CN111353864B - 一种产品推荐方法、装置、服务器及存储介质 - Google Patents
一种产品推荐方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN111353864B CN111353864B CN202010246310.7A CN202010246310A CN111353864B CN 111353864 B CN111353864 B CN 111353864B CN 202010246310 A CN202010246310 A CN 202010246310A CN 111353864 B CN111353864 B CN 111353864B
- Authority
- CN
- China
- Prior art keywords
- user
- product
- recommended
- browsing
- period
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000011156 evaluation Methods 0.000 claims abstract description 256
- 230000006399 behavior Effects 0.000 claims description 200
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 8
- 230000001960 triggered effect Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013475 authorization Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000209504 Poaceae Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (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产品推荐方法、装置、服务器及存储介质。该方法包括:根据设定操作行为在上一评分周期的权重值,和所述上一评分周期内的消费产品操作数据,确定所述设定操作行为在所述上一评分周期的评分值;根据当前评分周期内的浏览产品操作数据和所述设定操作行为在所述上一评分周期的评分值,更新用户产品评价关系;根据更新后的用户产品评价关系,确定待推荐用户的推荐产品集。本发明实施例的技术方案,以提高为用户推荐喜好产品的准确性和全面性,为产品推荐提供了一种新思路。
Description
技术领域
本发明实施例涉及数据处理技术,尤其涉及一种产品推荐方法、装置、服务器及存储介质。
背景技术
随着移动互联网及大数据的发展,产品的推广逐渐从线下转移到了线上。例如,对于金融公司提供的应用程序客户端或网页平台,可供用户在该应用程序客户端或网页平台上办理业务,同时金融公司也可以通过该应用程序客户端或网页平台向用户推荐公司的各类产品。
目前,金融公司在向用户推荐产品时,通常需要收集用户对各产品的评价信息,来确定用户喜好的产品,进而向用户推荐其感兴趣的产品。但是,由于金融公司的客户和提供的产品的数量都比较多,能收集到的用户对产品的评价信息有限,尤其是新用户,其对应的产品评价信息数量更少,即可供参考的数据稀疏,从而导致确定出的推荐产品数量较少,且与用户喜好偏差较大,亟需改进。
发明内容
本发明实施例提供了一种产品推荐方法、装置、服务器及存储介质,以提高为用户推荐喜好产品的准确性和全面性,为产品推荐提供了一种新思路。
第一方面,本发明实施例提供了一种产品推荐方法,该方法包括:
根据设定操作行为在上一评分周期的权重值,和所述上一评分周期内的消费产品操作数据,确定所述设定操作行为在所述上一评分周期的评分值;
根据当前评分周期内的浏览产品操作数据和所述设定操作行为在所述上一评分周期的评分值,更新用户产品评价关系;
根据更新后的用户产品评价关系,确定待推荐用户的推荐产品集。
第二方面,本发明实施例还提供了一种产品推荐装置,该装置包括:
评分值确定模块,用于根据设定操作行为在上一评分周期的权重值,和所述上一评分周期内的消费产品操作数据,确定所述设定操作行为在所述上一评分周期的评分值;
评价关系更新模块,用于根据当前评分周期内的浏览产品操作数据和所述设定操作行为在所述上一评分周期的评分值,更新用户产品评价关系;
推荐产品确定模块,用于根据更新后的用户产品评价关系,确定待推荐用户的推荐产品集。
第三方面,本发明实施例还提供了一种产品推荐服务器,该服务器包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任意实施例所述的产品推荐方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所述的产品推荐方法。
本发明实施例提供的产品推荐方法、装置、服务器及存储介质,根据设定操作行为在上一评分周期的权重值,和上一评分周期内的消费产品操作数据,确定各设定操作行为在上一评分周期对应的评分值;根据当前评分周期内的浏览产品操作数据,和各设定操作行为在上一评分周期对应的评分值,更新用户评价关系,进而在需要向用户推荐产品时,根据最新的用户产品评价关系,为待推荐用户确定推荐产品集。本发明实施例的技术方案根据用户对产品的操作数据和各设定操作行为的评分值来为用户确定待推荐产品,由于用户对产品的操作数据相比于用户对产品的直接评价数据,数量更多,解决了推荐产品时参考数据稀疏的问题。且本发明实施例中各周期对应的设定操作行为的评分值是动态变化的,能够更准确的通过该设定操作行为表征用户对产品的喜好,所以本实施例的方法更新的用户产品评价关系更为全面和准确。进而使得根据该用户产品评价关系为用户确定的推荐产品集也更为全面和准确,为产品推荐提供了一种新思路。
附图说明
图1是本发明实施例一提供的一种产品推荐方法的流程图;
图2是本发明实施例二提供的一种产品推荐方法的流程图;
图3是本发明实施例三提供的一种产品推荐方法的流程图;
图4是本发明实施例四提供的一种产品推荐方法的流程图;
图5是本发明实施例五提供的一种产品推荐装置的结构框图;
图6是本发明实施例六提供的一种产品推荐服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种产品推荐方法的流程图,本实施例可适用于根据用户对产品的操作数据,为用户确定推荐产品的情况。该方法可以由产品推荐装置或产品推荐服务器来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于产品推荐服务器中。需要说明的是,本发明实施例不对推荐产品的领域进行限定,需要说明的是,本发明实施例的推荐产品的种类有很多,对此本发明不进行限定。例如,可以是金融产品、书籍、新闻、音乐或业务类产品等。
如图1所示,该方法具体包括如下步骤:
S101,根据设定操作行为在上一评分周期的权重值,和上一评分周期内的消费产品操作数据,确定设定操作行为在上一评分周期的评分值。
其中,本发明实施例的评分周期规定了设定操作行为评分值更新的频率,可以是根据实际场景,预先设置的更新设定操作行为评分值的周期,例如,该评分周期可以是一天、三天或一周等。设定操作行为可以是预先设定的一些用于分析用户对产品喜好的操作行为,该设定操作行为是用户出于某种需求主动做出的行为,没有受到外界额外负担(如受系统的评分调查负担)的操作行为。例如,设定操作行为可以包括但不限于:滑动(滚动)浏览产品页面的操作行为、产品页面文字选中的操作行为、产品页面截图(截屏)操作行为、产品页面信息输入的操作行为以及点击产品页面中的某一具体位置、元素或按钮的操作行为等。具体的,对于点击页面中的某一具体位置、元素或按钮的操作行为又可以包括:点击页面空白区域、“收藏”按键、“分享”按键或“购买”按键等。
