CN111738754A - 对象推荐方法及装置、存储介质、计算机设备 - Google Patents

Abstract

一种对象推荐方法及装置、存储介质、计算机设备，所述对象推荐方法包括：获取历史浏览纪录，并获取热门对象的信息；根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合；根据目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将所述推荐对象的信息发送给所述目标用户。通过该方案，能够在用户行为数据缺失、无法确定用户的兴趣时，为用户选择更适当的投放对象进行推荐，从而提高投放的效果。

Description

对象推荐方法及装置、存储介质、计算机设备

技术领域

本发明涉及计算机技术领域，具体地涉及一种对象推荐方法及装置、存储介质、计算机设备。

背景技术

在广告投放优化中，在广告素材侧通常会投放用户感兴趣的对象(如产品等)，以吸引用户。传统地，可以通过机器学习的算法去挖掘并分析用户的行为数据，比如用户之前看过什么对象，以此来推断用户的兴趣点，为用户投放感兴趣的产品。但是在很多情况下，现有的技术还不能够确定用户的兴趣，极端的情况下，用户的行为数据是完全缺失。这种数据缺失在互联网上非常的常见。在这样的情况下给用户投放其感兴趣的对象的广告变得非常困难，最终会导致整个投放活动的点击率偏低，进而影响广告投放效果。

在用户行为数据缺失、无法确定用户的兴趣时，常用的方法一般是给用户投放一个热门的对象，这种方法比较简单，只是基于现有数据做简单的频次统计，只能投放当前已经是热门的商品，效果比较普通。另外一种就是从一堆相关的对象随机选择投放，效果也比较差。

由此，亟需一种对象推荐方法，能够在用户行为数据缺失、无法确定用户的兴趣时，为用户选择更适当的投放对象进行推荐，以提高投放效果。

发明内容

本发明解决的技术问题是如何在用户行为数据缺失、无法确定用户的兴趣时，为用户选择更适当的投放对象进行推荐，以提高投放效果。

为解决上述技术问题，本发明实施例提供一种对象推荐方法，所述方法包括：获取历史浏览纪录，并获取热门对象的信息；根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合；根据目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将所述推荐对象的信息发送给所述目标用户。

可选的，所述历史浏览记录包含多个对象，所述根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合，包括：根据所述历史浏览记录生成多个对象的向量；获取中心向量，计算历史浏览记录中多个对象的向量与中心向量之间的相似度；取相似度大于预设值的对象添加到所述潜在对象候选集合中。

可选的，所述历史浏览记录中包含各个对象的浏览时间，所述根据所述历史浏览记录生成多个对象的向量，包括：在所述历史浏览记录中定位热门对象；按照各个对象的浏览时间的先后顺序，获取所述热门对象的多个相关对象，并构建各个相关对象与所述热门对象之间的关联关系；根据所述关联关系和预设的向量维度信息，得到各个相关对象的向量。

可选的，所述根据所述关联关系和预设的向量维度信息，得到各个相关对象的向量，包括：将各个相关对象与所述热门对象之间的关联关系输入向量处理模型中，按照所述预设的向量维度信息设置所述向量处理模型的向量维度，生成各个相关对象的向量。

可选的，所述中心向量为多个热门对象的向量的平均值。

可选的，所述历史浏览纪录为多个用户的历史浏览记录，所述根据所述历史浏览记录生成多个对象的向量之前，还包括：将每个用户的历史浏览记录划分为一个或多个会话；所述根据所述历史浏览记录生成多个对象的向量，包括：根据每一会话的历史浏览记录生成各个会话中包含的对象的向量。

可选的，所述获取热门对象的信息，包括：统计所述历史浏览记录中的各个对象的浏览频次，将浏览频次高于预设值的对象作为热门对象。

可选的，所述从所述潜在对象候选集合中选取一个或多个推荐对象，包括：获取预设时间内潜在对象候选集合中各对象的被浏览指标，并根据各对象的被浏览指标选取所述推荐对象。

本发明实施例还提供一种对象推荐装置，所述装置包括：浏览纪录获取模块，用于获取历史浏览纪录，并获取热门对象的信息；候选集合生成模块，用于根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合；对象信息推荐模块，用于根据目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将所述推荐对象的信息发送给所述目标用户。

