CN114399385A - 对象推荐方法、装置、介质及产品 - Google Patents

Abstract

本公开实施例公开了一种对象推荐方法、装置、介质及产品，该方法包括：获取受众在应用中产生的行为特征数据和所述应用的场景特征数据；使用预测模型，基于所述受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众是否需要获取推荐对象；响应于预测到所述受众需要获取推荐对象，展示所述推荐对象。该技术方案可以提前预测受众意图主动为受众进行对象推荐，有利于受众体验的提升和互联网平台服务质量的提升。

Description

对象推荐方法、装置、介质及产品

技术领域

本公开实施例涉及互联网技术领域，具体涉及一种对象推荐方法、装置、介质及产品。

背景技术

随着互联网技术的发展，通过网络平台获取对象的方式逐渐渗透到日常生活中，例如通过网络平台预定酒店等。为了提高用户体验，个性化推荐已经成为网络平台的重要组成部分。目前，通常的做法是用户搜索某类对象或浏览某类对象的页面时，网络平台才会向用户推荐用户感兴趣的该类对象。这类推荐方案需要用户输入请求推荐某类对象的指令才能获取到网络平台推荐的对象，不能主动为用户推荐需要的对象。

发明内容

本公开实施例提供一种对象推荐方法、装置、电子设备、介质及产品。

第一方面，本公开实施例中提供了一种对象推荐方法。

具体的，所述对象推荐方法，包括：

获取受众在应用中产生的行为特征数据和所述应用的场景特征数据；

使用预测模型，基于所述受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众是否需要获取推荐对象；

响应于预测到所述受众需要获取推荐对象，展示所述推荐对象。

结合第一方面，本公开在第一方面的第一种实现方式中，其中，所述应用包括具备地图导航功能的应用；

所述行为特征数据包括以下至少一种：对兴趣点POI的搜索数据、点击数据、导航数据、驻留数据、对应用页面上的资源图标的点击数据；

所述场景特征数据包括以下至少一种：地图中心位置的特征数据、地图中心位置所属至少一个目标区域内的对象的特征数据、受众当前位置的特征数据。

结合第一方面、第一方面的以上各种实现方式，本公开在第一方面的第二种实现方式中，其中，所述方法还包括：

基于所述受众的历史行为特征训练得到所述预测模型。

结合第一方面、第一方面的以上各种实现方式，本公开在第一方面的第三种实现方式中，其中，所述历史行为特征包括以下至少一种：受众属性特征、短期内与所述对象相关的行为特征、短期内针对所述对象的行为特征时间序列、长期的受众行为特征时间序列，在所述应用内针对所述对象的近期行为特征、长期行为特征、第一历史交易订单特征，在所述应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征、不同特征对应的权重数据。

结合第一方面、第一方面的以上各种实现方式，本公开在第一方面的第四种实现方式中，其中，所述展示所述推荐对象，包括：

在地图页面上展示所述推荐对象的对象POI；

在所述推荐对象的对象POI的位置处显示预设的信息展示图标；

在所述信息展示图标中，展示所述推荐对象的对象POI与目标位置之间的距离信息和/或所述推荐对象的价格信息。

结合第一方面、第一方面的以上各种实现方式，本公开在第一方面的第五种实现方式中，其中，所述展示所述推荐对象，包括：

在所述应用的预设位置展示所述推荐对象的指引图标。

结合第一方面、第一方面的以上各种实现方式，本公开在第一方面的第六种实现方式中，所述受众在应用中产生的行为特征数据包括导航数据，所述展示所述推荐对象，包括：

在导航结束时，在导航结束页面展示所述推荐对象。

结合第一方面、第一方面的以上各种实现方式，本公开在第一方面的第七种实现方式中，所述展示所述推荐对象，包括：

基于以下至少一种信息获取所述受众的推荐对象：在所述应用内针对所述对象的近期行为特征、长期行为特征、第一历史交易订单特征，历史时间段在所述应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征、所述受众在应用中产生的行为特征数据和所述应用的场景特征数据；

展示所述推荐对象。

第二方面，本公开实施例中提供了一种对象推荐装置。

具体的，所述对象推荐装置，包括：

第一获取模块，被配置为获取受众在应用中产生的行为特征数据和所述应用的场景特征数据；

预测模块，被配置为使用预测模型，基于所述受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众是否需要获取推荐对象；