本发明中,设定操作行为的权重值可以是用来衡量设定操作行为对促进消费操作所产生的贡献程度。其可以通过衡量设定操作行为出现在产品浏览周期中的所有产品消费周期的覆盖程度来确定。设定操作行为的评分值可以是通过设定操作行为,量化用户对产品喜好程度的评分值。需要说明的是,本发明实施例中设定操作行为的权重值和评分值在不同周期内是动态变化的。
消费产品操作数据可以是用户在应用程序客户端或网页平台上,针对其消费产品执行各种设定操作行为时,所产生的数据,本发明中,上一评分周期内的消费产品操作数据可以是指:在上一评分周期内,所有已消费用户在各消费产品的消费周期内,针对各消费产品产生的操作数据。类似的,产品的消费周期是指用户从打开产品介绍页面,做出一系列设定操作行为后,完成对该产品的支付流程,最终关闭产品介绍页面的整个操作周期。
可选的,在本实施例中,可以是获取上一评分周期内,系统中所有消费用户在其消费产品的消费周期内,对消费产品触发的操作数据(即消费产品操作数据),然后根据获取的该消费产品操作数据和各设定操作行为在上一评分周期的权重值,确定各设定操作行为在上一评分周期的评分值,具体的操作过程可以包括如下几个子步骤:
S1011,根据上一评分周期内的消费产品操作数据,确定设定操作行为在上一评分周期的出现次数。
可选的,本子步骤可以是分析上一评分周期内,所有的消费产品操作数据,确定各消费产品操作数据所对应的设定操作行为,从而统计出各设定操作行为在上一评分周期内出现的次数。具体的,可以是预先为不同的设定操作行为设置不同的行为标识,例如,滑动(滚动)浏览产品页面的操作行为的行为标识为A1;点击产品收藏行为的行为标识为A2;点击产品分享行为的行为标识为A3;点击产品购买行为的行为标识为A4等。对于上一评分周期内的各消费产品操作数据,分析出每个消费产品操作数据对应的设定操作行为后,就记录一次该设定操作行为的行为标识,对各消费产品操作数据都分析完成后,将每一设定操作行为的行为标识的记录总次数,作为该设定操作行为在上一评分周期的出现次数。
S1012,根据设定操作行为在上一评分周期的出现次数和设定操作行为在上一评分周期的权重值,确定设定操作行为在上一评分周期的评分值。
具体的,本子步骤可以是按照下述公式(1)-(2)来计算各设定操作行为的评分值。
其中,Ai为第i个设定操作行为的行为标识,rate(Ai)为行为标识为Ai的设定操作行为在上一评分周期的评分值,count(Ai)为行为标识为Ai的设定操作行为在上一评分周期的出现次数;为行为标识为Ai的设定操作行为在上一评分周期的权重值;S为所有设定操作行为在上一评分周期的出现次数与权重值的乘积之和;k为设定操作行为的最大标识编号,且i∈(1,k)。
需要说明的是,本操作中的设定操作行为在上一评分周期的权重值的确定方法有很多,在此本实施例不进行限定。只要保证各设定操作行为在每个周期对应的权重值是不断优化更新后的最优权重值即可。本发明后续实施例将会给出设定操作行为在上一评分周期的权重值的具体确定方法。
可选的,本发明在确定设定操作行为在上一评分周期的评分值后,可以针对每个设定操作行为,采用“行为标识-行为描述-权重值-评分值-评分周期”的数据结果记录各设定操作行为的相关信息。示例性的,具体的记录形式可以如表1所示。
表1、设定操作行为信息记录表
行为标识 | 行为描述 | 权重值 | 评分值 | 评分周期 |
A1 | 浏览产品页面 | 1 | 0.1 | 1月1日 |
A2 | 点击产品收藏 | 3 | 0.3 | 1月1日 |
A3 | 点击产品分享 | 2 | 0.2 | 1月1日 |
… | … | … | … | … |
S102,根据当前评分周期内的浏览产品操作数据和设定操作行为在上一评分周期的评分值,更新用户产品评价关系。
其中,浏览产品操作数据可以是用户在浏览产品的浏览周期内,针对其浏览产品执行各种设定操作行为时,所产生的数据。所谓浏览周期可以是指用户从打开产品介绍页面,做出一系列设定操作行为后,完成对该产品的浏览,最终关闭产品介绍页面的整个操作周期。用户产品评价关系可以是用来表征用户与其对各产品的评价信息之间的对应关系,该用户产品评价关系可以是预先构建的一个矩阵、表格或键值对组等。示例性的,当用户产品评价关系为预先构建的用户产品评价关系矩阵时,可以是预先构建矩阵其中,/>为第m个用户U对第n个产品I的评价信息。
可选的,为了增加本实施例推荐结果的丰富性,为用户交叉推荐不同类别的产品I,本实施例预先构建的用户产品评价关系中还可以标明产品类型,例如,可以是构建如下表2所示的用户产品评价关系表,该表2中包括的产品类型包括:类型X、类型J和类型L。
表2,用户产品评价关系表
对于预先构建的用户评价关系中的初始评价信息(如矩阵R或表2中的具体评价信息r)可以是初始化设置的。
需要说明的是,本发明中,无论是消费产品操作数据还是对浏览产品的消费数据,都可以是用户通过终端设备上安装的应用程序客户端或网页平台,对产品页面操作产生的数据。其中,终端设备可以是智能手机、平板电脑、产品售卖公司提供的智能柜台等。终端设备上安装的应用程序客户端或网页平台可以是产品供应商提供的。可选的,本发明获取产品操作数据(即,消费产品操作数据和浏览产品操作数据)的方法有很多,对此本实施例不进行限定。例如,若用户浏览的是网页形式的服务平台,则可以通过使用全球广域网(WorldWide Web,Web)挖掘技术(主要包括Ajax和JavaScript)完成行为数据的捕捉和采集;若用户浏览的是安卓(Android)或苹果公司的移动操作系统(IOS系统)的应用程序客户端,则可以通过使用行为采集软件开发工具包(Software Development Kit,SDK)完成行为数据的捕捉和采集;若用户使用的是智能柜台的服务系统,则根据其嵌入式系统的技术架构,采用相匹配的采集程序,(如JAVA SDK或C++SDK)完成行为数据的捕捉和采集。
在本步骤中,执行根据当前评分周期内的浏览产品操作数据和设定操作行为在上一评分周期的评分值,更新用户产品评价关系的过程可以包括:根据当前评分周期内的浏览产品操作数据和设定操作行为在上一评分周期的评分值,确定浏览产品操作数据对应的浏览用户,对其浏览产品的本次评价信息;根据浏览用户对其浏览产品的本次评价信息,更新用户产品评价关系中浏览用户对浏览产品的总评价信息。
具体的,本步骤可以是对当前评分周期内的每个浏览产品对应的浏览产品操作数据进行解析,确定出每个浏览产品操作数据对应的浏览用户(如浏览用户的账号信息等)和设定操作行为。基于前端设定脚本程序,将该浏览用户在本次产品浏览周期内,对其浏览产品触发的各设定操作行为对应的上一评分周期的评分值进行求和,得到该浏览用户对其浏览产品的本次评价信息,将本次评价信息和用户产品评价关系中记录的该用户对该产品的总评价信息进行求和,即可得到本次更新后的该用户对该浏览产品的总评价信息。
示例性的,假设前端解析得到一个产品浏览周期内,用户U3其对浏览产品I1的操作行为包括:滑动(滚动)浏览产品页面的操作行为A1,点击产品收藏行为A2,以及点击产品分享行为A3,且滑动(滚动)浏览产品页面的操作行为A1的上一评分周期的评分值为rate(A1),点击产品收藏行为A2的上一评分周期的评分值为rate(A2),点击产品分享行为A3的上一评分周期的评分值为rate(A3),用户产品评价关系中记录的用户U3对该浏览产品I1的总评价信息为则此时更新后的用户产品评价关系中,用户U3对产品I1的总评价信息/>为
需要说明的是,在当前评分周期内,当用户浏览某一产品,产生浏览产品操作数据时,就触发执行本步骤的操作。具体的,本发明按照产品浏览周期,自动分组在前端页面计算出浏览用户对其浏览产品的总评价信息后,再基于后端服务器执行用户产品评价关系的更新操作,分散了计算资源,降低了请求的频率和服务器的响应和压力。
