CN112232916B - 商品推荐方法、装置及设备 - Google Patents

Abstract

本发明公开了一种商品推荐方法、装置及设备，该方法包括：获取用户历史上浏览菜品的菜品浏览信息；基于所述用户的菜品浏览信息，判定所述用户的菜品喜好信息；基于所述菜品喜好信息，向所述用户推荐相应的菜品所需各项食材。本申请在获取到用户历史上浏览菜品的菜品浏览信息后，可以基于此确定出用户喜好的菜品对应信息，进而向用户实现对应菜品所需食材的推荐，从而通过这种方式向用户实现食材推荐；由于本申请向用户推荐的食材为基于用户历史上浏览菜品的信息分析得出的用户可能喜好的菜品对应食材，因此能够使得推荐的食材与用户的喜好相符合，从而实现食材向用户的针对性推荐，提高食材推荐时的准确性，进而提升用户的用户体验。

Description

商品推荐方法、装置及设备

技术领域

本发明涉及互联网数据处理技术领域，更具体地说，涉及一种商品推荐方法、装置及设备。

背景技术

社区团购是基于深耕社区开展的商业模式，其通过整合社区的小流量集合，是更加具备地理属性、本地流量的模式；不但获客成本低，而且采用熟人分享式的营销，转化率以及留存率更高。社区团购本质是零售，对接源头直采直供，终端触达消费者，供应链条很长，任何环节的问题都易形成牛鞭效应，影响后续环节和用户体验。社区团购针对的用户群体主要是习惯线上购物、没有时间在线下零售店、菜市场去实现线下购买行为的人群，社区团购平台在实现商品推荐时，通常是将当前具有活动或者促销等的食材直接推荐给各用户，这样实现的食材推荐所推荐的食材可能是用户所不需要的食材，或者仅部分是用户所需要的食材，需要用户自行筛选等，因此实现食材推荐时的准确性较低，进而会导致用户的用户体验较差。

发明内容

本发明的目的是提供一种商品推荐方法、装置及设备，能够提高食材推荐时的准确性，进而提升用户的用户体验。

为了实现上述目的，本发明提供如下技术方案：

一种商品推荐方法，包括：

获取用户历史上浏览菜品的菜品浏览信息；

基于所述用户的菜品浏览信息，判定所述用户的菜品喜好信息；

基于所述菜品喜好信息，向所述用户推荐相应的菜品所需各项食材。

优选的，基于所述用户的菜品浏览信息，判定所述用户的菜品喜好信息，包括：

确定所述菜品浏览信息中包含的每项菜品分别为当前菜品；

获取所述用户浏览当前菜品对应信息的时长信息及所在的时间段，基于所述时长信息及所述时间段计算当前菜品的喜好分数；

确定所述喜好分数大于分数阈值的当前菜品为所述用户喜好的菜品，得到包含所述用户喜好的菜品的菜品喜好信息。

优选的，基于所述时长信息及所述时间段计算当前菜品的喜好分数，包括：

获取所述时长信息对应时长分数及所述时间段对应时间段分数；其中，所述时长信息包含浏览当前菜品对应信息的持续时长或浏览当前菜品对应信息时观看部分占全部信息的比例，所述持续时长越长或所述比例越大，所述时长分数越高，所述时间段越接近用餐时间，所述时间段分数越高；

基于预先为所述时长信息及所述时间段设置的权重值，对所述时长分数及所述时间段分数进行加权求和，得到当前菜品的喜好分数。

优选的，基于所述菜品喜好信息，向所述用户推荐相应的菜品所需各项食材，包括：

确定所述菜品喜好信息包含的所述用户喜好的每项菜品均为备选菜品，确定第一预设时间段内未制作过和/或第二预设时间段内未购买过相应食材的备选菜品为待推荐菜品，将所述待推荐菜品对应的食材推荐给所述用户；其中，所述第一预设时间段及所述第二预设时间段均是当前时刻之前距离当前时刻最近的时间段，且所述第一预设时间段小于所述第二预设时间段。