推荐模块，被配置为响应于预测到所述受众需要获取推荐对象，展示所述推荐对象。

结合第二方面，本公开在第二方面的第一种实现方式中，其中，所述应用包括所述应用包括具备地图导航功能的应用；

所述行为特征数据包括以下至少一种：对兴趣点POI的搜索数据、点击数据、导航数据、驻留数据、对应用页面上的资源图标的点击数据；

所述场景特征数据包括以下至少一种：地图中心位置的特征数据、地图中心位置所属至少一个目标区域内的对象的特征数据、受众当前位置的特征数据。

结合第二方面、第二方面的以上各种实现方式，本公开在第二方面的第二种实现方式中，其中，所述装置还包括：

训练模块，被配置为基于所述受众的历史行为特征训练得到所述预测模型。

结合第二方面、第二方面的以上各种实现方式，本公开在第二方面的第三种实现方式中，其中，

所述历史行为特征包括以下至少一种：受众属性特征、短期内与所述对象相关的行为特征、短期内针对所述对象的行为特征时间序列、长期的受众行为特征时间序列，在所述应用内针对所述对象的近期行为特征、长期行为特征、第一历史交易订单特征，在所述应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征、不同特征对应的权重数据。

结合第二方面、第二方面的以上各种实现方式，本公开在第二方面的第四种实现方式中，其中，所述推荐模块被配置为：

在地图页面上展示所述推荐对象的对象POI；

在所述推荐对象的对象POI的位置处显示预设的信息展示图标；

在所述信息展示图标中，展示所述推荐对象的对象POI与目标位置之间的距离信息和/或所述推荐对象的价格信息。

结合第二方面、第二方面的以上各种实现方式，本公开在第二方面的第五种实现方式中，其中，所述推荐模块被配置为：

在所述应用的预设位置展示所述推荐对象的指引图标。

结合第二方面、第二方面的以上各种实现方式，本公开在第二方面的第六种实现方式中，其中，所述受众在应用中产生的行为特征数据包括导航数据，所述推荐模块被配置为：

在导航结束时，在导航结束页面展示所述推荐对象。

结合第二方面、第二方面的以上各种实现方式，本公开在第二方面的第七种实现方式中，其中，所述推荐模块被配置为：

基于以下至少一种信息获取所述受众的推荐对象：在所述应用内针对所述对象的近期行为特征、长期行为特征、第一历史交易订单特征，历史时间段在所述应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征、所述受众在应用中产生的行为特征数据和所述应用的场景特征数据；

展示所述推荐对象。

第三方面，本公开实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条支持对象推荐装置执行上述对象推荐方法的计算机指令，所述处理器被配置为用于执行所述存储器中存储的计算机指令。所述对象推荐装置还可以包括通信接口，用于对象推荐装置与其他设备或通信网络通信。

第四方面，本公开实施例提供了一种计算机可读存储介质，用于存储对象推荐装置所用的计算机指令，其包含用于执行上述对象推荐方法为对象推荐装置所涉及的计算机指令。

第五方面，本公开实施例提供了一种计算机程序产品，包括计算机程序/指令，其中，该计算机程序/指令被处理器执行时实现上述对象推荐方法中的步骤。

本公开实施例提供的技术方案可包括以下有益效果：

上述技术方案可以使用预测模型，基于受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众是否需要获取对象，并在预测到所述受众需要获取对象，为所述受众展示推荐对象，如此能够提前预测受众意图主动为受众进行对象推荐，有利于受众体验的提升和互联网平台服务质量的提升。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开实施例。

