CN113822737A - 信息推送方法、装置、计算机系统及存储介质 - Google Patents

Abstract

本公开提供了一种信息推送方法，包括响应于接收到的榜单浏览请求，获取用户的用户画像，用户画像包括第一类用户画像和第二类用户画像，从预先构建的榜单池中筛选出符合第一类用户画像的目标榜单，对于目标榜单中的每一个商品，判断商品的属性是否命中第二类用户画像中的至少一个画像，若商品的属性命中第二类用户画像中的至少一个画像，则对目标榜单中的所有商品进行重新排序，将重新排序后的目标榜单推送给用户，本公开还提供了一种榜单推送装置、计算机系统及存储介质。

Description

信息推送方法、装置、计算机系统及存储介质

技术领域

本公开涉及计算机技术领域，更具体地，涉及一种信息推送方法、装置、计算机系统及存储介质。

背景技术

在电商购物场景中，为了引导用户购物意向，在购物首页、搜索结果页、搜索分类页等场景会把相关的商品分类作为商品榜单展示。通过点击商品榜单展示相应的商品列表来引导用户购物，吸引用户点击、购买，为用户增加购物决策参考。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：在这种榜单推荐中，榜单的圈定一般是根据使用场景，按照商品类目分类，给定预先设置的部分热销商品。与场景预设的榜单进行匹配，展示榜单商品给用户，其依靠榜单在各个场景的配置，推荐的榜单内容不够准确，没有发挥榜单原本真正的引导用户购物意向。

