CN111784378A - 用于推送权限凭证的方法和装置 - Google Patents
用于推送权限凭证的方法和装置 Download PDFInfo
- Publication number
- CN111784378A CN111784378A CN201911080733.XA CN201911080733A CN111784378A CN 111784378 A CN111784378 A CN 111784378A CN 201911080733 A CN201911080733 A CN 201911080733A CN 111784378 A CN111784378 A CN 111784378A
- Authority
- CN
- China
- Prior art keywords
- product
- user
- target
- indicated
- users
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012549 training Methods 0.000 claims description 48
- 230000000875 corresponding effect Effects 0.000 claims description 47
- 238000013145 classification model Methods 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0213—Consumer transaction fees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0222—During e-commerce, i.e. online transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0224—Discounts or incentives, e.g. coupons or rebates based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0235—Discounts or incentives, e.g. coupons or rebates constrained by time limit or expiration date
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了用于推送权限凭证的方法和装置。该方法的一具体实施方式包括:获取与目标用户标识相关联的产品信息集合;从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别;基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识;基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证;向目标用户推送所确定的权限凭证。该实施方式丰富了权限凭证的推送方式。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于推送权限凭证的方法和装置。
背景技术
目前,用户通常将一些想要购买但价格超出自己预期的产品放置在购物车中很长一段时间,由此导致推迟购买,或者,放置到购物车中之后,又将其移出购物车,从而取消购买。
然而,很多产品提供方(例如商家)会推出各种活动,来降低用户购买产品所需花费的费用。例如,为用户发放权限凭证(例如产品的优惠券、免息券)。
现有技术中,用户通常只能在点击进入预先确定的页面(例如权限凭证发放页面、产品详情页、购物车页面等等)之后,主动获得权限凭证(例如产品的优惠券)。
发明内容
本公开提出了用于推送权限凭证的方法和装置。
第一方面,本公开的实施例提供了一种用于推送权限凭证的方法,该方法包括:获取与目标用户标识相关联的产品信息集合;从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别;基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识;基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证;向目标用户推送所确定的权限凭证。
在一些实施例中,用户标识集合中的两个用户标识分别指示的两个用户之间的相似度通过如下步骤确定:从产品类别集合中,分别确定两个用户标识分别指示的两个用户在目标时间段内分别操作过的产品所属的产品类别,得到与两个用户中的每个用户对应的产品类别序列;基于得到的两个产品类别序列,确定两个用户标识分别指示的两个用户之间的相似度。
在一些实施例中,产品类别集合中的各个产品类别采用数值表征,产品类别集合中,表征任意两个产品类别的数值的接近程度与两个产品类别的语义相似度成正相关或负相关。
在一些实施例中,基于得到的两个产品类别序列,确定两个用户标识分别指示的两个用户之间的相似度,包括:针对两个用户中的每个用户对应的产品类别序列,基于表征该用户对应的产品类别序列中的各个产品类别的数值的平均值,确定该用户的分布式表示,其中,用户的分布式表示表征用户购买概率符合预设条件的产品所属的产品类别;基于两个用户中的每个用户的分布式表示,确定两个用户标识分别指示的两个用户之间的相似度。
在一些实施例中,基于两个用户中的每个用户的分布式表示,确定两个用户标识分别指示的两个用户之间的相似度,包括:将两个用户的分布式表示的余弦相似度,确定为两个用户标识分别指示的两个用户之间的相似度。
在一些实施例中,基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证,包括:基于第一目标数量个用户标识分别指示的历史操作数据,确定与第一目标数量个用户对应的第二目标数量个期望产品,其中,第二目标数量个期望产品为从预先确定的产品集合中按照第一目标数量个用户购买概率由大到小的顺序确定的;基于第二目标数量个期望产品,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证。
在一些实施例中,基于第二目标数量个期望产品,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证,包括:对于预先确定的权限凭证集合中的每个权限凭证,依次确定该权限凭证是否与第二目标数量个期望产品的每个期望产品建立有关联关系,得到与该权限凭证建立有关联关系的期望产品;对于权限凭证集合中的每个权限凭证,计算在用户采用该权限凭证购买与该权限凭证建立有关联关系的期望产品的情况下用户的支付信息,其中,支付信息表征基于支付金额和优惠金额中的至少一项确定的数值;按照支付信息所表征的数值由大到小的顺序,从权限凭证集合中选取第三目标数量个权限凭证,作为待向目标用户推送的权限凭证。
在一些实施例中,从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别,包括:针对产品信息集合中的每个产品信息,将该产品信息输入至预先训练的分类模型,得到该产品信息指示的产品所属的产品类别,其中,分类模型用于从预先确定的产品类别集合中,确定产品信息指示的产品所属的产品类别。
在一些实施例中,分类模型通过如下步骤训练得到:获取训练样本集,其中,训练样本集中的训练样本包括产品信息和预先确定的产品类别集合中该产品信息所属的产品类别;采用机器学习算法,将训练样本集中的训练样本包括的产品信息作为初始skip-qram模型的输入数据,将与输入数据相对应的产品类别作为初始skip-qram模型的期望输出数据,对初始skip-qram模型进行训练,将训练完成的初始skip-qram模型作为分类模型。