可选的,本步骤在更新用户产品评价关系时,还可以是根据当前评分周期内的浏览产品操作数据和设定操作行为在先前所有评分周期的评分值,更新用户产品评价关系。具体的,可以是将S1012计算得到的上一评分周期内每一设定操作行为的评分值,与历史各评分周期确定的该设定操作行为的评分值进行整体分析,如取最近N年或N个评分周期该设定操作行为评分值的均值、中位值、上四分位值和最大值作为该设定操作行为在先前所有评分周期的评分值,然后再根据当前评分周期内的浏览产品操作数据和设定操作行为在先前所有评分周期的评分值,更新用户产品评价关系。例如,可以是对当前评分周期内的每个浏览产品对应的浏览产品操作数据进行解析,确定出每个浏览产品操作数据对应的浏览用户和设定操作行为。将该浏览用户在本次产品浏览周期内,对其浏览产品触发的各设定操作行为先前所有评分周期的评分值进行求和,得到该浏览用户对其浏览产品的本次评价信息,将本次评价信息和用户产品评价关系中记录的该用户对该产品的总评价信息进行求和,即可得到本次更新后的该用户对该浏览产品的总评价信息。其中N的取值越大说明数据越能显示整体评分水平,上四分位值和最大值更能体现数据的最近时间的特性。随着时间推移,评分周期的增加会不断丰富设定操作行为在各评分周期评分值得数据量,从而使得确定出的设定操作行为的评分值也会更加接近真实情况。
S103,根据更新后的用户产品评价关系,确定待推荐用户的推荐产品集。
其中,待推荐用户可以是系统中已注册登录的每个用户,还可以是没有注册登录的访客用户等,也就是说,任意进入应用程序客户端或网页平台的用户都可以作为待推荐用户。
在本发明中,可以是在检测到产品推荐事件时,触发执行本步骤的操作。其中,检测到产品推荐事件可以包括但不限于:检测到用户打开或点击进入产品供应商提供的应用程序客户端或网页平台。还可以是检测到有新上线产品需要推广;也可以是检测到用户点击进入产品推荐页面等。
可选的,在本实施例中,根据更新后的用户产品评价关系,确定待推荐用户的推荐产品集的方法有很多,对此本实施例不进行限定。可以是将用户产品评价关系中,产品评价信息的评分值排名靠前且待推荐用户没有浏览的一个或多个产品作为推荐产品集;还可以是根据用户产品评价关系,确定出待推荐用户的相似用户(其中,待推荐用户的相似用户的确定方法将在后续实施例进行介绍),将相似用户在用户产品评价关系中对应的评价值排名靠前且待推荐用户没有浏览的一个或多个产品作为推荐产品集;还可以是根据用户产品评价关系,找到用户已浏览产品中评价值排名靠前的目标产品,然后将与目标产品相似度高的一个或多个相似产品作为推荐产品集;也可以是同时结合产品的相似度和用户的相似度,为待推荐用户确定待推荐产品集,具体的确定方式将在后续实施例进行详细介绍。
本发明实施例的技术方案,根据设定操作行为在上一评分周期的权重值,和上一评分周期内的消费产品操作数据,确定各设定操作行为在上一评分周期对应的评分值;根据当前评分周期内的浏览产品操作数据,和各设定操作行为在上一评分周期对应的评分值,更新用户评价关系,进而在需要向用户推荐产品时,根据最新的用户产品评价关系,为待推荐用户确定推荐产品集。本发明实施例的技术方案根据用户对产品的操作数据和各设定操作行为的评分值来为用户确定待推荐产品,由于用户对产品的操作数据相比于用户对产品的直接评价数据,数量更多,解决了推荐产品时参考数据稀疏的问题。且本发明实施例中各周期对应的设定操作行为的评分值是动态变化的,能够不断丰富和接近真实情况,进而能够更准确的通过该设定操作行为表征用户对产品的喜好,所以本实施例的方法更新的用户产品评价关系更为全面和准确。进而使得根据该用户产品评价关系为用户确定的推荐产品集也更为全面和准确,为产品推荐提供了一种新思路。
可选的,在本发明实施例中,确定设定操作行为在上一评分周期的权重值时,可以是:根据设定操作行为在历史产品消费周期内的出现次数,和历史产品浏览周期的总次数,确定设定操作行为在上一评分周期的权重值。其中,历史产品浏览周期由历史消费产品的消费周期和历史未消费产品的浏览周期组成。具体的,本实施例中的操作行为的权重值可以通过设定操作行为出现在所有消费产品的消费周期在所有浏览周期的覆盖程度来衡量。也就是说,可以根据每一个设定操作行为在历史消费产品的消费周期内的出现次数,和历史消费产品浏览周期的总次数,按照下述公式(3)计算该设定操作行为在上一评分周期的权重值。
其中,Ai为第i个设定操作行为的行为标识,为行为标识为Ai的设定操作行为在上一评分周期的权重值;N为历史产品的浏览周期的总次数;/>为行为标识为Ai的设定操作行为在历史产品消费周期内的出现次数。
需要说明的是,上述公式(3)中log的含义是,对于用户普遍触发的设定操作行为,如滑动(滚动)浏览产品页面的操作行为和点击产品介绍页面的操作行为等,几乎在每个消费产品的浏览周期中都会触发,所以即使滑动(滚动)浏览产品页面的操作行为出现了600次,而点击产品介绍页面的操作行为只出现了300次,也不能认为滑动(滚动)浏览产品页面的操作行为的权重值是点击产品介绍页面的操作行为的一半,而是将两者作为同等重要度的设定操作行为,即两者对应的权重值相同,log函数对其进行变化,以消除这种线性增长。本发明实施例为确定设定操作行为的权重值提供了一种新思路,提高了设定操作行为在各周期确定的权重值的准确性。
实施例二
图2为本发明实施例二提供的一种产品推荐方法的流程图,本实施例在上述实施例的基础上,进行了进一步的优化,具体给出了如何根据更新后的用户产品评价关系,确定待推荐用户的推荐产品集的具体方法介绍,该方法具体包括:
S201,根据设定操作行为在上一评分周期的权重值,和上一评分周期内的消费产品操作数据,确定设定操作行为在上一评分周期的评分值。
S202,根据当前评分周期内的浏览产品操作数据和设定操作行为在上一评分周期的评分值,更新用户产品评价关系。
S203,根据更新后的用户产品评价关系,确定待推荐用户与其他用户间的用户相似系数和各可选产品间的产品相似系数。
可选的,由于待推荐用户的状态可以是登录状态,也可以是访客状态。对于登录状态的用户,其在注册账户时,填写了相关的个人属性信息,所以系统中记录有其个人属性信息(如表3示出了系统记录的各注册账户的个人属性信息)。而对于访客用户,由于其没有登录,所以系统不知道其具体的身份,也就无法确定其个人属性信息,所以在执行本步骤时若待推荐用户处于登录状态,则确定的待推荐用户与其他用户间的用户相似系数包括用户属性相似系数和用户行为相似系数;若待推荐用户处于访客状态,则确定的用户相似系数为用户行为相似系数。
表3注册账户个人属性信息记录表
用户 | 年龄 | 性别 | 学历 | 收入 | 籍贯 | 民族 | 宗教 | … |
U1 | 25 | 男 | 本科 | 20w | 北京 | 汉 | 佛教 | … |
U2 | 33 | 女 | 研究生 | 30w | 上海 | 回 | 无 | … |
… | … | … | … | … | … | … | … | … |
具体的,本步骤在确定待推荐用户与其他用户的用户属性相似系数时,可以是先根据个人属性信息中有限选项型属性(如性别、学历、籍贯、民族、宗教等),从其他用户中找到与待推荐用户属性相同的各候选用户,然后再按照公式(4),基于个人信息中数值型属性(如收入、年龄等)计算待推荐用户与各候选用户之间的欧式距离,作为待推荐用户与各候选用户之间的用户属性相似系数。对于其他用户中的非候选用户,其与待推荐用户的属性相似度较低,可以为其设置较低的用户属性相似系数,如设置为0。
其中,Du,v为待推荐用户u与候选用户v之间的属性相似度;P为用户个人属性信息中数值型属性的集合;Pu,d为待推荐用户u在P中的属性d下的属性值;Pv,d为候选用户v在P中的属性d下的属性值;Wd为属性d在计算中所占的权重值。
具体的,本步骤在确定待推荐用户与其他用户的用户行为相似系数时,可以是基于用户的协同过滤规则,根据S202更新后的用户产品评价关系,使用皮尔逊相关系数(Pearson Correlation)计算待推荐用户与各其他用户之间的行为相似系数,具体计算公式(5)如下:
其中,PC(u,v)为待推荐用户u与某一其他用户v之间的皮尔逊相关系数,即用户行为相似系数;Iu,v为同时被待推荐用户u与该其他用户v所浏览过的产品集合;Iu为被待推荐用户u所浏览过的产品集合;Iv为被该其他用户v所浏览过的产品集合;ru,i为待推荐用户u对Iu,v集合中的某一产品i的评价信息;rv,i为该其他用户v对Iu,v集合中的该产品i的评价信息;为待推荐用户u对其所浏览过的所有产品的评价信息的平均值;/>为该其他用户v对其所浏览过的所有产品的评价信息的平均值。
