CN112417284A - 推送展示信息的方法和装置 - Google Patents
推送展示信息的方法和装置 Download PDFInfo
- Publication number
- CN112417284A CN112417284A CN202011320297.1A CN202011320297A CN112417284A CN 112417284 A CN112417284 A CN 112417284A CN 202011320297 A CN202011320297 A CN 202011320297A CN 112417284 A CN112417284 A CN 112417284A
- Authority
- CN
- China
- Prior art keywords
- target
- account
- sample
- display object
- class
- 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 54
- 238000000605 extraction Methods 0.000 claims abstract description 65
- 238000001514 detection method Methods 0.000 claims description 49
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000004883 computer application Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 18
- 239000013598 vector Substances 0.000 description 18
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 241000272525 Anas platyrhynchos Species 0.000 description 4
- 235000015278 beef Nutrition 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 235000013305 food Nutrition 0.000 description 3
- 235000021168 barbecue Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 235000020965 cold beverage Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000015219 food category Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Finance (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开了一种推送展示信息的方法和装置,属于计算机应用技术领域。所述方法包括:获取目标展示对象的属性信息;获取所述目标展示对象对应的多个待展示账户的历史操作信息;对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征;基于所述目标展示对象的第一特征和每个待展示账户的第二特征,在所述多个待展示账户中,确定与所述目标展示对象满足特征匹配条件的目标账户;向所述目标账户发送所述目标展示对象的展示信息。采用本申请,无需向不满足特征匹配条件的账户发送相应的展示信息,减少不必要的推送和展示,可以减少对页面展示位资源的占用。
Description
技术领域
本申请涉及计算机应用技术领域,特别涉及一种推送展示信息的方法和装置。
背景技术
随着互联网的迅速发展,网络外卖成为人们购物的一种常用方式。对于新商家的出现,应用程序平台会给予一定的流量让用户了解到新商家的信息以保证新商家和老商家之间的公平竞争。一般采用的方法是将新商家对所有满足预设距离条件的用户进行轮询展示,但是终端中应用程序的页面中展示位资源有限,采用这种展示方式,当新商家比较多的时候,对页面的展示位资源占用过大。
发明内容
本申请实施例提供了一种推送展示信息的方法,能够解决现有技术中对页面的展示位资源占用过大的问题。
第一方面,提供了一种推送展示信息的方法,所述方法包括:
获取目标展示对象的属性信息;
获取所述目标展示对象对应的多个待展示账户的历史操作信息;
对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征;
基于所述目标展示对象的第一特征和每个待展示账户的第二特征,在所述多个待展示账户中,确定与所述目标展示对象满足特征匹配条件的目标账户;
向所述目标账户发送所述目标展示对象的展示信息。
在一种可能的设计中,所述对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征,包括:
基于经过训练的匹配度检测模型中的对象特征提取模块,对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,基于所述匹配度检测模型中的账户特征提取模块,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征。
在一种可能的设计中,所述匹配度检测模型还包括匹配度计算模块,所述获取目标展示对象的属性信息之前,还包括:
基于初始的匹配度检测模型中的对象特征提取模块,对样本展示对象的样本属性信息进行特征提取,得到所述样本展示对象的第一样本特征,基于所述初始的匹配度检测模型中的账户特征提取模块,对样本账户的样本历史操作信息进行特征提取,得到所述样本账户的第二样本特征;
将所述第一样本特征和所述第二样本特征,输入所述初始的匹配度检测模型中的匹配度计算模块,得到实际输出匹配度;