本发明实施例还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述对象推荐方法的步骤。

本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述对象推荐方法的步骤。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

本发明实施例提供一种对象推荐方法，所述方法包括：获取历史浏览纪录，并获取热门对象的信息；根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合；根据目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将所述推荐对象的信息发送给所述目标用户。较之现有技术，本实施例的方案，通过大量用户的历史浏览记录得到热门对象相关的潜在对象，并生成潜在对象候选集合，根据要推荐的目标用户的信息从候选集合中选择与目标用户更匹配的对象，能够在用户行为数据缺失、无法确定用户的兴趣时，为用户选择更适当的投放对象进行推荐，从而提高投放的效果。

进一步地，潜在对象候选集合中的潜在对象是根据历史浏览记录中的部分或全部的对象的向量与中心向量之间的相似度选取的，向量能够更准确地表示各个对象之间的关联关系，向量的相似度使得关联关系有效量化，从而能够更为准确地从历史浏览记录中选取符合用户喜好的对象得到潜在对象候选集合，精确了对目标用户进行对象推荐的选择范围。

进一步地，根据历史浏览记录中各个对象与热门对象的浏览时间的先后顺序，量化用户对各个对象的感兴趣程度，并从中挑选出用户感兴趣程度高的相关对象，以丰富潜在对象候选集合中的潜在对象。将各个相关对象与热门对象之间的关联关系生成各个相关对象的向量，继续分析各个相关对象与中心向量之间的相似度，使得最终得到的潜在对象能够准确匹配到用户可能感兴趣的对象。

进一步地，将各个用户的历史浏览记录进行会话划分，并对划分后的各个会话执行图2中步骤S201至S203的处理，减少了每次处理的数据量，实现数据处理的轻量化。

进一步地，可根据最近一段时间各个对象的浏览频次来选取热门对象，使得选取的热门对象更符合真实用户的兴趣倾向，从而提高推荐对象与用户兴趣的匹配度。

进一步地，在为目标用户选取推荐对象时，除了根据目标用户的信息进行筛选之外，也可结合各潜在对象的被浏览指标(尤其是最近一段时间的被浏览指标)进行筛选。

附图说明

图1为本发明实施例的一种对象推荐方法的流程示意图；

图2为图1中的步骤S102的一种具体实施方式的流程示意图；

图3为图2中的步骤S201的一种具体实施方式的流程示意图；

图4是本发明实施例的一种对象推荐装置的结构示意图。

具体实施方式

如背景技术所言，现有技术中在用户行为数据缺失、无法确定用户的兴趣时，为用户推荐的对象的效果较差。

为解决该问题，本发明实施例提供了一种对象推荐方法，所述方法包括：获取历史浏览纪录，并获取热门对象的信息；根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合；根据目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将所述推荐对象的信息发送给所述目标用户。

通过上述方案，能够在用户行为数据缺失、无法确定用户的兴趣时，为用户选择更适当的投放对象进行推荐，从而提高投放的效果。

为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

请参见图1，图1为本发明实施例提供的一种对象推荐方法的流程示意图，该方法可以包括：

步骤S101，获取历史浏览纪录，并获取热门对象的信息；

其中，历史浏览记录为一个或多个用户在过去一段时间内实际的浏览对象的记录。可通过大数据平台收集用户浏览对象的记录，以得到历史浏览记录，并以历史浏览记录作为后续为用户推荐对象的分析依据。历史浏览记录中应包含多个对象，各个对象在历史浏览记录中可以以各自的标识(identify，检测ID)表示。

其中，对象为任意满足用户浏览场景、且历史浏览记录能够表征用户对各个对象的感兴趣程度的人、物或虚拟对象；例如，对象可以为产品、商品、应用程序等等。

热门对象可以为预设的一个或多个对象。

可选的，热门对象也可以根据历史浏览记录中包含的对象的被浏览频次、用户评价等因素得到。

在对用户进行对象推荐时，需要获取对过去一段时间内一个或多个用户的历史浏览记录作为对象推荐的依据。另外，还需要通过对历史浏览记录分析得到、或者通过预设得到热门对象作为推荐的参考对象。