附图说明

结合附图，通过以下非限制性实施方式的详细描述，本公开实施例的其它特征、目的和优点将变得更加明显。在附图中：

图1A示出根据本公开一实施方式的对象推荐方法的流程图；

图1B示出根据本公开一实施方式的一种推荐对象的展示方式示意图；

图1C示出根据本公开一实施方式的另一种推荐对象的展示方式示意图；

图1D示出根据本公开一实施方式的又一种推荐对象的展示方式示意图；

图1E示出根据本公开一实施方式的一种推荐对象的优惠图标的展示方式示意图；

图1F示出根据本公开一实施方式的一种推荐对象的指引图标的展示方式示意图；

图1G示出根据本公开一实施方式的另一种推荐对象的指引图标的展示方式示意图；

图1H示出根据本公开一实施方式的再一种推荐对象的展示方式示意图；

图2示出根据本公开一实施方式的对象推荐装置的结构框图；

图3示出根据本公开一实施方式的电子设备的结构框图；

图4是适于用来实现根据本公开一实施方式的对象推荐方法的计算机系统的结构示意图。

具体实施方式

下文中，将参考附图详细描述本公开实施例的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。

在本公开实施例中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。

另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开实施例。

在本公开中，对受众信息或受众数据的获取均为经受众授权、确认，或由受众主动选择的操作。

本公开实施例提供的技术方案可以使用预测模型，基于受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众是否需要获取对象，并在预测到所述受众需要获取推荐对象时，为所述受众展示推荐对象，如此能够提前预测受众意图主动为受众进行对象推荐，有利于受众体验的提升和互联网平台服务质量的提升。

图1A示出根据本公开一实施方式的对象推荐方法的流程图，如图1A所示，所述对象推荐方法包括以下步骤S101-S103：

在步骤S101中，获取受众在应用中产生的行为特征数据和所述应用的场景特征数据；

在步骤S102中，使用预测模型，基于所述受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众是否需要获取推荐对象；

在步骤S103中，响应于预测到所述受众需要获取推荐对象，展示所述推荐对象。

上文提及，随着互联网技术的发展，通过网络平台获取对象的方式逐渐渗透到日常生活中，例如通过网络平台预定酒店等。为了提高用户体验，个性化推荐已经成为网络平台的重要组成部分。目前，通常的做法是用户搜索某类对象或浏览某类对象的页面时，网络平台才会向用户推荐用户感兴趣的该类对象。这类推荐方案需要用户输入请求推荐某类对象的指令才能获取到网络平台推荐的对象，不能主动为用户推荐需要的对象。

考虑到上述问题，在该实施方式中，提出一种对象推荐方法，该方法可以使用预测模型，基于受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众是否需要获取推荐对象，并在预测到所述受众需要获取对象，为所述受众展示推荐对象，如此能够提前预测受众意图主动为受众进行对象推荐，有利于受众体验的提升和互联网平台服务质量的提升。

在本公开一实施方式中，所述对象推荐方法可适用于可执行对象推荐的计算机、计算设备、电子设备、服务器、服务集群等电子设备。

在本公开一实施方式中，受众在应用中产生的行为特征数据指的是受众在应用的用户界面上执行当前一项或一系列操作时产生的行为特征数据，示例的，该当前操作可以是点击操作、搜索操作、驻留操作等各种操作，该行为特征数据可以是点击数据、搜索数据、驻留数据等行为特征数据。

在本公开一实施方式中，该应用的场景特征数据指的是受众在应用种执行当前一项或一系列操作后该应用所处场景中的特征数据，示例的，应用是具备地图导航功能的应用时，该场景特征数据指的是地图中的场景特征数据。受众在执行当前一项或一系列操作后，该应用显示的可以是有地图的页面，也可以是没有地图的页面，当显示的是有地图的页面时，该应用的场景特征数据指的就是显示的地图中的场景特征数据，当显示的是没有地图的页面时，该应用的场景特征数据指的就是距离当前时刻最近显示的地图中的场景特征数据，该地图中的场景特征数据比如说可以是地图中显示的POI数据，地图中显示的该推荐对象对应的POI数据，受众当前位置等等数据。

在本公开一实施方式中，该预测模型用于基于受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众在未来是否需要获取推荐对象。该预测模型可以是对该受众的历史数据进行挖掘训练得到的，这样，当受众在应用中执行某项操作时，该预测模型就可以基于受众在应用中产生的行为特征数据和所述应用的场景特征数据来预测该受众是否在未来是否需要获取推荐对象。

在本公开一实施方式中，该对象可以是提供各种内容、信息、服务的对象，比如服装、食品、日用品、车票等各种商品、酒店、景点、饭店等各种到店服务，该推荐对象指的是展示给受众共受众选择的对象。

