CN113052664B - 一种服务信息召回方法、装置、电子设备及存储介质 - Google Patents

一种服务信息召回方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113052664B
CN113052664B CN202110458409.8A CN202110458409A CN113052664B CN 113052664 B CN113052664 B CN 113052664B CN 202110458409 A CN202110458409 A CN 202110458409A CN 113052664 B CN113052664 B CN 113052664B
Authority
CN
China
Prior art keywords
information
historical
service information
user
target
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.)
Active
Application number
CN202110458409.8A
Other languages
English (en)
Other versions
CN113052664A (zh
Inventor
王梦雅
高理强
黄健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koubei Shanghai Information Technology Co Ltd
Original Assignee
Koubei Shanghai Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koubei Shanghai Information Technology Co Ltd filed Critical Koubei Shanghai Information Technology Co Ltd
Priority to CN202110458409.8A priority Critical patent/CN113052664B/zh
Publication of CN113052664A publication Critical patent/CN113052664A/zh
Application granted granted Critical
Publication of CN113052664B publication Critical patent/CN113052664B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G06Q30/0609—Buyer or seller confidence or verification
    • 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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种服务信息召回方法，包括：获得目标用户的搜索信息；根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息以及预先获得的对应关系，获得与所述搜索信息对应的目标偏好服务信息；根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，所述召回服务信息预测模型是用于根据用户信息、场景信息、偏好服务信息预测所述偏好服务信息中对应于所述用户信息的召回服务信息的模型。该方法不仅根据用户信息，还根据用户所处的场景化信息获得偏好商家，进而使得最后召回的商家能够更精准。

Description

一种服务信息召回方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机领域，具体涉及一种服务信息召回方法、还涉及一种服务信息召回装置。
背景技术
O2O(Online To Offline)是指将线下的商务机会与互联网结合，让互联网成为线下交易的平台。其中，召回是根据线上搜索进行线下推荐的推荐系统中的第一步。如根据用户线上搜索，召回满足线上搜索条件的商家。
在现有技术中，召回商家通常是根据用户特征信息和搜索的商家信息获得与该用户特征信息和搜索的商家信息相关的商家，进而将该商家召回并推荐给用户。但是在现实生活中，用户搜索时所处的时间段、所处的兴趣区域等均会影响推荐系统为用户提供的商家，所以，上述方案中获得的召回商家并不准确。因此，如何精准获得召回商家成为亟需解决的问题。
发明内容
本申请实施例提供一种服务信息召回方法、装置、电子设备以及存储介质，以精准召回服务信息。
本申请实施例提供一种服务信息召回方法，包括：获得目标用户的搜索信息；根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息以及预先获得的对应关系，获得与所述搜索信息对应的目标偏好服务信息，其中，所述对应关系为历史用户信息、历史场景信息、历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系；根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，所述召回服务信息预测模型是用于根据用户信息、场景信息、偏好服务信息预测所述偏好服务信息中对应于所述用户信息的召回服务信息的模型。
可选的，所述历史用户信息、历史场景信息、历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系是通过下述方式获得的：获得与历史用户信息对应的第一历史偏好服务信息；获得与历史场景信息对应的第二历史偏好服务信息；根据所述第一历史偏好服务信息和所述第二历史偏好服务信息获得第三历史偏好服务信息，所述第三历史偏好服务信息包括所述第一历史偏好服务信息和所述第二历史偏好服务信息，或者，所述第三历史偏好服务信息为所述第一历史偏好服务信息与所述第二历史偏好服务信息相同的历史偏好服务信息；获得与所述第三历史偏好服务信息对应的历史相似偏好服务信息；构造所述历史用户信息、所述历史场景信息、所述第三历史偏好服务信息、与所述历史相似偏好服务信息之间的对应关系，作为所述历史用户信息、历史场景信息、历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系。
可选的，所述与历史用户信息对应的第一历史偏好服务信息，包括以下至少一种信息：与历史用户信息对应的全部历史偏好服务信息；与历史用户信息对应的不同场景下的历史偏好服务信息；与历史用户信息对应的偏好从第一场景切换到第二场景的历史信息。
可选的，所述与历史场景信息对应的第二历史偏好服务信息，包括：在历史地理范围内的历史偏好服务信息；历史关注度超过关注度阈值的历史偏好服务信息；用户群体偏好从第一场景切换到第二场景的历史信息；在历史时间段内的历史偏好服务信息。
可选的，所述获得与历史用户信息对应的第一历史偏好服务信息，包括：根据所述历史用户信息对应的历史用户针对历史服务信息的偏好行为数据，获得与历史用户信息对应的第一历史偏好服务信息；或者，所述获得与历史场景信息对应的第二历史偏好服务信息，包括：根据用户群体在历史场景下针对历史服务信息的偏好行为数据，获得与历史场景信息对应的第二历史偏好服务信息；或者，获得与所述第三历史偏好服务信息对应的历史相似偏好服务信息，包括：获得与用户群体针对所述第三历史偏好服务信息的偏好行为数据之间的相似度满足相似度阈值的历史服务信息，作为与所述第三历史偏好服务信息对应的历史相似偏好服务信息。
可选的，所述偏好行为数据包括以下至少一种数据：关注数据；订单数据；支付数据。