第二方面,本公开的实施例提供了一种用于推送权限凭证的装置,该装置包括:获取单元,被配置成获取与目标用户标识相关联的产品信息集合;第一确定单元,被配置成从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别;选取单元,被配置成基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识;第二确定单元,被配置成基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证;推送单元,被配置成向目标用户推送所确定的权限凭证。
在一些实施例中,用户标识集合中的两个用户标识分别指示的两个用户之间的相似度通过如下步骤确定:从产品类别集合中,分别确定两个用户标识分别指示的两个用户在目标时间段内分别操作过的产品所属的产品类别,得到与两个用户中的每个用户对应的产品类别序列;基于得到的两个产品类别序列,确定两个用户标识分别指示的两个用户之间的相似度。
在一些实施例中,产品类别集合中的各个产品类别采用数值表征,产品类别集合中,表征任意两个产品类别的数值的接近程度与两个产品类别的语义相似度成正相关或负相关。
在一些实施例中,基于得到的两个产品类别序列,确定两个用户标识分别指示的两个用户之间的相似度,包括:针对两个用户中的每个用户对应的产品类别序列,基于表征该用户对应的产品类别序列中的各个产品类别的数值的平均值,确定该用户的分布式表示,其中,用户的分布式表示表征用户购买概率符合预设条件的产品所属的产品类别;基于两个用户中的每个用户的分布式表示,确定两个用户标识分别指示的两个用户之间的相似度。
在一些实施例中,基于两个用户中的每个用户的分布式表示,确定两个用户标识分别指示的两个用户之间的相似度,包括:将两个用户的分布式表示的余弦相似度,确定为两个用户标识分别指示的两个用户之间的相似度。
在一些实施例中,第二确定单元包括:第一确定模块,被配置成基于第一目标数量个用户标识分别指示的历史操作数据,确定与第一目标数量个用户对应的第二目标数量个期望产品,其中,第二目标数量个期望产品为从预先确定的产品集合中按照第一目标数量个用户购买概率由大到小的顺序确定的;第二确定模块,被配置成基于第二目标数量个期望产品,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证。
在一些实施例中,第二确定模块包括:确定子模块,被配置成对于预先确定的权限凭证集合中的每个权限凭证,依次确定该权限凭证是否与第二目标数量个期望产品的每个期望产品建立有关联关系,得到与该权限凭证建立有关联关系的期望产品;计算子模块,被配置成对于权限凭证集合中的每个权限凭证,计算在用户采用该权限凭证购买与该权限凭证建立有关联关系的期望产品的情况下用户的支付信息,其中,支付信息表征基于支付金额和优惠金额中的至少一项确定的数值;选取子模块,被配置成按照支付信息所表征的数值由大到小的顺序,从权限凭证集合中选取第三目标数量个权限凭证,作为待向目标用户推送的权限凭证。
在一些实施例中,第一确定单元包括:输入模块,被配置成针对产品信息集合中的每个产品信息,将该产品信息输入至预先训练的分类模型,得到该产品信息指示的产品所属的产品类别,其中,分类模型用于从预先确定的产品类别集合中,确定产品信息指示的产品所属的产品类别。
在一些实施例中,分类模型通过如下步骤训练得到:获取训练样本集,其中,训练样本集中的训练样本包括产品信息和预先确定的产品类别集合中该产品信息所属的产品类别;采用机器学习算法,将训练样本集中的训练样本包括的产品信息作为初始skip-qram模型的输入数据,将与输入数据相对应的产品类别作为初始skip-qram模型的期望输出数据,对初始skip-qram模型进行训练,将训练完成的初始skip-qram模型作为分类模型。
第三方面,本公开的实施例提供了一种用于推送权限凭证的电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得该一个或多个处理器实现如上述用于推送权限凭证的方法中任一实施例的方法。
第四方面,本公开的实施例提供了一种用于推送权限凭证的计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述用于推送权限凭证的方法中任一实施例的方法。
本公开的实施例提供的用于推送权限凭证的方法和装置,通过获取与目标用户标识相关联的产品信息集合,然后,从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别,之后,基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识,随后,基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证,最后,向目标用户推送所确定的权限凭证,从而可以基于用户关联的产品所属的产品类别,以及与目标用户相似度较高的第一目标数量个用户,为目标用户推送权限凭证,由此,可降低因向无关的用户推送权限凭证可能导致的网络带宽的占用,丰富了权限凭证的推送方式,有助于降低用户的支付金额,提高用户的购买率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一些实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于推送权限凭证的方法的一个实施例的流程图;
图3是根据本公开的用于推送权限凭证的方法的一个应用场景的示意图;
图4是根据本公开的用于推送权限凭证的方法的又一个实施例的流程图;
图5是根据本公开的用于推送权限凭证的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的一些实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开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相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
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。
图1示出了可以应用本公开的实施例的用于推送权限凭证的方法或用于推送权限凭证的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送数据(例如,服务器可以向用户使用的终端设备推送权限凭证(例如优惠券、免息券))等。终端设备101、102、103上可以安装有各种客户端应用,例如购物类软件、视频播放软件、新闻资讯类应用、图像处理类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持页面浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如向终端设备101、102、103推送权限凭证的后台服务器。后台服务器可以首先获取与目标用户标识(例如终端设备当前登录的账号)相关联的产品信息集合,然后,从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别,之后,基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识,随后,基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证,最后,向上述终端设备推送所确定的权限凭证。作为示例,服务器105可以是云端服务器。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
