CN113420220B - 一种服务推荐方法、装置、服务器及终端 - Google Patents

一种服务推荐方法、装置、服务器及终端 Download PDF

Info

Publication number
CN113420220B
CN113420220B CN202110742625.5A CN202110742625A CN113420220B CN 113420220 B CN113420220 B CN 113420220B CN 202110742625 A CN202110742625 A CN 202110742625A CN 113420220 B CN113420220 B CN 113420220B
Authority
CN
China
Prior art keywords
user
operation information
service
target
client
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
CN202110742625.5A
Other languages
English (en)
Other versions
CN113420220A (zh
Inventor
段路云
郭浩
王昌建
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital 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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN202110742625.5A priority Critical patent/CN113420220B/zh
Publication of CN113420220A publication Critical patent/CN113420220A/zh
Application granted granted Critical
Publication of CN113420220B publication Critical patent/CN113420220B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (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 Transfer Between Computers (AREA)

Abstract

本发明实施例提供了一种服务推荐方法、装置、服务器及终端，涉及大数据计算领域。该方法包括：确定待推荐服务的目标用户的用户操作信息；确定针对所述目标智能设备的交叉操作信息和服务操作信息；基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对所述目标用户的服务推荐结果；当所述目标用户满足推荐条件时，通过所述目标客户端输出所生成的服务推荐结果。与现有技术相比，应用本发明实施例提供的方案，可以实现为用户推荐与用户所购买的智能设备相关的虚拟服务。