基于所述实际输出匹配度和基准匹配度,对所述初始的匹配度检测模型进行训练。
在一种可能的设计中,所述基于初始的匹配度检测模型中的对象特征提取模块,对样本展示对象的样本属性信息进行特征提取,得到所述样本展示对象的第一样本特征之前,还包括:
获取样本展示对象的样本属性信息和样本账户的样本历史操作信息,其中,所述样本账户是已接收所述样本展示对象的展示信息的账户,所述样本历史操作信息是所述样本账户在接收所述展示信息之前的操作信息;
基于所述样本账户在接收所述展示信息之后对所述样本展示对象的操作信息,确定基准匹配度。
在一种可能的设计中,所述基于所述目标展示对象的第一特征和每个待展示账户的第二特征,在所述多个待展示账户中,确定与所述目标展示对象满足特征匹配条件的目标账户,包括:
对多个待展示账户的第二特征,进行聚类处理,得到多个类以及每个类对应的第三特征;
确定与所述第一特征相似度最高的预设数目个第三特征;
确定所述预设数目个第三特征对应的第一目标类;
将每个第一目标类中的第二特征对应的待展示账户,确定为目标账户。
在一种可能的设计中,所述向所述目标账户发送所述目标展示对象的展示信息之后,还包括:
确定每个目标账户对所述目标展示对象的操作信息;
基于每个第一目标类对应的目标账户的操作信息,确定每个第一目标类对所述目标展示对象的操作统计参数;
将对应的操作统计参数大于参数阈值的第一目标类,确定为参考类;
确定第二目标类,其中,所述第二目标类对应的第三特征与所述参考类的第三特征的相似度大于相似度阈值;
向所述第二目标类对应的账户发送所述目标展示对象的展示信息。
在一种可能的设计中,所述操作统计参数包括点击率和转化率,所述将对应的操作统计参数大于参数阈值的第一目标类,确定为参考类,包括:
将对应的点击率大于点击率阈值或对应的转化率大于转化率阈值的第一目标类,确定为参考类。
第二方面,提供一种推送展示信息的装置,所述装置包括:
获取单元,用于获取目标展示对象的属性信息,获取所述目标展示对象对应的多个待展示账户的历史操作信息;
提取单元,用于对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征;
确定单元,用于基于所述目标展示对象的第一特征和每个待展示账户的第二特征,在所述多个待展示账户中,确定与所述目标展示对象满足特征匹配条件的目标账户;
展示单元,用于向所述目标账户发送所述目标展示对象的展示信息。
在一种可能的设计中,所述提取单元,用于:
基于经过训练的匹配度检测模型中的对象特征提取模块,对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,基于所述匹配度检测模型中的账户特征提取模块,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征。
在一种可能的设计中,所述匹配度检测模型还包括匹配度计算模块,所述装置还包括训练单元,用于:
基于初始的匹配度检测模型中的对象特征提取模块,对样本展示对象的样本属性信息进行特征提取,得到所述样本展示对象的第一样本特征,基于所述初始的匹配度检测模型中的账户特征提取模块,对样本账户的样本历史操作信息进行特征提取,得到所述样本账户的第二样本特征;
将所述第一样本特征和所述第二样本特征,输入所述初始的匹配度检测模型中的匹配度计算模块,得到实际输出匹配度;
基于所述实际输出匹配度和基准匹配度,对所述初始的匹配度检测模型进行训练。
在一种可能的设计中,所述装置还包括样本获取单元,用于:
获取样本展示对象的样本属性信息和样本账户的样本历史操作信息,其中,所述样本账户是已接收所述样本展示对象的展示信息的账户,所述样本历史操作信息是所述样本账户在接收所述展示信息之前的操作信息;
基于所述样本账户在接收所述展示信息之后对所述样本展示对象的操作信息,确定基准匹配度。
在一种可能的设计中,所述确定单元,用于:
对多个待展示账户的第二特征,进行聚类处理,得到多个类以及每个类对应的第三特征;
确定与所述第一特征相似度最高的预设数目个第三特征;
确定所述预设数目个第三特征对应的第一目标类;
将每个第一目标类中的第二特征对应的待展示账户,确定为目标账户。
在一种可能的设计中,所述确定单元,还用于:
确定每个目标账户对所述目标展示对象的操作信息;
基于每个第一目标类对应的目标账户的操作信息,确定每个第一目标类对所述目标展示对象的操作统计参数;
将对应的操作统计参数大于参数阈值的第一目标类,确定为参考类;
确定第二目标类,其中,所述第二目标类对应的第三特征与所述参考类的第三特征的相似度大于相似度阈值;
所述展示单元,还用于向所述第二目标类对应的账户发送所述目标展示对象的展示信息。
在一种可能的设计中,所述操作统计参数包括点击率和转化率,所述确定单元,用于:
将对应的点击率大于点击率阈值或对应的转化率大于转化率阈值的第一目标类,确定为参考类。
第三方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,存储器中存储有至少一条指令,指令由处理器加载并执行以实现推送展示信息的方法所执行的操作。
第四方面,提供了一种计算机可读存储介质,存储介质中存储有至少一条指令,指令由处理器加载并执行以实现推送展示信息的方法所执行的操作。
本申请实施例提供的技术方案带来的有益效果是:本申请实施例中提到的方案,可以基于目标展示对象的属性信息和目标展示对象对应的多个待展示账户的历史操作信息,得到目标展示对象的第一特征和每个待展示账户的第二特征,然后基于第一特征和第二特征,确定出与目标展示对象满足特征匹配条件的目标账户,然后向目标账户发送目标展示对象的展示信息。这样,无需向不满足特征匹配条件的账户发送相应的展示信息,减少不必要的推送和展示,可以减少对页面展示位资源的占用。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种推送展示信息的方法的流程图;
图2是本申请实施例提供的一种匹配度检测模型的结构示意图;
图3是本申请实施例提供的一种推送展示信息的方法的执行过程示意图;