具体的,本步骤在确定各可选产品(可选的,产品提供商管理的所有产品都可作为可选产品)间的产品相似系数时,可以是根据S202更新后的用户产品评价关系,使用皮尔逊相关系数(Pearson Correlation),依次将产品提供商管理的每一个产品作为待推广产品,计算该待推广产品与其他产品之间的产品相似系数,具体计算公式(6)如下:
其中,PC(g,h)为待推广产品g与某一其他产品h之间的皮尔逊相关系数,即产品相似系数;Ug,h为同时浏览过待推广产品g与该其他产品h的用户集合;ru,g为用户u对待推广产品g的评价信息;ru,h为用户u对该其他产品h的评价信息;为所有用户对待推广产品g的评价信息的均值;/>为所有用户对该其他产品h的评价信息的均值;Ug为浏览过待推广产品g的用户集合;Uh为浏览该其他产品h的用户集合。
需要说明的是,本实施例中,某一用户对某一产品的评价信息,即为用户产品评价关系中记录的该用户对该产品的总评价信息。
S204,根据用户产品评价关系和用户相似系数,确定待推荐用户的初步推荐产品集。
可选的,本步骤可以是根据S203中确定出的待推荐用户与其他用户间的用户相似系数,确定待推荐用户的相似用户;根据用户产品评价关系和待推荐用户与其相似用户间的用户相似系数,确定待推荐用户所未浏览过的产品的评价信息;根据待推荐用户所未浏览过的产品的评价信息,确定待推荐用户的初步推荐产品集。
具体的,若待推荐用户处于登录状态,本步骤可以是根据待推荐用户与其他用户间的用户属性相似系数(已通过S203确定),选择相似系数大于预设阈值或相似系数排名靠前的预设个数的其他用户作为待推荐用户的相似用户;然后根据S202更新的用户产品评价关系和待推荐用户与其相似用户间的用户行为相似系数(已通过S203确定),按照下述公式(7)确定待推荐用户所未浏览过的产品的评价信息,最后将待推荐用户所未浏览过的产品中,评价信息数值大于预设阈值或评价信息数值排名靠前的预设个数的未浏览产品作为待推荐用户的初步推荐产品集。这样设置的好处是,先用不容易变化的用户属性相似系数提前过滤出大致相似的一组相似用户集,然后再根据变化较大且涉及数据量较大的用户行为相似系数进行待推荐用户未浏览产品的评价信息的计算,减少直接计算所有用户之间行为相似度的全量计算对服务器的计算消耗和存储器的读写消耗,针对用户数量比较大的平台对计算性能提升是显著的。
其中,r′u,j为待推荐用户对未浏览产品j的评价信息;为待推荐用户u对其所浏览过的所有产品的评价信息的平均值;N(u)为待推荐用户的相似用户v的集合;PCu,v为待推荐用户u和相似用户v之间的皮尔逊相关系数,即用户行为相似系数;rv,j为相似用户v对产品j的评价信息。
若待推荐用户处于首次登录状态本步骤可以是根据待推荐用户与其他用户间的用户行为属性相似系数,选择相似系数大于预设阈值或相似系数排名靠前的预设个数的其他用户作为待推荐用户的相似用户;然后根据S202更新的用户产品评价关系和待推荐用户与其相似用户间的用户行为相似系数,按照上述公式(7),将PCu,v替换为Du,v,进而确定待推荐用户所未浏览过的产品的评价信息,最后将待推荐用户所未浏览过的产品中,评价信息数值大于预设阈值或评价信息数值排名靠前的预设个数的未浏览产品作为待推荐用户的初步推荐产品集。
S205,根据用户产品评价关系和产品相似系数,确定待推广产品的推荐用户集。
可选的,本步骤可以是依次将产品提供商管理的每一个产品作为待推广产品,根据待推广产品与其他产品间的相似系数,选择产品相似系数大于预设阈值或相似系数排名靠前的预设个数的其他产品作为待推广产品的相似产品;然后根据S202更新的用户产品评价关系和所述待推广产品与其相似产品间的相似系数,按照下述公式(8)计算未浏览过该待推广产品的用户对该待推广产品的评价信息;最后根据未浏览过该待推广产品的用户对该待推广产品的评价信息,将该待推广产品的评价信息中,评价信息数值大于预设阈值或评价信息数值排名靠前的预设个数的评价信息对应的用户作为该待推广产品的推荐用户集。
其中,r′u,g为某一用户u对待推广产品g的评价信息;N(g)为待推广产品g的相似产品h的集合;PCg,h为待推广产品g和相似产品h之间的皮尔逊相关系数,即产品相似系数;ru,h为用户u对相似产品h的评价信息;为浏览过产品g的用户集合对其所以浏览产品的评价信息的平均值;/>为浏览过产品h的用户集合对其所以浏览产品的评价信息的平均值。
可选的,本实施例确定出待推广产品的推荐用户集后,可以将其作为待推广产品的营销客户名单,发送至工作人员。由工作人员依据待推广产品的营销客户名单进行主动营销,其中,发送至工作人员的营销客户名单可以包括:营销客户的详细信息表。工作人员进行主动营销时,可以是在系统后台对营销客户名单中包含的各客户推送此产品、发送介绍产品的短信并附上购买链接或联系方式、主动电话联系客户介绍产品并告知购买方式等。还可以采用其他方式进行主动营销,在此本实施例不进行限定。
S206,根据待推荐用户的初步推荐产品集和待推广产品的推荐用户集,确定待推荐用户的最终推荐产品集。
可选的,本步骤可以是对S205确定出的待推广产品的推荐用户集进行分析,判断待推荐用户是否存在于某一待推广产品的推荐用户集中,若存在,则将其存在的待推荐用户集对应的待推广产品与S204确定的待推荐用户的初步推荐产品集进行整合,得到待推荐用户的最终推荐产品集。本实施例的方案可实现,在用户浏览某一目标产品的介绍界面时,基于计算出的产品相似系数,在目标产品的介绍界面下为其推荐该目标产品的相似产品;还可以实现在用户没有浏览产品的情况下,基于用户的协同过滤,也可以给他推荐产品。
本发明实施例的方案,根据设定操作行为在上一评分周期的权重值,和上一评分周期内的消费产品操作数据,确定各设定操作行为在上一评分周期对应的评分值;再结合当前评分周期内的浏览产品操作数据,更新用户评价关系。保证了用户产品评价关系中涵盖的用户对产品的评价关系更为全面和准确。在需要向用户推荐产品时,根据当前最新的用户产品评价关系,确定用户相似系数和各可选产品间的产品相似系数,并根据用户产品评价关系、用户相似系数和产品相似系数,确定待推荐用户的初步推荐产品集和待推广产品的推荐用户集,进而确定出待推荐用户的最终推荐产品集。本发明实施例的方案在需要向待推荐用户推荐产品时,从用户产品评价关系、产品间的相似系数和用户间的相似系数多维度进行分析,极大的提高了为用户确定推荐产品集的准确性和全面性,为产品推荐提供了一种新思路。
实施例三
图3为本发明实施例三提供的一种产品推荐方法的流程图,本实施例在上述实施例的基础上,进行了进一步的优化,具体给出了如何根据当前评分周期内的浏览产品操作数据和设定操作行为在上一评分周期的评分值,更新用户产品评价关系的具体方法介绍,该方法具体包括:
S301,根据设定操作行为在上一评分周期的权重值,和上一评分周期内的消费产品操作数据,确定设定操作行为在上一评分周期的评分值。
S302,根据当前评分周期内的浏览产品操作数据和设定操作行为在上一评分周期的评分值,确定浏览产品操作数据对应的浏览用户对其浏览产品的本次评价信息。
S303,判断该浏览用户是否处于登录状态,若是,则执行S304,若否,则执行S305。
可选的,本步骤在S302确定出浏览用户对其浏览产品的本次评价信息后,需要判断该浏览用户当前是处于登录状态还是访客状态,若处于登录状态,则通过S304的方式,更新用户产品评价关系中该浏览用户对该浏览产品的总评价信息;若处于访客状态,则通过S305的方式更新用户产品评价关系中该浏览用户对该浏览产品的总评价信息。
S304,若浏览用户处于登录状态,则在用户产品评价关系中查找浏览用户的登录账户,并根据浏览用户对其浏览产品的本次评价信息,更新浏览产品在登录账户下对应的总评价信息。