可选的，所述根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，包括：将所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息输入到所述召回服务信息预测模型中，获得与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果；根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，获得与所述搜索信息对应的目标召回服务信息。
可选的，所述根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，获得与所述搜索信息对应的目标召回服务信息，包括：根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，将排序在前的预设数量的目标偏好服务信息作为与所述搜索信息对应的目标召回服务信息。
可选的，所述召回服务信息预测模型是按照下述方式获得的：获得与历史用户信息和历史场景信息对应的第三历史偏好服务信息；构造与历史用户信息和历史场景信息不对应的历史非偏好服务信息；将所述历史用户信息、所述历史场景信息、所述第三历史偏好服务信息之间的对应关系作为用于训练所述召回服务信息预测模型的正样本，将所述历史用户信息、所述历史场景信息、历史非偏好服务信息之间的非对应关系作为用于训练所述召回服务信息预测模型的负样本，训练所述召回服务信息预测模型。
可选的，所述与历史用户信息和历史场景信息对应的第三历史偏好服务信息包括以下至少一种信息：历史用户信息对应的历史用户在历史场景信息对应的历史场景具有关注行为的历史服务信息；历史用户信息对应的历史用户在历史场景信息对应的历史场景具有提交订单行为的历史服务信息；历史用户信息对应的历史用户在历史场景信息对应的历史场景具有支付行为的历史服务信息。
可选的，所述与历史用户信息和历史场景信息不对应的历史非偏好服务信息包括以下至少一种信息：在历史场景信息对应的历史场景下向历史用户信息对应的历史用户曝光过、但所述历史用户不具有任何行为的历史服务信息；在历史场景信息对应的历史场景下向历史用户信息对应的历史用户曝光过、但所述历史用户具有排斥行为的历史服务信息。
可选的，所述目标召回服务信息在排序后作为针对所述搜索信息的搜索结果。
可选的，所述方法应用于服务端；所述获得目标用户的搜索信息，包括：获得用户端发送的所述目标用户的搜索信息；所述方法还包括：将所述搜索结果返回给所述用户端。
可选的，所述目标偏好服务信息包括目标偏好实体对象信息，所述目标偏好实体对象信息对应的实体对象是为用户提供服务的实体对象，所述目标召回服务信息包括目标召回实体对象信息，所述目标召回实体对象信息对应的实体对象是为用户提供服务的实体对象；或者，所述目标偏好服务信息包括目标偏好对象信息，所述目标偏好对象信息对应的对象是实体对象为用户提供的对象，所述目标召回服务信息包括目标召回对象信息，所述目标召回对象信息对应的对象是实体对象为用户提供的对象。
可选的，所述目标用户所处场景的目标场景信息包括以下至少一种信息：所述目标用户的地理位置信息；所述目标用户发出所述搜索信息的发送时间信息；所述目标用户的地理位置信息对应的环境信息。
本申请还提供一种服务信息召回装置，包括：搜索信息获得单元，用于获得目标用户的搜索信息；目标偏好服务信息获得单元，用于根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息以及预先获得的对应关系，获得与所述搜索信息对应的目标偏好服务信息，其中，所述对应关系为历史用户信息、历史场景信息、历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系；目标召回服务信息获得单元，用于根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，所述召回服务信息预测模型是用于根据用户信息、场景信息、偏好服务信息预测所述偏好服务信息中对应于所述用户信息的召回服务信息的模型。
可选的，所述历史用户信息、历史场景信息、历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系是通过下述方式获得的：获得与历史用户信息对应的第一历史偏好服务信息；获得与历史场景信息对应的第二历史偏好服务信息；根据所述第一历史偏好服务信息和所述第二历史偏好服务信息获得第三历史偏好服务信息，所述第三历史偏好服务信息包括所述第一历史偏好服务信息和所述第二历史偏好服务信息，或者，所述第三历史偏好服务信息为所述第一历史偏好服务信息与所述第二历史偏好服务信息相同的历史偏好服务信息；获得与所述第三历史偏好服务信息对应的历史相似偏好服务信息；构造所述历史用户信息、所述历史场景信息、所述第三历史偏好服务信息、与所述历史相似偏好服务信息之间的对应关系，作为所述历史用户信息、历史场景信息、历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系。
可选的，所述与历史用户信息对应的第一历史偏好服务信息，包括以下至少一种信息：与历史用户信息对应的全部历史偏好服务信息；与历史用户信息对应的不同场景下的历史偏好服务信息；与历史用户信息对应的偏好从第一场景切换到第二场景的历史信息。
可选的，所述与历史场景信息对应的第二历史偏好服务信息，包括：在历史地理范围内的历史偏好服务信息；历史关注度超过关注度阈值的历史偏好服务信息；用户群体偏好从第一场景切换到第二场景的历史信息；在历史时间段内的历史偏好服务信息。
可选的，所述获得与历史用户信息对应的第一历史偏好服务信息，包括：根据所述历史用户信息对应的历史用户针对历史服务信息的偏好行为数据，获得与历史用户信息对应的第一历史偏好服务信息；或者，所述获得与历史场景信息对应的第二历史偏好服务信息，包括：根据用户群体在历史场景下针对历史服务信息的偏好行为数据，获得与历史场景信息对应的第二历史偏好服务信息；或者，获得与所述第三历史偏好服务信息对应的历史相似偏好服务信息，包括：获得与用户群体针对所述第三历史偏好服务信息的偏好行为数据之间的相似度满足相似度阈值的历史服务信息，作为与所述第三历史偏好服务信息对应的历史相似偏好服务信息。
可选的，所述偏好行为数据包括以下至少一种数据：关注数据；订单数据；支付数据。
可选的，所述根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，包括：将所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息输入到所述召回服务信息预测模型中，获得与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果；根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，获得与所述搜索信息对应的目标召回服务信息。
可选的，所述根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，获得与所述搜索信息对应的目标召回服务信息，包括：根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，将排序在前的预设数量的目标偏好服务信息作为与所述搜索信息对应的目标召回服务信息。
可选的，所述召回服务信息预测模型是按照下述方式获得的：获得与历史用户信息和历史场景信息对应的第三历史偏好服务信息；构造与历史用户信息和历史场景信息不对应的历史非偏好服务信息；将所述历史用户信息、所述历史场景信息、所述第三历史偏好服务信息之间的对应关系作为用于训练所述召回服务信息预测模型的正样本，将所述历史用户信息、所述历史场景信息、历史非偏好服务信息之间的非对应关系作为用于训练所述召回服务信息预测模型的负样本，训练所述召回服务信息预测模型。
可选的，所述与历史用户信息和历史场景信息对应的第三历史偏好服务信息包括以下至少一种信息：历史用户信息对应的历史用户在历史场景信息对应的历史场景具有关注行为的历史服务信息；历史用户信息对应的历史用户在历史场景信息对应的历史场景具有提交订单行为的历史服务信息；历史用户信息对应的历史用户在历史场景信息对应的历史场景具有支付行为的历史服务信息。
