CN112100524A - 一种信息推荐的方法、装置、设备以及存储介质 - Google Patents

Abstract

本申请公开了一种信息推荐的方法、装置、设备以及存储介质，涉及智能交通、智能搜索等领域，可应用于用户意图理解场景。具体实现方案为：根据候选推荐对象的描述信息确定候选推荐对象的多个标签，描述信息用于表征候选推荐对象的特征；基于多个标签，确定候选推荐对象与目标用户的兴趣特征的相关性；根据相关性，在候选推荐对象中确定目标推荐对象，将目标推荐对象推荐给目标用户。本申请通过对推荐对象的描述信息进行解析，由于解析结果可以得到多维度的标签，从而可以多元的表征推荐对象的标签。解决了对推荐对象表征单一的问题。基于标签与目标用户兴趣特征的相关性确定出目标推荐对象，使得目标推荐对象符合目标用户的个性化需求。

Description

一种信息推荐的方法、装置、设备以及存储介质

技术领域

本申请涉及数据处理领域，尤其涉及智能交通、智能搜索等领域。

背景技术

在基于电子地图对目标用户进行推荐时，通常采用用户的历史行为进行推荐。例如目标用户经常光顾地图中的A区域，则将A区域内的兴趣点(POI，Point of Information)推荐给该用户。

上述推荐方式与目标用户的兴趣无法结合，导致不能满足目标用户的个性化需求。

发明内容

本申请提供了一种信息推荐的方法、装置、设备以及存储介质。

根据本申请的一方面，提供了一种信息推荐的方法，该方法可以包括以下步骤：

根据候选推荐对象的描述信息确定候选推荐对象的多个标签，描述信息用于表征候选推荐对象的特征；

基于多个标签，确定候选推荐对象与目标用户的相关性；

根据相关性，在候选推荐对象中确定目标推荐对象，将目标推荐对象推荐给目标用户。

根据本申请的另一方面，提供了一种本申请提供一种信息推荐的装置，包括以下组件：

标签确定模块，用于根据候选推荐对象的描述信息确定候选推荐对象的多个标签，描述信息用于表征候选推荐对象的特征；

相关性确定模块，用于基于多个标签，确定候选推荐对象与目标用户的相关性；

目标推荐对象确定模块，用于根据相关性，在候选推荐对象中确定目标推荐对象，将目标推荐对象推荐给目标用户。

第三方面，本申请实施例提供一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。

第四方面，本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。

根据本申请的技术，一方面通过对推荐对象的描述信息进行解析，由于解析结果可以得到多维度的标签，从而可以多元的表征推荐对象的标签。解决了对推荐对象表征单一的问题。另一方面基于标签与目标用户的相关性确定出目标推荐对象，使得目标推荐对象符合目标用户的个性化需求。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请信息推荐的方法的流程图；

图2是根据本申请确认标签的流程图；

图3是根据本申请确认标签的流程图；

图4是根据本申请确认相关性的流程图；

图5是根据本申请确认相关性的流程图；

图6是根据本申请信息推荐的方法的流程图；

图7是根据本申请利用电子地图进行信息推荐的示意图；

图8是根据本申请信息推荐的装置的示意图；

图9是用来实现本申请实施例的信息推荐的方的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

如图1所示，本申请提供一种信息推荐的方法，该方法可以包括以下步骤：

S101：根据候选推荐对象的描述信息确定候选推荐对象的多个标签，描述信息用于表征候选推荐对象的特征；

S102：基于多个标签，确定候选推荐对象与目标用户的相关性；

S103：根据相关性，在候选推荐对象中确定目标推荐对象，将目标推荐对象推荐给目标用户。

在本申请实施例中，可以通过网络获取推荐对象的描述信息。其中，候选推荐对象可以是兴趣点(POI，Point of Information)，例如餐馆、电影院、体育场等。或者，候选推荐对象也可以是一道菜、一部影片或者一场比赛(演出)等。

候选推荐对象的描述信息可以是对候选推荐对象的特征的描述。描述信息可以从不同网页中获取。不难理解，描述信息也可以从智能手机中的各类应用程序中获取。

在当前实施例中，以候选推荐对象是兴趣点为例进行说明。

例如，兴趣点包括XX体育场、体育用品商店和餐饮店。

体育场描述信息可以包括：“2020年10月1日晚8点，将在XX体育场举行足球比赛，比赛双方是X球队、Y球队。比赛门票将在9月1日起在XX体育场发售。前1000名购票用户可以获得助威围巾”。

通过对上述描述信息进行解析，可以确定出候选推荐对象的标签。示例性的，候选推荐对象的标签可以包括“2020年10月1日”、“足球比赛”、“X球队”、“Y球队”、“前1000名购票优惠”等。

体育用品商店的描述信息可以包括：“9月惠民月，各球队的正品球衣8折出售，包括X球队、Y球队、Z球队，欲购从速”。示例性的，候选推荐对象的标签可以包括“9月惠民月”、“球衣销售”、“X球队”、“Y球队”、“Z球队”、“折扣活动”等。

餐饮店的描述信息可以包括：“XXX美食城，年夜饭预订”。示例性的，候选推荐对象的标签可以包括“年夜饭预订”。

在向目标用户进行推荐时，可以根据目标对象的历史行为预先确定出该目标用户的兴趣特征。例如，目标用户经常点击X球队的新闻，则可以提取出“X球队”、“足球比赛”等标签作为该目标用户的兴趣特征。

本实施例中，利用描述信息得到的标签对推荐对象进行表征，可以获得多维度的表征信息。例如时间维度、人物维度(X球队、Y球队)、事物维度(体育比赛)、事件维度(优惠、折扣、预订)等。

相关技术仅利用体育场、商场、餐饮店等单一维度表征推荐对象往往是固有的，以地标为单一维度进行的。例如XX商场，标签仅是“网红打卡”、“餐饮聚集地”、“潮牌聚集地”等。相比于相关技术，本申请方案可以不同维度反应出推荐对象的特征。并且，由于描述信息是随时间动态变化的，从而可以丰富、多元地展示出推荐对象的特征。进而在后续匹配过程中，可以满足不同目标用户的个性化需求。

在确定相关性时，可以基于标签与目标用户的匹配程度。例如，可以通过目标用户经常光顾的地方、经常浏览的网页或应用程序等确定目标用户的兴趣特征。进而通过计算，获取标签以及目标用户兴趣特征的词向量。再通过欧氏距离进行相似性匹配，从而可以确定出候选推荐对象与目标用户的相关性。

例如，在前述示例中，通过相关性分析，可以确定XX体育场与目标用户的相关性最高。由此可以将XX体育场作为目标推荐对象推荐给目标用户。推荐方式可以是在目标用户进行电子地图浏览时，将XX体育场的信息在电子地图中显示。或者，还可以将XX体育场的信息以Feed流的形式推送给目标用户。

通过上述方案，一方面通过对推荐对象的描述信息进行解析，由于解析结果可以得到多维度的标签，从而可以多元的表征推荐对象的标签。另一方面基于标签与目标用户的相关性确定出目标推荐对象，使得目标推荐对象符合目标用户的个性化需求。

在一种实施方式中，描述信息是从不同渠道获取的；

基于此，结合图2所示，步骤S101可以包括以下步骤：

S1011：对候选推荐对象的描述信息进行解析，得到多个关键词；

S1012：将多个关键词按照类别进行聚类，将各类别的聚类结果作为候选推荐对象的多个标签。

对候选推荐对象的描述信息进行解析的方式可以采用自然语言处理技术实现。

由于描述信息的获取渠道不一，由此可能导致描述信息的表述方式存在差别。基于此，对同一推荐对象的描述信息进行解析时，可能得到含义相同但表述不同的关键词。在此情况下，可以对得到的关键词按照类别进行聚类处理，得到不同类别的聚类结果。将聚类结果作为候选推荐对象的标签。

具体聚类方式可以包括，从描述信息中提取关键词，结合描述信息的上下文关系即可得到每个关键词的向量表示。相同含义的关键词，其向量表示可能相同或相似，基于此，可以对其进行聚类处理得到聚类结果。

例如，描述信息为年夜饭预订。A网页的表述为“XXX饭庄年夜饭火爆预订中”。B网页的表述为“今年过年，就选XXX饭庄”。虽然描述信息存在差异，但是可以确定二者表述的含义都是XXX饭庄的年夜饭广告，因此可以得到聚类得到标签“年夜饭广告”。

在本实施例中，对于按照以下几个类型对关键词进行聚类：地点、事件、人物、时间、事物和现象。

其中，地点可以是推荐对象的所在的城市、区、商圈等。

事件可以是具体活动，例如体育比赛、演唱会、特卖会等。

人物可以是参加前述事件的人，例如参加体育比赛的运动员、参加演唱会的明星等。

时间可以是前述事件发生的时间。

事物可以是场所的类型、景点等，例如书店、夜景、玻璃栈道和/或火锅店等。

现象可以是自然现象，例如日出、日落、降雨、云海和/或彩虹等。

以“今年过年，就选XXX饭庄”为例，地点可以是XXX饭庄的位置，事件可以是年夜饭预定、时间可以是春节期间。剩余类型如人物或现象等，如果描述信息中不包含，可以为空。

通过上述方案，对推荐对象的描述信息进行解析，以得到多类型的标签，从而可以多元的表征推荐对象。

在一种实施方式中，候选推荐对象的描述信息是动态变化的；

基于此，结合图3所示，步骤S101还包括：

S1013：确定多个标签中每个标签出现的次数；

S1014：根据次数确定每个标签的权重。

以推荐对象为体育场为例，例如，在第一周，XX体育场的描述信息为“2020年10月1日晚8点，将在XX体育场举行足球比赛，比赛双方是X球队、Y球队。比赛门票将在9月1日起在XX体育场发售。前1000名购票用户可以获得助威围巾”。在第二周，XX体育场的描述信息为“2020年10月15日晚8点，歌手XXX将在XX体育场举行全国巡演第三站”。

基于上述两条描述信息，可以解析出两组完全不同的标签。由于对于同一推荐对象的标签会有多个。在此情况下，还可以结合该推荐对象的历史描述信息所确定出的各标签出现的次数，确定出各标签的权重。

例如，北京工人体育场举办的足球赛事较多(足球赛事的次数多于演唱会的次数)，因此其“足球比赛”的标签权重较高。首都体育馆举办的演唱会较多，因此其“演唱会”的标签权重较高。

另外，在确定权重时，在基于聚类结果出现的次数的基础上，还可以结合日期或关注度等因素。例如，在基于聚类结果出现的次数确定权重时，北京工人体育场的“足球比赛”的标签权重较高。但当出现知名歌手举行演唱会时，会适当提高“演唱会”或该知名歌手的标签的权重，且距离该演唱会开始的时间越近，“演唱会”或该知名歌手的标签的权重越高。使“演唱会”以及该知名歌手的标签的权重在一定时间段内高于“足球比赛”标签的权重。

通过上述方案，可以根据推荐对象的历史描述信息确定推荐对象不同标签的权重。从而可以更为准确的表征出推荐对象的特征。

结合图4所示，在一种实施方式中，步骤S102还可以进一步包括：

S1021：获取目标用户的兴趣特征；

S1022：计算兴趣特征与候选推荐对象的标签的相关性数值；

S1023：根据相关性数值确定候选推荐对象与目标用户的相关性。

目标用户的兴趣特征的获取方式可以与确定推荐对象的标签的确定方式相同。即，根据用户的浏览历史或经常光顾的区域确定目标用户的兴趣标签。该兴趣标签可以同样按照不同的类型进行聚类，从而表征出目标用户的兴趣特征。

在目标用户的兴趣标签存在多个的情况下，针对目标用户的每个兴趣标签，均可以计算与候选推荐对象的标签的相关性数值。具体计算方式可以采用欧氏距离或神经网络等，在此不再赘述。

根据相关性数值，可以确定与目标用户的每个兴趣标签相匹配的至少一个候选推荐对象。

例如目标用户的兴趣标签包括“X球队”、“球衣收藏”。

首先针对兴趣标签“A球队”，可以获取目标用户周围或者沿途的候选推荐对象的标签。例如候选推荐对象包括XX体育场、体育用品商店和餐饮店。

其中，XX体育场的标签包括“2020年10月1日”、“足球比赛”、“X球队”、“Y球队”、“前1000名购票优惠”。其中，标签“X球队”与目标用户的兴趣标签相同(相关性数值高于阈值)，因此XX体育场可以确定为目标推荐对象。

而体育用品商店的标签中由于包括“X球队”，因此同样可以确定为目标推荐对象。

餐饮店中的标签与目标用户的兴趣标签不相同也不相关(相关度数值低于阈值)。因此不会被确定为目标推荐对象。

其次针对兴趣标签“球衣收藏”，可以确定体育用品商店的标签“球衣销售”与“球衣收藏”的相关度高于阈值，因此可以将体育用品商店确定为目标推荐对象。

可以同时将XX体育场和体育用品商店作为确定的目标推荐对象。也可以在XX体育场和体育用品商店中根据各标签的加权和确定出最优的目标推荐对象。具体确定方式不再赘述。

通过上述方案，可以从目标用户的多个兴趣维度确定候选推荐对象。以满足目标用户的个性化需求。

结合图5所示，在一种实施方式中，步骤S102还包括：

S1021’：获取目标用户的兴趣特征；

S1022’：根据权重选择候选推荐对象的高权重标签；

S1023’：计算兴趣特征与高权重标签的相关性数值；

S1024’：根据相关性数值确定候选推荐对象与目标用户的相关性。

本步骤与前述步骤的区别在于，在进行相关性数值计算时，可以筛选出候选推荐对象的高权重标签，例如权重最高的一个或两个标签等。计算兴趣特征与筛选出的高权重标签的相关性数值，进而根据该相关性数值确定各候选推荐对象与目标用户的相关性。

通过上述方案，可以在确定相关性时，可以根据候选推荐对象的高权重标签进行。由于高权重标签可以更准确、更实时地表征候选推荐对象，由此可以在与目标用户匹配时，可以正准确地表征出候选推荐对象的特征。

结合图6所示，在一种实施方式中，本方法还包括以下步骤：

S104：获取目标推荐对象在地图上的位置；

S105：根据位置、地图的比例尺和相关性，在地图中调整目标推荐对象的显示数量。

在当前实施方式中，信息推荐的方法可以应用在电子地图中。即，在目标用户开启电子地图后，便可以根据目标用户的兴趣特征，在电子地图中显示出目标推荐对象。

显示方式可以包括，获取目标推荐对象的在电子地图上的位置。示例性的，结合图7所示，根据该位置可以在电子地图上显示该目标推荐对象的缩略图和标签。其中，缩略图可以是该目标推荐对象的标识图案(LOGO)。

当存在两个或多个目标推荐对象的地理位置较近时，受限于电子地图上显示面积，全部显示可能会发生冲突；因此，通常选择相关性数值更高的目标推荐对象进行显示，从而更可能满足目标用户的兴趣需要。

另外，由于存在目标用户能够主动缩放电子地图的交互行为，从而触发动态展现过程，包括放大或缩小电子地图。当目标用户放大电子地图时，电子地图的比例尺(线段式)变小，原本两个位置关系冲突的目标推荐对象将在屏幕中拉开距离。因此可以同时展现多个目标推荐对象。与此相反，当目标用户缩小电子地图时，电子地图的比例尺(线段式)变大，原本两个位置关系不冲突的目标推荐对象将在屏幕中拉近距离，因此相关性数值较低的目标推荐对象会被取消显示。

通过上述方案，在动态缩放电子地图的过程中，将目标推荐对象以目标用户兴趣的相关性进行推荐。从而能够更精准、更个性化的将基于地理位置的内容服务推荐给目标用户，从而增强目标用户对于电子地图内容服务的浏览兴趣和时长。

如图8所示，本申请提供一种信息推荐的装置，包括以下组件：

标签确定模块801，用于根据候选推荐对象的描述信息确定候选推荐对象的多个标签，描述信息用于表征候选推荐对象的特征；

相关性确定模块802，用于基于多个标签，确定候选推荐对象与目标用户的相关性；

目标推荐对象确定模块803，用于根据相关性，在候选推荐对象中确定目标推荐对象，将目标推荐对象推荐给目标用户。

在一种实施方式中，描述信息是从不同渠道获取的；

标签确定模块801可以进一步包括：

关键词获取子模块，用于对候选推荐对象的描述信息进行解析，得到多个关键词；

标签确定子模块，用于多个将关键词按照类别进行聚类，将各类别的聚类结果作为候选推荐对象的多个标签。

在一种实施方式中，候选推荐对象的描述信息是动态变化的；

信息推荐装置还可以包括：

标签次数确定模块，用于确定所述多个标签中每个标签出现的次数；

权重确定模块，用于根据次数确定各标签的权重。

在一种实施方式中，相关性确定模块可以进一步包括：

目标用户的兴趣特征确定子模块，用于获取目标用户的兴趣特征；

相关性数值计算子模块，用于计算兴趣特征与候选推荐对象的标签的相关性数值；

相关性确定执行子模块，用于根据相关性数值确定候选推荐对象与目标用户的相关性。

在一种实施方式中，相关性确定模块可以进一步包括：

目标用户的兴趣特征确定子模块，用于获取目标用户的兴趣特征；

高权重标签选择子模块，用于根据权重选择候选推荐对象的高权重标签；

相关性数值计算子模块，用于计算兴趣特征与高权重标签的相关性数值；

相关性确定执行子模块，用于根据相关性数值确定候选推荐对象与目标用户的相关性。

在一种实施方式中，信息推荐装置还可以包括：

目标推荐对象的位置获取模块，用于获取目标推荐对象在地图上的位置；

显示数量确定模块，用于根据位置、地图的比例尺和相关性，在地图中调整目标推荐对象的显示数量。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图9所示，是根据本申请实施例的信息推荐的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图9所示，该电子设备包括：一个或多个处理器910、存储器920，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器910为例。

存储器920即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的信息推荐的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的信息推荐的方法。

存储器920作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的信息推荐的方法对应的程序指令/模块(例如，附图8所示的标签确定模块801、相关性确定模块802和目标推荐对象确定模块803)。处理器910通过运行存储在存储器920中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的信息推荐的方法。

存储器920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；存储数据区可存储根据信息推荐的方法的电子设备的使用所创建的数据等。此外，存储器920可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器920可选包括相对于处理器910远程设置的存储器，这些远程存储器可以通过网络连接至信息推荐的方法的电子设备。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。

信息推荐的方法的电子设备还可以包括：输入装置930和输出装置940。处理器910、存储器920、输入装置930和输出装置940可以通过总线或者其他方式连接，图9中以通过总线连接为例。

输入装置930可接收输入的数字或字符信息，以及产生与信息推荐的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置940可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种信息推荐的方法，包括：

根据候选推荐对象的描述信息确定所述候选推荐对象的多个标签，所述描述信息用于表征所述候选推荐对象的特征；

基于所述多个标签，确定所述候选推荐对象与所述目标用户的相关性；

根据所述相关性，在所述候选推荐对象中确定目标推荐对象，将所述目标推荐对象推荐给所述目标用户。

2.根据权利要求1所述的方法，其中，所述描述信息是从不同渠道获取的；

根据候选推荐对象的描述信息确定所述候选推荐对象的多个标签，包括：

对所述候选推荐对象的描述信息进行解析，得到多个关键词；

将所述多个关键词按照类别进行聚类，将各类别的聚类结果作为所述候选推荐对象的多个标签。

3.根据权利要求1或2所述的方法，其中，所述候选推荐对象的描述信息是动态变化的；

所述方法还包括：

确定所述多个标签中每个标签出现的次数；

根据所述次数确定每个标签的权重。

4.根据权利要求3所述的方法，所述基于所述多个标签，确定所述候选推荐对象与所述目标用户的相关性，包括：

获取所述目标用户的兴趣特征；

根据所述权重选择所述候选推荐对象的高权重标签；

计算所述兴趣特征与所述高权重标签的相关性数值；

根据所述相关性数值确定所述候选推荐对象与所述目标用户的相关性。

5.根据权利要求1或2所述的方法，其中，所述基于所述多个标签，确定所述候选推荐对象与所述目标用户的相关性，包括：

获取所述目标用户的兴趣特征；

计算所述兴趣特征与所述候选推荐对象的标签的相关性数值；

根据所述相关性数值确定所述候选推荐对象与所述目标用户的相关性。

6.根据权利要求1或2所述的方法，还包括：

获取所述目标推荐对象在地图上的位置；

根据所述位置、所述地图的比例尺和所述相关性，在所述地图中调整所述目标推荐对象的显示数量。

7.一种信息推荐的装置，包括：

标签确定模块，用于根据候选推荐对象的描述信息确定所述候选推荐对象的多个标签，所述描述信息用于表征所述候选推荐对象的特征；

相关性确定模块，用于基于所述多个标签，确定候选推荐对象与目标用户的相关性；

目标推荐对象确定模块，用于根据所述相关性，在候选推荐对象中确定目标推荐对象，将所述目标推荐对象推荐给所述目标用户。

8.根据权利要求7所述的装置，其中，所述描述信息是从不同渠道获取的；

所述标签确定模块，包括：

关键词获取子模块，用于对所述候选推荐对象的描述信息进行解析，得到多个关键词；

标签确定子模块，用于将所述多个关键词按照类别进行聚类，将各类别的聚类结果作为所述候选推荐对象的多个标签。

9.根据权利要求7或8所述的装置，其中，所述候选推荐对象的描述信息是动态变化的；

所述装置还包括：

标签次数确定模块，用于确定所述多个标签中每个标签出现的次数；

权重确定模块，用于根据所述次数确定每个标签的权重。

10.根据权利要求9所述的装置，其中，所述相关性确定模块，包括：

目标用户的兴趣特征确定子模块，用于获取所述目标用户的兴趣特征；

高权重标签选择子模块，用于根据所述权重选择所述候选推荐对象的高权重标签；

相关性数值计算子模块，用于计算所述兴趣特征与所述高权重标签的相关性数值；

相关性确定执行子模块，用于根据所述相关性数值确定所述候选推荐对象与所述目标用户的相关性。

11.根据权利要求7或8所述的装置，其中，所述相关性确定模块，包括：

目标用户的兴趣特征确定子模块，用于获取所述目标用户的兴趣特征；

相关性数值计算子模块，用于计算所述兴趣特征与所述候选推荐对象的标签的相关性数值；

相关性确定执行子模块，用于根据所述相关性数值确定所述候选推荐对象与所述目标用户的相关性。

12.根据权利要求7或8所述的装置，还包括：

目标推荐对象的位置获取模块，用于获取所述目标推荐对象在地图上的位置；

显示数量确定模块，用于根据所述位置、所述地图的比例尺和所述相关性，在所述地图中调整所述目标推荐对象的显示数量。

13.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1至6中任一项所述的方法。

Images