CN113763016A - 一种评价信息推送方法和装置 - Google Patents
一种评价信息推送方法和装置 Download PDFInfo
- Publication number
- CN113763016A CN113763016A CN202110061428.7A CN202110061428A CN113763016A CN 113763016 A CN113763016 A CN 113763016A CN 202110061428 A CN202110061428 A CN 202110061428A CN 113763016 A CN113763016 A CN 113763016A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- user information
- behavior
- pushing
- 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
Images
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Abstract
本发明公开了一种评价信息推送方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:获取访问页面的第一用户信息以及访问页面包括的多条评价信息的多个第二用户信息;根据预先存储的多个用户的用户行为特征,确定第一用户信息与多个第二用户信息的匹配度;根据第一用户信息与多个第二用户信息的匹配度,确定多条评价信息的推送顺序;根据多条评价信息的推送顺序,在访问页面推送多条评价信息。该实施方式能够保证访问页面所推送的评价信息的有效性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种评价信息推送方法和装置。
背景技术
目前,在各个电商网站或者线下店铺推荐网站等,大量的商品购买者或者店铺消费者可针对商品或线下店铺发布评论。相应地,商品购买者或者对店铺感兴趣的用户可查询发布的评论,然后根据评价再决定是否购买商品或者店铺消费。
目前商品或者店铺评价信息主要按照发布的时间顺序推送给用户。当商品或者店铺评价信息比较多时,购买者很难找到贴近自己购买行为的这类人的有效评价,影响用户购物或店铺消费。
发明内容
有鉴于此,本发明实施例提供一种评价信息推送方法和装置,能够为用户提供比较有效的评价信息,从而保证访问页面所推送的评价信息的有效性,以为用户购物或店铺消费提供有效的参考。
为实现上述目的,根据本发明实施例的一个方面,提供了一种评价信息推送方法,包括:
获取访问页面的第一用户信息以及所述访问页面包括的多条评价信息的多个第二用户信息;
根据预先存储的多个用户的用户行为特征,确定所述第一用户信息与所述多个第二用户信息的匹配度;
根据所述第一用户信息与所述多个第二用户信息的匹配度,确定所述多条评价信息的推送顺序;
根据所述多条评价信息的推送顺序,在所述访问页面推送所述多条评价信息。
优选地,评价信息推送方法,进一步包括:
采集业务平台的多个用户的用户行为信息,其中,所述业务平台与所述访问页面之间存在关联关系;
从所述多个用户的用户行为信息中,提取并存储所述多个用户的用户行为特征。
优选地,提取所述多个用户的用户行为特征,包括:
从所述用户行为信息中,分别提取用户的多个行为因子以及每一个所述行为因子的特征值;
所述多个用户中每一个所述用户的所述多个行为因子以及每一个所述行为因子的特征值组成所述多个用户的用户行为特征。
优选地,确定所述第一用户信息与所述多个第二用户信息的匹配度,包括:
从存储的所述第一用户信息的用户行为特征中,确定至少一个目标行为因子;
针对每一个所述目标行为因子,执行:从存储的多个用户的用户行为特征中,为所述目标行为因子查找所述第一用户信息对应的第一特征值以及每一个所述第二用户信息对应的第二特征值;
根据每一个所述目标行为因子以及查找到的结果,计算所述第一用户信息与每一个所述第二用户信息的匹配度。
优选地,为所述目标行为因子查找每一个所述第二用户信息对应的第二特征值之后,进一步包括:
针对每一个所述第二用户信息,执行:
如果查找的结果指示存储的所述第二用户信息的用户行为特征中不存在所述目标行为因子的第二特征值,将所述目标行为因子赋值为零;
如果查找的结果指示存储的所述第二用户信息的用户行为特征中存在所述目标行为因子的第二特征值,将所述目标行为因子赋值为1;
计算所述第一用户信息与每一个所述第二用户信息的匹配度,包括:
根据每一个所述目标行为因子的赋值以及查找到的结果,计算所述第一用户信息与每一个所述第二用户信息的匹配度。
优选地,计算所述第一用户信息与每一个所述第二用户信息的匹配度,包括:
针对每一个所述第二用户信息,执行:
根据每一个所述目标行为因子的所述第一用户信息对应的第一特征值与所述第二用户信息对应的第二特征值之间的差异,确定每一个所述目标行为因子的行为系数;
结合每一个所述目标行为因子的行为系数,计算所述第一用户信息与所述第二用户信息的匹配度。
优选地,确定至少一个目标行为因子,包括:
确定存储的所述第一用户信息的用户行为特征包括的用户行为因子为目标行为因子;
和/或,
从存储的所述第一用户信息的用户行为特征包括的多个用户行为因子中,随机选择至少一个目标用户行为因子;
和/或,
将存储的所述第一用户信息的用户行为特征包括的多个用户行为因子发送给客户端;
接收所述客户端从所述第一用户信息的用户行为特征包括的多个用户行为因子中选择出的至少一个目标行为因子。
优选地,在所述访问页面推送所述多条评价信息,包括:
在所述访问页面推送匹配度不低于预设的匹配阈值的第二用户信息对应的评价信息。
第二方面,本发明实施例提供一种评价信息推送装置,包括:获取模块、匹配模块以及信息推送模块,其中,
所述获取模块,用于获取访问页面的第一用户信息以及所述访问页面包括的多条评价信息的多个第二用户信息;
所述匹配模块,用于根据预先存储的多个用户的用户行为特征,确定所述第一用户信息与所述多个第二用户信息的匹配度;
所述信息推送模块,用于根据所述第一用户信息与所述多个第二用户信息的匹配度,确定所述多条评价信息的推送顺序;根据所述多条评价信息的推送顺序,在所述访问页面推送所述多条评价信息。
上述发明中的一个实施例具有如下优点或有益效果:通过预先存储的多个用户的用户行为特征,确定访问页面的第一用户信息与多条评价信息的多个第二用户信息的匹配度;并根据匹配度来确定多条评价信息的推送顺序,即访问页面的第一用户信息与第二用户信息的匹配度越高,该第二用户信息对应的评价信息,相对于第一用户信息来说,有效性越高,即对于该第一用户信息越具有参考价值,那么,根据多条评价信息的推送顺序,在访问页面推送多条评价信息,可以使用户优先看到于自己信息比较匹配的评价信息,从而保证访问页面所推送的评价信息的有效性,以为用户购物或店铺消费提供有效的参考。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的评价信息推送方法的主要流程的示意图;
图2是根据本发明实施例的提取多个用户的用户行为特征的主要流程的示意图;
图3是根据本发明实施例的确定第一用户信息与多个第二用户信息的匹配度的主要流程的示意图;
图4是根据本发明一个实施例的计算匹配度的主要流程的示意图;
图5是根据本发明另一个实施例的计算匹配度的主要流程的示意图;
图6是根据本发明实施例的评价信息推送装置的主要模块的示意图;
图7是本发明实施例可以应用于其中的示例性系统架构图;
图8是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
目前,人们已经可以通过互联网在各种不同场景获取或者发布各种各样的信息。比如,第一种场景为:在电商平台上,商品购买者对所购买商品的评价可发布在商品详情页,想要购买商品的用户可以通过商品详情页或者商品评价页面获取该商品的相关评价。第二种场景为:线下店铺推荐网站中,可发布一些消费者对于线下店铺的评价,那么针对想要了解该线下店铺的用户,可以通过查看该线下店铺的评价信息以更好的了解该线下店铺。第三种场景为:在网站或平台发布对影视作品、文学作品、音乐作品等的评价,以供其他用户参考是否观看或阅读这些作品等。除了上述三种场景存在评价信息之外,还可有其他的场景得到评价信息。
但由于不同用户具有不同的行为特征,这使得不同用户所关注的评价存在差异,如果按照相同的评价信息推送顺序,为不同的用户推送大量的评价信息,会导致用户很难获取到自己关注的评价信息,降低用户体验。
因此,为了能够基于用户所具有的用户行为特征,为不同用户进行差别化的推送评价信息,以使用户能够快速获取自身所关注的评价信息,以更准确的做出判断。本发明实施例提供一种评价信息推送方法。
如图1所示,该评价信息推送方法可包括如下步骤:
步骤S101:获取访问页面的第一用户信息以及访问页面包括的多条评价信息的多个第二用户信息;
其中,访问页面可以为用户访问的商品详情页、商品评价页面、线下店铺详情页、线下店铺评价页面、各种作品的详情页或者评价页面等。
其中,第一用户信息是指访问页面的用户的特征信息,比如,访问页面的用户的用户名或者平台为访问页面的用户分配的唯一特征标识等。