发明内容

有鉴于此，本公开提供了一种信息推送方法、装置、计算机系统及存储介质。

本公开的一个方面提供了一种信息推送方法，包括：

响应于接收到的榜单浏览请求，获取用户的用户画像，所述用户画像包括第一类用户画像和第二类用户画像；

从预先构建的榜单池中筛选出符合所述第一类用户画像的目标榜单；

对于所述目标榜单中的每一个商品，判断所述商品的属性是否命中所述第二类用户画像中的至少一个画像；

若所述商品的属性命中所述第二类用户画像中的至少一个画像，则对所述目标榜单中的所有商品进行重新排序；

将重新排序后的目标榜单推送给所述用户。

根据本公开的实施例，还包括：

确定所有待分类的商品；

提取所述所有待分类的商品的类目属性信息和特征信息；

将类目属性信息相同的商品划分至同一商品榜单，得到多个商品榜单；

根据每个所述商品榜单内每个商品的特征信息，得到每个所述商品榜单对应的至少一个特征榜单；

基于所述多个商品榜单，以及，每个所述商品榜单对应的所有特征榜单，构建所述榜单池。

根据本公开的实施例，所述根据每个所述商品榜单内每个商品的特征信息，得到每个所述商品榜单对应的至少一个特征榜单包括：

对于每个所述商品榜单，基于至少一个所述特征信息，对所述商品榜单内每个商品进行打分；

根据得分将所述商品榜单内的所有商品进行排序，得到所述商品榜单对应的至少一个特征榜单。

根据本公开的实施例，所述第一类用户画像包括类目属性偏好和购物行为；

所述从预先构建的榜单池中筛选出符合所述第一类用户画像的目标榜单包括：

从所述预先构建的榜单池中筛选出符合所述类目属性偏好的商品榜单；

获取所述商品榜单对应的所有特征榜单；

从所述所有特征榜单中筛选出符合所述购物行为的目标榜单。

根据本公开的实施例，所述对所述目标榜单中的所有商品进行重新排序包括：

获取所述商品命中的所述第二类用户画像中的画像的预设加分值；

根据所述加分值，重新对所述商品打分，得到所述商品的新得分；

根据所述商品的新得分，对所述目标榜单中的所有商品进行重新排序。

根据本公开的实施例，所述基于所述多个商品榜单，以及，每个所述商品榜单对应的所有特征榜单，构建所述榜单池之前，包括：

过滤商品数量低于预设阈值的特征榜单。

本公开的另一个方面提供了一种榜单推送装置，包括：

获取模块，用于响应于接收到的榜单浏览请求，获取用户的用户画像，所述用户画像包括第一类用户画像和第二类用户画像；

筛选模块，用于从预先构建的榜单池中筛选出符合所述第一类用户画像的目标榜单；

判断模块，用于对于所述目标榜单中的每一个商品，判断所述商品的属性是否命中所述第二类用户画像中的至少一个画像；

排序模块，用于若所述商品的属性命中所述第二类用户画像中的至少一个画像，则对所述目标榜单中的所有商品进行重新排序；

推送模块，用于将重新排序后的目标榜单推送给所述用户。

根据本公开的实施例，还包括：

第一确定模块，用于确定所有待分类的商品；

提取模块，用于提取所述所有待分类的商品的类目属性信息和特征信息；

划分模块，用于将类目属性信息相同的商品划分至同一商品榜单，得到多个商品榜单；

第二确定模块，用于根据每个所述商品榜单内每个商品的特征信息，得到每个所述商品榜单对应的至少一个特征榜单；

构建模块，用于基于所述多个商品榜单，以及，每个所述商品榜单对应的所有特征榜单，构建所述榜单池。

本公开的另一方面提供了一种计算机系统，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。

本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。

根据本公开的实施例，响应于接收到的榜单浏览请求，获取用户的用户画像，用户画像包括第一类用户画像和第二类用户画像，从预先构建的榜单池中筛选出符合第一类用户画像的目标榜单，对于目标榜单中的每一个商品，判断商品的属性是否命中第二类用户画像中的至少一个画像，若商品的属性命中第二类用户画像中的至少一个画像，则对目标榜单中的所有商品进行重新排序，将重新排序后的目标榜单推送给用户，可以推送与用户画像相关的榜单，提升推送的榜单的准确性。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的可以应用信息推送方法的示例性系统架构100；

图2示意性示出了根据本公开实施例的信息推送方法的流程图；

图3示意性示出了根据本公开实施例的筛选目标榜单方法的流程图；

图4示意性示出了根据本公开的实施例的榜单推送装置的框图；

图5示意性示出了计算机系统500的框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

图1示意性示出了根据本公开实施例的可以应用信息推送方法的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103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、邮箱客户端和/或社交平台软件等(仅为示例)。

终端设备101、102、103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105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的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用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的信息推送方法一般可以由服务器105执行。相应地，本公开实施例所提供的榜单推送装置一般可以设置于服务器105中。本公开实施例所提供的榜单推送也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的榜单推送装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者，本公开实施例所提供的信息推送方法也可以由终端设备101、102、或103执行，或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地，本公开实施例所提供的榜单推送装置也可以设置于终端设备101、102、或103中，或设置于不同于终端设备101、102、或103的其他终端设备中。

应该理解，图1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。

图2示意性示出了根据本公开实施例的信息推送方法的流程图。

如图2所示，该方法包括操作S201～S203。

在操作S201，接收榜单浏览请求，获取用户的用户画像，用户画像包括第一类用户画像和第二类用户画像。

在操作S202，从预先构建的榜单池中筛选出符合第一类用户画像的目标榜单。

在操作S203，对于目标榜单中的每一个商品，判断所述商品的属性是否命中第二类用户画像中的至少一个画像。

在操作S204，若商品的属性命中所述第二类用户画像中的至少一个画像，则对目标榜单中的所有商品进行重新排序；

在操作S205，将重新排序后的目标榜单推送给用户。

在本公开中，用户画像是大数据下产生的重要技术应用，其目标是在建立多维的针对用户的描述性标签属性，从而利用这些标签属性对用户多方面的真实个人特征进行勾勒。进而，利用用户画像发掘用户需求，分析用户偏好，并向用户推荐与用户画像匹配的商品。

在本公开中，第一类用户画像与第二类用户画像不同。第一类用户画像例如，类目属性偏好和购物行为，类目属性偏好例如，红色连衣裙、长筒靴、短袜等等，其中，红色、长筒和短为属性，连衣裙、靴和袜为类目。购物行为可以是消费水平、加购记录、收藏记录等。第二类用户画像中的画像例如用户的年龄、性别、手机型号、加购记录、浏览记录等。商品的属性例如，颜色、型号、适用人群、适用年龄等等。在一个示例中，以第二类用户画像包括年龄18，手机型号为iPhone xs mas，目标榜单中的商品依次包括商品A、商品B和商品C，商品A的属性为型号iPhone xs/iPhone xs mas、适用人群中老年，商品B的属性为型号iPhone X/iPhone ES、适用人群中老年，商品C的属性为型号iPhone xs/iPhone xs mas、适用人群青少年为例。商品A命中第二类用户画像中的一个画像，商品B命中第二类用户画像中的0个画像，商品C命中第二类用户画像中的两个画像。对商品A、商品B和商品C重新进行排序，可以是例如商品A、商品C、商品B，也可以是商品C、商品A、商品B，本公开对此不做具体限制。

在本公开中，预先构建的榜单池内含有大量榜单，构建榜单池的过程主要包括：确定所有待分类的商品；提取所有待分类的商品的类目属性信息和特征信息；将类目属性信息相同的商品划分至同一商品榜单，得到多个商品榜单；根据每个商品榜单内每个商品的特征信息，得到每个商品榜单对应的至少一个特征榜单；基于多个商品榜单，以及，每个商品榜单对应的所有特征榜单，构建榜单池。

其中，对于确定待分类的商品，可以设立较宽松的条件，符合该条件的商品即为待分类商品，以增加待分类商品数量从而增加榜单池内榜单的数据，条件例如，30天销量大于2单，30天收藏量大于5等等。本公开对此不做限制。

特征信息可以是热销标签、转换率、用户浏览次数(UV)价值，还可以是指商品在某一时间段内的销售量、加购量、收藏量等等。本公开对此不做限制。

在本公开中，特征榜单可以是热销榜、折扣榜、品质榜、性价榜。还可以是销售榜、加购榜、收藏榜等。本公开对此不做限制。

以待分类的商品为商品A、商品B、商品C和商品D为例，特征信息以销售量、加购量为例。在一个示例中，提取商品A的类目属性信息为红色连衣裙、特征信息为一周内销售量500、加购量1000，提取商品B的类目属性信息为红色连衣裙、特征信息为一周内销售量300、加购量1200，提取商品C的类目属性信息为红色连衣裙、特征信息为一周内销售量400、加购量500，提取商品D的类目属性信息为短袜，特征信息为一周内销售量50、加购量为120。将商品A、商品B、商品C划分至同一商品榜单M，将商品D划分至另一商品榜单N，即得到两个商品榜单。对于商品榜单M，根据特征信息销售量，得到商品榜单M的销售榜单、根据特征信息加购量，得到商品榜单M的加购榜单。同理，得到商品榜单N的销售榜单和加购榜单。榜单池内包括商品榜单M的销售榜单和加购榜单、商品榜单N的销售榜单和加购榜单。然后，根据销售量和加购量的具体值对商品进行排序，例如，对商品榜单M的销售榜单内的商品排序商品A、商品C、商品B。

在本公开其中一个实施例中，上述根据每个商品榜单内每个商品的特征信息，得到每个商品榜单对应的至少一个特征榜单包括：对于每个商品榜单，基于至少一个特征信息，对商品榜单内每个商品进行打分；根据得分将商品榜单内的所有商品进行排序，得到商品榜单对应的至少一个特征榜单。

在本实施例中，特征信息包括热销标签、7天转换率、7天UV价值等等。其中，热销标签是指预设时长内某一级类目下的销量或销售金额在指定排名内的商品。7天转换率＝(7天下单量*100)/(7天UV总量)。7天UV价值＝7天下单金额/7天UV总量。可理解的，上述时间仅为示例性示意，并不限定于7天。

在本公开中，例如，根据热销标签、7天转换率、7天UV价值等等可以计算每个商品的热销得分，热销得分计算方式例如，热销得分＝命中热销加50分+7天订单数权重*80/10000+7天订单金额权重*80/10000+7天转化率权重*20/10000+7天UV价值权重*30/10000。故根据上式计算出每个商品的热销得分，最后根据得分大小对商品榜单内的所有商品进行排序，得到该商品榜单对应的热销榜。可理解的，还可提取其它特征，计算其它性质的得分，得到折扣榜单、品质榜单、性价榜单等等。其中，折扣榜单的计算过程例如，提取商品的销售金额和成交金额特征，根据指定公式，计算折扣得分，根据得分大小对商品榜单内的所有商品进行排序得到折扣榜单。

在本公开其中一个实施例中，上述基于多个商品榜单，以及，每个商品榜单对应的所有特征榜单，构建榜单池之前，包括：过滤商品数量低于预设阈值的特征榜单。保证最后展示给用户的榜单内的商品数量不低于预设阈值。

图3示意性示出了根据本公开实施例的筛选目标榜单方法的流程图，其中，第一类用户画像包括类目属性偏好和购物行为。

如图3所示，操作S202包括操作S301～S203。

在操作S301，从预先构建的榜单池中筛选出符合类目属性偏好的商品榜单。

在操作S302，获取商品榜单对应的所有特征榜单。

在操作S303，从所有特征榜单中筛选出符合购物行为的目标榜单。

在一个示例中，以第一类用户画像的类目属性偏好是红色连衣裙为例，购物行为是为买销售量大的商品例，从榜单池中筛选出商品榜单M。然后获取商品榜单M对应的所有榜单(销售榜单和加购榜单)。然后获取商品榜单M对应的销售榜单和加购榜单中筛选出销售榜单作为目标榜单。

在一个示例中，以第一类用户画像的类目属性偏好是红色连衣裙为例，购物行为是消费水平高为例，从榜单池中筛选出商品榜单M。然后获取商品榜单M对应的所有榜单(热销榜单、折扣榜单、品质榜单、性价榜单)。然后获取商品榜单M对应的折扣榜单、品质榜单、性价榜单中筛选出品质榜单作为目标榜单。

在本公开其中一个实施例中，对目标榜单中的所有商品进行重新排序包括：获取商品命中的第二类用户画像中的画像的预设加分值；根据加分值，重新对商品打分，得到商品的新得分；根据商品的新得分，对目标榜单中的所有商品进行重新排序。

在一个示例中，目标榜单中的商品依次包括商品A(90分)、商品B(85分)和商品C(60分)，商品A命中画像W，画像W的加分值为5，重新打分后为95，商品B命中画像W和画像Y，画像W的加分值为5，画像W的加分值为8，重新打分后为98，商品C命中画像X，画像W的加分值为39，重新打分后为99。则根据商品的新得分，对目标榜单中的所有商品进行重新排序为商品C、商品B、商品A。

图4示意性示出了根据本公开的实施例的榜单推送装置的框图。

如图4所示，榜单推送装置400包括获取模块410、筛选模块420、判断模块430、排序模块440和推送模块450。

获取模块410，用于响应于接收到的榜单浏览请求，获取用户的用户画像，用户画像包括第一类用户画像和第二类用户画像。

筛选模块420，用于从预先构建的榜单池中筛选出符合第一类用户画像的目标榜单。

判断模块430，用于对于所述目标榜单中的每一个商品，判断所述商品的属性是否命中所述第二类用户画像中的至少一个画像；

排序模块440，用于基于第二类用户画像，对目标榜单中的所有商品进行重新排序。

推送模块450，用于将重新排序后的目标榜单推送给用户。

在本公开其中一个实施例中，榜单推送装置400还包括：

第一确定模块，用于确定所有待分类的商品；

提取模块，用于提取所有待分类的商品的类目属性信息和特征信息；

划分模块，用于将类目属性信息相同的商品划分至同一商品榜单，得到多个商品榜单；

第二确定模块，用于根据每个商品榜单内每个商品的特征信息，得到每个商品榜单对应的至少一个特征榜单；

构建模块，用于基于多个商品榜单，以及，每个商品榜单对应的所有特征榜单，构建榜单池。

在本公开其中一个实施例中，第二确定模块包括：

打分子模块，用于对于每个商品榜单，基于至少一个特征信息，对商品榜单内每个商品进行打分；

排序子模块，用于根据得分将商品榜单内的所有商品进行排序，得到商品榜单对应的至少一个特征榜单。

在本公开其中一个实施例中，第一类用户画像包括类目属性偏好和购物行为，筛选模块420包括：

第一筛选子模块，用于从预先构建的榜单池中筛选出符合类目属性偏好的商品榜单；获取子模块，用于获取商品榜单对应的所有特征榜单；第二筛选子模块，用于从所有特征榜单中筛选出符合购物行为的目标榜单。

在本公开其中一个实施例中，排序模块440包括：

获取单元，用于获取商品命中的第二类用户画像中的画像的预设加分值；

重打分模块，用于根据加分值，重新对商品打分，得到商品的新得分：

重排序单元，用于根据商品的新得分，对目标榜单中的所有商品进行重新排序。

在本公开其中一个实施例中，榜单推送装置400还包括：

过滤模块，用于过滤商品数量低于预设阈值的特征榜单。

根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，获取模块410、筛选模块420、判断模块430、排序模块440和推送模块450中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本公开的实施例，获取模块410、筛选模块420、判断模块430、排序模块440和推送模块450中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块410、筛选模块420、判断模块430、排序模块440和推送模块450中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

需要说明的是，本公开的实施例中榜单推送装置部分与本公开的实施例中信息推送方法部分是相对应的，榜单推送装置部分的描述具体参考信息推送方法部分，在此不再赘述。

图5示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的框图。图5示出的计算机系统仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，根据本公开实施例的计算机系统500包括处理器501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 503中，存储有系统500操作所需的各种程序和数据。处理器501、ROM 502以及RAM 503通过总线504彼此相连。处理器501通过执行ROM 502和/或RAM 503中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，程序也可以存储在除ROM 502和RAM 503以外的一个或多个存储器中。处理器501也可以通过执行存储在一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，系统500还可以包括输入/输出(I/O)接口505，输入/输出(I/O)接口505也连接至总线504。系统500还可以包括连接至I/O接口505的以下部件中的一项或多项：包括键盘、鼠标等的输入部分506；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507；包括硬盘等的存储部分508；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509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，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510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508。

根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本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存储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509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开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可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储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执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：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)、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。在本公开中，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。

例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 502和/或RAM 503和/或ROM 502和RAM 503以外的一个或多个存储器。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (10)

1.一种信息推送方法，包括：

响应于接收到的榜单浏览请求，获取用户的用户画像，所述用户画像包括第一类用户画像和第二类用户画像；

从预先构建的榜单池中筛选出符合所述第一类用户画像的目标榜单；

对于所述目标榜单中的每一个商品，判断所述商品的属性是否命中所述第二类用户画像中的至少一个画像；

若所述商品的属性命中所述第二类用户画像中的至少一个画像，则对所述目标榜单中的所有商品进行重新排序；

将重新排序后的目标榜单推送给所述用户。

2.根据权利要求1所述的方法，其中，还包括：

确定所有待分类的商品；

提取所述所有待分类的商品的类目属性信息和特征信息；

将类目属性信息相同的商品划分至同一商品榜单，得到多个商品榜单；

根据每个所述商品榜单内每个商品的特征信息，得到每个所述商品榜单对应的至少一个特征榜单；

基于所述多个商品榜单，以及，每个所述商品榜单对应的所有特征榜单，构建所述榜单池。

3.根据权利要求2所述的方法，其中，所述根据每个所述商品榜单内每个商品的特征信息，得到每个所述商品榜单对应的至少一个特征榜单包括：

对于每个所述商品榜单，基于至少一个所述特征信息，对所述商品榜单内每个商品进行打分；

根据得分将所述商品榜单内的所有商品进行排序，得到所述商品榜单对应的至少一个特征榜单。

4.根据权利要求1至3任意一项所述的方法，其中，所述第一类用户画像包括类目属性偏好和购物行为；

所述从预先构建的榜单池中筛选出符合所述第一类用户画像的目标榜单包括：

从所述预先构建的榜单池中筛选出符合所述类目属性偏好的商品榜单；

获取所述商品榜单对应的所有特征榜单；

从所述所有特征榜单中筛选出符合所述购物行为的目标榜单。

5.根据权利要求1所述的方法，其中，所述对所述目标榜单中的所有商品进行重新排序包括：

获取所述商品命中的所述第二类用户画像中的画像的预设加分值；

根据所述加分值，重新对所述商品打分，得到所述商品的新得分；

根据所述商品的新得分，对所述目标榜单中的所有商品进行重新排序。

6.根据权利要求2或3所述的方法，其中，所述基于所述多个商品榜单，以及，每个所述商品榜单对应的所有特征榜单，构建所述榜单池之前，包括：

过滤商品数量低于预设阈值的特征榜单。

7.一种榜单推送装置，包括：

获取模块，用于响应于接收到的榜单浏览请求，获取用户的用户画像，所述用户画像包括第一类用户画像和第二类用户画像；

筛选模块，用于从预先构建的榜单池中筛选出符合所述第一类用户画像的目标榜单；

判断模块，用于对于所述目标榜单中的每一个商品，判断所述商品的属性是否命中所述第二类用户画像中的至少一个画像；

排序模块，用于若所述商品的属性命中所述第二类用户画像中的至少一个画像，则对所述目标榜单中的所有商品进行重新排序；

推送模块，用于将重新排序后的目标榜单推送给所述用户。

8.根据权利要求7所述的装置，其中，还包括：

第一确定模块，用于确定所有待分类的商品；

提取模块，用于提取所述所有待分类的商品的类目属性信息和特征信息；

划分模块，用于将类目属性信息相同的商品划分至同一商品榜单，得到多个商品榜单；

第二确定模块，用于根据每个所述商品榜单内每个商品的特征信息，得到每个所述商品榜单对应的至少一个特征榜单；

构建模块，用于基于所述多个商品榜单，以及，每个所述商品榜单对应的所有特征榜单，构建所述榜单池。

9.一种计算机系统，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至6中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1至6中任一项所述的方法。

Images