上述实施方式中，使用训练好的预测模型，基于受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众在未来是否需要获取对象，这样，在预测到受众在未来需要获取推荐对象时，可以主动为受众展示所述推荐对象，如此能够提前预测受众意图为受众进行对象推荐，有利于受众体验的提升和互联网平台服务质量的提升。而且这种推荐方法可以有效为受众推荐各种可能达成交易的对象，广泛的适用于各类到店服务对象，为到店服务带来增长。

在本公开一实施方式中，所述应用包括具备地图导航功能的应用。

在该实施方式中，该应用可以是地图导航应用，也可以是其他集成了地图导航功能的应用，如打车应用等。通常受众到景点旅游、出差住酒店时，都会提前使用具备地图导航功能的应用来搜索出行路线、规划要游览的景点、进而选择住宿酒店。故在应用为具备地图导航功能的应用，该对象是酒店时，该预测模型就可以基于受众当前输入的操作以及当前地图显示的场景来预测该受众未来是否需要旅游住酒店或出差住酒店，进而在预测受众到受众未来需要旅游住酒店或出差住酒店时，主动为受众推荐酒店，让受众在需要的时候直接进行酒店预定，而不必受众点击进入酒店的页面进行搜索预定，减少受众操作，提升受众体验。

本实施方式可以利用具备地图导航功能的应用特有的时间、空间特性，结合受众行为刻画，预测受众未来是否需要进行该对象的交易，在预测到受众未来需要进行对象的交易时进行对象推荐，促进该对象交易的完成，该模式能广泛的适用于各类对象到店服务，为该类对象服务带来增长。

在本公开一实施方式中，所述行为特征数据包括以下至少一种：对POI的搜索数据、点击数据、导航数据、驻留数据、对应用页面上的资源图标的点击数据；所述场景特征数据包括以下至少一种：地图中心位置的特征数据、地图中心位置所属至少一个目标区域内的对象的特征数据、受众当前位置的特征数据。

在该实施方式中，该POI(Point of Interest，兴趣点)是地理信息系统中的一个术语，泛指一切可以抽象为点的地理对象，尤其是一些与人们生活密切相关的地理实体，如学校、银行、餐馆、加油站、医院、酒店、超市等。每个POI包含四方面信息，名称、类别、经度、纬度。

在该实施方式中，该搜索数据指的是受众搜索POI的数据，该点击数据指的是受众点击地图上POI的数据，该导航数据指的是受众对当前位置或某定位位置与POI之间的导航数据，该驻留数据指的是受众在该地图上POI位置处的驻留时间等。

在该实施方式中，该资源图标指的是应用页面上显示的为受众提供各种资源的图标，该资源图标可以是功能图标或终端上不同投放资源位的图标，比如可以是地图页面上的“公交地铁”、“实时公交”、“驾车”、“打车”、“订酒店”等功能图标，地图页面上的红包悬浮窗、各种资源的悬浮横条等等投放资源位的图标。

在该实施方式中，地图中心位置的特征数据指的是显示有地图的页面上所显示地图的中心点位置的相关数据，可以包括以下至少一种数据：地图中心位置是否在非熟悉地方(该非熟悉地方指的是不在家公司的城市、在距离家公司的较远如30公里外的地方等)、受众上一次点击POI位置与地图中心位置之间的距离差(如果当前地图中心位置和上次点击POI位置离的很远，说明受众感兴趣的位置发生了很大的转移，受众可能是到一个全新的地方，有潜在订酒店等获取对象的可能性)、地图中心位置所在城市的环境数据。比如说该环境数据可以包括地图中心位置所在城市的气温(如28度)、城市空气质量指数(如89)、城市的天气预警级别(如蓝色一搬预警、黄色较重预警、橙色严重预警、红色特别严重预警)、城市的天气预警类型(如道路结冰、霾、大雾、冰雹、高温、沙尘暴、大风、寒潮、暴雪、暴雨、台风、雷电、雷雨大风、雷暴、雷暴大风、空气重污染、寒冷、雪灾、低温、持续低温、低温雨雪冰冻、道路冰雪)、城市的天气状态(如晴、雨、多云等)。该地图中心位置的特征数据还可以包括地图中心位置的属性如属于异地还是本地。