具体的,若浏览用户处于登录状态,则获取该浏览用户的登录账户(如登录账号、手机号、邮箱号等),然后从用户产品评价关系中,查找该登录账户,以及该登录账户下对应的本次浏览产品已记录的总评价信息,进而将已记录的总评价信息与S302确定出的该浏览用户对本次浏览产品的本次评价信息进行求和,并将求和结果作为更新后的该登录账户下对应的本次浏览产品的总评价信息。
例如,若浏览产品操作数据对应的浏览用户处于登录状态,其登录账户为U1,S302确定出的浏览用户对浏览产品X1的评价信息为10,此时可以是将表2中U1对应X1的总评价信息在已纪录的总评价信息的基础上加10作为更新后的/>
S305,若浏览用户处于访客状态,则在用户产品评价关系中查找浏览用户的临时账户,并根据浏览用户对其浏览产品的本次评价信息,更新浏览产品在临时账户下对应的总评价信息。
其中,临时账户为浏览用户所在设备的设备标识。该设备标识可以是唯一表征该设备的串码。可选的,对于电脑来说,该设备标识可以是互联网协议(Internet Protocol,IP)地址、媒体存取控制位址(Media Access Control Address,MAC地址)和主机名;对于Android系统的移动设备来说,该设备标识可以是IP地址、国际移动设备识别码(International Mobile Equipment Identity,IMEI)、MAC地址和Android ID;对于IOS系统移动设备来说,该设备标识可以是IP地址、设备的唯一设备识别符(Unique DeviceIdentifier,UDID)、通用唯一识别码(Universally Unique Identifier,UUID)、MAC地址、Identifier For Advertising(IDFA)和identifierForVendor(IDFV)。
可选的,当浏览用户处于访客状态时,由于此时不知道该浏览用户的真实账户信息,为了防止访客状态下用户的操作数据的对应的浏览产品的评价信息丢失,本步骤可以是获取浏览用户所在设备的设备标识,将其作为该浏览用户的临时账户,并在用户产品评价关系中查找其中是否包含有该临时账户,如果有,则可以按照S304类似的方法,将用户产品评价关系中已记录的该浏览产品的总评价信息与S302确定出的浏览用户对其本次浏览产品的本次评价信息进行求和,并将求和结果作为更新后的该临时账户下对应的本次浏览产品的总评价信息。若用户产品评价关系中没有包含该临时账户,则需要先在用户产品评价关系中增加该临时账户,再按照上述介绍的方法,根据浏览用户对其浏览产品的本次评价信息,更新浏览产品在临时账户下对应的总评价信息。
可选的,本步骤在根据浏览用户对其浏览产品的本次评价信息,更新浏览产品在临时账户下对应的总评价信息之后,可以是启动检测该临时账户下对应的访客用户是否处于登录状态,在所述浏览用户处于登录状态之后,将所述浏览用户的临时账户与登录账户关联。具体的关联方式有很多,例如,可以是将临时账户和登录账户建立对应关系,后续在从用户产品评价关系中获取某一产品的评价信息时,需要访问登录账户及其关联的临时账户,将两账户对该产品的评价信息求和后作为该登录账户对应该产品最终的评价信息。还可以是将临时账户下记录的产品评价信息,转移到该临时账户对应的登录账户下,该临时账户可以从用户产品评价关系中删除,也可以暂时保留。
S306,根据更新后的用户产品评价关系,确定待推荐用户的推荐产品集。
本发明实施例的技术方案,根据设定操作行为在上一评分周期的权重值,和上一评分周期内的消费产品操作数据,确定各设定操作行为在上一评分周期对应的评分值,再结合当前评分周期内的浏览产品操作数据,确定浏览产品操作数据对应的浏览用户对其浏览产品的评价信息,若浏览用户处于登录状态,则将其对浏览产品的评价信息更新在用户产品评价关系中该浏览用户的登录账户下,若浏览用户处于访客状态,则将其对浏览产品的评价信息更新在用户产品评价关系中该浏览用户的设备标识对应的临时账户下,后续在访客用户登录后,再将其登录账户与临时账户关联,能够确保用户在访客状态下产生的对浏览产品的评价信息登录后不会丢失。在需要向用户推荐产品时,根据最新的用户产品评价关系,为待推荐用户确定推荐产品集。以提高为用户推荐喜好产品的准确性和全面性,为产品推荐提供了一种新思路。
实施例四
图4为本发明实施例四提供的一种产品推荐方法的流程图,本实施例在上述实施例的基础上,进行了进一步的优化,给出了另一种为待推荐用户确定推荐产品集的具体方法介绍。可选的,本实施例的方法尤其适用于用户产品评价关系中不存在待推荐用户时,如何为待推荐用户确定推荐产品集。
具体的,本实施例可以在需要向用户推荐产品时,先判断本次待推荐用户是否为用户产品评价关系中已有的用户,若不是,则说明用户产品评价关系中肯定不存在待推荐用户的产品评价信息,即该待推荐用户是首次访问产品供应商提供的应用程序客户端或页面平台。若是,则进一步判断该用户产品评价关系中该待推荐用户的账户(可以是登录账户也可以是临时账户)下是否有对已浏览产品的评价信息,若没有,则说明用户产品评价关系中也不存在待推荐用户的产品评价信息,即该待推荐用户是注册后首次访问应用程序客户端或页面平台。上述两种用户产品评价关系中不存在待推荐用户的产品评价信息的情况,都属于应用程序客户端或页面平台针对待推荐用户首次启动(即用户冷启动)的推荐场景。针对该场景,本实施例可以通过如下方式来为待推荐用户确定推荐产品集。该方法具体包括:
S401,根据设定操作行为在上一评分周期的权重值,和上一评分周期内的消费产品操作数据,确定设定操作行为在上一评分周期的评分值。
S402,根据当前评分周期内的浏览产品操作数据和设定操作行为在上一评分周期的评分值,更新用户产品评价关系。
S403,根据待推荐用户的属性信息和/或所在设备的设备信息,确定待推荐用户在用户产品评价关系中的相似用户。
其中,待推荐用户的属性信息,可以是待推荐用户注册账户时填入的个人属性信息,如实施例二中的表3所示。因此具有属性信息的待推荐用户为当前处于登录状态的用户。待推荐用户所在设备的设备信息可以是待推荐用户所在设备的定位信息、设备型号、操作系统版本以及获取设备安装应用的授权信息等。
可选的,本步骤在根据待推荐用户的属性信息和/或所在设备的设备信息,确定待推荐用户在用户产品评价关系中的相似用户时,可以是针对处于首次登录状态的待推荐用户(即对应用户产品评价关系中存在该待推荐用户的账户,但是不存在待推荐用户对已浏览产品的产品评价信息的场景),根据待推荐用户的属性信息,或者属性信息和所在设备的设备信息,确定待推荐用户在用户产品评价关系中的相似用户;针对处于访客状态的待推荐用户(即对应用户产品评价关系中不存在该待推荐用户的账户的场景),可以是根据其所在设备的设备信息,确定待推荐用户在用户产品评价关系中的相似用户。
具体的,本步骤根据待推荐用户的属性信息,确定待推荐用户在用户产品评价关系中的相似用户的方式可以是与上述实施例二中介绍的对于首次登录状态下的待推荐用户,通过待推荐用户的属性信息,计算待推荐用户与其他用户间的用户相似系数,进而根据用户相似系数,确定待推荐用户的相似用户的方式相同,在此本实施例不进行赘述。
本步骤根据待推荐用户所在设备的设备信息,确定待推荐用户在用户产品评价关系中的相似用户时,可以是将用户产品评价关系中与待推荐用户的设备信息(定位信息、设备型号、操作系统版本等)相同的用户作为待推荐用户的相似用户;可选的,若设备信息中包含获取设备安装应用的授权信息,则可以是将用户产品评价关系中与待推荐用户终端上安装相同应用的用户作为该待推荐用户的相似用户。
可选的,若根据待推荐用户的属性信息和待推荐用户所在设备的设备信息,确定待推荐用户在用户产品评价关系中的相似用户时,可以是先根据待推荐用户的属性信息,确定出待推荐用户的第一相似用户,根据待推荐用户所在设备的设备信息,确定出待推荐用户的第二相似用户,然后将第一相似用户和第二相似用户进行整合(如进行交集或并集处理),得到待推荐用户的最终相似用户。
S404,基于用户产品评价关系中相似用户对其浏览产品的总评价信息,确定待推荐用户的推荐产品集。
可选的,在S403确定出待推荐用户的相似用户后,可以是从用户产品评价关系中,查找到该相似用户,将该相似用户已浏览产品中总评价信息的数值高于预设阈值,或排名靠前的预设个数的已浏览产品作为待推荐用户的推荐产品集。