步骤S102，根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合；

根据历史浏览记录反映出的一个或多个用户对各类对象的感兴趣程度(主要通过各个对象所属的类别、各个对象的浏览频次等因素得到)，以及历史浏览记录中的对象与热门对象的相似度、相关性等，从历史浏览记录包含的多个对象中选择一个或多个作为潜在对象，将得到的多个潜在对象放入潜在对象候选集合中。

步骤S103，根据目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将所述推荐对象的信息发送给所述目标用户。

目标用户为投放推荐对象的用户。在为目标用户选择推荐对象时，可结合目标用户的年龄段、性别、地域、感兴趣的产品类型等因素从潜在对象候选集合中选择一个或多个推荐对象，并获取推荐对象的信息发送给该目标用户。

可选的，推荐对象的信息为向用户展示该推荐对象的信息，该信息可以为广告、产品介绍等。

可选的，目标用户可以为单个用户，对于单个用户进行对象推荐时，可将该推荐对象的信息发送至目标用户的账号，以使得目标用户在手机、电脑等终端上可通过访问账号，获取推荐对象的信息。

可选的，目标用户也可以为用户群体，例如某个小区的用户群体或者某个学校的用户群体；可将该推荐对象的信息发送至目标用户的群体可访问的网络地址或终端地址。例如，可在某一针对目标用户群体的网站上发布推荐对象的信息，使得目标用户群体访问该网站以获取推荐对象的信息；或者，可在目标用户群体所在区域的广告牌等展示终端上展示推荐对象的信息。

本实施例的方案，通过大量用户的历史浏览记录得到热门对象相关的潜在对象，并生成潜在对象候选集合，根据要推荐的目标用户的信息从候选集合中选择与目标用户更匹配的对象，能够在用户行为数据缺失、无法确定用户的兴趣时，为用户选择更适当的投放对象进行推荐，从而提高投放的效果。

在一个实施例中，所述历史浏览记录包含多个对象，请参见图2，图2为图1中的步骤S102所述根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合，具体可以包括以下步骤：

步骤S201，根据所述历史浏览记录生成多个对象的向量；

可对历史浏览记录中的部分或全部的对象按照预设的向量维度进行向量表示，生成该多个对象的向量，以使得该多个对象都可以用同样的向量维度进行量化。

其中，预设的向量维度为抽象的计算机概念，可通过对多个对象的所属的类型、对象名称的语义等抽象分析得到。

步骤S202，获取中心向量，计算历史浏览记录中多个对象的向量与中心向量之间的相似度；

步骤S203，取相似度大于预设值的对象添加到所述潜在对象候选集合中。

中心向量根据一个或多个热门对象进行向量化表示得到，可以为多个热门对象的向量求均值、或聚类得到的向量。

可选的，所述中心向量为多个热门对象的向量的平均值。

可选的，在计算多个热门对象的向量的平均值之前，可先对多个热门对象的向量进行聚类，将远离向量聚集区域的离散向量删除，再计算剩余的热门对象的向量的平均值。

求历史浏览记录中的部分或全部的对象的向量与中心向量之间的相似度，将相似度较高的向量作为与热门向量高度相关的潜在对象，将其添加到潜在对象候选集合中。

可选的，预设值为设定的确定数值，例如设定为0.9，也即相似度高于0.9时，则将该相似度对应的对象作为潜在对象。

可选的，预设值也可以根据潜在对象的获取需求来灵活设定，例如，可将各个对象按照计算的相似度进行降序排序，取前N个对象作为潜在对象，其中，N为任意数值，如N＝100。

本实施例中，潜在对象候选集合中的潜在对象是根据历史浏览记录中的部分或全部的对象的向量与中心向量之间的相似度选取的，向量能够更准确地表示各个对象之间的关联关系，向量的相似度使得关联关系有效量化，从而能够更为准确地从历史浏览记录中选取符合用户喜好的对象得到潜在对象候选集合，精确了对目标用户进行对象推荐的选择范围。