在该实施方式中，地图中心位置所属至少一个目标区域内的对象的特征数据包括：地图中心位置所属的目标区域内对象(如酒店)的点击率和点击数(可以基于海量受众的点击情况进行统计，刻画大部分受众对这个区域内对象的偏好)、地图中心位置所属的目标区域内POI类型为该类对象的数量N1、该类对象的POI数量N1在该目标区域的总POI数量N2的占比N1/N2(该N1、N1/N2用于刻画地图中心位置所属目标区域是不是有足够的对象供给)。该目标区域可以是以该地图中心位置为中心点的预设面积内的区域，也可以是预先对地图上的区域进行墨卡托投影分片后，该地图中心位置所属的墨卡托投影分片，该墨卡托投影指的是正轴等角圆柱投影，可以假想一个与地轴方向一致的圆柱切或割于地球，按等角条件，将经纬网投影到圆柱面上，将圆柱面展为平面后，即得墨卡托投影，墨卡托投影用来区分图面区域。为了更清楚地了解该当前地图中心位置周围的对象供给情况，该目标区域可以包括一较小的第一区域范围和一较大的第二区域范围，第二区域范围大于第一区域范围，以该目标区域为墨卡托投影分片区域为例，该目标区域可以包括墨卡托500米投影分片区域和墨卡托3000米投影分片区域，该500米投影分片区域指的是边长为500m的正方形区域，该3000米投影分片区域指的是边长为3000m的正方形区域。

在该实施方式中，受众当前位置的特征数据包括受众当前位置的属性和受众当前位置所在城市的环境数据中的至少一种，比如说受众当前位置属于商圈、家、公司、住宅区、路上等。这里需要说明的是，若该地图中心位置为异地，则该场景特征数据可以包括地图中心位置所在城市的环境数据，受众当前位置所在城市的环境数据中的至少一个，若该地图中心位置为本地，则当前场景特征数据可以包括当前地图中心位置所在城市的环境数据或者受众当前位置所在城市的环境数据。

在一种可能的实施方式中，上述对象推荐方法还包括以下步骤：

基于所述受众的历史行为特征训练得到所述预测模型。

在该实施方式中，该历史行为特征包括受众在应用以及与应用关联的关联应用上的历史行为特征。所述历史行为特征包括以下至少一种：受众属性特征、短期内与所述对象相关的行为特征、短期内针对所述对象的行为特征时间序列、长期的受众行为特征时间序列、在应用内针对所述对象的近期搜索特征、长期搜索特征、第一历史交易订单特征、在应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征、不同特征对应的权重数据。

在该实施方式中，该受众属性特征指的是受众的画像属性，如年龄，性别，出差/旅游频率。该短期内与所述对象相关的行为特征包括以下至少一种：受众短期内(如7天内)非家和公司的城市的搜索/点击数量、针对该类对象(如酒店)的搜索/点击数量、发起周边搜的次数(发起搜周边表明受众对该POI比较感兴趣，可能有未来的潜在出行需求)、对象的订单数量、对象的到达数量。该短期内针对所述对象的行为特征时间序列可以是多个短时间序列内针对该对象的行为特征，比如说可以是受众在7天、30天、90天这3个时间序列内对该对象的搜索/点击数量和占该受众全部搜索/点击的占比。该长期的受众行为特征时间序列可以是多个长时间序列内受众的行为特征，比如说可以是270天，180天，90天，30天内的与受众行为(如搜索、点击、路径规划、导航、驻留)相关的数据。

在该实施方式中，在应用内针对所述对象的近期行为特征可以包括在应用内受众当天搜索/点击该类对象的数据，在应用内针对所述对象的长期行为特征可以包括受众历史一个月内搜索/点击该类对象的数据，该第一历史交易订单特征包括受众在一个历史时间段内针对该对象的订单特征，如该对象为酒店，该第一历史交易订单特征可以包括以下至少一种：受众半年内预订酒店的总间夜数、受众半年内预订的酒店的平均价钱、受众半年内预订的酒店的平均间夜数、受众半年内在不同城市的预订次数、受众半年内最近一次预订与当前的时间天数差、受众半年内最早一次预订与当前的时间天数差等等。