Description

一种服务推荐方法、装置、服务器及终端
技术领域
本发明涉及大数据技术领域，特别是涉及一种服务推荐方法、装置、服务器及终端。
背景技术
随着信息技术的不断发展，利用大数据技术实现的推荐方法，已经被广泛应用到各个领域中，例如，各类购物软件、各类视频网站等。
现有的推荐方法中，可以基于用户的浏览记录和/或用户的购买记录向用户推荐各类智能设备。
然而，对于用户所购买的智能设备而言，用户往往希望能够进一步关注商家所提供的与该智能设备相关的虚拟服务。可见，如何为用户推荐与用户所购买的智能设备相关的虚拟服务，是一个亟待解决的问题。
发明内容
本发明实施例的目的在于提供一种服务推荐方法、装置、服务器及终端，以实现为用户推荐与用户所购买的智能设备相关的虚拟服务。具体技术方案如下：
第一方面，本发明实施例提供了一种服务推荐方法，所述方法包括：
确定待推荐服务的目标用户的用户操作信息；其中，所述用户操作信息包括：基于所述目标用户针对目标客户端提供的各类虚拟服务的各类操作所生成的信息，所述目标客户端登录有与所述目标用户所购买目标智能设备的设备标识对应的登录账号；
确定针对所述目标智能设备的交叉操作信息和服务操作信息；其中，所述交叉操作信息包括：所述目标智能设备支持的指定虚拟服务和基于与所述目标智能设备相关联的指定用户针对所述指定虚拟服务器的各类操作所生成的信息；所述服务操作信息包括：基于所述目标客户端对应网站内各个用户针对所述指定虚拟服务的各类操作所生成的信息；
基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对所述目标用户的服务推荐结果；
当所述目标用户满足推荐条件时，通过所述目标客户端输出所生成的服务推荐结果。
可选的，一种具体实现方式中，所述目标用户的用户操作信息包括：所述目标用户针对所述目标客户端提供的各类虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种；
针对所述目标智能设备的交叉操作信息包括：所述指定用户针对所述指定虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种；
针对所述目标智能设备的服务操作信息包括：所述目标客户端对应网站内各个用户针对所述指定虚拟服务的曝光次数、点击率和购买率中的至少一种。
可选的，一种具体实现方式中，在所述确定待推荐服务的目标用户的用户操作信息的步骤之前，所述方法还包括：
按照预设周期，采集所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息；
当检测到存在差异信息时，执行所述确定待推荐服务的目标用户的用户操作信息的步骤；
其中，所述差异信息为：此次所采集的所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息中，与上一采集周期所采集的所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息不同的信息。
可选的，一种具体实现方式中，所述基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对所述目标用户的服务推荐结果的步骤，包括：
将所确定的用户操作信息、交叉操作信息和服务操作信息输入至预先训练完成的服务推荐模型，得到所述服务推荐模型输出的针对所述目标用户的服务推荐结果；
其中，所述服务推荐模型为：基于多个样本用户的样本数据训练得到的模型，每一样本用户的样本数据包括针对该样本用户所购买的智能设备的交叉操作信息和服务操作信息，以及该样本用户的用户操作信息。
可选的，一种具体实现方式中，所述服务推荐模型的训练方式，包括：
根据预设的正样本用户和负样本用户的数量比例，确定多个正样本用户的样本数据和多个负样本用户的样本数据；其中，所述正样本用户的数量小于所述负样本用户的数量；所述正样本用户为：对所登陆的客户端提供的各类虚拟服务中的至少一类服务执行点击操作的用户；所述负样本用户为：对所登陆的客户端提供的各类虚拟服务中的任一类服务均不执行点击操作的用户；
基于各个正样本用户的样本数据和各个负样本用户的样本数据，对预设的初始模型进行训练；
在检测到满足训练完成条件时，得到训练完成的服务推荐模型。
第二方面，本发明实施例提供了一种服务推荐装置，所述装置包括：
用户操作信息确定模块，用于确定待推荐服务的目标用户的用户操作信息；其中，所述用户操作信息包括：基于所述目标用户针对目标客户端提供的各类虚拟服务的各类操作所生成的信息，所述目标客户端登录有与所述目标用户所购买目标智能设备的设备标识对应的登录账号；
设备操作信息确定模块，用于确定针对所述目标智能设备的交叉操作信息和服务操作信息；其中，所述交叉操作信息包括：所述目标智能设备支持的指定虚拟服务和基于与所述目标智能设备相关联的指定用户针对所述指定虚拟服务器的各类操作所生成的信息；所述服务操作信息包括：基于所述目标客户端对应网站内各个用户针对所述指定虚拟服务的各类操作所生成的信息；
推荐结果生成模块，用于基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对所述目标用户的服务推荐结果；
推荐结果输出模块，用于当所述目标用户满足推荐条件时，通过所述目标客户端输出所生成的服务推荐结果。
可选的，一种具体实现方式中，所述目标用户的用户操作信息包括：所述目标用户针对所述目标客户端提供的各类虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种；
针对所述目标智能设备的交叉操作信息包括：所述指定用户针对所述指定虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种；
针对所述目标智能设备的服务操作信息包括：所述目标客户端对应网站内各个用户针对所述指定虚拟服务的曝光次数、点击率和购买率中的至少一种。
可选的，一种具体实现方式中，所述装置还包括：
特征采集模块，用于按照预设周期，采集所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息；当检测到存在差异信息时，执行所述确定待推荐服务的目标用户的用户操作信息的步骤；
其中，所述差异信息为：此次所采集的所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息中，与上一采集周期所采集的所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息不同的信息。
可选的，一种具体实现方式中，所述推荐结果生成模块具体用于：
将所确定的用户操作信息、交叉操作信息和服务操作信息输入至预先训练完成的服务推荐模型，得到所述服务推荐模型输出的针对所述目标用户的服务推荐结果；
其中，所述服务推荐模型为：基于多个样本用户的样本数据训练得到的模型，每一样本用户的样本数据包括针对该样本用户所购买的智能设备的交叉操作信息和服务操作信息，以及该样本用户的用户操作信息。
可选的，一种具体实现方式中，所述装置还包括：用于训练所述服务推荐模型的模型训练模块；所述模型训练模块具体用于：
根据预设的正样本用户和负样本用户的数量比例，确定多个正样本用户的样本数据和多个负样本用户的样本数据；其中，所述正样本用户的数量小于所述负样本用户的数量；所述正样本用户为：对所登陆的客户端提供的各类虚拟服务中的至少一类服务执行点击操作的用户；所述负样本用户为：对所登陆的客户端提供的各类虚拟服务中的任一类服务均不执行点击操作的用户；
基于各个正样本用户的样本数据和各个负样本用户的样本数据，对预设的初始模型进行训练；
在检测到满足训练完成条件时，得到训练完成的服务推荐模型。
第三方面，本发明实施例提供了一种服务器，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面提供的任一服务推荐方法的步骤。
第四方面，一种终端，所述终端安装有客户端，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面提供的任一服务推荐方法的步骤。
第五方面，一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面提供的任一服务推荐方法的步骤。
第六方面，本发明实施例提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面提供的任一服务推荐方法的步骤。
本发明实施例有益效果：
以上可见，本发明实施例提供的方案，可以确定待推荐服务的目标用户的用户操作信息，以及针对目标用户所购买的目标智能设备的交叉操作信息和服务操作信息，进而，便可以基于上述用户操作信息、交叉操作信息和服务操作信息，生成针对目标用户的服务推荐结果。这样，在目标用户满足推荐条件时，便可以通过目标客户端输出所确定的服务推荐结果。
基于此，应用本发明实施例提供的方案，在用户购买智能设备后，可以根据用户的用户操作信息，以及针对用户所购买的智能设备的交叉操作信息和服务操作信息，生成针对用户的服务推荐结果，并在用户满足推荐条件时，通过用户所登陆的客户单输出该服务推荐结果。这样，便可以在用户购买智能设备后，为用户推荐与用户所购买的智能设备相关的虚拟服务。
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为本发明实施例提供的一种服务推荐方法的流程示意图；
图2为本发明实施例提供的另一种服务推荐方法的流程示意图；
图3为本发明实施例提供的再一种服务推荐方法的流程示意图；
图4为本发明实施例提供的一种服务推荐模型的训练方式的流程示意图；
图5为本发明实施例提供的一种服务推荐装置的结构示意图；
图6为本发明实施例提供的一种服务器的结构示意图；
图7为本发明实施例提供的一种终端的结构示意图。
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。