其中,第二用户信息是指在访问页面发布了评价信息的用户的用户名或者平台为发布评价信息的用户分配的唯一特征标识等。
可以理解的,在该步骤中,可同时获取多个第一用户信息,并针对每一个第一用户信息执行下述步骤S102至步骤S104。
步骤S102:根据预先存储的多个用户的用户行为特征,确定第一用户信息与多个第二用户信息的匹配度;
该预先存储的多个用户的用户行为特征,主要是针对用户的本身的特征比如用户所处的年龄段、用户性别等,以及用户在页面上的操作行为比如浏览商品详情页的情况、在页面上购买商品的类别、品类、尺寸、风格、价格范围、购买频率等。
为了能够方便对存储的多个用户的用户行为特征进行管理,以及后续步骤对这些用户行为特征的使用。本发明实施例选用NoSQL的key-value存储模式对多个用户的用户行为特征进行存储。其中,key表征用户行为特征,value表征用户行为特征的特征值,一般一个key可对应多个value值。
存储的多个用户的用户行为特征可如下表1所示。
表1
其中,用户A、…、用户N是曾经访问过或者注册过某一网站的用户特征标识,比如,用户名、网站为用户分配的唯一用户标识、唯一用户编码等。key 1、…、key n是网站统计出的所有用户行为特征中的行为因子,比如,key 1为经常购买商品品类这一行为因子、key2为尺码这一行为因子等。比如,女装、童装等均为经常购买商品品类这一行为因子的特征值;s/m、L/XL等均为尺码这一行为因子的特征值等。
value Nn表征上述表1中统计出的第N个用户的第n个key对应的value值。其中,行为因子和行为因子对应的特征值组成一个用户行为特征。
通过上述表结构可以很容易查到各个用户的用户行为特征以及对应的特征值,另外,通过上述表也比较容易维护各个用户的用户行为特征以及对应的特征值。
其中,该步骤中确定第一用户信息与多个第二用户信息的匹配度主要是将第一用户信息对应的用户行为特征的特征值与每一个第二用户信息对应的用户行为特征的特征值进行对比或匹配,从而得到第一用户信息与每一个第二用户信息的匹配度。
步骤S103:根据第一用户信息与多个第二用户信息的匹配度,确定多条评价信息的推送顺序;
该步骤中,与第一用户信息匹配度越高的第二用户信息对应的评价信息排序在推送顺序的前面,与第一用户信息匹配度越低的第二用户信息对应的评价信息排序在推送顺序的后面。
步骤S104:根据多条评价信息的推送顺序,在访问页面推送多条评价信息。
该步骤S104可有两种具体实现方式。
步骤S104的第一实现方式是,将访问页面包括的所有评价信息按照推送顺序推送。
步骤S104的第二实现方式是,在访问页面推送匹配度不低于预设的匹配阈值的第二用户信息对应的评价信息。另外,该预设的匹配阈值可以根据访问页面所包括的评价信息的信息量以及计算出的匹配度的结果,进行相应地调整。
该匹配阈值的调整方式具体为:
当访问页面包括的评价信息的信息量不小于预设的信息量阈值时,根据下述计算公式(1)得到推送量,确定按照推送顺序排序后的评价信息后,该推送量中最小的匹配度作为预设的匹配阈值。
K=min{W1×F,P} (1)
其中,K表征推送量;min{}表征最小值;W1表征为信息量设置的推送百分比;F表征访问页面包括的评价信息的信息量;P表征匹配度不低于预设的匹配阈值的评价信息的信息量;当K=P时,该预设的匹配阈值保持不变。当K=W1×F时,按照推送顺序排序后的评价信息后,该从匹配度高到匹配度低的顺序,在K=W1×F中选择最小的匹配度作为预设的匹配阈值。
使预设的匹配阈值可根据访问页面所包括的评价信息的信息量以及计算出的匹配度的结果进行调整,从而使为用户推送的评价信息能够更贴合用户的需求,减少不必要评价信息的干扰。
在本发明实施例中,上述评价信息推送方法可进一步包括:采集业务平台的多个用户的用户行为信息,其中,业务平台与访问页面之间存在关联关系;从多个用户的用户行为信息中,提取并存储多个用户的用户行为特征。
其中,业务平台与访问页面之间存在关联关系可以是指,该访问页面为业务平台提供的页面,比如,业务平台为电商平台,相应地访问页面可以为业务平台的注册页面、支付页面、商品购买页面等;业务平台与访问页面之间存在关联关系也可以是指通过该访问页面可跳转到该业务平台,比如通过A业务平台的访问页面跳转到B业务平台,则该B业务平台的多个用户的用户行为信息也是采集的对象。
通过上述过程可以保证存储的用户行为特征比较完善,以保证确定出的匹配度的准确性。
在本发明实施例中,如图2所示,上述提取多个用户的用户行为特征可包括如下步骤:
步骤S201:从用户行为信息中,分别提取用户的多个行为因子以及每一个行为因子的特征值;
步骤S202:多个用户中每一个用户的多个行为因子以及每一个行为因子的特征值组成多个用户的用户行为特征。
针对电商平台这一业务场景,上述行为因子可包括:购买商品的品类、年龄段、购买频率、性别、活跃度、尺码等。
在本发明实施例中,如图3所示,上述步骤S102的具体实施方式可包括如下步骤:
步骤S301:从存储的第一用户信息的用户行为特征中,确定至少一个目标行为因子;
其中,在该步骤中,确定至少一个目标行为因子可以有三种方式。
第一种方式:确定存储的第一用户信息的用户行为特征包括的用户行为因子为目标行为因子。比如,从上述表1中的用户A为第一用户信息,该第一用户信息对应的用户行为因子包括key 1至key n,则确定出key 1至key n为目标行为因子。
第二种方式:从存储的第一用户信息的用户行为特征包括的多个用户行为因子中,随机选择至少一个目标用户行为因子。还以上述表1中的用户A为第一用户信息为例,通过该第二种方式随机选择出key1、key2和key3作为目标行为因子。
第三种方式:将存储的第一用户信息的用户行为特征包括的多个用户行为因子发送给客户端;接收客户端从第一用户信息的用户行为特征包括的多个用户行为因子中选择出的至少一个目标行为因子。还以上述表1中的用户A为第一用户信息为例,通过该第三种方式将用户行为因子key 1至key n发送给客户端,用户可通过客户端选择key 4、key 5、key n作为目标行为因子。
步骤S302:针对每一个目标行为因子,执行:从存储的多个用户的用户行为特征中,为目标行为因子查找第一用户信息对应的第一特征值以及每一个第二用户信息对应的第二特征值;
以表1中的用户A为第一用户信息,用户B、用户C以及用户D为多条评论信息对应的第二用户信息,目标行为因子为key 1、key 2、key 3、key 4、key 5以及key 6为例,通过该步骤可以从上述表1中,查找出用户A、用户B、用户C以及用户D针对目标行为因子为key 1、key 2、key 3、key 4、key 5以及key 6的特征值。
步骤S303:根据每一个目标行为因子以及查找到的结果,计算第一用户信息与每一个第二用户信息的匹配度。
该计算匹配度的过程实质是根据目标行为因子的第一用户信息对应的特征值和第二用户信息对应的特征值之间的相似度。
该步骤S303具体地实现方式,如图4所示,计算匹配度的步骤可进一步包括:
针对每一个第二用户信息,执行步骤S401或者步骤S402:
步骤S401:如果查找的结果指示存储的第二用户信息的用户行为特征中不存在目标行为因子的第二特征值,将目标行为因子赋值为零;
比如,目标行为因子为key n,其中,用户S没有该目标行为因子,则在计算第一用户信息与用户S之间的匹配度过程中,为该key n赋值为0。
步骤S402:如果查找的结果指示存储的第二用户信息的用户行为特征中存在目标行为因子的第二特征值,将目标行为因子赋值为1;
比如,目标行为因子为key 6,其中,用户S具有该目标行为因子,则在计算第一用户信息与用户S之间的匹配度过程中,为该key 6赋值为1。
步骤S403:根据每一个目标行为因子的赋值以及查找到的结果,计算第一用户信息与每一个第二用户信息的匹配度。
该步骤S403的具体实现方式可如图5所示,计算匹配度的具体实现方式可包括如下步骤:
针对每一个第二用户信息,执行:
步骤S501:根据每一个目标行为因子的第一用户信息对应的第一特征值与第二用户信息对应的第二特征值之间的差异,确定每一个目标行为因子的行为系数;
每一个目标行为因子的行为系数可以是预先配置的,也可是根据下述计算公式(2),计算得到的。
其中,bi表征第i个目标行为因子的行为系数;Mi表征第i个目标行为因子包括的特征值的个数;G1i-G2i表征针对目标行为因子,第一用户信息对应的特征值与第二用户信息对应的特征值之间的间距;G1i-G2i不大于Mi。第一用户信息对应的特征值与第二用户信息对应的特征值之间的间距是指,在对目标行为因子按照一定顺序排序后,第一用户信息对应的特征值所在的位置次序与第二用户信息对应的特征值所在的位置次序之间的差值。比如,针对上表1中的key 2作为目标行为因子,该目标行为因子对应的所有特征值分别为s/m、L/XL以及XXL,则排序后可以为s/m、L/XL以及XXL,也可以为XXL、L/XL以及s/m,其中,s/m与L/XL的间距为1,s/m与XXL之间的差值为2。相同的特征值的间距为0。
步骤S502:结合每一个目标行为因子的行为系数,计算第一用户信息与第二用户信息的匹配度。
该计算匹配度可根据下述计算公式(3),计算得到。
其中,hj表征第一用户信息与第j个第二用户信息之间的匹配度;i表征第i个目标行为因子;z表征目标行为因子的总个数;tji表征上述图4提供的实施例中为第i个第二用户信息对应的第i个目标行为因子得赋值(1或0);bji表征步骤S501确定出的第j个第二用户信息对应的第i个目标行为因子的行为系数。
比如,表1中的用户A想查看一款衣服,恰好用户B、C、D同时购买并给予评价,其中,目标行为因子为表1所示的key 1至key 6。
通过上述得到的目标行为因子赋值以及行为系数,计算用户A与用户B的匹配度为:1×1+1×1+1×1+1×0.5+1×1+1×1=5.5
通过上述得到的目标行为因子赋值以及行为系数,计算用户C的匹配度为1×1+1×0.5+1×0.8+1×0.5+1×0.5+1×0.5=3.8
通过上述得到的目标行为因子赋值以及行为系数,计算用户D的匹配度为1×0.3+1×0.5+1×0.5+1×0.5+1×0.3+1×0.5=2.6
如图6所示,本发明实施例提供一种评价信息推送装置600,该评价信息推送装置600可包括:获取模块601、匹配模块602以及信息推送模块603,其中,
获取模块601,用于获取访问页面的第一用户信息以及访问页面包括的多条评价信息的多个第二用户信息;
匹配模块602,用于根据预先存储的多个用户的用户行为特征,确定第一用户信息与多个第二用户信息的匹配度;
信息推送模块603,用于根据第一用户信息与多个第二用户信息的匹配度,确定多条评价信息的推送顺序;根据多条评价信息的推送顺序,在访问页面推送多条评价信息。
在本发明实施例中,上述评价信息推送装置600可进一步包括:行为特征处理模块(图中未示出),其中,
该特征处理模块(图中未示出),用于采集业务平台的多个用户的用户行为信息,其中,业务平台与所述访问页面之间存在关联关系;从多个用户的用户行为信息中,提取并存储多个用户的用户行为特征。
在本发明实施例中,特征处理模块,用于从用户行为信息中,分别提取用户的多个行为因子以及每一个行为因子的特征值;多个用户中每一个用户的多个行为因子以及每一个行为因子的特征值组成多个用户的用户行为特征。
在本发明实施例中,匹配模块602,用于从存储的第一用户信息的用户行为特征中,确定至少一个目标行为因子;针对每一个目标行为因子,执行:从存储的多个用户的用户行为特征中,为目标行为因子查找第一用户信息对应的第一特征值以及每一个第二用户信息对应的第二特征值;根据每一个目标行为因子以及查找到的结果,计算第一用户信息与每一个第二用户信息的匹配度。
在本发明实施例中,匹配模块602,用于针对每一个第二用户信息,执行:如果查找的结果指示存储的第二用户信息的用户行为特征中不存在目标行为因子的第二特征值,将目标行为因子赋值为零;如果查找的结果指示存储的第二用户信息的用户行为特征中存在目标行为因子的第二特征值,将目标行为因子赋值为1;根据每一个目标行为因子的赋值以及查找到的结果,计算第一用户信息与每一个第二用户信息的匹配度。
在本发明实施例中,匹配模块602,用于针对每一个第二用户信息,执行:根据每一个目标行为因子的第一用户信息对应的第一特征值与第二用户信息对应的第二特征值之间的差异,确定每一个目标行为因子的行为系数;结合每一个目标行为因子的行为系数,计算第一用户信息与第二用户信息的匹配度。
在本发明实施例中,匹配模块602,用于确定存储的第一用户信息的用户行为特征包括的用户行为因子为目标行为因子。
在本发明实施例中,匹配模块602,用于从存储的第一用户信息的用户行为特征包括的多个用户行为因子中,随机选择至少一个目标用户行为因子。
在本发明实施例中,匹配模块602,用于将存储的第一用户信息的用户行为特征包括的多个用户行为因子发送给客户端;接收客户端从第一用户信息的用户行为特征包括的多个用户行为因子中选择出的至少一个目标行为因子。
图7示出了可以应用本发明实施例的评价信息推送方法或评价信息推送装置的示例性系统架构700。
如图7所示,系统架构700可以包括终端设备701、702、703,网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备701、702、703通过网络704与服务器705交互,以接收或发送消息等。终端设备701、702、703上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备701、702、703可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器705可以是提供各种服务的服务器,例如对用户利用终端设备701、702、703所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的访问页面的请求等数据进行分析等处理,并将处理结果(例如排序后的评价信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的评价信息推送方法一般由服务器705执行,相应地,评价信息推送装置一般设置于服务器705中。
应该理解,图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图8,其示出了适于用来实现本发明实施例的终端设备或服务器的计算机系统800的结构示意图。图8示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、匹配模块以及信息推送模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“获取访问页面的第一用户信息以及所述访问页面包括的多条评价信息的多个第二用户信息的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取访问页面的第一用户信息以及所述访问页面包括的多条评价信息的多个第二用户信息;根据预先存储的多个用户的用户行为特征,确定所述第一用户信息与所述多个第二用户信息的匹配度;根据所述第一用户信息与所述多个第二用户信息的匹配度,确定所述多条评价信息的推送顺序;根据所述多条评价信息的推送顺序,在所述访问页面推送所述多条评价信息。
根据本发明实施例的技术方案,通过预先存储的多个用户的用户行为特征,确定访问页面的第一用户信息与多条评价信息的多个第二用户信息的匹配度;并根据匹配度来确定多条评价信息的推送顺序,即访问页面的第一用户信息与第二用户信息的匹配度越高,该第二用户信息对应的评价信息,相对于第一用户信息来说,有效性越高,即对于该第一用户信息越具有参考价值,那么,根据多条评价信息的推送顺序,在访问页面推送多条评价信息,可以使用户优先看到于自己信息比较匹配的评价信息,从而保证访问页面所推送的评价信息的有效性,以为用户购物或店铺消费提供有效的参考。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种评价信息推送方法,其特征在于,包括:
获取访问页面的第一用户信息以及所述访问页面包括的多条评价信息的多个第二用户信息;
根据预先存储的多个用户的用户行为特征,确定所述第一用户信息与所述多个第二用户信息的匹配度;
根据所述第一用户信息与所述多个第二用户信息的匹配度,确定所述多条评价信息的推送顺序;
根据所述多条评价信息的推送顺序,在所述访问页面推送所述多条评价信息。
2.根据权利要求1所述的评价信息推送方法,其特征在于,进一步包括:
采集业务平台的多个用户的用户行为信息,其中,所述业务平台与所述访问页面之间存在关联关系;
从所述多个用户的用户行为信息中,提取并存储所述多个用户的用户行为特征。
3.根据权利要求2所述的评价信息推送方法,其特征在于,提取所述多个用户的用户行为特征,包括:
从所述用户行为信息中,分别提取用户的多个行为因子以及每一个所述行为因子的特征值;
所述多个用户中每一个所述用户的所述多个行为因子以及每一个所述行为因子的特征值组成所述多个用户的用户行为特征。
4.根据权利要求3所述的评价信息推送方法,其特征在于,确定所述第一用户信息与所述多个第二用户信息的匹配度,包括:
从存储的所述第一用户信息的用户行为特征中,确定至少一个目标行为因子;
针对每一个所述目标行为因子,执行:从存储的多个用户的用户行为特征中,为所述目标行为因子查找所述第一用户信息对应的第一特征值以及每一个所述第二用户信息对应的第二特征值;
根据每一个所述目标行为因子以及查找到的结果,计算所述第一用户信息与每一个所述第二用户信息的匹配度。
5.根据权利要求4所述的评价信息推送方法,其特征在于,为所述目标行为因子查找每一个所述第二用户信息对应的第二特征值之后,进一步包括:
针对每一个所述第二用户信息,执行:
如果查找的结果指示存储的所述第二用户信息的用户行为特征中不存在所述目标行为因子的第二特征值,将所述目标行为因子赋值为零;
如果查找的结果指示存储的所述第二用户信息的用户行为特征中存在所述目标行为因子的第二特征值,将所述目标行为因子赋值为1;
计算所述第一用户信息与每一个所述第二用户信息的匹配度,包括:
根据每一个所述目标行为因子的赋值以及查找到的结果,计算所述第一用户信息与每一个所述第二用户信息的匹配度。
6.根据权利要求4或5所述的评价信息推送方法,其特征在于,计算所述第一用户信息与每一个所述第二用户信息的匹配度,包括:
针对每一个所述第二用户信息,执行:
根据每一个所述目标行为因子的所述第一用户信息对应的第一特征值与所述第二用户信息对应的第二特征值之间的差异,确定每一个所述目标行为因子的行为系数;
结合每一个所述目标行为因子的行为系数,计算所述第一用户信息与所述第二用户信息的匹配度。
7.根据权利要求4所述的评价信息推送方法,其特征在于,确定至少一个目标行为因子,包括:
确定存储的所述第一用户信息的用户行为特征包括的用户行为因子为目标行为因子;
或,
从存储的所述第一用户信息的用户行为特征包括的多个用户行为因子中,随机选择至少一个目标用户行为因子;
或,
将存储的所述第一用户信息的用户行为特征包括的多个用户行为因子发送给客户端;
接收所述客户端从所述第一用户信息的用户行为特征包括的多个用户行为因子中选择出的至少一个目标行为因子。
8.根据权利要求1所述的评价信息推送方法,其特征在于,在所述访问页面推送所述多条评价信息,包括:
在所述访问页面推送匹配度不低于预设的匹配阈值的第二用户信息对应的评价信息。
9.一种评价信息推送装置,其特征在于,包括:获取模块、匹配模块以及信息推送模块,其中,
所述获取模块,用于获取访问页面的第一用户信息以及所述访问页面包括的多条评价信息的多个第二用户信息;
所述匹配模块,用于根据预先存储的多个用户的用户行为特征,确定所述第一用户信息与所述多个第二用户信息的匹配度;
所述信息推送模块,用于根据所述第一用户信息与所述多个第二用户信息的匹配度,确定所述多条评价信息的推送顺序;根据所述多条评价信息的推送顺序,在所述访问页面推送所述多条评价信息。
10.一种评价信息推送电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061428.7A CN113763016A (zh) | 2021-01-18 | 2021-01-18 | 一种评价信息推送方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061428.7A CN113763016A (zh) | 2021-01-18 | 2021-01-18 | 一种评价信息推送方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113763016A true CN113763016A (zh) | 2021-12-07 |
Family
ID=78786407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110061428.7A Pending CN113763016A (zh) | 2021-01-18 | 2021-01-18 | 一种评价信息推送方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763016A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007148817A1 (ja) * | 2006-06-23 | 2007-12-27 | Nec Corporation | コンテンツ推薦システム、コンテンツ推薦方法及びコンテンツ推薦用プログラム |
CN104978346A (zh) * | 2014-04-09 | 2015-10-14 | 阿里巴巴集团控股有限公司 | 提供用户评价信息的方法及系统 |
CN107870943A (zh) * | 2016-09-28 | 2018-04-03 | 长沙海商网络技术有限公司 | 一种电商平台用户信息评价的系统及方法 |
CN108090206A (zh) * | 2017-12-28 | 2018-05-29 | 北京小米移动软件有限公司 | 评论信息的排序方法及装置、电子设备 |
CN108804450A (zh) * | 2017-04-28 | 2018-11-13 | 百度在线网络技术(北京)有限公司 | 信息推送的方法和装置 |
CN109064285A (zh) * | 2018-08-02 | 2018-12-21 | 西北大学 | 一种获得商品推荐序列及商品推荐方法 |
CN110348909A (zh) * | 2019-07-16 | 2019-10-18 | 百度在线网络技术(北京)有限公司 | 店铺评价的获取方法、装置、设备及存储介质 |
CN111724238A (zh) * | 2020-06-23 | 2020-09-29 | 中国平安人寿保险股份有限公司 | 产品推荐准确度评价方法、装置、设备及存储介质 |
-
2021
- 2021-01-18 CN CN202110061428.7A patent/CN113763016A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007148817A1 (ja) * | 2006-06-23 | 2007-12-27 | Nec Corporation | コンテンツ推薦システム、コンテンツ推薦方法及びコンテンツ推薦用プログラム |
CN104978346A (zh) * | 2014-04-09 | 2015-10-14 | 阿里巴巴集团控股有限公司 | 提供用户评价信息的方法及系统 |
CN107870943A (zh) * | 2016-09-28 | 2018-04-03 | 长沙海商网络技术有限公司 | 一种电商平台用户信息评价的系统及方法 |
CN108804450A (zh) * | 2017-04-28 | 2018-11-13 | 百度在线网络技术(北京)有限公司 | 信息推送的方法和装置 |
CN108090206A (zh) * | 2017-12-28 | 2018-05-29 | 北京小米移动软件有限公司 | 评论信息的排序方法及装置、电子设备 |
CN109064285A (zh) * | 2018-08-02 | 2018-12-21 | 西北大学 | 一种获得商品推荐序列及商品推荐方法 |
CN110348909A (zh) * | 2019-07-16 | 2019-10-18 | 百度在线网络技术(北京)有限公司 | 店铺评价的获取方法、装置、设备及存储介质 |
CN111724238A (zh) * | 2020-06-23 | 2020-09-29 | 中国平安人寿保险股份有限公司 | 产品推荐准确度评价方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110020162B (zh) | 用户识别方法和装置 | |
CN111353862B (zh) | 商品的推荐方法和装置、电子设备和存储介质 | |
CN110766486A (zh) | 确定物品类目的方法和装置 | |
US20140214621A1 (en) | Method and device for pushing information | |
CN107247798B (zh) | 构建搜索词库的方法和装置 | |
EP2884451A1 (en) | Product and content association | |
CN111311294A (zh) | 数据处理方法、装置、介质及电子设备 | |
CN111242709A (zh) | 一种消息推送方法及其装置、设备、存储介质 | |
KR20200025431A (ko) | 오픈마켓 통합 관리 시스템 및 방법 | |
US20140149259A1 (en) | Consumer centric online product research | |
CN111626804A (zh) | 商品推荐方法、装置、电子设备及计算机可读介质 | |
CN110599281A (zh) | 一种确定目标店铺的方法和装置 | |
CN113495991A (zh) | 一种推荐方法和装置 | |
US20120265588A1 (en) | System and method for recommending new connections in an advertising exchange | |
CN107357847B (zh) | 数据处理方法及其装置 | |
CN110827101A (zh) | 一种店铺推荐的方法和装置 | |
CN110827044A (zh) | 提取用户兴趣模式的方法和装置 | |
CN110766431A (zh) | 判断用户对优惠券是否敏感的方法和装置 | |
CN113763016A (zh) | 一种评价信息推送方法和装置 | |
CN113535769B (zh) | 查询信息的方法和装置 | |
CN112989276A (zh) | 信息推送系统的评价方法和装置 | |
CN112783956B (zh) | 一种信息处理方法和装置 | |
JP2019149035A (ja) | 提供装置、提供方法および提供プログラム | |
CN110020211B (zh) | 用户属性影响力的评估方法和装置 | |
JP7133508B2 (ja) | 提供装置、提供方法および提供プログラム |
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 |