在一个实施例中，所述历史浏览记录中包含各个对象的浏览时间，请参见图3，图2中步骤S201所述根据所述历史浏览记录生成多个对象的向量，具体可以包括以下步骤：

对于历史浏览记录中包含的多个对象，只取与热门对象的相关对象生成该对象的向量，热门对象的相关对象的获取方式为：

步骤S301，在所述历史浏览记录中定位热门对象；

步骤S302，按照各个对象的浏览时间的先后顺序，获取所述热门对象的多个相关对象，并构建各个相关对象与所述热门对象之间的关联关系；

在获取到热门对象后，识别热门对象在历史浏览记录中的位置。获取每一热门对象浏览时间前后的若干个对象作为该热门对象的相关对象。

可选的，当历史浏览记录包括多个用户的历史浏览记录时，则对每一用户的历史浏览记录获取热门对象的相关对象。

可选的，可以以各个相关对象与其热门对象之间的浏览时间的先后关系构建各个相关对象与热门对象之间的关联关系。

例如，在每一用户的历史浏览记录中，找到热门对象，并以此为中心，取前后S个对象作为该热门对象的相关对象，将该热门对象与相关对象构建对象对，以各个相关对象与热门对象之间的浏览时间的时间差或者浏览时间的先后顺序作为每一对象对的距离，各个对象对与该对象对的距离为各个相关对象与热门对象之间的关联关系。

其中，S的取值可为预设值，例如S可取10。

步骤S303，根据所述关联关系和预设的向量维度信息，得到各个相关对象的向量。

将各个相关对象与热门对象之间的关联关系、预设的向量维度信息，生成各个相关对象的向量，各个相关对象的向量中应涵盖该相关对象在历史浏览记录中与热门对象之间的关联关系。

可选的，步骤S303所述根据所述关联关系和预设的向量维度信息，得到各个相关对象的向量，可以包括：将各个相关对象与所述热门对象之间的关联关系输入向量处理模型中，按照所述预设的向量维度信息设置所述向量处理模型的向量维度，生成各个相关对象的向量。

具体地，向量处理模型为能够根据所述关联关系和预设的向量维度信息生成各个相关对象的向量的模型。

可选的，向量处理模型可以根据word2vec算法构建，其中，word2vec算法是一种用来产生词向量的相关模型，可将各个对象输入word2vec算法，设置word2vec算法的向量维度信息，即可通过该算法生成各个相关对象的向量。

本实施例中，根据历史浏览记录中各个对象与热门对象的浏览时间的先后顺序，量化用户对各个对象的感兴趣程度，并从中挑选出用户感兴趣程度高的相关对象，以丰富潜在对象候选集合中的潜在对象。将各个相关对象与热门对象之间的关联关系生成各个相关对象的向量，继续分析各个相关对象与中心向量之间的相似度，使得最终得到的潜在对象能够准确匹配到用户可能感兴趣的对象。

在一个实施例中，请继续参见图2，所述历史浏览纪录为多个用户的历史浏览记录，图2中步骤S201所述根据所述历史浏览记录生成多个对象的向量之前，还可以包括：将每个用户的历史浏览记录划分为一个或多个会话；步骤S201所述根据所述历史浏览记录生成多个对象的向量，可以包括：根据每一会话的历史浏览记录生成各个会话中包含的对象的向量。

对于每一用户的历史浏览记录，可根据时间将其划分为多个会话(session)，花会话的划分规则可根据需求设定，例如，相邻的浏览记录如果超过30分钟，即分成两个会话。对划分后的每一会话分别生成其中包含的各个对象的向量。

本实施例中，将各个用户的历史浏览记录进行会话划分，并对划分后的各个会话执行图2中步骤S201至S203的处理，减少了每次处理的数据量，实现数据处理的轻量化。

在一个实施例中，请继续参见图1，步骤S101所述获取热门对象的信息，可以包括：统计所述历史浏览记录中的各个对象的浏览频次，将浏览频次高于预设值的对象作为热门对象。

此时浏览频次对应的预设值根据需求设定，也可以按照各个对象的浏览频次进行排序，取浏览频次高的K个对象作为热门对象；其中，K的取值可根据需求设定，例如，K为50。

可选的，在获取热门对象时，可仅考虑最近一段时间(例如最近一周)的历史浏览记录。

本实施例中，可根据最近一段时间各个对象的浏览频次来选取热门对象，使得选取的热门对象更符合真实用户的兴趣倾向，从而提高推荐对象与用户兴趣的匹配度。

在一个实施例中，请继续参见图1，步骤S103所述从所述潜在对象候选集合中选取一个或多个推荐对象，可以包括：获取预设时间内潜在对象候选集合中各对象的被浏览指标，并根据各对象的被浏览指标选取所述推荐对象。