在该实施方式中，该历史行为特征除了包括受众在应用内的行为特征外，还可以包括受众在与应用关联的关联应用内的历史行为特征，该关联应用可以是与应用在同一平台下，与该应用内进行数据共享的应用。该关联应用的历史行为特征可以包括在应用的关联应用内针对所述对象的行为特征如搜索、点击、购买等行为的特征，第二历史交易订单特征，如该对象为酒店时，该第二历史交易订单特征可以是历史时间段内的酒店订单数据。

在本公开一实施方式中，为了平衡各特征数据使训练的预测模型更准确，可以为历史行为特征中的各特征设置权重。比如说所述长期的受众行为特征时间序列包括长期的时间序列内的受众行为类型以及行为类型对应的权重、受众行为涉及的对象类型以及对象类型对应的权重，其中，不同行为类型的权重不同，不同服务类型的权重也不同。示例的，该受众行为类型包括搜索、点击、路径规划、导航、驻留等类型，不同行为类型对应的权重不同，比如可以是导航的权重最高、搜索的权重最低；受众行为涉及的服务类型除了对象类型即酒店还可以包括美食、景点等其他类型，不同服务类型对应的权重不同，可以是高热的服务类型的权重小于冷门的服务类型的权重，比如可以是热门的美食类的权重小于冷门的酒店类的权重。还可以采用时间衰减的方式为不同时间序列的特征设置权重(即距离当前时间越远的序列的权重越小)。当然，也可以为该历史行为特征数据中的其他特征设置权重。

在本公开一实施方式中，上述方法中的所述展示所述推荐对象，包括：

在地图页面上展示所述推荐对象的对象POI；

在所述推荐对象的对象POI的位置处显示预设的信息展示图标；

在所述信息展示图标中，展示所述推荐对象的对象POI与目标位置之间的距离信息和/或所述推荐对象的价格信息。

在该实施方式中，该预测模型预测到所述受众在未来需要获取对象，可以在当前的地图页面上直接定位该地图页面内该推荐对象的对象POI，并为所述受众在所述对象POI的位置处显示预设的信息展示图标，该信息展示图标中，展示所述推荐对象的对象POI与目标位置之间的距离信息和/或所述推荐对象的价格信息，该目标位置可以是受众当前定位的POI位置(如受众搜周边时定位的POI位置)，也可以是当前的地图中心位置，该对象的价格信息可以是该对象的平均价格等。这样可以通过显示该气泡信息可以让受众简要了解未来需要对象的相关情况，受众可以通过该气泡信息选择候选对象进行更详细的了解，示例的，如果受众在应用上输入某操作后，该预测模型基于该受众输入的操作产生的行为特征数据和所述应用的场景特征数据，预测受众需要进行针对该推荐对象-酒店的交易即预订酒店时，如果该应用显示地图页面，就可以如图1B所示，在地图页面11上各酒店POI；在各酒店POI的位置处显示气泡图标110即信息展示图标，该气泡图标110上显示有酒店的价格，各酒店的位置就显示出其与目标位置之间大概的距离远近关系。

这里需要说明的是，如图1B所示，该地图页面11上还可以显示一对象弹窗111，所述对象弹窗111中显示所述地图页面上展示的一个对象POI的相关信息如酒店图片、酒店排行、酒店类型、酒店地址等等信息，以及针对该酒店的操作按键如导航按键、路线按键、预订按键等等；该对象POI可以是按照预设规则从该地图页面上选择的一个对象POI，该预设规则可以是价格最低或距离目标位置最近等等。当然，如果受众想要更清楚了解其他的推荐对象，可以直接点击该对象POI，响应于针对该对象POI的点击操作，电子设备可以在该地图页面上显示出该对象POI的相关信息以及针对该对象的操作按键。当然，该地图页面上还可以显示日期选项，以便受众选择交易日期，如推荐对象为酒店时，就可以显示日期选项以便受众选择入住日期。该地图页面上还可以显示筛选条件选项，如位置距离、推荐排序等各种筛选条件选项，受众可以选择各筛选条件选项来筛选该地图页面上显示的各对象POI。

