CN112001773A - 商品推荐方法、装置、服务器及存储介质 - Google Patents
商品推荐方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN112001773A CN112001773A CN202010790535.9A CN202010790535A CN112001773A CN 112001773 A CN112001773 A CN 112001773A CN 202010790535 A CN202010790535 A CN 202010790535A CN 112001773 A CN112001773 A CN 112001773A
- Authority
- CN
- China
- Prior art keywords
- information
- commodity
- comment
- determining
- recommendation
- 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 51
- 238000012552 review Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 12
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 11
- 240000003768 Solanum lycopersicum Species 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000010606 normalization Methods 0.000 description 11
- 241000657513 Senna surattensis Species 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 6
- 235000013601 eggs Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 244000025254 Cannabis sativa Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003672 processing method Methods 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开公开了一种商品推荐方法、装置服务器及存储介质,属于互联网技术领域。包括:通过获取待推荐的多个第一商品信息的评论信息和每个第一商品信息出自的第一店铺信息,以便可以根据每个第一商品信息的评论信息和该评论信息对应的第一店铺信息,将第一商品信息评论指标信息由评论内容和店铺信息确定,通过对不同的第一商品信息的第一推荐力度进行整合使得第一商品信息对应的相同的第二推荐力度信息,从而防止了同一商品,由于第一商品信息不同而造成的推荐力度信息分散,进而提高了从第一商品信息中确定被推荐的目标商品信息的准确性。
Description
技术领域
本公开涉及互联网技术领域,特别涉及一种商品推荐方法、装置、服务器及存储介质。
背景技术
随着互联网技术的发展,用户不仅可以通过O2O(Online To Offline,线上到线下)业务进行交易,还可以在O2O业务的互联网交易平台中发表UGC(User GeneratedContent,用户生成内容)。例如,用户可以在互联网交易平台中对商品发表评论。相应的,线上交易平台可以确定所有商铺对应的评论中包含网络用语的评论在该商品的评论中出现的频次,通过该商品所有商铺对应的评论中的网络用语的频次确定商品的网红指数,根据商品的网红指数向经销商推荐网红商品,以便经销商可以根据网红商品感知行业机会。
发明内容
本公开实施例提供了一种商品推荐方法、装置、服务器及存储介质,提高了商品推荐的准确性。该技术方案如下:
一方面,提供了一种商品推荐方法,所述方法包括:
获取用于评价待推荐的多个第一商品信息的评论信息,以及获取每个第一商品信息出自店铺的第一店铺信息;
根据所述第一店铺信息和所述评论信息,确定所述多个第一商品信息的评论指标信息;
根据所述多个第一商品信息的评论指标信息,确定所述多个第一商品信息的第一推荐力度信息;
根据每个第一商品信息中的商品标识,对所述多个第一商品信息的第一推荐力度信息进行整合,得到至少一个第二商品信息的第二推荐力度信息;
根据所述至少一个第二商品信息的第二推荐力度信息,从所述至少一个第二商品信息中确定被推荐的目标商品信息。
在一种可能的实现方式中,所述根据所述多个第一商品信息的评论指标信息,确定所述多个第一商品信息的第一推荐力度信息,包括:
对于每个第一商品信息,确定多个评论指标;
对于每个评论指标,在所述评论信息中确定满足所述评论指标的目标评论内容;
确定所述目标评论内容的第一数量,以及,根据所述第一店铺信息,确定所述目标评论内容出自的店铺的第二数量;
根据所述第一数量和所述第二数量,确定所述第一商品信息的评论指标信息。
在另一种可能的实现方式中,所述在所述评论信息中,所述确定满足所述评论指标的目标评论内容包括以下至少一种实现方式:
在所述评论信息中确定包含目标词汇的目标评论内容,所述目标词汇为热度超过热度阈值的词汇;或者,
确定所述评论信息中的每个评论内容的属性信息,根据所述每个评论内容的属性信息,在所述评论内容中确定属性信息为目标属性的目标评论内容,所述目标属性为用于表示评论内容对第一商品信息起推荐作用的属性;或者,
将所述评论信息中的每个评论内容作为所述目标评论内容。
在另一种可能的实现方式中,所述根据所述多个第一商品信息的评论指标信息,确定所述多个第一商品信息的第一推荐力度信息,包括:
对于每个第一商品信息,所述评论指标信息的数量为一个,则将所述评论指标信息作为所述第一商品信息的第一推荐力度信息;或者,
所述评论指标信息的数量为多个,则根据所述多个评论指标信息以及每个评论指标信息的权重,确定所述第一商品信息的第一推荐力度信息。
在另一种可能的实现方式中,所述根据每个第一商品信息中的商品标识,对所述多个第一商品信息的第一推荐力度信息进行整合,得到至少一个第二商品信息的第二推荐力度信息,包括:
对所述多个第一商品信息对应的第一商品标识进行标准化处理,得到所述多个第一商品信息对应的标准商品标识;
将具有相同标准商品标识的至少一个商品信息的商品标识确定为同一第二商品标识;
根据所述至少一个商品信息的第一推荐力度信息,确定所述标准商品名称对应的第二商品信息的第二推荐力度信息。
在另一种可能的实现方式中,所述对所述多个第一商品信息对应的第一商品标识进行标准化处理,得到所述多个第一商品信息对应的标准商品标识,包括:
确定所述多个第一商品信息对应的至少一个第一商品标识;
对于每个第一商品标识,确定所述第一商品标识的语义信息;
将具有相同语义信息的第一商品标识标准化为同一标准商品标识,得到所述多个第一商品信息对应的标准商品标识。
在另一种可能的实现方式中,所述将具有相同语义信息的第一商品标识标准化为同一标准商品标识,得到所述多个第一商品信息对应的标准商品标识,包括:
确定所述具有相同语义信息的第三商品标识;将所述第三商品标识确定为所述多个第一商品信息对应的标准商品标识;或者,
根据所述具有相同语义信息的第一商品标识,确定所述第一商品标识对应的第一商品信息的商品类别,将所述商品类别确定为所述第一商品信息对应的标准商品标识。