可选的,本实施例针对设备信息中包含获取设备安装应用的授权信息的场景,为待推荐用户确定推荐产品集时,还可以是根据设备信息中包含的获取设备安装应用的授权信息,先获取待推荐用户所在终端中已安装应用程序,然后判断已安装应用程序是否为某一待推广产品的合作方,若是,则可以将该待推广产品作为待推荐用户的推荐产品集中的产品;还可以是在已安装应用程序中进行待推广产品的检索,将检索到的待推广产品作为待推荐用户的推荐产品集中的产品;还可以是在已安装应用程序中查询是否包含与待推广产品主题或兴趣相关的应用程序,若包含,则将相关的待推广产品作为待推荐用户的推荐产品集中的产品等等。
本发明实施例的技术方案,根据设定操作行为在上一评分周期的权重值,和上一评分周期内的消费产品操作数据,确定各设定操作行为在上一评分周期对应的评分值;再结合当前评分周期内的浏览产品操作数据,更新用户评价关系。在需要向用户推荐产品时,可以基于待推荐用户的属性信息和/或所在设备的设备信息为待推荐用户确定相似用户,进而根据相似用户对其已浏览产品的总评价信息,为待推荐用户确定推荐产品集。解决了产品供应商提供的应用程序或页面平台冷启动时,无法准确向用户推荐产品的问题,实现了任何场景下都可以准确全面的向用户推荐其喜好产品,为产品推荐提供了一种新思路。
第五实施例
图5为本发明实施例五提供的一种产品推荐装置的结构框图。该装置可执行本发明上述各实施例所提供的产品推荐方法,具备执行方法相应的功能模块和有益效果。如图5所示,该装置包括:
评分值确定模块501,用于根据设定操作行为在上一评分周期的权重值,和所述上一评分周期内的消费产品操作数据,确定所述设定操作行为在所述上一评分周期的评分值;
评价关系更新模块502,用于根据当前评分周期内的浏览产品操作数据和所述设定操作行为在所述上一评分周期的评分值,更新用户产品评价关系;
推荐产品确定模块503,用于根据更新后的用户产品评价关系,确定待推荐用户的推荐产品集。
本发明实施例的技术方案,根据设定操作行为在上一评分周期的权重值,和上一评分周期内的消费产品操作数据,确定各设定操作行为在上一评分周期对应的评分值;根据当前评分周期内的浏览产品操作数据,和各设定操作行为在上一评分周期对应的评分值,更新用户评价关系,进而在需要向用户推荐产品时,根据最新的用户产品评价关系,为待推荐用户确定推荐产品集。本发明实施例的技术方案根据用户对产品的操作数据和各设定操作行为的评分值来为用户确定待推荐产品,由于用户对产品的操作数据相比于用户对产品的直接评价数据,数量更多,解决了推荐产品时参考数据稀疏的问题。且本发明实施例中各周期对应的设定操作行为的评分值是动态变化的,能够不断丰富和接近真实情况,进而能够更准确的通过该设定操作行为表征用户对产品的喜好,所以本实施例的方法更新的用户产品评价关系更为全面和准确。进而使得根据该用户产品评价关系为用户确定的推荐产品集也更为全面和准确,为产品推荐提供了一种新思路。
进一步的,上述评分值确定模块501具体用于:
根据所述上一评分周期内的消费产品操作数据,确定所述设定操作行为在所述上一评分周期的出现次数;
根据所述设定操作行为在所述上一评分周期的出现次数和所述设定操作行为在所述上一评分周期的权重值,确定所述设定操作行为在所述上一评分周期的评分值。
进一步的,上述装置还包括:
权重值确定模块,用于根据所述设定操作行为在历史产品消费周期内的出现次数,和历史产品浏览周期的总次数,确定所述设定操作行为在所述上一评分周期的权重值。
进一步的,上述评价关系更新模块502具体包括:
本次评价信息确定单元,用于根据当前评分周期内的浏览产品操作数据和所述设定操作行为在所述上一评分周期的评分值,确定所述浏览产品操作数据对应的浏览用户对其浏览产品的本次评价信息;
总评价信息更新单元,用于根据所述浏览用户对其浏览产品的本次评价信息,更新用户产品评价关系中所述浏览用户对所述浏览产品的总评价信息。
进一步的,上述总评价信息更新单元具体用于:
若所述浏览用户处于登录状态,则在所述用户产品评价关系中查找所述浏览用户的登录账户,并根据所述浏览用户对其浏览产品的本次评价信息,更新所述浏览产品在所述登录账户下对应的总评价信息;
若所述浏览用户处于访客状态,则在所述用户产品评价关系中查找所述浏览用户的临时账户,并根据所述浏览用户对其浏览产品的本次评价信息,更新所述浏览产品在所述临时账户下对应的总评价信息;其中,所述临时账户为所述浏览用户所在设备的设备标识。
进一步的,上述装置还包括:
账户关联模块,用于在所述浏览用户处于登录状态之后,将所述浏览用户的临时账户与登录账户关联。
进一步的,上述推荐产品确定模块503具体用于:
根据更新后的用户产品评价关系,确定待推荐用户与其他用户间的用户相似系数和各可选产品间的产品相似系数;
根据所述用户产品评价关系和所述用户相似系数,确定所述待推荐用户的初步推荐产品集;
根据所述用户产品评价关系和所述产品相似系数,确定待推广产品的推荐用户集;
根据所述待推荐用户的初步推荐产品集和所述待推广产品的推荐用户集,确定所述待推荐用户的最终推荐产品集。
进一步的,若所述待推荐用户处于登录状态,则所述用户相似系数包括用户属性相似系数和用户行为相似系数;若所述待推荐用户处于访客状态,则所述用户相似系数为用户行为相似系数。
进一步的,上述推荐产品确定模块503还用于:
根据所述待推荐用户的属性信息和/或所在设备的设备信息,确定所述待推荐用户在所述用户产品评价关系中的相似用户;
基于所述用户产品评价关系中所述相似用户对其浏览产品的总评价信息,确定所述待推荐用户的推荐产品集。
实施例六
图6为本发明实施例四提供的一种产品推荐服务器的结构示意图,图6示出了适于用来实现本发明实施例实施方式的示例性产品推荐服务器的框图。图6显示的产品推荐服务器仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,产品推荐服务器600以通用计算设备的形式表现。产品推荐服务器600的组件可以包括但不限于:一个或者多个处理器616,存储器628,连接不同系统组件(包括存储器628和处理器616)的总线618。
总线618表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
产品推荐服务器600典型地包括多种计算机系统可读介质。这些介质可以是任何能够被产品推荐服务器600访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器628可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)630和/或高速缓存存储器632。产品推荐服务器600可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统634可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线618相连。存储器628可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块642的程序/实用工具640,可以存储在例如存储器628中,这样的程序模块642包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块642通常执行本发明实施例所描述的实施例中的功能和/或方法。
产品推荐服务器600也可以与一个或多个外部设备614(例如键盘、指向设备、显示器624等)通信,还可与一个或者多个使得用户能与该产品推荐服务器600交互的设备通信,和/或与使得该产品推荐服务器600能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口622进行。并且,产品推荐服务器600还可以通过网络适配器620与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器620通过总线618与产品推荐服务器600的其它模块通信。应当明白,尽管图中未示出,可以结合产品推荐服务器600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器616通过运行存储在存储器628中的程序,从而执行各种功能应用以及数据处理,例如实现本发明任一实施例所提供的产品推荐方法。