还需要说明的是,本公开的实施例所提供的用于推送权限凭证的方法可以由服务器执行,也可以由终端设备执行,还可以由服务器和终端设备彼此配合执行。相应地,用于推送权限凭证的装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器中,也可以全部设置于终端设备中,还可以分别设置于服务器和终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。当用于推送权限凭证的方法运行于其上的电子设备在执行该方法的过程中,不需要与其他电子设备进行数据传输时,该系统架构可以仅包括用于推送权限凭证的方法运行于其上的电子设备(例如终端设备)。
继续参考图2,示出了根据本公开的用于推送权限凭证的方法的一个实施例的流程200。该用于推送权限凭证的方法,包括以下步骤:
步骤201,获取与目标用户标识相关联的产品信息集合。
在本实施例中,用于推送权限凭证的方法的执行主体(例如图1所示的服务器或终端设备)可以获取与目标用户标识相关联的产品信息集合。其中,上述目标用户标识可以用于标识目标用户。目标用户可以是目标应用(例如购物类应用)的注册用户。
实践中,目标应用的注册用户可以通过该目标应用使用权限凭证,例如,目标用户可以使用权限凭证(例如优惠券)购买该目标应用中展示的产品,由此,相对于不使用权限凭证直接购买该产品,可以为用户节省购买产品所花费的费用。具有权限凭证的用户可以使用该权限凭证指示的权限。作为示例,权限凭证可以指示以下任意一项或多项权利:打折(例如9折)、满减(例如满200减20),返现(满1100返100)、前10名送赠品等等。
上述与目标用户标识相关联的产品信息集合可以包括以下至少一项产品的产品信息:目标用户标识指示的目标用户待支付的产品、目标用户标识指示的目标用户的购物车中的产品、目标用户标识指示的目标用户目标时间段(例如1天)内购买的产品、为目标用户标识指示的目标用户推荐的产品等等。
在这里,产品信息可以是用于指示产品的信息。作为示例,产品信息可以是产品的SKU(Stock Keeping Unit,库存量单位)编码。
步骤202,从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别。
在本实施例中,上述执行主体可以从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别。
上述产品类别集合可以表征上述目标应用所呈现的全部或部分产品的类别的集合。作为示例,产品类别集合中的产品类别可以用文字来描述,例如,产品类别集合中可以包括以下类别:数码电器、服饰美妆、充值缴费、看病购药等等。可选的,产品类别集合中的产品类别可以用数字来描述,例如,产品类别集合中也可以包括以下产品类别:10000、20000、30000、40000。其中,标识10000可以指示数码电器,标识20000可以指示服饰美妆,标识30000可以指示充值缴费,标识40000可以指示看病购药。
在本实施例的一些可选的实现方式中,上述执行主体可以采用如下方式,来执行该步骤202:
针对产品信息集合中的每个产品信息,将该产品信息输入至预先训练的分类模型,得到该产品信息指示的产品所属的产品类别。其中,分类模型用于从预先确定的产品类别集合中,确定产品信息指示的产品所属的产品类别。
可以理解,本可选的实现方式可以采用预先训练的分类模型为产品信息集合中的每个产品信息指示的产品进行分类,从而提高了分类的准确度和速度。
作为本可选的实现方式中所描述的分类模型的一个示例,该分类模型可以由上述执行主体或者与上述执行主体通信连接的电子设备通过如下步骤训练得到:
首先,获取训练样本集。其中,训练样本集中的训练样本包括产品信息和预先确定的产品类别集合中该产品信息所属的产品类别。
然后,采用机器学习算法,将训练样本集中的训练样本包括的产品信息作为初始skip-qram模型的输入数据,将与输入数据相对应的产品类别作为初始skip-qram模型的期望输出数据,对初始skip-qram模型进行训练,将训练完成的初始skip-qram模型作为分类模型。
在这里,在对上述初始skip-qram模型进行训练的过程中,可以首先从上述训练样本集中选取训练样本,将该训练样本包括的产品信息作为初始skip-qram模型的输入数据输入至初始skip-qram模型之后,可以得到初始skip-qram模型计算得到的实际输出数据,然后,确定初始skip-qram模型是否满足预先确定的训练结束条件,若不满足该训练结束条件,则基于实际输出数据和训练样本中包括的期望输出数据,采用反向传播算法及随机梯度下降来调整初始skip-qram模型的参数,以及从上述训练样本集中选取未被选取过的训练样本继续训练初始skip-qram模型;若满足该训练结束条件,则将满足该训练结束条件的初始skip-qram模型作为分类模型。
可以理解,由于skip-qram模型在自然语言处理方面的准确度较高,因此,在本实例中,基于skip-qram模型训练得到分类模型,可以进一步提高产品分类的准确度。
作为本可选的实现方式中所描述的分类模型的又一个示例,该分类模型也可以由上述执行主体或者与上述执行主体通信连接的电子设备通过聚类算法训练得到。
具体地,可以首先提取多个产品信息的特征向量(例如产品信息指示的产品的用途、价格等)。然后,采用聚类算法(例如K-Means(K均值)聚类算法、基于密度的聚类方法、用高斯混合模型(GMM)的最大期望聚类算法等等)对所提取的多个特征向量进行聚类,以及将聚类得到的每个聚类簇中的聚类中心与产品类别集合中的产品类别相关联,从而获得分类模型。
由此,可以通过确定输入至分类模型的产品信息的特征向量与各个聚类簇的聚类中心之间的距离,获得产品信息指示的产品所属的产品类别(即与输入至分类模型的产品信息的特征向量距离最小的聚类中心相关联的产品类别)。
在本实施例的一些可选的实现方式中,上述执行主体也可以采用如下方式,来执行该步骤202:
可以预先从产品类别集合中,确定上述目标应用展示的全部产品的产品类别,以及将目标应用展示的全部产品中的每个产品的产品类别与该产品相关联(例如进行关联存储)。由此,上述执行主体可以从上述产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别。
步骤203,基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识。
在本实施例中,上述执行主体可以基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识。
其中,两个用户之间的相似度可以表征这两个用户之间的以下信息中的至少一项的相似程度:需求信息、消费水平、消费习惯、喜好信息等等。
示例性的,两个用户(以下记作甲用户和乙用户)之间的相似度可以采用如下方式确定:
步骤一,分别确定甲乙两个用户下单时间距离当前时间最近的预订数量(例如10)个订单中的各个订单(即上述预订数量的2倍个订单)所指示购买的产品。
步骤二,甲用户的预订数量个订单中,与乙用户的预订数量个订单中的相同产品的数量(记作N),以及甲乙两个用户下单时间距离当前时间最近的预订数量个订单中的各个订单(即上述预订数量的2倍个订单)所指示购买的产品的总数量(记作M)。
步骤三,计算上述N与M的比值,将该比值与0.5的乘积作为上述两个用户之间的相似度。
上述第一目标数量可以是预先确定的数值,也可以是用户标识集合中的用户标识的数量与预设百分比(例如1%)的乘积。
步骤204,基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证。
在本实施例中,上述执行主体可以基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证。
上述权限凭证集合可以是上述目标应用提供的全部或部分权限凭证。
作为示例,上述执行主体可以采用如下方式执行该步骤204:
针对第一目标数量个用户标识中的每个用户标识,确定是否向该用户标识指示的用户推送过权限凭证。若向该用户标识指示的用户推送过权限凭证,则确定向该用户标识指示的用户推送过的权限凭证是否包含于上述权限凭证集合中。若包含于上述权限凭证集合中,则将向该用户标识指示的用户推送过的权限凭证,作为待向目标用户推送的权限凭证。
作为又一示例,上述执行主体也可以采用如下方式执行该步骤204:
针对第一目标数量个用户标识中的每个用户标识,确定该用户标识指示的用户是否在预设时间段(例如距离当前时间3天)内使用过权限凭证。若使用过,则确定该用户标识指示的用户在上述预设时间段内使用过的权限凭证是否包含于上述权限凭证集合中。若包含于上述权限凭证集合中,则该用户标识指示的用户在上述预设时间段内使用过的权限凭证,作为待向目标用户推送的权限凭证。
步骤205,向目标用户推送所确定的权限凭证。
在本实施例中,上述执行主体可以向目标用户推送所确定的权限凭证。
具体地,当执行该步骤205的执行主体为终端设备或安装于终端设备上的应用(例如上述目标应用)时,上述执行主体可以通过呈现步骤204中所确定的权限凭证,从而向目标用户推送所确定的权限凭证;当执行该步骤205的执行主体为服务器或运行于服务器上的应用时,上述执行主体可以通过向目标用户使用的终端设备发送步骤204中所确定的权限凭证,从而向目标用户推送所确定的权限凭证。
继续参见图3,图3是根据本实施例的用于推送权限凭证的方法的应用场景的一个示意图。在图3的应用场景中,服务器301在接收到终端设备302发送的目标用户标识3011之后,获取与该目标用户标识3011相关联的产品信息集合3012。然后,服务器301从预先确定的产品类别集合3013中,确定产品信息集合3012中的每个产品信息指示的产品所属的产品类别3014。之后,服务器301基于所确定的产品类别3014,按照预先确定的用户标识集合3015中的用户标识所指示的用户与目标用户标识3011指示的目标用户之间的相似度由大到小的顺序,从用户标识集合3015中,选取第一目标数量个用户标识3016。随后,服务器301基于第一目标数量个用户标识3016,从预先确定的权限凭证集合3017中,确定待向目标用户推送的权限凭证3018。最后,服务器301向目标用户推送所确定的权限凭证3018。例如,如图3所示,服务器301向目标用户使用的终端设备302发送所确定的权限凭证3018,以向目标用户推送所确定的权限凭证3018。
本公开的上述实施例提供的用于推送权限凭证的方法,通过获取与目标用户标识相关联的产品信息集合,然后,从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别,之后,基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识,随后,基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证,最后,向目标用户推送所确定的权限凭证,从而可以基于用户关联的产品所属的产品类别,以及与目标用户相似度较高的第一目标数量个用户,为目标用户推送权限凭证,由此,可降低因向无关的用户推送权限凭证可能导致的网络带宽的占用,丰富了权限凭证的推送方式,有助于降低用户的支付金额,提高用户的购买率。
在本实施例的一些可选的实现方式中,用户标识集合中的两个用户标识分别指示的两个用户之间的相似度也可以通过如下步骤(包括第一步骤和第二步骤)确定:
第一步骤,从产品类别集合中,分别确定两个用户标识分别指示的两个用户在目标时间段内分别操作过的产品所属的产品类别,得到与这两个用户中的每个用户对应的产品类别序列。
其中,上述操作过的产品,可以包括但不限于用户执行了以下至少一项操作的产品:浏览、收藏、购买、添加至购物车、访问详情页等等。
在这里,产品类别序列中的产品类别可以按照用户执行的操作的顺序进行排序,也可以按照预先确定的产品类别序列中,产品类别的顺序进行排列。
例如,预先确定的产品类别序列为“羽绒服、连衣裙、毛呢大衣、风衣、牛仔裤、针织衫、卫衣、休闲裤”。用户在目标时间段内分别操作过的产品所属的产品类别包括卫衣、风衣、休闲裤。那么,上述执行主体可以按照预先确定的产品类别序列中的产品类别的出现顺序,为用户在目标时间段内分别操作过的产品所属的产品类别进行排序,从而获得该用户对应的产品类别序列“风衣、卫衣、休闲裤”。
第二步骤,基于得到的两个产品类别序列,确定两个用户标识分别指示的两个用户之间的相似度。
作为示例,上述执行主体可以将两个产品类别序列的编辑距离、杰卡德(Jaccard)系数、TFIDF((term frequency–inverse document frequency)系数中的任一项,作为两个用户标识分别指示的两个用户之间的相似度。
可以理解,本可选的实现方式可以基于两个用户标识分别对应的两个产品类别序列,确定两个用户标识分别指示的两个用户之间的相似度,由此,可以通过用户感兴趣的产品(例如操作过的产品)的语义,来确定用户间的相似度,进而,丰富了用户相似度的确定方式,提高了权限凭证推送的准确度。
在本实施例的一些可选的实现方式中,产品类别集合中的各个产品类别采用数值表征。产品类别集合中,表征任意两个产品类别的数值的接近程度与两个产品类别的语义相似度成正相关或负相关。
在这里,表征任意两个产品类别的数值的越接近,则这两个产品类别的语义相似度越大。
作为示例,两个产品类别的数值的接近程度可以采用多种方式计算。当表征任意两个产品类别的数值的接近程度与两个产品类别的语义相似度成正相关时,两个产品类别的数值的接近程度可以是表征产品类别的数值的差的绝对值的倒数,也可以是表征产品类别的数值之间的方差的倒数或标准差的倒数;当表征任意两个产品类别的数值的接近程度与两个产品类别的语义相似度成负相关时,两个产品类别的数值的接近程度可以是表征产品类别的数值的差的绝对值,也可以是表征产品类别的数值之间的方差或标准差。
可以理解,本可选的实现方式采用数值来表征产品类别集合中的各个产品类别,由此,既可以基于两个用户标识分别对应的两个产品类别序列的语义相似度,确定两个用户之间的相似度,又可以提高计算用户之间的相似度的速度。
在本实施例的一些可选的实现方式中,上述第二步骤(即基于得到的两个产品类别序列,确定两个用户标识分别指示的两个用户之间的相似度),可以包括如下子步骤(包括第一子步骤和第二子步骤):
第一子步骤,针对两个用户中的每个用户对应的产品类别序列,基于表征该用户对应的产品类别序列中的各个产品类别的数值的平均值,确定该用户的分布式表示。其中,用户的分布式表示表征用户购买概率符合预设条件的产品所属的产品类别。
其中,用户的分布式表示可以是预定维度的向量。例如,用户的分布式表示中的各个元素可以均为该用户对应的产品类别序列中的各个产品类别的数值的平均值。再例如,用户的分布式表示中的预定位置的元素(例如第一个元素)可以为该用户对应的产品类别序列中的各个产品类别的数值的平均值,用户的分布式表示中除上述预定位置之外的其他位置的元素可以为预定数值(例如1)。