优选的，确定所述喜好分数大于分数阈值的当前菜品为所述用户喜好的菜品之后，还包括：

对所述用户喜好的菜品进行归类，得到所述用户喜好的菜系，并将所述用户喜好的菜系加入至所述菜品喜好信息中。

优选的，所述方法还包括：

如果所述备选菜品均为第一预设时间段内制作过和/或第二预设时间段内购买过相应食材的菜品，则确定所述菜品喜好信息包含的所述用户喜好的菜系中除所述备选菜品之外的其他菜品均为目标菜品，确定第一预设时间段内未制作过和/或第二预设时间段内未购买过相应食材的目标菜品为待推荐菜品，将所述待推荐菜品对应的食材推荐给所述用户。

优选的，向所述用户推荐相应的菜品所需各项食材，包括：

将需要向所述用户推荐的菜品所需各项食材以列表的形式推荐给所述用户，以供所述用户基于该列表进行下单或者修改等。

优选的，还包括：

向所述用户推荐相应的菜品所需各项食材的同时，将制作相应菜品的方法也推荐给所述用户。

一种商品推荐装置，包括：

获取模块，用于：获取用户历史上浏览菜品的菜品浏览信息；

判定模块，用于：基于所述用户的菜品浏览信息，判定所述用户的菜品喜好信息；

推荐模块，用于：基于所述菜品喜好信息，向所述用户推荐相应的菜品所需各项食材。

一种商品推荐设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上任一项所述商品推荐方法的步骤。

本发明提供了一种商品推荐方法、装置及设备，该方法包括：获取用户历史上浏览菜品的菜品浏览信息；基于所述用户的菜品浏览信息，判定所述用户的菜品喜好信息；基于所述菜品喜好信息，向所述用户推荐相应的菜品所需各项食材。本申请在获取到用户历史上浏览菜品的菜品浏览信息后，可以基于此确定出用户喜好的菜品对应信息，进而向用户实现对应菜品所需食材的推荐，从而通过这种方式向用户实现食材推荐；由于本申请向用户推荐的食材为基于用户历史上浏览菜品的信息分析得出的用户可能喜好的菜品对应食材，因此能够使得推荐的食材与用户的喜好相符合，从而实现食材向用户的针对性推荐，提高食材推荐时的准确性，进而提升用户的用户体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的商品推荐方法的流程图；

图2为本发明实施例提供的商品推荐方法中订单信息的示意图；

图3为本发明实施例提供的商品推荐方法中视频搜索结果示意图；

图4为本发明实施例提供的商品推荐方法中筛选的视频示意图；

图5为本发明实施例提供的商品推荐装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明实施例提供的商品推荐方法的流程图，可以包括：

S11：获取用户历史上浏览菜品的菜品浏览信息。

本发明实施例提供的商品推荐方法的执行主体可以为对应的商品推荐装置；其中，用户可以是社区团购平台(也即电商平台)的用户，这类用户使用社区团购平台购买一日三餐的食材，比如晚餐，此时食材作为社区团购平台的商品被推荐，因此本申请实施例中的食材推荐也即为商品推荐；获取用户历史上浏览菜品的菜品浏览信息，可以是获取用户在过去的近5个月、近6个月或者其他根据实际需要设定的时间段内的菜品浏览信息，菜品浏览信息可以包括用户在相应时间段内的视频浏览记录、文字浏览记录及图片浏览记录中的一种或多种资料浏览记录，视频浏览记录即为用户浏览菜品的视频的记录，文字浏览记录即为用户浏览菜品的文字的记录，图片浏览记录即为用户浏览菜品的图片的记录，而用户浏览菜品时浏览的内容可以为菜品对应菜谱，具体可以包括菜品所需食材(包括食材名称及重量等)、菜品制作方法及菜品营养价值等。以菜品浏览信息为视频浏览记录为例进行说明，视频浏览记录可以包括用户在手机终端的视频app(具有视频观看服务的应用)上的操作行为，如搜索某菜品所用关键词及操作行为所对应的视频的标记，也即用户采用了什么视频搜索用关键词(如“小龙虾”)、用户浏览的视频类别(如生活技巧类)、视频播放程度(观看的视频时长占该视频全部时长的比例，如90％)、浏览视频所处的时间段(如每天17：30-19:00)等。

