CN111581517A - 对象推送方法、装置、电子设备及存储介质 - Google Patents
对象推送方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111581517A CN111581517A CN202010403417.8A CN202010403417A CN111581517A CN 111581517 A CN111581517 A CN 111581517A CN 202010403417 A CN202010403417 A CN 202010403417A CN 111581517 A CN111581517 A CN 111581517A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- entity object
- entity
- area
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims abstract description 8
- 230000000153 supplemental effect Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (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
本公开实施例公开了一种对象推送方法、装置、电子设备及存储介质。该方法包括:获取目标用户的客户端的位置信息;根据所述位置信息确定所述目标用户对应的第一区域标识;为所述目标用户配置与所述第一区域标识具有映射关系的目标对象推送策略;其中,所述目标对象推送策略用于筛选推送至所述目标用户的所述客户端上的目标对象。通过本公开实施例,可以针对不同区域的特点为不同区域预先设置不同的对象推送策略,并针对区域内的目标用户配置对应于该区域的对象推送策略,使得为目标用户推送的目标对象能够符合地区特点,能够提高为目标用户推送的目标对象的准确率,进而能够提高用户在线上平台的搜索效率。
Description
技术领域
本公开涉及计算机技术领域,具体涉及一种对象推送方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的发展,越来越多的线上平台应运而生。为了提高对用户的服务质量,线上平台越来越多的依赖大数据分析技术,根据用户的需求为用户推荐对象,使得用户能够在线上平台快速命中所需要的对象。但是如何快速而精准的为用户推荐其所需的对象一直是线上平台致力于要解决的重要问题之一。
发明内容
本公开实施例提供一种对象推送方法、装置、电子设备及存储介质。
第一方面,本公开实施例中提供了一种对象推送方法。
具体的,所述对象推送方法,包括:
获取目标用户的客户端的位置信息;
根据所述位置信息确定所述目标用户对应的第一区域标识;
为所述目标用户配置与所述第一区域标识具有映射关系的目标对象推送策略;其中,所述目标对象推送策略用于筛选推送至所述目标用户的所述客户端上的目标对象。
结合第一方面,本公开在第一方面的第一种实现方式中,所述第一区域标识对应用户订单指标低于第一阈值的地区。
结合第一方面和/或第一方面的第一种实现方式,本公开在第一方面的第二种实现方式中,还包括:
获取目标用户的用户特征数据以及候选实体对象集中第一实体对象的对象特征数据;
根据所述目标对象策略中的对象识别模型对所述用户特征数据以及所述对象特征数据进行识别,并根据识别结果确定所述第一实体对象在所述候选实体对象集中的排序值;
根据所述排序值从所述候选实体对象集中确定向所述目标用户的客户端推送的目标对象。
结合第一方面、第一方面的第一种实现方式和/或第一方面的第二种实现方式,本公开在第一方面的第三种实现方式中,根据所述目标对象策略中的对象识别模型对所述用户特征数据以及所述对象特征数据进行识别,包括:
在所述第一实体对象满足特征权重调整条件时,对所述对象识别模型中目标对象特征的特征权重值进行调整;
利用调整后的所述对象识别模型对所述目标用户的所述用户特征数据以及所述第一实体对象的所述对象特征数据进行识别。
结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式和/或第一方面的第三种实现方式,本公开在第一方面的第四种实现方式中,还包括:
确定所述第一实体对象对应的第二实体对象;其中,所述第二实体对象位于第二区域标识的地区且与所述第一实体对象的相似度大于第二阈值;所述第二区域标识的地区中的用户订单指标大于所述第一区域标识的地区中的用户订单指标;
在所述第一实体对象对应的第一用户订单量和所述第二实体对象对应的第二用户订单量之间的差距满足第一条件时,确定所述第一实体对象满足所述特征权重调整条件。
结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式、第一方面的第三种实现方式和/或第一方面的第四种实现方式,本公开在第一方面的第五种实现方式中,所述目标对象特征包括所述第一实体对象的用户评价特征和/或物流配送特征。
结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式、第一方面的第三种实现方式、第一方面的第四种实现方式和/或第一方面的第五种实现方式,本公开在第一方面的第六种实现方式中,还包括:
确定线上平台为所述第一实体对象提供的补充资源;
根据所述补充资源调整所述第一实体对象对应的所述排序值。
结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式、第一方面的第三种实现方式、第一方面的第四种实现方式、第一方面的第五种实现方式和/或第一方面的第六种实现方式,本公开在第一方面的第七种实现方式中,还包括:
在所述第一实体对象满足第二条件时,根据所述第一实体对象对应的用户数据调整所述第一实体对象对应的所述排序值。
结合第一方面、第一方面的第一种实现方式、第一方面的第二种实现方式、第一方面的第三种实现方式、第一方面的第四种实现方式、第一方面的第五种实现方式、第一方面的第六种实现方式和/或第一方面的第七种实现方式,本公开在第一方面的第八种实现方式中,还包括:
确定所述第一区域标识的地区对应的资源平均获取价格;
将所述目标对象提供的价格低于所述资源平均获取价格的目标资源推送至所述目标用户的客户端。
第二方面,本公开实施例中提供了一种对象推送装置。
具体的,所述对象推送装置,包括:
第一获取模块,被配置为获取目标用户的客户端的位置信息;
第一确定模块,被配置为根据所述位置信息确定所述目标用户对应的第一区域标识;
第一推送模块,被配置为为所述目标用户配置与所述第一区域标识具有映射关系的目标对象推送策略;其中,所述目标对象推送策略用于筛选推送至所述目标用户的所述客户端上的目标对象。
结合第二方面,本公开在第二方面的第一种实现方式中,所述第一区域标识对应用户订单指标低于第一阈值的地区。
结合第二方面和/或第二方面的第一种实现方式,本公开在第二方面的第二种实现方式中,还包括:
第二获取模块,被配置为获取目标用户的用户特征数据以及候选实体对象集中第一实体对象的对象特征数据;
第二确定模块,被配置为根据所述目标对象策略中的对象识别模型对所述用户特征数据以及所述对象特征数据进行识别,并根据识别结果确定所述第一实体对象在所述候选实体对象集中的排序值;
第三确定模块,被配置为根据所述排序值从所述候选实体对象集中确定向所述目标用户的客户端推送的目标对象。
结合第二方面、第二方面的第一种实现方式和/或第二方面的第二种实现方式,本公开在第二方面的第三种实现方式中,所述第二确定模块,包括:
第一调整子模块,被配置为在所述第一实体对象满足特征权重调整条件时,对所述对象识别模型中目标对象特征的特征权重值进行调整;
识别子模块,被配置为利用调整后的所述对象识别模型对所述目标用户的所述用户特征数据以及所述第一实体对象的所述对象特征数据进行识别。
结合第二方面、第二方面的第一种实现方式、第二方面的第二种实现方式和/或第二方面的第三种实现方式,本公开在第二方面的第四种实现方式中,还包括:
第四确定模块,被配置为确定所述第一实体对象对应的第二实体对象;其中,所述第二实体对象位于第二区域标识的地区且与所述第一实体对象的相似度大于第二阈值;所述第二区域标识的地区中的用户订单指标大于所述第一区域标识的地区中的用户订单指标;
第五确定模块,被配置为在所述第一实体对象对应的第一用户订单量和所述第二实体对象对应的第二用户订单量之间的差距满足第一条件时,确定所述第一实体对象满足所述特征权重调整条件。
结合第二方面、第二方面的第一种实现方式、第二方面的第二种实现方式、第二方面的第三种实现方式和/或第二方面的第四种实现方式,本公开在第二方面的第五种实现方式中,所述目标对象特征包括所述第一实体对象的用户评价特征和/或物流配送特征。
结合第二方面、第二方面的第一种实现方式、第二方面的第二种实现方式、第二方面的第三种实现方式、第二方面的第四种实现方式和/或第二方面的第五种实现方式,本公开在第二方面的第六种实现方式中,还包括:
第六确定模块,被配置为确定线上平台为所述第一实体对象提供的补充资源;
第一调整模块,被配置为根据所述补充资源调整所述第一实体对象对应的所述排序值。
结合第二方面、第二方面的第一种实现方式、第二方面的第二种实现方式、第二方面的第三种实现方式、第二方面的第四种实现方式、第二方面的第五种实现方式和/或第二方面的第六种实现方式,本公开在第二方面的第七种实现方式中,还包括:
第二调整模块,被配置为在所述第一实体对象满足第二条件时,根据所述第一实体对象对应的用户数据调整所述第一实体对象对应的所述排序值
结合第二方面、第二方面的第一种实现方式、第二方面的第二种实现方式、第二方面的第三种实现方式、第二方面的第四种实现方式、第二方面的第五种实现方式、第二方面的第六种实现方式和/或第二方面的第七种实现方式,本公开在第二方面的第八种实现方式中,还包括:
第七确定模块,被配置为确定所述第一区域标识的地区对应的资源平均获取价格;
第二推送模块,被配置为将所述目标对象提供的价格低于所述资源平均获取价格的目标资源推送至所述目标用户的客户端
第三方面,本公开实施例提供了一种电子设备,包括存储器和至少一个处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述至少一个处理器执行以实现上述任一方法。
第四方面,本公开实施例提供了一种计算机可读存储介质,用于存储对象推送装置所用的计算机指令,其包含用于执行上述任一方法所涉及的计算机指令。
本公开实施例提供的技术方案可以包括以下有益效果:
通过本公开实施例中的上述方式,可以针对不同区域的特点为不同区域预先设置不同的对象推送策略,并针对区域内的目标用户配置对应于该区域的对象推送策略,使得为目标用户推送的目标对象能够符合地区特点,能够提高为目标用户推送的目标对象的准确率,进而能够提高用户在线上平台的搜索效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1-图6示出根据本公开一实施方式的对象推送方法的流程图;
图7示出适于用来实现根据本公开一实施方式的对象推送方法的电子设备的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施方式,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施方式无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
目前线上平台在向用户推荐对象时,通常会从线上平台中收集到的用户数据以及对象相关的对象数据提取相应特征,并针对提取得到的特征赋予相应的特征权重值之后,根据利用上述特征权重值为线上平台的对象进行排序,并根据排序结果将排序较前的对象推送给用户。但是,本公开发明人发现,一些线上平台由于用户所处区域的不同而导致用户数据以及对象数据等存在差异,例如一二线城市的数据量较多,而三四线城市的数据量较少,且一二线城市用户的消费水平高于三四线城市用户的消费水平,如果不针对不同区域对数据以及对象推送策略加以区分,最终可能会造成进行统计分析所依赖的样本数据大多来源于一二线城市,而导致利用上述样本数据获得的对象推送策略并不适用于三四线城市用户,进而导致线上平台推荐给三四线城市用户的对象并不精准,并且还会降低三四线城市的用户在线上平台的搜索效率,进而影响到用户的使用体验。
为此,本公开实施例提出了一种对象推送方法。该方法中,根据目标用户的客户端所在位置确定目标用户对应的第一区域标识,该第一区域标识可以标识出用户的区域级别,例如一二线城市或三四线城市等。不同区域标识可以预先设置不同的对象推送策略,因此可以根据目标用户的第一区域标识为目标用户配置对应的目标对象推送策略,以便能够根据配置的该目标对象推送策略为目标用户推送目标对象。通过本公开实施例中的上述方式,可以针对不同区域的特点为不同区域预先设置不同的对象推送策略,并针对区域内的目标用户配置对应于该区域的对象推送策略,使得为目标用户推送的目标对象能够符合地区特点,能够提高为目标用户推送的目标对象的准确率,进而能够提高用户在线上平台的搜索效率。
图1示出根据本公开一实施方式的对象推送方法的流程图。如图1所示,所述对象推送方法包括以下步骤:
在步骤S101中,获取目标用户的客户端的位置信息;
在步骤S102中,根据所述位置信息确定所述目标用户对应的第一区域标识;
在步骤S103中,为所述目标用户配置与所述第一区域标识具有映射关系的目标对象推送策略;其中,所述目标对象推送策略用于筛选推送至所述目标用户的所述客户端上的目标对象。
本实施例中,目标用户可以是线上平台的任一用户,目标用户可以通过客户端登陆线上平台,并浏览和/或获取线上平台提供的资源。线上平台可以根据该目标用户的特征数据等识别出该目标用户的需求信息,并根据目标用户的需求信息为该目标用户推荐其当前所需要的目标对象,以便能够快速引导该目标用户搜索到其在线上平台所需要得到的资源。
目标对象可以是线上平台中为用户提供资源的实体对象,例如内容提供者、商户等。目标对象所提供的资源可以包括但不限于产品、服务等,例如商品、菜品、文章、视频、维修服务、配送服务等。目标用户通过客户端浏览实体对象通过线上平台所提供的资源,并且可以通过线上平台下单获取实体对象提供的资源,而实体对象可以将目标用户下单的资源提供给用户,如果目标用户获取的是产品,则实体对象可以通过配送资源配送至目标用户预留的配送地址处。
线上平台为了识别目标用户对实体对象通过线上平台提供的资源的需求程度,可以针对目标用户所在的位置识别出目标用户所在地区的第一区域标识。目标用户所在的位置可以基于目标用户所使用的客户端设备的定位数据确定。线上平台可以针对不同地区的用户在获取资源时的不同特征为每个地区设置对应的区域标识,相同区域标识对应的地区的用户在获取资源时的特征相同或者相近,不同区域标识对应的地区的用户在获取资源时的特征不同。因此,本公开实施例中,针对不同区域标识对应的地区预先根据用户的不同特征设置不同的对象推送策略。例如,一二线城市的用户消费水平高,对于资源的要求更注重品质,而三四线城市的用户消费水平相对较低,对于资源的要求更注重价格,因此针对一二线城市用户的对象推送策略可以更加突出实体对象所提供资源的品质,而三四线城市用户的对象推送策略可以更加突出实体对象所提供资源的价格。线上平台可以在区域标识和对应的对象推送策略之间建立映射关系。在识别出目标用户的第一区域标识后,通过匹配该映射关系确定为目标用户所要配置的目标对象推送策略。在为目标用户配置了目标对象推送策略之后,在对象推送触发机制的触发下,可以采用所配置的目标对象推送策略为目标用户筛选目标对象,进而将筛选出来的目标对象推送至目标对象的客户端。当然,可以理解的是,线上平台还可以从目标对象中筛选出目标用户感兴趣的目标资源,一同推送至目标用户的客户端。
在一些实施例中,针对不同地区,可以将用户订单指标作为分配区域标识的依据,例如可以根据用户订单指标与第一阈值之间的关系为不同地区分配不同的区域标识,例如用户订单指标小于第一阈值的地区被分配第一区域标识,而用户订单指标待或等于第一阈值的地区被分配第二区域标识,区域标识可以用数字、字符串、文字等表示,在此不做具体限制。
在一些实施例中,第一区域标识对应用户订单指标低于第一阈值的地区。用户订单指标可以是地区中的用户在线上平台的订单行为相关的指标数据,例如用户订单指标可以包括但不限于位于该地区的实体对象的用户订单总量、用户订单平均量、用户订单总量相对于其他地区所占的比例、用户订单平均量相对于其他地区所占的比例等。第一阈值可以根据实际应用场景而定,例如可以根据三四线城市的历史订单数据等设置第一阈值,使得三四线城市的用户订单指标低于第一阈值。通过这种方式,可以通过比较用户订单指标为不同地区分配不同的区域标识。当然,可以理解的是,在一些实施例中,区域标识还可以根据其他数据进行分配,例如可以根据人口数据、经济数据等预先将不同城市和/或城镇划分成具有不同区域标识的地区,具体划分方式可以根据实际情况而定,在此不做限制。
通过本公开实施例中的上述方式,可以针对不同区域的特点为不同区域预先设置不同的对象推送策略,并针对区域内的目标用户配置对应于该区域的对象推送策略,使得为目标用户推送的目标对象能够符合地区特点,能够提高为目标用户推送的目标对象的准确率,进而能够提高用户在线上平台的搜索效率。
在本实施例的一个可选实现方式中,如图2所示,所述方法进一步包括以下步骤:
步骤S201中,获取目标用户的用户特征数据以及候选实体对象集中第一实体对象的对象特征数据;
步骤S202中,根据所述目标对象策略中的对象识别模型对所述用户特征数据以及所述对象特征数据进行识别,并根据识别结果确定所述第一实体对象在所述候选实体对象集中的排序值;
步骤S203中,根据所述排序值从所述候选实体对象集中确定向所述目标用户的客户端推送的目标对象。
该可选的实现方式中,为目标用户配置了目标对象推送策略之后,可以在对象推送机制的触发下,利用该目标推送策略为目标用户推送目标对象,例如目标用户登陆线上平台时,可以触发对象推送机制,以便根据配置的目标对象推送策略为目标用户推送目标对象。
在对象推送过程中,可以针对目标用户获取用户特征数据,并收集能够为目标用户提供资源如产品或服务等的候选实体对象集(以外卖点餐平台为例,可以将利用目标用户的位置信息召回的商户加入候选实体对象集),针对候选实体对象集中的第一实体对象提取对象特征数据,根据目标对象推送策略针对用户特征数据和对象特征数据赋予符合第一区域标识的地区特点的特征权重值,之后根据第一实体对象的对象特征数据、用户特征数据以及对应的特征权重值对候选实体对象集中的每一实体对象进行打分,进而根据得到的分数对候选实体对象集中的第一实体对象进行排序,最终得到候选实体对象集中第一实体对象相对于目标用户的排序值,该排序值可以表征该第一实体对象对于该目标用户的重要程度,从另一方面可以认为该排序值可以表征该目标用户对于该实体对象的需求程度,或者说是倾向程度。可以理解的是,同一实体对象对于不同目标用户的排序值可能有所不同。
在一些实施例中,用户特征数据可以包括但不限于线上平台根据目标用户的历史行为数据等统计分析而得到的用户特征,例如用户性别、用户年龄、用户学历、用户客单价、用户下单频次、用户兴趣爱好等。
第一实体对象的对象特征数据可以是线上平台根据实体对象所提供的资源属性以及从该实体对象处获取资源的用户特征数据等统计分析得到的对象特征,例如电商平台中实体对象的主营范围、用户订单量、平均客单价、平均配送费用、该实体对象的用户群体特征、线上平台为实体对象提供的补充资源(如补贴)等。
在一些实施例中,目标对象推送策略可以包括对象识别模型。该对象识别模型可以利用在第一区域标识对应的地区内的样本数据训练得到。样本数据可以包括样本用户的用户特征数据以及样本实体对象的对象特征数据。训练得到的对象识别模型能够从上述样本数据中学习得到用户特征数据以及对象特征数据的特征权重值,进而还可以根据学习得到的特征权重值以及输入至对象识别模型的目标用户的用户特征数据以及候选实体对象集中第一实体对象的对象特征数据对各第一实体对象进行打分,进而根据该打分结果得到第一实体对象在候选实体对象集中的排序值。在一些实施例中,对象识别模型可以包括但不限于神经网络、卷积神经网络、深度神经网络、反馈神经网络、支持向量机、K-means、K-neighbors、决策树、随机森林、贝叶斯网络中的一种或多种组合。
本公开实施例中确定了实体对象对于目标用户的排序值之后,可以将排序值较大的一个或多个第一实体对象作为目标对象,进而推送至目标用户的客户端,以便目标用户能够从所推荐的目标对象中快速而精准的获取到所需要的资源。
在本实施例的一个可选实现方式中,如图3所示,所述步骤S202中根据所述目标对象策略中的对象识别模型对所述用户特征数据以及所述对象特征数据进行识别的步骤,进一步包括以下步骤:
在步骤S301中,在所述第一实体对象满足特征权重调整条件时,对所述对象识别模型中目标对象特征的特征权重值进行调整;
在步骤S302中,利用调整后的所述对象识别模型对所述目标用户的所述用户特征数据以及所述第一实体对象的所述对象特征数据进行识别。
该可选的实现方式中,可以针对第一区域标识,收集位于第一区域标识对应的地区的样本用户的用户特征数据以及样本实体对象的对象特征数据,进而利用上述用户特征数据以及对象特征数据训练得到对象识别模型。对象识别模型训练完成之后,可以得到对应于各用户特征数据的特征权重值和对应于各对象特征数据的特征权重值。
在一些实施例中,目标用户位于第一区域标识对应的地区,而第一区域标识对应的地区属于用户订单指标较低的地区,例如三四线城市,这类地区的用户订单量等较小。在训练对象识别模型时,对于用户订单量低下的样本实体对象所收集到的对象特征数据存在噪声较大的情况。因此,训练得到的对象识别模型对于这类实体对象的打分结果不一定准确。因此,在针对这类实体对象进行打分时,可以先调整对象识别模型中一些较为重要的目标对象特征对应的特征权重值,突出重要的目标对象特征对于打分结果的贡献,进而再根据调整后的对象识别模型对这类实体对象进行打分。当然,可以理解的是,对于不满足特征权重调整条件的第一实体对象,可以在不调整对象识别模型中的特征权重值的情况下,对第一实体对象直接进行打分。
在一些实施例中,第一实体对象是否满足特征权重调整条件,可以根据第一实体对象对应的用户订单量的多少来判断。
在一些实施例中,重要的目标对象特征可以根据第一区域标识对应的地区用户的特点来预先确定。例如,三四线城市的用户对价格较为敏感,因此可以将与价格相关的对象特征数据设置为目标对象特征,进而可以调整该目标对象特征的特征权重值。通过上述方式能够提高对象识别模型的识别准确率。
在本实施例的一个可选实现方式中,如图4所示,所述方法进一步包括以下步骤:
在步骤S401中,确定所述第一实体对象对应的第二实体对象;其中,所述第二实体对象位于第二区域标识的地区且与所述第一实体对象的相似度大于第二阈值;所述第二区域标识的地区中的用户订单指标大于所述第一区域标识的地区中的用户订单指标;
在步骤S402中,在所述第一实体对象对应的第一用户订单量和所述第二实体对象对应的第二用户订单量之间的差距满足第一条件时,确定所述第一实体对象满足所述特征权重调整条件。
该可选的实现方式中,由于第一区域标识的地区为用户订单指标较低例如用户订单相关的样本数据较少的地区,比如三四线城市等。因此,在样本数据较少的情况下,利用有限的样本数据分析得出的对象特征数据的特征权重值可能会有所偏差,进而会导致利用该特征权重值对一些优质实体对象给出的分数较低。因此,本公开实施例针对第一区域标识的地区的这一特点,通过为第一区域标识的地区中的第一实体对象找到第二实体对象,该第二实体对象为从样本数据较多的第二区域标识的地区中找到同类对象,进而通过判断第一实体对象和第二实体对象之间的用户订单量之间的差距是否满足第一条件,来确定该第一实体对象是否满足特征权重调整条件,如果该第一实体对象满足特征权重调整条件,则针对该第一实体对象进行打分时,先调整对象识别模型中目标对象特征的特征权重值,进而再根据调整了特征权重值的对象识别模型对该第一实体对象进行打分。
第二区域标识的地区为用户订单指标较高的地区,例如一二线城市。第二区域标识的地区的用户订单指标高于第一区域标识的地区的用户订单指标,也即第二区域标识的地区中用户订单相关的样本数据远大于第一区域标识中用户订单相关的样本数据。第二实体对象位于第二区域标识的地区,且第二实体对象与第一实体对象的相似度大于第二阈值,第二阈值设置越大,第一实体对象与第二实体对象越相似。可以理解的是,第一实体对象和第二实体对象的相似度可以根据第一实体对象的属性和第二实体对象的属性是否相似来确定。例如,第一实体对象和第二实体对象所提供的资源是否类似或者相同等,具体可以根据实际情况设定,在此不做限制。
在一些实施例中,第一条件可以是第二实体对象的用户订单量是否远大于第一实体对象的用户订单量,比如第二实体对象的用户订单量与第一实体对象的用户订单量之间的差距是预设数量级级别的。在第二实体对象的用户订单量远大于第一实体对象的用户订单量时,可以认为第一实体对象的用户订单量少的原因不是因为第一实体对象提供的资源品质不高,而可能是由于第一区域标识的地区本身用户量较少或其他原因导致,因此在对这类实体对象进行打分时,可以通过提升某些重要的目标对象特征的特征权重值的方式重点突出该些目标对象特征对于打分结果的贡献,也即通过调整例如提升目标对象特征的特征权重值,使得这类实体对象不会因为样本数据不够而被给出低分的结果。通过这种方式,能够进一步提高对目标用户推送的目标对象的准确率。
在一些实施例中,目标对象特征可以根据实际情况预先设置。例如,由于三四线城市消费水平较低,目标用户可能比较看重配送费用,因此可以将第一实体对象相对于目标用户的物流配送特征设置为目标对象特征。此外,在样本数据较少的情况下,用户对于实体对象的评价信息较能客观地反映实体对象的优劣程度,因此还可以将用户评价特征也设置为目标对象特征。可以理解的是,还可以根据地区的实际情况设置其他重要特征,在此不做具体限制。
在本实施例的一个可选实现方式中,如图5所示,所述方法还包括以下步骤:
在步骤S501中,确定线上平台为所述第一实体对象提供的补充资源;
在步骤S502中,根据所述补充资源调整所述第一实体对象对应的所述排序值。
该可选的实现方式中,线上平台针对优质实体对象会提供额外的补充资源,这些补充资源最终会体现在用户能够以更低的价格获得实体对象提供的资源如产品或者服务。例如,电商平台可以为商户提供一定的补贴,商户可以将这些补贴以优惠券的形式发放到用户的账户中,用户在该商户下单时可以使用优惠券抵用一部分订单金额。可以理解的是,在三四线城市由于消费水平不高,用户对于价格较为敏感,因此线上平台为第一实体对象提供的补充资源越多,用户对该第一实体对象会越感兴趣,因此本公开实施例还可以根据线上平台为第一实体对象提供的补充资源调整该第一实体对象相对于目标用户的排序值,例如线上平台对于某一实体对象的补充资源较多,则可以适当提升该第一实体对象在候选实体对象集中的排序值。排序值可以与补充资源的多少成正比,在一些实施例中,可以预先设置利用补充资源的多少计算排序值的权重的计算方式,并根据该计算方式得到权重之后,将该权重与上述利用用户特征数据、对象特征数据以及特征权重值得到的排序值进行相乘,得到最终的排序值。
当然,可以理解的是,补充资源可以包括多种,例如电商平台中的上品价格优惠补贴和配送费用优惠补贴。在实际应用中,可以分别根据不同的补充资源计算得到排序值的对应权重,并可以通过将多个权重进行叠加或者取平均值的方式得到最终的权重,进而利用该权重调整排序值。
在本实施例的一个可选实现方式中,所述方法还包括以下步骤:
在所述第一实体对象满足第二条件时,根据所述第一实体对象对应的用户数据调整所述第一实体对象对应的所述排序值。
该可选的实现方式中,第二条件可以根据实际情况设定,例如第二条件可以是第一实体对象是否为在其他线上平台入驻较久而在当前线上平台新入驻不久的实体对象;如果第一实体对象为在其他线上平台入驻较久而在当前线上平台新入驻不久的实体对象,那么可以根据实际情况为该第一实体对象赋予权重值,并进一步利用该权重值调整该第一实体对象相对于目标用户的排序值。通过这种方式,可以针对从其他线上平台引导过来的实体对象给予较多的用户流量,以便能够提高用户在该实体对象的用户下单量。
在本实施例的一个可选实现方式中,如图6所示,所述方法还包括以下步骤:
在步骤S601中,确定所述第一区域标识的地区对应的资源平均获取价格;
在步骤S602中,将所述目标对象提供的价格低于所述资源平均获取价格的目标资源推送至所述目标用户的客户端。
该可选的实现方式中,为了了解各个地区的用户的整体消费水平,线上平台还可以根据历史订单数据预先计算得到不同地区的资源平均获取价格,也即用户在线上平台订购资源的平均单价值。如上文所述,三四线城市的用户可能更倾向于订购单价较低的资源,因此针对第一区域标识的地区的目标用户,可以先确定该地区的资源平均获取价格,并在确定目标对象之后,可以将目标对象中价格低于资源平均获取价格的目标资源推送至目标用户的客户端。通过这种方式可以进一步提高用户在线上平台的下单量。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
根据本公开一实施方式的对象推送装置的结构框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。该对象推送装置包括:
第一获取模块,被配置为获取目标用户的客户端的位置信息;
第一确定模块,被配置为根据所述位置信息确定所述目标用户对应的第一区域标识;
第一推送模块,被配置为为所述目标用户配置与所述第一区域标识具有映射关系的目标对象推送策略;其中,所述目标对象推送策略用于筛选推送至所述目标用户的所述客户端上的目标对象。
本实施例中,目标用户可以是线上平台的任一用户,目标用户可以通过客户端登陆线上平台,并浏览和/或获取线上平台提供的资源。线上平台可以根据该目标用户的特征数据等识别出该目标用户的需求信息,并根据目标用户的需求信息为该目标用户推荐其当前所需要的目标对象,以便能够快速引导该目标用户搜索到其在线上平台所需要得到的资源。
目标对象可以是线上平台中为用户提供资源的实体对象,例如内容提供者、商户等。目标对象所提供的资源可以包括但不限于产品、服务等,例如商品、菜品、文章、视频、维修服务、配送服务等。目标用户通过客户端浏览实体对象通过线上平台所提供的资源,并且可以通过线上平台下单获取实体对象提供的资源,而实体对象可以将目标用户下单的资源提供给用户,如果目标用户获取的是产品,则实体对象可以通过配送资源配送至目标用户预留的配送地址处。
线上平台为了识别目标用户对实体对象通过线上平台提供的资源的需求程度,可以针对目标用户所在的位置识别出目标用户所在地区的第一区域标识。目标用户所在的位置可以基于目标用户所使用的客户端设备的定位数据确定。线上平台可以针对不同地区的用户在获取资源时的不同特征为每个地区设置对应的区域标识,相同区域标识对应的地区的用户在获取资源时的特征相同或者相近,不同区域标识对应的地区的用户在获取资源时的特征不同。因此,本公开实施例中,针对不同区域标识对应的地区预先根据用户的不同特征设置不同的对象推送策略。例如,一二线城市的用户消费水平高,对于资源的要求更注重品质,而三四线城市的用户消费水平相对较低,对于资源的要求更注重价格,因此针对一二线城市用户的对象推送策略可以更加突出实体对象所提供资源的品质,而三四线城市用户的对象推送策略可以更加突出实体对象所提供资源的价格。线上平台可以在区域标识和对应的对象推送策略之间建立映射关系。在识别出目标用户的第一区域标识后,通过匹配该映射关系确定为目标用户所要配置的目标对象推送策略。在为目标用户配置了目标对象推送策略之后,在对象推送触发机制的触发下,可以采用所配置的目标对象推送策略为目标用户筛选目标对象,进而将筛选出来的目标对象推送至目标对象的客户端。当然,可以理解的是,线上平台还可以从目标对象中筛选出目标用户感兴趣的目标资源,一同推送至目标用户的客户端。
在一些实施例中,针对不同地区,可以将用户订单指标作为分配区域标识的依据,例如可以根据用户订单指标与第一阈值之间的关系为不同地区分配不同的区域标识,例如用户订单指标小于第一阈值的地区被分配第一区域标识,而用户订单指标待或等于第一阈值的地区被分配第二区域标识,区域标识可以用数字、字符串、文字等表示,在此不做具体限制。
在一些实施例中,第一区域标识对应用户订单指标低于第一阈值的地区。用户订单指标可以是地区中的用户在线上平台的订单行为相关的指标数据,例如用户订单指标可以包括但不限于位于该地区的实体对象的用户订单总量、用户订单平均量、用户订单总量相对于其他地区所占的比例、用户订单平均量相对于其他地区所占的比例等。第一阈值可以根据实际应用场景而定,例如可以根据三四线城市的历史订单数据等设置第一阈值,使得三四线城市的用户订单指标低于第一阈值。通过这种方式,可以通过比较用户订单指标为不同地区分配不同的区域标识。当然,可以理解的是,在一些实施例中,区域标识还可以根据其他数据进行分配,例如可以根据人口数据、经济数据等预先将不同城市和/或城镇划分成具有不同区域标识的地区,具体划分方式可以根据实际情况而定,在此不做限制。
通过本公开实施例中的上述方式,可以针对不同区域的特点为不同区域预先设置不同的对象推送策略,并针对区域内的目标用户配置对应于该区域的对象推送策略,使得为目标用户推送的目标对象能够符合地区特点,能够提高为目标用户推送的目标对象的准确率,进而能够提高用户在线上平台的搜索效率。
在本实施例的一个可选实现方式中,还包括:
第二获取模块,被配置为获取目标用户的用户特征数据以及候选实体对象集中第一实体对象的对象特征数据;
第二确定模块,被配置为根据所述目标对象策略中的对象识别模型对所述用户特征数据以及所述对象特征数据进行识别,并根据识别结果确定所述第一实体对象在所述候选实体对象集中的排序值;
第三确定模块,被配置为根据所述排序值从所述候选实体对象集中确定向所述目标用户的客户端推送的目标对象。
该可选的实现方式中,为目标用户配置了目标对象推送策略之后,可以在对象推送机制的触发下,利用该目标推送策略为目标用户推送目标对象,例如目标用户登陆线上平台时,可以触发对象推送机制,以便根据配置的目标对象推送策略为目标用户推送目标对象。
在对象推送过程中,可以针对目标用户获取用户特征数据,并收集能够为目标用户提供资源如产品或服务等的候选实体对象集(以外卖点餐平台为例,可以将利用目标用户的位置信息召回的商户加入候选实体对象集),针对候选实体对象集中的第一实体对象提取对象特征数据,根据目标对象推送策略针对用户特征数据和对象特征数据赋予符合第一区域标识的地区特点的特征权重值,之后根据第一实体对象的对象特征数据、用户特征数据以及对应的特征权重值对候选实体对象集中的每一实体对象进行打分,进而根据得到的分数对候选实体对象集中的第一实体对象进行排序,最终得到候选实体对象集中第一实体对象相对于目标用户的排序值,该排序值可以表征该第一实体对象对于该目标用户的重要程度,从另一方面可以认为该排序值可以表征该目标用户对于该实体对象的需求程度,或者说是倾向程度。可以理解的是,同一实体对象对于不同目标用户的排序值可能有所不同。
在一些实施例中,用户特征数据可以包括但不限于线上平台根据目标用户的历史行为数据等统计分析而得到的用户特征,例如用户性别、用户年龄、用户学历、用户客单价、用户下单频次、用户兴趣爱好等。
第一实体对象的对象特征数据可以是线上平台根据实体对象所提供的资源属性以及从该实体对象处获取资源的用户特征数据等统计分析得到的对象特征,例如电商平台中实体对象的主营范围、用户订单量、平均客单价、平均配送费用、该实体对象的用户群体特征、线上平台为实体对象提供的补充资源(如补贴)等。
在一些实施例中,目标对象推送策略可以包括对象识别模型。该对象识别模型可以利用在第一区域标识对应的地区内的样本数据训练得到。样本数据可以包括样本用户的用户特征数据以及样本实体对象的对象特征数据。训练得到的对象识别模型能够从上述样本数据中学习得到用户特征数据以及对象特征数据的特征权重值,进而还可以根据学习得到的特征权重值以及输入至对象识别模型的目标用户的用户特征数据以及候选实体对象集中第一实体对象的对象特征数据对各第一实体对象进行打分,进而根据该打分结果得到第一实体对象在候选实体对象集中的排序值。在一些实施例中,对象识别模型可以包括但不限于神经网络、卷积神经网络、深度神经网络、反馈神经网络、支持向量机、K-means、K-neighbors、决策树、随机森林、贝叶斯网络中的一种或多种组合。
本公开实施例中确定了实体对象对于目标用户的排序值之后,可以将排序值较大的一个或多个第一实体对象作为目标对象,进而推送至目标用户的客户端,以便目标用户能够从所推荐的目标对象中快速而精准的获取到所需要的资源。
在本实施例的一个可选实现方式中,所述第二确定模块,还包括:
第一调整子模块,被配置为在所述第一实体对象满足特征权重调整条件时,对所述对象识别模型中目标对象特征的特征权重值进行调整;
识别子模块,被配置为利用调整后的所述对象识别模型对所述目标用户的所述用户特征数据以及所述第一实体对象的所述对象特征数据进行识别。
该可选的实现方式中,可以针对第一区域标识,收集位于第一区域标识对应的地区的样本用户的用户特征数据以及样本实体对象的对象特征数据,进而利用上述用户特征数据以及对象特征数据训练得到对象识别模型。对象识别模型训练完成之后,可以得到对应于各用户特征数据的特征权重值和对应于各对象特征数据的特征权重值。
在一些实施例中,目标用户位于第一区域标识对应的地区,而第一区域标识对应的地区属于用户订单指标较低的地区,例如三四线城市,这类地区的用户订单量等较小。在训练对象识别模型时,对于用户订单量低下的样本实体对象所收集到的对象特征数据存在噪声较大的情况。因此,训练得到的对象识别模型对于这类实体对象的打分结果不一定准确。因此,在针对这类实体对象进行打分时,可以先调整对象识别模型中一些较为重要的目标对象特征对应的特征权重值,突出重要的目标对象特征对于打分结果的贡献,进而再根据调整后的对象识别模型对这类实体对象进行打分。当然,可以理解的是,对于不满足特征权重调整条件的第一实体对象,可以在不调整对象识别模型中的特征权重值的情况下,对第一实体对象直接进行打分。
在一些实施例中,第一实体对象是否满足特征权重调整条件,可以根据第一实体对象对应的用户订单量的多少来判断。
在一些实施例中,重要的目标对象特征可以根据第一区域标识对应的地区用户的特点来预先确定。例如,三四线城市的用户对价格较为敏感,因此可以将与价格相关的对象特征数据设置为目标对象特征,进而可以调整该目标对象特征的特征权重值。通过上述方式能够提高对象识别模型的识别准确率。
在本实施例的一个可选实现方式中,还包括:
第四确定模块,被配置为确定所述第一实体对象对应的第二实体对象;其中,所述第二实体对象位于第二区域标识的地区且与所述第一实体对象的相似度大于第二阈值;所述第二区域标识的地区中的用户订单指标大于所述第一区域标识的地区中的用户订单指标;
第五确定模块,被配置为在所述第一实体对象对应的第一用户订单量和所述第二实体对象对应的第二用户订单量之间的差距满足第一条件时,确定所述第一实体对象满足所述特征权重调整条件。
该可选的实现方式中,由于第一区域标识的地区为用户订单指标较低例如用户订单相关的样本数据较少的地区,比如三四线城市等。因此,在样本数据较少的情况下,利用有限的样本数据分析得出的对象特征数据的特征权重值可能会有所偏差,进而会导致利用该特征权重值对一些优质实体对象给出的分数较低。因此,本公开实施例针对第一区域标识的地区的这一特点,通过为第一区域标识的地区中的第一实体对象找到第二实体对象,该第二实体对象为从样本数据较多的第二区域标识的地区中找到同类对象,进而通过判断第一实体对象和第二实体对象之间的用户订单量之间的差距是否满足第一条件,来确定该第一实体对象是否满足特征权重调整条件,如果该第一实体对象满足特征权重调整条件,则针对该第一实体对象进行打分时,先调整对象识别模型中目标对象特征的特征权重值,进而再根据调整了特征权重值的对象识别模型对该第一实体对象进行打分。
第二区域标识的地区为用户订单指标较高的地区,例如一二线城市。第二区域标识的地区的用户订单指标高于第一区域标识的地区的用户订单指标,也即第二区域标识的地区中用户订单相关的样本数据远大于第一区域标识中用户订单相关的样本数据。第二实体对象位于第二区域标识的地区,且第二实体对象与第一实体对象的相似度大于第二阈值,第二阈值设置越大,第一实体对象与第二实体对象越相似。可以理解的是,第一实体对象和第二实体对象的相似度可以根据第一实体对象的属性和第二实体对象的属性是否相似来确定。例如,第一实体对象和第二实体对象所提供的资源是否类似或者相同等,具体可以根据实际情况设定,在此不做限制。
在一些实施例中,第一条件可以是第二实体对象的用户订单量是否远大于第一实体对象的用户订单量,比如第二实体对象的用户订单量与第一实体对象的用户订单量之间的差距是预设数量级级别的。在第二实体对象的用户订单量远大于第一实体对象的用户订单量时,可以认为第一实体对象的用户订单量少的原因不是因为第一实体对象提供的资源品质不高,而可能是由于第一区域标识的地区本身用户量较少或其他原因导致,因此在对这类实体对象进行打分时,可以通过提升某些重要的目标对象特征的特征权重值的方式重点突出该些目标对象特征对于打分结果的贡献,也即通过调整例如提升目标对象特征的特征权重值,使得这类实体对象不会因为样本数据不够而被给出低分的结果。通过这种方式,能够进一步提高对目标用户推送的目标对象的准确率。
在一些实施例中,目标对象特征可以根据实际情况预先设置。例如,由于三四线城市消费水平较低,目标用户可能比较看重配送费用,因此可以将第一实体对象相对于目标用户的物流配送特征设置为目标对象特征。此外,在样本数据较少的情况下,用户对于实体对象的评价信息较能客观地反映实体对象的优劣程度,因此还可以将用户评价特征也设置为目标对象特征。可以理解的是,还可以根据地区的实际情况设置其他重要特征,在此不做具体限制。
在本实施例的一个可选实现方式中,还包括:
第六确定模块,被配置为确定线上平台为所述第一实体对象提供的补充资源;
第一调整模块,被配置为根据所述补充资源调整所述第一实体对象对应的所述排序值。
该可选的实现方式中,线上平台针对优质实体对象会提供额外的补充资源,这些补充资源最终会体现在用户能够以更低的价格获得实体对象提供的资源如产品或者服务。例如,电商平台可以为商户提供一定的补贴,商户可以将这些补贴以优惠券的形式发放到用户的账户中,用户在该商户下单时可以使用优惠券抵用一部分订单金额。可以理解的是,在三四线城市由于消费水平不高,用户对于价格较为敏感,因此线上平台为第一实体对象提供的补充资源越多,用户对该第一实体对象会越感兴趣,因此本公开实施例还可以根据线上平台为第一实体对象提供的补充资源调整该第一实体对象相对于目标用户的排序值,例如线上平台对于某一实体对象的补充资源较多,则可以适当提升该第一实体对象在候选实体对象集中的排序值。排序值可以与补充资源的多少成正比,在一些实施例中,可以预先设置利用补充资源的多少计算排序值的权重的计算方式,并根据该计算方式得到权重之后,将该权重与上述利用用户特征数据、对象特征数据以及特征权重值得到的排序值进行相乘,得到最终的排序值。
当然,可以理解的是,补充资源可以包括多种,例如电商平台中的上品价格优惠补贴和配送费用优惠补贴。在实际应用中,可以分别根据不同的补充资源计算得到排序值的对应权重,并可以通过将多个权重进行叠加或者取平均值的方式得到最终的权重,进而利用该权重调整排序值。
在本实施例的一个可选实现方式中,所述装置还包括:
第二调整模块,被配置为在所述第一实体对象满足第二条件时,根据所述第一实体对象对应的用户数据调整所述第一实体对象对应的所述排序值。
该可选的实现方式中,第二条件可以根据实际情况设定,例如第二条件可以是第一实体对象是否为在其他线上平台入驻较久而在当前线上平台新入驻不久的实体对象;如果第一实体对象为在其他线上平台入驻较久而在当前线上平台新入驻不久的实体对象,那么可以根据实际情况为该第一实体对象赋予权重值,并进一步利用该权重值调整该第一实体对象相对于目标用户的排序值。通过这种方式,可以针对从其他线上平台引导过来的实体对象给予较多的用户流量,以便能够提高用户在该实体对象的用户下单量。
在本实施例的一个可选实现方式中,还包括:
第七确定模块,被配置为确定所述第一区域标识的地区对应的资源平均获取价格;
第二推送模块,被配置为将所述目标对象提供的价格低于所述资源平均获取价格的目标资源推送至所述目标用户的客户端。
该可选的实现方式中,为了了解各个地区的用户的整体消费水平,线上平台还可以根据历史订单数据预先计算得到不同地区的资源平均获取价格,也即用户在线上平台订购资源的平均单价值。如上文所述,三四线城市的用户可能更倾向于订购单价较低的资源,因此针对第一区域标识的地区的目标用户,可以先确定该地区的资源平均获取价格,并在确定目标对象之后,可以将目标对象中价格低于资源平均获取价格的目标资源推送至目标用户的客户端。通过这种方式可以进一步提高用户在线上平台的下单量。本公开实施方式还提供了一种电子设备,如图7所示,包括至少一个处理器701;以及与至少一个处理器701通信连接的存储器702;其中,存储器702存储有可被至少一个处理器701执行的指令,指令被至少一个处理器701执行以实现:
获取目标用户的客户端的位置信息;
根据所述位置信息确定所述目标用户对应的第一区域标识;
为所述目标用户配置与所述第一区域标识具有映射关系的目标对象推送策略;其中,所述目标对象推送策略用于筛选推送至所述目标用户的所述客户端上的目标对象。
其中,所述第一区域标识对应用户订单指标低于第一阈值的地区。
其中,还包括:
获取目标用户的用户特征数据以及候选实体对象集中第一实体对象的对象特征数据;
根据所述目标对象策略中的对象识别模型对所述用户特征数据以及所述对象特征数据进行识别,并根据识别结果确定所述第一实体对象在所述候选实体对象集中的排序值;
根据所述排序值从所述候选实体对象集中确定向所述目标用户的客户端推送的目标对象。
其中,根据所述目标对象策略中的对象识别模型对所述用户特征数据以及所述对象特征数据进行识别,包括:
在所述第一实体对象满足特征权重调整条件时,对所述对象识别模型中目标对象特征的特征权重值进行调整;
利用调整后的所述对象识别模型对所述目标用户的所述用户特征数据以及所述第一实体对象的所述对象特征数据进行识别。
其中,还包括:
确定所述第一实体对象对应的第二实体对象;其中,所述第二实体对象位于第二区域标识的地区且与所述第一实体对象的相似度大于第二阈值;所述第二区域标识的地区中的用户订单指标大于所述第一区域标识的地区中的用户订单指标;
在所述第一实体对象对应的第一用户订单量和所述第二实体对象对应的第二用户订单量之间的差距满足第一条件时,确定所述第一实体对象满足所述特征权重调整条件。
其中,所述目标对象特征包括所述第一实体对象的用户评价特征和/或物流配送特征。
其中,还包括:
确定线上平台为所述第一实体对象提供的补充资源;
根据所述补充资源调整所述第一实体对象对应的所述排序值。
其中,还包括:
在所述第一实体对象满足第二条件时,根据所述第一实体对象对应的用户数据调整所述第一实体对象对应的所述排序值。
其中,还包括:
确定所述第一区域标识的地区对应的资源平均获取价格;
将所述目标对象提供的价格低于所述资源平均获取价格的目标资源推送至所述目标用户的客户端。
具体地,处理器701、存储器702可以通过总线或者其他方式连接,图7中以通过总线连接为例。存储器702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701通过运行存储在存储器702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,即实现本公开实施例中的上述方法。
存储器702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;存储数据区可存储航运网络运输的历史数据等。此外,存储器702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,电子设备可选地包括通信组件703,存储器702可选地包括相对于处理器701远程设置的存储器,这些远程存储器可以通过通信组件703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702中,当被一个或者多个处理器701执行时,执行本公开实施例中的上述方法。
上述产品可执行本公开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,可参见本公开实施方式所提供的方法。
附图中的流程图和框图,图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种对象推送方法,其特征在于,包括
获取目标用户的客户端的位置信息;
根据所述位置信息确定所述目标用户对应的第一区域标识;
为所述目标用户配置与所述第一区域标识具有映射关系的目标对象推送策略;其中,所述目标对象推送策略用于筛选推送至所述目标用户的所述客户端上的目标对象。
2.根据权利要求1所述的方法,其特征在于,所述第一区域标识对应用户订单指标低于第一阈值的地区。
3.根据权利要求1或2所述的方法,其特征在于,还包括:
获取目标用户的用户特征数据以及候选实体对象集中第一实体对象的对象特征数据;
根据所述目标对象策略中的对象识别模型对所述用户特征数据以及所述对象特征数据进行识别,并根据识别结果确定所述第一实体对象在所述候选实体对象集中的排序值;
根据所述排序值从所述候选实体对象集中确定向所述目标用户的客户端推送的目标对象。
4.根据权利要求3所述的方法,其特征在于,根据所述目标对象策略中的对象识别模型对所述用户特征数据以及所述对象特征数据进行识别,包括:
在所述第一实体对象满足特征权重调整条件时,对所述对象识别模型中目标对象特征的特征权重值进行调整;
利用调整后的所述对象识别模型对所述目标用户的所述用户特征数据以及所述第一实体对象的所述对象特征数据进行识别。
5.根据权利要求4所述的方法,其特征在于,还包括:
确定所述第一实体对象对应的第二实体对象;其中,所述第二实体对象位于第二区域标识的地区且与所述第一实体对象的相似度大于第二阈值;所述第二区域标识的地区中的用户订单指标大于所述第一区域标识的地区中的用户订单指标;
在所述第一实体对象对应的第一用户订单量和所述第二实体对象对应的第二用户订单量之间的差距满足第一条件时,确定所述第一实体对象满足所述特征权重调整条件。
6.根据权利要求4或5所述的方法,其特征在于,所述目标对象特征包括所述第一实体对象的用户评价特征和/或物流配送特征。
7.根据权利要求1-2、4-5所述的方法,其特征在于,还包括:
确定线上平台为所述第一实体对象提供的补充资源;
根据所述补充资源调整所述第一实体对象对应的所述排序值。
8.一种对象推送装置,其特征在于,包括
第一获取模块,被配置为获取目标用户的客户端的位置信息;
第一确定模块,被配置为根据所述位置信息确定所述目标用户对应的第一区域标识;
第一推送模块,被配置为为所述目标用户配置与所述第一区域标识具有映射关系的目标对象推送策略;其中,所述目标对象推送策略用于筛选推送至所述目标用户的所述客户端上的目标对象。
9.一种电子设备,其特征在于,包括存储器和至少一个处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述至少一个处理器执行以实现权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被至少一个处理器执行时实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010403417.8A CN111581517B (zh) | 2020-05-13 | 2020-05-13 | 对象推送方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010403417.8A CN111581517B (zh) | 2020-05-13 | 2020-05-13 | 对象推送方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111581517A true CN111581517A (zh) | 2020-08-25 |
CN111581517B CN111581517B (zh) | 2024-01-26 |
Family
ID=72124947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010403417.8A Active CN111581517B (zh) | 2020-05-13 | 2020-05-13 | 对象推送方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111581517B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105991674A (zh) * | 2015-01-29 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种信息推送方法和装置 |
CN107220865A (zh) * | 2017-04-11 | 2017-09-29 | 北京小度信息科技有限公司 | 对象推荐方法及装置 |
CN107657506A (zh) * | 2017-09-06 | 2018-02-02 | 北京五八到家信息技术有限公司 | 一种服务商品的智能推荐方法以及推荐系统 |
WO2019000465A1 (zh) * | 2017-06-30 | 2019-01-03 | 广东欧珀移动通信有限公司 | 一种信息处理方法、装置、存储介质及终端 |
CN110688579A (zh) * | 2019-10-08 | 2020-01-14 | 北京星选科技有限公司 | 对象推送方法、装置、电子设备及存储介质 |
-
2020
- 2020-05-13 CN CN202010403417.8A patent/CN111581517B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105991674A (zh) * | 2015-01-29 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种信息推送方法和装置 |
CN107220865A (zh) * | 2017-04-11 | 2017-09-29 | 北京小度信息科技有限公司 | 对象推荐方法及装置 |
WO2019000465A1 (zh) * | 2017-06-30 | 2019-01-03 | 广东欧珀移动通信有限公司 | 一种信息处理方法、装置、存储介质及终端 |
CN107657506A (zh) * | 2017-09-06 | 2018-02-02 | 北京五八到家信息技术有限公司 | 一种服务商品的智能推荐方法以及推荐系统 |
CN110688579A (zh) * | 2019-10-08 | 2020-01-14 | 北京星选科技有限公司 | 对象推送方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111581517B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110825957B (zh) | 基于深度学习的信息推荐方法、装置、设备及存储介质 | |
CN106156878B (zh) | 广告点击率矫正方法及装置 | |
CN111445134B (zh) | 商品的销量预测方法、装置、计算机设备和存储介质 | |
CN109272360B (zh) | 一种广告智能推荐方法、系统及装置 | |
CN110766269A (zh) | 一种任务分配方法、装置、可读存储介质及终端设备 | |
CN110852852A (zh) | 一种工业互联网产品推荐系统及方法 | |
WO2015120798A1 (en) | Method for processing network media information and related system | |
CN111460301B (zh) | 对象推送方法、装置、电子设备及存储介质 | |
CN111090822A (zh) | 业务对象的推送方法及装置 | |
CN108429776B (zh) | 网络对象的推送方法、装置、客户端、交互设备以及系统 | |
CN109711875B (zh) | 内容推荐方法及装置 | |
US8135713B2 (en) | Sourcing controller | |
CN105260913A (zh) | 用于互联网广告投放的ctr预估方法、dsp服务器、系统 | |
CN109903076A (zh) | 一种广告数据生成方法、系统、电子设备及存储介质 | |
CN111797320A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN108512822B (zh) | 一种数据处理事件的风险识别方法和装置 | |
US20150058136A1 (en) | Attribute based coupon provisioning | |
US20120215645A1 (en) | Advertisement system and method based on traffic quality | |
CN111626767A (zh) | 资源数据的发放方法、装置及设备 | |
CN110309406B (zh) | 点击率预估方法、装置、设备及存储介质 | |
CN113543117A (zh) | 携号转网用户的预测方法、装置及计算设备 | |
CN111581517B (zh) | 对象推送方法、装置、电子设备及存储介质 | |
CN113158032B (zh) | 一种信息推送方法和装置 | |
CN114579861A (zh) | 信息推送方法、装置、电子设备及可读存储介质 | |
CN104486313A (zh) | 网络多媒体文件投放检测方法及装置 |
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 |