可选的，所述与历史用户信息和历史场景信息不对应的历史非偏好服务信息包括以下至少一种信息：在历史场景信息对应的历史场景下向历史用户信息对应的历史用户曝光过、但所述历史用户不具有任何行为的历史服务信息；在历史场景信息对应的历史场景下向历史用户信息对应的历史用户曝光过、但所述历史用户具有排斥行为的历史服务信息。
可选的，所述目标召回服务信息在排序后作为针对所述搜索信息的搜索结果。
可选的，所述装置应用于服务端；所述获得目标用户的搜索信息，包括：获得用户端发送的所述目标用户的搜索信息；所述装置还包括：将所述搜索结果返回给所述用户端。
可选的，所述目标偏好服务信息包括目标偏好实体对象信息，所述目标偏好实体对象信息对应的实体对象是为用户提供服务的实体对象，所述目标召回服务信息包括目标召回实体对象信息，所述目标召回实体对象信息对应的实体对象是为用户提供服务的实体对象；或者，所述目标偏好服务信息包括目标偏好对象信息，所述目标偏好对象信息对应的对象是实体对象为用户提供的对象，所述目标召回服务信息包括目标召回对象信息，所述目标召回对象信息对应的对象是实体对象为用户提供的对象。
可选的，所述目标用户所处场景的目标场景信息包括以下至少一种信息：所述目标用户的地理位置信息；所述目标用户发出所述搜索信息的发送时间信息；所述目标用户的地理位置信息对应的环境信息。
本申请还提供一种电子设备，包括：处理器；以及存储器，用于存储计算机程序，该设备通电并通过所述处理器运行该计算机程序后，执行上述方法。
本申请提供一种存储介质，该存储介质存储有计算机程序，该计算机程序被处理器运行，执行上述方法。
与现有技术相比，本申请具有以下优点：
本申请提供一种服务信息召回方法，包括：获得目标用户的搜索信息；根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息以及预先获得的对应关系，获得与所述搜索信息对应的目标偏好服务信息，其中，所述对应关系为历史用户信息、历史场景信息、历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系；根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，所述召回服务信息预测模型是用于根据用户信息、场景信息、偏好服务信息预测所述偏好服务信息中对应于所述用户信息的召回服务信息的模型。该方法不仅根据用户信息，还根据用户所处的场景化信息获得偏好商家，进而使得最后召回的商家能够更精准。
附图说明
图1为本申请实施例中针对服务信息召回过程的应用场景示意图。
图2为本申请第一实施例中针对服务信息召回方法的流程图。
图3为本申请第二实施例中针对服务信息召回装置的流程图。
图4为本申请第三实施例中提供的电子设备示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此，本申请不受下面公开的具体实施的限制。
为了更清楚地了解本申请，以下结合图1对如何精准获得召回商家的场景实施例进行详细解释。
本场景实施例描述的获得召回商家方法主要分三大步骤。第一步：根据历史用户场景信息和偏好的商家信息获得不同用户在不同场景与偏好商家的对应关系；第二步：根据当前用户的场景信息和第一步获得的场景与偏好商家的对应关系，获得当前用户所处场景信息下的偏好商家；第三步，根据当前用户所处的场景信息、当前用户所处场景信息下的偏好商家和召回商家预测模型，获得符合当前用户搜索的召回商家。以下针对每一步进行详细说明。
第一步，根据历史用户场景信息和偏好的商家信息获得不同用户在不同场景下与偏好商家的对应关系。其中，上述对应关系由多个对应关系关联形成，如用户所在场景与偏好商家之间的对应关系、场景信息与偏好商家之间的对应关系以及偏好商家与相似商家之间的对应关系。上述用户所在场景与偏好商家之间的对应关系根据以下方式获得：基于历史用户个性化角度获得的偏好商家，如用户在不同兴趣区域下的商家偏好、或者用户在不同兴趣区域偏好去的另一兴趣区域的商家、或者用户在不同时段偏好的商家、或者用户在不同兴趣区域不同时段偏好的商家等等；场景信息与偏好商家之间的对应关系根据以下方式获得：基于场景获得的偏好商家，如将兴趣区域历史支付数据中热卖商家作为偏好商家、或者将兴趣区域中实时热卖商家作为偏好商家、或者根据历史支付数据获得不同时段的偏好商家、或者根据历史支付数据，将不同兴趣区域偏好另一兴趣区域中的商家作为偏好商家等等；偏好商家与相似商家之前的对应关系根据以下方式获得：根据用户历史支付数据或者点击数据计算获得相似商家，并将相似商家作为偏好商家。
第二步，根据当前用户的场景信息和第一步获得的场景与偏好商家的对应关系，获得当前用户所处场景信息下的偏好商家。本步骤主要是根据当前用户搜索内容获得当前用户对应的场景信息，进而根据第一步中获得的不同场景与不同场景下偏好商家的对应关系，便可获得当前用户所处场景信息下的偏好商家。
第三步，根据当前用户所处的场景信息、当前用户所处场景信息下的偏好商家和召回商家预测模型，获得符合当前用户搜索的召回商家。本步骤将当前用户所处的场景信息和当前用户所处场景信息下的偏好商家输入至召回商家预测模型，模型便可输出符合当前用户搜索内容(当前场景)的偏好商家的偏好概率分数。最后根据偏好概率分数进行倒序排列，根据需求将排列在前几名的偏好商家作为召回商家。该方法通过获得多种场景组合下偏好的商家，进而使得最后召回的商家能够更精准。
需要说明的是，目标偏好服务信息可以为目标偏好实体对象信息，如偏好的商家信息，还可以为目标偏好对象信息，如偏好的商品信息，相应的，目标偏好实体对象信息对应的实体对象为目标偏好商家或者目标偏好商品；所述目标召回服务信息为召回目标商家信息或者目标商品信息，所述目标召回对象信息对应的对象为召回的目标商家或者目标商品。
为了更清楚地解释本申请，以下通过召回商家为例对实施例和相应的附图进行说明。需要注意的是，针对召回商家，用户可以采取到店形式接受服务还可以采取接受商家到家服务的形式，如用户可以到召回商家中的线下商家就餐，还可以接受线下召回商家将用户需求的食品送至用户等等。
第一实施例
本实施例是服务信息召回过程，以下结合图2进行说明。
S201：获得目标用户的搜索信息。
本步骤用于获得当前用户的搜索信息。
搜索信息为当前用户描述商家或者商品的信息、或者为描述当前用户需求的信息等等。
S202：根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息以及预先获得的对应关系，获得与所述搜索信息对应的目标偏好服务信息，其中，所述对应关系为历史用户信息、历史场景信息、历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系。
本步骤用于获得与当前用户的搜索信息相对应的目标偏好商家信息。
其中，对应关系为历史用户信息、历史场景信息、历史偏好商家信息、与所述历史偏好商家信息对应的历史相似偏好商家信息之间的对应关系，该对应关系可通过下述方式获得：
首先，获得与历史用户信息对应的第一历史偏好商家信息，包括：根据所述历史用户信息对应的历史用户针对历史商家信息的偏好行为数据，获得与历史用户信息对应的第一历史偏好商家信息。需要说明的是，上述偏好行为数据包括以下至少一种：关注数据、订单数据、支付数据等等。其中，与历史用户信息对应的第一历史偏好商家信息，主要包括以下至少一种信息：
A、与历史用户信息对应的全部历史偏好商家信息，如根据用户历史支付数据，将用户经常消费的商家为用户偏好的商家、或者根据历史用户关注商家数据或者浏览数据，将用户关注度较高的商家或浏览次数较高的商家作为用户偏好的商家、或者根据用户历史收藏的商家数据，将用户收藏的商家作为偏好商家、或者根据用户历史下单的数据，将用户下单次数较高的商家作为偏好商家等等。
B、与历史用户信息对应的不同场景下的历史偏好服务信息，如根据用户历史支付数据，将历史用户在不同兴趣区域支付的商家作为不同兴趣区域下的偏好商家、或者根据历史用户支付数据，将历史用户在不同时段支付的商家作为不同时间段下的偏好商家、或者根据历史支付数据，将历史用户在不同兴趣区域不同时间段下的支付商家作为相应兴趣区域相应时间段下的偏好商家等等。