另一方面,提供了一种商品推荐装置,所述装置包括:
信息获取模块,用于获取用于评价待推荐的多个第一商品信息的评论信息,以及获取每个第一商品信息出自店铺的第一店铺信息;
评论指标信息确定模块,用于根据所述第一店铺信息和所述评论信息,确定所述多个第一商品信息的评论指标信息;
推荐力度信息确定模块,用于根据所述多个第一商品信息的评论指标信息,确定所述多个第一商品信息的第一推荐力度信息;
推荐力度信息整合模块,用于根据每个第一商品信息中的商品标识,对所述多个第一商品信息的第一推荐力度信息进行整合,得到至少一个第二商品信息的第二推荐力度信息;
目标商品信息确定模块,用于根据所述至少一个第二商品信息的第二推荐力度信息,从所述至少一个第二商品信息中确定被推荐的目标商品信息。
在一种可能的实现方式中,所述评论指标信息确定模块包括:
评论指标确定单元,用于对于每个第一商品信息,确定多个评论指标;
评论内容确定单元,用于对于每个评论指标,在所述评论信息中确定满足所述评论指标的目标评论内容;
数量确定单元,用于确定所述目标评论内容的第一数量,以及,根据所述第一店铺信息,确定所述目标评论内容出自的店铺的第二数量;
评论指标信息确定单元,用于根据所述第一数量和所述第二数量,确定所述第一商品信息的评论指标信息。
在另一种可能的实现方式中,所述评论内容确定单元,用于在所述评论信息中确定包含目标词汇的目标评论内容,所述目标词汇为热度超过热度阈值的词汇;或者,
所述评论内容确定单元,用于确定所述评论信息中的每个评论内容的属性信息,根据所述每个评论内容的属性信息,在所述评论内容中确定属性信息为目标属性的目标评论内容,所述目标属性为用于表示评论内容对第一商品信息起推荐作用的属性;或者,
所述评论内容确定单元,用于将所述评论信息中的每个评论内容作为所述目标评论内容。
在另一种可能的实现方式中,所述推荐力度信息确定模块,用于对于每个第一商品信息,所述评论指标信息的数量为一个,则将所述评论指标信息作为所述第一商品信息的第一推荐力度信息;或者,
所述推荐力度信息确定模块,用于所述评论指标信息的数量为多个,则根据所述多个评论指标信息以及每个评论指标信息的权重,确定所述第一商品信息的第一推荐力度信息。
在另一种可能的实现方式中,所述推荐力度信息整合模块包括:
标准化处理单元,用于对所述多个第一商品信息对应的第一商品标识进行标准化处理,得到所述多个第一商品信息对应的标准商品标识;
商品标识确定单元,用于将具有相同标准商品标识的至少一个商品信息的商品标识确定为同一第二商品标识;
推荐力度信息确定单元,用于根据所述至少一个商品信息的第一推荐力度信息,确定所述标准商品名称对应的第二商品信息的第二推荐力度信息。
在另一种可能的实现方式中,所述标准化处理单元,用于确定所述多个第一商品信息对应的至少一个第一商品标识;对于每个第一商品标识,确定所述第一商品标识的语义信息;将具有相同语义信息的第一商品标识标准化为同一标准商品标识,得到所述多个第一商品信息对应的标准商品标识。
在另一种可能的实现方式中,所述标准化处理单元,用于确定所述具有相同语义信息的第三商品标识;将所述第三商品标识确定为所述多个第一商品信息对应的标准商品标识;或者,
所述标准化处理单元,用于根据所述具有相同语义信息的第一商品标识,确定所述第一商品标识对应的第一商品信息的商品类别,将所述商品类别确定为所述第一商品信息对应的标准商品标识。
另一方面,提供了一种服务器,所述服务器包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条指令,所述至少一条指令由所述一个或多个处理器加载并执行以实现如本公开实施例的方法实施例中所述的商品推荐方法所执行的操作。
另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现如本公开实施例的方法实施例中所述的商品推荐方法所执行的操作。
在本公开实施例中,将待推荐的第一商品信息的评论信息与该第一商品信息出自的店铺信息关联,使得根据评论信息确定的第一商品信息的第一推荐信息能够与店铺信息关联,进而在不同店铺信息对应的同一第一商品信息的商品标识不同的情况下,能够对同一第一商品信息的第一推荐力度信息进行整合,得到用于推荐第一商品信息的第二推荐力度信息,使得第一商品信息的推荐力度信息不会因为商品标识不同被分散,进而提高了从第一商品信息中确定被推荐的目标商品信息的准确性。
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
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种商品推荐方法所涉及的系统架构图;
图2是根据一示例性实施例示出的一种商品推荐方法流程图;
图3是根据一示例性实施例示出的一种商品推荐方法流程图;
图4是根据一示例性实施例示出的一种商品推荐方法流程图;
图5是根据一示例性实施例示出的一种商品推荐装置的框图;
图6是根据一示例性实施例示出的一种商品推荐装置的框图;
图7是根据一示例性实施例示出的一种服务器的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开实施方式作进一步地详细描述。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种商品推荐方法所涉及的系统架构图。该系统架构图包括第一终端101、第二终端102和服务器103。其中,第一终端101和第二终端102分别通过无线网络与服务器103进行数据交互。
其中,第一终端101可以从服务器103中获取第一商品信息以及提交对第一商品信息的评论信息。服务器103基于这些评论信息,确定为第二终端102推荐的目标商品信息,从而第二终端102可以基于被推荐的目标商品信息进行商品购买,或者,根据目标商品信息,确定当前的商业机遇,在店铺中上新目标商品信息对应的商品,以供其他用户选择。其中,该店铺可以为线上的虚拟店铺,也可以为线下的实体店铺,在本公开实施例中,对此不作具体限定。该第一商品信息可以为任一类型的商品的商品信息。例如,该第一商品信息可以为店铺中菜品信息、服饰信息等。
第一终端101中安装第一目标应用程序,第一终端101可以通过该第一目标应用程序登录该互联网交易平台对应的服务器103,从而从服务器103中获取第一商品信息,以及向服务器103提交对第一商品信息的评论信息。相应的,该过程可以为:第一终端101可以通过该第一目标应用程序从服务器103中获取第一商品信息,通过该第一目标应用程序向用户展示第一商品信息,接收用户输入的对第一商品信息的评论信息,将该评论信息上报给服务器103。
第二终端102中安装第二目标应用程序,第二终端102可以通过第二目标应用程序登录该互联网交易平台对应的服务器103,从该服务器103中获取被推荐的目标商品信息,以及,向服务器103提交第一商品信息。相应的,该过程可以为:第二终端102通过该第二目标应用程序从服务器103中获取目标商品信息,通过该第二目标应用程序向用户展示目标商品信息,接收用户输入的第一商品信息,将该第一商品信息上报给服务器103。
需要说明的一点是,第一目标应用程序和第二目标应用程序可以为相同的应用程序,也可以为不同的应用程序,在本公开实施例中,对此不作具体限定。
需要说明的另一点是,第一终端101和第二终端102可以为相同的终端,也可以为不同的终端,在本公开实施例中,对此不作具体限定。另外,第一终端101和第二终端102均可以为手机、电脑、平板电脑或可穿戴设备等。服务器103可以为单独的服务器103、也可以为多个服务器103组成的服务器103集群、还可以为云服务器103等。在本公开实施例中,对此均不作具体限定。