根据步骤S102得到的潜在对象候选集合，统计该集合中各对象预设时间内的日均被浏览频次、浏览提升比(该预设时间内被浏览次数与其他时间内被浏览次数比值)等被浏览指标。根据这两个指标过滤潜在对象，作为选取推荐对象的又一个指标。其中，预设时间可根据需求设置，例如可设为一周(7天)。

在根据各潜在对象的被浏览指标选取所述推荐对象时，在一个非限定性的实例中，对于日均浏览次数超过某一阈值的对象，并且浏览提升比排名靠前的对象，可优选为推荐对象。

本实施例中，在为目标用户选取推荐对象时，除了根据目标用户的信息进行筛选之外，也可结合各潜在对象的被浏览指标(尤其是最近一段时间的被浏览指标)进行筛选。

在一个非限定性的实例中，可根据本发明实施例的对象推荐方法进行商品的推荐，也即将该对象推荐方法的适用对象设置为商品，将需推荐给用户的商品的广告投放目标用户，挖掘浏览量提升巨大潜在的商品，在商品没有大热之前，抓住商机，提升产品或商品广告点击率。

请参见图4，本发明实施例还提供一种对象推荐装置，该装置可以包括历史浏览纪录获取模块401、候选集合生成模块402和对象信息推荐模块403，其中：

浏览纪录获取模块401，用于获取历史浏览纪录，并获取热门对象的信息；

候选集合生成模块402，用于根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合；

对象信息推荐模块403，用于根据目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将所述推荐对象的信息发送给所述目标用户。

在一个实施例中，所述历史浏览记录包含多个对象，所述候选集合生成模块402可以包括：

向量生成单元，用于根据所述历史浏览记录生成多个对象的向量；

相似度计算单元，用于获取中心向量，计算历史浏览记录中多个对象的向量与中心向量之间的相似度；

集合生成单元，用于取相似度大于预设值的对象添加到所述潜在对象候选集合中。

在一个实施例中，所述历史浏览记录中包含各个对象的浏览时间，所述向量生成单元可以包括：

热门对象定位子单元，用于在所述历史浏览记录中定位热门对象；

关联关系构建子单元，用于按照各个对象的浏览时间的先后顺序，获取所述热门对象的多个相关对象，并构建各个相关对象与所述热门对象之间的关联关系；

向量生成子单元，用于根据所述关联关系和预设的向量维度信息，得到各个相关对象的向量。

在一个实施例中，所述向量生成子单元，还可以用于将各个相关对象与所述热门对象之间的关联关系输入向量处理模型中，按照所述预设的向量维度信息设置所述向量处理模型的向量维度，生成各个相关对象的向量。

可选的，所述中心向量为多个热门对象的向量的平均值。

在一个实施例中，所述历史浏览纪录为多个用户的历史浏览记录，所述向量生成单元之前，所述对象推荐装置还可以包括：

会话划分模块，用于将每个用户的历史浏览记录划分为一个或多个会话；

所述向量生成单元，还可以用于根据每一会话的历史浏览记录生成各个会话中包含的对象的向量。

在一个实施例中，所述浏览纪录获取模块401，还可以用于统计所述历史浏览记录中的各个对象的浏览频次，将浏览频次高于预设值的对象作为热门对象。

在一个实施例中，所述对象信息推荐模块403，还可以用于获取预设时间内潜在对象候选集合中各对象的被浏览指标，并根据各对象的被浏览指标选取所述推荐对象。

关于账户的管理装置的工作原理、工作方式的更多内容，可以参照上述图1至图3中的相关描述，这里不再赘述。

进一步地，本发明实施例还公开一种存储介质，其上存储有计算机指令，计算机指令运行时执行上述图1至图3所示实施例中的对象推荐方法的技术方案。优选地，存储介质可以包括诸如非挥发性(non-volatile)存储器或者非瞬态(non-transitory)存储器等计算机可读存储介质。存储介质可以包括ROM、RAM、磁盘或光盘等。

