CN114387052A - 推荐方法、服务提供方法、装置、设备和存储介质 - Google Patents

Abstract

本发明实施例提供一种推荐方法、服务提供方法、装置、设备和存储介质，该方法包括：获取目标使用对象的体型数据以及目标推荐对象，其中，目标使用对象能够使用目标推荐对象。再根据体型数据确定出具有相同或者相似体型数据的多个使用对象，并进一步得到这多个使用对象针对于目标推荐对象的历史购买记录。最终，根据历史购买记录确定适用于目标使用对象的目标推荐对象的推荐尺寸。在上述方案中，通过考虑体型数据和历史购买记录实现尺寸推荐，能够降低目标使用对象出现尺寸选择不适合情况的可能性，提高购买的效率和成功率。并且目标推荐对象的历史购买记录以及目标使用对象的体型数据，二者都是能够容易获取的数据，从而使得整个推荐容易实现。

Description

推荐方法、服务提供方法、装置、设备和存储介质

技术领域

本发明涉及互联网领域，尤其涉及一种推荐方法、服务提供方法、装置、设备和存储介质。

背景技术

随着互联网的发展，人们的消费行为已经逐步从线下转变到线上。利用线上购物，用户足不出户就可以购买到日常生活中的大部分商品，既省时又省力。

但与线下购物不同，在线上购物时，由于用户无法真实的看到商品，因此，导致用户做出的购买行为往往不准确。尤其是对于需要试用的商品，比如衣服、鞋帽等等，用户往往容易出现因无法试用而购买到不合适的商品，从而进一步产生退换货的操作，导致购买效率和成功率大大降低。

发明内容

有鉴于此，本发明实施例提供一种推荐方法、服务提供方法、装置、设备和存储介质，用以提高购买效率和成功率。

第一方面，本发明实施例提供一种推荐方法，包括：

获取目标使用对象的体型数据；

确定目标推荐对象，所述目标使用对象能够使用所述目标推荐对象；

根据体型数据以及目标推荐对象对应的历史购买记录，确定适用于所述目标使用对象的目标推荐对象的推荐尺寸。

第二方面，本发明实施例提供一种推荐装置，包括：

获取模块，用于获取目标使用对象的体型数据；

对象确定模块，用于确定目标推荐对象，所述目标使用对象能够使用所述目标推荐对象；

尺寸确定模块，用于根据体型数据以及目标推荐对象对应的历史购买记录，确定适用于所述目标使用对象的目标推荐对象的推荐尺寸。

第三方面，本发明实施例提供一种电子设备，包括处理器和存储器，存储器用于存储一条或多条计算机指令，其中，一条或多条计算机指令被处理器执行时实现上述第一方面中的推荐方法。该电子设备还可以包括通信接口，用于与其他设备或通信网络通信。

第四方面，本发明实施例提供了一种非暂时性机器可读存储介质，非暂时性机器可读存储介质上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器至少可以实现如第一方面的推荐方法。

第五方面，本发明实施例提供一种服务提供方法，包括：

接收调用推荐服务的请求，根据所述推荐服务对应的处理资源执行如下步骤：

响应于开启操作，获取目标使用对象的体型数据；

响应于选择操作，确定目标推荐对象，其中，所述请求中包括所述体型数据和所述目标推荐对象，所述目标使用对象能够使用所述目标推荐对象；

展示根据所述体型数据以及所述目标推荐对象对应的历史购买记录确定输出的适用于所述目标使用对象的所述目标推荐对象的推荐尺寸。

第六方面，本发明实施例提供一种服务提供装置，包括：

接收模块，用于接收调用推荐服务的请求；

执行模块，用于根据所述推荐服务对应的处理资源执行：

响应于开启操作，获取目标使用对象的体型数据；

响应于选择操作，确定目标推荐对象，其中，所述请求中包括所述体型数据和所述目标推荐对象，所述目标使用对象能够使用所述目标推荐对象；

展示根据所述体型数据以及所述目标推荐对象对应的历史购买记录确定输出的适用于所述目标使用对象的所述目标推荐对象的推荐尺寸。

第七方面，本发明实施例提供一种电子设备，包括处理器和存储器，存储器用于存储一条或多条计算机指令，其中，一条或多条计算机指令被处理器执行时实现上述第五方面中的服务提供方法。该电子设备还可以包括通信接口，用于与其他设备或通信网络通信。

第八方面，本发明实施例提供了一种非暂时性机器可读存储介质，非暂时性机器可读存储介质上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器至少可以实现如第五方面的服务提供方法。

本发明实施例提供的推荐方法，获取目标使用对象的体型数据以及目标推荐对象。接着，根据体型数据确定具有相同或者相似体型数据的多个目标使用对象，再进一步得到这多个目标使用对象对目标推荐对象的历史购买记录。最终，根据此历史购买记录确定适用于目标使用对象的、目标推荐对象的推荐尺寸。

在上述方案中，通过考虑体型数据和历史购买记录实现尺寸推荐，目标使用对象可以以推荐尺寸为依据购买目标推荐对象，从而能够降低目标使用对象出现尺寸选择不适合情况的可能性，提高购买的效率和成功率。并且目标推荐对象的历史购买记录以及目标使用对象的体型数据，二者都是能够容易获取的数据，从而使得整个推荐容易实现。

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一简单地介绍，显而易见地，下面描述中的附图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推荐方法的流程图；

图2为本发明实施例提供的一种包含备选推荐对象的显示界面；

图3为本发明实施例提供的一种包含推荐尺寸的显示界面；

图4为图1所示实施例中步骤102的一种可选实施方式的流程图；

图5为本发明实施例提供的另一种备选推荐对象的显示界面；

图6为图1所示实施例中步骤103的一种可选实施方式的流程图；

图7为本发明实施例提供的另一种推荐方法的流程图；

图8为本发明实施例提供的另一种包含推荐尺寸的显示界面；

图9为本发明实施例提供的又一种推荐方法的流程图；

图10为本发明实施例提供的一种服务提供方法的流程图；

图11a为本发明实施例提供的推荐方法应用在线上购鞋场景下的一种示意图；

图11b为本发明实施例提供的推荐方法应用在线上购鞋场景下的另一种示意图；

图11c为本发明实施例提供的推荐方法应用在线上购鞋场景下的又一种示意图；

图11d为本发明实施例提供的推荐方法应用在线上购鞋场景下的又一种示意图；

图12a为本发明实施例提供的推荐方法应用在线上购买宠物服饰场景下的一种示意图；

图12b为本发明实施例提供的推荐方法应用在线上购买宠物服饰场景下的另一种示意图；

图12c为本发明实施例提供的推荐方法应用在线上购买宠物服饰场景下的又一种示意图；

图12d为本发明实施例提供的推荐方法应用在线上购买宠物服饰场景下的又一种示意图；

图13为本发明实施例提供的一种推荐装置的结构示意图；

图14为与图13所示实施例提供的推荐装置对应的电子设备的结构示意图；

图15为本发明实施例提供的一种服务提供装置的结构示意图；

图16为与图15所示实施例提供的服务提供装置对应的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联物体的关联关系，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这三种情况。另外，本文中字符“/”，一般表示前后关联物体是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于识别”。类似地，取决于语境，短语“如果确定”或“如果识别(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当识别(陈述的条件或事件)时”或“响应于识别(陈述的条件或事件)”。

还需要说明的是，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商品或者系统不仅包括那些要素，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商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的商品或者系统中还存在另外的相同要素。

下面以线上购鞋场景为例，对本发明实施例提供的推荐方法进行说明。而在此之前，还可以先对该尺码推荐的现实意义进行示例性说明：

用户打开购物应用软件(Application，简称APP)后，可以进入店铺A并选择店内B款式的鞋。用户还需要选择适合的尺码才能完成购鞋流程。一般情况下，用户可以根据自身的购买经验选择尺码。但考虑到鞋的款式会对尺码的选择产生影响，即同一用户对于不同款式的鞋可能适用于不同的尺码，因此，用户直接按照自身经验选择，很有可能出现尺码选择不合适的情况，导致购买效率和成功率较低。

为了避免上述情况，在实际应用中，服务器可以根据用户在购物APP上选择的鞋款确定适合于该用户的尺码，即推荐尺码。最终，将此推荐尺码再反馈至购物APP，用户则可以根据推荐尺码购买B款式的鞋。

而现有技术中，尺码推荐的过程一般是：服务器先获取用户的脚型数据，并根据脚型数据找到匹配的鞋楦数据，再根据鞋楦数据为用户推荐尺码。但由于鞋楦数据属于鞋制造商的核心数据，鞋楦数据的获取难度较大，这也就使得鞋码推荐的实现难度较大。因此，为了降低鞋码推荐的实现难度便可以使用本发明提供的推荐方法。

并且除了上述购鞋的场景，使用本发明提供的推荐方法也可以使用在服饰或者其他穿戴物品的购买场景中，以实现对服饰尺码、或者其他尺码的推荐。另外，本发明提供的推荐方法除了可以应用到线上购物场景，也可以应用到线下购物场景，具体过程可以参见下述各实施例中的详细描述。

另外，对于上述的购物场景，其也可以实现为宠物推荐服饰或其他穿戴物品。则用户和宠物可以统称为使用对象，服饰或其他穿戴物品可以统称为推荐对象，也即是使用对象能够使用推荐对象。则多个使用对象中存在推荐需求的可以称为目标使用对象，为此目标使用对象进行尺寸推荐的物品可以称为目标推荐对象。

基于上述描述，下面结合附图对本发明的一些实施方式作详细说明。在各实施例之间不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。

图1为本发明实施例提供的一种推荐方法的流程图，本发明实施例提供的该推荐方法可以由推荐设备来执行。可以理解的是，该推荐设备可以实现为软件、或者软件和硬件的组合。本实施例以及下述各实施例中的推荐设备具体可以是购物平台维护的服务器。如图1所示，该方法可以包括如下步骤：

S101，获取目标使用对象的体型数据。

本实施例中以目标使用对象是用户为例进行说明：

在线上购物场景中，存在购物需求的目标用户可以打开自身使用的终端设备上安装的购物APP，并在界面上触发体型数据的获取操作。终端设备响应于此获取操作，以使推荐设备获取目标用户的体型数据。其中，体型数据可以是目标用户任一部位的体型数据，比如可以包括腿型数据、脚型数据、手腕数据、胸围、肩宽等等。脚型数据具体又可以包括脚长、脚宽、跖趾围长、跗围长等等，还可以包括脚的三维模型。对于体型数据的获取，一种可选地方式，目标用户每次购物时，都可以使用终端设备对自身部位进行拍摄。推荐设备接收到终端设备拍得的图像后，可以通过图像分析得到目标用户的体型数据。其中，终端设备拍摄的部位应该与目标用户想要购买的推荐对象对应，比如推荐对象为鞋时，则拍摄部位为脚部；推荐对象为长裤时，拍摄部位为腿部。

推荐对象实际上是店铺中的商品，具体可以包括穿戴物品，比如服饰、鞋帽、腕表等等，推荐对象穿戴在用户的某一部位上，并且每个推荐对象也都具有一种样式。

另一种可选地方式，目标用户在首次进行线上购物时，可以使用终端设备对用户自身部位进行拍摄，从而预先得到体型数据，并建立起目标用户与体型数据之间的对应关系。目标用户再次进行购物时，推荐设备可以根据此对应关系直接获取目标用户的体型数据。

在线下购物场景中，目标用户进入门店后可以自主使用门店内设置的扫描设备，以由扫描设备采集并发送目标用户的体型数据至推荐设备。

S102，确定目标推荐对象，目标使用对象能够使用目标推荐对象。

在线上购物场景中，可选地，店铺中包含的多个推荐对象均可以显示在终端设备上。目标用户可以对终端设备触发选择操作，以从多个推荐对象中选择目标推荐对象。比如选择店铺A中B款式的推荐对象作为目标推荐对象。

在下线购物场景中，可选地，店铺中还可以设置导购设备，其用于显示店铺内的多个推荐对象。导购设备响应于目标用户触发的选择操作，从而使推荐设备确定目标用户选中的目标推荐对象。可选地，此商品推荐设备可以与步骤101中用于采集体型数据的扫描设备集成在一起。

其中，终端设备或者导购设备上显示的、供用户选择的多个推荐对象可以认为是备选推荐对象。可选地，备选推荐对象可以是店铺中的全部推荐对象。举例来说，终端设备界面上显示的多个备选推荐对象可以如图2所示。可选地，多个备选推荐对象可以随机排序并显示，也可以先对多个备选推荐对象各自对应的历史购买记录的数量进行降序排序，并按照排序显示多个备选推荐对象。

S103，根据体型数据以及目标推荐对象对应的历史购买记录，确定适用于目标使用对象的目标推荐对象的推荐尺寸。

一种可选地方式，推荐设备可以基于目标用户的体型数据，确定与目标用户具有相同或者相似体型数据的参考用户，并进一步获得参考用户对目标推荐对象的历史购买记录，历史购买记录中包含成交尺寸，直接将历史购买记录中出现频率最高的成交尺寸确定为推荐尺寸，展示给目标用户。具体界面形式可以如图3所示。

由于参考用户与目标用户的体型数据相似，因此，出现频率最高的尺寸即推荐尺寸是最适合目标用户的尺寸。

本实施例中，获取目标用户的体型数据以及选择的目标推荐对象。接着，根据体型数据确定具有相同或者相似体型数据的多个用户，再进一步得到这多个用户对目标推荐对象的历史购买记录。最终，根据此历史购买记录确定适用于目标用户的目标推荐对象的推荐尺寸，并将此推荐尺寸通知给目标用户。

在上述方案中，通过考虑体型数据和历史购买记录实现尺寸推荐，用户可以以推荐尺寸为依据进行目标推荐对象的购买，从而能够降低目标使用对象出现尺寸选择不适合情况的可能性，提高购买的效率和成功率。并且目标推荐对象的历史购买记录以及目标使用对象的体型数据，二者都是能够容易获取的数据，从而使得整个推荐容易实现。

基于上述实施例提供的方式，当目标使用对象为用户饲养的宠物时，目标使用对象的体型即为宠物的体型，宠物的体型数据可以包括劲围、胸围、背长等等。宠物的体型数据可以由线下门店中的扫描设备对宠物进行扫描后得到，也可以借助用户使用终端设备拍得的宠物图像得到，这与步骤101中的描述类似，在此不再赘述。并且目标推荐对象可以是宠物主人即用户选择的。

上述实施例中，终端设备或者导购设备上显示的、以供用户选择的多个备选推荐对象可以是店铺中全部的推荐对象。但这样往往会存在以下问题：

以购鞋场景为例，对于脚型偏宽的用户，若用户从备选推荐对象中选择的目标推荐对象是尖头鞋，则向用户推荐的通常是一个较大的尺码。此尺码虽然与用户的脚宽匹配，但与用户的脚长并不匹配，用户选择尖头鞋显然是不适合的。也就是说当用户选择尖头鞋时，推荐设备输出的推荐尺码是没有参考价值的。类似地，对于服饰、腕表等其他推荐对象来说，往往也会存在上述问题。

而为了避免上述问题，就需要对多个备选推荐对象进行筛选，以使用户从筛选后的多个备选对象中选择目标推荐对象。可选地，可以通过以下方式得到目标推荐对象，也即是步骤102的一种可选地实现方式，如图4所示，可以包括以下步骤：

S1021，根据目标使用对象所属的目标体型确定备选推荐对象。

相同的，本实施例中的目标使用对象依旧可以认为是目标用户。则经过步骤101得到目标用户的体型数据后，还可以根据此体型数据进一步确定目标用户所属的目标体型。以购鞋场景为例，可选地，可以按照脚长与脚宽的比值可以将目标用户的脚型分为正常脚型、偏窄脚型和偏宽脚型。

进一步的，推荐设备还可以根据目标体型从多个推荐对象中筛选出适合目标体型的备选推荐对象。与图1所示的实施例不同的是，此时的备选推荐对象通常是店铺中的部分推荐对象。以购鞋场景为例，假设目标用户的目标体型为偏宽脚型，则终端设备上显示的多个备选推荐对象可以如图5所示，其与图2中显示的内容存在差异。

而对于备选推荐对象的筛选，一种可选地方式，每个推荐对象与体型之间可以具有预设对应关系。在确定出目标体型后，则可以根据此预设对应关系确定与目标体型对应的备选推荐对象。

另一种可选地方式，推荐设备可以获取同样属于目标体型的参考用户的历史购买记录，并筛选出历史购买记录中购买量最高的N个推荐对象。此N个推荐对象也即是筛选后得到的备选推荐对象。并且在实际应用中历史购买记录实际上就是成交记录，则备选推荐对象也即是具有目标体型的用户最常购买的N个推荐对象，也更加适合目标用户。

S1022，从备选推荐对象中选择目标推荐对象。

备选推荐对象会显示在终端设备或者导购设备上，用户可以触发选择操作，以使推荐设备将用户选中的推荐对象确定为目标推荐对象。

本实施例中，将目标用户的体型作为筛选依据，可以从全部推荐对象中筛选出适合目标体型的多个备选推荐对象。进一步地，目标用户选择的目标推荐对象自然也是符合自身体型的，不会出现由于选择了不适合的推荐对象，从而导致目标用户得到没有参考价值的推荐尺寸的情况。

另外，需要说明的有，以购鞋场景为例，上述步骤1021中的筛选过程实际上可以理解成为目标用户推荐鞋款的过程。接着，目标用户可以在推荐的鞋款中选择目标推荐对象，以使推荐设备输出目标推荐对象的推荐尺寸，从而进一步实现尺寸的推荐。

当目标使用对象为宠物时，可以按照体型数据中的胸围为宠物进行体型分类。当胸围数据处于第一预设数值区间时，确定宠物为偏瘦体型；当胸围数据处于第二预设数值区间时，确定宠物为正常体型；当胸围数据处于第三预设数值区间时，确定宠物为偏胖体型。其中，第一预设数值区间～第三预设数值区间不重合，且区间包含的数值依次增大。

图1所示实施例中已经提供了根据体型数据和历史购买记录确定推荐尺寸的方式。为了进一步提高推荐尺寸的准确性，在二者的基础上还可以借助数学模型确定推荐尺寸，也即是步骤103的一种可选地实现方式，如图6所示，可以包括以下步骤：

S1031，获取目标推荐对象对应的预设参数，预设参数根据目标推荐对象对应的历史购买记录预先生成。

S1032，根据体型数据以及预设参数确定目标推荐对象的推荐尺寸。

本实施例依旧以目标使用对象为目标用户为例进行说明：

对于每个推荐对象，推荐设备都可以预先根据历史购买记录确定其各自的预设参数，此预设参数可以反映体型数据与推荐对象的尺寸之间的关系。

则在得到目标推荐对象后，推荐设备可以进一步获取目标推荐对象对应的预设参数，并将目标用户的体型数据和目标推荐对象对应的预设参数作为数学模型的参数，借助数学模型得到适合目标用户的尺寸，即推荐尺寸。

可选地，数学模型可以表现为函数f(w，a)。其中，a为目标用户的体型数据，w为目标推荐对象对应的预设参数。在实际应用中，函数f(w，a)具体可以为线性函数，即f(w，a)＝w*a。

对于目标推荐对象的预设参数，可选地，可以先获取目标推荐对象在预设时间段内的历史购买记录，再根据历史购买记录中包含的成交尺寸和体型数据生成预设参数。

承接上述数学模型，目标推荐对象的预设参数可以根据以下公式得到：

其中，N表示目标推荐对象对应的历史购买记录的数量，a_k表示第K条历史购买记录中用户的体型数据，w为待求解的目标推荐对象对应的预设参数。f(w，a_k)可以认为是数学模型输出的尺寸，可以认为是预测尺寸，z_k为第K条历史购买记录中的成交尺寸，可以认为是真实尺寸。

按照上述方式得到的预设参数能够使数学模型针对N条历史购买记录分别输出的预测尺寸与N条历史购买记录中包含的成交尺寸的差值之和最小。并且容易理解的，对于任一条历史购物记录，数学模型输出的预测尺寸与历史购物记录中的成交尺寸越接近，表明此预设参数越准确。

店铺中每个具有历史购买记录的推荐对象都能够按照上述方式得到自身对应的预设参数，并且这些预设参数可以保存在一个数据表中。此数据表中还可以记录有在预设时间段内，每个推荐对象被不同体型的用户所成功购买的数量。

图1所示的实施例是对目标推荐对象的历史购买进行简单的统计从而得到推荐尺寸。而在本实施例中，利用上述公式得到预设参数，需要对N条历史购买记录进行更全面的分析，从而保证预设参数的准确性，也就进一步保证推荐尺寸的准确性。

当目标使用对象为宠物时，同样可以上述利用数学模型得到适合于宠物的目标推荐对象的尺寸，数学模型中使用的用户的体型数据也相应变化为宠物的体型数据。

上述各实施例中，对于终端设备或者导购设备上显示的多个备选推荐对象，可以默认用户选择其中的一个作为目标推荐对象。而在实际应用中，用户也可以将其中的多个作为目标推荐对象。此时，对于多个目标推荐对象的显示，可选地，可以随机显示；可选地，可以对多个备选推荐对象各自对应的历史购买记录的数量进行排序，并按照排序优先显示具有购买记录数量多个目标推荐对象。由于利用图6所示实施例中提供的数学模型计算出的推荐尺寸可以认为是预测尺寸，因此，可选地，还可以按照推荐尺寸的推荐准确度高低显示多个目标推荐对象。

然而在实际应用中还存在以下问题：利用数学模型确定出的推荐尺寸有可能不是整数，其作为穿戴物品的尺寸显然是不合适的。则可选地，图7为本发明实施例提供的另一种推荐方法的流程图。如图7所示，该方法可以包括如下步骤：

S201，获取目标使用对象的体型数据。

S202，确定多个目标推荐对象。

本实施例依旧以目标使用对象为目标用户为例进行说明。上述步骤201～步骤202的执行过程与前述实施例的相应步骤相似，可以参见如图1所示实施例中的相关描述，在此再不赘述。

S203，根据多个目标推荐对象各自的推荐尺寸以及参考尺寸之间的差值，确定多个目标推荐对象各自对应的推荐准确度。

基于目标用户选中的多个目标推荐对象，推荐设备可以利用数学模型确定出每个目标推荐对象的推荐尺寸，正如图6所示实施例中描述的。接着，推荐设备分别计算推荐尺寸与参考尺寸之间的差值。其中，参考尺寸可以是多个预设值。以买鞋场景为例，参考尺寸可以是常用的鞋子尺码，比如35码～45码。

需要说明的有，推荐尺寸与参考尺寸可以具有一一对应关系，此对应关系可以借助四舍五入原则建立。具体来说，在多个参考尺寸中，若推荐尺寸1与参考尺寸1之间的差值最小，则确定推荐尺寸1和参考尺寸1具有对应关系。

S204,根据参考尺寸调整多个目标推荐对象各自的推荐尺寸。

接着，推荐设备还可以利用参考尺寸调整多个目标推荐对象各自的推荐尺寸，以得到调整后推荐尺寸。按照上述的一一对应关系，调整后推荐尺寸就等于与推荐尺寸对应的参考尺寸。

S205，按照推荐准确度的高低，依次输出多个目标推荐对象各自的调整后推荐尺寸。

基于步骤203中确定出的多个差值，推荐设备还可以根据差值大小确定多个目标推荐对象各自对应的推荐准确度。一种最常见的方式，可以直接将差值确定为准确度，差值越小，推荐准确度越高。最后，推荐设备按照推荐准确度的高低依次在终端设备或者导购设备上展示多个目标推荐对象各自的调整后推荐尺寸。

为了便于理解，结合图8，举例说明上述步骤203～步骤205：

目标用户在终端设备上选择的目标推荐对象分别为帆布鞋、高跟鞋1和高跟鞋2，并且按照图6所示实施例提供的数学模型确定出帆布鞋的推荐尺寸为38.2码，高跟鞋1的推荐尺寸为38.7码，高跟鞋2的推荐尺寸为38码。根据基于四舍五入原则建立的对应关系，三款鞋各自对应的参考尺寸分别为38码，39码和38码，三款鞋的推荐尺寸和参考尺寸之间的差值分别为0.2，0.3和0，并且三款鞋的调整后推荐尺寸分别为38码，39码和38码。则三款鞋在终端设备上可以依次显示：高跟鞋2(推荐您购买38码)--帆布鞋(推荐您购买38码)--高跟鞋1(推荐您购买39码)。

需要说明的有，目标推荐对象唯一时，同样也可以按照上述方式调整推荐尺寸，以在终端设备或者导购设备上显示调整后推荐尺寸。

当目标使用对象为宠物时，推荐设备可以根据宠物的体型数据确定出多个备选推荐对象，并由宠物的主人从中选择多个目标推荐对象。对于选中的多个目标推荐对象，仍旧可以按照图7所示的方式输出调整后推荐尺寸。

图4所示实施例提供的方式是根据与目标使用对象(即目标用户)同样具有目标体型的参考用户的历史购买记录，筛选出备选的推荐对象。因此，目标推荐对象都是存在历史购买记录的。此种情况下，则可以按照上述图1或图6所示实施例的方式确定推荐尺寸。

而图1所示实施例提供的方式是将店铺中所有的推荐对象都作为备选推荐对象，以使目标用户从中选择目标推荐对象，则有可能出现以下情况：用户选择的目标推荐对象是新品，其不存在历史购买记录。则图9为本发明实施例提供的又一种推荐方法的流程图。如图9所示，该方法可以包括如下步骤：

S301，获取目标使用对象的体型数据。

S302，确定目标推荐对象。

本实施例依旧以目标使用对象为目标用户为例进行说明：

上述步骤301～步骤302的执行过程与前述实施例的相应步骤相似，可以参见如图1所示实施例中的相关描述，在此再不赘述。

S303，判断目标推荐对象是否存在对应的历史购买记录，若存在，则执行步骤304，否则执行步骤305～步骤307。

S304，根据体型数据以及目标推荐对象对应的历史购买记录，确定适用于目标使用对象的目标推荐对象的推荐尺寸。

上述步骤304的执行过程与前述实施例的相应步骤相似，可以参见如图1所示实施例中的相关描述，在此再不赘述。

S305，确定与目标推荐对象类型相同的后补推荐对象。

若目标推荐对象不存在历史购买记录，则确定与目标推荐对象具有相同类型的后补推荐对象。其中，推荐对象的类型可以包括推荐对象的样式，品牌，材质等等。比如用户选择的目标推荐对象是品牌A的皮质高跟鞋，则后补推荐对象可以为品牌A的其他的皮质高跟鞋。

S306，根据体型数据以及后补推荐对象对应的预设参数，确定后补推荐对象的推荐尺寸，后补推荐对象对应的预设参数根据后补推荐对象对应的历史购买记录预先生成。

S307，将后补推荐对象的尺寸确定为目标推荐对象的推荐尺寸。

接着，推荐设备还可以根据目标用户的体型数据以及后补推荐对象对应的预设参数确定后补推荐对象的尺寸。由于后补推荐对象和目标推荐对象具有相同的类型，其比如可以是同一品牌同一样式的穿戴物品，因此，后补推荐对象的推荐尺寸具有很高参考价值，可以直接将后补推荐对象的推荐尺寸确定为目标推荐对象的尺寸。

而后补推荐对象的预设参数可以根据后补推荐对象的历史购买记录得到，具体过程确定目标推荐对象的预设参数类似，可以参见图6所示实施例中的相关描述。

本实施例中，对于没有历史购买记录目标推荐对象，可以退而求其次确定与其类型相同的后补推荐对象，并将后补推荐对象的推荐尺寸作为目标推荐对象的推荐尺寸展示给用户。与图1所示实施例相同的，本方案在确定推荐尺寸的过程中使用到的依旧是体型数据和历史购买记录，二者容易获得，使得整个推荐方法更容易实现。并且也能够降低用户出现尺寸选择不适合的可能性，提高购买的效率和成功率。

当目标使用对象为宠物时，在得到宠物的体型数据后，同样可以按照上述方式确定出后补推荐对象，并进一步确定出目标推荐对象的尺寸

上述各实施例中，尺寸的推荐可以由推荐设备即购物平台维护的服务器来实现，也可以认为是购物平台借助此服务器提供一种尺寸推荐服务。

图10为本发明实施例提供的一种服务提供方法的流程图。本发明实施例提供的该服务提供方法可以由服务器来执行。本实施例中的服务器具体可以是购物平台维护的服务器。如图10所示，该方法可以包括如下步骤：

S401，接收调用推荐服务的请求。

本实施例依旧以目标使用对象为目标用户为例进行说明：

目标用户可以借由终端设备或者导购设备产生推荐服务请求，此请求中包括下面步骤中的目标用户的体型数据和目标推荐对象。服务器接收推荐服务的请求后，还可以根据推荐服务对应的处理资源执行后续的步骤402～步骤404。

S402，响应于开启操作，获取目标对象的体型数据。

S403，响应于选择操作，确定目标推荐对象，其中，目标使用对象能够使用目标推荐对象，请求中包括体型数据和目标推荐对象。

S404，展示根据体型数据以及目标推荐对象对应的历史购买记录确定出的适用于目标使用对象的目标推荐对象的推荐尺寸。

其中，上述的开启操作和选择操作都可以由目标用户触发。另外，本实施例中各步骤的具体实现方式可以参考对图1至图9所示实施例的相关说明。该技术方案的执行过程和技术效果也可参见图1至图9所示实施例中的描述，在此不再赘述。

为了便于理解，结合如下的应用场景对以上提供的推荐方法的具体实现过程进行示例性说明。下面内容可以结合图11a～图11d进行理解。

以线上购鞋场景为例，用户M可以通过终端设备安装的购物APP进入店铺A。推荐设备可以根据用户M的用户标识获取预先采集的用户M的脚型数据。并根据脚型数据确定用户M属于偏宽脚型。

接着，可选地，推荐设备可以先在店铺A的所有鞋(店铺A中的所有鞋可以如图2所示)中确定出适合于偏宽脚型用户的多双备选款式的鞋，即帆布鞋1、皮质高跟鞋2，皮质平底鞋3和皮质高跟鞋4。并且推荐设备还可以统计这4款鞋被偏宽脚型的用户购买的数量，以按照购买数量由高到低依次显示于终端设备的界面上。此时，可以认为推荐设备完成了为用户M推荐鞋款的过程。上述过程可以结合图11a理解。

一种情况，用户M可以根据自身的喜好选择皮质高跟鞋2。推荐设备响应于用户M的选择操作，根据皮质高跟鞋2对应的预设参数以及用户M的脚型数据计算出皮质高跟鞋2对应的推荐尺码38，并在终端界面上显示提示信息：推荐您购买38码的皮质高跟鞋2。此种情况可以结合图11b理解。其中，皮质高跟鞋2对应的预设参数可以根据预设时间段内皮质高跟鞋2的历史购买记录确定，历史购买记录中可以包括不同脚型的用户针对皮质高跟鞋2的成交尺码。

另一种情况，当用户M选择的皮质高跟鞋2是新品，还没有历史购买记录时，则无法算出对应的预设参数。此时，推荐设备可以将店铺A中的皮质高跟鞋4作为后补鞋款。其中，皮质高跟鞋4具有历史购买记录并且与皮质高跟鞋2均为同一品牌的皮质高跟鞋。接着，推荐设备可以根据皮质高跟鞋4对应的预设参数和用户M的脚型数据计算出皮质高跟鞋4对应的推荐尺寸。由于鞋4与鞋2的类型相同，因此，可以直接将皮质高跟鞋4对应的推荐尺寸确定为皮质高跟鞋2对应的推荐尺寸。在终端界面上可以显示提示信息：推荐您购买38码的皮质高跟鞋2。其中，皮质高跟鞋4对应的预设参数根据皮质高跟鞋4的历史购买记录得到。此种情况可以结合图11c理解。

又一种情况，当用户M同时选择了皮质高跟鞋2和皮质平底鞋3时，推荐设备可以根据预设参数和脚型数据分别计算出皮质高跟鞋2的推荐尺码为38.4码，皮质平底鞋3的推荐尺码为39码。且38.4码对应的参考尺码为38码，39码对应的参考尺码为39码，则皮质高跟鞋2的推荐准确度为：38.4-38＝0.4；皮质平底鞋3的推荐准确度为：39-39＝0。则终端设备可以按照推荐准确度的高低依次显示提示信息：推荐您购买39码的皮质平底鞋3，推荐您购买38码的皮质高跟鞋2。此种情况可以结合图11d理解。

对于上述多种情况，通过尺码推荐可以避免用户因选择尺码错误而导致的购物效率低，成功率低的问题。

除了上述的线上购鞋场景，在实际应用中，本发明提供的推荐方法还可以应用到宠物电商平台上，比如为宠物推荐适合尺码的衣服，此过程可以结合图12a～图12c进行理解。

具体来说，用户M可以通过终端设备安装的购物APP进入店铺A。推荐设备可以根据用户M的用户标识获取预先采集的用户M养的宠物狗P身体的体型数据。并且根据体型数据可以确定宠物狗P属于偏瘦体型。

接着，可选地，推荐设备可以先在店铺A的所有衣服中确定出适合于偏瘦体型的过款衣服，即棉质红色衣服1、纱质蓝色衣服2、纱质黄色衣服3和棉质粉色衣服4。并且推荐设备还可以统计偏瘦体型的宠物购买这4款衣服的数量，并按照购买数量由高到低依次显示于终端设备的界面上。此时，可以认为推荐设备完成了为用户M推荐适合于宠物狗P的衣服的过程。上述过程可以结合图12a理解。

一种情况，用户M可以根据喜好选择纱质蓝色衣服2。推荐设备响应于用户M的选择操作，根据纱质蓝色衣服2对应的预设参数以及宠物狗P的体型数据计算出纱质蓝色衣服2对应的推荐尺码10码，并在终端界面上显示提示信息：推荐您购买10码的蓝色衣服2。此种情况可以结合图12b理解。其中，纱质蓝色衣服2对应的预设参数可以根据预设时间段内纱质蓝色衣服2的历史购买记录确定，历史购买记录中可以包括不同体型的宠物狗对应于纱质蓝色衣服2的成交尺码。

另一种情况，当用户M选择的纱质蓝色衣服2是新品，还没有历史购买记录时，则无法算出对应的预设参数。此时，推荐设备可以将店铺A中的纱质黄色衣服3作为后补鞋款。其中，纱质黄色衣服3具有历史购买记录并且与纱质蓝色衣服2均为同一品牌同一材质的衣服。接着，推荐设备可以根据纱质黄色衣服3对应的预设参数和宠物狗P的体型数据计算出纱质黄色衣服3对应的推荐尺寸。由于衣服2和3类型相同，因此，可以直接将纱质黄色衣服3对应的推荐尺寸确定为纱质蓝色衣服2对应的推荐尺寸。在终端界面上可以显示提示信息：推荐您购买10码的纱质蓝色衣服2。其中，纱质黄色衣服3对应的预设参数根据纱质黄色衣服3的历史购买记录得到。此种情况可以结合图12c理解。

又一种情况，当用户M同时选择了纱质蓝色衣服2和纱质黄色衣服3时，推荐设备可以计算出纱质蓝色衣服2和纱质黄色衣服3各自的预测准确度。则终端设备可以按照推荐准确度的高低依次显示提示信息：推荐您购买10码的纱质黄色衣服3，推荐您购买10码的纱质蓝色衣服2。此种情况可以结合图12d理解。

对于上述多种情况，通过尺码推荐可以避免用户因选择尺码错误而导致的购物效率低，成功率低的问题。

以下将详细描述本发明的一个或多个实施例的推荐装置。本领域技术人员可以理解，这些推荐装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。

图13为本发明实施例提供的一种推荐装置的结构示意图，如图13所示，该装置包括：

获取模块11，用于获取目标使用对象的体型数据。

对象确定模块12，用于确定目标推荐对象，所述目标使用对象能够使用所述目标推荐对象。

尺寸确定模块13，用于根据所述体型数据以及所述目标推荐对象对应的历史购买记录，确定适用于所述目标使用对象的所述目标推荐对象的推荐尺寸。

可选地，所述对象确定模块12具体包括：第一确定单元121和第二确定单元122。

所述第一确定单元121，用于根据所述目标使用对象所属的目标体型确定备选推荐对象。

所述第二确定单元122，用于从所述备选推荐对象中选择目标推荐对象。

可选地，第二确定单元122具体用于：确定所述目标使用对象所属的目标体型；以及根据具有所述目标体型的使用对象的历史购买记录，确定备选推荐对象。

可选地，尺寸确定模块13具体用于：获取所述目标推荐对象对应的预设参数，所述预设参数根据所述目标推荐对象对应的历史购买记录预先生成；以及根据所述体型数据以及所述预设参数确定所述目标推荐对象的推荐尺寸。

可选地，所述装置还包括：生成模块21，用于根据所述目标推荐对象对应的历史购买记录中包含的体型数据以及成交尺寸，生成所述预设参数。

可选地，所述对象确定模块12还用于：若不存在所述目标推荐对象对应的历史购买记录，则确定与所述目标推荐对象类型相同的后补推荐对象。

所述尺寸确定模块13还用于：根据所述体型数据以及所述后补推荐对象对应的预设参数，确定所述后补推荐对象的推荐尺寸，所述后补推荐对象对应的预设参数根据所述后补推荐对象对应的历史购买记录预先生成；以及将所述后补推荐对象的尺寸确定为所述目标推荐对象的推荐尺寸。

可选地，所述目标推荐对象为多个。

所述装置还包括：准确度确定模块22、调整模块23和输出模块24。

所述准确度确定模块22，用于根据多个目标推荐对象各自的推荐尺寸以及参考尺寸之间的差值，确定所述多个目标推荐对象各自对应的推荐准确度。

所述调整模块23，用于根据所述参考尺寸调整所述多个目标推荐对象各自的推荐尺寸。

所述输出模块24，用于按照所述推荐准确度的高低，依次输出所述多个目标推荐对象各自的调整后推荐尺寸。

其中，推荐对象包括穿戴物品，推荐对象的类型包括推荐对象的样式和/或材质，使用对象包括人或动物，体型数据包括人体或动物任一部位的体型数据，所述推荐对象穿戴在所述任一部位上。

图13所示装置可以执行图1至图9所示实施例的方法，本实施例未详细描述的部分，可参考对图1至图9所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1至图9所示实施例中的描述，在此不再赘述。

以上描述了推荐装置的内部功能和结构，在一个可能的设计中，推荐装置的结构可实现为一电子设备，如图14所示，该电子设备可以包括：处理器31和存储器32。其中，存储器32用于存储支持该电子设备执行上述图1至图9所示实施例中提供的推荐方法的程序，处理器31被配置为用于执行存储器32中存储的程序。

程序包括一条或多条计算机指令，其中，一条或多条计算机指令被处理器31执行时能够实现如下步骤：

获取目标使用对象的体型数据；

确定目标推荐对象，所述目标使用对象能够使用所述目标推荐对象；

根据所述体型数据以及所述目标推荐对象对应的历史购买记录，确定适用于所述目标使用对象的所述目标推荐对象的推荐尺寸。

可选地，处理器31还用于执行前述图1至图9所示实施例中的全部或部分步骤。

其中，电子设备的结构中还可以包括通信接口33，用于该电子设备与其他设备或通信网络通信。

另外，本发明实施例提供了一种计算机存储介质，用于储存上述电子设备所用的计算机软件指令，其包含用于执行上述图1至图9所示方法实施例中推荐方法所涉及的程序。

以下将详细描述本发明的一个或多个实施例的服务提供装置。本领域技术人员可以理解，这些服务提供装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。

图15为本发明实施例提供的一种服务提供装置的结构示意图，如图15所示，该装置包括：

接收模块41，用于接收调用推荐服务的请求。

执行模块42，用于根据所述推荐服务对应的处理资源执行：

响应于开启操作，获取目标使用对象的体型数据；

响应于选择操作，确定目标推荐对象，其中，所述目标使用对象能够使用所述目标推荐对象，所述请求中包括所述体型数据和所述目标推荐对象；

展示根据所述体型数据以及所述目标推荐对象对应的历史购买记录确定输出的适用于所述目标使用对象的所述目标推荐对象的推荐尺寸。

图14所示装置可以执行图10所示实施例的方法，本实施例未详细描述的部分，可参考对图10所示实施例的相关说明。该技术方案的执行过程和技术效果参见图10所示实施例中的描述，在此不再赘述。

以上描述了服务提供装置的内部功能和结构，在一个可能的设计中，服务提供装置的结构可实现为一电子设备，如图16所示，该电子设备可以包括：处理器51和存储器52。其中，存储器52用于存储支持该电子设备执行上述图10所示实施例中提供的推荐方法的程序，处理器51被配置为用于执行存储器52中存储的程序。

程序包括一条或多条计算机指令，其中，一条或多条计算机指令被处理器51执行时能够实现如下步骤：

接收调用推荐服务的请求，根据所述推荐服务对应的处理资源执行如下步骤：

响应于开启操作，获取目标使用对象的体型数据；

响应于选择操作，确定目标推荐对象，其中，所述目标使用对象能够使用所述目标推荐对象，所述请求中包括所述体型数据和所述目标推荐对象；

展示根据所述体型数据以及所述目标推荐对象对应的历史购买记录确定输出的适用于所述目标使用对象的所述目标推荐对象的推荐尺寸。

可选地，处理器51还用于执行前述图10所示实施例中的全部或部分步骤。

其中，电子设备的结构中还可以包括通信接口53，用于该电子设备与其他设备或通信网络通信。

另外，本发明实施例提供了一种计算机存储介质，用于储存上述电子设备所用的计算机软件指令，其包含用于执行上述图10所示方法实施例中服务提供方法所涉及的程序。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (16)

1.一种推荐方法，其特征在于，包括：

获取目标使用对象的体型数据；

确定目标推荐对象，所述目标使用对象能够使用所述目标推荐对象；

根据所述体型数据以及所述目标推荐对象对应的历史购买记录，确定适用于所述目标使用对象的所述目标推荐对象的推荐尺寸。

2.根据权利要求1所述的方法，其特征在于，所述确定目标推荐对象，包括：

根据所述目标使用对象所属的目标体型确定备选推荐对象；

从所述备选推荐对象中选择目标推荐对象。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标使用对象所属的目标体型确定备选推荐对象，包括：

确定所述目标使用对象所属的目标体型；

根据具有所述目标体型的使用对象的历史购买记录，确定备选推荐对象。

4.根据权利要求1所述的方法，其特征在于，所述根据所述体型数据以及所述目标推荐对象对应的历史购买记录，确定适用于所述目标使用对象的所述目标推荐对象的推荐尺寸，包括：

获取所述目标推荐对象对应的预设参数，所述预设参数根据所述目标推荐对象对应的历史购买记录预先生成；

根据所述体型数据以及所述预设参数确定所述目标推荐对象的推荐尺寸。

5.根据权利要求4所述的方法，其特征在于，所述方法包括：

根据所述目标推荐对象对应的历史购买记录中包含的体型数据以及成交尺寸，生成所述预设参数。

6.根据权利要求4所述的方法，其特征在于，所述方法还包括：

若不存在所述目标推荐对象对应的历史购买记录，则确定与所述目标推荐对象类型相同的后补推荐对象；

根据所述体型数据以及所述后补推荐对象对应的预设参数，确定所述后补推荐对象的推荐尺寸，所述后补推荐对象对应的预设参数根据所述后补推荐对象对应的历史购买记录预先生成；

将所述后补推荐对象的尺寸确定为所述目标推荐对象的推荐尺寸。

7.根据权利要求4所述的方法，其特征在于，所述目标推荐对象为多个；所述方法还包括：

根据多个目标推荐对象各自的推荐尺寸以及参考尺寸之间的差值，确定所述多个目标推荐对象各自对应的推荐准确度；

根据所述参考尺寸调整所述多个目标推荐对象各自的推荐尺寸；按照所述推荐准确度的高低，依次输出所述多个目标推荐对象各自的调整后推荐尺寸。

8.根据权利要求4至7中任一项所述的方法，其特征在于，推荐对象包括穿戴物品，推荐对象的类型包括推荐对象的样式和/或材质，使用对象包括人或动物，体型数据包括人体或动物任一部位的体型数据，所述推荐对象穿戴在所述任一部位上。

9.一种服务提供方法，其特征在于，包括：

接收调用推荐服务的请求，根据所述推荐服务对应的处理资源执行如下步骤：

响应于开启操作，获取目标使用对象的体型数据；

响应于选择操作，确定目标推荐对象，其中，所述目标使用对象能够使用所述目标推荐对象，所述请求中包括所述体型数据和所述目标推荐对象；

展示根据所述体型数据以及所述目标推荐对象对应的历史购买记录确定输出的适用于所述目标使用对象的所述目标推荐对象的推荐尺寸。

10.根据权利要求9所述的方法，其特征在于，推荐对象包括穿戴物品，推荐对象的类型包括推荐对象的样式和/或材质，使用对象包括人或动物，体型数据包括人体或动物任一部位的体型数据，所述推荐对象穿戴在所述任一部位上。

11.一种推荐装置，其特征在于，包括：

获取模块，用于获取目标使用对象的体型数据；

对象确定模块，用于确定目标推荐对象，所述目标使用对象能够使用所述目标推荐对象；

尺寸确定模块，用于根据所述体型数据以及所述目标推荐对象对应的历史购买记录，确定适用于所述目标使用对象的所述目标推荐对象的推荐尺寸。

12.一种电子设备，其特征在于，包括：存储器、处理器；其中，存储器上存储有可执行代码，当可执行代码被处理器执行时，使处理器执行如权利要求1至8中任一项的推荐方法。

13.一种非暂时性机器可读存储介质，其特征在于，非暂时性机器可读存储介质上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器执行如权利要求1至8中任一项推荐方法。

14.一种服务提供装置，其特征在于，包括：

接收模块，用于接收调用推荐服务的请求；

执行模块，用于根据所述推荐服务对应的处理资源执行：

响应于开启操作，获取所述目标使用对象的体型数据；

响应于选择操作，确定目标推荐对象，其中，所述目标使用对象能够使用所述目标推荐对象，所述请求中包括所述体型数据和所述目标推荐对象；

展示根据所述体型数据以及所述目标推荐对象对应的历史购买记录确定输出的适用于所述目标使用对象的所述目标推荐对象的推荐尺寸。

15.一种电子设备，其特征在于，包括：存储器、处理器；其中，存储器上存储有可执行代码，当可执行代码被处理器执行时，使处理器执行如权利要求9或10的服务提供方法。

16.一种非暂时性机器可读存储介质，其特征在于，非暂时性机器可读存储介质上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器执行如权利要求9或10的服务提供方法。

Images