现有的推荐方法中，可以基于用户的浏览记录和/或用户的购买记录向用户推荐各类智能设备。然而，对于用户所购买的智能设备而言，用户往往希望能够进一步关注商家所提供的与该智能设备相关的虚拟服务。可见，如何为用户推荐与用户所购买的智能设备相关的虚拟服务，是一个亟待解决的问题。
为了解决上述技术问题，本发明实施例提供了一种服务推荐方法。
在本发明实施例中，用户在购买智能设备后，可以在自身所使用的终端上安装一个客户端，并注册用于登陆该客户端的登录账号，以及建立该登陆账号与所购买的智能设备的设备标识的对应关系。在建立上述对应关系后，可以向为该客户端提供服务的服务器上报该对应关系，这样，服务器中便可以记录有各个用户的登陆账号与该用户所购买的智能设备的设备标识的对应关系。
其中，上述终端可以是用户所拥有的各类终端，例如，手机、平板电脑等，对此，本发明实施例不做具体限定。并且，上述所购买的智能设备的设备标识可以为该智能设备的序列号等能够唯一确定该智能设备的标识，也就是说，不同的智能设备的设备标识不同。
上述客户端可以是用于控制所购买的智能设备的客户端，并且，该客户端还可以用于向用户提供各类虚拟服务，以使得用户可以通过该客户端购买各类虚拟服务。从而，在建立该客户端与所购买的智能设备的通信连接后，可以在该客户端上注册登录账号，从而，直接建立该登陆账号与所购买的智能设备的设备标识的对应关系。
相应的，上述客户端也可以是仅仅用于向用户提供各类虚拟服务，以使得用户可以通过该客户端购买各类虚拟服务的客户端，从而，在该客户端上注册登录账号后，可以通过手动输入所购买的智能设备的设备标识等方式，人工建立该登陆账号与所购买的智能设备的设备标识的对应关系。
其中，上述对客户端的说明仅用于对上述客户端进行举例说明，而非限定。
进一步的，当用户通过所注册的登陆账号登陆上述客户端后，该客户端可以向用户提供各类虚拟服务，从而，用户可以通过对该客户端界面的点击、输入等操作，完成虚拟服务查看、购买等动作。并且，在上述用户操作过程中，客户端可以记录用户的各类操作数据，从而，可以根据客户端所记录的用户的各类操作数据，得到用户的用户操作信息。
其中，用户针对客户端提供的各类虚拟服务的各类操作可以包括用户对各类虚拟服务的查看、购买等，例如，某个用户在某个时刻购买了某种虚拟服务，某个用户在某个时刻点击查看了某种虚拟服务等；进而，便可以基于用户针对客户端提供的各类虚拟服务的各类操作生成用户的用户操作信息，例如，用户针对客户端提供的各类虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长等信息。
进而，在基于多个客户端所记录的用户针对客户端所提供的虚拟服务的各类操作确定出多个用户的用户操作信息后，便可以进一步对所确定的用户操作信息进行数据处理和分析，从所确定的用户操作信息中，提取得到针对各型号的智能设备的交叉操作信息和服务操作信息。
其中，针对智能设备的服务操作信息可以包括：基于客户端对应网站内各个用户，针对智能设备所支持的虚拟服务的各类操作生成的信息；例如，客户端对应网站内各个用户，针对某型号的智能设备所支持的虚拟服务的曝光次数、点击率和购买率等信息，作为针对该型号的智能设备的服务操作信息；
针对智能设备的交叉操作信息可以包括：各个型号的智能设备支持的虚拟服务，以及基于与各个型号的智能设备相关联的指定用户，针对各个型号的智能设备所支持的虚拟服务的各类操作生成的信息。例如，针对型号A的智能设备的交叉操作信息可以包括：型号A的智能设备所支持的虚拟服务A1和A2，以及，购买型号A的智能设备的各个指定用户对虚拟服务A1和A2的点击率和购买率等信息，其中，与型号A的智能设备相关联的指定用户为：购买了型号A的智能设备的用户；又例如，针对型号B的智能设备的交叉操作信息包括：型号B的智能设备所支持的虚拟服务A1、A2和B1，以及，购买了与型号B的智能设备属于同系列设备的其他智能设备的各个指定用户，对虚拟服务A1和A2的点击率和购买率等信息，其中，与型号B的智能设备相关联的指定用户为：购买了与型号B的智能设备属于同系列设备的其他智能设备的用户。
其中，本发明实施例提供的一种服务推荐方法，可以包括如下步骤：
确定待推荐服务的目标用户的用户操作信息；其中，所述用户操作信息包括：基于所述目标用户针对目标客户端提供的各类虚拟服务的各类操作所生成的信息，所述目标客户端登录有与所述目标用户所购买目标智能设备的设备标识对应的登录账号；
确定针对所述目标智能设备的交叉操作信息和服务操作信息；其中，所述交叉操作信息包括：所述目标智能设备支持的指定虚拟服务和基于与所述目标智能设备相关联的指定用户针对所述指定虚拟服务器的各类操作所生成的信息；所述服务操作信息包括：基于所述目标客户端对应网站内各个用户针对所述指定虚拟服务的各类操作所生成的信息；
基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对所述目标用户的服务推荐结果；
当所述目标用户满足推荐条件时，通过所述目标客户端输出所生成的服务推荐结果。
其中，本发明实施例提供的服务推荐方法可以应用于服务推荐系统中的服务器，也可以应用于服务推荐系统中的客户端，并且，该客户端安装于用户所使用的各类终端中。也就是说，服务推荐系统中包括服务器和安装于用户所使用的各类终端中的客户端，进而，本发明实施例提供的服务推荐方法可以应用于该系统中的服务器或客户端。
可选的，第一种具体实现方式中，当该方法应用于服务器时，针对待推荐服务的目标用户，服务器可以接收目标客户端上报的目标用户针对目标客户端所提供的各类虚拟服务的各类操作的操作数据，从而，服务器可以根据该操作数据确定目标用户的用户操作信息，并从本地所存储的针对各型号的智能设备的交叉操作信息和服务操作信息中，确定针对目标智能设备的交叉操作信息和服务操作信息。这样，在基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对目标用户的服务推荐结果后，服务器便可以将所生成的服务推荐结果存储到本地或其他指定的存储设备中，从而，在目标用户满足推荐条件时，便可以将所存储的服务推荐结果发送给目标客户端，以使得目标客户端输出所确定的服务推荐结果。
其中，可选的，服务器可以将所生成的服务推荐结果与目标用户登陆目标客户端所使用的登录账号进行对应存储。
示例性的，目标客户端在检测目标用户登陆目标客户端时，可以生成推荐结果获取请求，并向服务器发送该推荐结果获取请求，且该推荐结果获取请求中携带有目标用户登陆目标客户端所使用的登录账号，从而，服务器在接收到该推荐结果获取请求后，便可以从所存储的各个服务推荐结果中，根据上述登陆账号，确定针对目标用户的服务推荐结果，并将所确定的服务推荐结果发送给目标客户端，以使得目标客户端输出所接收到的服务推荐结果。
可选的，第二种具体实现方式中，当该方法应用于客户端时，针对待推荐服务的目标用户，目标客户端可以直接根据所检测到的目标用户对目标客户端的界面的各类操作，确定目标用户对目标客户端所提供的各类虚拟服务的各类操作的操作数据，并直接根据该操作数据确定目标用户的用户操作信息，并向服务器请求针对目标智能设备的交叉操作信息和服务操作信息。这样，在基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对目标用户的服务推荐结果后，目标客户端便可以将所生成的服务推荐结果存储到本地或其他指定的存储设备中，从而，在目标用户满足推荐条件时，目标客户端便可以直接输出所确定的服务推荐结果。
其中，可选的，服务器可以存储有登陆目标客户端所使用的登录账号与目标用户所购买的目标智能设备的设备标识的对应关系，以及，各个设备标识分别与针对该设备标识所属型号的智能设备的交叉操作信息和服务操作信息的对应关系。
示例性的，目标客户端可以向服务器发送该操作信息获取请求，且该操作信息获取请求中携带有目标用户登陆目标客户端所使用的登录账号，从而，服务器在接收到该操作信息获取请求后，便可以根据所存储的登陆目标客户端所使用的登录账号与目标用户所购买的目标智能设备的设备标识的对应关系，确定目标用户所购买的目标智能设备的设备标识，进而，根据各个设备标识分别与针对该设备标识所属型号的智能设备的交叉操作信息和服务操作信息的对应关系，确定针对目标智能设备的交叉操作信息和服务操作信息，并将所确定的针对目标智能设备的交叉操作信息和服务操作信息发送给目标客户端，以使得目标客户端可以基于所确定的目标用户的用户操作信息，以及所接收到的针对目标智能设备的交叉操作信息和服务操作信息，生成针对目标用户的服务推荐结果。进而，目标客户端在检测到目标用户登陆目标客户端时，便可以直接输出上述所生成的针对目标用户的服务推荐结果。
需要强调的是，上述第一种具体实现方式和第二种具体实现方式，仅用于对本发明实施例提供的一种服务推荐方法的执行主体进行举例说明，而非限定。
以上可见，本发明实施例提供的方案，可以确定待推荐服务的目标用户的用户操作信息，以及针对目标用户所购买的目标智能设备的交叉操作信息和服务操作信息，进而，便可以基于上述用户操作信息、交叉操作信息和服务操作信息，生成针对目标用户的服务推荐结果。这样，在目标用户满足推荐条件时，便可以通过目标客户端输出所确定的服务推荐结果。
基于此，应用本发明实施例提供的方案，在用户购买智能设备后，可以根据用户的用户操作信息，以及针对用户所购买的智能设备的交叉操作信息和服务操作信息，生成针对用户的服务推荐结果，并在用户满足推荐条件时，通过用户所登陆的客户单输出该服务推荐结果。这样，便可以在用户购买智能设备后，为用户推荐与用户所购买的智能设备相关的虚拟服务。
下面，结合附图，对本发明实施例提供的一种服务推荐方法进行具体说明。
图1为本发明实施例提供的一种服务推荐方法的流程示意图，如图1所示，该方法可以包括如下步骤：
S101：确定待推荐服务的目标用户的用户操作信息；
其中，用户操作信息包括：基于目标用户针对目标客户端提供的各类虚拟服务的各类操作所生成的信息，目标客户端登录有与目标用户所购买目标智能设备的设备标识对应的登录账号；
在向目标用户推荐与目标用户所购买的智能设备相关的虚拟服务时，可以首先生成针对目标用户的服务推荐结果，从而，使得目标客户端可以输出所生成的上述服务推荐结果，实现向目标用户推荐与目标用户所购买的智能设备相关的虚拟服务的目的。