第二子步骤,基于两个用户中的每个用户的分布式表示,确定两个用户标识分别指示的两个用户之间的相似度。
作为示例,上述执行主体可以将两个用户的分布式表示的余弦相似度,确定为两个用户标识分别指示的两个用户之间的相似度。
作为又一示例,上述执行主体也可以将两个用户的分布式表示的欧几里得距离,确定为两个用户标识分别指示的两个用户之间的相似度。
可以理解,本可选的实现方式可以基于表征用户对应的产品类别序列中的各个产品类别的数值的平均值,来计算两个用户之间的相似度,从而丰富了用户之间的相似度的计算方式,可以进一步提高计算用户之间的相似度的速度。
进一步参考图4,其示出了用于推送权限凭证的方法的又一个实施例的流程400。该用于推送权限凭证的方法的流程400,包括以下步骤:
步骤401,获取与目标用户标识相关联的产品信息集合。
在本实施例中,用于推送权限凭证的方法的执行主体(例如图1所示的服务器或终端设备)可以获取与目标用户标识相关联的产品信息集合。其中,上述目标用户标识可以用于标识目标用户。目标用户可以是目标应用(例如购物类应用)的注册用户。
实践中,目标应用的注册用户可以通过该目标应用使用权限凭证,例如,目标用户可以使用权限凭证(例如优惠券)购买该目标应用中展示的产品,由此,相对于不使用权限凭证直接购买该目标应用中展示的产品,可以为用户节省购买产品所花费的费用。具有权限凭证的用户可以使用该权限凭证指示的权限。作为示例,权限凭证可以指示以下任意一项或多项权利:打折(例如9折)、满减(例如满200减20),返现(满1100返100)、前10名送赠品等等。
在本实施例中,步骤401与图2对应实施例中的步骤201基本一致,这里不再赘述。
步骤402,从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别。
在本实施例中,步骤402与图2对应实施例中的步骤202基本一致,这里不再赘述。
步骤403,基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识。
在本实施例中,步骤403与图2对应实施例中的步骤203基本一致,这里不再赘述。
步骤404,基于第一目标数量个用户标识分别指示的历史操作数据,确定与第一目标数量个用户对应的第二目标数量个期望产品。
在本实施例中,上述执行主体可以基于第一目标数量个用户标识分别指示的历史操作数据,确定与第一目标数量个用户对应的第二目标数量个期望产品。
其中,第二目标数量个期望产品为从预先确定的产品集合中按照第一目标数量个用户购买概率由大到小的顺序确定的。
上述产品集合可以是上述目标应用所展示的全部或部分产品的集合。上述第二目标数量可以是预先确定的数值,也可以是第二目标数量中的产品的数量与预设百分比(例如0.1%)的乘积。
用户标识指示的历史操作数据可以是用户标识指示的用户的历史操作数据。
在这里,上述执行主体可以通过对第一目标数量个用户标识分别指示的历史操作数据进行统计,从而确定出历史操作对应的产品(例如购买过的产品、浏览过的产品、添加到购物车的产品等等),进而通过计算每个历史操作对应的产品被操作过的次数确定用户购买该产品的概率。
作为示例,上述执行主体可以首先针对第一目标数量个用户标识中的每个用户标识,基于该用户标识指示的历史操作数据,确定该用户标识指示的用户购买概率符合第一预设条件的产品。其中,第一预设条件可以是购买概率大于或等于预设阈值,也可以是按照购买概率由大到小的顺序,从预先确定的产品集合中选取的预设数量个产品。然后,上述执行主体可以从针对各个用户确定出的、购买概率符合上述第一预设条件的产品中,选取(例如随机选取,或者按照购买概率由大到小的顺序选取)第二目标数量个产品,作为与第一目标数量个用户对应的第二目标数量个期望产品。
作为又一示例,上述执行主体也可以针对预先确定的产品集合中的每个产品,确定该产品被第一目标数量个用户购买的概率(例如,第一目标数量个用户中购买该产品的用户的数量,与第一目标数量的比值),然后,按照上述产品集合中的各个产品被第一目标数量个用户购买的概率有大到小的顺序,从上述产品集合中选取第二目标数量个产品,作为与第一目标数量个用户对应的第二目标数量个期望产品。
步骤405,基于第二目标数量个期望产品,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证。
在本实施例中,上述执行主体还可以基于第二目标数量个期望产品,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证。
在本实施例的一些可选的实现方式中,上述执行主体可以采用如下方式来执行该步骤405:
首先,对于预先确定的权限凭证集合中的每个权限凭证,依次确定该权限凭证是否与第二目标数量个期望产品的每个期望产品建立有关联关系,得到与该权限凭证建立有关联关系的期望产品。
在这里,权限凭证集合中的每个权限凭证,可以与上述产品集合中的一种或多种产品建立有关联关系。作为示例,如果权限凭证A为产品A的优惠券(即如果用户在购买产品A时,使用了权限凭证A,那么,相对于用户在购买产品A时,不使用权限凭证,可以节省所支付的费用),在该情况下,权限凭证A与产品A建立有关联关系。如果用户在购买产品A时,无法使用权限凭证A,那么,权限凭证A与产品A未建立有关联关系。
然后,对于权限凭证集合中的每个权限凭证,计算在用户采用该权限凭证购买与该权限凭证建立有关联关系的期望产品的情况下用户的支付信息。其中,支付信息表征基于支付金额和优惠金额中的至少一项确定的数值。
在这里,支付信息可以表征支付金额、优惠金额,也可以表征支付金额和优惠金额加权求和的结果。
最后,按照支付信息所表征的数值由大到小的顺序,从权限凭证集合中选取第三目标数量个权限凭证,作为待向目标用户推送的权限凭证。
其中,第三目标数量可以是预先确定的数值,也可以是权限凭证集合中的权限凭证集的数量与预设百分比(例如1%)的乘积。
可以理解,本可选的实现方式可以基于支付金额和优惠金额,为目标用户推送权限凭证,由此,进一步丰富了支付金额、优惠金额的推送方式。
可选的,上述执行主体也可以采用如下方式来执行该步骤405:
将第二目标数量个期望产品的特征数据输入至预先训练的权限凭证推送模型,得到与输入的第二目标数量个期望产品相对应的权限凭证,作为待向目标用户推送的权限凭证。其中,上述权限凭证推送模型可以用于从预先确定的权限凭证集合中,确定与输入的期望产品的特征数据(例如用途、价格、颜色、风格)相对应的权限凭证。该权限凭证推送模型可以是采用机器学习算法,基于训练样本集合训练得到的卷积神经网络模型。其中,上述训练样本集合中的训练样本可以包括输入数据和与输入数据相对应的期望输出数据。输入数据可以是一个或多个产品的特征数据,与输入数据相对应的期望输出数据可以是权限凭证集合中的权限凭证。
步骤406,向目标用户推送所确定的权限凭证。
在本实施例中,步骤406与图2对应实施例中的步骤205基本一致,这里不再赘述。
需要说明的是,除上面所记载的内容外,本实施例还可以包括与图2对应的实施例相同或类似的特征、效果,在此不再赘述。
作为本实施例的一个应用场景,上述执行主体还可以采用如下步骤来执行该用于推送权限凭证的方法:
第一步,在检测到存在支付成功的用户之后,将该用户作为目标用户,获取目标用户的用户标识,以及与目标用户标识相关联的产品信息集合。
其中,与目标用户标识相关联的产品信息集合可以包括为目标用户推荐的产品的产品信息、目标用户的购物车中的产品的产品信息。
第二步,针对上述产品信息集合中的每个产品信息,将该产品信息输入至于先训练的分类模型,得到产品信息集合中的每个产品信息指示的产品所属的产品类别。其中,上述分类模型的含义及训练步骤可以参考图2所示的实施例中的相关描述,在此不再赘述。产品类别集合中的各个产品类别采用数值表征。产品类别集合中,表征任意两个产品类别的数值的接近程度与两个产品类别的语义相似度成正相关或负相关。
第三步,针对预先确定的用户标识集合中的每个用户标识所指示的用户的分布式表示与目标用户标识指示的目标用户的分布式表示的余弦相似度,作为用户之间的相似度。按照相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识。这样做的优点在于,相似偏好的用户在空间中保持相近的距离,可以有效的通过求用户间的余弦相似度来找出与该用户相似的其他用户。
第四步,基于第一目标数量个用户标识中的每个用户标识指示的历史操作数据,该用户标识指示的用户操作(例如浏览、购买、收藏、添加至购物车等等)过的各个产品进行打分。
作为示例,可以基于该用户操作的每个产品的如下信息,为该产品进行的打分:用户浏览产品次数、用户停留在产品的详情页的时间、用户查看同一类产品的次数、用户查看与该产品相关的产品(例如同一颜色的产品、同一用途的产品)的时间、预测的用户再次购买时间。
第五步,基于第一目标数量个用户标识中的每个用户标识,确定该用户标识指示的用户操作(例如浏览、购买、收藏、添加至购物车等等)过的各个产品所属的产品类别。预测每个类别中的所有产品中该用户标识指示的用户购买概率,按照购买概率有大到小的顺序,从各个类别中的所有产品中选取第二目标数量个产品。
第六步,针对预先确定的权限凭证集合中的每个权限凭证,基于该权限凭证的支付优惠券满减力度、息费折扣大小、免息时间、历史优惠力度、支付机构的评价,为该权限凭证进行打分。从而按照打分的分值由大到小的顺序,从上述权限凭证集合中选取第三目标数量个权限凭证,以及向目标用户推送所选取的第三目标数量个权限凭证。
从图4中可以看出,本实施例中的用于推送权限凭证的方法的流程400可以基于购买概率,为目标用户推送的权限凭证,从而提高了推送权限凭证的针对性。
进一步参考图5,作为对上述图2所示方法的实现,本公开提供了一种用于推送权限凭证的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征,以及产生与图2所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于推送权限凭证的装置500包括:获取单元501、第一确定单元502、选取单元503、第二确定单元504和推送单元505。其中,获取单元501被配置成获取与目标用户标识相关联的产品信息集合;第一确定单元502被配置成从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别;选取单元503被配置成基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识;第二确定单元504被配置成基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证;推送单元505被配置成向目标用户推送所确定的权限凭证。
在本实施例中,用于推送权限凭证的装置500的获取单元501可以获取与目标用户标识相关联的产品信息集合。其中,上述目标用户标识可以用于标识目标用户。目标用户可以是目标应用(例如购物类应用)的注册用户。
在本实施例中,上述第一确定单元502可以从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别。
在本实施例中,上述选取单元503可以基于第一确定单元502所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识。
在本实施例中,上述第二确定单元504可以基于选取单元503选取的第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证。
在本实施例中,上述推送单元505可以向目标用户推送所确定的权限凭证。
在本实施例的一些可选的实现方式中,用户标识集合中的两个用户标识分别指示的两个用户之间的相似度通过如下步骤确定:从产品类别集合中,分别确定两个用户标识分别指示的两个用户在目标时间段内分别操作过的产品所属的产品类别,得到与两个用户中的每个用户对应的产品类别序列;基于得到的两个产品类别序列,确定两个用户标识分别指示的两个用户之间的相似度。
在本实施例的一些可选的实现方式中,产品类别集合中的各个产品类别采用数值表征,产品类别集合中,表征任意两个产品类别的数值的接近程度与两个产品类别的语义相似度成正相关或负相关。
在本实施例的一些可选的实现方式中,基于得到的两个产品类别序列,确定两个用户标识分别指示的两个用户之间的相似度,包括:针对两个用户中的每个用户对应的产品类别序列,基于表征该用户对应的产品类别序列中的各个产品类别的数值的平均值,确定该用户的分布式表示,其中,用户的分布式表示表征用户购买概率符合预设条件的产品所属的产品类别;基于两个用户中的每个用户的分布式表示,确定两个用户标识分别指示的两个用户之间的相似度。
在本实施例的一些可选的实现方式中,基于两个用户中的每个用户的分布式表示,确定两个用户标识分别指示的两个用户之间的相似度,包括:将两个用户的分布式表示的余弦相似度,确定为两个用户标识分别指示的两个用户之间的相似度。
在本实施例的一些可选的实现方式中,第二确定单元504包括:第一确定模块(图中未示出)被配置成基于第一目标数量个用户标识分别指示的历史操作数据,确定与第一目标数量个用户对应的第二目标数量个期望产品,其中,第二目标数量个期望产品为从预先确定的产品集合中按照第一目标数量个用户购买概率由大到小的顺序确定的。第二确定模块(图中未示出)被配置成基于第二目标数量个期望产品,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证。
在本实施例的一些可选的实现方式中,第二确定模块包括:确定子模块(图中未示出)被配置成对于预先确定的权限凭证集合中的每个权限凭证,依次确定该权限凭证是否与第二目标数量个期望产品的每个期望产品建立有关联关系,得到与该权限凭证建立有关联关系的期望产品;计算子模块(图中未示出)被配置成对于权限凭证集合中的每个权限凭证,计算在用户采用该权限凭证购买与该权限凭证建立有关联关系的期望产品的情况下用户的支付信息,其中,支付信息表征基于支付金额和优惠金额中的至少一项确定的数值;选取子模块,被配置成按照支付信息所表征的数值由大到小的顺序,从权限凭证集合中选取第三目标数量个权限凭证,作为待向目标用户推送的权限凭证。
在本实施例的一些可选的实现方式中,第一确定单元502包括:输入模块(图中未示出)被配置成针对产品信息集合中的每个产品信息,将该产品信息输入至预先训练的分类模型,得到该产品信息指示的产品所属的产品类别,其中,分类模型用于从预先确定的产品类别集合中,确定产品信息指示的产品所属的产品类别。
在本实施例的一些可选的实现方式中,分类模型通过如下步骤训练得到:
首先,获取训练样本集。其中,训练样本集中的训练样本包括产品信息和预先确定的产品类别集合中该产品信息所属的产品类别。
然后,采用机器学习算法,将训练样本集中的训练样本包括的产品信息作为初始skip-qram模型的输入数据,将与输入数据相对应的产品类别作为初始skip-qram模型的期望输出数据,对初始skip-qram模型进行训练,将训练完成的初始skip-qram模型作为分类模型。
本公开的上述实施例提供的用于推送权限凭证的装置,通过获取单元501获取与目标用户标识相关联的产品信息集合,然后第一确定单元502从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别,之后选取单元503基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识,随后第二确定单元504基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证,最后推送单元505向目标用户推送所确定的权限凭证,从而可以基于用户关联的产品所属的产品类别,以及与目标用户相似度较高的第一目标数量个用户,为目标用户推送权限凭证,由此,可降低因向无关的用户推送权限凭证可能导致的网络带宽的占用,丰富了权限凭证的推送方式,有助于降低用户的支付金额,提高用户的购买率。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)600的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的终端设备/服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开的实施例中,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。而在本公开的实施例中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取与目标用户标识相关联的产品信息集合;从预先确定的产品类别集合中,确定产品信息集合中的每个产品信息指示的产品所属的产品类别;
基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与目标用户标识指示的目标用户之间的相似度由大到小的顺序,从用户标识集合中,选取第一目标数量个用户标识;基于第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向目标用户推送的权限凭证;向目标用户推送所确定的权限凭证。
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公开的实施例的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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,流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,该模块、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。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、第一确定单元、选取单元、第二确定单元和推送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取与目标用户标识相关联的产品信息集合的单元”。
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上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 (12)
1.一种用于推送权限凭证的方法,包括:
获取与目标用户标识相关联的产品信息集合;
从预先确定的产品类别集合中,确定所述产品信息集合中的每个产品信息指示的产品所属的产品类别;
基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与所述目标用户标识指示的目标用户之间的相似度由大到小的顺序,从所述用户标识集合中,选取第一目标数量个用户标识;
基于所述第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向所述目标用户推送的权限凭证;
向所述目标用户推送所确定的权限凭证。
2.根据权利要求1所述的方法,其中,所述用户标识集合中的两个用户标识分别指示的两个用户之间的相似度通过如下步骤确定:
从所述产品类别集合中,分别确定所述两个用户标识分别指示的两个用户在目标时间段内分别操作过的产品所属的产品类别,得到与所述两个用户中的每个用户对应的产品类别序列;
基于得到的两个产品类别序列,确定所述两个用户标识分别指示的两个用户之间的相似度。
3.根据权利要求2所述的方法,其中,所述产品类别集合中的各个产品类别采用数值表征,所述产品类别集合中,表征任意两个产品类别的数值的接近程度与所述两个产品类别的语义相似度成正相关或负相关。
4.根据权利要求3所述的方法,其中,所述基于得到的两个产品类别序列,确定所述两个用户标识分别指示的两个用户之间的相似度,包括:
针对所述两个用户中的每个用户对应的产品类别序列,基于表征该用户对应的产品类别序列中的各个产品类别的数值的平均值,确定该用户的分布式表示,其中,用户的分布式表示表征用户购买概率符合预设条件的产品所属的产品类别;
基于所述两个用户中的每个用户的分布式表示,确定所述两个用户标识分别指示的两个用户之间的相似度。
5.根据权利要求4所述的方法,其中,所述基于所述两个用户中的每个用户的分布式表示,确定所述两个用户标识分别指示的两个用户之间的相似度,包括:
将所述两个用户的分布式表示的余弦相似度,确定为所述两个用户标识分别指示的两个用户之间的相似度。
6.根据权利要求1所述的方法,其中,所述基于所述第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向所述目标用户推送的权限凭证,包括:
基于所述第一目标数量个用户标识分别指示的历史操作数据,确定与所述第一目标数量个用户对应的第二目标数量个期望产品,其中,所述第二目标数量个期望产品为从预先确定的产品集合中按照所述第一目标数量个用户购买概率由大到小的顺序确定的;
基于所述第二目标数量个期望产品,从预先确定的权限凭证集合中,确定待向所述目标用户推送的权限凭证。
7.根据权利要求6所述的方法,其中,所述基于所述第二目标数量个期望产品,从预先确定的权限凭证集合中,确定待向所述目标用户推送的权限凭证,包括:
对于预先确定的权限凭证集合中的每个权限凭证,依次确定该权限凭证是否与所述第二目标数量个期望产品的每个期望产品建立有关联关系,得到与该权限凭证建立有关联关系的期望产品;
对于所述权限凭证集合中的每个权限凭证,计算在用户采用该权限凭证购买与该权限凭证建立有关联关系的期望产品的情况下用户的支付信息,其中,支付信息表征基于支付金额和优惠金额中的至少一项确定的数值;
按照支付信息所表征的数值由大到小的顺序,从所述权限凭证集合中选取第三目标数量个权限凭证,作为待向所述目标用户推送的权限凭证。
8.根据权利要求1-7之一所述的方法,其中,所述从预先确定的产品类别集合中,确定所述产品信息集合中的每个产品信息指示的产品所属的产品类别,包括:
针对所述产品信息集合中的每个产品信息,将该产品信息输入至预先训练的分类模型,得到该产品信息指示的产品所属的产品类别,其中,所述分类模型用于从预先确定的产品类别集合中,确定产品信息指示的产品所属的产品类别。
9.根据权利要求8所述的方法,其中,所述分类模型通过如下步骤训练得到:
获取训练样本集,其中,所述训练样本集中的训练样本包括产品信息和预先确定的产品类别集合中该产品信息所属的产品类别;
采用机器学习算法,将所述训练样本集中的训练样本包括的产品信息作为初始skip-qram模型的输入数据,将与输入数据相对应的产品类别作为初始skip-qram模型的期望输出数据,对初始skip-qram模型进行训练,将训练完成的初始skip-qram模型作为分类模型。
10.一种用于推送权限凭证的装置,包括:
获取单元,被配置成获取与目标用户标识相关联的产品信息集合;
第一确定单元,被配置成从预先确定的产品类别集合中,确定所述产品信息集合中的每个产品信息指示的产品所属的产品类别;
选取单元,被配置成基于所确定的产品类别,按照预先确定的用户标识集合中的用户标识所指示的用户与所述目标用户标识指示的目标用户之间的相似度由大到小的顺序,从所述用户标识集合中,选取第一目标数量个用户标识;
第二确定单元,被配置成基于所述第一目标数量个用户标识,从预先确定的权限凭证集合中,确定待向所述目标用户推送的权限凭证;
推送单元,被配置成向所述目标用户推送所确定的权限凭证。
11.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
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1-9中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911080733.XA CN111784378A (zh) | 2019-11-07 | 2019-11-07 | 用于推送权限凭证的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911080733.XA CN111784378A (zh) | 2019-11-07 | 2019-11-07 | 用于推送权限凭证的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111784378A true CN111784378A (zh) | 2020-10-16 |
Family
ID=72755511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911080733.XA Pending CN111784378A (zh) | 2019-11-07 | 2019-11-07 | 用于推送权限凭证的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111784378A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010869A (zh) * | 2021-03-11 | 2021-06-22 | 北京百度网讯科技有限公司 | 用于管理数字内容的方法、装置、设备和可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016192551A1 (zh) * | 2015-06-02 | 2016-12-08 | 阿里巴巴集团控股有限公司 | 一种信息的发送方法和设备 |
CN106254525A (zh) * | 2016-09-12 | 2016-12-21 | 中国银联股份有限公司 | 一种信息推送方法和系统 |
CN107944913A (zh) * | 2017-11-21 | 2018-04-20 | 重庆邮电大学 | 基于大数据用户行为分析的高潜在用户购买意向预测方法 |
CN110163724A (zh) * | 2019-05-22 | 2019-08-23 | 广州织点智能科技有限公司 | 信息推送方法、装置、服务端及系统 |
-
2019
- 2019-11-07 CN CN201911080733.XA patent/CN111784378A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016192551A1 (zh) * | 2015-06-02 | 2016-12-08 | 阿里巴巴集团控股有限公司 | 一种信息的发送方法和设备 |
CN106254525A (zh) * | 2016-09-12 | 2016-12-21 | 中国银联股份有限公司 | 一种信息推送方法和系统 |
CN107944913A (zh) * | 2017-11-21 | 2018-04-20 | 重庆邮电大学 | 基于大数据用户行为分析的高潜在用户购买意向预测方法 |
CN110163724A (zh) * | 2019-05-22 | 2019-08-23 | 广州织点智能科技有限公司 | 信息推送方法、装置、服务端及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010869A (zh) * | 2021-03-11 | 2021-06-22 | 北京百度网讯科技有限公司 | 用于管理数字内容的方法、装置、设备和可读存储介质 |
CN113010869B (zh) * | 2021-03-11 | 2023-08-29 | 北京百度网讯科技有限公司 | 用于管理数字内容的方法、装置、设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107426328B (zh) | 信息推送方法和装置 | |
CN107808314B (zh) | 用户推荐方法及装置 | |
US11531978B2 (en) | Platform for managing mobile applications | |
CN103473690A (zh) | 信息处理装置、方法、程序、系统和内容请求终端 | |
CN110084658B (zh) | 物品匹配的方法和装置 | |
JP6827305B2 (ja) | 選択装置、選択方法および選択プログラム | |
CN110363604A (zh) | 页面生成方法和装置 | |
CN110111167A (zh) | 一种确定推荐对象的方法和装置 | |
CN109767302B (zh) | 大数据精准模型的构建方法及装置 | |
CN110020162A (zh) | 用户识别方法和装置 | |
CN111897950A (zh) | 用于生成信息的方法和装置 | |
CN112132634A (zh) | 虚拟馈赠资源发放方法、装置、计算机设备和存储介质 | |
CN111651679A (zh) | 基于强化学习的推荐方法及装置 | |
CN110609783A (zh) | 用于识别异常行为用户的方法和装置 | |
CN110992127A (zh) | 一种物品推荐方法及装置 | |
CN113077319A (zh) | 针对微详情页面的动态推荐方法及装置 | |
CN116911953B (zh) | 物品推荐方法、装置、电子设备及计算机可读存储介质 | |
CN111787042B (zh) | 用于推送信息的方法和装置 | |
CN111784378A (zh) | 用于推送权限凭证的方法和装置 | |
KR102620109B1 (ko) | 마케팅 성과를 평가하는 검색 서비스 시스템 | |
US20240078585A1 (en) | Method and apparatus for sharing information | |
CN113379511A (zh) | 用于输出信息的方法和装置 | |
CN109685561B (zh) | 基于用户行为的电子凭证推送方法、装置及电子设备 | |
CN110419058A (zh) | 离线利用网络系统优惠 | |
JP2012221360A (ja) | 購買行動に関して影響力のある情報配信者(インフルエンサー)に対して広告情報を提供することができるシステム |
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 |