进一步地，本发明实施例还公开一种计算机设备，包括存储器和处理器，存储器上存储有能够在处理器上运行的计算机指令，处理器运行计算机指令时执行上述图1至图3所示实施例中的对象推荐方法的技术方案。

具体地，在本发明实施例中，所述处理器可以为中央处理单元(centralprocessing unit，简称CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，简称DSP)、专用集成电路(application specificintegrated circuit，简称ASIC)、现成可编程门阵列(field programmable gate array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

还应理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，简称ROM)、可编程只读存储器(programmable ROM，简称PROM)、可擦除可编程只读存储器(erasable PROM，简称EPROM)、电可擦除可编程只读存储器(electricallyEPROM，简称EEPROM)或闪存。易失性存储器可以是随机存取存储器(random accessmemory，简称RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器(random access memory，简称RAM)可用，例如静态随机存取存储器(staticRAM，简称SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronousDRAM，简称SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，简称DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，简称ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，简称SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，简称DR RAM)。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，表示前后关联对象是一种“或”的关系。

本申请实施例中出现的“多个”是指两个或两个以上。

本申请实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本申请实施例中对设备个数的特别限定，不能构成对本申请实施例的任何限制。

本申请实施例中出现的“连接”是指直接连接或者间接连接等各种连接方式，以实现设备间的通信，本申请实施例对此不做任何限定。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (11)

1.一种对象推荐方法，其特征在于，所述方法包括：

获取历史浏览纪录，并获取热门对象的信息；

根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合；

根据目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将所述推荐对象的信息发送给所述目标用户。

2.根据权利要求1所述的方法，其特征在于，所述历史浏览记录包含多个对象，所述根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合，包括：

根据所述历史浏览记录生成多个对象的向量；

获取中心向量，计算历史浏览记录中多个对象的向量与中心向量之间的相似度；

取相似度大于预设值的对象添加到所述潜在对象候选集合中。

3.根据权利要求2所述的方法，其特征在于，所述历史浏览记录中包含各个对象的浏览时间，所述根据所述历史浏览记录生成多个对象的向量，包括：

在所述历史浏览记录中定位热门对象；

按照各个对象的浏览时间的先后顺序，获取所述热门对象的多个相关对象，并构建各个相关对象与所述热门对象之间的关联关系；

根据所述关联关系和预设的向量维度信息，得到各个相关对象的向量。

4.根据权利要求3所述的方法，其特征在于，所述根据所述关联关系和预设的向量维度信息，得到各个相关对象的向量，包括：

将各个相关对象与所述热门对象之间的关联关系输入向量处理模型中，按照所述预设的向量维度信息设置所述向量处理模型的向量维度，生成各个相关对象的向量。

5.根据权利要求2所述的方法，其特征在于，所述中心向量为多个热门对象的向量的平均值。

6.根据权利要求2所述的方法，其特征在于，所述历史浏览纪录为多个用户的历史浏览记录，所述根据所述历史浏览记录生成多个对象的向量之前，还包括：

将每个用户的历史浏览记录划分为一个或多个会话；

所述根据所述历史浏览记录生成多个对象的向量，包括：

根据每一会话的历史浏览记录生成各个会话中包含的对象的向量。

7.根据权利要求1至6任一所述的方法，其特征在于，所述获取热门对象的信息，包括：

统计所述历史浏览记录中的各个对象的浏览频次，将浏览频次高于预设值的对象作为热门对象。

8.根据权利要求1至6任一所述的方法，其特征在于，所述从所述潜在对象候选集合中选取一个或多个推荐对象，包括：

获取预设时间内潜在对象候选集合中各对象的被浏览指标，并根据各对象的被浏览指标选取所述推荐对象。

9.一种对象推荐装置，其特征在于，所述装置包括：

浏览纪录获取模块，用于获取历史浏览纪录，并获取热门对象的信息；

候选集合生成模块，用于根据所述热门对象从所述历史浏览纪录中获取潜在对象，生成潜在对象候选集合；

对象信息推荐模块，用于根据目标用户的信息从所述潜在对象候选集合中选取一个或多个推荐对象，将所述推荐对象的信息发送给所述目标用户。

10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8任一项所述方法的步骤。

11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8任一项所述方法的步骤。

Images