在生成针对目标用户的服务推荐结果时，可以首先确定待推荐服务的目标用户的用户操作信息。
其中，目标用户的用户操作信息可以包括：基于目标用户针对目标客户端提供的各类虚拟服务的各类操作所生成的信息，而目标客户端为登录有与目标用户所购买目标智能设备的设备标识对应的登录账号的客户端。也就是说，目标用户通过与目标用户所购买目标智能设备的设备标识对应的登录账号登陆目标客户端。
在目标用户通过上述登陆账号登陆目标客户端后，目标客户端可以向目标用户提供各类虚拟服务，从而，目标用户可以根据自身的需求、爱好等，对目标客户端所提供的各类虚拟服务进行点击查看、点击购买、搜索等各类操作，这样，目标客户端便可以基于所检测到的目标用户的各类操作，记录目标用户针对目标客户端所提供的各类虚拟服务的各类操作的操作数据。这样，便可以基于目标客户端所记录的上述操作数据，确定目标用户的用户操作信息。
其中，可选的，当本发明实施例提供的服务推荐方法应用于服务器时，目标客户端可以向为目标客户端提供服务的服务器上报所记录的目标用户针对目标客户端所提供的各类虚拟服务的各类操作的操作数据，从而，该服务器便可以通过对所接收到的操作数据的数据处理和分析，确定目标用户的用户操作信息。
例如，目标客户端可以通过埋点的方式向为目标客户端提供服务的服务器上报所记录的目标用户针对目标客户端所提供的各类虚拟服务的各类操作的操作数据。
可选的，当本发明实施例提供的服务推荐方法应用于客户端时，则目标客户端在记录目标用户针对目标客户端所提供的各类虚拟服务的各类操作的操作数据后，可以直接对所记录的操作数据进行数据处理和分析，确定目标用户的用户操作信息。
其中，可选的，一种具体实现方式中，上述目标用户的用户操作信息可以包括：目标用户针对目标客户端提供的各类虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种。
S102：确定针对目标智能设备的交叉操作信息和服务操作信息；
其中，针对目标智能设备的交叉操作信息包括：目标智能设备支持的指定虚拟服务和基于与目标智能设备相关联的指定用户针对指定虚拟服务的各类操作所生成的信息，针对目标智能设备的服务操作信息包括：基于目标客户端对应网站内各个用户针对指定虚拟服务的各类操作所生成的信息；
可以理解的，目标客户端对应网站内可以存在多个用户，每个用户在购买智能设备后，均可以通过与所购买的智能设备的设备标识对应的登录账号登陆客户端，从而，在用户通过上述账号登陆客户端后，客户端可以向用户提供各类虚拟服务，并确定用户的用户操作信息。
其中，不同的用户所购买的智能设备的型号可以相同，也可以不同，因此，存在与目标智能设备相关联的指定用户。例如，指定用户可以是购买有与目标智能设备型号相同的智能设备的各个用户；又例如，指定用户可以是购买有与目标智能设备属于同一系列的智能设备的各个用户，此时，指定用户所购买的智能设备与目标智能设备的型号可以相同，也可以不同，但是指定用户所购买的智能设备与目标智能设备属于同一系列；再例如，指定用户可以是购买有与目标智能设备属于同一品牌的智能设备的各个用户，此时，指定用户所购买的智能设备与目标智能设备的型号可以相同，也可以不同，但是指定用户所购买的智能设备与目标智能设备属于同一品牌。
其中，上述对指定用户的说明仅为对指定用户的举例，而非限定。
进而，不同的用户的用户操作信息所针对的虚拟服务可以相同，也可以不同，进一步的，不同型号的智能设备所支持的虚拟服务可以相同，也可以不同。
在每个用户通过与所购买的智能设备的设备标识对应的登录账号登陆客户端，并对客户端所提供的各个虚拟服务进行各类操作后，客户端便可以记录每个用户针对客户端所提供的各个虚拟服务器的各类操作的操作数据。
这样，便可以根据各个客户端所记录的上述操作数据，确定各个用户的用户操作信息。
其中，可选的，当本发明实施例提供的服务推荐方法应用于服务器时，各个客户端可以向服务器上报所记录的用户针对客户端所提供的各类虚拟服务的各类操作的操作数据，从而，该服务器便可以通过对所接收到的操作数据的数据处理和分析，确定各个用户的用户操作信息。
可选的，当本发明实施例提供的服务推荐方法应用于客户端时，则客户端可以直接向服务器上报自身所确定的用户的用户操作信息，该用户的用户操作信息是客户端直接根据自身所记录的该用户针对客户端所提供的各类虚拟服务的各类操作的操作数据所确定的。
在得到多个用户的用户操作信息后，服务器便可以根据不同用户所使用的登录账号所对应的设备标识，确定不同用户所购买的智能设备的型号、所属系列、所属品牌等信息，进而，确定与各个型号的智能设备相关联的指定用户。
这样，便可以根据多个用户的用户操作信息、不同用户所购买的智能设备的型号，以及与各个型号的智能设备相关联的指定用户，确定针对各个型号的智能设备的交叉操作信息和服务操作信息。基于此，针对目标用户所购买的目标智能设备，便可以确定针对目标智能设备的交叉操作信息和服务操作信息。
其中，可选的，一种具体实现方式中，针对目标智能设备的服务操作信息包括：目标客户端对应网站内各个用户针对目标智能设备所支持的指定虚拟服务的曝光次数、点击率和购买率中的至少一种；
针对目标智能设备的交叉操作信息可以包括：目标智能设备所支持的指定虚拟服务，以及与目标智能设备相关联的指定用户针对目标智能设备所支持的指定虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种。
此外，可选的，一种具体实现方式中，针对目标智能设备的交叉操作信息还可以包括：基于目标用户对目标智能设备所支持的指定虚拟服务的各类操作所生成的信息；例如，目标用户在预设时长内分别对该目标智能设备所支持的各个指定虚拟服务的使用频率和使用时长中的至少一种等；这都是合理的。
S103：基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对目标用户的服务推荐结果；
在确定上述目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息后，便可以生成针对目标用户的服务推荐结果。
其中，该服务推荐结果可以包括：各类虚拟服务在目标客户端显示界面中的排序；也可以包括：各类虚拟服务在目标客户端显示界面中的显示位置、显示大小、显示方式等显示效果中的至少一项；还可以包括：各类虚拟服务是否在目标客户端的首页中显示等。对此，本发明实施例不做具体限定。
S104：当目标用户满足推荐条件时，通过目标客户端输出所生成的服务推荐结果。
这样，在得到上述针对目标用户的服务推荐结果后，便可以将该服务推荐结果存储到本地或其他预设的存储设备中，从而，在检查到目标用户满足推荐条件，便可以通过目标客户端输出所生成的服务推荐结果。
其中，当上述服务推荐方法的执行主体为客户端时，上述推荐条件可以是：检测到目标用户通过与目标用户所购买目标智能设备的设备标识对应的登录账号登陆目标客户端；也可以是：检测到目标用户对目标客户端的界面中的推荐按钮的点击操作。当然，上述推荐条件还可以是其他条件，这都是合理的。
当上述服务推荐方法的执行主体为服务器时，上述推荐条件可以是：接收到目标客户端发送的推荐结果获取请求，其中，该推荐结果获取请求可以是目标客户端在检测到目标用户通过与目标用户所购买目标智能设备的设备标识对应的登录账号登陆目标客户端时生成的；也可以是：目标客户端在检测到目标用户对目标客户端的界面中的推荐按钮的点击操作时生成。当然，上述推荐条件还可以是其他条件，上述推荐结果获取请求也可以通过其他方式生成。
进一步的，当上述服务推荐方法的执行主体为客户端时，目标客户端可以直接输出上述针对目标用户的服务推荐结果。
当上述服务器推荐方法的执行主体为服务器时，服务器可以向目标客户端发送上述针对目标用户的服务推荐结果，以使目标客户端输出所接收到的服务推荐结果。
由于目标用户可以经常性地对目标客户端所提供的各类虚拟服务进行各类操作，从而，可以改变目标用户的用户操作信息，而目标用户的用户操作信息的改变，可以进一步改变针对目标智能设备的交叉操作信息和服务操作信息，进而，便可以进一步改变针对目标用户的服务推荐结果。
可选的，一种具体实现方式中，上述步骤S101，确定待推荐服务的目标用户的用户操作信息，可以包括步骤1：
步骤1：按照预设周期，确定当前周期内的待推荐服务的目标用户的用户操作信息；
相应的，在本具体实现方式中，上述步骤S102，确定针对目标智能设备的交叉操作信息和服务操作信息，可以包括如下步骤2：
步骤2：按照预设周期，确定当前周期内的针对目标智能设备的交叉操作信息和服务操作信息。
在本具体实现方式中，可以按照预设周期，每隔该预设周期所对应的周期时长，更新待推荐服务的目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息，从而，可以按照预设周期，每隔该预设周期所对应的周期时长更新所生成的针对目标用户的服务推荐结果。
基于此，便可以使得向目标用户提供的服务推荐结果可以随着目标用户对客户端所提供的各类虚拟服务的各类操作而改变，从而，可以提高该服务推荐结果的准确性，以使得，该服务推荐结果可以与用户当前的操作更匹配，更加符合目标用户当前的需求，使目标用户获得更好的服务体验。
此外，由于在一些情况下，在一段时间内，用户可能并没有对客户端所提供的各类虚拟服务进行操作，从而，目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息可能在较长时间内维持不变，这样，为了节省生成服务推荐结果所需的计算资源，此时，可以不更新向目标用户提供的服务推荐结果。
基于此，可选的，一种具体实现方式中，如图2所示，本发明实施例提供的一种服务推荐方法还可以包括如下步骤S100。
步骤S100：按照预设周期，采集目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息；当检测到存在差异信息时，执行步骤S101。
其中，差异特征为：此次所采集的目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息中，与上一采集周期所采集的目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息不同的信息。