实施例七
本发明实施例七还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时用于执行一种产品推荐方法,该方法包括:
根据设定操作行为在上一评分周期的权重值,和所述上一评分周期内的消费产品操作数据,确定所述设定操作行为在所述上一评分周期的评分值;
根据当前评分周期内的浏览产品操作数据和所述设定操作行为在所述上一评分周期的评分值,更新用户产品评价关系;
根据更新后的用户产品评价关系,确定待推荐用户的推荐产品集。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种产品推荐方法,其特征在于,所述方法包括:
根据设定操作行为在上一评分周期的权重值,和所述上一评分周期内的消费产品操作数据,确定所述设定操作行为在所述上一评分周期的评分值;
根据当前评分周期内的浏览产品操作数据和所述设定操作行为在所述上一评分周期的评分值,确定所述浏览产品操作数据对应的浏览用户对其浏览产品的本次评价信息;
若所述浏览用户处于登录状态,则在用户产品评价关系中查找所述浏览用户的登录账户以及所述登录账户下对应的本次浏览产品已记录的总评价信息,将所述已记录的总评价信息与所述确定出的所述浏览产品操作数据对应的浏览用户对其浏览产品的本次评价信息进行求和,并基于求和结果更新所述浏览产品在所述登录账户下对应的总评价信息;
若所述浏览用户处于访客状态,则在所述用户产品评价关系中查找是否包含所述浏览用户的临时账户,并根据所述浏览用户对其浏览产品的本次评价信息,更新所述浏览产品在所述临时账户下对应的总评价信息;其中,所述临时账户为所述浏览用户所在设备的设备标识;
在所述浏览用户处于登录状态之后,将所述浏览用户的临时账户与所述登录账户关联;其中,所述关联的方式包括:将所述临时账户与所述登录账户建立对应关系,和将所述临时账户下记录的产品评价信息,转移到所述临时账户对应的登录账户下;
根据更新后的用户产品评价关系,确定待推荐用户与其他用户间的用户相似系数和各可选产品间的产品相似系数;
根据所述用户产品评价关系和所述用户相似系数,确定所述待推荐用户的初步推荐产品集;
根据所述用户产品评价关系和所述产品相似系数,确定待推广产品的推荐用户集;
判断所述待推荐用户是否存在于所述待推广产品的推荐用户集中;若存在,则将其存在的待推荐用户集对应的待推广产品与所述待推荐用户的初步推荐产品集进行整合,得到所述待推荐用户的最终推荐产品集。
2.根据权利要求1所述的方法,其特征在于,根据设定操作行为在上一评分周期的权重值,和所述上一评分周期内的消费产品操作数据,确定所述设定操作行为在所述上一评分周期的评分值,包括:
根据所述上一评分周期内的消费产品操作数据,确定所述设定操作行为在所述上一评分周期的出现次数;
根据所述设定操作行为在所述上一评分周期的出现次数和所述设定操作行为在所述上一评分周期的权重值,确定所述设定操作行为在所述上一评分周期的评分值。
3.根据权利要求1所述的方法,其特征在于,在根据设定操作行为在上一评分周期的权重值,和所述上一评分周期内的消费产品操作数据,确定所述设定操作行为在所述上一评分周期的评分值之前,还包括:
根据所述设定操作行为在历史产品消费周期内的出现次数,和历史产品浏览周期的总次数,确定所述设定操作行为在所述上一评分周期的权重值。
4.根据权利要求1所述的方法,其特征在于,若所述待推荐用户处于登录状态,则所述用户相似系数包括用户属性相似系数和用户行为相似系数;若所述待推荐用户处于访客状态,则所述用户相似系数为用户行为相似系数。
5.根据权利要求1所述的方法,其特征在于,根据更新后的用户产品评价关系,确定待推荐用户的推荐产品集,还包括:
根据所述待推荐用户的属性信息和/或所在设备的设备信息,确定所述待推荐用户在所述用户产品评价关系中的相似用户;
基于所述用户产品评价关系中所述相似用户对其浏览产品的总评价信息,确定所述待推荐用户的推荐产品集。
6.一种产品推荐装置,其特征在于,所述装置包括:
评分值确定模块,用于根据设定操作行为在上一评分周期的权重值,和所述上一评分周期内的消费产品操作数据,确定所述设定操作行为在所述上一评分周期的评分值;
评价关系更新模块,包括:本次评价信息确定单元和总评价信息更新单元;
所述本次评价信息确定单元,用于根据当前评分周期内的浏览产品操作数据和所述设定操作行为在所述上一评分周期的评分值,确定所述浏览产品操作数据对应的浏览用户对其浏览产品的本次评价信息;
所述总评价信息更新单元,用于:
若所述浏览用户处于登录状态,则在用户产品评价关系中查找所述浏览用户的登录账户以及所述登录账户下对应的本次浏览产品已记录的总评价信息,将所述已记录的总评价信息与所述确定出的所述浏览产品操作数据对应的浏览用户对其浏览产品的本次评价信息进行求和,并基于求和结果更新所述浏览产品在所述登录账户下对应的总评价信息;
若所述浏览用户处于访客状态,则在所述用户产品评价关系中查找是否包含所述浏览用户的临时账户,并根据所述浏览用户对其浏览产品的本次评价信息,更新所述浏览产品在所述临时账户下对应的总评价信息;其中,所述临时账户为所述浏览用户所在设备的设备标识;
账户关联模块,用于在所述浏览用户处于登录状态之后,将所述浏览用户的临时账户与所述登录账户关联;其中,所述关联的方式包括:将所述临时账户与所述登录账户建立对应关系,和将所述临时账户下记录的产品评价信息,转移到所述临时账户对应的登录账户下;
推荐产品确定模块,用于:
根据更新后的用户产品评价关系,确定待推荐用户与其他用户间的用户相似系数和各可选产品间的产品相似系数;
根据所述用户产品评价关系和所述用户相似系数,确定所述待推荐用户的初步推荐产品集;
根据所述用户产品评价关系和所述产品相似系数,确定待推广产品的推荐用户集;
判断所述待推荐用户是否存在于所述待推广产品的推荐用户集中;若存在,则将其存在的待推荐用户集对应的待推广产品与所述待推荐用户的初步推荐产品集进行整合,得到所述待推荐用户的最终推荐产品集。
7.一种产品推荐服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的产品推荐方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的产品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010246310.7A CN111353864B (zh) | 2020-03-31 | 2020-03-31 | 一种产品推荐方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010246310.7A CN111353864B (zh) | 2020-03-31 | 2020-03-31 | 一种产品推荐方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111353864A CN111353864A (zh) | 2020-06-30 |
CN111353864B true CN111353864B (zh) | 2024-04-05 |
Family