图2是根据一示例性实施例示出的一种商品推荐方法流程图,如图2所示,该商品推荐方法包括以下步骤:
步骤201:获取用于评价待推荐的多个第一商品信息的评论信息,以及获取每个第一商品信息出自店铺的第一店铺信息。
步骤202:根据该第一店铺信息和该评论信息,确定该多个第一商品信息的评论指标信息。
步骤203:根据该多个第一商品信息的评论指标信息,确定该多个第一商品信息的第一推荐力度信息。
步骤204:根据每个第一商品信息中的商品标识,对该多个第一商品信息的第一推荐力度信息进行整合,得到至少一个第二商品信息的第二推荐力度信息。
步骤205:根据该至少一个第二商品信息的第二推荐力度信息,从该至少一个第二商品信息中确定被推荐的目标商品信息。
在一种可能的实现方式中,该根据该多个第一商品信息的评论指标信息,确定该多个第一商品信息的第一推荐力度信息,包括:
对于每个第一商品信息,确定多个评论指标;
对于每个评论指标,在该评论信息中确定满足该评论指标的目标评论内容;
确定该目标评论内容的第一数量,以及,根据该第一店铺信息,确定该目标评论内容出自的店铺的第二数量;
根据该第一数量和该第二数量,确定该第一商品信息的评论指标信息。
在另一种可能的实现方式中,该在该评论信息中,该确定满足该评论指标的目标评论内容包括以下至少一种实现方式:
在该评论信息中确定包含目标词汇的目标评论内容,该目标词汇为热度超过热度阈值的词汇;或者,
确定该评论信息中的每个评论内容的属性信息,根据该每个评论内容的属性信息,在该评论内容中确定属性信息为目标属性的目标评论内容,该目标属性为用于表示评论内容对第一商品信息起推荐作用的属性;或者,
将该评论信息中的每个评论内容作为该目标评论内容。
在另一种可能的实现方式中,该根据该多个第一商品信息的评论指标信息,确定该多个第一商品信息的第一推荐力度信息,包括:
对于每个第一商品信息,该评论指标信息的数量为一个,则将该评论指标信息作为该第一商品信息的第一推荐力度信息;或者,
该评论指标信息的数量为多个,则根据该多个评论指标信息以及每个评论指标信息的权重,确定该第一商品信息的第一推荐力度信息。
在另一种可能的实现方式中,该根据每个第一商品信息中的商品标识,对该多个第一商品信息的第一推荐力度信息进行整合,得到至少一个第二商品信息的第二推荐力度信息,包括:
对该多个第一商品信息对应的第一商品标识进行标准化处理,得到该多个第一商品信息对应的标准商品标识;
将具有相同标准商品标识的至少一个商品信息的商品标识确定为同一第二商品标识;
根据该至少一个商品信息的第一推荐力度信息,确定该标准商品名称对应的第二商品信息的第二推荐力度信息。
在另一种可能的实现方式中,该对该多个第一商品信息对应的第一商品标识进行标准化处理,得到该多个第一商品信息对应的标准商品标识,包括:
确定该多个第一商品信息对应的至少一个第一商品标识;
对于每个第一商品标识,确定该第一商品标识的语义信息;
将具有相同语义信息的第一商品标识标准化为同一标准商品标识,得到该多个第一商品信息对应的标准商品标识。
在另一种可能的实现方式中,该将具有相同语义信息的第一商品标识标准化为同一标准商品标识,得到该多个第一商品信息对应的标准商品标识,包括:
确定该具有相同语义信息的第三商品标识;将该第三商品标识确定为该多个第一商品信息对应的标准商品标识;或者,
根据该具有相同语义信息的第一商品标识,确定该第一商品标识对应的第一商品信息的商品类别,将该商品类别确定为该第一商品信息对应的标准商品标识。
在本公开实施例中,将待推荐的第一商品信息的评论信息与该第一商品信息出自的店铺信息关联,使得根据评论信息确定的第一商品信息的第一推荐信息能够与店铺信息关联,进而在不同店铺信息对应的同一第一商品信息的商品标识不同的情况下,能够对同一第一商品信息的第一推荐力度信息进行整合,得到用于推荐第一商品信息的第二推荐力度信息,使得第一商品信息的推荐力度信息不会因为商品标识不同被分散,进而提高了从第一商品信息中确定被推荐的目标商品信息的准确性。
图3是根据一示例性实施例示出的一种商品推荐方法流程图,如图3所示,该商品推荐方法包括以下步骤:
步骤301:服务器获取待推荐的多个第一商品信息。
其中,第一商品信息为互联网交易平台中展示的商品的商品信息,该第一商品信可以包括商品的第一商品标识、商品的图片等信息。其中,该第一商品标识可以为商品名称、商品序号等。该商品可以为任一商品,例如,该商品可以为菜品、服饰、日用品等商品。相应的,第一商品信息可以为菜品的店铺中任一商品的商品信息,例如,第一商品信息可以为菜品信息、服饰信息或日用品信息等。参见图4,在本公开实施例中,服务器在确定推荐力度信息之前,先确定推荐力度信息对应的第一商品信息。
该多个第一商品信息可以为服务器随机获取的商品信息,也可以为服务器获取到的第一预设时长内上新的商品的商品信息,还可以为服务器获取的第二预设时长内热度较高的商品的商品信息。相应的,在一种可能的实现方式中,服务器可以从存储的商品信息中随机获取第一商品信息。在本实现方式中,服务器随机获取第一商品信息,从而可以对服务器中任一商品信息进行分析,防止了对特殊的商品信息进行分析,从而保证了确定目标商品信息的准确性。
在另一种可能的实现方式中,服务器可以监测数据库中上传的商品信息,每隔第一预设时长,获取该第一预设时长内上新的多个第一商品信息。在本实现方式中,服务器根据第一商品信息的上新时间,确定上新的商品的第一商品信息,进而对该第一商品信息进行分析,从而保证了上新的商品都可以被分析,从而防止确定的目标商品信息出现偏差。
在另一种可能的实现方式中,服务器确定第一商品信息在第二预设时长内的热度,该热度可以根据第一商品信息对应的用户操作数据确定。其中,该用户操作数据可以为用户对该商品信息的评论操作、点赞操作、转发操作或收藏操作等对应的数据。相应的,服务器确定用户对商品信息的用户操作数据,根据该用户操作数据确定该商品信息的热度,根据商品信息的热度,从服务器中确定热度超过预设阈值的第一商品信息。服务器根据用户操作数据确定商品信息的热度的过程可以为:服务器根据商品信息的用户操作数据,确定用户对该商品信息的评论数、点赞数、转发数和收藏数中的至少一项,根据该评论数、点赞数、转发数和收藏数中的至少一项,确定该商品信息的热度。
在本实现方式中,服务器根据商品信息的热度确定多个第一商品信息,从而对当前热度较高的商品信息的热度进行检测,进而确定出符合推荐标准的目标商品信息,从而对当前热度较高的商品信息进行验证。
另外,在一种可能的实现方式中,该服务器还可以根据商品类别对商品信息进行分类。其中,该商品类别可以为:菜品类、服饰类或日用品类等类别。相应的,服务器可以分别获取每个商品类别对应的多个第一商品信息。服务器还可以先确定目标商品类别,获取该目标商品类别对应的多个第一商品信息。在本公开实施例中,对此不作具体限定。
在另一种可能的实现方式中,服务器还可以结合第二终端所在的地理位置,确定多个第一商品信息。相应的,响应于服务器获取第一商品信息,服务器接收第二终端的第二推荐请求,该第二推荐请求中携带第二终端的地理位置,服务器根据该第二终端的地理位置获取该地理位置对应的多个第一商品信息。或者,服务器根据接收到商品信息,确定每个商品信息对应的地理位置,根据每个商品信息的地理位置,对商品信息进行划分,在本步骤中,分别获取每个地理位置对应的第一商品信息。
在本实现方式中,服务器根据不同的地理位置获取第一商品信息,从而可以根据不同的地理位置向第二终端推荐目标商品信息,进而使推荐的目标商品信息更符合用户的地理位置,从而提高了向第二终端推荐目标商品信息的准确率。