C、与历史用户信息对应的偏好从第一场景切换到第二场景的历史信息，如根据用户历史支付数据，将用户在某一兴趣区域切换到另一兴趣区域消费的商家作为该兴趣区域的偏好商家、或者根据用户历史支付数据，将用户在某一时段某一兴趣区域切换到另一兴趣区域消费的商家作为该时段该兴趣区域下的偏好商家等等。
其次，获得与历史场景信息对应的第二历史偏好商家信息，包括：根据用户群体在历史场景下针对历史商家信息的偏好行为数据，获得与历史场景信息对应的第二历史偏好商家信息。需要说明的是，上述偏好行为数据包括以下至少一种：关注数据、订单数据、支付数据等等。其中，与历史场景信息对应的第二历史偏好商家信息，包括以下至少一种信息：
A、在历史地理范围内的历史偏好服务信息，如根据商家数据库中的支付数据，将不同兴趣区域内支付数据较高的商家作为该兴趣区域的偏好商家、或者根据商家数据库中的支付数据，将当前时刻该地理范围内支付数据较高的商家作为该地理范围内的偏好商家、或者根据商家数据库中的订单数据，将该地理范围内下单量较高的商家作为当前时刻该地理范围内的偏好商家等等。
B、历史关注度超过关注度阈值的历史偏好服务信息，如根据商家数据库中的数据，将关注度超过阈值的商家作为偏好商家、或者根据商家数据库中的数据，将浏览次数超过阈值的商家作为偏好商家、或者根据商家数据库中的数据，将下单次数超过阈值的商家作为偏好商家等等。
C、用户群体偏好从第一场景切换到第二场景的历史信息，如根据商家数据库中的支付数据，由该兴趣区域切换到另一兴趣区域的商家作为用户群体偏好的商家、或者根据商家数据库中的支付数据，将某一时段某一兴趣区域切换到另一兴趣区域的商家作为用户群体偏好的商家等等。
D、在历史时间段内的历史偏好服务信息，如根据商家数据库中的支付数据，将不同时段内支付数据较高的商家作为该时段内的偏好商家、或者根据商家数据库中的支付数据，将某一兴趣区域中不同时段内支付数据较高的商家作为不同时段内的偏好商家等等。
然后，根据所述第一历史偏好商家信息和所述第二历史偏好商家信息获得第三历史偏好商家信息。具体为，将上述第一历史偏好商家信息和第二历史偏好商家信息合并得到第三历史偏好商家信息，或者，由于上述第一历史偏好商家信息和第二历史偏好商家信息中会存在重合的情况，所以，第三历史偏好商家信息还可以是对上述第一历史偏好商家信息和第二历史偏好商家信息合并去重后的偏好商家信息。
接着，获得与所述第三历史偏好商家信息对应的历史相似偏好商家信息，包括：获得与用户群体针对所述第三历史偏好商家信息的偏好行为数据之间的相似度满足相似度阈值的历史服务信息，作为与所述第三历史偏好商家信息对应的历史相似偏好商家信息。需要说明的是，上述偏好行为数据包括以下至少一种：关注数据、订单数据、支付数据等等。其中，与所述第三历史偏好商家信息对应的历史相似偏好商家信息，包括：根据用户历史支付数据获得各个商家信息，将与第三历史偏好商家信息相似度超过阈值的商家作为第三历史偏好商家的相似商家、或者根据session点击数据计算获得与第三历史偏好商家信息相似度超过阈值的商家，进而将商家作为第三历史偏好商家的相似商家等等。
最后，便可构造历史用户信息、历史场景信息、相应的第三历史偏好商家、与第三历史偏好商家相似商家的对应关系。当然，也可以将第三历史偏好商家和第三历史偏好商家相似商家合并后作为总的历史偏好商家形成对应关系。
还需要说明的是，根据当前用户所处场景的场景信息和上述获得的对应关系，便可获得当前用户场景信息下的偏好商家。其中，目标场景信息可包括：用户的地理位置信息、用户发出搜索的时间或时间段(午高峰等)、用户所处的兴趣区域(工作区、生活区、娱乐区等)或者其他环境特征。
S203：根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，所述召回服务信息预测模型是用于根据用户信息、场景信息、偏好服务信息预测所述偏好服务信息中对应于所述用户信息的召回服务信息的模型。
本步骤用于获得与当前用户的搜索信息对应的召回商家。
需要说明的是，所述根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好商家信息以及召回商家信息预测模型，获得与所述搜索信息对应的目标召回商家信息，包括：将所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好场景信息输入到所述召回商家信息预测模型中，获得与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好商家信息的评估结果；根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好商家信息的评估结果，获得与所述搜索信息对应的目标召回商家信息。具体实现方式为：
将当前用户信息、当前用户所处场景的场景信息、与当前用户所处场景的场景信息相对应的偏好商家输入至召回商家信息预测模型，通过该模型便可获得上述各个偏好商家的评估结果，该评估可以是概率评估、还可以是分数评估、还可以是级别评估等等。最后对上述偏好商家通过上述评估结果进行排序，按照倒序的顺序根据需求将排列在前的偏好商家作为召回商家。
需要注意的是，上述将排列在前的偏好商家作为召回商家也是当前用户搜索信息的搜索结果。该方法还可以用于服务端，获得当前用户的搜索信息后，还可以将最后获得的排列在前的偏好商家(召回商家)作为搜索结果发送给用户端。
还需说明的是，上述召回商家信息预测模型是用于根据用户信息、场景信息和偏好商家信息预测所述偏好商家信息中符合所述召回商家信息的模型。该模型通过正负样本方式训练获得，具体为：
将获得的与历史用户信息和历史场景信息对应的第三历史偏好商家信息作为正样本。其中，与历史用户信息和历史场景信息对应的第三历史偏好商家信息，包括以下至少一种信息：历史用户在对应的历史场景下产生关注行为的历史商家信息、或者历史用户在对应的历史场景下产生提交订单行为的历史商家信息、或者历史用户在对应的历史场景下产生支付行为的历史商家信息等等。
将获得的与历史用户信息和历史场景信息不对应的历史非偏好商家信息作为负样本。其中，与历史用户信息和历史场景信息不对应的历史非偏好商家信息，包括以下至少一种信息：在历史场景下向历史用户曝光过、但历史用户不具有任何行为的商家，如历史用户在向其展示的商家中并未产生下单、支付或者关注等行为；或者在历史场景下向历史用户曝光过、但历史用户具有排斥行为的商家，如历史用户对向其展示的商家产生屏蔽、删除、跳过或者隐藏等行为。其中，曝光可以理解为历史用户能够发现商家，如向历史用户提供的商家列表或者向历史用户推送的商家等等。即，曝光能够保证历史用户能关注到该商家，只是历史用户并未在该商家具有任何行为或者排斥行为。
最后，利用上述获得的正样本数据和负样本数据对该模型进行训练，便可获得召回商家信息预测模型。
本申请提供一种服务信息召回方法，包括：获得目标用户的搜索信息；根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息以及预先获得的对应关系，获得与所述搜索信息对应的目标偏好服务信息，其中，所述对应关系为历史用户信息、历史场景信息、历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系；根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，所述召回服务信息预测模型是用于根据用户信息、场景信息、偏好服务信息预测所述偏好服务信息中对应于所述用户信息的召回服务信息的模型。该方法不仅根据用户信息，还根据用户所处的场景化信息获得偏好商家，进而使得最后召回的商家能够更精准。
第二实施例
上述第一实施例提供了一种服务信息召回方法，与之相对应的，本申请第二实施例还提供了一种服务信息召回装置，如附图3所示。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对装置实施例的描述仅仅是示意性的。
本申请第二实施例提供一种服务信息召回装置，包括：搜索信息获得单元301，用于获得目标用户的搜索信息；目标偏好服务信息获得单元302，用于根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息以及预先获得的对应关系，获得与所述搜索信息对应的目标偏好服务信息，其中，所述对应关系为历史用户信息、历史场景信息、历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系；目标召回服务信息获得单元303，用于根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，所述召回服务信息预测模型是用于根据用户信息、场景信息、偏好服务信息预测所述偏好服务信息中对应于所述用户信息的召回服务信息的模型。
可选的，所述历史用户信息、历史场景信息、历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系是通过下述方式获得的：获得与历史用户信息对应的第一历史偏好服务信息；获得与历史场景信息对应的第二历史偏好服务信息；根据所述第一历史偏好服务信息和所述第二历史偏好服务信息获得第三历史偏好服务信息，所述第三历史偏好服务信息包括所述第一历史偏好服务信息和所述第二历史偏好服务信息，或者，所述第三历史偏好服务信息为所述第一历史偏好服务信息与所述第二历史偏好服务信息相同的历史偏好服务信息；获得与所述第三历史偏好服务信息对应的历史相似偏好服务信息；构造所述历史用户信息、所述历史场景信息、所述第三历史偏好服务信息、与所述历史相似偏好服务信息之间的对应关系，作为所述历史用户信息、历史场景信息、与历史偏好服务信息、与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系。
可选的，所述与历史用户信息对应的第一历史偏好服务信息，包括以下至少一种信息：与历史用户信息对应的全部历史偏好服务信息；与历史用户信息对应的不同场景下的历史偏好服务信息；与历史用户信息对应的偏好从第一场景切换到第二场景的历史信息。
可选的，所述与历史场景信息对应的第二历史偏好服务信息，包括：在历史地理范围内的历史偏好服务信息；历史关注度超过关注度阈值的历史偏好服务信息；用户群体偏好从第一场景切换到第二场景的历史信息；在历史时间段内的历史偏好服务信息。
可选的，所述获得与历史用户信息对应的第一历史偏好服务信息，包括：根据所述历史用户信息对应的历史用户针对历史服务信息的偏好行为数据，获得与历史用户信息对应的第一历史偏好服务信息；或者，所述获得与历史场景信息对应的第二历史偏好服务信息，包括：根据用户群体在历史场景下针对历史服务信息的偏好行为数据，获得与历史场景信息对应的第二历史偏好服务信息；或者，获得与所述第三历史偏好服务信息对应的历史相似偏好服务信息，包括：获得与用户群体针对所述第三历史偏好服务信息的偏好行为数据之间的相似度满足相似度阈值的历史服务信息，作为与所述第三历史偏好服务信息对应的历史相似偏好服务信息。
可选的，所述偏好行为数据包括以下至少一种数据：关注数据；订单数据；支付数据。
可选的，所述根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，包括：将所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息输入到所述召回服务信息预测模型中，获得与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果；根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，获得与所述搜索信息对应的目标召回服务信息。
可选的，所述根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，获得与所述搜索信息对应的目标召回服务信息，包括：根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，将排序在前的预设数量的目标偏好服务信息作为与所述搜索信息对应的目标召回服务信息。
可选的，所述召回服务信息预测模型是按照下述方式获得的：获得与历史用户信息和历史场景信息对应的第三历史偏好服务信息；构造与历史用户信息和历史场景信息不对应的历史非偏好服务信息；将所述历史用户信息、所述历史场景信息、所述第三历史偏好服务信息之间的对应关系作为用于训练所述召回服务信息预测模型的正样本，将所述历史用户信息、所述历史场景信息、历史非偏好服务信息之间的非对应关系作为用于训练所述召回服务信息预测模型的负样本，训练所述召回服务信息预测模型。
可选的，所述与历史用户信息和历史场景信息对应的第三历史偏好服务信息包括以下至少一种信息：历史用户信息对应的历史用户在历史场景信息对应的历史场景具有关注行为的历史服务信息；历史用户信息对应的历史用户在历史场景信息对应的历史场景具有提交订单行为的历史服务信息；历史用户信息对应的历史用户在历史场景信息对应的历史场景具有支付行为的历史服务信息。
可选的，所述与历史用户信息和历史场景信息不对应的历史非偏好服务信息包括以下至少一种信息：在历史场景信息对应的历史场景下向历史用户信息对应的历史用户曝光过、但所述历史用户不具有任何行为的历史服务信息；在历史场景信息对应的历史场景下向历史用户信息对应的历史用户曝光过、但所述历史用户具有排斥行为的历史服务信息。
可选的，所述目标召回服务信息在排序后作为针对所述搜索信息的搜索结果。
可选的，所述装置应用于服务端；所述获得目标用户的搜索信息，包括：获得用户端发送的所述目标用户的搜索信息；所述装置还包括：将所述搜索结果返回给所述用户端。
可选的，所述目标偏好服务信息包括目标偏好实体对象信息，所述目标偏好实体对象信息对应的实体对象是为用户提供服务的实体对象，所述目标召回服务信息包括目标召回实体对象信息，所述目标召回实体对象信息对应的实体对象是为用户提供服务的实体对象；或者，所述目标偏好服务信息包括目标偏好对象信息，所述目标偏好对象信息对应的对象是实体对象为用户提供的对象，所述目标召回服务信息包括目标召回对象信息，所述目标召回对象信息对应的对象是实体对象为用户提供的对象。
可选的，所述目标用户所处场景的目标场景信息包括以下至少一种信息：所述目标用户的地理位置信息；所述目标用户发出所述搜索信息的发送时间信息；所述目标用户的地理位置信息对应的环境信息。
第三实施例
与本申请提供的上述方法实施例相对应的，本申请第三实施例还提供了一种电子设备。由于第三实施例基本相似于本申请提供的上述方法实施例，所以描述得比较简单，相关之处参见本申请提供的上述方法实施例的部分说明即可。下述描述的第三实施例仅仅是示意性的。
图4为本申请实施例中提供的一种电子设备的示意图。
该电子设备，包括：处理器401；
以及存储器402，用于存储计算机程序，该设备通电并通过所述处理器运行该计算机程序后，执行本申请上述实施例中提供的方法。
需要说明的是，本申请第三实施例提供的电子设备的详细描述，可以参考对本申请提供的上述方法实施例的相关描述，这里不再赘述。
第四实施例
与本申请提供的上述方法实施例相对应的，本申请第四实施例还提供了一种存储介质。由于第四实施例基本相似于本申请提供的上述方法实施例，所以描述得比较简单，相关之处参见本申请提供的上述方法实施例的部分说明即可。下述描述的第八实施例仅仅是示意性的。
该存储介质存储有计算机程序，该计算机程序被处理器运行，执行本申请上述实施例中提供的方法。
需要说明的是，本申请第四实施例提供的存储介质的详细描述，可以参考对本申请提供的上述方法实施例的相关描述，这里不再赘述。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

Claims (32)

1.一种服务信息召回方法，其特征在于，包括：
获得目标用户的搜索信息；
根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息以及预先获得的对应关系，获得与所述搜索信息对应的目标偏好服务信息，其中，所述对应关系为历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系；
根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，所述召回服务信息预测模型是用于根据用户信息、场景信息，以及偏好服务信息预测所述偏好服务信息中对应于所述用户信息的召回服务信息的模型；
所述历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系的获取过程包括：获得与历史用户信息对应的第一历史偏好服务信息；
所述与历史用户信息对应的第一历史偏好服务信息，包括以下至少一种信息：
与历史用户信息对应的全部历史偏好服务信息；
与历史用户信息对应的不同场景下的历史偏好服务信息；
与历史用户信息对应的偏好从第一场景切换到第二场景的历史信息。
2.根据权利要求1所述的方法，其特征在于，所述历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系的获取过程还包括：
获得与历史场景信息对应的第二历史偏好服务信息；
根据所述第一历史偏好服务信息和所述第二历史偏好服务信息获得第三历史偏好服务信息，所述第三历史偏好服务信息包括所述第一历史偏好服务信息和所述第二历史偏好服务信息，或者，所述第三历史偏好服务信息为所述第一历史偏好服务信息与所述第二历史偏好服务信息相同的历史偏好服务信息；
获得与所述第三历史偏好服务信息对应的历史相似偏好服务信息；
构造所述历史用户信息、所述历史场景信息、所述第三历史偏好服务信息，以及与所述历史相似偏好服务信息之间的对应关系，作为所述历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系。
3.根据权利要求2所述的方法，其特征在于，所述与历史场景信息对应的第二历史偏好服务信息，包括以下至少一种信息：
在历史地理范围内的历史偏好服务信息；
历史关注度超过关注度阈值的历史偏好服务信息；
用户群体偏好从第一场景切换到第二场景的历史信息；
在历史时间段内的历史偏好服务信息。
4.根据权利要求2所述的方法，其特征在于，所述获得与历史用户信息对应的第一历史偏好服务信息，包括：根据所述历史用户信息对应的历史用户针对历史服务信息的偏好行为数据，获得与历史用户信息对应的第一历史偏好服务信息；
或者，所述获得与历史场景信息对应的第二历史偏好服务信息，包括：根据用户群体在历史场景下针对历史服务信息的偏好行为数据，获得与历史场景信息对应的第二历史偏好服务信息；
或者，获得与所述第三历史偏好服务信息对应的历史相似偏好服务信息，包括：获得与用户群体针对所述第三历史偏好服务信息的偏好行为数据之间的相似度满足相似度阈值的历史服务信息，作为与所述第三历史偏好服务信息对应的历史相似偏好服务信息。
5.根据权利要求4所述的方法，其特征在于，所述偏好行为数据包括以下至少一种数据：
关注数据；
订单数据；
支付数据。
6.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，包括：
将所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息输入到所述召回服务信息预测模型中，获得与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果；
根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，获得与所述搜索信息对应的目标召回服务信息。
7.根据权利要求6所述的方法，其特征在于，所述根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，获得与所述搜索信息对应的目标召回服务信息，包括：根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，将排序在前的预设数量的目标偏好服务信息作为与所述搜索信息对应的目标召回服务信息。
8.根据权利要求1所述的方法，其特征在于，所述召回服务信息预测模型是按照下述方式获得的：
获得与历史用户信息和历史场景信息对应的第三历史偏好服务信息；
构造与历史用户信息和历史场景信息不对应的历史非偏好服务信息；
将所述历史用户信息、所述历史场景信息、所述第三历史偏好服务信息之间的对应关系作为用于训练所述召回服务信息预测模型的正样本，将所述历史用户信息、所述历史场景信息、历史非偏好服务信息之间的非对应关系作为用于训练所述召回服务信息预测模型的负样本，训练所述召回服务信息预测模型。
9.根据权利要求8所述的方法，其特征在于，所述与历史用户信息和历史场景信息对应的第三历史偏好服务信息包括以下至少一种信息：
历史用户信息对应的历史用户在历史场景信息对应的历史场景具有关注行为的历史服务信息；
历史用户信息对应的历史用户在历史场景信息对应的历史场景具有提交订单行为的历史服务信息；
历史用户信息对应的历史用户在历史场景信息对应的历史场景具有支付行为的历史服务信息。
10.根据权利要求8所述的方法，其特征在于，所述与历史用户信息和历史场景信息不对应的历史非偏好服务信息包括以下至少一种信息：
在历史场景信息对应的历史场景下向历史用户信息对应的历史用户曝光过、但所述历史用户不具有任何行为的历史服务信息；
在历史场景信息对应的历史场景下向历史用户信息对应的历史用户曝光过、但所述历史用户具有排斥行为的历史服务信息。
11.根据权利要求1所述的方法，其特征在于，所述目标召回服务信息在排序后作为针对所述搜索信息的搜索结果。
12.根据权利要求11所述的方法，其特征在于，所述方法应用于服务端；
所述获得目标用户的搜索信息，包括：获得用户端发送的所述目标用户的搜索信息；
所述方法还包括：将所述搜索结果返回给所述用户端。
13.根据权利要求1所述的方法，其特征在于，所述目标偏好服务信息包括目标偏好实体对象信息，所述目标偏好实体对象信息对应的实体对象是为用户提供服务的实体对象，所述目标召回服务信息包括目标召回实体对象信息，所述目标召回实体对象信息对应的实体对象是为用户提供服务的实体对象；
或者，所述目标偏好服务信息包括目标偏好对象信息，所述目标偏好对象信息对应的对象是实体对象为用户提供的对象，所述目标召回服务信息包括目标召回对象信息，所述目标召回对象信息对应的对象是实体对象为用户提供的对象。
14.根据权利要求1所述的方法，其特征在于，所述目标用户所处场景的目标场景信息包括以下至少一种信息：
所述目标用户的地理位置信息；
所述目标用户发出所述搜索信息的发送时间信息；
所述目标用户的地理位置信息对应的环境信息。
15.一种服务信息召回装置，其特征在于，包括：
搜索信息获得单元，用于获得目标用户的搜索信息；
目标偏好服务信息获得单元，用于根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息以及预先获得的对应关系，获得与所述搜索信息对应的目标偏好服务信息，其中，所述对应关系为历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系；
目标召回服务信息获得单元，用于根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，所述召回服务信息预测模型是用于根据用户信息、场景信息，以及偏好服务信息预测所述偏好服务信息中对应于所述用户信息的召回服务信息的模型；
所述历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系的获取过程包括：获得与历史用户信息对应的第一历史偏好服务信息；
所述与历史用户信息对应的第一历史偏好服务信息，包括以下至少一种信息：
与历史用户信息对应的全部历史偏好服务信息；
与历史用户信息对应的不同场景下的历史偏好服务信息；
与历史用户信息对应的偏好从第一场景切换到第二场景的历史信息。
16.一种服务信息召回方法，其特征在于，包括：
获得目标用户的搜索信息；
根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息以及预先获得的对应关系，获得与所述搜索信息对应的目标偏好服务信息，其中，所述对应关系为历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系；
根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，所述召回服务信息预测模型是用于根据用户信息、场景信息，以及偏好服务信息预测所述偏好服务信息中对应于所述用户信息的召回服务信息的模型；
所述历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系的获取过程包括：获得与历史场景信息对应的第二历史偏好服务信息；
所述与历史场景信息对应的第二历史偏好服务信息，包括以下至少一种信息：
在历史地理范围内的历史偏好服务信息；
历史关注度超过关注度阈值的历史偏好服务信息；
用户群体偏好从第一场景切换到第二场景的历史信息；
在历史时间段内的历史偏好服务信息。
17.根据权利要求16所述的方法，其特征在于，所述历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系的获取过程还包括：
获得与历史用户信息对应的第一历史偏好服务信息；
根据所述第一历史偏好服务信息和所述第二历史偏好服务信息获得第三历史偏好服务信息，所述第三历史偏好服务信息包括所述第一历史偏好服务信息和所述第二历史偏好服务信息，或者，所述第三历史偏好服务信息为所述第一历史偏好服务信息与所述第二历史偏好服务信息相同的历史偏好服务信息；
获得与所述第三历史偏好服务信息对应的历史相似偏好服务信息；
构造所述历史用户信息、所述历史场景信息、所述第三历史偏好服务信息，以及与所述历史相似偏好服务信息之间的对应关系，作为所述历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系。
18.根据权利要求17所述的方法，其特征在于，所述与历史用户信息对应的第一历史偏好服务信息，包括以下至少一种信息：
与历史用户信息对应的全部历史偏好服务信息；
与历史用户信息对应的不同场景下的历史偏好服务信息；
与历史用户信息对应的偏好从第一场景切换到第二场景的历史信息。
19.根据权利要求17所述的方法，其特征在于，所述获得与历史用户信息对应的第一历史偏好服务信息，包括：根据所述历史用户信息对应的历史用户针对历史服务信息的偏好行为数据，获得与历史用户信息对应的第一历史偏好服务信息；
或者，所述获得与历史场景信息对应的第二历史偏好服务信息，包括：根据用户群体在历史场景下针对历史服务信息的偏好行为数据，获得与历史场景信息对应的第二历史偏好服务信息；
或者，获得与所述第三历史偏好服务信息对应的历史相似偏好服务信息，包括：获得与用户群体针对所述第三历史偏好服务信息的偏好行为数据之间的相似度满足相似度阈值的历史服务信息，作为与所述第三历史偏好服务信息对应的历史相似偏好服务信息。
20.根据权利要求19所述的方法，其特征在于，所述偏好行为数据包括以下至少一种数据：
关注数据；
订单数据；
支付数据。
21.根据权利要求16所述的方法，其特征在于，所述根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，包括：
将所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息输入到所述召回服务信息预测模型中，获得与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果；
根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，获得与所述搜索信息对应的目标召回服务信息。
22.根据权利要求21所述的方法，其特征在于，所述根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，获得与所述搜索信息对应的目标召回服务信息，包括：根据与所述目标用户信息、所述目标场景信息对应的针对所述目标偏好服务信息的评估结果，将排序在前的预设数量的目标偏好服务信息作为与所述搜索信息对应的目标召回服务信息。
23.根据权利要求16所述的方法，其特征在于，所述召回服务信息预测模型是按照下述方式获得的：
获得与历史用户信息和历史场景信息对应的第三历史偏好服务信息；
构造与历史用户信息和历史场景信息不对应的历史非偏好服务信息；
将所述历史用户信息、所述历史场景信息、所述第三历史偏好服务信息之间的对应关系作为用于训练所述召回服务信息预测模型的正样本，将所述历史用户信息、所述历史场景信息、历史非偏好服务信息之间的非对应关系作为用于训练所述召回服务信息预测模型的负样本，训练所述召回服务信息预测模型。
24.根据权利要求23所述的方法，其特征在于，所述与历史用户信息和历史场景信息对应的第三历史偏好服务信息包括以下至少一种信息：
历史用户信息对应的历史用户在历史场景信息对应的历史场景具有关注行为的历史服务信息；
历史用户信息对应的历史用户在历史场景信息对应的历史场景具有提交订单行为的历史服务信息；
历史用户信息对应的历史用户在历史场景信息对应的历史场景具有支付行为的历史服务信息。
25.根据权利要求23所述的方法，其特征在于，所述与历史用户信息和历史场景信息不对应的历史非偏好服务信息包括以下至少一种信息：
在历史场景信息对应的历史场景下向历史用户信息对应的历史用户曝光过、但所述历史用户不具有任何行为的历史服务信息；
在历史场景信息对应的历史场景下向历史用户信息对应的历史用户曝光过、但所述历史用户具有排斥行为的历史服务信息。
26.根据权利要求16所述的方法，其特征在于，所述目标召回服务信息在排序后作为针对所述搜索信息的搜索结果。
27.根据权利要求26所述的方法，其特征在于，所述方法应用于服务端；
所述获得目标用户的搜索信息，包括：获得用户端发送的所述目标用户的搜索信息；
所述方法还包括：将所述搜索结果返回给所述用户端。
28.根据权利要求16所述的方法，其特征在于，所述目标偏好服务信息包括目标偏好实体对象信息，所述目标偏好实体对象信息对应的实体对象是为用户提供服务的实体对象，所述目标召回服务信息包括目标召回实体对象信息，所述目标召回实体对象信息对应的实体对象是为用户提供服务的实体对象；
或者，所述目标偏好服务信息包括目标偏好对象信息，所述目标偏好对象信息对应的对象是实体对象为用户提供的对象，所述目标召回服务信息包括目标召回对象信息，所述目标召回对象信息对应的对象是实体对象为用户提供的对象。
29.根据权利要求16所述的方法，其特征在于，所述目标用户所处场景的目标场景信息包括以下至少一种信息：
所述目标用户的地理位置信息；
所述目标用户发出所述搜索信息的发送时间信息；
所述目标用户的地理位置信息对应的环境信息。
30.一种服务信息召回装置，其特征在于，包括：
搜索信息获得单元，用于获得目标用户的搜索信息；
目标偏好服务信息获得单元，用于根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息以及预先获得的对应关系，获得与所述搜索信息对应的目标偏好服务信息，其中，所述对应关系为历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系；
目标召回服务信息获得单元，用于根据所述目标用户的目标用户信息、所述目标用户所处场景的目标场景信息、所述目标偏好服务信息以及召回服务信息预测模型，获得与所述搜索信息对应的目标召回服务信息，所述召回服务信息预测模型是用于根据用户信息、场景信息，以及偏好服务信息预测所述偏好服务信息中对应于所述用户信息的召回服务信息的模型；
所述历史用户信息、历史场景信息、历史偏好服务信息，以及与所述历史偏好服务信息对应的历史相似偏好服务信息之间的对应关系的获取过程包括：获得与历史场景信息对应的第二历史偏好服务信息；
所述与历史场景信息对应的第二历史偏好服务信息，包括以下至少一种信息：
在历史地理范围内的历史偏好服务信息；
历史关注度超过关注度阈值的历史偏好服务信息；
用户群体偏好从第一场景切换到第二场景的历史信息；
在历史时间段内的历史偏好服务信息。
31.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储计算机程序，该设备通电并通过所述处理器运行该计算机程序后，执行权利要求1-14或权利要求16-29任意一项所述方法。
32.一种存储介质，其特征在于，该存储介质存储有计算机程序，该计算机程序被处理器运行，执行权利要求1-14或权利要求16-29任意一项所述方法。
CN202110458409.8A 2021-04-27 2021-04-27 一种服务信息召回方法、装置、电子设备及存储介质 Active CN113052664B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110458409.8A CN113052664B (zh) 2021-04-27 2021-04-27 一种服务信息召回方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110458409.8A CN113052664B (zh) 2021-04-27 2021-04-27 一种服务信息召回方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113052664A CN113052664A (zh) 2021-06-29
CN113052664B true CN113052664B (zh) 2024-01-26

Family

ID=76520532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110458409.8A Active CN113052664B (zh) 2021-04-27 2021-04-27 一种服务信息召回方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113052664B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033140A (zh) * 2018-06-08 2018-12-18 北京百度网讯科技有限公司 一种确定搜索结果的方法、装置、设备和计算机存储介质
CN110096645A (zh) * 2019-05-07 2019-08-06 北京百度网讯科技有限公司 信息推荐方法、装置、设备和介质
CN110585726A (zh) * 2019-09-16 2019-12-20 腾讯科技（深圳）有限公司 用户召回方法、装置、服务器及计算机可读存储介质
CN111177563A (zh) * 2019-12-31 2020-05-19 北京顺丰同城科技有限公司 一种信息推荐方法、装置、电子设备和存储介质
CN111444428A (zh) * 2020-03-27 2020-07-24 腾讯科技（深圳）有限公司 基于人工智能的信息推荐方法、装置、电子设备及存储介质
CN112069414A (zh) * 2020-09-15 2020-12-11 腾讯科技（深圳）有限公司 推荐模型训练方法、装置、计算机设备及存储介质
KR20210042867A (ko) * 2020-09-01 2021-04-20 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 콘텐츠 추천 방법, 장치, 기기 및 매체

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033140A (zh) * 2018-06-08 2018-12-18 北京百度网讯科技有限公司 一种确定搜索结果的方法、装置、设备和计算机存储介质
CN110096645A (zh) * 2019-05-07 2019-08-06 北京百度网讯科技有限公司 信息推荐方法、装置、设备和介质
CN110585726A (zh) * 2019-09-16 2019-12-20 腾讯科技（深圳）有限公司 用户召回方法、装置、服务器及计算机可读存储介质
CN111177563A (zh) * 2019-12-31 2020-05-19 北京顺丰同城科技有限公司 一种信息推荐方法、装置、电子设备和存储介质
CN111444428A (zh) * 2020-03-27 2020-07-24 腾讯科技（深圳）有限公司 基于人工智能的信息推荐方法、装置、电子设备及存储介质
KR20210042867A (ko) * 2020-09-01 2021-04-20 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 콘텐츠 추천 방법, 장치, 기기 및 매체
CN112069414A (zh) * 2020-09-15 2020-12-11 腾讯科技（深圳）有限公司 推荐模型训练方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN113052664A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN111061946B (zh) 场景化内容推荐方法、装置、电子设备及存储介质
CN107451199B (zh) 问题推荐方法及装置、设备
US20240311411A1 (en) System and method for information recommendation
US9256826B2 (en) Predicting reactions to short-text posts
CN111552880B (zh) 基于知识图谱的数据处理方法、装置、介质及电子设备
CN108549569B (zh) 一种搜索应用程序内信息的方法及设备
CN108491540B (zh) 文本信息推送方法、装置及智能终端
EP2960849A1 (en) Method and system for recommending an item to a user
CN111026853B (zh) 目标问题的确定方法、装置、服务器和客服机器人
CN105247507A (zh) 品牌的影响力得分
CN108416616A (zh) 投诉举报类别的排序方法和装置
CN111159563B (zh) 用户兴趣点信息的确定方法、装置、设备及存储介质
CN111144874A (zh) 支付方式推荐方法、装置及设备
CN111079014A (zh) 基于树结构的推荐方法、系统、介质和电子设备
CN110766513A (zh) 信息排序方法、装置、电子设备及可读存储介质
CN115564486A (zh) 一种数据推送方法、装置、设备和介质
CN110209944B (zh) 一种股票分析师推荐方法、装置、计算机设备和存储介质
CN116628235B (zh) 数据推荐方法、装置、设备及介质
CN113204699B (zh) 信息推荐方法、装置、电子设备及存储介质
CN113052664B (zh) 一种服务信息召回方法、装置、电子设备及存储介质
CN110796505B (zh) 一种业务对象推荐方法以及装置
CN112685618A (zh) 用户特征识别方法、装置、计算设备及计算机存储介质
WO2015179717A1 (en) Determination of initial value for automated delivery of news items
CN115408606A (zh) 保险信息推送方法、装置、存储介质及计算机设备
US20210390511A1 (en) Computer implemented method of employment

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
GR01 Patent grant
GR01 Patent grant