图4是本申请实施例提供的一种推送展示信息的方法的执行过程示意图;
图5是本申请实施例提供的一种对初始的匹配度检测模型进行训练的方法流程图;
图6是本申请实施例提供的一种推送展示信息的装置的结构示意图;
图7是本申请实施例提供的一种服务器的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例提供了一种信息展示的方法,该方法可以由服务器实现,该服务器可以是单个服务器或者也可以是多个服务器组成的服务器集群。
服务器可以是某个需要进行推送展示信息的应用程序或者网站的后台服务器,例如,购物应用程序、餐饮应用程序、外卖应用程序或综合应用程序。服务器可以包括处理器、存储器、通信部件等。处理器可以用于读取指令和对数据进行处理,例如,获取目标展示对象和待展示账户的相应数据、进行特征提取过程的处理、向目标账户发送展示信息,等等。存储器可以用于数据存储,例如,获取到的用于确定目标账户的数据、预先存储的展示信息的数据、在确定目标账户的处理过程中生成的中间数据,等等。通信部件可以用于接收和发送信号,例如,接收目标账户的展示信息的请求、向目标账户发送目标展示对象的展示信息,等等。
图1是本申请实施例提供的一种推送展示信息的方法的流程图。参见图1,该实施例包括:
101、获取目标展示对象的属性信息。
其中,目标展示对象是应用程序的平台上新注册的新商家,目标展示对象的属性信息可以是商家的品类和商品等。本方法涉及的商家可以是外卖类商家也可以是非外卖类商家,可以是餐饮类商家、服装类商家、休闲娱乐类商家等。本申请实施例以商家为外卖类商家且为餐饮类商家为例进行详细说明,其它情况与之类似,不再赘述。相应的,品类可以为餐饮品类,如火锅、烤鸭、东北菜、烧烤、冷饮等,商品可以为菜品,如火锅店的商品可以包括锅底、肥牛、肥羊、香菇等等,烤鸭店的商品可以包括烤鸭、鸭架、面饼等等。目标展示对象的商品可以是目标展示对象的所有商品,也可以是目标展示对象的主打商品,例如,火锅店商家除了售卖锅底、肥牛等火锅食材,还可能售卖雪碧、可乐等饮料,其中,锅底、肥牛等火锅食材即为主打商品,雪碧、可乐等为非主打商品。需要说明的是,对于一个商家,可能全部商品均为主打商品,也可能部分商品为主打商品。
在实施中,技术人员可以预先设置周期时长,周期性的获取应用程序中新注册的商家,即目标展示对象。然后可以获取该商家的属性信息,用于后续处理。
102、获取目标展示对象对应的多个待展示账户的历史操作信息。
其中,待展示账户是需要向其推送目标展示对象的展示信息的账户。历史操作信息是最近一段时间内的待展示账户在应用程序中的操作信息,经过统计之后所得到的,待展示账户这段时间内对各个品类的商家和其中商品的点击和购买的相关统计数据。历史操作信息可以是待展示账户在最近一段时间内的,对不同品类的商家的总点击次数和总购买次数,和对不同商品的总点击次数和总购买次数。例如,历史操作信息包括:对火锅品类的商家总点击次数为10、总购买次数为4,对烧烤品类的商家总点击次数为15、总购买次数为7,等等,对肥牛的总点击次数为14、总购买次数为3,等等。
在实施中,可以先在大量的账户中进行初步筛选,确定多个待展示账户。
技术人员可以预先设置距离阈值。当有商家需要展示时,获取各账户当前登录的终端所在的位置,根据商家的位置,确定出与商家的位置距离小于距离阈值的账户,确定为待展示账户。然后获取这些待展示账户的历史操作信息。
另外,还可以对经过上述根据商家位置和距离阈值进行筛选之后得到的账户,再进行进一步的筛选,得到待展示账户。
技术人员可以预设第一阈值和第二阈值。在筛选出与商家的位置距离小于距离阈值的账户后,获取这些账户的一段预设时长的历史操作信息,根据历史操作信息中的对不同品类的商家的总点击数量和总购买数量进行筛选。然后,可以确定出对与目标展示对象同品类的其他商家的总点击次数大于第一阈值,或者对与目标展示对象同品类的其他商家的总购买次数大于第二阈值的账户,作为待展示账户。
确定了待展示账户之后,获取这些待展示账户的最近的一段预设时长的历史操作信息。
103、对属性信息进行特征提取,得到目标展示对象的第一特征,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征。
在实施中,分别对目标展示对象的属性信息和每个待展示账户的历史操作信息进行特征提取。可以根据属性信息中的品类和商品,和历史操作信息中的品类和商品的偏好信息进行特征提取,得到目标展示对象的第一特征和待展示账户的第二特征。第一特征和第二特征可以是向量,也可以是矩阵等数据。
可选的,对目标展示对象和每个待展示账户进行特征提取的方法可以有多种,接下来以机器学习模型进行特征提取得到特征向量为例进行说明,相应的处理过程如下:
基于经过训练的匹配度检测模型中的对象特征提取模块,对属性信息进行特征提取,得到目标展示对象的第一特征,基于匹配度检测模型中的账户特征提取模块,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征。
在实施中,如图2所示,匹配度检测模型可以包括对象特征提取模块和账户特征提取模块,还可以包括匹配度计算模块。匹配度计算模块可以用于计算特征提取到的两个向量之间的相似度,即目标展示对象和待展示账户之间的匹配度,但是在此步骤可以不运用匹配度计算模块,在对初始的匹配度检测模型进行训练时才会运用到此模块。技术人员可以预先对匹配度检测模型进行训练,然后将目标展示对象的属性信息和待展示账户的历史操作信息作为输入数据,输入到匹配度检测模型中,模型中的对象特征提取模块对目标展示对象的属性信息进行特征提取,输出可以代表目标展示对象品类和商品的向量,即为第一特征,模型中的账户特征提取模块对待展示账户的历史操作信息进行特征提取,输出可以代表该账户用户的品类和商品的偏好的向量,即为第二特征。可以理解的是,因为这里并不需要运用的匹配度计算模块,所以得到的第一特征和第二特征是匹配度检测模型的中间输出数据。
104、基于目标展示对象的第一特征和每个待展示账户的第二特征,在多个待展示账户中,确定与目标展示对象满足特征匹配条件的目标账户。
在实施中,基于目标展示对象的第一特征和每个待展示账户的第二特征,可以有多种方式来确定目标账户。例如,技术人员可以预先设置目标展示对象和待展示账户的第一相似度阈值,特征匹配条件则可以是目标展示对象的第一特征和待展示账户的第二特征之间的相似度要大于或等于预先设置的第一相似度阈值。在得到了目标展示对象的第一特征和每个待展示账户的第二特征之后,可以计算出第一特征和每个第二特征之间的相似度,然后将相似度大于预先设置的第一相似度阈值的账户,确定为目标账户。
可选的,还可以通过聚类的方式将待展示账户进行分类,然后再进行筛选,相应的处理过程如下:
对多个待展示账户的第二特征,进行聚类处理,得到多个类以及每个类对应的第三特征;确定与第一特征相似度最高的预设数目个第三特征;确定预设数目个第三特征对应的第一目标类;将每个第一目标类中的第二特征对应的待展示账户,确定为目标账户。
在实施中,得到了第一特征和第二特征之后,技术人员可以设置聚类的数目,对待展示账户的第二特征进行聚类处理,将第二特征分为多个类,每个类都包含多个相应的待展示账户对应的第二特征。然后可以根据每个类中的待展示账户对应的第二特征,计算出可以代表该类的特征,即为第三特征。然后计算每个第三特征和目标展示对象的第一特征之间的相似度,根据相似度数值大小进行排序,将相似度最高的预设数目个第三特征对应的类,确定为第一目标类。将第一目标类中的所有第二特征对应的待展示账户,确定为目标账户。
以第一特征和第二特征是向量为例,对上述步骤进行进一步的解释,处理过程如下:
在得到了目标展示对象的向量和每个待展示账户的向量之后,将每个待展示账户的向量进行聚类处理,这里设置为得到a个类,根据类包含的待展示账户的向量,计算类对应的的向量,可以将待展示账户的平均向量作为类对应的向量:
由上述公式可以计算出每个类对应的向量,然后计算出每个类对应的向量分别和目标展示对象的向量之间的相似度,将相似度最高的预设数目个类,确定为第一目标类。这里可以选取相似度最高的b(b小于等于a)个类作为第一目标类,这b个第一目标类对应的待展示账户,则作为目标账户。
例如,如图3所示,技术人员可以预设两个相似度最高的类为第一目标类,基于第二特征进行聚类处理后,可以得到多个类,然后计算出每个类对应的第三特征,计算第三特征和第一特征之间的相似度,然后将相似度最高的两个类确定为第一目标类,即图3中的类1和类2。将类1和类2对应的待展示账户,确定为目标账户。
105、向目标账户发送目标展示对象的展示信息。
其中,展示信息是目标展示对象的图标、名称、与用户当前的距离和月销量等信息。
在实施中,确定出目标账户后,可以立即向目标账户登录的终端发送目标展示对象的展示信息,也可以在目标账户对应的用户,点击该应用程序的图标来运行该应用程序时,或者该用户在应用程序的相应页面刷新时,再向该目标账户发送目标展示对象的展示信息。
在向目标账户发送了目标展示对象的展示信息之后,即将新商家推送给了对其品类或者商品感兴趣的用户,使得更多的人了解新商家。在用户的终端接收到目标展示对象的展示信息之后,用户可以在外卖列表内看到该目标展示对象的展示信息,即可以看到商家的图标、名称、与用户当前的距离和月销量等信息。用户可以对推送的商家进行一系列的操作,可以浏览商家的页面,也可以购买其中的商品,终端将用户的操作信息发送给服务器,服务器可以将这些信息进行存储或统计,用于后续其他处理。
可选的,上述方法已经是对账户进行了筛选确定出了目标账户,才将目标展示对象的展示信息进行推送,但还可以更进一步的对目标账户进行扩展,获取到更多可能对目标展示对象感兴趣的账户。相应的,可以在向目标账户发送目标展示对象的展示信息之后,再进行如下处理:
确定每个目标账户对目标展示对象的操作信息;基于每个第一目标类对应的目标账户的操作信息,确定每个第一目标类对目标展示对象的操作统计参数;将对应的操作统计参数大于参数阈值的第一目标类,确定为参考类;确定第二目标类,其中,第二目标类对应的第三特征与参考类的第三特征的相似度大于相似度阈值;向第二目标类对应的账户发送目标展示对象的展示信息。
其中,操作信息是指将目标展示对象的展示信息发送给目标账户之后,目标账户对目标展示对象进行的点击操作和购买操作等操作信息。操作统计参数可以包括点击率和转化率,则相应的,可以将第一目标类中,点击率大于点击率阈值或将对应的点击率大于点击率阈值或对应的转化率大于转化率阈值的第一目标类,确定为参考类。例如,技术人员可以预先设置点击率阈值为0.1,转化率阈值为0.05,则将第一目标类中,点击率大于0.1的类和转化率大于0.05的类,都确定为参考类。
在实施中,向每个目标账户发送了目标展示对象的展示信息之后,可以获取每个目标账户在接收到展示信息之后预设时长内的、对目标展示对象的操作信息,然后对操作信息进行统计,确定出每个第一目标类对目标展示对象的操作统计参数。技术人员可以预先设置参数阈值,将操作统计参数大于参数阈值的第一目标类,确定为参考类。然后可以将进行聚类处理后,除第一目标类之外的类,确定为第二候选目标类。可以计算出第二候选目标类的第三特征与参考类的第三特征之间的相似度。技术人员可以预先设置相似度阈值,然后将第二候选目标类中第三特征与参考类的第三特征之间的相似度大于相似度阈值的第二候选目标类,确定为第二目标类。参考类是在多个第一目标类中筛选出的对目标展示对象进行了点击或者购买等操作,甚至可能操作比较频繁的类,这些类对应的账户用户是表现出对目标展示对象很感兴趣的用户。第二目标类与参考类的相似度大于相似度阈值,则第二目标类中的账户对应的用户,有很大的可能对于目标展示对象也是感兴趣的人群。然后可以向第二目标类对应的账户发送目标展示对象的展示信息,即向第二目标类对应的账户推送目标展示对象,让该账户的用户可以对该目标展示对象进行了解或者相应的操作。
之后还可以对第二目标类再进行扩展,可以将聚类处理后,除第一目标类和第二目标类的类,确定为第三候选目标类,然后在对第二目标类对应的账户发送了目标展示对象的展示信息之后,将第二目标类的对目标展示对象的预设时长的操作信息进行统计,其中操作统计参数大于参数阈值的第二目标类,确定为参考类。计算参考类的第三特征和第三候选目标类的第三特征之间的相似度,将相似度大于相似度阈值的第三候选目标类,确定为第三目标类,然后向第三目标类发送目标展示对象的展示信息。之后再确定出第四候选目标类,然后根据第三目标类对目标展示对象的操作信息,确定出第四目标类,以此类推,直到没有新的目标类出现,则停止试探。
例如,如图4所示,确定了第一目标类(即类1和类2)之后,向类1和类2对应的目标账户发送了展示信息之后,可以获取每个目标账户在接收到展示信息之后预设时长内的、对目标展示对象的操作信息,然后对操作信息进行统计,确定出每个第一目标类对目标展示对象的操作统计参数。技术人员可以预先设置参数阈值,将操作统计参数大于参数阈值的第一目标类,确定为参考类。图4中的类1的操作统计参数小于参数阈值,类2的操作统计参数大于参数阈值,所以将类2确定为参考类,将除了类1和类2之外的类确定为第二候选目标类。可以计算出第二候选目标类的第三特征与类2的第三特征之间的相似度。技术人员可以预先设置相似度阈值为0.6,然后将第二候选目标类中第三特征与参考类的第三特征之间的相似度大于0.6的第二候选目标类,确定为第二目标类,即图4中的类3、类4和类5。然后向类3、类4和类5对应的账户发送展示信息。然后获取每个账户在接收到展示信息之后预设时长内的、对目标展示对象的操作信息,计算出类3、类4和类5的操作统计参数,将其中操作统计参数大于参数阈值的类4和类5,确定为参考类,将除了类1、类2、类3、类4和类5之外的类确定为第三候选目标类。然后计算第三候选目标类对应的第三特征与参考类的第二特征之间的相似度,将相似度大于0.6的类6、类7、类8和类9确定为第三目标类,然后向类6、类7、类8和类9对应的账户发送展示信息。然后获取每个账户在接收到展示信息之后预设时长内的、对目标展示对象的操作信息,计算出然后获取每个账户在接收到展示信息之后预设时长内的、对目标展示对象的操作信息,计算出类6、类7、类8和类9的操作统计参数,此时,类6、类7、类8和类9的操作统计参数都小于参数阈值,则停止试探。
对于上述最后一轮试探,还存在另一种可能的情况,当类6和类7的操作统计参数都小于参数阈值,类8和类9的操作统计参数都大于参数阈值时,将类8和类9确定为参考类,将除了类1、类2、类3、类4、类5、类6、类7、类8和类9之外的类确定为第四候选目标类。然后计算第四候选目标类对应的第三特征与参考类的第二特征之间的相似度,此时,计算出的相似度全部小于0.6,则停止试探。
在上述方法进行特征提取时,可以使用训练完成的匹配度检测模型进行特征提取,下面以图5为例,对匹配度检测模型的训练过程进行的说明:
501、获取样本展示对象的样本属性信息和样本账户的样本历史操作信息。
其中,样本账户是已接收样本展示对象的展示信息的账户,样本历史操作信息是样本账户在接收展示信息之前,一段时间内的样本账户对商家的操作信息,再经过统计之后所得到的,样本账户这段时间内对各个品类的商家和其中商品的点击和购买的相关统计数据。
在实施中,可以获取向用户账户发送过展示信息的展示对象,作为样本展示对象,然后根据该样本展示对象,获取接收过其展示信息的账户,作为样本账户。获取该样本展示对象的样本属性信息,例如,品类或者商品等。同样也要获取样本账户在接收到展示信息之前的,一定预设时间的历史操作信息,作为样本历史操作信息,该样本历史操作信息中包含了样本账户在预设时间内,对于各个品类商家的进行的点击或者购买商品等操作信息,例如,可以获取样本账户,在接收该样本展示对象的展示信息之前的一个月内的历史操作信息,作为样本历史操作信息。
502、基于样本账户在接收展示信息之后对样本展示对象的操作信息,确定基准匹配度。
在实施中,可以获取样本账户,在接收了展示信息之后,对样本展示对象的操作信息,来确定基准匹配度。例如,可以根据样本账户在接受了该样本展示对象的展示信息之后,是否购买了该样本展示对象中的商品,来确定基准匹配度。若样本账户购买了该样本展示对象的商品,则基准匹配度设置为1;若样本账户没有购买该样本展示对象的商品,则基准匹配度设置为0。
503、基于初始的匹配度检测模型中的对象特征提取模块,对样本展示对象的样本属性信息进行特征提取,得到样本展示对象的第一样本特征,基于初始的匹配度检测模型中的账户特征提取模块,对样本账户的样本历史操作信息进行特征提取,得到样本账户的第二样本特征。
在实施中,匹配度检测模型包括对象特征提取模块和账户特征提取模块,然后将样本展示对象的样本属性信息和样本账户的样本历史操作信息输入到初始的匹配度检测模型中,对象特征提取模块对样本展示对象的样本属性信息进行特征提取,账户特征提取模块对样本账户的样本历史操作信息进行特征提取,两个模块输出样本展示对象的第一样本特征和样本账户的第二样本特征。
504、将第一样本特征和第二样本特征,输入初始的匹配度检测模型中的匹配度计算模块,得到实际输出匹配度。
在实施中,匹配度检测模型中还包括匹配度计算模块,将样本展示对象的第一样本特征和样本账户的第二样本特征输入到匹配度计算模块中,则会输出实际输出匹配度。
505、基于实际输出匹配度和基准匹配度,对初始的匹配度检测模型进行训练。
在实施中,在得到实际输出匹配度之后,将其与预先获取到的基准匹配度输入到训练函数中,得到匹配度检测模型中待调整的参数的调整值,基于调整值对匹配度检测模型的参数进行调整,就可以得到训练过的匹配度检测模型。
多次重复上述501-505的训练处理过程,对匹配度检测模型进行参数调整,直到实际输出匹配度与对应的基准匹配度基本一致,就可以得到经过训练的匹配度检测模型。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
本申请实施例中提到的方案,可以基于目标展示对象的属性信息和目标展示对象对应的多个待展示账户的历史操作信息,得到目标展示对象的第一特征和每个待展示账户的第二特征,然后基于第一特征和第二特征,确定出与目标展示对象满足特征匹配条件的目标账户,然后向目标账户发送目标展示对象的展示信息。这样,无需向不满足特征匹配条件的账户发送相应的展示信息,减少不必要的推送和展示,可以减少对页面展示位资源的占用。
本申请实施例提供了一种推送展示信息的装置,该装置可以是上述实施例中的计算机设备,如图6所示,所述装置包括:
获取单元610,用于获取目标展示对象的属性信息,获取所述目标展示对象对应的多个待展示账户的历史操作信息;
提取单元620,用于对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征;
确定单元630,用于基于所述目标展示对象的第一特征和每个待展示账户的第二特征,在所述多个待展示账户中,确定与所述目标展示对象满足特征匹配条件的目标账户;
展示单元640,用于向所述目标账户发送所述目标展示对象的展示信息。
在一种可能的设计中,所述提取单元620,用于:
基于经过训练的匹配度检测模型中的对象特征提取模块,对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,基于所述匹配度检测模型中的账户特征提取模块,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征。
在一种可能的设计中,所述匹配度检测模型还包括匹配度计算模块,所述装置还包括训练单元,用于:
基于初始的匹配度检测模型中的对象特征提取模块,对样本展示对象的样本属性信息进行特征提取,得到所述样本展示对象的第一样本特征,基于所述初始的匹配度检测模型中的账户特征提取模块,对样本账户的样本历史操作信息进行特征提取,得到所述样本账户的第二样本特征;
将所述第一样本特征和所述第二样本特征,输入所述初始的匹配度检测模型中的匹配度计算模块,得到实际输出匹配度;
基于所述实际输出匹配度和基准匹配度,对所述初始的匹配度检测模型进行训练。
在一种可能的设计中,所述装置还包括样本获取单元,用于:
获取样本展示对象的样本属性信息和样本账户的样本历史操作信息,其中,所述样本账户是已接收所述样本展示对象的展示信息的账户,所述样本历史操作信息是所述样本账户在接收所述展示信息之前的操作信息;
基于所述样本账户在接收所述展示信息之后对所述样本展示对象的操作信息,确定基准匹配度。
在一种可能的设计中,所述确定单元630,用于:
对多个待展示账户的第二特征,进行聚类处理,得到多个类以及每个类对应的第三特征;
确定与所述第一特征相似度最高的预设数目个第三特征;
确定所述预设数目个第三特征对应的第一目标类;
将每个第一目标类中的第二特征对应的待展示账户,确定为目标账户。
在一种可能的设计中,所述确定单元630,还用于:
确定每个目标账户对所述目标展示对象的操作信息;
基于每个第一目标类对应的目标账户的操作信息,确定每个第一目标类对所述目标展示对象的操作统计参数;
将对应的操作统计参数大于参数阈值的第一目标类,确定为参考类;
确定第二目标类,其中,所述第二目标类对应的第三特征与所述参考类的第三特征的相似度大于相似度阈值;
所述展示单元640,还用于向所述第二目标类对应的账户发送所述目标展示对象的展示信息。
在一种可能的设计中,所述操作统计参数包括点击率和转化率,所述确定单元630,用于:
将对应的点击率大于点击率阈值或对应的转化率大于转化率阈值的第一目标类,确定为参考类。
本申请实施例提供的技术方案带来的有益效果是:本申请实施例中提到的方案,可以基于目标展示对象的属性信息和目标展示对象对应的多个待展示账户的历史操作信息,得到目标展示对象的第一特征和每个待展示账户的第二特征,然后基于第一特征和第二特征,确定出与目标展示对象满足特征匹配条件的目标账户,然后向目标账户发送目标展示对象的展示信息。这样,无需向不满足特征匹配条件的账户发送相应的展示信息,减少不必要的推送和展示,可以减少对页面展示位资源的占用。
需要说明的是:上述实施例提供的推送展示信息的装置在推送展示信息时,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,即将装置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,上述实施例提供的推送展示信息的装置与推送展示信息的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是本申请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,所述存储器702中存储有至少一条指令,所述至少一条指令由所述处理器701加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器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,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述实施例中推送展示信息的方法。该计算机可读存储介质可以是非暂态的。例如,所述计算机可读存储介质可以是ROM(Read-OnlyMemory,只读存储器)、RAM(Random Access Memory,随机存取存储器)、CD-ROM、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,所述的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。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种推送展示信息的方法,其特征在于,所述方法包括:
获取目标展示对象的属性信息;
获取所述目标展示对象对应的多个待展示账户的历史操作信息;
对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征;
基于所述目标展示对象的第一特征和每个待展示账户的第二特征,在所述多个待展示账户中,确定与所述目标展示对象满足特征匹配条件的目标账户;
向所述目标账户发送所述目标展示对象的展示信息。
2.根据权利要求1所述的方法,其特征在于,所述对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征,包括:
基于经过训练的匹配度检测模型中的对象特征提取模块,对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,基于所述匹配度检测模型中的账户特征提取模块,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征。
3.根据权利要求2所述的方法,其特征在于,所述匹配度检测模型还包括匹配度计算模块,所述获取目标展示对象的属性信息之前,还包括:
基于初始的匹配度检测模型中的对象特征提取模块,对样本展示对象的样本属性信息进行特征提取,得到所述样本展示对象的第一样本特征,基于所述初始的匹配度检测模型中的账户特征提取模块,对样本账户的样本历史操作信息进行特征提取,得到所述样本账户的第二样本特征;
将所述第一样本特征和所述第二样本特征,输入所述初始的匹配度检测模型中的匹配度计算模块,得到实际输出匹配度;
基于所述实际输出匹配度和基准匹配度,对所述初始的匹配度检测模型进行训练。
4.根据权利要求3所述的方法,其特征在于,所述基于初始的匹配度检测模型中的对象特征提取模块,对样本展示对象的样本属性信息进行特征提取,得到所述样本展示对象的第一样本特征之前,还包括:
获取样本展示对象的样本属性信息和样本账户的样本历史操作信息,其中,所述样本账户是已接收所述样本展示对象的展示信息的账户,所述样本历史操作信息是所述样本账户在接收所述展示信息之前的操作信息;
基于所述样本账户在接收所述展示信息之后对所述样本展示对象的操作信息,确定基准匹配度。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述基于所述目标展示对象的第一特征和每个待展示账户的第二特征,在所述多个待展示账户中,确定与所述目标展示对象满足特征匹配条件的目标账户,包括:
对多个待展示账户的第二特征,进行聚类处理,得到多个类以及每个类对应的第三特征;
确定与所述第一特征相似度最高的预设数目个第三特征;
确定所述预设数目个第三特征对应的第一目标类;
将每个第一目标类中的第二特征对应的待展示账户,确定为目标账户。
6.根据权利要求5所述的方法,其特征在于,所述向所述目标账户发送所述目标展示对象的展示信息之后,还包括:
确定每个目标账户对所述目标展示对象的操作信息;
基于每个第一目标类对应的目标账户的操作信息,确定每个第一目标类对所述目标展示对象的操作统计参数;
将对应的操作统计参数大于参数阈值的第一目标类,确定为参考类;
确定第二目标类,其中,所述第二目标类对应的第三特征与所述参考类的第三特征的相似度大于相似度阈值;
向所述第二目标类对应的账户发送所述目标展示对象的展示信息。
7.根据权利要求6所述的方法,其特征在于,所述操作统计参数包括点击率和转化率,所述将对应的操作统计参数大于参数阈值的第一目标类,确定为参考类,包括:
将对应的点击率大于点击率阈值或对应的转化率大于转化率阈值的第一目标类,确定为参考类。
8.一种推送展示信息的装置,其特征在于,所述装置包括:
获取单元,用于获取目标展示对象的属性信息,获取所述目标展示对象对应的多个待展示账户的历史操作信息;
提取单元,用于对所述属性信息进行特征提取,得到所述目标展示对象的第一特征,分别对每个待展示账户的历史操作信息进行特征提取,得到每个待展示账户的第二特征;
确定单元,用于基于所述目标展示对象的第一特征和每个待展示账户的第二特征,在所述多个待展示账户中,确定与所述目标展示对象满足特征匹配条件的目标账户;
展示单元,用于向所述目标账户发送所述目标展示对象的展示信息。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由所述处理器加载并执行以实现如权利要求1至权利要求7任一项所述的推送展示信息的方法所执行的操作。
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任一项所述的推送展示信息的方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011320297.1A CN112417284A (zh) | 2020-11-23 | 2020-11-23 | 推送展示信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011320297.1A CN112417284A (zh) | 2020-11-23 | 2020-11-23 | 推送展示信息的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112417284A true CN112417284A (zh) | 2021-02-26 |
Family
ID=74778326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011320297.1A Pending CN112417284A (zh) | 2020-11-23 | 2020-11-23 | 推送展示信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112417284A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269262A (zh) * | 2021-06-02 | 2021-08-17 | 腾讯音乐娱乐科技(深圳)有限公司 | 训练匹配度检测模型的方法、设备和存储介质 |
CN113656094A (zh) * | 2021-08-03 | 2021-11-16 | 北京数码大方科技股份有限公司 | 属性信息的处理方法和装置 |
CN113778547A (zh) * | 2021-07-30 | 2021-12-10 | 北京达佳互联信息技术有限公司 | 对象的处理方法、装置、计算机程序产品及处理器 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992348A (zh) * | 2015-06-24 | 2015-10-21 | 深圳市腾讯计算机系统有限公司 | 一种信息展示的方法和装置 |
CN105787061A (zh) * | 2016-02-29 | 2016-07-20 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 信息推送方法 |
CN109995847A (zh) * | 2019-02-15 | 2019-07-09 | 平安科技(深圳)有限公司 | 基于用户群组的消息推送方法、装置及计算机设备 |
CN110110210A (zh) * | 2018-01-22 | 2019-08-09 | 腾讯科技(北京)有限公司 | 推送展示信息的方法和装置 |
-
2020
- 2020-11-23 CN CN202011320297.1A patent/CN112417284A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992348A (zh) * | 2015-06-24 | 2015-10-21 | 深圳市腾讯计算机系统有限公司 | 一种信息展示的方法和装置 |
CN105787061A (zh) * | 2016-02-29 | 2016-07-20 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 信息推送方法 |
CN110110210A (zh) * | 2018-01-22 | 2019-08-09 | 腾讯科技(北京)有限公司 | 推送展示信息的方法和装置 |
CN109995847A (zh) * | 2019-02-15 | 2019-07-09 | 平安科技(深圳)有限公司 | 基于用户群组的消息推送方法、装置及计算机设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269262A (zh) * | 2021-06-02 | 2021-08-17 | 腾讯音乐娱乐科技(深圳)有限公司 | 训练匹配度检测模型的方法、设备和存储介质 |
CN113778547A (zh) * | 2021-07-30 | 2021-12-10 | 北京达佳互联信息技术有限公司 | 对象的处理方法、装置、计算机程序产品及处理器 |
CN113778547B (zh) * | 2021-07-30 | 2024-02-06 | 北京达佳互联信息技术有限公司 | 对象的处理方法、装置、计算机程序产品及处理器 |
CN113656094A (zh) * | 2021-08-03 | 2021-11-16 | 北京数码大方科技股份有限公司 | 属性信息的处理方法和装置 |
CN113656094B (zh) * | 2021-08-03 | 2023-12-12 | 北京数码大方科技股份有限公司 | 属性信息的处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11574139B2 (en) | Information pushing method, storage medium and server | |
CN112417284A (zh) | 推送展示信息的方法和装置 | |
CN112015998B (zh) | 一种基于用户画像的商品推荐方法 | |
CN110580649A (zh) | 一种商品潜力值的确定方法和装置 | |
CN108648038B (zh) | 一种基于子图挖掘的信用炒作与恶意评价识别方法 | |
CN107092647B (zh) | 一种提供资源组合的方法及装置 | |
CN109214955B (zh) | 餐品套餐的生成方法及装置 | |
CN108470261B (zh) | 一种下单方法及装置 | |
CN110727859B (zh) | 一种推荐信息推送方法及其装置 | |
CN110750697B (zh) | 商户分类方法、装置、设备及存储介质 | |
CN111028048A (zh) | 资源信息的推送方法及客户端、服务端 | |
CN108460133B (zh) | 利用移动终端进行导购的方法及导购装置 | |
CN116739836B (zh) | 一种基于知识图谱的餐饮数据分析方法及系统 | |
CN110968670B (zh) | 一种流行商品的属性获取方法、装置、设备及存储介质 | |
CN110020891B (zh) | 用户评价信息的处理方法及装置 | |
CN112381568A (zh) | 目标人群圈选方法、目标人群圈选模型构建方法、装置 | |
CN110264219B (zh) | 一种基于大数据的客户监测分析系统 | |
CN116934372A (zh) | 一种门店运营客户数据管理方法和系统 | |
CN111523982A (zh) | 商品信息推荐方法、装置、服务器及存储介质 | |
CN113625916B (zh) | 一种用于互动并具数据采集传输的娱乐装置 | |
CN111209925A (zh) | 性别预测方法、装置和计算机可读存储介质 | |
KR102442988B1 (ko) | Cnn 학습 방식을 이용한 사용자 경험 기반 취향관계망 생성 시스템 | |
CN111626765B (zh) | 资源配置方法及装置、存储介质、计算机设备 | |
CN111193598B (zh) | 一种群聊会话推荐方法及装置 | |
CN110738482A (zh) | 一种基于混合现实的区块链支付方法及其系统 |
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 |