在另一种可能的实现方式中,服务器根据用户的用户特征获取第一商品信息。该用户特征可以为根据用户的性别、年龄或浏览记录等生成的用户特征。相应的,本步骤中,服务器可以接收第二终端发送的第三推荐请求,该第三推荐请求中携带用户特征,服务器根据该用户特征,获取与该用户特征对应的第一商品信息。
在本实现方式中,服务器根据第二终端对应的用户的用户特征,获取该用户特征对应的第一商品信息,以便根据第一商品信息确定目标商品信息时,可以结合用户特征,使得获取的目标商品信息更符合用户的用户特征。
在另一种可能的实现方式中,服务器还可以根据商品的价值区间,获取第一商品信息。相应的,在本步骤中,服务器接收第四推荐请求,该推荐请求中携带商品信息对应的价值区间,服务器根据商品信息的价值区间获取多个第一商品信息;或者,服务器接收第二终端上传的商品信息,根据商品信息对应的价值,对商品信息进行划分,相应与服务器获取多个第一商品信息,分别获取不同价值区间对应的多个第一商品信息。
在本实现方式中,通过不同的价值区间获取第一商品信息,以便用户可以根据选择价格区间中的目标商品信息,从而使第二终端获取目标商品信息可以更符合用户的期望。
另外,服务器还可以在任一时机确定该第一商品信息。在一种可能的实现方式中,服务器可以周期性获取多个第一商品信息,相应的,服务器可以每隔第三预设时长获取一次多个第一商品信息。其中,该第三预设时长、第一预设时长和第二预设时长可以为相同的时长,也可以为不同的时长。并且,该第一预设时长、第二预设时长和第三预设时长可以根据需要进行设置,在本公开实施例中,对此不作具体限定。例如,该第一预设时长、第二预设时长和第三预设时长均可以为5小时、12小时或24小时等。在本实现方式中,服务器周期性获取多个第一商品信息,从而可以及时更新待推荐的第一商品信息,进而周期性向第二终端推荐目标商品信息,保证了推荐的目标商品信息的时效性。
在另一种可能的实现方式中,服务器还可以在接收到第二终端发送的第一推荐请求时,才获取该多个第一商品信息。相应的,第二终端向服务器发动第一推荐请求,服务器接收该第一推荐请求,获取待推荐的多个第一商品信息。在本实现方式中,服务器在接收到第二终端发送的第一推荐请求时,才获取多个第一商品信息,从而无需频繁更新目标推荐商品,降低了服务器的工作量。
需要说明的一点是,服务器可以根据上述任一中方式获取第一商品信息,服务器还可以根据上述任一方式中的至少两种方式进行结合,通过结合后的方式获取多个第一商品信息,在本公开实施例中,对此不作具体限定。
步骤302:服务器获取用于评价待推荐的多个第一商品信息的评论信息。
其中,评论信息可以包括评论内容等。继续参见图4,在本步骤中,服务器获取多个第一商品信息的评论信息。该多个第一商品信息的评论信息可以为包括多个第一商品信息对应的评论内容。评论信息可以关联该评论信息对应的第一商品信息。相应的,第一终端接收用户输入的评论内容,根据该评论内容和该评论内容对应的第一商品信息生成评论信息,将该评论信息发送服务器,服务器接收该评论信息,将该评论信息存储在数据库中。相应的,服务器根据该多个第一商品信息,获取用于评价该多个第一商品信息的评论信息的过程可以为:服务器根据第一商品信息,从数据库中获取携带该第一商品信息的评论信息。
在本实现方式中,服务器获取携带第一商品信息的评论信息,根据评论信息中携带的第一商品信息确定第一商品信息的评论信息,从而使评论信息可以存储在同一存储空间中,降低了对存储评论信息的数据库的要求。
需要说明的一点是,服务器可以直接获取每个第一商品信息的评论信息,服务器还可以对该第一商品信息的评论信息进行筛选,确定出符合要求的评论评论信息。相应的,在一种可能的实现方式中,服务器可以获取第四预设时长内的评论信息,其中,该第四预设时长、第一预设时长、第二预设时长和第三预设时长可以是相同的时长,也可以是不同的时长,在本公开实施例中,对该第四预设时长不作具体限定。例如,该第四预设时长可以为1小时、30分钟等。
在本实现方式中,服务器获取第四预设时长内发表的评论信息,保证了获取到的评论信息为最新的评论信息,保证了评论信息的时效性。
在另一种可能的实现方式中,服务器可以从第一商品信息对应的评论信息中评论内容确定符合条件的评论信息。例如,服务器可以选择评论内容的字数超过预设字数的评论信息。
在本实现方式中,服务器通过评论内容的字数确定符合要求的评论信息,从而防止获取到的评论信息为无效信息。
在另一种可能的实现方式中,服务器确定对第一商品信息发表评论信息的用户的用户特征,根据用户特征获取目标用户特征对应的评论信息。其中,该用户特征可以为用户的性别、年龄或偏好特征等。
在本实现方式中,服务器根据用户的用户特征确定目标用户特征对应的评论信息,使得可以根据不同的用户特征获对评论信息进行分析,以便可以得到不同的用户特征对应的目标商品信息,使确定的目标商品信息更具有针对性。
步骤303:服务器获取每个第一商品信息出自店铺的第一店铺信息。
在本步骤中,服务器根据该多个第一商品信息以及该多个第一商品信息的评论信息,确定多个第一商品信息中每个第一商品信息对应的第一店铺信息。其中,第一商品信息中可以包括该第一商品信息出自的第一店铺信息。
步骤304:对于每个第一商品信息,服务器确定多个评论指标。
其中,该多个评价指标为用于指示第一商品信息的评论频次的指标,该评论指标可以为目标词汇评论指标、推荐评论指标、总评论指标、位置信息指标或便利指标等,不同的类别的商品信息对应的评论指标可以相同,也可以不同。并且,该多个评价指标可以为用户设置的评价指标,也可以为系统默认的评价指标,在公开实施例中,评论指标的类型不作具体限定。继续参见图4,服务器可以事先根据多个确定推荐力度信息对应的多个评论指标,根据该多个评论指标对推荐力度指标的计算过程进行拟合。在本步骤中,确定计算过程中需要的评论指标。
响应于不同类别的商品信息对应的评论指标不同时,服务器确定当前多个第一商品信息对应的类别,根据该多个第一商品信息的类别,确定该多个第一商品信息的多个评论指标。
步骤305:对于每个评论指标,服务器在该评论信息中确定满足该评论指标的目标评论内容。
其中,该目标评论内容为评论指标对应的评论内容。相应的,服务器根据不同的评论指标,从评论信息中获取每个评论指标对应的评论信息。相应的,在该评论信息中确定满足该评论指标的目标评论内容的过程可以通过以下任一种方式确定。
第一种实现方式,评论指标包括目标词汇评论指标,则本步骤可以为:服务器在该评论信息中确定包含目标词汇的目标评论内容。
该目标词汇为热度超过热度阈值的词汇,该目标词汇可以为热度超过热度阈值网络用语等网红词汇,例如,该目标词汇可以为“种草、拔草”等网红词汇。
通过本实现方式,服务器可以获取目标词库,该目标词库中包括至少一个目标词汇。服务器对每个评论信息的内容进行分词处理,得到每个评论内容对应的分词,将每个评论内容对应的分词与目标词库中的目标词汇进行对比,从而确定每个评论内容中是否存在目标词汇,将存在目标词汇的评论内容确定为目标评论内容。
在本实现方式中,将包含热度超过热度阈值的目标词汇的评论内容作为目标评论内容,从而可以筛选出通过目标词汇对第一商品信息进行评论的评论内容,进而可以通过具有热度的词汇确定当前用户对第一商品信息的关注度。
第二种实现方式,评论指标包括推荐评论指标,则本步骤可以为:服务器确定该评论信息中的每个评论内容的属性信息,根据该每个评论内容的属性信息,在该评论内容中确定属性信息为目标属性的目标评论内容,该目标属性为用于表示评论内容对第一商品信息起推荐作用的属性。
其中,该属性信息用于指示用户通过该评论内容对第一商品信息表达的认可或喜爱程度。例如,该属性信息可以为用于为第一商品信息的评分或对第一商品信息的推荐意愿等信息,该属性信息可以为评价分数信息、评价类别信息或评价语义信息等。在本步骤中,服务器可以根据每个评价内容的属性信息,从多个评论内容中确定用于指示推荐该第一商品信息的目标评论内容。例如,服务器可以选择属性信息中评分为大于预设评分的评论内容。
另外,该属性信息可以为用户通过第一终端直接输入的对该评论内容的属性信息;该属性信息还可以为服务器根据评论内容的语义信息确定的属性信息。相应的,在一种可能的实现方式中,第一终端可以接收用户输入的对第一商品信息的评价内容,以及该评价内容对应的属性信息,根据该属性信息和评价内容生成评价信息。例如,第一终端可以在提交评价内容时,提交对第一商品信息的打分分值,服务器将该打分分值确定为评价内容的属性信息;或者,第一终端在提交第一商品的评价内容时,还提交该评价内容的评价类别信息,该评价类别信息可以为“好评、中评、差评”等,服务器将该评价类别信息作为该评价内容的属性信息。
在本实现方式中,服务器直接接收第一终端确定的该评价内容的属性信息,进而可以直接的确定用户对该第一商品信息的评价内容对应的属性信息,提高了服务器确定评价内容的属性信息的准确率和效率。
在另一种可能的实现方式中,服务器可以对每个评论内容进行语义分析,得到每个评论内容对应的第一语义分析结果,根据该第一语义分析结果确定该评论内容的属性信息。在本实现方式中,服务器可以通过确定不同评论内容的第一语义分析结果,确定不同的评论内容的属性信息,从而可以对任一评论内容确定其属性信息,降低了对评论内容的要求。
需要说明的一点是,上述两种实现方式在实际应用中还可以进行结合,也即服务器可以分别确定评论信息自带的属性信息和语义分析结果对应的属性信息,将两种属性信息进行对比,当两种方式确定的属性信息相同时,将该属性信息确定为该评论内容的属性信息;当两种方式确定的属性信息不同时,可以将该评论内容的属性信息确定为目标评论内容对应的属性信息。
在本实现方式中,通过评论内容的属性信息确定目标评论内容,进而可以根据用于对第一商品信息的推荐程度,确定被推荐的目标商品信息,提高了被推荐的目标商品信息的被接受率。
第三种实现方式,评论指标包括总评论指标,则本步骤可以为:服务器将该评论信息中的每个评论内容作为该目标评论内容。
在本实现方式中,服务器将接收到的评论信息中每个评论内容均作为目标评论内容。在本实现方式中,通过将每个评论内容均作为目标评论内容,使得服务器可以根据第一商品信息的被提及频次确定第一商品信息的热度,进而确定被提及次数最高的目标商品信息。
步骤306:服务器确定该目标评论内容的第一数量,以及,根据该第一店铺信息,确定该目标评论内容出自的店铺的第二数量。
在本步骤中,服务器分别统计目标评论内容的第一数量,以及,目标评论内容出自的店铺的第二数量。其中,服务器可以逐条统计每个评论指标对应的目标评论内容的第一数量。以及确定每个目标评论内容出自的第二店铺信息,统计目标评论内容分别出自的不同的第二店铺信息对应的数量,将该第二店铺信息对应的数量作为第二数量。
需要说明的一点是,服务器可以先确定第一数量,再确定第二数量;服务器也可以先确定第二数量再确定第一数量;服务器还可以同时确定第一数量和第二数量,在本公开实施例中,对确定第一数量和第二数量的顺序不作具体限定。
步骤307:服务器根据该第一数量和该第二数量,确定该第一商品信息的评论指标信息。
服务器可以将第一数量和第二数量的比值作为评论标准参数。相应的,在本步骤中,服务器分别根据每个评论指标,确定每个评论指标对应的评论指标信息。该评论指标信息可以为用于表示第一商品信息的评论指标的参数值。
需要说明的一点是,服务器可以直接将该第一数量和第二数量的比值作为评论指标信息,服务器也可以对第一数量和第二数量的比值进行归一化处理,将归一化处理后的比值作为该评论指标信息。其中,服务器可以采用任一归一化处理方式对第一数量和第二数量进行归一化处理。例如,服务器可以通过以下公式一对该比值进行归一化处理。
公式一:1-1/(1+factor2*Math.pow(2,x/factor1))
其中,factor1和factor2为归一化参数,Math.pow(2,x/factor1)表示2的x/factor1次方,x表示第一数量和第二数量的比值。
在本实现方式中,服务器将目标评论内容的第一数量和该目标评论内容出自的店铺的第二数量的比值确定为该第一商品信息的该评论指标对应的评论指标信息,从而防止了连锁店铺由于评论数量较多导致的目标商品信息向连锁店铺的商品信息倾斜的问题,保证了目标商品信息的公平性。
步骤308:服务器根据该多个第一商品信息的评论指标信息,确定该多个第一商品信息的第一推荐力度信息。
其中,该评论指标信息可以为一个也可以为多个。该第一推荐力度信息可以为用于表示第一商品信息的热度的参数值。服务器可以根据一种评论指标信息确定第一商品信息的第一推荐力度;服务器也可以根据多个评论指标信息确定第一商品信息的第一推荐力度。相应的,在一种可能的实现方式中,对于每个第一商品信息,该评论指标信息的数量为一个,则将该评论指标信息作为该第一商品信息的第一推荐力度信息。例如,该评论指标信息为目标词汇评论指标,则在本步骤中,将目标评论指标对应的目标评论指标信息作为该推荐力度信息。
在另一种可能的实现方式中,该评论指标信息的数量为多个,则服务器将多个评论指标信息以及每个评论指标信息的权重,确定该第一商品信息的第一推荐力度信息。相应的,服务器可以根据预先设置的评论指标信息权重,对多个评论指标信息对应的参数进行加权求和。该预设权重可以为用户设置的预设权重,也可以为系统默认的预设权重,在本公开实施例中,对该预设权重不作具体限定。另外,需要说明的一点是,服务器可以直接将该多个评论指标信息对应的参数进行加权求和,也可以对归一化处理后的评论指标信息对应的参数进行加权求和。在本公开实施例中,对此不作具体限定。当服务器对归一化处理后的评论指标信息进行加权求和时,服务器可以通过以下公式二确定该第一推荐力度信息。
公式二:Normalized(X1)*a+Normalized(X2)*b+Normalized(X3)*c
其中,X1、X2和X3分别为评论指标信息对应的参数,a、b和c分别为X1、X2和X3的权重,Normalized()表示对评论指标信息进行归一化处理。
在本实现方式中,服务器分别根据多个评论指标信息确定第一商品信息的第一推荐力度信息,从而丰富了确定第一推荐力度信息的参数内容,提高了第一推荐力度信息的准确性,降低了人为修改对第一推荐力度信息的影响,防止作弊过程。
步骤309:服务器对该多个第一商品信息对应的第一商品标识进行标准化处理,得到该多个第一商品信息对应的标准商品标识。
服务器可以直接确定每个第一商品信息对应的第一推荐力度信息,参见图4,服务器还可以对不同的第一商品信息进行标准化处理,将表达相同含义的第一商品信息的商品标识标准化为标准商品标识,确定标准化处理后的商品信息的第一推荐力度信息。
该商品标识可以为第一商品信息中包括的商品名称。在本步骤中,服务器分别确定每个第一商品信息的商品标识,对该多个商品标识进行标准化处理,得到多个第一商品信息对应的标准商品标识。例如,该第一商品信息的第一商品标识分别为“番茄炒蛋”和“西红柿炒蛋”,则对该商品标识进行标准化,得到对应的标准商品标识可以为“番茄炒蛋”等。
在一种可能的实现方式中,服务器可以对多个第一商品信息对应的第一商品标识进行分词处理,分别确定每个第一商品信息中相同或具有相同含义的分词,根据相同或具有相同含义的分词,对该第一商品标识进行标准化处理,标准化为同一分词,得到标准商品标识。例如,该第一商品信息的第一商品标识分别为“番茄炒蛋”和“西红柿炒蛋”,分别对该第一商品标识进行分词得到两组分词分别为“番茄、炒、蛋”和“西红柿、炒、蛋”,通过对比可以确定“番茄”和“西红柿”为相同植物的不同名称,因此,可以将“番茄炒蛋”和“西红柿炒蛋”标准化为同一标准标识,例如,可以标准化为“番茄炒蛋”等。
在本实现方式中,通过确定不同商品标识中的分词的含义对商品标识进行分词处理,使得相同商品的不同商品标识可以分别根据分词进行标准化处理,从而简化了标准化的过程。
在另一种可能的实现方式中,服务器可以分别确定该多个第一商品标识的商品语义信息,根据该语义信息对该第一商品信息进行标准化处理。该过程可以通过以下步骤(1)-(3)实现,包括:
(1)服务器确定该多个第一商品信息对应的至少一个第一商品标识。
在本步骤中,服务器分别确定每个第一商品信息对应的第一商品标识,得到多个第一商品标识,从该多个第一商品标识中,确定不同的至少一个第一商品标识。
(2)对于每个第一商品标识,服务器确定该第一商品标识的语义信息。
在本步骤中,服务器分别对每个第一商品标识进行语义分析,得到每个第一商品标识的语义信息。其中,服务器可以将第一商品标识输入至语义分析模型中,得到每个第一商品标识的语义信息。
(3)服务器将具有相同语义信息的第一商品标识标准化为同一标准商品标识,得到该多个第一商品信息对应的标准商品标识。
在本步骤中,服务器分别根据每个第一商品标识的语义信息,确定具有相同语义信息的第一商品标识,确定该第一商品标识对应的标准商品标识。
步骤310:服务器将具有相同标准商品标识的至少一个商品信息的商品标识确定为同一第二商品标识。
其中,服务器可以实现确定多个标准商品标识,相应的,在本步骤中,服务器分别根据每个第一商品标识的语义信息对第一商品标识进行分类,确定该第一商品标识对应的标准商品标识。服务器还可以根据具有相同语义信息的第一商品标识中评论数最多的第一商品信息对应的第一商品标识作为该具有相同语义信息的第一商品标识的标准商品标识。
在本实现方式中,分别是根据不同的第一商品标识的语义信息确定第一商品标识的标准商品标识,从而对第一商品信息进行标准化处理,从而防止了对于相同商品的不同名称导致的评论分散而导致的第一推荐力度信息不准确,进而提高了第一推荐力度信息的准确性。
另外,该标准商品标识可以为事先拟定的商品标识,也可以为根据已知的第一商品标识确定的标准商品标识。相应的,在一种可能的实现方式中,服务器确定该具有相同语义信息的第三商品标识;将该第三商品标识确定为该多个第一商品信息对应的标准商品标识。在另一种可能的实现方式中,根据该具有相同语义信息的第一商品标识,确定该第一商品标识对应的第一商品信息的商品类别,将该商品类别确定为该第一商品信息对应的标准商品标识。
步骤311:服务器根据所述至少一个商品信息的第一推荐力度信息,确定所述标准商品名称对应的第二商品信息的第二推荐力度信息。
其中,该第二商品信息可以为多个第一商品信息中评论数量最多的商品信息对应的商品信息,该第二商品信息还可以为根据该多个第一商品信息生成的第二商品信息,在本公开实施例中,对此不作具体限定。服务器可以将该多个第一商品标识对应的多个第一商品信息的第一推荐力度中的最大值、最小值或平均值作为该标准商品标识对应的第二商品信息的第二推荐力度。
步骤312:服务器根据至少一个第二商品信息的第二推荐力度信息,从该多个第二商品信息中确定被推荐的目标商品信息。
在本步骤中,服务器将每个标准商品标识确定第二商品信息对应的第二推荐力度,根据该第二推荐力度从该多个第一商品信息中确定被推荐的目标商品信息。其中,服务器可以分别确定每个标准商品标识对应的第一商品信息,将该标准商品标识对应的第一商品信息作为第二商品信息,进而根据该第二商品信息对应的第二推荐力度信息,将该第二推荐力度信息确定为该标准商品标识对应的多个第一商品信息的第一推荐力度信息,根据该第一推荐力度信息从该多个第一商品信息中确定被推荐的目标商品信息。
在本实现方式中,服务器通过对第一商品标识进行标准化处理,使得不同店铺相似商品标识相同,进而将分散的评论进行统一,提高了第一推荐力度信息的准确性。
服务器可以根据多个第一商品信息的第一推荐力度信息,第多个第一商品信息进行排序。根据排序结果从多个第一商品信息中确定被推荐的目标商品信息。
其中,服务器可以将该目标商品信息发送给第一终端,进而向消费者展示目标商品信息,方便消费者根据该目标商品信息选择受欢迎的目标商品信息进行消费。服务器还可以将该目标商品信息发送给第二终端,进而向经销商展示目标商品信息,方便经销商根据当前热度较高的目标商品信息确定营销费方向,进而提高经销商的商业机会。
另外,服务器可以周期性向第一终端或第二终端推荐该目标商品信息。服务器还可以在接收到目标商品获取请求时,才向第一终端或第二终端发送该目标商品信息。在本公开实施例中,对此不作具体限定。
在本公开实施例中,将待推荐的第一商品信息的评论信息与该第一商品信息出自的店铺信息关联,使得根据评论信息确定的第一商品信息的第一推荐信息能够与店铺信息关联,进而在不同店铺信息对应的同一第一商品信息的商品标识不同的情况下,能够对同一第一商品信息的第一推荐力度信息进行整合,得到用于推荐第一商品信息的第二推荐力度信息,使得第一商品信息的推荐力度信息不会因为商品标识不同被分散,进而提高了从第一商品信息中确定被推荐的目标商品信息的准确性。
图5是根据一示例性实施例示出的一种商品推荐装置的框图,如图5所示,该商品推荐装置包括:
信息获取模块501,用于获取用于评价待推荐的多个第一商品信息的评论信息,以及获取每个第一商品信息出自店铺的第一店铺信息;
评论指标信息确定模块502,用于根据该第一店铺信息和该评论信息,确定该多个第一商品信息的评论指标信息;
推荐力度信息确定模块503,用于根据该多个第一商品信息的评论指标信息,确定该多个第一商品信息的第一推荐力度信息;
推荐力度信息整合模块504,用于根据每个第一商品信息中的商品标识,对该多个第一商品信息的第一推荐力度信息进行整合,得到至少一个第二商品信息的第二推荐力度信息;
目标商品信息确定模块505,用于根据该至少一个第二商品信息的第二推荐力度信息,从该至少一个第二商品信息中确定被推荐的目标商品信息。
在一种可能的实现方式中,参见图6,该评论指标信息确定模块502包括:
评论指标确定单元5021,用于对于每个第一商品信息,确定多个评论指标;
评论内容确定单元5022,用于对于每个评论指标,在该评论信息中确定满足该评论指标的目标评论内容;
数量确定单元5023,用于确定该目标评论内容的第一数量,以及,根据该第一店铺信息,确定该目标评论内容出自的店铺的第二数量;
评论指标信息确定单元5024,用于根据该第一数量和该第二数量,确定该第一商品信息的评论指标信息。
在另一种可能的实现方式中,该评论内容确定单元5022,用于在该评论信息中确定包含目标词汇的目标评论内容,该目标词汇为热度超过热度阈值的词汇;或者,
该评论内容确定单元5022,用于确定该评论信息中的每个评论内容的属性信息,根据该每个评论内容的属性信息,在该评论内容中确定属性信息为目标属性的目标评论内容,该目标属性为用于表示评论内容对第一商品信息起推荐作用的属性;或者,
该评论内容确定单元5022,用于将该评论信息中的每个评论内容作为该目标评论内容。
在另一种可能的实现方式中,该推荐力度信息确定模块503,用于对于每个第一商品信息,该评论指标信息的数量为一个,则将该评论指标信息作为该第一商品信息的第一推荐力度信息;或者,
该推荐力度信息确定模块503,用于该评论指标信息的数量为多个,则根据该多个评论指标信息以及每个评论指标信息的权重,确定该第一商品信息的第一推荐力度信息。
在另一种可能的实现方式中,参见图6,该推荐力度信息整合模块504包括:
标准化处理单元5041,用于对该多个第一商品信息对应的第一商品标识进行标准化处理,得到该多个第一商品信息对应的标准商品标识;
商品标识确定单元5042,用于将具有相同标准商品标识的至少一个商品信息的商品标识确定为同一第二商品标识;
推荐力度信息确定单元5043,用于根据该至少一个商品信息的第一推荐力度信息,确定该标准商品名称对应的第二商品信息的第二推荐力度信息。
在另一种可能的实现方式中,该标准化处理单元5041,用于确定该多个第一商品信息对应的至少一个第一商品标识;对于每个第一商品标识,确定该第一商品标识的语义信息;将具有相同语义信息的第一商品标识标准化为同一标准商品标识,得到该多个第一商品信息对应的标准商品标识。
在另一种可能的实现方式中,该标准化处理单元5041,用于确定该具有相同语义信息的第三商品标识;将该第三商品标识确定为该多个第一商品信息对应的标准商品标识;或者,
该标准化处理单元5041,用于根据该具有相同语义信息的第一商品标识,确定该第一商品标识对应的第一商品信息的商品类别,将该商品类别确定为该第一商品信息对应的标准商品标识。
在本公开实施例中,将待推荐的第一商品信息的评论信息与该第一商品信息出自的店铺信息关联,使得根据评论信息确定的第一商品信息的第一推荐信息能够与店铺信息关联,进而在不同店铺信息对应的同一第一商品信息的商品标识不同的情况下,能够对同一第一商品信息的第一推荐力度信息进行整合,得到用于推荐第一商品信息的第二推荐力度信息,使得第一商品信息的推荐力度信息不会因为商品标识不同被分散,进而提高了从第一商品信息中确定被推荐的目标商品信息的准确性。
需要说明的是:上述实施例提供的商品推荐装置在商品推荐时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将终端的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的商品推荐装置商品推荐方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7是本公开实施例提供的一种服务器的结构示意图,该服务器700可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(Central ProcessingUnits,CPU)701和一个或一个以上的存储器702,其中,该存储器702中存储有至少一条指令,该至少一条指令由该处理器701加载并执行以实现上述各个方法实施例提供的商品推荐方法。当然,该服务器700还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器700还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种计算机可读存储介质,计算机可读存储介质中存储至少一条指令,至少一条指令由服务器加载并执行,以实现上述实施例中商品推荐方法。该计算机可读存储介质可以是存储器。例如,该计算机可读存储介质可以是ROM(Read-Only Memory,只读存储器)、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,紧凑型光盘只读储存器)、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上内容仅为本公开的可选实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种商品推荐方法,其特征在于,所述方法包括:
获取用于评价待推荐的多个第一商品信息的评论信息,以及获取每个第一商品信息出自店铺的第一店铺信息;
根据所述第一店铺信息和所述评论信息,确定所述多个第一商品信息的评论指标信息;
根据所述多个第一商品信息的评论指标信息,确定所述多个第一商品信息的第一推荐力度信息;
根据每个第一商品信息中的商品标识,对所述多个第一商品信息的第一推荐力度信息进行整合,得到至少一个第二商品信息的第二推荐力度信息;
根据所述至少一个第二商品信息的第二推荐力度信息,从所述至少一个第二商品信息中确定被推荐的目标商品信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个第一商品信息的评论指标信息,确定所述多个第一商品信息的第一推荐力度信息,包括:
对于每个第一商品信息,确定多个评论指标;
对于每个评论指标,在所述评论信息中确定满足所述评论指标的目标评论内容;
确定所述目标评论内容的第一数量,以及,根据所述第一店铺信息,确定所述目标评论内容出自的店铺的第二数量;
根据所述第一数量和所述第二数量,确定所述第一商品信息的评论指标信息。
3.根据权利要求2所述的方法,其特征在于,所述在所述评论信息中,所述确定满足所述评论指标的目标评论内容包括以下至少一种实现方式:
在所述评论信息中确定包含目标词汇的目标评论内容,所述目标词汇为热度超过热度阈值的词汇;或者,
确定所述评论信息中的每个评论内容的属性信息,根据所述每个评论内容的属性信息,在所述评论内容中确定属性信息为目标属性的目标评论内容,所述目标属性为用于表示评论内容对第一商品信息起推荐作用的属性;或者,
将所述评论信息中的每个评论内容作为所述目标评论内容。
4.根据权利要求1所述的方法,其特征在于,所述根据所述多个第一商品信息的评论指标信息,确定所述多个第一商品信息的第一推荐力度信息,包括:
对于每个第一商品信息,所述评论指标信息的数量为一个,则将所述评论指标信息作为所述第一商品信息的第一推荐力度信息;或者,
所述评论指标信息的数量为多个,则根据所述多个评论指标信息以及每个评论指标信息的权重,确定所述第一商品信息的第一推荐力度信息。
5.根据权利要求1所述的方法,其特征在于,所述根据每个第一商品信息中的商品标识,对所述多个第一商品信息的第一推荐力度信息进行整合,得到至少一个第二商品信息的第二推荐力度信息,包括:
对所述多个第一商品信息对应的第一商品标识进行标准化处理,得到所述多个第一商品信息对应的标准商品标识;
将具有相同标准商品标识的至少一个商品信息的商品标识确定为同一第二商品标识;
根据所述至少一个商品信息的第一推荐力度信息,确定所述标准商品名称对应的第二商品信息的第二推荐力度信息。
6.根据权利要求5所述的方法,其特征在于,所述对所述多个第一商品信息对应的第一商品标识进行标准化处理,得到所述多个第一商品信息对应的标准商品标识,包括:
确定所述多个第一商品信息对应的至少一个第一商品标识;
对于每个第一商品标识,确定所述第一商品标识的语义信息;
将具有相同语义信息的第一商品标识标准化为同一标准商品标识,得到所述多个第一商品信息对应的标准商品标识。
7.根据权利要求6所述的方法,其特征在于,所述将具有相同语义信息的第一商品标识标准化为同一标准商品标识,得到所述多个第一商品信息对应的标准商品标识,包括:
确定所述具有相同语义信息的第三商品标识;将所述第三商品标识确定为所述多个第一商品信息对应的标准商品标识;或者,
根据所述具有相同语义信息的第一商品标识,确定所述第一商品标识对应的第一商品信息的商品类别,将所述商品类别确定为所述第一商品信息对应的标准商品标识。
8.一种商品推荐装置,其特征在于,所述装置包括:
信息获取模块,用于获取用于评价待推荐的多个第一商品信息的评论信息,以及获取每个第一商品信息出自店铺的第一店铺信息;
评论指标信息确定模块,用于根据所述第一店铺信息和所述评论信息,确定所述多个第一商品信息的评论指标信息;
推荐力度信息确定模块,用于根据所述多个第一商品信息的评论指标信息,确定所述多个第一商品信息的第一推荐力度信息;
推荐力度信息整合模块,用于根据每个第一商品信息中的商品标识,对所述多个第一商品信息的第一推荐力度信息进行整合,得到至少一个第二商品信息的第二推荐力度信息;
目标商品信息确定模块,用于根据所述至少一个第二商品信息的第二推荐力度信息,从所述至少一个第二商品信息中确定被推荐的目标商品信息。
9.一种服务器,其特征在于,所述服务器包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条指令,所述至少一条指令由所述一个或多个处理器加载并执行以实现如权利要求1至权利要求7任一项所述的商品推荐方法所执行的操作。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现如权利要求1至权利要求7任一项所述的商品推荐方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010790535.9A CN112001773A (zh) | 2020-08-07 | 2020-08-07 | 商品推荐方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010790535.9A CN112001773A (zh) | 2020-08-07 | 2020-08-07 | 商品推荐方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112001773A true CN112001773A (zh) | 2020-11-27 |
Family
ID=73463620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010790535.9A Pending CN112001773A (zh) | 2020-08-07 | 2020-08-07 | 商品推荐方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112001773A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837846A (zh) * | 2021-10-27 | 2021-12-24 | 武汉卓尔数字传媒科技有限公司 | 商品推荐方法、装置、计算机设备和存储介质 |
-
2020
- 2020-08-07 CN CN202010790535.9A patent/CN112001773A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837846A (zh) * | 2021-10-27 | 2021-12-24 | 武汉卓尔数字传媒科技有限公司 | 商品推荐方法、装置、计算机设备和存储介质 |
CN113837846B (zh) * | 2021-10-27 | 2023-09-22 | 武汉卓尔数字传媒科技有限公司 | 商品推荐方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10841743B2 (en) | Branching mobile-device to system-namespace identifier mappings | |
CN108876526B (zh) | 商品推荐方法、装置和计算机可读存储介质 | |
US7062477B2 (en) | Information-processing apparatus, information-processing method and storage medium | |
CN104050187B (zh) | 搜索结果展示方法及系统 | |
US20180253769A1 (en) | Method and apparatus for selecting and recommending presentation objects on electronic distribution platforms | |
KR20190142500A (ko) | 화장품 추천 서비스 제공 방법 및 이를 실행하기 위한 시스템 | |
KR101646312B1 (ko) | 개인행동기반 관심 대상 및 선호 분야 분석시스템 및 그 방법 | |
CN107808314B (zh) | 用户推荐方法及装置 | |
CN109064265A (zh) | 基于网络平台的购车推荐方法及系统 | |
US20130073618A1 (en) | Information Providing System, Information Providing method, Information Providing Device, Program, And Information Storage Medium | |
CN108429776B (zh) | 网络对象的推送方法、装置、客户端、交互设备以及系统 | |
CN107808346B (zh) | 一种潜在目标对象的评估方法及评估装置 | |
KR20120076477A (ko) | 상점 추천 방법 및 시스템 | |
CN111899047A (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
JP2002334257A (ja) | レコメンドエンジン、レコメンド方法、レコメンドプログラム | |
CN107885784A (zh) | 提取用户特征数据的方法和装置 | |
JP6906667B1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
CN115496566B (zh) | 基于大数据的地区特产推荐方法及系统 | |
JP2005235139A (ja) | 化粧品評価情報分析システム及び方法 | |
CN112001773A (zh) | 商品推荐方法、装置、服务器及存储介质 | |
CN116739836A (zh) | 一种基于知识图谱的餐饮数据分析方法及系统 | |
US11487835B2 (en) | Information processing system, information processing method, and program | |
CN111177564A (zh) | 一种产品推荐方法及装置 | |
WO2020150597A1 (en) | Systems and methods for entity performance and risk scoring | |
KR20210003421A (ko) | 사용자 선호를 반영한 게시글 정렬방법 및 사용자 선호 게시글 우선노출서버 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201127 |
|
WD01 | Invention patent application deemed withdrawn after publication |