在本具体实现方式中，可以按照预设周期采集目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息，并且，在每次采集到目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息之后，可以比较此次所采集到的目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息，与上一采集周期所采集到的目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息，以检测两次所采集到的目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息中，是否存在不同的信息，即是否存在差异信息。
如果存在，则可以说明，在两次采集之间，目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息中的至少一种信息发生了变化。
例如，目标用户的用户操作信息中所包括的目标用户针对目标客户端提供的各类虚拟服务的点击率发生变化等。
这样，为了保证当目标用户满足推荐条件时，通过目标客户端输出针对目标用户的服务推荐结果的准确性，便可以继续执行上述步骤S101，重新确定用于生成针对目标用户的服务推荐结果的目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息。
其中，可选的，对于上述目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息，各类操作信息中可以包括更新频率较高的动态信息和更新频率较低的静态信息。从而，针对上述目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息，可以按照较长的预设静态周期，采集上述目标用户的用户操作信息，以及目标智能设备的交叉操作信息和服务操作信息的静态信息，并在检测到此次采集到的静态信息中，存在与上一采集周期所采集的静态信息不同的信息时，执行上述步骤S101；并按照较短的预设动态周期，采集上述目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息的动态信息，并在检测到此次采集到的动态信息中，存在与上一采集周期所采集的动态信息不同的信息时，执行上述步骤S101。其中，上述预设动态周期小于上述预设静态周期。
在很多情况下，可以通过利用深度学习模型或者机器学习模型，实现针对目标用户的服务推荐结果的生成。
基于此，可选的，一种具体实现方式中，如图3所示，上述步骤S103，基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对目标用户的服务推荐结果，可以包括如下步骤S103A。
步骤S103A：将所确定的用户操作信息、交叉操作信息和服务操作信息输入至预先训练完成的服务推荐模型，得到服务推荐模型输出的针对目标用户的服务推荐结果；
其中，服务推荐模型为：基于多个样本用户的样本数据训练得到的模型，每一样本用户的样本数据包括针对该样本用户所购买的智能设备的交叉操作信息和服务操作信息，以及该样本用户的用户操作信息。
在本具体实现方式中，可以预先训练得到服务推荐模型，从而，在确定出目标用户的用户操作信息，以及针对目标智能设备的交叉操作信息和服务操作信息后，便可以将所确定的用户操作信息、交叉操作信息和服务操作信息输入至该预先训练完成的服务推荐模型，从而，该服务推荐模型便可以基于所输入的用户操作信息、交叉操作信息和服务操作信息，通过特征学习，输出预测结果，则该预测结果即为所生成的针对目标用户的服务推荐结果。
其中，在本具体实现方式中，可以通过埋点技术，获取各个客户端上包括的各个用户的用户操作信息，从而，从各个用户的用户操作信息中，确定针对各型号的智能设备的交叉操作信息和服务操作信息。进而，便可以确定多个样本用户的样本数据。
其中，每一样本用户的样本数据包括针对该样本用户所购买的智能设备的交叉操作信息和服务操作信息，以及该样本用户的用户操作信息。
所谓样本用户的用户操作信息包括：基于样本用户针对样本客户端提供的各类虚拟服务的各类操作生成的信息，其中，样本客户端为：样本用户通过与该样本用户所购买智能设备的设备标识对应的登录账号登陆的客户端；
针对样本用户所购买的智能设备的服务操作信息包括：基于样本客户端对应网站内各个用户，针对样本用户所购买的样本智能设备所支持的虚拟服务的各类操作生成的信息；
针对样本用户所购买的智能设备的交叉操作信息包括：样本智能设备所支持的虚拟服务，以及基于与样本智能设备相关联的用户，针对样本智能设备所支持的虚拟服务的各类操作生成的信息。
其中，可选的，一种具体实现方式中，样本用户的用户操作信息可以包括：样本用户针对样本客户端提供的各类虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种；
针对样本用户所购买的智能设备的服务操作信息可以包括：样本客户端对应网站内各个用户针对样本用户所购买的样本智能设备所支持的虚拟服务的曝光次数、点击率和购买率中的至少一种；
针对样本用户所购买的智能设备的交叉操作信息可以包括：样本智能设备所支持的虚拟服务，以及与样本智能设备相关联的用户针对样本智能设备所支持的虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种。
其中，目标用户的用户操作信息与样本用户的用户操作信息所包括的信息类型是相同的，针对目标智能设备的服务操作信息与针对样本用户所购买的智能设备的服务操作信息所包括的信息类型是相同的，且针对目标智能设备的交叉操作信息与针对样本用户所购买的智能设备的交叉操作信息所包括的信息类型也是相同的。并且，样本客户端对应网站内各个用户与目标客户端对应网站内的各个用户为相同的用户，也就是说，样本客户端对应网站与目标客户端对应网站为同一网站。
这样，在得到上述多个样本用户的样本数据后，便可以利用上述多个样本用户的样本数据对预设的初始模型进行训练，从而，在检测到满足训练完成条件时，得到上述服务推荐模型。
此外，上述训练完成条件可以是：迭代次数达到预设次数，也可以是：模型的AUC大于预设阈值等。当然，上述训练完成条件也可以是其他条件，对此，本发明实施例步骤具体限定。
需要说明的是，上述AUC为Area Under Curve的缩写，被定义为ROC曲线下与坐标轴围成的面积，是一种用于衡量模型性能优劣的性能指标。其中，AUC的取值范围在0.5和1之间。AUC越接近1.0，模型性能越高，从而，模型输出结果的真实性越高；等于0.5时，则模型性能最低，从而，模型输出结果的真实性最低，模型不具有应用价值。其中，ROC为ReceiverOperating Characteristic Curve(受试者工作特征曲线)的缩写。
其中，可选的，一种具体实现方式中，可以将所得到的多个样本用户的样本数据划分为训练数据和测试数据，从而，利用训练数据对预设的初始模型进行训练，得到过渡模型，并利用测试数据对该过渡模型进行测试，以便于根据测试结果调整该过渡模型的模型参数，并再次利用训练数据对调整模型参数后的过渡模型进行再次训练，得到更新后的过渡模型，并利用测试数据对该更新后的过渡模型进行测试，以便于根据测试结果调整该过渡模型的模型参数。这样，循环多次，便可以获得较好的训练效果，使得所生成的针对目标用户的服务推荐结果具有较高的准确性。
进一步的，可选的，一种具体实现方式中，在训练得到上述服务推荐模型时，为了取得更好的训练效果，使得所生成的针对目标用户的服务推荐结果具有较高的准确性，可以预先设置多个不同的初始模型，从而，基于多个样本用户的样本数据，对不同的初始模型进行训练，得到多个不同的候选模型。
进而，针对每个候选模型，可以进行多次交叉验证，并根据该多次交叉验证中该候选模型的平均表现来评估该候选模型的性能。其中，可以首先统计测试数据中正负样本的比例，从而，得到初始的空准确率作为baseline(基线)。然后对每个候选模型进行测试，求得该候选模型的AUC。进而，对每个候选模型的模型参数做网格搜索，以实现对该候选模型的模型参数的调优，对模型参数调优后的各个候选模型，进行多次交叉验证，以求得该候选模型的平均AUC。从而，通过对比各个候选模型的平均AUC，以及各个候选模型的模型参数，从多个候选模型中，选取符合实际应用场景需求的候选模型，作为最终所采用的服务推荐模型。
其中，可选的，在实际应用场景中，选取最终所采用的服务推荐模型可以综合考虑模型的效率和模型的性能。
此外，上述多个不同的初始模型可以包括机器学习模型和/或深度学习模型，例如，可以包括LR(Logistic Regression，逻辑回归)模型、GBDT(Gradient BoostingDecision Tree，梯度提升决策树)模型、RF(RandomForest，随机森林)模型、GBDT+LR(梯度提升决策树与逻辑回归的融合模型)、Wide&Deep模型、DeepFM模型、DCN(Deep&CrossNetwork)模型等模型中的多个。当然，上述多个不同的初始模型还可以包括其他类型的模型，对此，本发明实施例不做具体限定。
其中，可选的，一种具体实现方式中，在得到上述多个样本用户的样本数据后，可以对每个样本用户的用户数据进行数据处理，并利用处理后的每个样本用户的用户数据对预设的初始模型进行训练，从而，在检测到满足训练完成条件时，得到上述服务推荐模型。
进而，可选的，一种具体实现方式中，在对每个样本用户的用户数据进行数据处理后，可以对处理后的每个样本用户的用户数据进行数据融合，从而，利用进行数据处理和数据融合后的多个样本用户的样本数据对预设的初始模型进行训练，从而，在检测到满足训练完成条件时，得到上述服务推荐模型。
其中，上述数据处理可以包括：数据筛选、数据去冗余、数据去噪声、处理缺失值和处理异常值中的至少一种处理方式。当然，上述数据处理也可以包括其他处理方式，这都是合理的。
进而，在每个样本用户的用户数据中，从不同数据来源获取到的用户操作信息、交叉操作信息和服务操作信息可以记录在不同的数据表中，从而，上述数据融合便可以理解为：将每个样本用户的用户数据中，记录在不同数据表中的用户操作信息、交叉操作信息和服务操作信息融合记录到同一数据表中。
可以理解的，在购买了智能设备，且通过与所购买的智能设备的设备标识对应的登录账号登陆客户端的多个用户中，很多用户仅仅浏览所登陆的客户端提供的各类虚拟服务，而不会点击查看任一虚拟服务，进而，也不会购买任一虚拟服务。也就是说，对所登陆的客户端所提供的各类虚拟服务中的至少一类服务执行点击操作的用户的数量，可以远远小于，对所登陆的客户端所提供的各类虚拟服务中的任一类服务均不执行点击操作的用户的数量。
基于此，在获取多个样本用户的样本数据时，可以将对所登陆的客户端提供的各类虚拟服务中的至少一类服务执行点击操作的用户作为正样本用户，而将对所登陆的客户端提供的各类虚拟服务中的任一类服务均不执行点击操作的用户作为负样本用户。从而，在获取多个样本用户的样本数据时，需要对多个样本用户中的正样本用户与负样本用户的进行合理的采样，以使得多个样本用户中的正样本用户与负样本用户的数量关系，与实际应用场景中上述两类用户的数量关系的偏差较小，进而，可以提高训练得到的服务推荐模型的离线测试效果，使得在离线状态下使用该服务推荐模型时，所得到的服务推荐结果的准确度可以尽可能地贴近在线状态下所得到的服务推荐结果的准确度。
基于此，可选的，一种具体实现方式中，如图4所示，上述服务推荐模型的训练方式可以包括如下步骤：
S401：根据预设的正样本用户和负样本用户的数量比例，确定多个正样本用户的样本数据和多个负样本用户的样本数据；
其中，正样本用户的数量小于负样本用户的数量，正样本用户为：对所登陆的客户端提供的各类虚拟服务中的至少一类服务执行点击操作的用户；负样本用户为：对所登陆的客户端提供的各类虚拟服务中的任一类服务均不执行点击操作的用户；
S402：基于各个正样本用户的样本数据和各个负样本用户的样本数据，对预设的初始模型进行训练；
S403：在检测到满足训练完成条件时，得到训练完成的服务推荐模型。
在本具体实现方式中，在获取各个样本用户的样本数据时，可以通过各个客户端上报的用户的用户操作信息，确定实际应用场景中，上述两类用户的数量关系，从而，确定正样本用户和负样本用户的数量比例，从而，根据该数量比例，确定多个正样本用户的样本数据和多个负样本用户的样本数据，并且，正样本用户的数量小于负样本用户的数量。
进而，便可以基于各个正样本用户的样本数据和各个负样本用户的样本数据，对预设的初始模型进行训练，从而，在检测到满足训练完成条件时，得到训练完成的服务推荐模型
此外，在图4所示具体实现方式的一种实施例中，可以将上述正样本用户的样本数据和负样本用户的样本数据划分为训练数据和测试数据；其中，训练数据和测试数据中均包括：正样本用户的样本数据和负样本用户的样本数据。
这样，在本实施例中，在利用训练数据中所包括的正样本用户的样本数据和负样本用户的样本数据，通过上述步骤S401-S403，得到训练完成的服务推荐模型后，便可以进一步的利用测试数据中所包括的正样本用户的样本数据和负样本用户的样本数据对该服务推荐模型进行测试，即利用测试数据中所包括的正样本用户的样本数据和负样本用户的样本数据对该服务推荐模型进行离线验证，从而，可以根据测试结果对该服务推荐模型的参数进行调优。进而，在参数调优之后，可以再次利用训练数据中所包括的正样本用户的样本数据和负样本用户的样本数据对参数调优后的服务推荐模型进行再次训练，得到更新后的服务推荐模型，并利用测试数据中所包括的正样本用户的样本数据和负样本用户的样本数据对该更新后的服务推荐模型进行再次测试，以便于根据测试结果再次对该服务推荐模型的参数进行调优。这样，循环多次，便可以获得较好的训练效果，使得所生成的针对目标用户的服务推荐结果具有较高的准确性。
相应于上述本发明实施例提供的一种服务推荐方法，本发明实施例提供了一种服务推荐装置。
图5为本发明实施例提供的一种服务推荐装置的结构示意图。如图5所示，该装置可以包括如下模块：
用户操作信息确定模块510，用于确定待推荐服务的目标用户的用户操作信息；其中，所述用户操作信息包括：基于所述目标用户针对目标客户端提供的各类虚拟服务的各类操作所生成的信息，所述目标客户端登录有与所述目标用户所购买目标智能设备的设备标识对应的登录账号；
设备操作信息确定模块520，用于确定针对所述目标智能设备的交叉操作信息和服务操作信息；其中，所述交叉操作信息包括：所述目标智能设备支持的指定虚拟服务和基于与所述目标智能设备相关联的指定用户针对所述指定虚拟服务器的各类操作所生成的信息；所述服务操作信息包括：基于所述目标客户端对应网站内各个用户针对所述指定虚拟服务的各类操作所生成的信息；
推荐结果生成模块530，用于基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对所述目标用户的服务推荐结果；
推荐结果输出模块540，用于当所述目标用户满足推荐条件时，通过所述目标客户端输出所生成的服务推荐结果。
以上可见，本发明实施例提供的方案，可以确定待推荐服务的目标用户的用户操作信息，以及针对目标用户所购买的目标智能设备的交叉操作信息和服务操作信息，进而，便可以基于上述用户操作信息、交叉操作信息和服务操作信息，生成针对目标用户的服务推荐结果。这样，在目标用户满足推荐条件时，便可以通过目标客户端输出所确定的服务推荐结果。
基于此，应用本发明实施例提供的方案，在用户购买智能设备后，可以根据用户的用户操作信息，以及针对用户所购买的智能设备的交叉操作信息和服务操作信息，生成针对用户的服务推荐结果，并在用户满足推荐条件时，通过用户所登陆的客户单输出该服务推荐结果。这样，便可以在用户购买智能设备后，为用户推荐与用户所购买的智能设备相关的虚拟服务。
可选的，一种具体实现方式中，所述目标用户的用户操作信息包括：所述目标用户针对所述目标客户端提供的各类虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种；
针对所述目标智能设备的交叉操作信息包括：所述指定用户针对所述指定虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种；
针对所述目标智能设备的服务操作信息包括：所述目标客户端对应网站内各个用户针对所述指定虚拟服务的曝光次数、点击率和购买率中的至少一种。
可选的，一种具体实现方式中，所述装置还包括：
特征采集模块，用于按照预设周期，采集所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息；当检测到存在差异信息时，执行所述确定待推荐服务的目标用户的用户操作信息的步骤；
其中，所述差异信息为：此次所采集的所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息中，与上一采集周期所采集的所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息不同的信息。
可选的，一种具体实现方式中，所述推荐结果生成模块530具体用于：
将所确定的用户操作信息、交叉操作信息和服务操作信息输入至预先训练完成的服务推荐模型，得到所述服务推荐模型输出的针对所述目标用户的服务推荐结果；
其中，所述服务推荐模型为：基于多个样本用户的样本数据训练得到的模型，每一样本用户的样本数据包括针对该样本用户所购买的智能设备的交叉操作信息和服务操作信息，以及该样本用户的用户操作信息。
可选的，一种具体实现方式中，所述装置还包括：用于训练所述服务推荐模型的模型训练模块；所述模型训练模块具体用于：
根据预设的正样本用户和负样本用户的数量比例，确定多个正样本用户的样本数据和多个负样本用户的样本数据；其中，所述正样本用户的数量小于所述负样本用户的数量；所述正样本用户为：对所登陆的客户端提供的各类虚拟服务中的至少一类服务执行点击操作的用户；所述负样本用户为：对所登陆的客户端提供的各类虚拟服务中的任一类服务均不执行点击操作的用户；
基于各个正样本用户的样本数据和各个负样本用户的样本数据，对预设的初始模型进行训练；
在检测到满足训练完成条件时，得到训练完成的服务推荐模型。
相应于上述本发明实施例提供的一种服务推荐方法，本发明实施例还提供了一种服务器，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，
存储器603，用于存放计算机程序；
处理器601，用于执行存储器603上所存放的程序时，实现上述本发明实施例提供的任一服务推荐方法的步骤。
相应于上述本发明实施例提供的一种服务推荐方法，本发明实施例还提供了一种终端，该终端安装有客户端。如图7所示，包括处理器701、通信接口702、存储器703和通信总线704，其中，处理器701，通信接口702，存储器703通过通信总线704完成相互间的通信，
存储器703，用于存放计算机程序；
处理器701，用于执行存储器703上所存放的程序时，实现上述本发明实施例提供的任一服务推荐方法的步骤。
上述服务器和终端提到的通信总线可以是外设部件互连标准(PeripheralComponent Interconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述服务器和终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述本发明实施例提供的任一服务推荐方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述本发明实施例提供的任一服务推荐方法的步骤。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例、服务器实施例、终端实施例、计算机可读存储介质实施例，以及计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (13)

1.一种服务推荐方法，其特征在于，所述方法包括：
在目标用户购买目标智能设备之后，确定待推荐服务的所述目标用户的用户操作信息；其中，所述用户操作信息包括：基于所述目标用户针对目标客户端提供的各类虚拟服务的各类操作所生成的信息，所述目标客户端登录有与所述目标用户所购买所述目标智能设备的设备标识对应的登录账号；
确定针对所述目标智能设备的交叉操作信息和服务操作信息；其中，所述交叉操作信息包括：所述目标智能设备支持的指定虚拟服务、和基于与所述目标智能设备相关联的指定用户针对所述指定虚拟服务器的各类操作所生成的信息；所述服务操作信息包括：基于所述目标客户端对应网站内各个用户针对所述指定虚拟服务的各类操作所生成的信息；
基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对所述目标用户的服务推荐结果；其中，所述服务推荐结果用于向所述目标用户推荐与所述目标用户所购买的目标智能设备相关的虚拟服务；
当所述目标用户满足推荐条件时，通过所述目标客户端输出所生成的服务推荐结果。
2.根据权利要求1所述的方法，其特征在于，所述目标用户的用户操作信息包括：所述目标用户针对所述目标客户端提供的各类虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种；
针对所述目标智能设备的交叉操作信息包括：所述指定用户针对所述指定虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种；
针对所述目标智能设备的服务操作信息包括：所述目标客户端对应网站内各个用户针对所述指定虚拟服务的曝光次数、点击率和购买率中的至少一种。
3.根据权利要求1或2所述的方法，其特征在于，在所述确定待推荐服务的目标用户的用户操作信息的步骤之前，所述方法还包括：
按照预设周期，采集所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息；
当检测到存在差异信息时，执行所述确定待推荐服务的目标用户的用户操作信息的步骤；
其中，所述差异信息为：此次所采集的所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息中，与上一采集周期所采集的所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息不同的信息。
4.根据权利要求1或2所述的方法，其特征在于，所述基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对所述目标用户的服务推荐结果的步骤，包括：
将所确定的用户操作信息、交叉操作信息和服务操作信息输入至预先训练完成的服务推荐模型，得到所述服务推荐模型输出的针对所述目标用户的服务推荐结果；
其中，所述服务推荐模型为：基于多个样本用户的样本数据训练得到的模型，每一样本用户的样本数据包括针对该样本用户所购买的智能设备的交叉操作信息和服务操作信息，以及该样本用户的用户操作信息。
5.根据权利要求4所述的方法，其特征在于，所述服务推荐模型的训练方式，包括：
根据预设的正样本用户和负样本用户的数量比例，确定多个正样本用户的样本数据和多个负样本用户的样本数据；其中，所述正样本用户的数量小于所述负样本用户的数量；所述正样本用户为：对所登陆的客户端提供的各类虚拟服务中的至少一类服务执行点击操作的用户；所述负样本用户为：对所登陆的客户端提供的各类虚拟服务中的任一类服务均不执行点击操作的用户；
基于各个正样本用户的样本数据和各个负样本用户的样本数据，对预设的初始模型进行训练；
在检测到满足训练完成条件时，得到训练完成的服务推荐模型。
6.一种服务推荐装置，其特征在于，所述装置包括：
用户操作信息确定模块，用于在目标用户购买目标智能设备之后，确定待推荐服务的所述目标用户的用户操作信息；其中，所述用户操作信息包括：基于所述目标用户针对目标客户端提供的各类虚拟服务的各类操作所生成的信息，所述目标客户端登录有与所述目标用户所购买所述目标智能设备的设备标识对应的登录账号；
设备操作信息确定模块，用于确定针对所述目标智能设备的交叉操作信息和服务操作信息；其中，所述交叉操作信息包括：所述目标智能设备支持的指定虚拟服务和基于与所述目标智能设备相关联的指定用户针对所述指定虚拟服务器的各类操作所生成的信息；所述服务操作信息包括：基于所述目标客户端对应网站内各个用户针对所述指定虚拟服务的各类操作所生成的信息；
推荐结果生成模块，用于基于所确定的用户操作信息、交叉操作信息和服务操作信息，生成针对所述目标用户的服务推荐结果；其中，所述服务推荐结果用于向所述目标用户推荐与所述目标用户所购买的目标智能设备相关的虚拟服务；
推荐结果输出模块，用于当所述目标用户满足推荐条件时，通过所述目标客户端输出所生成的服务推荐结果。
7.根据权利要求6所述的装置，其特征在于，所述目标用户的用户操作信息包括：所述目标用户针对所述目标客户端提供的各类虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种；
针对所述目标智能设备的交叉操作信息包括：所述指定用户针对所述指定虚拟服务的点击率、购买记录、点击时间和所购买服务的过期时长中的至少一种；
针对所述目标智能设备的服务操作信息包括：所述目标客户端对应网站内各个用户针对所述指定虚拟服务的曝光次数、点击率和购买率中的至少一种。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
特征采集模块，用于按照预设周期，采集所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息；当检测到存在差异信息时，执行所述确定待推荐服务的目标用户的用户操作信息的步骤；
其中，所述差异信息为：此次所采集的所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息中，与上一采集周期所采集的所述目标用户的用户操作信息，以及针对所述目标智能设备的交叉操作信息和服务操作信息不同的信息。
9.根据权利要求6-8任一项所述的装置，其特征在于，所述推荐结果生成模块具体用于：
将所确定的用户操作信息、交叉操作信息和服务操作信息输入至预先训练完成的服务推荐模型，得到所述服务推荐模型输出的针对所述目标用户的服务推荐结果；
其中，所述服务推荐模型为：基于多个样本用户的样本数据训练得到的模型，每一样本用户的样本数据包括针对该样本用户所购买的智能设备的交叉操作信息和服务操作信息，以及该样本用户的用户操作信息。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：用于训练所述服务推荐模型的模型训练模块；所述模型训练模块具体用于：
根据预设的正样本用户和负样本用户的数量比例，确定多个正样本用户的样本数据和多个负样本用户的样本数据；其中，所述正样本用户的数量小于所述负样本用户的数量；所述正样本用户为：对所登陆的客户端提供的各类虚拟服务中的至少一类服务执行点击操作的用户；所述负样本用户为：对所登陆的客户端提供的各类虚拟服务中的任一类服务均不执行点击操作的用户；
基于各个正样本用户的样本数据和各个负样本用户的样本数据，对预设的初始模型进行训练；
在检测到满足训练完成条件时，得到训练完成的服务推荐模型。
11.一种服务器，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。
12.一种终端，其特征在于，所述终端安装有客户端，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
CN202110742625.5A 2021-06-30 2021-06-30 一种服务推荐方法、装置、服务器及终端 Active CN113420220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110742625.5A CN113420220B (zh) 2021-06-30 2021-06-30 一种服务推荐方法、装置、服务器及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110742625.5A CN113420220B (zh) 2021-06-30 2021-06-30 一种服务推荐方法、装置、服务器及终端

Publications (2)

Publication Number Publication Date
CN113420220A CN113420220A (zh) 2021-09-21
CN113420220B true CN113420220B (zh) 2022-04-05

Family

ID=77717968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110742625.5A Active CN113420220B (zh) 2021-06-30 2021-06-30 一种服务推荐方法、装置、服务器及终端

Country Status (1)

Country Link
CN (1) CN113420220B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615655B (zh) * 2014-12-31 2019-04-23 小米科技有限责任公司 信息推荐方法和装置
CN105117418B (zh) * 2015-07-30 2022-02-18 百度在线网络技术（北京）有限公司 基于搜索的服务信息管理系统及方法
US20170372281A1 (en) * 2016-06-23 2017-12-28 Visa International Service Association Systems and methods for recommendations for purchases based on accumulation of purchases differentiating between local and tourists transactions
CN107688951B (zh) * 2016-08-03 2022-03-29 美的智慧家居科技有限公司 信息推送方法及装置
CN113055415A (zh) * 2019-12-26 2021-06-29 阿里巴巴集团控股有限公司 服务提供方法、服务消费方法、装置及设备

Also Published As

Publication number Publication date
CN113420220A (zh) 2021-09-21

Similar Documents

Publication Publication Date Title
CN107153971B (zh) 用于识别app推广中设备作弊的方法及装置
US20190012683A1 (en) Method for predicting purchase probability based on behavior sequence of user and apparatus for the same
US11775412B2 (en) Machine learning models applied to interaction data for facilitating modifications to online environments
US20190019203A1 (en) Method for providing marketing management data for optimization of distribution and logistics and apparatus for the same
US20210089331A1 (en) Machine-learning models applied to interaction data for determining interaction goals and facilitating experience-based modifications to interface elements in online environments
CN112612813B (zh) 一种测试数据的生成方法和装置
US20210158398A1 (en) User data segmentation augmented with public event streams for facilitating customization of online content
CN111415183B (zh) 用于处理访问请求的方法和装置
CN109800363A (zh) 构建资信关系网络的方法、装置、设备及存储介质
CN110866205A (zh) 用于存储信息的方法和装置
CN113918438A (zh) 服务器异常的检测方法、装置、服务器及存储介质
CN110427358A (zh) 数据清洗方法及装置和信息推荐方法及装置
CN113837843A (zh) 产品推荐方法、装置、介质及电子设备
CN111177564B (zh) 一种产品推荐方法及装置
CN110097113B (zh) 一种监控展示信息投放系统工作状态的方法、装置及系统
CN113420220B (zh) 一种服务推荐方法、装置、服务器及终端
US11907267B2 (en) User interface for frequent pattern analysis
CN116186119A (zh) 用户行为分析方法、装置、设备及存储介质
CN113434432B (zh) 一种推荐平台的性能测试方法、装置、设备、及介质
CN110874639A (zh) 操作信息的获取方法及装置
US20190236625A1 (en) Arrangement and method for digital media measurements involving user panels
CN113449212A (zh) 针对搜索结果的质量评估、优化方法和装置、设备
CN113962216A (zh) 文本处理方法、装置、电子设备及可读存储介质
CN113094393A (zh) 数据汇聚方法及装置、电子设备
CN111353864A (zh) 一种产品推荐方法、装置、服务器及存储介质

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