S12：基于用户的菜品浏览信息，判定用户的菜品喜好信息。

在得到用户在一定时间段内的菜品浏览信息后，则可以基于菜品浏览信息分析得到用户的菜品喜好信息；具体来说，如果用户浏览文字或图片的持续时间越长，观看视频的时长占该视频全部时长的比例越大，则说明用户对该资料(文字、图片及视频均为资料)所包含的菜品越感兴趣，因此可以认为这些菜品则为用户喜好的菜品，当然也可以根据实际需要设置其他基于菜品浏览信息判定用户菜品喜好信息的原则，均在本发明的保护范围之内。

S13：基于菜品喜好信息，向用户推荐相应的菜品所需各项食材。

基于菜品喜好信息可以获知用户喜好的菜品，进而将相应需要的食材推荐给用户，从而实现食材的针对性推荐，提高食材推荐的准确性。

本申请在获取到用户历史上浏览菜品的菜品浏览信息后，可以基于此确定出用户喜好的菜品对应信息，进而向用户实现对应菜品所需食材的推荐，从而通过这种方式向用户实现食材推荐；由于本申请向用户推荐的食材为基于用户历史上浏览菜品的信息分析得出的用户可能喜好的菜品对应食材，因此能够使得推荐的食材与用户的喜好相符合，从而实现食材向用户的针对性推荐，提高食材推荐时的准确性，进而提升用户的用户体验。

本发明实施例提供的商品推荐方法，基于用户的菜品浏览信息，判定用户的菜品喜好信息，可以包括：

确定菜品浏览信息中包含的每项菜品分别为当前菜品；

获取用户浏览当前菜品对应信息的时长信息及所在的时间段，基于时长信息及时间段计算当前菜品的喜好分数；

确定喜好分数大于分数阈值的当前菜品为用户喜好的菜品，得到包含用户喜好的菜品的菜品喜好信息。

而基于时长信息及时间段计算当前菜品的喜好分数，可以包括：

获取时长信息对应时长分数及时间段对应时间段分数；其中，时长信息包含浏览当前菜品对应信息的持续时长或浏览当前菜品对应信息时观看部分占全部信息的比例，持续时长越长或比例越大，时长分数越高，时间段越接近用餐时间，时间段分数越高；

基于预先为时长信息及时间段设置的权重值，对时长分数及时间段分数进行加权求和，得到当前菜品的喜好分数。

需要说明的是，一个家庭的菜品喜好风格一般都是一致的，总体不会发生很大的变化；由于晚餐的做饭时间一般是集中在17:00在19:00这个时间段内，很多用户特别是社区团购平台的主要消费群体是年轻人，他们有一个特点就是喜欢对着菜谱做菜，往往通过浏览视频、网页(包括文字、图片等)等公开的菜谱进行菜品制作；而用户在浏览这些信息的操作行为一般会先通过所要做菜品的食材或者名称作为关键词进行搜索，然后基于搜索所得结果挑选合适的做菜视频、文字或图片等形式的菜谱，按照菜品实现菜品制作，因此一般在17:00到19:00这个时间段内，判断用户所在家庭的菜品喜好风格是比较容易的，且通过提取用户在相应时间段内的浏览信息即可判断出用户制作的菜品，也即为用户喜好的菜品，同理，在其他用餐时间判断用户所在家庭的菜品喜好风格也是比较容易的；基于此本申请可以预先将一天中的24个小时划分为多个时间段，然后基于得到用户所在家庭的菜品喜好风格的容易程度，为每个时间段设置相应的时间段分数，也即得到用户所在家庭的菜品喜好风格越容易(或者说用户浏览相应菜品的时间越接近用餐时间)，则对应时间段分数越高；为了方便计算本申请还可以将各时间段分数进行归一化处理，使得各时间段分数的总和为1，在一种具体示例中各时间段及各时间段的时间段分数可以如表1所示。针对时长信息需要说明的是，在浏览的资料为视频时，时长信息可以包括观看视频的时长占比整个视频时长的比例，浏览的资料为文字或图片时，时长信息可以包括观看文字或图片的持续时长，而时长信息中的比例越大、持续时长越长，则表示用户对当前菜品越感兴趣，因此可以按照这种方式为不同时长信息设置对应的时长分数，也即时长信息中的比例越大或持续时间越长，则时长分数越高，为了方便计算本申请还可以将各时间段分数进行归一化处理，使得各时间段分数的总和为1。

