单。
16.根据权利要求15所述的服务器,其特征在于,所述根据所述第三特征数据和所述第四特征数据,计算得到所述目标用户对各所述候选榜单的接受度数值,包括:
根据所述第三特征数据和所述第四特征数据,预估所述目标用户对各所述候选榜单内前M个有效对象的下单率;其中,所述M为预设的自然数;
计算所述目标用户对各所述候选榜单内排名前M个有效对象的下单率之和,得到所述目标用户对各所述候选榜单的接受度数值。
17.根据权利要求10至16中任一项所述的服务器,其特征在于,每种主题的榜单下设置有不同维度的榜单。
18.一种非易失性存储介质,其特征在于,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如权利要求1至8中任一项所述的榜单数据的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085216.8A CN111275493B (zh) | 2020-02-10 | 2020-02-10 | 榜单数据的处理方法、装置、服务器和非易失性存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010085216.8A CN111275493B (zh) | 2020-02-10 | 2020-02-10 | 榜单数据的处理方法、装置、服务器和非易失性存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275493A CN111275493A (zh) | 2020-06-12 |
CN111275493B true CN111275493B (zh) | 2023-08-22 |
Family
ID=71000389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010085216.8A Active CN111275493B (zh) | 2020-02-10 | 2020-02-10 | 榜单数据的处理方法、装置、服务器和非易失性存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275493B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765499A (zh) * | 2021-01-21 | 2021-05-07 | 腾讯科技(深圳)有限公司 | 一种排行榜处理方法、装置、设备及存储介质 |
CN115065870B (zh) * | 2022-04-26 | 2024-01-09 | 北京达佳互联信息技术有限公司 | 目标业务榜单展示方法、装置、电子设备及存储介质 |
CN118093846B (zh) * | 2024-04-26 | 2024-07-05 | 华南理工大学 | 一种基于关联建模的知识检索问答方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106469382A (zh) * | 2015-08-14 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 闲置商品对象信息处理方法及装置 |
CN106649774A (zh) * | 2016-12-27 | 2017-05-10 | 北京百度网讯科技有限公司 | 基于人工智能的对象推送方法及装置 |
CN108334575A (zh) * | 2018-01-23 | 2018-07-27 | 北京三快在线科技有限公司 | 一种推荐结果排序修正方法及装置,电子设备 |
CN108804531A (zh) * | 2018-05-02 | 2018-11-13 | 开源物联网(广州)有限公司 | 基于用户位置的推送预估系统 |
CN109214893A (zh) * | 2018-08-31 | 2019-01-15 | 深圳春沐源控股有限公司 | 商品推荐方法、推荐系统及计算机装置 |
CN109559208A (zh) * | 2019-01-04 | 2019-04-02 | 平安科技(深圳)有限公司 | 一种信息推荐方法、服务器及计算机可读介质 |
CN110413877A (zh) * | 2019-07-02 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种资源推荐方法、装置及电子设备 |
CN110689402A (zh) * | 2019-09-04 | 2020-01-14 | 北京三快在线科技有限公司 | 推荐商家的方法、装置、电子设备及可读存储介质 |
-
2020
- 2020-02-10 CN CN202010085216.8A patent/CN111275493B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106469382A (zh) * | 2015-08-14 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 闲置商品对象信息处理方法及装置 |
CN106649774A (zh) * | 2016-12-27 | 2017-05-10 | 北京百度网讯科技有限公司 | 基于人工智能的对象推送方法及装置 |
CN108334575A (zh) * | 2018-01-23 | 2018-07-27 | 北京三快在线科技有限公司 | 一种推荐结果排序修正方法及装置,电子设备 |
CN108804531A (zh) * | 2018-05-02 | 2018-11-13 | 开源物联网(广州)有限公司 | 基于用户位置的推送预估系统 |
CN109214893A (zh) * | 2018-08-31 | 2019-01-15 | 深圳春沐源控股有限公司 | 商品推荐方法、推荐系统及计算机装置 |
CN109559208A (zh) * | 2019-01-04 | 2019-04-02 | 平安科技(深圳)有限公司 | 一种信息推荐方法、服务器及计算机可读介质 |
CN110413877A (zh) * | 2019-07-02 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种资源推荐方法、装置及电子设备 |
CN110689402A (zh) * | 2019-09-04 | 2020-01-14 | 北京三快在线科技有限公司 | 推荐商家的方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111275493A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11416540B2 (en) | Methods, systems, and media for presenting recommended content based on social cues | |
CN111275493B (zh) | 榜单数据的处理方法、装置、服务器和非易失性存储介质 | |
US11669557B2 (en) | Iterative image search algorithm informed by continuous human-machine input feedback | |
CN108108821B (zh) | 模型训练方法及装置 | |
WO2020048084A1 (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
CN108897768B (zh) | 一种点餐方法及装置,电子设备 | |
CN111209482A (zh) | 一种菜谱的推送方法和装置 | |
CN107092647B (zh) | 一种提供资源组合的方法及装置 | |
CN113330475A (zh) | 信息推荐方法、装置、电子设备以及存储介质 | |
CN108711082A (zh) | 餐厅推荐方法、装置、餐饮服务器及存储介质 | |
CN110363618B (zh) | 推荐方法、装置以及设备 | |
CN110852299A (zh) | 顾客饮食习惯确定方法及装置 | |
CN107622455B (zh) | 一种基于物联网的点餐方法及物联网终端 | |
CN113625916B (zh) | 一种用于互动并具数据采集传输的娱乐装置 | |
CN116366923A (zh) | 一种视频推荐方法、装置及电子设备 | |
US11514495B2 (en) | Creating custom objects from a static list of objects and turning the custom objects into trends | |
CN109190031A (zh) | 餐厅推荐方法、电子装置及计算机可读存储介质 | |
CN113469769B (zh) | 订单处理方法及装置、存储介质、计算机设备 | |
CN113469765B (zh) | 订单信息的处理方法、装置、设备及计算机可读存储介质 | |
CN114549074A (zh) | 账号推荐方法、装置、设备、存储介质及程序产品 | |
CN112231506A (zh) | 一种基于食材识别的信息推荐方法和装置 | |
CN114265972A (zh) | 内容推荐方法和装置、存储介质及电子装置 | |
CN115757940A (zh) | 菜谱的推荐方法和装置、存储介质及电子装置 | |
CN117350738A (zh) | 一种差评预警方法和服务器 | |
CN116469523A (zh) | 一种菜谱推荐方法、装置、电子设备及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |