CN113781146A - 产品信息的推荐方法、装置、设备和存储介质 - Google Patents
产品信息的推荐方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113781146A CN113781146A CN202011287093.2A CN202011287093A CN113781146A CN 113781146 A CN113781146 A CN 113781146A CN 202011287093 A CN202011287093 A CN 202011287093A CN 113781146 A CN113781146 A CN 113781146A
- Authority
- CN
- China
- Prior art keywords
- recommendation
- product
- preset
- information
- sorting
- 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 65
- 238000004422 calculation algorithm Methods 0.000 claims description 70
- 230000006399 behavior Effects 0.000 claims description 43
- 238000012360 testing method Methods 0.000 claims description 26
- 238000012163 sequencing technique Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 13
- 238000003066 decision tree Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007477 logistic regression Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000011175 product filtration Methods 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims 1
- 239000000047 product Substances 0.000 description 321
- 230000008569 process Effects 0.000 description 12
- 238000013461 design Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
- G06Q30/0629—Directed, with specific intent or strategy for generating comparisons
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种产品信息的推荐方法、装置、设备和存储介质，其中，该方法包括：获取推荐平台的推荐数据，根据所述推荐数据进行产品召回得到召回集合，根据预设规则，从所述召回集合中确定出至少一个待推荐产品，得到推荐集合，根据所述推荐集合，向所述推荐平台发送推荐信息。该技术方案中，通过不同推荐平台的推荐数据来召回不同的产品召回集合，之后通过从产品召回集合中确定一个推荐集合，并发送推荐信息给推荐平台来指示推荐平台进行产品的推荐，能够使得产品准确的被推荐至推荐平台所面向的用户群体，使得产品能够准确的被所需用户获取到，提高产品推荐效率。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种产品信息的推荐方法、装置、设备和存储介质。
背景技术
随着互联网技术的飞速发展，用户获取需要的产品的方式也从传统的线下模式转化成线上模式，线上模式具备更大的潜在市场，电商可以通过在线上的各种网站信息平台发布产品信息来传播给各个网站信息平台的用户，让更多的用户了解到产品信息，最终能够使得用户获取需要的产品。
现有的按销售付费(CPS，Cost-PER-SALE)是一种较为常见且有效的产品信息传播形式，通过网站信息平台将产品信息推送给网站信息平台所面向的用户群体，当用户确定需要该产品时，可以通过该网站信息平台进入对应的电商平台，获取对应的产品。在常用的产品信息推荐过程中，一个电商可以通过多个不同的网站同时进行产品信息的推荐。
但是，现有的CPS信息传播模式由于各个网站信息平台所面向的用户群体不同，不同用户群体的需求也会不同，使得不同的网站信息平台在向用户推荐产品时，容易推送一些用户不需要的产品信息给所面向的用户群体，导致用户不能及时获取到需要的产品的信息，产品推荐效率较低。
发明内容
本申请提供一种产品信息的推荐方法、装置、设备和存储介质，用于解决现有的产品推荐效率较低的问题。
第一方面，本申请实施例提供一种产品信息的推荐方法，包括：
获取推荐平台的推荐数据，所述推荐数据用于指示不同产品的推荐效果；
根据所述推荐数据进行产品召回得到召回集合，所述召回集合中包括多个产品的标识以及产品信息，每个产品的产品信息包括在不同价值属性时的价值信息，推荐结果指标以及获取方式中的至少一种信息；
根据预设规则，从所述召回集合中确定出至少一个待推荐产品，得到推荐集合，所述推荐集合中包括所述至少一个待推荐产品的标识和产品信息；
根据所述推荐集合，向所述推荐平台发送推荐信息，所述推荐信息用于指示所述推荐平台对所述至少一个待推荐产品进行推荐。
在第一方面的一种可能设计中，所述根据所述推荐数据进行产品召回得到召回集合，包括：
根据预设的定时任务和所述推荐数据进行产品的定时异步召回，得到产品候选集合；
根据预设业务规则对所述产品候选集合进行产品过滤得到所述召回集合，所述预设业务规则包括推荐费用规则和产品折扣规则中的至少一种。
在第一方的另一种可能设计中，所述预设规则包括默认序列，所述根据预设规则，从所述召回集合中确定出至少一个待推荐产品，得到推荐集合，包括：
将所述召回集合存储至预设数据库中；
获取存储至所述预设数据库的召回集合中产品的默认序列，根据所述默认序列确定出至少一个待推荐产品，得到推荐集合。
在第一方面的再一种可能设计中，所述预设规则包括预设排序规则，所述根据预设规则，从所述召回集合中确定出至少一个待推荐产品，得到推荐集合，包括：
根据所述预设排序规则，对所述召回集合中的产品进行排序得到产品排列顺序；
根据所述产品排列顺序，确定至少一个待推荐产品，得到推荐集合。
在第一方面的又一种可能设计中，所述预设排序规则包括第一排序规则和第二排序规则，所述根据所述预设排序规则，对所述召回集合中的产品进行排序得到产品排列顺序，包括：
根据所述第一排序规则和所述召回集合中产品的产品信息进行产品排序，得到产品排列顺序，所述第一排序规则包括预设排序算法；或，
根据所述第二排序规则和所述产品召回集合的产品信息进行产品排序，得到产品排列顺序，所述第二排序规则包括产品价格排序规则、产品推荐费用排序规则和产品评价信息排序规则中的至少一种。
在第一方面的又一种可能设计中，所述根据所述第一排序规则和所述召回集合中产品的产品信息进行产品排序，得到产品排列顺序，包括：
获取用户标签，所述用户标签包括用户属性标签和用户行为标签；
将所述用户标签和所述召回集合中产品的产品信息输入至所述预设排序算法进行产品排序，得到产品排列顺序，所述预设排序算法包括梯度提升决策树算法和逻辑回归算法。
在第一方面的又一种可能设计中，所述获取用户标签，包括：
通过线上日志、实时消息和离线计算获取用户属性数据和用户行为数据；
对所述用户属性数据进行编码得到用户属性标签；
对所述用户行为数据进行离散化得到用户行为标签；
将所述用户属性标签和所述用户行为标签存储至预设数据库中，读取所述预设数据库得到所述用户标签。
在第一方面的又一种可能设计中，所述将所述用户标签和所述召回集合中产品的产品信息输入至所述预设排序算法进行产品排序，得到产品排列顺序之前，还包括：
根据预设算法配置对所述预设排序算法进行算法配置；
对进行算法配置之后的预设排序算法进行测试得到测试数据；
根据所述测试数据，对所述预设排序算法进行配置优化。
在第一方面的又一种可能设计中，所述根据所述产品排列顺序，确定至少一个待推荐产品，得到推荐集合之后，包括：
获取标识参数，根据所述标识参数将所述推荐集合缓存至预设数据库，所述标识参数包括场景标识、用户标识和测试数据。
在第一方面的又一种可能设计中，所述根据所述推荐集合，向所述推荐平台发送推荐信息，包括：
获取所述推荐集合中每一个产品的落地页；
对所述推荐集合中每一个产品的落地页进行链接转换得到转换后的推荐链接，所述推荐链接用于收集所述推荐平台的推荐数据；
根据所述推荐链接和产品的产品信息得到推荐信息，向所述推荐平台发送所述推荐信息。
第二方面，本申请实施例提供一种产品信息的推荐装置，包括：
数据获取模块，用于获取推荐平台的推荐数据，所述推荐数据用于指示不同产品的推荐效果；
召回模块，用于根据所述推荐数据进行产品召回得到召回集合，所述召回集合中包括多个产品的标识以及产品信息，每个产品的产品信息包括在不同价值属性时的价值信息，推荐结果指标以及获取方式中的至少一种信息；
确定模块，用于根据预设规则，从所述召回集合中确定出至少一个待推荐产品，得到推荐集合，所述推荐集合中包括所述至少一个待推荐产品的标识和产品信息；
推荐模块，用于根据所述推荐集合，向所述推荐平台发送推荐信息，所述推荐信息用于指示所述推荐平台对所述至少一个待推荐产品进行推荐。
第三方面，本申请实施例提供一种产品信息的推荐设备，包括存储器和至少一个处理器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上任一项所述的方法。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被处理器执行时用于实现如上所述的方法。
本申请实施例提供的产品信息的推荐方法、装置、设备和存储介质，通过不同推荐平台的推荐数据来召回不同的产品召回集合，之后通过从产品召回集合中确定一个推荐集合，并发送推荐信息给推荐平台来指示推荐平台进行产品的推荐，能够使得产品准确的被推荐至推荐平台所面向的用户群体，使得产品能够准确的被所需用户获取到，提高产品推荐效率。
附图说明
图1为本申请实施例提供的产品信息的推荐方法的场景示意图；
图2为本申请实施例提供的产品信息的推荐方法实施例一的流程示意图；
图3为本申请实施例提供的产品信息的推荐方法实施例二的流程示意图；
图4为本申请实施例提供的产品信息的推荐方法实施例三的流程示意图；
图5为本申请实施例提供的产品信息的推荐方法实施例四的流程示意图；
图6为本申请实施例提供的产品信息的推荐方法实施例五的流程示意图；
图7为本申请实施例提供的产品信息的推荐方法实施例六的流程示意图；
图8为本申请实施例提供的产品信息的推送装置实施例一的结构示意图；
图9为本申请实施例提供的产品信息的推荐装置实施例二的结构示意图；
图10为本申请实施例提供的产品信息的推荐设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例提供的产品信息的推荐方法的场景示意图，如图1所示，本实施例的应用场景可以是快递柜，快递柜至少包括有一个显示信息的显示装置13和一个用于存放快递的货柜14，在实际使用过程中，用户可以通过在显示装置13的界面上输入取件码，当快递柜识别出取件码之后，将控制货柜14打开，并在界面上显示被打开的货柜14所处的位置，用户即从货柜14中取出快递。
在取快递的这个过程中，用户与显示装置13之间存在有信息交互，可以在显示装置13的界面上显示出一些信息推荐给用户，例如近期天气信息、产品信息和近期新闻信息等。
示例性的，将显示装置13的界面上显示一些产品信息推荐给用户，如果用户在阅读了该产品信息之后，对该产品有需求，可以继续在界面上进行点击操作，界面上将对应的显示出该产品的购买方式(例如扫描二维码)，用户通过扫描二维码即可购买该产品，而显示装置13的界面上显示的产品信息可以通过服务器12下载得到，进一步的，产品的提供方还可以通过远程终端11来确定所需要进行推荐的产品，并编辑该产品信息的内容，上传到服务器12中。
上述的快递柜可以作为一种推荐平台的示例，日常生活中还有各种各样的推荐平台，这些推荐平台都可以用来推荐产品信息给其所面向的用户，但是在实际应用过程中，不同的推荐平台所面向的用户群体是不相同的，而不同用户群体的需求也会不同，这样就使得推荐平台容易推荐一些用户不需要的产品信息，降低产品推荐的效率。
针对上述问题，本申请实施例提供了一种产品信息的推荐方法、装置、设备和存储介质，其发明构思如下：在进行产品和产品信息的召回时，在同一个场景下，基于不同的推荐平台所面向的用户群体，为每一个不同的推荐平台召回不同的产品召回集合，实现千人百面的召回集合，使得推荐平台在对待推荐产品进行推荐时能够准确的将产品推荐给所需的用户，实现更加准确度的推荐效果，提高推荐效率。
下面，通过具体实施例对本申请的技术方案进行详细说明。需要说明的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为本申请实施例提供的产品信息的推荐方法实施例一的流程示意图，该方法可以应用于上述的远程终端或者具有信息处理功能的设备上。如图2所示，该产品信息的推荐方法可以包括如下步骤：
S201、获取推荐平台的推荐数据。
其中，推荐数据用于指示不同产品的推荐效果，示例性的，推荐平台在进行产品的推荐时，有的产品用户的需求量大，有的产品用户的需求量较小，可以通过用户的点击率来确定哪些产品的需求量大，哪些产品的需求量较小，从而确定出不同产品的推荐效果。
在本申请实施例中，推荐平台可以是各种各样不同类型的推荐平台，示例性的，快递柜、智能终端等等具有能够与用户进行信息交互的实体设备可以作为推荐平台，进一步的，推荐平台也可以是一些虚拟的网站，用户与网站之间也具有信息交互。可以理解，快递柜所面向的用户群体一般是使用网上购物较多的用户，而智能终端所面向的用户群体则主要是使用智能终端较为频繁的青少年。
示例性的，产品可以根据类别进行分类，具体可以包括有电子产品、穿戴服饰产品和户外运动产品等等，不同的类别下又可以再进行细化，例如电子产品包括有手机、电脑和家用电器等等，这些产品都是由产品提供方提供。
S202、根据推荐数据进行产品召回得到召回集合。
其中，召回集合中包括多个产品的标识以及产品信息，每个产品的产品信息包括在不同价值属性时的价值信息，推荐结果指标以及获取方式中的至少一种信息。
示例性的，产品的标识可以是数字编码，例如SKU ID(Stock keeping Unit，库存保有单位)，不同价值属性时的价值信息可以是产品在某一段时间内的最低价以及该产品对应的最优券折扣比，推荐结果指标可以是该产品通过推荐平台进行推荐时，所达成的购买量，包括1天引单量、7天引单量、15天引单量和30天引单量，获取方式可以指的是该产品是否为拼购产品。
示例性的，当只有一个推荐平台时，该推荐平台推荐的产品中，有的产品推荐效果较好，则主要召回该类推荐效果较好的产品，得到召回集合，当存在有多个推荐平台时，每一个推荐平台都会对应有一个召回集合，这样就得到了千人百面的召回集合。
S203、根据预设规则，从召回集合中确定出至少一个待推荐产品，得到推荐集合。
其中，推荐集合中包括至少一个待推荐产品的标识和产品信息。示例性的，待推荐产品的标识可以是SKU ID，待推荐产品的产品信息包括产品的价格、是否具有优惠券等。
在本申请实施例中，预设规则可以是召回集合中产品的默认序列，具体的，在对产品进行召回形成召回集合时，每一个产品根据召回的先后顺序将会排列形成一个默认序列，从召回集合中确定出该默认序列前N个产品，得到推荐集合，N为不小于1的正整数。
示例性的，预设规则还可以是预设排序规则，预设排序规则可以是相关的个性化排序算法，例如梯度提升决策树(GBDT，Gradient Boosting Decision Tree)，具体的，通过梯度提升决策树排序算法，确定用户偏好的产品，然后根据用户偏好的产品，确定待推荐产品得到推荐集合。
示例性的，召回集合可以存储至预设数据库中，例如远程字典服务(Redis，RemoteDictionary Server)中，当远程终端中加载有预设排序规则，且该预设排序规则可用时，优先根据预设排序规则来得到推荐集合，当远程终端中没有加载预设排序规则或者预设排序规则为异常不可用状态时，则从预设数据库中调取出召回集合，根据默认序列来得到推荐集合。
S204、根据推荐集合，向推荐平台发送推荐信息。
其中，推荐信息用于指示推荐平台对至少一个待推荐产品进行推荐。示例性的，推荐信息包括有待推荐产品的购买链接、价格信息，以及待推荐产品是否具有优惠券等信息。
示例性的，推荐平台可以有第三方推广者来运营，具体的，第三方推广者为了能够获取到最大化的推荐利润，可以根据待推荐产品的推荐信息来确定是否需要将该待推荐产品显示于推荐平台上，例如当第三方推广者读取推荐信息之后发现该待推荐产品不具有优惠券，则可以不将该待推荐产品显示在推荐平台上，用户也查看不到该待推荐产品的产品信息，无法购买该待推荐产品。
示例性的，远程终端可以直接与推荐平台之间进行通信，当推荐平台有发送推荐请求至远程终端时，则远程终端根据该推荐请求，再发送推荐信息给该推荐平台。
本申请实施例根据不同推荐平台的推荐数据进行产品召回，得到不同的召回集合，然后从召回集合中确定待推荐产品，得到推荐集合，使得推荐平台在进行产品推荐时推荐的是面向用户群体所需的产品，能够实现更加准确的推荐效果，提高推荐效率。
示例性的，在上述实施例的基础上，图3为本申请实施例提供的产品信息的推荐方法实施例二的流程示意图，如图3所示，上述步骤S202具体可以通过如下步骤实现：
S301、根据预设的定时任务和推荐数据进行产品的定时异步召回，得到产品候选集合。
示例性的，定时任务的时间间隔可配置，例如时间间隔为10分钟，当定时任务到来时，进行产品的异步召回。
在本申请实施例中，产品候选集合中包括有多个产品的标识和产品信息，示例性的，产品信息包括有产品最低价、最优券折扣比、推荐平台1天的引单量、推荐平台7天的引单量、推荐平台15的天引单量、推荐平台30的天引单量、产品是否是拼购等信息。
S302、根据预设业务规则对产品候选集合进行产品过滤得到召回集合。
其中，预设业务规则包括推荐费用规则和产品折扣规则中的至少一种。具体的，推荐费用规则指的是推荐平台在将某一个产品推荐给用户时，若用户购买了该产品所应当赚取的费用，产品折扣规则指的是某一个产品在用户购买时是否有折扣券。
示例性的，当产品候选集合中的产品不能够满足预设业务规则时，则将这些产品过滤掉，最终得到满足预设业务规则的产品，这些产品的标识以及产品信息被集合在召回集合中。
示例性的，当对产品候选集合进行产品过滤之后得到的召回集合，该召回集合中的产品会有一个默认序列，通过该默认序列可以得到推荐集合。
本申请实施例通过对产品进行定时异步召回，并通过预设业务规则进行过滤得到召回集合，能够将一些不满足要求的产品过滤筛除掉，能够减少噪音，提高产品推荐效率。
可选的，在一些实施例中，上述的预设排序规则包括有第一排序规则和第二排序规则，示例性的，第一排序规则可以是预设排序算法，第二排序规则可以是产品价格排序规则、产品推荐费用排序规则和产品评价信息排序规则中的至少一种。具体的，当预设排序规则为第一排序规则时，则根据第一排序规则和召回集合的产品信息进行产品排序，得到产品排列顺序，当预设排序规则为第二排序规则时，则根据第二排序规则和召回集合的产品信息进行产品排序，得到产品排列顺序。通过产品排序顺序，选择确定顺序靠前的N个产品作为待推荐产品，得到推荐集合，其中，N为不小于1的正整数。
本申请实施例通过将预设排序规则分为两种不同的排序规则，可以供操作人员在不同的场景下灵活的选择适应的排序规则，对召回集合进行排序，得到产品排列顺序，并由该产品排列顺序确定推荐集合。
示例性的，在上述实施例的基础上，图4为本申请实施例提供的产品信息的推荐方法实施例三的流程示意图，如图4所示，上述步骤“根据第一排序规则和召回集合的产品信息进行产品排序，得到产品排列顺序”具体可以通过如下步骤实现：
S401、获取用户标签。
其中，用户标签包括用户属性标签和用户行为标签。示例性的，用户的属性标签包括用户年龄、性别、职业、教育程度等自身属性，用户行为标签包括有用户浏览、点击、关注、加购以及购买等行为，进一步的，用户行为标签可以是用户近30天的行为。
S402、将用户标签和召回集合中产品的产品信息输入至预设排序算法进行产品排序，得到产品排列顺序。
其中，预设排序算法包括梯度提升决策树算法和逻辑回归算法(LR，logisticregression)。
本申请实施例通过获取用户标签，并通过梯度提升决策树算法和逻辑回归算法对产品进行排序，能够根据用户的产品偏好排序得到产品排列顺序，后续可以针对不同的用户来进行产品的个性化推荐，提高产品的推荐效率。
示例性的，在上述实施例的基础上，图5为本申请实施例提供的产品信息的推荐方法实施例四的流程示意图，如图5所示，上述步骤S401具体可以通过如下步骤实现：
S501、通过线上日志、实时消息和离线计算获取用户属性数据和用户行为数据。
S502、对用户属性数据进行编码得到用户属性标签。
S503、对用户行为数据进行离散化得到用户行为标签。
S504、将用户属性标签和用户行为标签存储至预设数据库中，读取预设数据库得到用户标签。
示例性的，在用户与推荐平台进行信息交互时，将产生对应的线上日志、实时消息和离线数据，线上日志可以是用户近两天的行为日志，实时消息可以是用户的实时行为，离线数据可以是用户近一个月的行为数据以及用户自身的属性信息，用户行为数据包括用户的实时行为数据和用户历史行为数据，示例性的，用户行为包括用户的浏览、点击、关注、加购以及购买等行为。
可选的，通过对用户属性数据进行独热编码(ONE-hot)可以得到离散化的用户属性标签，可以通过对用户行为数据按时间维度进行离散化，例如1天、3天、7天和30天这四个时间点对用户行为数据进行离散化，得到用户的行为标签。
示例性的，预设数据库可以是redis数据库。
本申请实施例通过对用户属性数据和用户行为数据进行编码离散化，得到用户属性标签和用户行为标签，存储至预设数据库中，当需要使用用户标签时，只需要从预设数据库中调取用户属性标签和用户行为标签即可，提高预设排序算法进行排序时的排序效率。
示例性的，在上述实施例的基础上，图6为本申请实施例提供的产品信息的推荐方法实施例五的流程示意图，如图6所示，上述步骤S402之后还包括如下步骤：
S601、根据预设算法配置对预设排序算法进行算法配置。
S602、对进行算法配置之后的预设排序算法进行测试得到测试数据。
S603、根据测试数据，对预设排序算法进行配置优化。
在本申请实施例中，预设排序算法包括有多种不同的算法，示例性的，可以采用AB测试方式来对算法配置之后的预设排序算法进行测试，得到测试数据，其中，测试数据包括流量数据，例如采用A配置的预设排序算法占70％流量，而采用B配置的预设排序算法占用30％的流量，进一步的，通过为预设排序算法配置不同的算法，最终得到的产品排列顺序也会不相同。
示例性的，预设排序算法包括有梯度提升决策树算法和逻辑回归算法。
本申请实施例通过对预设排序算法进行配置优化，可以通过优化之后的预设排序算法来进行产品排序，得到更加满足用户偏好的产品排列顺序，实现产品的个性化推荐，提高产品的推荐效率。
可选的，在一些实施例中，当得到推荐集合之后，可以根据表示参数将推荐集合缓存至预设数据库中。
其中，标识参数包括场景标识、用户标识和测试数据，示例性的，场景标识可以是折扣场景标识，例如某一个产品的场景标识为9.9元秒购，测试数据可以是使用上述AB测试方式测试得到的AB实验参数的粒度，预设数据库可以是redis数据库。
在本申请实施例中，通过将推荐集合缓存到预设数据库中，可以直接根据预设数据库中的推荐集合来得到推荐信息，能够提高推荐平台推荐服务的性能和稳定性。
示例性的，在上述实施例的基础上，图7为本申请实施例提供的产品信息的推荐方法实施例六的流程示意图，如图7所示，上述步骤S204具体可以通过如下步骤实现：
S701、获取推荐集合中每一个产品的落地页。
在本申请实施例中，产品的落地页是指在用户点击或者扫描二维码之后显示给用户的网页，用户可以在该页面上看到产品的价格、尺码等相关信息，并且通过在该页面进行操作可以实现对产品的购买。
S702、对推荐集合中每一个产品的落地页进行链接转换得到转换后的推荐链接。
其中，推荐链接用于收集推荐平台的推荐数据，在本实施例中，推荐链接用于记录用户从点击到下单购买产品的一些行为数据，具体可以包括产品的曝光率以及产品的点击和下单购买等用户行为数据。
示例性的，当用户点击该推荐链接并通过该推荐链接跳转到下单购买界面后，这个过程就可以由推荐链接记录收集到用户的点击行为，作为推荐平台的推荐数据，后续远程终端或者信息处理设备又可根据该推荐链接收集到的推荐数据进行产品召回得到召回集合，形成一个闭环的产品推荐优化过程。
可以理解的是，推荐链接中可以植入相关的算法或计算机程序等来实现对产品的曝光率以及产品的点击和下单购买等用户行为数据的收集，算法或计算机程序的具体实现过程在此不再赘述。
S703、根据推荐链接和产品的产品信息得到推荐信息，向推荐平台发送推荐信息。
示例性的，产品的产品信息包括有该产品是否有折扣券，推荐平台读取推荐信息之后，可以根据该产品是否有折扣券来确定是否将该产品推荐给用户。
在本实施例中通过将每一个产品的落地页转换为推荐链接，当推荐平台推荐产品给用户时，通过该推荐链接可以记录用户的行为数据，可以跟踪推荐平台的推荐效果数据以及丰富用户信息数据的多样性。
综上，本申请实施例提供的产品信息的推荐方法，根据不同推荐平台的推荐数据来召回不同的产品召回集，能够实现更加精确的推荐效果，同时通过将产品的落地页进行转链能够方便推荐平台的使用，同时跟踪记录下用户的点击数据等等，后续通过个性化排序算法即可实现为用户进行个性化产品的推荐，最后可以通过不同的预设规则来进行产品排序，提高整个排序过程中的灵活性，增强产品信息推荐的稳定性。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
图8为本申请实施例提供的产品信息的推送装置实施例一的结构示意图，如图8所示，该装置可以集成在远程终端中，也可以独立于远程终端且与远程终端协同工作实现本申请的技术方案，如图8所示，该推送装置80包括数据获取模块801、召回模块802、确定模块803和推荐模块804。其中，
数据获取模块801，用于获取推荐平台的推荐数据。
召回模块802，用于根据推荐数据进行产品召回得到召回集合。
确定模块803，用于根据预设规则，从召回集合中确定出至少一个待推荐产品，得到推荐集合。
推荐模块804，用于根据推荐集合，向推荐平台发送推荐信息。
其中，推荐数据用于指示不同产品的推荐效果，召回集合中包括多个产品的标识以及产品信息，每个产品的产品信息包括在不同价值属性时的价值信息，推荐结果指标以及获取方式中的至少一种信息，推荐集合中包括至少一个待推荐产品的标识和产品信息，推荐信息用于指示推荐平台对至少一个待推荐产品进行推荐。
可选的，在一些实施例中，召回模块802具体可以用于根据预设的定时任务和推荐数据进行产品的定时异步召回，得到产品候选集合，并根据预设业务规则对产品候选集合进行产品过滤得到召回集合。
其中，预设业务规则包括推荐费用规则和产品折扣规则中的至少一种。
可选的，在一些实施例中，预设规则可以是默认序列，若预设规则是默认序列，则确定模块803具体可以用于将召回集合存储至预设数据库中，并获取存储至预设数据库的召回集合中产品的默认序列，根据默认序列确定出至少一个待推荐产品，得到推荐集合。
可选的，在一些实施例中，预设规则可以是预设排序规则，若预设规则为预设排序规则，则确定模块803具体可以用于根据预设排序规则，对召回集合中的产品进行排序得到产品排列顺序，并根据产品排列顺序，确定至少一个待推荐产品，得到推荐集合。
可选的，在一些实施例中，预设排序规则包括有第一排序规则和第二排序规则，第一排序规则包括预设排序算法，第二排序规则包括产品价格排序规则、产品推荐费用排序规则和产品评价信息排序规则中的至少一种，确定模块803具体可以用于根据第一排序规则和召回集合的产品信息进行产品排序，得到产品排列顺序；或根据第二排序规则和召回集合的产品信息进行产品排序，得到产品排列顺序。
可选的，在一些实施例中，预设排序算法包括梯度提升决策树算法和逻辑回归算法。确定模块803具体可以用于获取用户标签，用户标签包括用户属性标签和用户行为标签，并将用户标签和召回集合中产品的产品信息输入至预设排序算法进行产品排序，得到产品排列顺序。
可选的，在一些实施例中，确定模块803具体可以用于通过线上日志、实时消息和离线计算获取用户属性数据和用户行为数据，并对用户属性数据进行编码得到用户属性标签，对用户行为数据进行离散化得到用户行为标签，以及将用户属性标签和用户行为标签存储至预设数据库中，读取预设数据库得到用户标签。
示例性的，在上述任一实施例中，该推荐装置还包括有测试模块。
其中，该测试模块，用于根据预设算法配置对预设排序算法进行算法配置，并对进行算法配置之后的预设排序算法进行测试得到测试数据，以及根据测试数据，对预设排序算法进行配置优化。
示例性的，在上述任一实施例中，该推荐装置还包括有缓存模块。
其中，该缓存模块，用于获取标识参数，根据标识参数将推荐集合缓存至预设数据库，标识参数包括场景标识、用户标识和测试数据。
可选的，在一些实施例中，推荐模块804具体可以用于获取推荐集合中每一个产品的落地页，并对推荐集合中每一个产品的落地页进行链接转换得到转换后的推荐链接，以及根据推荐链接和产品的产品信息得到推荐信息，向推荐平台发送推荐信息。
本申请实施例提供的装置，可用于执行图2至图7所示实施例中的方法，其实现原理和技术效果类似，在此不再赘述。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。
作为示例，图9为本申请实施例提供的产品信息的推荐装置实施例二的结构示意图，如图9所示，该推荐装置可以分为模块1、模块2和模块3，模块1执行的步骤包括有步骤S11、步骤S12以及后续的步骤S13至步骤S16，模块2执行的步骤包括有步骤S21至步骤S32，模块3执行的步骤包括步骤S33。其中，首先模块1是对外服务的，用于请求入参、场景标识以及拦截无效请求，然后由模块2进行异步召回、推荐API以及排序功能，具体的，在进行异步召回时，基于不同的推荐平台，定时加载产品信息并过滤不符合业务规则的产品得到具有默认序列的召回集合，然后将召回集合中TOP N产品存储到Redis数据库中，在进行推荐API时，进行相关入参的解析，在进行排序功能时，根据操作人员的请求来确定是否需要进行自定义排序，自定义排序可以是上述的第二排序规则，若满足自定义排序条件则直接在内存中进行自定义排序，然后以场景标识、排序字段、升降序维度缓存排序结果，若不满足自定义排序条件则通过上述的第一排序规则进行排序，在此之前需要先进行AB测试，配置好预设排序算法，然后根据用户标签和配置好的预设排序算法进行排序，最后以场景标识、AB参数、用户唯一标识参数缓存排序结果，最后将算法排序结果和召回集合的默认序列汇总，根据分页信息返回推荐集合即SKU ID列表，以及AB测试的AB实验参数的粒度，之后由模块3对产品的落地页URL链接进行转链，得到产品的转换链接，最后回到模块1，整个推荐装置如果模块2是可以正常工作的，则返回给模块1的结果是正常的，模块1根据分页信息中的SKU ID列表补充产品信息，具体包括有产品是否有券等等，最终得到推荐信息作为推荐结果返回给推荐平台，如果模块2是不能够正常工作的，则上述的排序功能可能无法此时就直接获取存储到redis数据库中的TOP N产品，并对这些产品补充产品信息，得到推荐信息作为推荐结果返回给推荐平台。
可选的，图10为本申请实施例提供的产品信息的推荐设备的结构示意图，该推荐设备可以是快递柜或者是移动终端，如图10所示，该推荐设备100包括有存储器1001和至少一个处理器1002；
存储器1001存储计算机执行指令；处理器1002执行存储器1001存储的计算机执行指令，使得处理器1002执行如上述的方法步骤。
示例性的，存储器1001可以通过总线1003与处理器1002连接，上述的处理器1002可以是通用处理器，包括中央处理器CPU、网络处理器(network processor，NP)等。
可选的，本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述的方法步骤。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系；在公式中，字符“/”，表示前后关联对象是一种“相除”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b，或c中的至少一项(个)，可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中，a，b，c可以是单个，也可以是多个。
可以理解的是，在本申请实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本申请的实施例的范围。在本申请的实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施例的实施过程构成任何限定。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (13)
1.一种产品信息的推荐方法，其特征在于，包括：
获取推荐平台的推荐数据，所述推荐数据用于指示不同产品的推荐效果；
根据所述推荐数据进行产品召回得到召回集合，所述召回集合中包括多个产品的标识以及产品信息，每个产品的产品信息包括在不同价值属性时的价值信息，推荐结果指标以及获取方式中的至少一种信息；
根据预设规则，从所述召回集合中确定出至少一个待推荐产品，得到推荐集合，所述推荐集合中包括所述至少一个待推荐产品的标识和产品信息；
根据所述推荐集合，向所述推荐平台发送推荐信息，所述推荐信息用于指示所述推荐平台对所述至少一个待推荐产品进行推荐。
2.根据权利要求1所述的方法，其特征在于，所述根据所述推荐数据进行产品召回得到召回集合，包括：
根据预设的定时任务和所述推荐数据进行产品的定时异步召回，得到产品候选集合；
根据预设业务规则对所述产品候选集合进行产品过滤得到所述召回集合，所述预设业务规则包括推荐费用规则和产品折扣规则中的至少一种。
3.根据权利要求1或2所述的方法，其特征在于，所述预设规则包括默认序列，所述根据预设规则，从所述召回集合中确定出至少一个待推荐产品，得到推荐集合，包括：
将所述召回集合存储至预设数据库中；
获取存储至所述预设数据库的召回集合中产品的默认序列，根据所述默认序列确定出至少一个待推荐产品，得到推荐集合。
4.根据权利要求1或2所述的方法，其特征在于，所述预设规则包括预设排序规则，所述根据预设规则，从所述召回集合中确定出至少一个待推荐产品，得到推荐集合，包括：
根据所述预设排序规则，对所述召回集合中的产品进行排序得到产品排列顺序；
根据所述产品排列顺序，确定至少一个待推荐产品，得到推荐集合。
5.根据权利要求4所述的方法，其特征在于，所述预设排序规则包括第一排序规则和第二排序规则，所述根据所述预设排序规则，对所述召回集合中的产品进行排序得到产品排列顺序，包括：
根据所述第一排序规则和所述召回集合的产品信息进行产品排序，得到产品排列顺序，所述第一排序规则包括预设排序算法；或，
根据所述第二排序规则和所述召回集合的产品信息进行产品排序，得到产品排列顺序，所述第二排序规则包括产品价格排序规则、产品推荐费用排序规则和产品评价信息排序规则中的至少一种。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一排序规则和所述召回集合的产品信息进行产品排序，得到产品排列顺序，包括：
获取用户标签，所述用户标签包括用户属性标签和用户行为标签；
将所述用户标签和所述召回集合中产品的产品信息输入至所述预设排序算法进行产品排序，得到产品排列顺序，所述预设排序算法包括梯度提升决策树算法和逻辑回归算法。
7.根据权利要求6所述的方法，其特征在于，所述获取用户标签，包括：
通过线上日志、实时消息和离线计算获取用户属性数据和用户行为数据；
对所述用户属性数据进行编码得到用户属性标签；
对所述用户行为数据进行离散化得到用户行为标签；
将所述用户属性标签和所述用户行为标签存储至预设数据库中，读取所述预设数据库得到所述用户标签。
8.根据权利要求6所述的方法，其特征在于，所述将所述用户标签和所述召回集合中产品的产品信息输入至所述预设排序算法进行产品排序，得到产品排列顺序之前，还包括：
根据预设算法配置对所述预设排序算法进行算法配置；
对进行算法配置之后的预设排序算法进行测试得到测试数据；
根据所述测试数据，对所述预设排序算法进行配置优化。
9.根据权利要求8所述的方法，其特征在于，所述根据所述产品排列顺序，确定至少一个待推荐产品，得到推荐集合之后，包括：
获取标识参数，根据所述标识参数将所述推荐集合缓存至预设数据库，所述标识参数包括场景标识、用户标识和测试数据。
10.根据权利要求1所述的方法，其特征在于，所述根据所述推荐集合，向所述推荐平台发送推荐信息，包括：
获取所述推荐集合中每一个产品的落地页；
对所述推荐集合中每一个产品的落地页进行链接转换得到转换后的推荐链接，所述推荐链接用于收集所述推荐平台的推荐数据；
根据所述推荐链接和产品的产品信息得到推荐信息，向所述推荐平台发送所述推荐信息。
11.一种产品信息的推荐装置，其特征在于，包括：
数据获取模块，用于获取推荐平台的推荐数据，所述推荐数据用于指示不同产品的推荐效果；
召回模块，用于根据所述推荐数据进行产品召回得到召回集合，所述召回集合中包括多个产品的标识以及产品信息，每个产品的产品信息包括在不同价值属性时的价值信息，推荐结果指标以及获取方式中的至少一种信息；
确定模块，用于根据预设规则，从所述召回集合中确定出至少一个待推荐产品，得到推荐集合，所述推荐集合中包括所述至少一个待推荐产品的标识和产品信息；
推荐模块，用于根据所述推荐集合，向所述推荐平台发送推荐信息，所述推荐信息用于指示所述推荐平台对所述至少一个待推荐产品进行推荐。
12.一种产品信息的推荐设备，其特征在于，包括存储器和至少一个处理器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-10任一项所述的方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被处理器执行时用于实现如权利要求1-10任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011287093.2A CN113781146A (zh) | 2020-11-17 | 2020-11-17 | 产品信息的推荐方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011287093.2A CN113781146A (zh) | 2020-11-17 | 2020-11-17 | 产品信息的推荐方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113781146A true CN113781146A (zh) | 2021-12-10 |
Family
ID=78835311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011287093.2A Pending CN113781146A (zh) | 2020-11-17 | 2020-11-17 | 产品信息的推荐方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113781146A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114926201A (zh) * | 2022-05-07 | 2022-08-19 | 上海禹璨信息技术有限公司 | 拼团请求推送方法、装置、设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591873A (zh) * | 2011-01-12 | 2012-07-18 | 腾讯科技（深圳）有限公司 | 一种信息推荐方法和设备 |
| CN104077306A (zh) * | 2013-03-28 | 2014-10-01 | 阿里巴巴集团控股有限公司 | 一种搜索引擎的结果排序方法及系统 |
| WO2018028099A1 (zh) * | 2016-08-09 | 2018-02-15 | 百度在线网络技术（北京）有限公司 | 搜索质量评估方法及装置 |
| CN109086439A (zh) * | 2018-08-15 | 2018-12-25 | 腾讯科技（深圳）有限公司 | 信息推荐方法及装置 |
| CN109408703A (zh) * | 2018-09-03 | 2019-03-01 | 腾讯科技（深圳）有限公司 | 信息推荐方法及其系统、装置、电子设备、存储介质 |
| CN110532479A (zh) * | 2019-09-05 | 2019-12-03 | 北京思维造物信息科技股份有限公司 | 一种信息推荐方法、装置及设备 |
| CN111080413A (zh) * | 2019-12-20 | 2020-04-28 | 深圳市华宇讯科技有限公司 | 电商平台商品的推荐方法、装置、服务器和存储介质 |
| CN111914175A (zh) * | 2020-08-07 | 2020-11-10 | 平安科技（深圳）有限公司 | 一种推荐流程优化方法、装置、设备及介质 |
-
2020
- 2020-11-17 CN CN202011287093.2A patent/CN113781146A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102591873A (zh) * | 2011-01-12 | 2012-07-18 | 腾讯科技（深圳）有限公司 | 一种信息推荐方法和设备 |
| CN104077306A (zh) * | 2013-03-28 | 2014-10-01 | 阿里巴巴集团控股有限公司 | 一种搜索引擎的结果排序方法及系统 |
| WO2018028099A1 (zh) * | 2016-08-09 | 2018-02-15 | 百度在线网络技术（北京）有限公司 | 搜索质量评估方法及装置 |
| CN109086439A (zh) * | 2018-08-15 | 2018-12-25 | 腾讯科技（深圳）有限公司 | 信息推荐方法及装置 |
| CN109408703A (zh) * | 2018-09-03 | 2019-03-01 | 腾讯科技（深圳）有限公司 | 信息推荐方法及其系统、装置、电子设备、存储介质 |
| CN110532479A (zh) * | 2019-09-05 | 2019-12-03 | 北京思维造物信息科技股份有限公司 | 一种信息推荐方法、装置及设备 |
| CN111080413A (zh) * | 2019-12-20 | 2020-04-28 | 深圳市华宇讯科技有限公司 | 电商平台商品的推荐方法、装置、服务器和存储介质 |
| CN111914175A (zh) * | 2020-08-07 | 2020-11-10 | 平安科技（深圳）有限公司 | 一种推荐流程优化方法、装置、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 刘晓鹏;杨怀卿;杨华;: "农产品的个性化推荐方法研究", 时代农机, no. 01 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114926201A (zh) * | 2022-05-07 | 2022-08-19 | 上海禹璨信息技术有限公司 | 拼团请求推送方法、装置、设备及存储介质 |
| CN114926201B (zh) * | 2022-05-07 | 2024-05-31 | 上海禹璨信息技术有限公司 | 拼团请求推送方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111523976B (zh) | 商品推荐方法、装置、电子设备及存储介质 | |
| US10868888B1 (en) | Method and apparatus for real-time personalization | |
| CN109582876B (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
| CN110473040B (zh) | 一种产品推荐方法及装置，电子设备 | |
| CN109492180A (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
| CN106997549A (zh) | 一种广告信息的推送方法及系统 | |
| AU2014232186A1 (en) | Intelligent platform for real-time bidding | |
| CN111177563A (zh) | 一种信息推荐方法、装置、电子设备和存储介质 | |
| CN110674391B (zh) | 基于大数据的产品数据推送方法、系统和计算机设备 | |
| CN110111167A (zh) | 一种确定推荐对象的方法和装置 | |
| CN107507041A (zh) | 用户模型的构建方法和构建装置 | |
| CN113327146B (zh) | 一种信息追踪方法和装置 | |
| CN110443686A (zh) | 基于垃圾识别的商品推荐系统及方法 | |
| CN112116426A (zh) | 一种推送物品信息的方法和装置 | |
| CN112749863A (zh) | 关键词的调价方法及装置、电子设备 | |
| CN109190027A (zh) | 多源推荐方法、终端、服务器、计算机设备、可读介质 | |
| CN108694174B (zh) | 内容投放数据的分析方法及装置 | |
| CN113781146A (zh) | 产品信息的推荐方法、装置、设备和存储介质 | |
| CN110020131B (zh) | 一种排列商品的方法和装置 | |
| KR102397385B1 (ko) | Ｏ２ｏ 기반 저장쿠폰을 이용한 맞춤형 쿠폰 서비스 제공 방법 | |
| CN112989276B (zh) | 信息推送系统的评价方法和装置 | |
| CN111881148A (zh) | 对象组合的属性确定方法、装置、电子设备 | |
| CN107357847B (zh) | 数据处理方法及其装置 | |
| CN112015970A (zh) | 产品推荐方法、相关设备及计算机存储介质 | |
| CN110827044A (zh) | 提取用户兴趣模式的方法和装置 |
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 |