ID=71197620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010246310.7A Active CN111353864B (zh) | 2020-03-31 | 2020-03-31 | 一种产品推荐方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353864B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313531B (zh) * | 2021-06-17 | 2022-11-11 | 浙江良创信息科技有限公司 | 一种基于用户需求的电商试用评价与推荐系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329683A (zh) * | 2008-07-25 | 2008-12-24 | 华为技术有限公司 | 推荐系统及方法 |
CN101968802A (zh) * | 2010-09-30 | 2011-02-09 | 百度在线网络技术(北京)有限公司 | 一种基于用户浏览行为进行互联网内容推荐的方法与设备 |
CN102760124A (zh) * | 2011-04-25 | 2012-10-31 | 阿里巴巴集团控股有限公司 | 一种推荐数据的推送方法及系统 |
CN105976229A (zh) * | 2016-05-13 | 2016-09-28 | 云南大学 | 一种基于用户和项目混合的协同过滤算法 |
CN107113466A (zh) * | 2014-06-12 | 2017-08-29 | 慧与发展有限责任合伙企业 | 向用户推荐项目 |
CN110287423A (zh) * | 2019-05-05 | 2019-09-27 | 江苏一乙生态农业科技有限公司 | 一种基于协同过滤的农场产品推荐系统及方法 |
CN110930226A (zh) * | 2019-11-26 | 2020-03-27 | 中国建设银行股份有限公司 | 一种金融产品推荐方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4240096B2 (ja) * | 2006-09-21 | 2009-03-18 | ソニー株式会社 | 情報処理装置および方法、プログラム並びに記録媒体 |
-
2020
- 2020-03-31 CN CN202010246310.7A patent/CN111353864B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329683A (zh) * | 2008-07-25 | 2008-12-24 | 华为技术有限公司 | 推荐系统及方法 |
CN101968802A (zh) * | 2010-09-30 | 2011-02-09 | 百度在线网络技术(北京)有限公司 | 一种基于用户浏览行为进行互联网内容推荐的方法与设备 |
CN102760124A (zh) * | 2011-04-25 | 2012-10-31 | 阿里巴巴集团控股有限公司 | 一种推荐数据的推送方法及系统 |
CN107113466A (zh) * | 2014-06-12 | 2017-08-29 | 慧与发展有限责任合伙企业 | 向用户推荐项目 |
CN105976229A (zh) * | 2016-05-13 | 2016-09-28 | 云南大学 | 一种基于用户和项目混合的协同过滤算法 |
CN110287423A (zh) * | 2019-05-05 | 2019-09-27 | 江苏一乙生态农业科技有限公司 | 一种基于协同过滤的农场产品推荐系统及方法 |
CN110930226A (zh) * | 2019-11-26 | 2020-03-27 | 中国建设银行股份有限公司 | 一种金融产品推荐方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111353864A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10726050B2 (en) | Assigning social networking system users to households | |
US10572954B2 (en) | Method and system for searching for and navigating to user content and other user experience pages in a financial management system with a customer self-service system for the financial management system | |
US10346487B2 (en) | Data source attribution system | |
US9298763B1 (en) | Methods for providing a profile completion recommendation module | |
CN107222526B (zh) | 推送推广信息的方法、装置、设备和计算机存储介质 | |
CN107133263B (zh) | Poi推荐方法、装置、设备及计算机可读存储介质 | |
US20110246277A1 (en) | Multi-factor promotional offer suggestion | |
CN111144952A (zh) | 基于用户兴趣的广告推荐方法、装置、服务器及存储介质 | |
CN110135912B (zh) | 一种信息推送方法、装置、服务器和存储介质 | |
WO2019061664A1 (zh) | 电子装置、基于用户上网数据的产品推荐方法及存储介质 | |
US20140244359A1 (en) | Using media information for improving direct marketing response rate | |
CN111311294A (zh) | 数据处理方法、装置、介质及电子设备 | |
CN112417274A (zh) | 一种消息推送方法、装置、电子设备及存储介质 | |
CN112506981A (zh) | 一种线上培训服务推送方法和装置 | |
WO2018145637A1 (zh) | 上网行为记录方法、装置及用户终端 | |
CN111126422B (zh) | 行业模型的建立及行业的确定方法、装置、设备及介质 | |
CN111310065A (zh) | 一种社交推荐方法、装置、服务器及存储介质 | |
CN111353864B (zh) | 一种产品推荐方法、装置、服务器及存储介质 | |
US11991237B1 (en) | Adaptive content deployment | |
WO2019071907A1 (zh) | 基于操作页面识别帮助信息的方法及应用服务器 | |
CN111681050A (zh) | 一种广告推送方法、装置、设备和存储介质 | |
US8914454B1 (en) | Verification of social media data | |
US10248983B1 (en) | Customized item descriptions based on skill level | |
CN111127057B (zh) | 一种多维用户画像恢复方法 | |
CN111191142B (zh) | 一种电子资源推荐方法、装置和可读介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220921 Address after: 12 / F, 15 / F, 99 Yincheng Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai, 200120 Applicant after: Jianxin Financial Science and Technology Co.,Ltd. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |