CN111581452B - 推荐对象数据的获得方法、装置及电子设备 - Google Patents

推荐对象数据的获得方法、装置及电子设备 Download PDF

Info

Publication number
CN111581452B
CN111581452B CN202010225365.XA CN202010225365A CN111581452B CN 111581452 B CN111581452 B CN 111581452B CN 202010225365 A CN202010225365 A CN 202010225365A CN 111581452 B CN111581452 B CN 111581452B
Authority
CN
China
Prior art keywords
tag information
information
object tag
target user
target
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
Application number
CN202010225365.XA
Other languages
English (en)
Other versions
CN111581452A (zh
Inventor
方思维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Koubei Network Technology Co Ltd
Original Assignee
Zhejiang Koubei Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Koubei Network Technology Co Ltd filed Critical Zhejiang Koubei Network Technology Co Ltd
Priority to CN202010225365.XA priority Critical patent/CN111581452B/zh
Publication of CN111581452A publication Critical patent/CN111581452A/zh
Application granted granted Critical
Publication of CN111581452B publication Critical patent/CN111581452B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/903—Querying
    • G06F16/90335—Query processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种推荐对象数据的获得方法，通过用户对对象的历史行为数据获得多个对象标签信息；基于时间衰减权重机制，获得目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息；根据每个对象标签信息的偏好程度信息，获得多个对象标签信息的排序信息，并基于多个对象标签信息的排序信息，确定向目标用户推荐的对象数据。由于本申请在向目标用户推荐对象时，通过时间衰减权重机制获得目标用户对对象标签信息的偏好程度信息并进行排序，即可实现推荐，避免了分别计算各个对象与用户之间的匹配度。同时，基于时间衰减权重机制获得的目标用户对对象标签信息的偏好程度信息，向目标用户推荐的对象符合目标用户近期的偏好程度。

Description

推荐对象数据的获得方法、装置及电子设备
技术领域
本申请涉及计算机技术领域，具体涉及一种推荐对象数据的获得方法、对象标签信息偏好程度信息的获得方法、装置及电子设备。
背景技术
随着现代科技的迅速发展，生活物质水平不断提高，用户对众多对象的需求越来越多。但是由于出现了越来越多的对象，并且对象的数量与种类远远多于用户所需求的。出现了需要在琳琅满目的对象中选择一些对象用以推荐给用户的需求。因此，在数量庞大的对象数量与种类中，如何选择一些对象向用户推荐，成为对象推荐的关键。
针对上述问题，现有技术主要是通过以下方式来选择对象，并将选择的对象推荐给用户。例如，可以通过计算和用户相关的对象和用户之间的匹配度，按照计算的匹配度结果，将和用户最为匹配的对象推荐给用户。同时，采用该方式可以实现将大量的对象进行筛选，然后将筛选出符合要求的对象推荐给用户。然而，由于现有技术的这种向用户推荐对象的方式，仅仅考虑了对象与用户之间的匹配度，导致向用户推荐对象时，需要分别计算各个对象与用户之间的匹配度，这种推荐方式较为复杂，适用性较差。同时，现有技术的这种推荐方式无法适应随着时间用户对对象之间的匹配度变化。
发明内容
本发明实施例提供一种推荐对象数据的获得方法，以解决现有技术的推荐方式较为复杂，适用性较差的问题。
第一方面，本发明实施例提供一种推荐对象数据的获得方法，包括：根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，所述多个对象标签信息中的每个对象标签信息与所述多个对象中的至少一个对象对应；基于时间衰减权重机制，获得目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息；根据所述每个对象标签信息的偏好程度信息，获得所述多个对象标签信息的排序信息；基于所述多个对象标签信息的排序信息，确定向所述目标用户推荐的对象数据。
作为一种实施方式，本发明实施例还包括：获得对象与对象标签信息之间的第一对应关系；所述根据用户针对多个对象的历史行为数据，获得多个对象标签信息，包括：根据用户针对多个对象的历史行为数据以及所述第一对应关系，获得多个对象标签信息。
作为一种实施方式，所述多个对象标签信息包括每个对象所属的属性标签信息；所述获得对象与对象标签信息之间的第一对应关系，包括：将多个对象与多个对象所属的属性标签信息建立对应关系；将所述对应关系作为所述第一对应关系。
作为一种实施方式，如果多个属性标签信息之间存在相似属性，将存在相似属性的所述多个属性标签信息进行合并；并将合并的多个属性标签信息作为所述属性标签信息。
作为一种实施方式，如果多个属性标签信息之间不存在相似属性，将所述多个属性标签信息作为所述属性标签信息。
作为一种实施方式，本发明实施例还包括：根据用户针对多个对象的历史行为数据，获得在指定时间内所述多个对象标签信息对应的对象被所述目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量；所述基于时间衰减权重机制，获得目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息，包括：根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，本发明实施例还包括：根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，分别获得目标对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量以及目标对象标签信息对应的对象数量；其中，目标对象标签信息是指所述每个对象标签信息；所述根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息，包括：根据所述目标对象标签信息对应的对象被目标用户点击的点击数量，所述多个对象标签信息对应的对象被目标用户点击的点击数量，所述目标对象标签信息对应的对象被目标用户点击的点击时间信息，所述目标对象标签信息对应的对象被点击的用户量，所述多个对象标签信息对应的对象被点击的用户量，所述目标对象标签信息对应的对象数量以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，所述根据所述目标对象标签信息对应的对象被目标用户点击的点击数量，所述多个对象标签信息对应的对象被目标用户点击的点击数量，所述目标对象标签信息对应的对象被目标用户点击的点击时间信息，所述目标对象标签信息对应的对象被点击的用户量，所述多个对象标签信息对应的对象被点击的用户量，所述目标对象标签信息对应的对象数量以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息，包括：将所述目标对象标签信息对应的对象被目标用户点击的点击数量与所述多个对象标签信息对应的对象被目标用户点击的点击数量做比，获得第一比值；根据所述目标对象标签信息对应的对象被目标用户点击的点击时间信息，获得所述目标对象标签信息对应的对象被目标用户点击的最后一次的时刻；将所述最后一次的时刻与所述指定时间内的初始时刻的第一差值，与当前时刻与所述指定时间内的初始时刻的第二差值，分别取差值绝对值，并将第一差值绝对值与第一差值绝对值做比，获得第二比值；将所述多个对象标签信息对应的对象被点击的用户量与所述目标对象标签信息对应的对象被点击的用户量做比，获得第三比值；以及将所述多个对象标签信息对应的对象数量与所述目标对象标签信息对应的对象数量做比，获得第四比值；获得所述第三比值与所述第四比值的乘积结果，并将所述乘积结果作为自然对数函数的对数，获得自然对数值；将所述第一比值，所述第二比值，以及所述自然对数值的乘积结果，作为所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，所述根据所述每个对象标签信息的偏好程度信息，获得所述多个对象标签信息的排序信息，包括：按照所述偏好程度信息对所述多个对象标签信息进行排序，获得所述多个对象标签信息的排序信息。
作为一种实施方式，所述基于所述多个对象标签信息的排序信息，确定向所述目标用户推荐的对象数据，包括：基于所述多个对象标签信息的排序信息，获得向所述目标用户推荐的对象标签信息；根据所述向所述目标用户推荐的对象标签信息以及所述第一对应关系，确定向所述目标用户推荐的对象数据。
作为一种实施方式，所述基于所述多个对象标签信息的排序信息，获得向所述目标用户推荐的对象标签信息，包括：将所述多个对象标签信息按照所述排序信息，与预先设置的标签信息进行匹配，获得与所述预先设置的标签信息匹配的对象标签信息，并将与所述预先设置的标签信息匹配的对象标签信息确定为向所述目标用户推荐的对象标签信息。
作为一种实施方式，本发明实施例还包括：将向所述目标用户推荐的对象数据发送给客户端。
作为一种实施方式，本发明实施例还包括：获得所述客户端发出的请求获得向所述目标用户推荐的对象数据的请求消息；所述将向所述目标用户推荐的对象数据发送给客户端，包括：针对所述请求消息，将向所述目标用户推荐的对象数据发送给客户端。
作为一种实施方式，本发明实施例还包括：展示向所述目标用户推荐的对象数据。
第二方面，本发明实施例提供一种对象标签信息偏好程度信息的获得方法，包括：根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，所述多个对象标签信息中的每个对象标签信息与所述多个对象中的至少一个对象对应；在指定的时间内，获得所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量；根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，本发明实施例还包括：根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，分别获得目标对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量以及目标对象标签信息对应的对象数量；其中，目标对象标签信息是指所述每个对象标签信息；所述根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息，包括：根据所述目标对象标签信息对应的对象被目标用户点击的点击数量，所述多个对象标签信息对应的对象被目标用户点击的点击数量，所述目标对象标签信息对应的对象被目标用户点击的点击时间信息，所述目标对象标签信息对应的对象被点击的用户量，所述多个对象标签信息对应的对象被点击的用户量，所述目标对象标签信息对应的对象数量以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，所述根据所述目标对象标签信息对应的对象被目标用户点击的点击数量，所述多个对象标签信息对应的对象被目标用户点击的点击数量，所述目标对象标签信息对应的对象被目标用户点击的点击时间信息，所述目标对象标签信息对应的对象被点击的用户量，所述多个对象标签信息对应的对象被点击的用户量，所述目标对象标签信息对应的对象数量以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息，包括：将所述目标对象标签信息对应的对象被目标用户点击的点击数量与所述多个对象标签信息对应的对象被目标用户点击的点击数量做比，获得第一比值；根据所述目标对象标签信息对应的对象被目标用户点击的点击时间信息，获得所述目标对象标签信息对应的对象被目标用户点击的最后一次的时刻；将所述最后一次的时刻与所述指定时间内的初始时刻的第一差值，与当前时刻与所述指定时间内的初始时刻的第二差值，分别取差值绝对值，并将第一差值绝对值与第一差值绝对值做比，获得第二比值；将所述多个对象标签信息对应的对象被点击的用户量与所述目标对象标签信息对应的对象被点击的用户量做比，获得第三比值；以及将所述多个对象标签信息对应的对象数量与所述目标对象标签信息对应的对象数量做比，获得第四比值；获得所述第三比值与所述第四比值的乘积结果，并将所述乘积结果作为自然对数函数的对数，获得自然对数值；将所述第一比值，所述第二比值，以及所述自然对数值的乘积结果，作为所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，本发明实施例还包括：根据所述每个对象标签信息的偏好程度信息，确定向所述目标用户推荐的对象数据。
作为一种实施方式，所述根据所述每个对象标签信息的偏好程度信息，确定向所述目标用户推荐的对象数据，包括：根据所述每个对象标签信息的偏好程度信息，获得所述多个对象标签信息的排序信息；基于所述多个对象标签信息的排序信息，确定向所述目标用户推荐的对象数据。
第三方面，本发明实施例提供一种推荐对象数据的获得装置，包括：对象标签信息获得单元，用于根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，所述多个对象标签信息中的每个对象标签信息与所述多个对象中的至少一个对象对应；偏好程度信息获得单元，用于基于时间衰减权重机制，获得目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息；排序信息获得单元，用于根据所述每个对象标签信息的偏好程度信息，获得所述多个对象标签信息的排序信息；推荐对象数据确定单元，用于基于所述多个对象标签信息的排序信息，确定向所述目标用户推荐的对象数据。
第四方面，本发明实施例提供一种对象标签信息偏好程度信息的获得装置，包括：对象标签信息获得单元，用于根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，所述多个对象标签信息中的每个对象标签信息与所述多个对象中的至少一个对象对应；初始信息获得单元，用于在指定的时间内，获得所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量；偏好程度信息获得单元，用于根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
第五方面，本发明实施例提供一种电子设备，所述电子设备包括：处理器；
存储器，用于存储程序，所述程序在被所述处理器读取执行时，执行如第一方面本发明实施例任意一项所述方法。
第六方面，本发明实施例提供一种计算机可读取存储介质，其上存储有计算机程序，该程序被处理器执行时，执行如第一方面本发明实施例任意一项所述方法。
第七方面，本发明实施例提供一种电子设备，所述电子设备包括：处理器；
存储器，用于存储程序，所述程序在被所述处理器读取执行时，执行如第二方面本发明实施例任意一项所述方法。
第八方面，本发明实施例提供一种计算机可读取存储介质，其上存储有计算机程序，该程序被处理器执行时，执行如第二方面本发明实施例任意一项所述方法。
与现有技术相比，本发明具有以下优点：
本发明提供一种推荐对象数据的获得方法，首先，通过用户对对象的历史行为数据获得多个对象标签信息，之后，基于时间衰减权重机制，获得目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息，再之后，根据每个对象标签信息的偏好程度信息，获得多个对象标签信息的排序信息，并基于多个对象标签信息的排序信息，确定向目标用户推荐的对象数据。由于利用本申请实施例的推荐方法向目标用户推荐对象时，通过时间衰减权重机制获得目标用户对对象所属的对象标签信息的偏好程度信息并进行排序，即可实现推荐，避免了分别计算各个对象与用户之间的匹配度的复杂运算过程，同时，基于时间衰减权重机制获得的目标用户对对象标签信息的偏好程度信息，向目标用户推荐的对象符合目标用户近期的偏好程度。解决了现有技术的推荐方式较为复杂，适用性较差的问题。
附图说明
图1为本发明第一实施例提供的一种推荐对象数据的获得方法的流程图。
图2为本发明第一实施例提供的一种推荐对象数据的获得方法的应用场景示意图。
图3为本发明第二实施例提供的一种对象标签信息偏好程度信息的获得方法的流程图。
图4为本发明第三实施例提供的一种推荐对象数据的获得装置的示意图。
图5为本发明第四实施例提供的一种对象标签信息偏好程度信息的获得装置的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。
本发明第一实施例提供一种推荐对象数据的获得方法，下面结合图1进行说明。
如图1所示，在步骤S101中，根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，多个对象标签信息中的每个对象标签信息与多个对象中的至少一个对象对应。
具体地，本实施例可以应用于服务端或者客户端，并可以用于以下情形，用户(可以是多个用户)在提供商品的应用程序上点击商品。用户在应用程序上点击商品的历史行为数据数量较为庞大，本实施例通过获得在指定时间内目标用户对商品所属的商品标签的偏好程度信息，并基于偏好程度信息进行商品标签的排序，最终基于排序确定向目标用户推荐的商品。当然在本实施例中，可以理解的是，仅以商品作为本申请中的对象的一种例子进行说明，以商品标签作为本申请中的对象标签的一种例子进行说明。
具体地，在本实施例中，每个商品标签至少与上述的众多商品中的一个商品相对应。商品标签可以是指多个商品共有的属性信息，例如，可以将蔬菜作为一个商品标签，如果用户点击过商品芹菜或者商品番茄或者商品土豆，即可将蔬菜作为商品芹菜或者商品番茄或者商品土豆的商品标签。
采用本实施例的方法，首先要基于用户的历史行为数据获得多个对象标签信息。作为获得多个对象标签信息的一种方式，可以按照如下描述的方式。
首先，获得对象与对象标签信息之间的第一对应关系，多个对象标签信息可以是指每个对象所属的属性标签信息。因此，获得对象与对象标签信息之间的第一对应关系可以是指多个对象与多个对象所属的属性标签信息的对应关系。当然，如果多个属性标签信息之间存在相似属性，将存在相似属性的多个属性标签信息进行合并；并将合并的多个属性标签信息作为属性标签信息。相反，如果多个属性标签信息之间不存在相似属性，将多个属性标签信息作为属性标签信息。例如，若用户点击过番茄，也点击过土豆，那么根据第一对应关系获得的番茄的商品标签与土豆的商品标签均为蔬菜，那么就会获得两个蔬菜标签，针对该情形，可以将两个相同的商品标签进行合并。类似地，对于多个商品存在相同商品标签的情形，将多个相同的商品标签进行合并。否则，对于多个商品不存在相同商品标签的情形，将多个不同的商品标签直接作为多个待处理的商品标签。之后，根据用户针对多个对象的历史行为数据以及第一对应关系，获得多个对象标签信息。
如图1所示，在步骤S102中，基于时间衰减权重机制，获得目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息。
在获得多个对象标签信息后，基于时间衰减权重机制计算目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息，基于该偏好程度信息对多个对象标签信息进行排序，通过多个对象标签信息的排序信息向目标用户推荐对象数据。具体地，基于时间衰减权重机制计算目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息获得方式如下。
首先，根据用户针对多个对象的历史行为数据，获得在指定时间内多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，多个对象标签信息对应的对象被点击的用户量，多个对象标签信息对应的对象数量。之后，根据多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，多个对象标签信息对应的对象被点击的用户量，多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息。
更具体地，在基于时间衰减权重机制获得目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息时，将每个对象标签信息作为目标对象标签信息，来计算目标用户对对象标签信息的偏好程度信息。
以基于时间衰减权重机制计算目标用户对目标对象标签信息的偏好程度信息为例进行说明。首先，根据在指定时间内多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，多个对象标签信息对应的对象被点击的用户量，多个对象标签信息对应的对象数量，分别获得目标对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量以及目标对象标签信息对应的对象数量。
之后，根据目标对象标签信息对应的对象被目标用户点击的点击数量，多个对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量，多个对象标签信息对应的对象被点击的用户量，目标对象标签信息对应的对象数量以及多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息。
进一步地，根据目标对象标签信息对应的对象被目标用户点击的点击数量，多个对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量，多个对象标签信息对应的对象被点击的用户量，目标对象标签信息对应的对象数量以及多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息，按照如下描述的方式。
首先，将目标对象标签信息对应的对象被目标用户点击的点击数量与多个对象标签信息对应的对象被目标用户点击的点击数量做比，获得第一比值。
根据目标对象标签信息对应的对象被目标用户点击的点击时间信息，获得目标对象标签信息对应的对象被目标用户点击的最后一次的时刻，将最后一次的时刻与指定时间内的初始时刻的第一差值，与当前时刻与指定时间内的初始时刻的第二差值，分别取差值绝对值，并将第一差值绝对值与第一差值绝对值做比，获得第二比值。
与此同时，将多个对象标签信息对应的对象被点击的用户量与目标对象标签信息对应的对象被点击的用户量做比，获得第三比值；将多个对象标签信息对应的对象数量与目标对象标签信息对应的对象数量做比，获得第四比值；获得第三比值与第四比值的乘积结果，并将乘积结果作为自然对数函数的对数，获得自然对数值。
最终，将第一比值，第二比值，以及自然对数值的乘积结果，作为目标用户针对目标对象标签信息的偏好程度信息。
上述基于时间衰减权重机制，计算目标用户针对目标对象标签信息的偏好程度信息，可以归纳为如下公式。
其中，i为目标对象标签的编号信息，u表示目标用户的编号，即第u个目标用户；Pu，i表示目标用户u对目标对象标签信息i的偏好值，该值越大，表示目标用户u对目标对象标签信息i的偏好程度越高；Cu，i表示在指定时间内目标对象标签信息i对应的对象被目标用户u点击的点击数量；Cu表示在指定时间内多个对象标签信息对应的对象被目标用户u点击的点击数量，其中，多个对象标签信息是指在指定时间内所有用户所点击的对象对应的所有对象标签信息。t0表示指定时间的开始时间；tu，r表示目标对象标签信息i对应的对象被目标用户u点击的最后一次的时刻；t表示当前时刻。通过将t0、tu，r以及t构造在上述公式中，能够基于时间衰减权重机制，获得目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。Um表示在指定时间内多个对象标签信息对应的对象被点击的用户量；Um，i表示在指定时间内目标对象标签信息i对应的对象被点击的用户量。Sm表示在指定时间内多个对象标签信息对应的对象数量；Sm，i表示在指定时间内目标对象标签信息i对应的对象数量。该公式是基于时间衰减权重机制，获得目标对象标签信息相对于目标用户的偏好程度，即：重要程度。在上述计算目标对象标签信息相对于目标用户的偏好程度时，将时间衰减权重因素考虑在内，从而获得目标用户在最近的某一时间段内，对目标对象标签信息的偏好程度，这主要是考虑到目标用户在不同时间内对目标对象标签信息的偏好程度会有所变化。
在将上述公式运用在商品推荐领域时，可以通过该公式获得第i个商品标签相对于第u个目标用户的偏好程度。类似地，可以获得多个商品标签相对于第u个目标用户的偏好程度，从而通过多个商品标签的偏好程度对多个商品标签进行排序。
以向用户推荐商品为例，在获得用户针对多个商品的历史行为数据时，同时获得用户针对多个商品的历史行为数据的时间信息。具体地，可以是获得用户针对每个商品的进行点击的时间信息。在获得时间信息后，即可获得用户针对多个商品的历史行为数据的时间信息。该时间信息用于为后续基于时间衰减权重机制，获得目标用户针对多个商品标签信息中的每个商品标签信息的偏好程度信息提供指定时间信息。在本实施例中，考虑到用户在不同时间内针对商品标签的偏好程度会有所不同，因此将用户针对多个商品的历史行为数据的所涉及的指定时间信息，作为基于时间衰减权重机制获得目标用户针对多个商品标签信息中的每个商品标签信息的偏好程度信息的重要因素。
具体地，基于时间衰减权重机制，获得在指定的时间内目标用户针对多个商品标签信息中的每个商品标签信息的偏好程度信息过程如下。
首先，获得在指定的时间内目标商品标签信息对应的商品被目标用户点击的点击数量与多个商品标签信息对应的商品被目标用户点击的点击数量。例如，在将蔬菜作为目标商品标签信息时，需要获得蔬菜标签对应的所有商品被目标用户点击的数量。在该实施例中，目标用户可以是指所有用户中的其中一个用户，之所以称之为目标用户，主要用于说明每个目标用户对多个商品标签信息的每个对象标签信息的偏好程度信息不同，可以基于此，向目标用户进行推荐商品。假设获得的用户(可以是多个用户，可以是目标用户)针对多个商品的历史行为数据中，总共有三个商品标签，每个商品标签各自对应五个商品，且在指定的时间内所有商品被用户均点击过一次，目标用户总共点击了六种商品。蔬菜标签中对应的所有商品有五种，目标用户点击过其中的两个商品，那么在指定的时间内目标商品标签信息对应的商品被目标用户点击的点击数量为三，多个(即三个)商品标签信息对应的商品被目标用户点击的点击数量为六。在获得指定的时间内目标商品标签信息对应的商品被目标用户点击的点击数量与多个商品标签信息对应的商品被目标用户点击的点击数量之后，将目标商品标签信息对应的商品被目标用户点击的点击数量与多个商品标签信息对应的商品被目标用户点击的点击数量做比，获得第一比值。
之后，根据目标商品标签信息对应的商品被目标用户点击的点击时间信息，获得目标商品标签信息对应的商品被目标用户点击的最后一次的时刻，将最后一次的时刻与指定时间内的初始时刻的第一差值，与当前时刻与指定时间内的初始时刻的第二差值，分别取差值绝对值，并将第一差值绝对值与第一差值绝对值做比，获得第二比值。指定时间内的初始时刻是指用户点击第一个商品的时刻。
在获得在指定的时间内目标商品标签信息对应的商品被目标用户点击的点击数量与多个商品标签信息对应的商品被目标用户点击的点击数量的同时，获得目标商品标签信息对应的商品被点击的用户量，多个商品标签信息对应的商品被点击的用户量，目标商品标签信息对应的商品数量以及多个商品标签信息对应的商品数量。需要说明的是，多个商品标签信息对应的商品实际上是指用户针对多个商品的历史行为数据中的所有商品。
在获得目标商品标签信息对应的商品被点击的用户量，多个商品标签信息对应的商品被点击的用户量，目标商品标签信息对应的商品数量以及多个商品标签信息对应的商品数量后，将多个商品标签信息对应的商品被点击的用户量与目标商品标签信息对应的商品被点击的用户量做比，获得第三比值；以及将多个商品标签信息对应的商品数量与目标商品标签信息对应的商品数量做比，获得第四比值。再之后，获得第三比值与第四比值的乘积结果，并将乘积结果作为自然对数函数的对数，获得自然对数值。
将上述第一比值，第二比值，以及自然对数值的乘积结果，作为目标用户针对多个商品标签信息中的目标商品标签信息的偏好程度信息。这里的目标商品标签信息可以是指多个商品标签信息中的每个商品标签信息。
如图1所示，在步骤S103中，根据每个对象标签信息的偏好程度信息，获得多个对象标签信息的排序信息。
在步骤S102获得每个对象标签信息的偏好程度信息后，根据每个对象标签信息的偏好程度信息，获得多个对象标签信息的排序信息。
作为根据每个对象标签信息的偏好程度信息，获得多个对象标签信息的排序信息的一种方式：按照偏好程度信息对多个对象标签信息进行排序，获得多个对象标签信息的排序信息。
在获得目标用户对每个商品标签信息的偏好程度信息后，即可按照偏好程度信息对多个商品标签信息进行排序，获得多个商品标签信息的排序信息。
如图1所示，在步骤S104中，基于多个对象标签信息的排序信息，确定向目标用户推荐的对象数据。
在本步骤中，基于多个对象标签信息的排序信息，确定向目标用户推荐的对象数据。
具体地，基于多个对象标签信息的排序信息，确定向目标用户推荐的对象数据按照如下方式。首先，基于多个对象标签信息的排序信息，获得向目标用户推荐的对象标签信息。作为获得向目标用户推荐的对象标签信息的一种方式，将多个对象标签信息按照所述排序信息，与预先设置的标签信息进行匹配，获得与预先设置的标签信息匹配的对象标签信息，并将与预先设置的标签信息匹配的对象标签信息确定为向目标用户推荐的对象标签信息。之后，根据向目标用户推荐的对象标签信息以及第一对应关系，确定向目标用户推荐的对象数据。
由于向目标用户推荐的对象数据可以是在服务端侧获得的，因此，在服务端侧获得向目标用户推荐的对象数据时，本实施例的方法还包括：将向目标用户推荐的对象数据发送给客户端。
当然，在将向目标用户推荐的对象数据发送给客户端之前，可以是先获得客户端发出的请求获得向目标用户推荐的对象数据的请求消息。之后，针对该请求消息，将向目标用户推荐的对象数据发送给客户端。
在客户端接收向目标用户推荐的对象数据后，展示向目标用户推荐的对象数据。
获得多个商品标签信息的排序信息后，即可根据多个商品标签信息的排序信息，确定向目标用户推荐的商品。
根据多个商品标签信息的排序信息，确定向目标用户推荐的商品，可以是按照如下描述方式。首先，基于多个商品标签信息的排序信息，获得向目标用户推荐的商品标签信息。具体可以是将多个商品标签信息按照排序信息，与预先设置的标签信息进行匹配，获得与预先设置的标签信息匹配的商品标签信息，并将与预先设置的标签信息匹配的商品标签信息确定为向目标用户推荐的商品标签信息。之后，根据向目标用户推荐的商品标签信息以及第一对应关系，确定向目标用户推荐的商品。
由于利用本申请实施例的推荐方法向目标用户推荐对象时，通过时间衰减权重机制获得目标用户对对象所属的对象标签信息的偏好程度信息并进行排序，即可实现推荐，避免了分别计算各个对象与用户之间的匹配度的复杂运算过程，同时，基于时间衰减权重机制获得的目标用户对对象标签信息的偏好程度信息，向目标用户推荐的对象符合目标用户近期的偏好程度。解决了现有技术的推荐方式较为复杂，适用性较差的问题。
下面介绍本申请第一实施例提供的推荐对象数据的获得方法的应用场景。
当需要给用户A(目标用户)进行商品推荐时，通过时间衰减权重机制计算用户A对商品标签信息的偏好程度信息，并基于对商品标签信息的偏好程度信息，对多个商品标签信息排序以推荐给用户A。为了更形象地描述本场景的流程，采用图2示意获得目标用户针对多个商品标签信息中的目标商品标签信息的偏好程度信息的过程。请参照图2，首先，获得用户针对多个商品的历史行为数据。依据用户针对多个商品的历史行为数据，获得多个商品标签信息(商品标签1，商品标签2，商品标签3，商品标签4以及商品标签5)以及用户针对多个商品进行点击的时间信息。然后，依据目标用户针对多个商品标签信息中的目标商品标签信息的偏好程度信息的计算公式，获得目标用户针对多个商品标签信息中的目标商品标签信息的偏好程度信息。再之后，可以根据每个商品标签信息的偏好程度信息，获得多个商品标签信息的排序信息以用来为目标用户推荐商品。
本申请第二实施例提供一种对象标签信息偏好程度信息的获得方法。由于该实施例中作为对象标签信息偏好程度信息的获得方法已经在第一实施例中进行了详细描述，所以此处描述得比较简单，相关之处参见第一实施例的相关部分说明即可。下述描述的实施例仅仅是示意性的。下面结合图3进行说明。
如图3所示，在步骤S301中，根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，多个对象标签信息中的每个对象标签信息与多个对象中的至少一个对象对应。
如图3所示，在步骤S302中，在指定的时间内，获得多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，多个对象标签信息对应的对象被点击的用户量，以及多个对象标签信息对应的对象数量。
如图3所示，在步骤S303中，根据多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，多个对象标签信息对应的对象被点击的用户量，以及多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息。
具体地，根据多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，多个对象标签信息对应的对象被点击的用户量，以及多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息，按照如下描述的方式。
首先，根据多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，多个对象标签信息对应的对象被点击的用户量，以及多个对象标签信息对应的对象数量，分别获得目标对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量以及目标对象标签信息对应的对象数量；其中，目标对象标签信息是指每个对象标签信息。
之后，根据目标对象标签信息对应的对象被目标用户点击的点击数量，多个对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量，多个对象标签信息对应的对象被点击的用户量，目标对象标签信息对应的对象数量以及多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息。
更具体地，根据目标对象标签信息对应的对象被目标用户点击的点击数量，多个对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量，多个对象标签信息对应的对象被点击的用户量，目标对象标签信息对应的对象数量以及多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得目标用户针对多个对象标签信息中的每个对象标签信息的偏好程度信息，按照如下的描述方式。
首先，将目标对象标签信息对应的对象被目标用户点击的点击数量与多个对象标签信息对应的对象被目标用户点击的点击数量做比，获得第一比值。
根据目标对象标签信息对应的对象被目标用户点击的点击时间信息，获得目标对象标签信息对应的对象被目标用户点击的最后一次的时刻，将最后一次的时刻与指定时间内的初始时刻的第一差值，与当前时刻与指定时间内的初始时刻的第二差值，分别取差值绝对值，并将第一差值绝对值与第一差值绝对值做比，获得第二比值。
与此同时，将多个对象标签信息对应的对象被点击的用户量与目标对象标签信息对应的对象被点击的用户量做比，获得第三比值；将多个对象标签信息对应的对象数量与目标对象标签信息对应的对象数量做比，获得第四比值；获得第三比值与第四比值的乘积结果，并将乘积结果作为自然对数函数的对数，获得自然对数值。
最终，将第一比值，第二比值，以及自然对数值的乘积结果，作为目标用户针对目标对象标签信息的偏好程度信息。
在获得目标用户针对目标对象标签信息的偏好程度信息后，还可以根据每个对象标签信息的偏好程度信息，确定向目标用户推荐的对象数据。
作为根据每个对象标签信息的偏好程度信息，确定向目标用户推荐的对象数据的一种实施方式。首先，根据每个对象标签信息的偏好程度信息，获得多个对象标签信息的排序信息。之后，基于多个对象标签信息的排序信息，确定向目标用户推荐的对象数据。
由于本申请实施例将指定的时间作为推荐对象的一种参考因素，基于时间衰减权重机制，获得了目标用户对对象所属的对象标签信息的偏好程度信息。避免了分别计算各个对象与用户之间的匹配度的复杂运算过程，解决了现有技术的推荐方式较为复杂，适用性较差的问题。
与上述提供的一种推荐对象数据的获得方法相对应的，本发明第三实施例还提供了一种推荐对象数据的获得装置。
如图4所示，所述推荐对象数据的获得装置，包括：
对象标签信息获得单元401，用于根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，所述多个对象标签信息中的每个对象标签信息与所述多个对象中的至少一个对象对应；
偏好程度信息获得单元402，用于基于时间衰减权重机制，获得目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息；
排序信息获得单元403，用于根据所述每个对象标签信息的偏好程度信息，获得所述多个对象标签信息的排序信息；
推荐对象数据确定单元404，用于基于所述多个对象标签信息的排序信息，确定向所述目标用户推荐的对象数据。
作为一种实施方式，所述装置还包括对应关系获得单元；所述对应关系获得单元用于：获得对象与对象标签信息之间的第一对应关系；所述对象标签信息获得单元，具体用于：根据用户针对多个对象的历史行为数据以及所述第一对应关系，获得多个对象标签信息。
作为一种实施方式，所述多个对象标签信息包括每个对象所属的属性标签信息；所述对应关系获得单元用于：将多个对象与多个对象所属的属性标签信息建立对应关系；将所述对应关系作为所述第一对应关系。
作为一种实施方式，如果多个属性标签信息之间存在相似属性，将存在相似属性的所述多个属性标签信息进行合并；并将合并的多个属性标签信息作为所述属性标签信息。
作为一种实施方式，如果多个属性标签信息之间不存在相似属性，将所述多个属性标签信息作为所述属性标签信息。
作为一种实施方式，所述装置还包括初始信息获得单元；所述初始信息获得单元：用于根据用户针对多个对象的历史行为数据，获得在指定时间内所述多个对象标签信息对应的对象被所述目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量；所述偏好程度信息获得单元，具体用于：根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，所述装置还包括参数获得单元；所述参数获得单元，用于根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，分别获得目标对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量以及目标对象标签信息对应的对象数量；其中，目标对象标签信息是指所述每个对象标签信息；所述偏好程度信息获得单元，具体用于：根据所述目标对象标签信息对应的对象被目标用户点击的点击数量，所述多个对象标签信息对应的对象被目标用户点击的点击数量，所述目标对象标签信息对应的对象被目标用户点击的点击时间信息，所述目标对象标签信息对应的对象被点击的用户量，所述多个对象标签信息对应的对象被点击的用户量，所述目标对象标签信息对应的对象数量以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，所述偏好程度信息获得单元，具体用于：将所述目标对象标签信息对应的对象被目标用户点击的点击数量与所述多个对象标签信息对应的对象被目标用户点击的点击数量做比，获得第一比值；根据所述目标对象标签信息对应的对象被目标用户点击的点击时间信息，获得所述目标对象标签信息对应的对象被目标用户点击的最后一次的时刻；将所述最后一次的时刻与所述指定时间内的初始时刻的第一差值，与当前时刻与所述指定时间内的初始时刻的第二差值，分别取差值绝对值，并将第一差值绝对值与第一差值绝对值做比，获得第二比值；将所述多个对象标签信息对应的对象被点击的用户量与所述目标对象标签信息对应的对象被点击的用户量做比，获得第三比值；以及将所述多个对象标签信息对应的对象数量与所述目标对象标签信息对应的对象数量做比，获得第四比值；获得所述第三比值与所述第四比值的乘积结果，并将所述乘积结果作为自然对数函数的对数，获得自然对数值；将所述第一比值，所述第二比值，以及所述自然对数值的乘积结果，作为所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，所述排序信息获得单元，具体用于：按照所述偏好程度信息对所述多个对象标签信息进行排序，获得所述多个对象标签信息的排序信息。
作为一种实施方式，所述推荐对象数据确定单元，具体用于：基于所述多个对象标签信息的排序信息，获得向所述目标用户推荐的对象标签信息；根据所述向所述目标用户推荐的对象标签信息以及所述第一对应关系，确定向所述目标用户推荐的对象数据。
作为一种实施方式，所述推荐对象数据确定单元，具体用于：将所述多个对象标签信息按照所述排序信息，与预先设置的标签信息进行匹配，获得与所述预先设置的标签信息匹配的对象标签信息，并将与所述预先设置的标签信息匹配的对象标签信息确定为向所述目标用户推荐的对象标签信息。
作为一种实施方式，所述装置还包括发送单元；所述发送单元，用于将向所述目标用户推荐的对象数据发送给客户端。
作为一种实施方式，所述装置还包括请求消息获得单元；所述请求消息获得单元，用于获得所述客户端发出的请求获得向所述目标用户推荐的对象数据的请求消息；所述发送单元，具体用于：针对所述请求消息，将向所述目标用户推荐的对象数据发送给客户端。
作为一种实施方式，所述装置还包括展示单元；所述展示单元，用于展示向所述目标用户推荐的对象数据。
需要说明的是，对于本发明第三实施例提供的装置的详细描述可以参考对本申请第一实施例的相关描述，这里不再赘述。
与上述提供的一种对象标签信息偏好程度信息的获得方法相对应的，本发明第四实施例还提供了一种对象标签信息偏好程度信息的获得装置。
如图5所示，所述对象标签信息偏好程度信息的获得装置，包括：
对象标签信息获得单元501，用于根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，所述多个对象标签信息中的每个对象标签信息与所述多个对象中的至少一个对象对应；
初始信息获得单元502，用于在指定的时间内，获得所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量；
偏好程度信息获得单元503，用于根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，所述装置还包括参数获得单元；所述参数获得单元：用于根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，分别获得目标对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量以及目标对象标签信息对应的对象数量；其中，目标对象标签信息是指所述每个对象标签信息；所述偏好程度信息获得单元，具体用于：根据所述目标对象标签信息对应的对象被目标用户点击的点击数量，所述多个对象标签信息对应的对象被目标用户点击的点击数量，所述目标对象标签信息对应的对象被目标用户点击的点击时间信息，所述目标对象标签信息对应的对象被点击的用户量，所述多个对象标签信息对应的对象被点击的用户量，所述目标对象标签信息对应的对象数量以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，所述偏好程度信息获得单元，具体用于：将所述目标对象标签信息对应的对象被目标用户点击的点击数量与所述多个对象标签信息对应的对象被目标用户点击的点击数量做比，获得第一比值；根据所述目标对象标签信息对应的对象被目标用户点击的点击时间信息，获得所述目标对象标签信息对应的对象被目标用户点击的最后一次的时刻；将所述最后一次的时刻与所述指定时间内的初始时刻的第一差值，与当前时刻与所述指定时间内的初始时刻的第二差值，分别取差值绝对值，并将第一差值绝对值与第一差值绝对值做比，获得第二比值；将所述多个对象标签信息对应的对象被点击的用户量与所述目标对象标签信息对应的对象被点击的用户量做比，获得第三比值；以及将所述多个对象标签信息对应的对象数量与所述目标对象标签信息对应的对象数量做比，获得第四比值；获得所述第三比值与所述第四比值的乘积结果，并将所述乘积结果作为自然对数函数的对数，获得自然对数值；将所述第一比值，所述第二比值，以及所述自然对数值的乘积结果，作为所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息。
作为一种实施方式，所述装置还包括推荐对象数据确定单元；所述推荐对象数据确定单元，用于根据所述每个对象标签信息的偏好程度信息，确定向所述目标用户推荐的对象数据。
作为一种实施方式，所述推荐对象数据确定单元，具体用于：根据所述每个对象标签信息的偏好程度信息，获得所述多个对象标签信息的排序信息；基于所述多个对象标签信息的排序信息，确定向所述目标用户推荐的对象数据。
需要说明的是，对于本发明第四实施例提供的装置的详细描述可以参考对本申请第二实施例的相关描述，这里不再赘述。
与上述提供的一种推荐对象数据的获得方法相对应的，本发明第五实施例还提供了一种电子设备。
所述电子设备包括：
处理器；
存储器，用于存储程序，所述程序在被所述处理器读取执行时，执行如本发明第一实施例所述的方法。
需要说明的是，对于本发明第五实施例提供的电子设备的详细描述可以参考对本申请第一实施例的相关描述，这里不再赘述。
与上述提供的一种推荐对象数据的获得方法相对应的，本发明第六实施例还提供了一种计算机可读取存储介质，其上存储有计算机程序，该程序被处理器执行时，执行如本发明第一实施例所述的方法。
需要说明的是，对于本发明第六实施例提供的计算机可读取存储介质的详细描述可以参考对本申请第一实施例的相关描述，这里不再赘述。
与上述提供的一种对象标签信息偏好程度信息的获得方法相对应的，本发明第七实施例还提供了一种电子设备。
所述电子设备包括：
处理器；
存储器，用于存储程序，所述程序在被所述处理器读取执行时，执行如本发明第二实施例所述的方法。
需要说明的是，对于本发明第七实施例提供的电子设备的详细描述可以参考对本申请第二实施例的相关描述，这里不再赘述。
与上述提供的一种对象标签信息偏好程度信息的获得方法相对应的，本发明第八实施例还提供了一种计算机可读取存储介质，其上存储有计算机程序，该程序被处理器执行时，执行如本发明第二实施例所述的方法。
需要说明的是，对于本发明第八实施例提供的计算机可读取存储介质的详细描述可以参考对本申请第二实施例的相关描述，这里不再赘述。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

Claims (23)

1.一种推荐对象数据的获得方法，其特征在于，包括：
根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，所述多个对象标签信息中的每个对象标签信息与所述多个对象中的至少一个对象对应；
基于时间衰减权重机制，获得目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息，包括：将目标对象标签信息对应的对象被目标用户点击的点击数量与所述多个对象标签信息对应的对象被目标用户点击的点击数量做比，获得第一比值；将所述多个对象标签信息对应的对象被点击的用户量与所述目标对象标签信息对应的对象被点击的用户量做比，获得第三比值；将所述多个对象标签信息对应的对象数量与所述目标对象标签信息对应的对象数量做比，获得第四比值；获得所述第三比值与所述第四比值的乘积结果，并将所述乘积结果作为自然对数函数的对数，获得自然对数值；将所述第一比值，所述时间衰减权重，以及所述自然对数值的乘积结果，作为所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息；其中，时间衰减权重基于以下方式获得：针对每个目标对象标签信息，根据目标对象标签信息对应的对象被目标用户点击的点击时间信息，确定目标对象标签信息对应的对象被目标用户点击的最后一次的时刻，将最后一次的时刻与指定时间内的初始时刻的第一差值，与当前时刻与指定时间内的初始时刻的第二差值，分别取差值绝对值，将第一差值绝对值与第一差值绝对值做比；
根据所述每个对象标签信息的偏好程度信息，获得所述多个对象标签信息的排序信息；
基于所述多个对象标签信息的排序信息，确定向所述目标用户推荐的对象数据。
2.根据权利要求1所述的方法，其特征在于，还包括：
获得对象与对象标签信息之间的第一对应关系；
所述根据用户针对多个对象的历史行为数据，获得多个对象标签信息，包括：
根据用户针对多个对象的历史行为数据以及所述第一对应关系，获得多个对象标签信息。
3.根据权利要求2所述的方法，其特征在于，所述多个对象标签信息包括每个对象所属的属性标签信息；
所述获得对象与对象标签信息之间的第一对应关系，包括：
将多个对象与多个对象所属的属性标签信息建立对应关系；将所述对应关系作为所述第一对应关系。
4.根据权利要求3所述的方法，其特征在于，如果多个属性标签信息之间存在相似属性，将存在相似属性的所述多个属性标签信息进行合并；并将合并的多个属性标签信息作为所述属性标签信息。
5.根据权利要求3所述的方法，其特征在于，如果多个属性标签信息之间不存在相似属性，将所述多个属性标签信息作为所述属性标签信息。
6.根据权利要求1所述的方法，其特征在于，还包括：
根据用户针对多个对象的历史行为数据，获得在指定时间内所述多个对象标签信息对应的对象被所述目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量。
7.根据权利要求6所述的方法，其特征在于，还包括：
根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，分别获得目标对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量以及目标对象标签信息对应的对象数量；其中，目标对象标签信息是指所述每个对象标签信息。
8.根据权利要求1所述的方法，其特征在于，所述根据所述每个对象标签信息的偏好程度信息，获得所述多个对象标签信息的排序信息，包括：
按照所述偏好程度信息对所述多个对象标签信息进行排序，获得所述多个对象标签信息的排序信息。
9.根据权利要求2所述的方法，其特征在于，所述基于所述多个对象标签信息的排序信息，确定向所述目标用户推荐的对象数据，包括：
基于所述多个对象标签信息的排序信息，获得向所述目标用户推荐的对象标签信息；
根据所述向所述目标用户推荐的对象标签信息以及所述第一对应关系，确定向所述目标用户推荐的对象数据。
10.根据权利要求9所述的方法，其特征在于，所述基于所述多个对象标签信息的排序信息，获得向所述目标用户推荐的对象标签信息，包括：
将所述多个对象标签信息按照所述排序信息，与预先设置的标签信息进行匹配，获得与所述预先设置的标签信息匹配的对象标签信息，并将与所述预先设置的标签信息匹配的对象标签信息确定为向所述目标用户推荐的对象标签信息。
11.根据权利要求1所述的方法，其特征在于，还包括：将向所述目标用户推荐的对象数据发送给客户端。
12.根据权利要求11所述的方法，其特征在于，还包括：获得所述客户端发出的请求获得向所述目标用户推荐的对象数据的请求消息；
所述将向所述目标用户推荐的对象数据发送给客户端，包括：
针对所述请求消息，将向所述目标用户推荐的对象数据发送给客户端。
13.根据权利要求1所述的方法，其特征在于，还包括：展示向所述目标用户推荐的对象数据。
14.一种对象标签信息偏好程度信息的获得方法，其特征在于，包括：
根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，所述多个对象标签信息中的每个对象标签信息与所述多个对象中的至少一个对象对应；
在指定的时间内，获得所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量；
根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息，包括：将目标对象标签信息对应的对象被目标用户点击的点击数量与所述多个对象标签信息对应的对象被目标用户点击的点击数量做比，获得第一比值；将所述多个对象标签信息对应的对象被点击的用户量与所述目标对象标签信息对应的对象被点击的用户量做比，获得第三比值；将所述多个对象标签信息对应的对象数量与所述目标对象标签信息对应的对象数量做比，获得第四比值；获得所述第三比值与所述第四比值的乘积结果，并将所述乘积结果作为自然对数函数的对数，获得自然对数值；将所述第一比值，所述时间衰减权重，以及所述自然对数值的乘积结果，作为所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息；其中，时间衰减权重基于以下方式获得：针对每个目标对象标签信息，根据目标对象标签信息对应的对象被目标用户点击的点击时间信息，确定目标对象标签信息对应的对象被目标用户点击的最后一次的时刻，将最后一次的时刻与指定时间内的初始时刻的第一差值，与当前时刻与指定时间内的初始时刻的第二差值，分别取差值绝对值，将第一差值绝对值与第一差值绝对值做比。
15.根据权利要求14所述的方法，其特征在于，还包括：
根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，分别获得目标对象标签信息对应的对象被目标用户点击的点击数量，目标对象标签信息对应的对象被目标用户点击的点击时间信息，目标对象标签信息对应的对象被点击的用户量以及目标对象标签信息对应的对象数量；其中，目标对象标签信息是指所述每个对象标签信息。
16.根据权利要求14所述的方法，其特征在于，还包括：根据所述每个对象标签信息的偏好程度信息，确定向所述目标用户推荐的对象数据。
17.根据权利要求16所述的方法，其特征在于，所述根据所述每个对象标签信息的偏好程度信息，确定向所述目标用户推荐的对象数据，包括：
根据所述每个对象标签信息的偏好程度信息，获得所述多个对象标签信息的排序信息；
基于所述多个对象标签信息的排序信息，确定向所述目标用户推荐的对象数据。
18.一种推荐对象数据的获得装置，其特征在于，包括：
对象标签信息获得单元，用于根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，所述多个对象标签信息中的每个对象标签信息与所述多个对象中的至少一个对象对应；
偏好程度信息获得单元，用于基于时间衰减权重机制，获得目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息，所述偏好程度信息获得单元，具体用于：将目标对象标签信息对应的对象被目标用户点击的点击数量与所述多个对象标签信息对应的对象被目标用户点击的点击数量做比，获得第一比值；将所述多个对象标签信息对应的对象被点击的用户量与所述目标对象标签信息对应的对象被点击的用户量做比，获得第三比值；将所述多个对象标签信息对应的对象数量与所述目标对象标签信息对应的对象数量做比，获得第四比值；获得所述第三比值与所述第四比值的乘积结果，并将所述乘积结果作为自然对数函数的对数，获得自然对数值；将所述第一比值，所述时间衰减权重，以及所述自然对数值的乘积结果，作为所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息；其中，时间衰减权重基于以下方式获得：针对每个目标对象标签信息，根据目标对象标签信息对应的对象被目标用户点击的点击时间信息，确定目标对象标签信息对应的对象被目标用户点击的最后一次的时刻，将最后一次的时刻与指定时间内的初始时刻的第一差值，与当前时刻与指定时间内的初始时刻的第二差值，分别取差值绝对值，将第一差值绝对值与第一差值绝对值做比；
排序信息获得单元，用于根据所述每个对象标签信息的偏好程度信息，获得所述多个对象标签信息的排序信息；
推荐对象数据确定单元，用于基于所述多个对象标签信息的排序信息，确定向所述目标用户推荐的对象数据。
19.一种对象标签信息偏好程度信息的获得装置，其特征在于，包括：
对象标签信息获得单元，用于根据用户针对多个对象的历史行为数据，获得多个对象标签信息；其中，所述多个对象标签信息中的每个对象标签信息与所述多个对象中的至少一个对象对应；
初始信息获得单元，用于在指定的时间内，获得所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量；
偏好程度信息获得单元，用于根据所述多个对象标签信息对应的对象被目标用户点击的点击数量与点击时间信息，所述多个对象标签信息对应的对象被点击的用户量，以及所述多个对象标签信息对应的对象数量，基于时间衰减权重机制，获得所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息，所述偏好程度信息获得单元，具体用于：将目标对象标签信息对应的对象被目标用户点击的点击数量与所述多个对象标签信息对应的对象被目标用户点击的点击数量做比，获得第一比值；将所述多个对象标签信息对应的对象被点击的用户量与所述目标对象标签信息对应的对象被点击的用户量做比，获得第三比值；将所述多个对象标签信息对应的对象数量与所述目标对象标签信息对应的对象数量做比，获得第四比值；获得所述第三比值与所述第四比值的乘积结果，并将所述乘积结果作为自然对数函数的对数，获得自然对数值；将所述第一比值，所述时间衰减权重，以及所述自然对数值的乘积结果，作为所述目标用户针对所述多个对象标签信息中的每个对象标签信息的偏好程度信息；其中，时间衰减权重基于以下方式获得：针对每个目标对象标签信息，根据目标对象标签信息对应的对象被目标用户点击的点击时间信息，确定目标对象标签信息对应的对象被目标用户点击的最后一次的时刻，将最后一次的时刻与指定时间内的初始时刻的第一差值，与当前时刻与指定时间内的初始时刻的第二差值，分别取差值绝对值，将第一差值绝对值与第一差值绝对值做比。
20.一种电子设备，其特征在于，所述电子设备包括：
处理器；
存储器，用于存储程序，所述程序在被所述处理器读取执行时，执行如权利要求1-13任意一项所述方法。
21.一种计算机可读取存储介质，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，执行如权利要求1-13任意一项所述方法。
22.一种电子设备，其特征在于，所述电子设备包括：
处理器；
存储器，用于存储程序，所述程序在被所述处理器读取执行时，执行如权利要求14-17任意一项所述方法。
23.一种计算机可读取存储介质，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，执行如权利要求14-17任意一项所述方法。
CN202010225365.XA 2020-03-26 2020-03-26 推荐对象数据的获得方法、装置及电子设备 Active CN111581452B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010225365.XA CN111581452B (zh) 2020-03-26 2020-03-26 推荐对象数据的获得方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010225365.XA CN111581452B (zh) 2020-03-26 2020-03-26 推荐对象数据的获得方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN111581452A CN111581452A (zh) 2020-08-25
CN111581452B true CN111581452B (zh) 2023-10-17

Family

ID=72126105

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010225365.XA Active CN111581452B (zh) 2020-03-26 2020-03-26 推荐对象数据的获得方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111581452B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102654860A (zh) * 2011-03-01 2012-09-05 北京彩云在线技术开发有限公司 一种个性化音乐推荐方法及系统
CN104142999A (zh) * 2014-08-01 2014-11-12 百度在线网络技术（北京）有限公司 搜索结果展示方法及装置
CN109213922A (zh) * 2017-06-30 2019-01-15 武汉斗鱼网络科技有限公司 一种对搜索结果排序的方法和装置
CN109359244A (zh) * 2018-10-30 2019-02-19 中国科学院计算技术研究所 一种个性化信息推荐方法和装置
CN109408665A (zh) * 2018-12-29 2019-03-01 咪咕音乐有限公司 一种信息推荐方法及装置、存储介质
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
CN109657138A (zh) * 2018-12-10 2019-04-19 深圳墨世科技有限公司 一种视频推荐方法、装置、电子设备及存储介质
CN109977321A (zh) * 2019-02-19 2019-07-05 平安科技（深圳）有限公司 消息中心消息内容推荐方法、装置及计算机可读存储介质
CN109978580A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 对象推荐方法、装置以及计算机可读存储介质
CN110245274A (zh) * 2019-04-23 2019-09-17 五八有限公司 一种标签热度计算方法、装置、电子设备和存储介质
CN110659417A (zh) * 2019-09-12 2020-01-07 广东浪潮大数据研究有限公司 一种信息推送方法、系统、电子设备及存储介质
CN110674410A (zh) * 2019-10-08 2020-01-10 北京物灵科技有限公司 用户画像构建、内容推荐方法、装置及设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103714084B (zh) * 2012-10-08 2018-04-03 腾讯科技（深圳）有限公司 推荐信息的方法和装置
CN103841122B (zh) * 2012-11-20 2017-07-28 阿里巴巴集团控股有限公司 目标对象信息推荐方法、服务器及客户端
US20160253325A1 (en) * 2014-12-30 2016-09-01 Socialtopias, Llc Method and apparatus for programmatically adjusting the relative importance of content data as behavioral data changes
US20170185673A1 (en) * 2015-12-25 2017-06-29 Le Holdings (Beijing) Co., Ltd. Method and Electronic Device for QUERY RECOMMENDATION
US10664500B2 (en) * 2015-12-29 2020-05-26 Futurewei Technologies, Inc. System and method for user-behavior based content recommendations
CN109087135B (zh) * 2018-07-25 2020-08-28 百度在线网络技术（北京）有限公司 用户意图的挖掘方法及装置、计算机设备及可读介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102654860A (zh) * 2011-03-01 2012-09-05 北京彩云在线技术开发有限公司 一种个性化音乐推荐方法及系统
CN104142999A (zh) * 2014-08-01 2014-11-12 百度在线网络技术（北京）有限公司 搜索结果展示方法及装置
CN109213922A (zh) * 2017-06-30 2019-01-15 武汉斗鱼网络科技有限公司 一种对搜索结果排序的方法和装置
CN109978580A (zh) * 2017-12-28 2019-07-05 北京京东尚科信息技术有限公司 对象推荐方法、装置以及计算机可读存储介质
CN109359244A (zh) * 2018-10-30 2019-02-19 中国科学院计算技术研究所 一种个性化信息推荐方法和装置
CN109657138A (zh) * 2018-12-10 2019-04-19 深圳墨世科技有限公司 一种视频推荐方法、装置、电子设备及存储介质
CN109408665A (zh) * 2018-12-29 2019-03-01 咪咕音乐有限公司 一种信息推荐方法及装置、存储介质
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
CN109977321A (zh) * 2019-02-19 2019-07-05 平安科技（深圳）有限公司 消息中心消息内容推荐方法、装置及计算机可读存储介质
CN110245274A (zh) * 2019-04-23 2019-09-17 五八有限公司 一种标签热度计算方法、装置、电子设备和存储介质
CN110659417A (zh) * 2019-09-12 2020-01-07 广东浪潮大数据研究有限公司 一种信息推送方法、系统、电子设备及存储介质
CN110674410A (zh) * 2019-10-08 2020-01-10 北京物灵科技有限公司 用户画像构建、内容推荐方法、装置及设备

Also Published As

Publication number Publication date
CN111581452A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
US8655949B2 (en) Correlated information recommendation
US8924314B2 (en) Search result ranking using machine learning
US9665659B1 (en) System and method for website experimentation
US9355414B2 (en) Collaborative filtering model having improved predictive performance
US8972418B2 (en) Dynamic generation of relevant items
WO2008005796A2 (en) System and method for generating a display of tags
US20140136278A1 (en) Competitive price alert system with competitive price rules engine
JP2005135071A (ja) 商品購入における信頼値の算出方法及び装置
CN108536867B (zh) 用于生成信息的方法和装置
US10242381B1 (en) Optimized selection and delivery of content
CN113422986B (zh) 用于直播间推荐的方法、装置、设备、介质和程序产品
CN110766509A (zh) 服务订单处理、外卖订单推荐方法及装置
CN110766513A (zh) 信息排序方法、装置、电子设备及可读存储介质
CN110570271A (zh) 信息推荐方法、装置、电子设备及可读存储介质
CN113327151A (zh) 商品对象推荐方法、装置、计算机设备及存储介质
CN111581452B (zh) 推荐对象数据的获得方法、装置及电子设备
CN108537570B (zh) 一种信息曝光方法及装置
CN111143546A (zh) 一种获得推荐语的方法、装置及电子设备
CN112445909A (zh) 商品检索方法及装置
CN111914165B (zh) 一种目标对象推荐方法、装置、设备和存储介质
KR20160019077A (ko) 온라인 상거래 방법 및 시스템
US10089674B1 (en) Ordering a set of data associated with an item
US20090248502A1 (en) Computing a time-dependent variability value
CN113763080A (zh) 推荐物品的确定方法、装置、电子设备和存储介质
CN111932191A (zh) 货架调度方法、装置、电子设备和计算机可读介质

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
GR01 Patent grant
GR01 Patent grant