CN113934931A - 信息推荐方法、装置、设备、存储介质及程序产品 - Google Patents
信息推荐方法、装置、设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN113934931A CN113934931A CN202111196400.0A CN202111196400A CN113934931A CN 113934931 A CN113934931 A CN 113934931A CN 202111196400 A CN202111196400 A CN 202111196400A CN 113934931 A CN113934931 A CN 113934931A
- Authority
- CN
- China
- Prior art keywords
- value
- information
- behavior data
- historical
- determining
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种用于信息推荐的方法、装置、设备、存储介质及程序产品,涉及计算机技术领域,尤其涉及智能推荐技术领域。具体实现方案为:根据对象的历史行为数据,确定对象针对类别信息的属性标签的数值,属性标签的数值表征了对象对于类别信息的需求程度;以及根据属性标签的数值,向对象推荐与类别信息相关的信息。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及智能推荐技术领域。具体地,涉及一种信息推荐方法、信息推荐装置、电子设备、非瞬时计算机可读存储介质以及计算机程序产品。
背景技术
可以由对象的搜索内容中的关键词触发向对象的信息推荐,这使得信息推荐的依据只来源于对象的搜索内容,忽略了对象自身特点,导致信息推荐并不准确。
发明内容
本公开提供了一种用于信息推荐的方法、装置、设备、存储介质及程序产品。
根据本公开的一方面,提供了一种信息推荐方法,包括:根据对象的历史行为数据,确定所述对象针对类别信息的属性标签的数值,所述属性标签的数值表征了所述对象对于类别信息的需求程度;以及根据所述属性标签的数值,向所述对象推荐与所述类别信息相关的信息。
根据本公开的另一方面,提供了一种信息推荐的装置,包括:确定模块和推荐模块。确定模块用于根据对象的历史行为数据,确定所述对象针对类别信息的属性标签的数值,所述属性标签的数值表征了所述对象对于类别信息的需求程度。推荐模块用于根据所述属性标签的数值,向所述对象推荐与所述类别信息相关的信息。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器和与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的信息推荐方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述的信息推荐方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述的信息推荐方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的可以应用于信息推荐方法及装置的示例性系统架构;
图2是根据本公开一实施例的流程图;
图3是根据本公开另一实施例的示例示意图;
图4是根据本公开又一实施例的示例示意图;
图5是本公开实施例的信息推荐的装置的框图;以及
图6是可以实现本公开实施例的信息推荐方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
图1示意性示出了根据本公开一实施例的信息推荐方法和装置的系统架构。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可以包括客户端101、102、103,网络104和服务器105。网络104用以在客户端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、无线通信链路或者光纤电缆等等。
用户可以使用客户端101、102、103通过网络104与服务器105交互,以接收或发送消息等。客户端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、社交平台软件等(仅为示例)。
客户端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。本公开实施例的客户端101、102、103例如可以运行应用程序。
服务器105可以是提供各种服务的服务器,例如对用户利用客户端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)反馈给客户端。另外,服务器105还可以是云服务器,即服务器105具有云计算功能。
需要说明的是,本公开实施例所提供的信息推荐方法可以由服务器105执行。相应地,本公开实施例所提供的信息推荐装置可以设置于服务器105中。本公开实施例所提供的信息推荐方法也可以由不同于服务器105且能够与客户端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信息推荐装置也可以设置于不同于服务器105且能够与客户端101、102、103和/或服务器105通信的服务器或服务器集群中。
在一种示例中,服务器105可以通过网络104获取来自客户端101、102、103的用户的历史行为数据,并根据某一类别的历史行为数据进行信息推荐。
应该理解,图1中的客户端、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客户端、网络和服务器。
本公开实施例提供了一种信息推荐方法,下面结合图1的系统架构,参考图2~图4来描述根据本公开示例性实施方式的信息推荐方法。本公开实施例的信息推荐方法例如可以由图1所示的服务器105来执行。
可以理解,本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
图2示意性示出了根据本公开一实施例的信息推荐方法的流程图。
如图2所示,本公开实施例的信息推荐方法200例如可以包括操作S210~操作S220。
在操作S210,根据对象的历史行为数据,确定对象针对类别信息的属性标签的数值,属性标签的数值表征了对象对于类别信息的需求程度。
在操作S220,根据属性标签的数值,向对象推荐与类别信息相关的信息。
应该理解,对象的历史行为数据表征了对象的自身特点,间接反映对象的需求。基于此,本公开实施例通过对象针对某一类别信息的历史行为数据与表征其需求的标签,即属性标签,利用该属性标签的数值表征对象对于某一类别信息的需求程度。
本公开实施例在进行信息推荐时,通过对象针对类别信息的属性标签的数值,可结合对象自身的特点,量化对象对某一类别的信息的需求,进而可准确地向对象推荐与类别信息相关的信息。
本公开实施例以医美类别的信息推荐举例说明,从对象的历史行为数据中可分析与医美类别相关的历史行为数据,并根据该医美类别相关的历史行为数据得到医美类别的属性标签的数值,该数值表征对象对于医美类别信息的需求程度。当然,本公开实施例的信息推荐方法200还可应用于其他类别的信息推荐,在此不作限定。
示例性地,在不同用户A和B均搜索“医美项目C”这一搜索内容且用户A与用户B的历史行为数据表现出的需求程度不同时,两者的关于医美类别的属性标签的数值不同,因此为用户A和用户B推荐的医美类别的信息也可作以区分,以适应用户A与用户B的不同的需求程度。例如,区分方式可以是推荐信息的数量不同。
图3示意性示出了根据本公开另一实施例的信息推荐方法300的示意图。
如图3所示,操作S310的根据对象的历史行为数据确定对象的针对类别信息的属性标签的数值可包括:根据对象的历史行为数据中与类别D相关的历史累计数值,得到第一数值D1,该第一数值D1作为影响类别D的属性标签的数值E的一个影响因子。然后根据对象在指定时间段内对类别D的信息的点击量数值,得到第二数值D2,该第二数值D2作为影响类别D的属性标签的数值E的另一个影响因子。根据第一数值D1和第二数值D2,确定属性标签的数值E。
需要说明的是:上述的“指定时间段”可以是选定的任意历史时间段,也可以是以当前时刻为终点、以设定的时间段时长为长度的实时时间段。为实时了解对象的需求的变化,本公开实施例中的“指定时间段”为上述的后者。此外,上述的“根据第一数值D1和第二数值D2,确定属性标签的数值E”例如可以是将第一数值D1与第二数值D2求和,得到属性标签的数值E。
根据本公开实施例,通过从对象的历史行为数据中得到第一数值,并依据反映对象在某段时间内对该类别的信息的需求变化的第二数值,可准确地确定属性标签的数值E,即准确地量化对象对某一类别信息的需求程度。
如图3所示,类别D的历史行为数据可包括消费行为数据D1x、咨询行为数据D1y和浏览行为数据D1z。操作S310中,根据对象的历史行为数据中与类别D相关的历史累计数值,得到第一数值D1可分别使用第一权重、第二权重和第三权重,得到消费行为数据的历史累计数值、咨询行为数据的历史累计数值和浏览行为数据的历史累计数值的加权和,作为第一数值D1。
示例性地,第一权重、第二权重、第三权重的数值依次递减。
可以理解,不同的历史行为数据所反映的对象的需求程度也不同,例如,一般地,消费行为数据反映出的需求程度最高、咨询行为数据次之,浏览行为数据最低。由此可见,通过本公开的实施例,能够针对对象的不同历史行为数据进行权重区分,可更为准确地量化对象对某一类别信息的需求程度。
如图3所示,根据本公开实施例的信息推荐方法300,在操作S320中,根据属性标签的数值,向对象推荐类别信息相关的信息可以包括:在属性标签的数值E大于等于推荐阈值Th的情况下,向对象推荐与类别信息相关的信息。
示例性地,操作S320的根据属性标签的数值,向对象推荐与类别信息相关的信息还可包括:根据属性标签的数值E与推荐阈值Th之间的差值,确定要推荐的信息数量。
应该理解,本公开实施例的信息推荐方法将对象针对某一类别的信息的需求进行量化,以便属性标签的数值表征对象对该类别的信息的需求程度。在得到属性标签的数值后,利用属性标签的数值的大小确定是否进行该类别的信息推荐以及在推荐该类别信息的前提下确定推荐信息的数量。
在属性标签的数值未达到推荐阈值时,表示对象对该类别的信息的需求较低,可以不向对象推荐与该类别相关的信息。尤其是对于广告等信息,如果对象的需求较低,而被推荐相关的信息时,对象可能会较为反感,此时信息推荐可能具有负面效果。本公开实施例中,在属性标签的数值达到推荐阈值时,属性标签的数值与推荐阈值之间的差值则表示对象对该类别的信息的需求达到推荐信息的标准,且差值大小表示的需求程度与对象对该类别的信息的推荐数量成正相关,针对对象的不同需求程度,作出适应性的信息推荐调整。
图4示意性示出了本公开又一实施例的信息推荐方法400的示意图。
如图4所示,历史行为数据还可包括历史搜索数据D0。在操作S410中,根据对象的历史行为数据,确定对象针对类别信息的属性标签的数值可以包括:根据历史搜索数据D0,得到对象的意图数据F;其次根据对象的意图数据F,得到属性标签的初始数值E0;然后根据对象在指定时间段内对类别的信息的点击量数值,得到第二数值D2;根据第二数值D2和属性标签的初始数值E0,得到属性标签的数值E。
应该理解,对象的历史搜索数据能够反映对象的意图,该意图也可间接反映对象的需求。仍以医美类别为例,这里所说的“意图”可以是查找机构、找寻方案、咨询价格等,一般地,查找机构、咨询价格以及找寻方案的意图对应的需求程度依次递减。基于此,本公开实施例对历史搜索数据反映的意图赋予数值,通过属性标签的初始数值间接量化意图反映的需求程度,并依据反映对象在某段时间内对该类别的信息的需求变化的第二数值,可准确量化对象对某一类别信息的需求程度,更为准确地向对象推荐该类别的信息。
示例性地,可通过自然语言的机器学习模型对对象的历史搜索数据D0进行意图分析,得到意图数据F。本领域技术人员可以理解,机器学习模型可以包括TextCNN,本公开不对此进行限制。
如图4所示,在操作S410,得到属性标签的数值E后,可进一步地比较属性标签的数值E与推荐阈值Th的数值大小,在属性标签的数值E大于推荐阈值Th时,向对象推荐与类别信息相关的信息。示例性地,属性标签的数值E与推荐阈值Th之间的差值也可与推荐信息的数量正相关,从而能够针对对象的不同需求程度,适应性地调整信息推荐。
需要说明的是,图4所示的实施例中,还可将对象的意图数据F作为一个新的属性标签(例如可以是意图属性标签),意图数据与该属性标签的数值相对应。对象在指定时间段内对类别的信息的点击量数值同样影响该属性标签的数值,该属性标签的数值表征对象对该类别的信息的需求程度。
如图5所示,本公开实施例的图像识别装置500例如包括确定模块510和推荐模块520。
确定模块510可以用于根据对象的历史行为数据,确定对象针对类别信息的属性标签的数值,属性标签的数值表征了对象对于类别信息的需求程度。根据本公开实施例,确定模块510例如可以执行上文参考图2描述的操作S210,在此不再赘述。
推荐模块520可以用于根据属性标签的数值,向对象推荐与类别信息相关的信息。根据本公开实施例,推荐模块520例如可以执行上文参考图2描述的操作S220,在此不再赘述。
根据本公开的实施例,确定模块包括:第一确定子模块、第二确定子模块以及第三确定子模块。第一确定子模块用于根据对象的所述历史行为数据中与所述类别信息相关的历史累计数值,得到第一数值。第二确定子模块用于根据所述对象在指定时间段内对所述类别信息的点击量数值,得到第二数值。第三确定子模块,用于根据所述第一数值和第二数值,确定所述属性标签的数值。
根据本公开的实施例,所述历史行为数据包括消费行为数据、咨询行为数据和浏览行为数据;所述第一确定子模块包括:第一确定单元。第一确定单元用于分别使用第一权重、第二权重和第三权重,得到所述消费行为数据的历史累计数值、所述咨询行为数据的历史累计数值和所述浏览行为数据的历史累计数值的加权和,作为所述第一数值,其中,所述第一权重、所述第二权重、所述第三权重的数值依次递减。
根据本公开的实施例,所述推荐模块包括:第一推荐子模块。第一子模块用于在所述属性标签的数值大于等于推荐阈值的情况下,向对象推荐与所述类别信息相关的信息。
根据本公开的实施例,所述推荐模块还包括:第二推荐子模块。第二推荐子模块,用于根据所述属性标签的数值与推荐阈值之间的差值,确定要推荐的信息数量。
根据本公开的实施例,所述历史行为数据包括历史搜索数据;所述确定模块还包括:第四确定子模块、第五确定子模块、第六确定子模块以及第七确定子模块。第四确定子模块用于根据所述历史搜索数据,得到所述对象的意图数据。第五确定子模块用于根据所述对象的意图数据,得到所述属性标签的初始数值。第六确定子模块用于根据所述对象在指定时间段内对所述类别的信息的点击量数值,得到第二数值。第七确定子模块用于根据所述第二数值和所述属性标签的初始数值,得到所述属性标签的数值。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如信息推荐方法。例如,在一些实施例中,信息推荐方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的信息推荐方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行信息推荐方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种信息推荐方法,包括:
根据对象的历史行为数据,确定所述对象针对类别信息的属性标签的数值,所述属性标签的数值表征了所述对象对于类别信息的需求程度;以及
根据所述属性标签的数值,向所述对象推荐与所述类别信息相关的信息。
2.根据权利要求1所述的方法,其中,所述根据所述对象的历史行为数据确定所述对象的针对类别信息的属性标签的数值包括:
根据对象的所述历史行为数据中与所述类别信息相关的历史累计数值,得到第一数值;
根据所述对象在指定时间段内对所述类别信息的点击量数值,得到第二数值;
根据所述第一数值和第二数值,确定所述属性标签的数值。
3.根据权利要求2所述的方法,其中,所述历史行为数据包括消费行为数据、咨询行为数据和浏览行为数据;根据对象的所述历史行为数据中与所述类别信息相关的历史累计数值,得到第一数值包括:
分别使用第一权重、第二权重和第三权重,得到所述消费行为数据的历史累计数值、所述咨询行为数据的历史累计数值和所述浏览行为数据的历史累计数值的加权和,作为所述第一数值,
其中,所述第一权重、所述第二权重、所述第三权重的数值依次递减。
4.根据权利要求1-3中任一项所述的方法,其中,所述根据属性标签的数值,向所述对象推荐与所述类别信息相关的信息包括:
在所述属性标签的数值大于等于推荐阈值的情况下,向对象推荐所述类别信息相关的信息。
5.根据权利要求4所述的方法,其中,根据所述属性标签的数值,向所述对象推荐与所述类别信息相关的信息还包括:
根据所述属性标签的数值与所述推荐阈值之间的差值,确定要推荐的信息数量。
6.根据权利要求1所述的方法,其中,所述历史行为数据包括历史搜索数据;所述根据对象的历史行为数据,确定所述对象针对类别信息的属性标签的数值包括:
根据所述历史搜索数据,得到所述对象的意图数据;
根据所述对象的意图数据,得到所述属性标签的初始数值;
根据所述对象在指定时间段内对所述类别的信息的点击量数值,得到第二数值;
根据所述第二数值和所述属性标签的初始数值,得到所述属性标签的数值。
7.一种信息推荐的装置,包括:
确定模块,用于根据对象的历史行为数据,确定所述对象针对类别信息的属性标签的数值,所述属性标签的数值表征了所述对象对于类别信息的需求程度;
推荐模块,用于根据所述属性标签的数值,向所述对象推荐与所述类别信息相关的信息。
8.根据权利要求7所述的装置,其中,所述确定模块包括:
第一确定子模块,用于根据对象的所述历史行为数据中与所述类别信息相关的历史累计数值,得到第一数值;
第二确定子模块,用于根据所述对象在指定时间段内对所述类别信息的点击量数值,得到第二数值;
第三确定子模块,用于根据所述第一数值和第二数值,确定所述属性标签的数值。
9.根据权利要求8所述的装置,其中,所述历史行为数据包括消费行为数据、咨询行为数据和浏览行为数据;所述第一确定子模块包括:
第一确定单元,用于分别使用第一权重、第二权重和第三权重,得到所述消费行为数据的历史累计数值、所述咨询行为数据的历史累计数值和所述浏览行为数据的历史累计数值的加权和,作为所述第一数值,其中,所述第一权重、所述第二权重、所述第三权重的数值依次递减。
10.根据权利要求7-9中任一项所述的装置,其中,所述推荐模块包括:
第一推荐子模块,用于在所述属性标签的数值大于等于推荐阈值的情况下,向对象推荐与所述类别信息相关的信息。
11.根据权利要求7-9中任一项所述的装置,其中,所述推荐模块还包括:
第二推荐子模块,用于根据所述属性标签的数值与推荐阈值之间的差值,确定要推荐的信息数量。
12.根据权利要求7所述的装置,其中,所述历史行为数据包括历史搜索数据;所述确定模块还包括:
第四确定子模块,用于根据所述历史搜索数据,得到所述对象的意图数据;
第五确定子模块,用于根据所述对象的意图数据,得到所述属性标签的初始数值;
第六确定子模块,用于根据所述对象在指定时间段内对所述类别的信息的点击量数值,得到第二数值;
第七确定子模块,用于根据所述第二数值和所述属性标签的初始数值,得到所述属性标签的数值。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111196400.0A CN113934931A (zh) | 2021-10-14 | 2021-10-14 | 信息推荐方法、装置、设备、存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111196400.0A CN113934931A (zh) | 2021-10-14 | 2021-10-14 | 信息推荐方法、装置、设备、存储介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113934931A true CN113934931A (zh) | 2022-01-14 |
Family
ID=79279317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111196400.0A Pending CN113934931A (zh) | 2021-10-14 | 2021-10-14 | 信息推荐方法、装置、设备、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113934931A (zh) |
-
2021
- 2021-10-14 CN CN202111196400.0A patent/CN113934931A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114329201A (zh) | 深度学习模型的训练方法、内容推荐方法和装置 | |
CN114036398A (zh) | 内容推荐和排序模型训练方法、装置、设备以及存储介质 | |
CN113836314A (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN113806660B (zh) | 数据评估方法、训练方法、装置、电子设备以及存储介质 | |
CN113205189B (zh) | 训练预测模型的方法、预测方法及装置 | |
CN114428902A (zh) | 信息搜索方法、装置、电子设备及存储介质 | |
CN114036397B (zh) | 数据推荐方法、装置、电子设备和介质 | |
CN115168732A (zh) | 资源推荐方法、装置、设备以及存储介质 | |
CN113761379B (zh) | 商品推荐方法及装置、电子设备和介质 | |
CN113239273B (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
CN113722593B (zh) | 事件数据处理方法、装置、电子设备和介质 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN115203564A (zh) | 信息流推荐方法、装置及计算机程序产品 | |
CN114996574A (zh) | 画像标签的构建方法、装置及电子设备 | |
CN113934931A (zh) | 信息推荐方法、装置、设备、存储介质及程序产品 | |
CN113961797A (zh) | 资源推荐方法、装置、电子设备和可读存储介质 | |
CN113869042A (zh) | 文本标题生成方法、装置、电子设备以及存储介质 | |
CN112632384A (zh) | 针对应用程序的数据处理方法、装置、电子设备和介质 | |
CN113806541A (zh) | 情感分类的方法和情感分类模型的训练方法、装置 | |
CN112784861A (zh) | 相似度的确定方法、装置、电子设备和存储介质 | |
CN113344405B (zh) | 基于知识图谱生成信息的方法、装置、设备、介质和产品 | |
CN114297489B (zh) | 一种内容推荐方法、装置、电子设备及存储介质 | |
CN114036399A (zh) | 信息推荐方法、装置、设备、存储介质及程序产品 | |
CN113360765A (zh) | 事件信息的处理方法、装置、电子设备和介质 | |
CN114565402A (zh) | 信息推荐方法、装置以及电子设备 |
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 |