另外，本申请还可以为时间段分数及时长分数分别设置相应的权重值，两者的权重值的总和为1。基于上述设置，本申请在获取到用户浏览某菜品时所在时间段及该菜品的时长信息后，可以将该菜品所在时间段的时间段分数乘以时间段分数的权重值得到相应的乘积，将该菜品的时长信息的时长分数乘以时长分数的权重值得到相应的乘积，最终再将两个乘积相加，得到该菜品的喜好分数，确定喜好分数大于根据实际需要设置的分数阈值的菜品则为用户喜好的菜品。可见，本申请基于用户浏览菜品时的时长信息及所在时间段，能够有效确定出用户喜好的菜品。

表1

时段序号	时间	时间段分数
			1	00:00-5:00	0.05
2	5:01-8:00	0.1
			3	8:01-11:00	0.05
4	11:01-13:00	0.1
			5	13:01-17:00	0.1
6	17:01-20:00	0.5
			7	20:01-24:00	0.1

本发明实施例提供的商品推荐方法，确定喜好分数大于分数阈值的当前菜品为用户喜好的菜品之后，还可以包括：

对用户喜好的菜品进行归类，得到用户喜好的菜系，并将用户喜好的菜系加入至菜品喜好信息中。

需要说明的是，菜品喜好信息不仅可以包括用户喜好的菜品，还可以包括用户喜好的菜品所属的菜系，具体来说，对于确定出的用户喜好的菜品可以进行归类，从而获得用户喜好的菜系，比如用户的喜好菜品包括麻婆豆腐、麻辣小龙虾、麻辣火锅、回锅肉、口水鸡，夫妻肺片等，那么可以判定该用户的喜好菜系是川菜；当然，一个用户也可以对应一个以上的菜系。从而在基于菜品喜好信息实现相应菜品的食材推荐时，不仅可以基于用户喜好的菜品实现对应的食材推荐，还能够基于用户喜好的菜系实现相应的食材推荐，从而使得食材推荐所考虑的因素更加全面，进一步提高食材推荐时的准确性。

另外，在得到菜品喜好信息之后，本申请可以基于菜品喜好信息及用户近期的菜品浏览信息向用户推荐符合其菜品喜好风格的菜品以及菜品所对应的食材，具体来说，如果频繁吃相同的菜品难免会吃腻，因此用户一般不希望短期内吃重复的菜品，基于此本申请可以通过用户购买菜品相应食材和/或用户制作菜品的频率来进行相应的判定；同时由于菜品喜好信息包含的菜品是基于用户菜品浏览信息直接确定出的，因此相对于同菜系内其他的菜品，菜品喜好信息中包含的菜品一般更受用户喜爱，因此本申请中在实现食材推荐时优先选取菜品喜好信息中包含的菜品，然后再考虑同菜系的其他菜品。

其中，在优先选取菜品喜好信息中包含的菜品实现食材推荐时，本发明实施例提供的商品推荐方法，基于菜品喜好信息，向用户推荐相应的菜品所需各项食材，可以包括：

确定菜品喜好信息包含的用户喜好的每项菜品均为备选菜品，确定第一预设时间段内未制作过和/或第二预设时间段内未购买过相应食材的备选菜品为待推荐菜品，将待推荐菜品对应的食材推荐给用户；其中，第一预设时间段及第二预设时间段均是当前时刻之前距离当前时刻最近的时间段，且第一预设时间段小于第二预设时间段。

其中，第一预设时间段及第二预设时间段分别为表示用户制作相应菜品频率的参数及用户购买菜品相应食材的参数，第一预设时间段及第二预设时间段均可以根据实际需要进行设定，如第一预设时间段为近3天，第二预设时间段为近1周等。在向用户推荐菜品所需食材时，先考虑推荐菜品喜好信息中包含的菜品对应食材，具体来说，如果近期内已经制作过任意菜品和/或近期内已经购买过任意菜品对应食材，则为了避免用户短期内重复吃到相同的菜品，无需向用户推荐该菜品对应的食材。从而避免用户短时间内重复制作相同菜品的同时，优先基于菜品喜好信息中包含的菜品实现对应食材的推荐，使得食材推荐更加满足用户当前需求。

在菜品喜好信息中的菜品不符合需求而选取同菜系中其他菜品实现食材推荐时，本发明实施例提供的商品推荐方法，基于菜品喜好信息，向用户推荐相应的菜品所需各项食材，可以包括：

如果备选菜品均为第一预设时间段内制作过和/或第二预设时间段内购买过相应食材的菜品，则确定菜品喜好信息包含的用户喜好的菜系中除备选菜品之外的其他菜品均为目标菜品，确定第一预设时间段内未制作过和/或第二预设时间段内未购买过相应食材的目标菜品为待推荐菜品，将待推荐菜品对应的食材推荐给用户。

如果菜品喜好信息中包含的各项菜品均为近期制作过或者购买过相应食材的菜品，则可以考虑同菜系其他菜品对应食材的推荐，具体来说，将同菜系其他菜品作为目标菜品，然后按照推荐菜品喜好信息中包含菜品时的原理，实现同菜系其他菜品的食材推荐。另外，如果同菜系其他菜品也均在近期制作过或者购买过相应食材，则可以由菜品喜好信息中包含的菜品及同菜系其他菜品中，选取购买相应食材的时间距离当前时刻最远或者制作过相应食材的时间距离当前时刻最远的菜品作为待推荐菜品，进而实现相应食材的推荐。

需要说明的是，本申请实施例在判定用户是否制作过某菜品时，可以计算用户在最近一次购买该菜品对应食材后的时间里浏览该菜品对应资料的菜品浏览信息，基于该菜品浏览信息计算该菜品的喜好分数，如果喜好分数达到根据实际需要设定的阈值，则认为用户制作过该菜品，否则，认为用户未制作过该菜品。

对本申请实现商品推荐的步骤进行举例说明，如菜品为麻辣小龙虾，可以设定一个单菜品推荐频率，比如用户在上周已经采购过小龙虾，那么就可以结合用户进行菜品浏览时的菜品浏览信息判定用户是否做过麻辣小龙虾，经过判定，用户可能在本周一做过麻辣小龙虾，如果单菜品推荐频率为3天，那么在这3天内，就不应当推荐制作麻辣小龙虾的相关食材了；又比如用户近一周内未采购鸡肉，那么可以判定用户一周内没有做过与鸡肉有关的菜，可以向用户推荐日常的一些鸡肉做法所要所用的食材，比如推荐口水鸡的食材。当然根据实际需要进行的其他设置也均在本发明的保护范围之内。

本发明实施例提供的商品推荐方法，向用户推荐相应的菜品所需各项食材，可以包括：

将需要向用户推荐的菜品所需各项食材以列表的形式推荐给用户，以供用户基于该列表进行下单或者修改等。

需要说明的是，本申请实施例在向用户推荐相应菜品所需各项食材时，可以是向用户发送对应食材的采购信息，食材的采购信息可以包括食材名称、时长数量或重量、食材价格等，如推荐的菜品为口水鸡，则对应的采购信息可以如图2所示；并且，采购信息中各项食材可以以列表的形式展示，从而使得用户可以基于该列表直接下单，或者对该列表中的信息进行修改等操作，从而方便用户实现所推荐食材等商品的购买，进一步提升用户的用户体验。

本发明实施例提供的商品推荐方法，还可以包括：

向用户推荐相应的菜品所需各项食材的同时，将制作相应菜品的方法也推荐给用户。

本申请实施例在向用户推荐相应菜品所需各项食材的同时，还可以将菜品的菜谱(包括菜品制作方法)也推荐给用户，从而使得用户在获知推荐的各项食材的同时，还可以获知菜品制作方法，方便用户基于此实现食材的购买及菜品的制作等操作，进一步提升用户的用户体验。

以用户用视频app搜索“小龙虾的做法”为例，对得到用户喜好的菜品的具体过程进行举例说明：

(1)用户用视频app搜索“小龙虾的做法”后基于其搜索算法展示相应的视频搜索结果如图3所示；用户会通过点击、浏览搜索结果等操作行为，筛选出最终自己准备在做菜时参照的视频内容，比如用户筛选如图4所示的一个麻辣小龙虾的做法视频；结合用户的搜索关键词以及用户筛选后点击查阅的视频标记可以判定出该用户目标视频的唯一菜品标记“麻辣小龙虾”。

(2)用户在根据搜索得到的“麻辣小龙虾”的视频指导进行做菜的时候，一般会浏览该视频很长一段时间，在本实施例中引入视频播放程度这一个概念，即用户在浏览该视频的时长占比整个视频时长的比例。

(3)可以对于视频浏览的操作行为做一个权重分析和计算，得到菜品喜好分数，主要考虑视频浏览程度和视频浏览所处时间段；比如给视频浏览程度的预设特征权重(与权重值的概念相同，可以根据实际需要进行设定)为0.6，给视频浏览所处时间段的预设特征权重为0.4。其中，对于视频浏览所处时间段可以根据事先划分的时间段(时间段划分也可以根据用户的菜品浏览信息进行统计学上的划分)进行归一化赋值，如表1所示。

假设图4所示“麻辣小龙虾”的视频总时长为200秒，该用户总共查看了170秒，则该用户对该视频的视频浏览程度为85％；根据菜品浏览信息，该视频的开始浏览时间为18点23分12秒，处于表1中第6时间段，对应赋值(时间段分数)为0.5，则该用户对该菜品的喜好分数(或者称之为兴趣值)为：0.85*0.6+0.5*0.4＝0.71。预设0.65为菜品喜好分数的分数阈值，则0.71>0.65，那么可以判定，“麻辣小龙虾”这道菜品属于该用户的日常喜好菜品，主要是指用户家中喜欢做的菜品。

(4)以上为例，获取用户一段时间内(如过去6个月)的所有喜好菜品，从菜品根据菜系进行归类，获得用户喜好的菜系。比如用户的喜好菜品有麻婆豆腐、麻辣小龙虾、麻辣火锅、回锅肉、口水鸡，夫妻肺片等，那么可以判定该用户的喜好菜系是川菜。当然，一个用户也可以对应一个以上的菜系。

同理，也可以在获取用户历史浏览网页信息的菜品浏览信息进行相应用户的菜品喜好信息的判定。比如采用文本识别或图片识别等技术，识别用户所浏览的网页信息的属性，包括识别出其为某菜品菜谱图文信息，对用户浏览网页持续时长以及浏览网页所处的时间段来判定该菜品是否属于用户喜好的菜品；其中，在利用浏览网页持续时长判定该菜品是否属于用户喜好的菜品时，还可以基于持续时长是否达到根据实际需要设定的某个阈值来实现，如为持续时长达到某个阈值时及未达到某个阈值时设置不同的时长分数等。

本发明通过对于用户的菜品浏览信息进行分析，得到其菜品喜好信息，然后根据其菜品喜好信息向用户推荐相应菜品所需要的食材，用户基于推荐食材列表进行选择或直接确定下单，从而为社区团购平台提供食材推荐的功能，即平台可以通过本发明的技术方案实现食材推荐，避免用户因每天回家买什么菜、吃什么菜所困扰，也会提高社区团购平台的SKU。

本发明实施例还提供了商品推荐装置，如图5所示，可以包括：

获取模块11，用于：获取用户历史上浏览菜品的菜品浏览信息；

判定模块12，用于：基于用户的菜品浏览信息，判定用户的菜品喜好信息；

推荐模块13，用于：基于菜品喜好信息，向用户推荐相应的菜品所需各项食材。

本发明实施例提供的商品推荐装置，判定模块可以包括：

第一判定单元，用于：确定菜品浏览信息中包含的每项菜品分别为当前菜品；获取用户浏览当前菜品对应信息的时长信息及所在的时间段，基于时长信息及时间段计算当前菜品的喜好分数；确定喜好分数大于分数阈值的当前菜品为用户喜好的菜品，得到包含用户喜好的菜品的菜品喜好信息。

本发明实施例提供的商品推荐装置，第一判定单元可以包括：

计算子单元，用于：获取时长信息对应时长分数及时间段对应时间段分数；基于预先为时长信息及时间段设置的权重值，对时长分数及时间段分数进行加权求和，得到当前菜品的喜好分数；其中，时长信息包含浏览当前菜品对应信息的持续时长或浏览当前菜品对应信息时观看部分占全部信息的比例，持续时长越长或比例越大，时长分数越高，时间段越接近用餐时间，时间段分数越高。

本发明实施例提供的商品推荐装置，推荐模块可以包括：

第一推荐单元，用于：确定菜品喜好信息包含的用户喜好的每项菜品均为备选菜品，确定第一预设时间段内未制作过和/或第二预设时间段内未购买过相应食材的备选菜品为待推荐菜品，将待推荐菜品对应的食材推荐给用户；其中，第一预设时间段及第二预设时间段均是当前时刻之前距离当前时刻最近的时间段，且第一预设时间段小于第二预设时间段。

本发明实施例提供的商品推荐装置，判定模块还可以包括：

第二判定单元，用于：确定喜好分数大于分数阈值的当前菜品为用户喜好的菜品之后，对用户喜好的菜品进行归类，得到用户喜好的菜系，并将用户喜好的菜系加入至菜品喜好信息中。

本发明实施例提供的商品推荐装置，推荐模块还可以包括：

第二推荐单元，用于：如果备选菜品均为第一预设时间段内制作过和/或第二预设时间段内购买过相应食材的菜品，则确定菜品喜好信息包含的用户喜好的菜系中除备选菜品之外的其他菜品均为目标菜品，确定第一预设时间段内未制作过和/或第二预设时间段内未购买过相应食材的目标菜品为待推荐菜品，将待推荐菜品对应的食材推荐给用户。

本发明实施例提供的商品推荐装置，第一推荐单元及第二推荐单元均可以包括：

第一推荐子单元，用于：将需要向用户推荐的菜品所需各项食材以列表的形式推荐给用户，以供用户基于该列表进行下单或者修改等。

本发明实施例提供的商品推荐装置，第一推荐单元及第二推荐单元均还可以包括：

第二推荐子单元，用于：向用户推荐相应的菜品所需各项食材的同时，将制作相应菜品的方法也推荐给用户。

本发明实施例还提供了商品推荐设备，可以包括：

存储器，用于存储计算机程序；

处理器，用于执行计算机程序时实现如上任一项商品推荐方法的步骤。

需要说明的是，本发明实施例提供的商品推荐装置及设备中相关部分的说明请参见本发明实施例提供的商品推荐方法中对应部分的详细说明，在此不再赘述。另外本发明实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种商品推荐方法，其特征在于，包括：

获取用户历史上浏览菜品的菜品浏览信息；

基于所述用户的菜品浏览信息，判定所述用户的菜品喜好信息；

基于所述菜品喜好信息，向所述用户推荐相应的菜品所需各项食材；

其中，所述基于所述用户的菜品浏览信息，判定所述用户的菜品喜好信息，包括：

确定所述菜品浏览信息中包含的每项菜品分别为当前菜品；

获取所述用户浏览当前菜品对应信息的时长信息及所在的时间段，基于所述时长信息及所述时间段计算当前菜品的喜好分数；

确定所述喜好分数大于分数阈值的当前菜品为所述用户喜好的菜品，得到包含所述用户喜好的菜品的菜品喜好信息；

所述基于所述时长信息及所述时间段计算当前菜品的喜好分数，包括：

获取所述时长信息对应时长分数及所述时间段对应时间段分数；其中，所述时长信息包含浏览当前菜品对应信息的持续时长或浏览当前菜品对应信息时观看部分占全部信息的比例，所述持续时长越长或所述比例越大，所述时长分数越高，所述时间段越接近用餐时间，所述时间段分数越高；

基于预先为所述时长信息及所述时间段设置的权重值，对所述时长分数及所述时间段分数进行加权求和，得到当前菜品的喜好分数。

2.根据权利要求1所述的方法，其特征在于，基于所述菜品喜好信息，向所述用户推荐相应的菜品所需各项食材，包括：

确定所述菜品喜好信息包含的所述用户喜好的每项菜品均为备选菜品，确定第一预设时间段内未制作过和/或第二预设时间段内未购买过相应食材的备选菜品为待推荐菜品，将所述待推荐菜品对应的食材推荐给所述用户；其中，所述第一预设时间段及所述第二预设时间段均是当前时刻之前距离当前时刻最近的时间段，且所述第一预设时间段小于所述第二预设时间段。

3.根据权利要求2所述的方法，其特征在于，确定所述喜好分数大于分数阈值的当前菜品为所述用户喜好的菜品之后，还包括：

对所述用户喜好的菜品进行归类，得到所述用户喜好的菜系，并将所述用户喜好的菜系加入至所述菜品喜好信息中。

4.根据权利要求3所述的方法，其特征在于，还包括：

如果所述备选菜品均为第一预设时间段内制作过和/或第二预设时间段内购买过相应食材的菜品，则确定所述菜品喜好信息包含的所述用户喜好的菜系中除所述备选菜品之外的其他菜品均为目标菜品，确定第一预设时间段内未制作过和/或第二预设时间段内未购买过相应食材的目标菜品为待推荐菜品，将所述待推荐菜品对应的食材推荐给所述用户。

5.根据权利要求4所述的方法，其特征在于，向所述用户推荐相应的菜品所需各项食材，包括：

将需要向所述用户推荐的菜品所需各项食材以列表的形式推荐给所述用户，以供所述用户基于该列表进行下单或者修改等。

6.根据权利要求5所述的方法，其特征在于，还包括：

向所述用户推荐相应的菜品所需各项食材的同时，将制作相应菜品的方法也推荐给所述用户。

7.一种商品推荐装置，其特征在于，包括：

获取模块，用于：获取用户历史上浏览菜品的菜品浏览信息；

判定模块，用于：基于所述用户的菜品浏览信息，判定所述用户的菜品喜好信息；

推荐模块，用于：基于所述菜品喜好信息，向所述用户推荐相应的菜品所需各项食材；

其中，所述装置还用于：确定所述菜品浏览信息中包含的每项菜品分别为当前菜品；获取所述用户浏览当前菜品对应信息的时长信息及所在的时间段，基于所述时长信息及所述时间段计算当前菜品的喜好分数；确定所述喜好分数大于分数阈值的当前菜品为所述用户喜好的菜品，得到包含所述用户喜好的菜品的菜品喜好信息；获取所述时长信息对应时长分数及所述时间段对应时间段分数；其中，所述时长信息包含浏览当前菜品对应信息的持续时长或浏览当前菜品对应信息时观看部分占全部信息的比例，所述持续时长越长或所述比例越大，所述时长分数越高，所述时间段越接近用餐时间，所述时间段分数越高；基于预先为所述时长信息及所述时间段设置的权重值，对所述时长分数及所述时间段分数进行加权求和，得到当前菜品的喜好分数。

8.一种商品推荐设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至6 任一项所述商品推荐方法的步骤。

Images