在本公开一实施方式中，上述方法中的所述展示所述推荐对象的步骤可以包括以下步骤：

在所述应用的预设位置展示所述推荐对象的指引图标。

在该实施方式中，该指引图标用于引导受众完成针对该对象的交易。

在该实施方式中，该指引图标可以是对象的商品推荐图标。示例的，该应用为具有地图导航功能的应用，该预测模型预测到所述受众在未来需要获取推荐对象的情况下，如图1C所示，当该应用显示的是地图页面时，该地图页面上显示有地图12作为主图，还显示有主图上拉页面13，可以在该主图上拉页面13上显示为该受众推荐的对象的商品推荐图标131，该商品推荐图标131中可以显示有推荐对象的价格、距离、图片等商品信息，如果受众真实需要获取该推荐对象且对该推荐对象有兴趣，则可以点击该商品推荐图标，更清楚地了解该推荐对象，以便快速完成交易。或者如图1D所示，该地图页面的主图是路线规划页面14，此时可以在导航上拉页面15上显示为受众推荐的该导航终点附近的推荐对象的商品推荐图标151，也可以如图1D所示，在路线规划页面14上显示为受众推荐的该导航终点附近的推荐对象的信息图标141，该信息图标141用于显示该推荐对象的相关信息如价格、名称等和针对该推荐对象的操作按键如预订等。

或者，示例的，该指引图标还可以是该推荐对象的优惠图标，可以是如图1E所示推荐对象的省钱卡图标161，也可以是该推荐对象的套餐券、打折卡等图标，可以如图1E所示，在应用页面的主图上拉页面16上显示该省钱卡图标161，受众点击这些优惠图标可以进入能够使用相关优惠的推荐对象的相关页面，进而引导受众使用该优惠完成针对该推荐对象的交易。

或者，示例的，该指引图标还可以是针对该对象的资源图标或悬浮横条。如受众搜索的POI为学校，预测到该受众需要预定酒店，电子设备可以结合该学校POI的未来事件信息(如该学校在未来几天有考试等信息)，如图1F所示，在该学校POI的搜索页面17上显示资源图标171，该资源图标171上可以显示“X月X号考试周边酒店”；或者，如图1G所示，在该学校POI的详情页面18上显示悬浮横条181，该悬浮横条181上可以显示“X月X号考试周边酒店”；也可以如图1G所示，在该学校POI的详情页面18上显示资源图标182“订酒店”，或者还可以在资源图标182“订酒店”处显示气泡信息“X月X号考试周边酒店速查”183；或者，也可以在该学校POI的详情页面上显示的资源图标“搜周边”处显示气泡信息“X月X号考试周边酒店速查”等等。

在本公开一实施方式中，受众在应用的当前行为特征数据包括导航数据，上述方法中的所述展示所述推荐对象的步骤可以包括以下步骤：

在导航结束时，在导航结束页面展示所述推荐对象。

在该实施方式中，受众输入导航操作后，该预测模型预测到所述受众在未来需要获取推荐对象的情况下，可以在导航结束时，如图1H在该导航结束页面19显示弹窗191，在弹窗191内显示推荐对象的对象信息，或者也可以直接从该导航页面跳转至推荐页面，在该推荐页面内显示推荐对象的对象信息，为受众进行对象推荐。或者，也可以在导航结束时输出语音信息“本次导航结束，为受众推荐XX附件的XX对象，请查看”等等提示受众。

在该实施方式中，该导航结束页面展示的推荐对象可以是距离该导航结束位置最近的N个推荐对象。

在本公开一实施方式中，上述方法中的所述展示所述推荐对象的步骤可以包括以下步骤：

基于以下至少一种信息获取所述受众的推荐对象：在应用内针对所述对象的近期行为特征、长期行为特征、第一历史交易订单特征，历史时间段在应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征、所述受众在应用中产生的行为特征数据和所述应用的场景特征数据；

展示所述推荐对象。

在该实施方式中，可以基于在应用内针对所述对象的近期行为特征、长期行为特征、第一历史交易订单特征，历史时间段在应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征为该受众推荐相似规格的对象，如为该受众推荐该受众历史交易对象或历史感兴趣对象(如搜索/点击对象)的价格、好评、品牌等类似或相同的对象。

在该实施方式中，基于该受众在应用的当前行为特征数据和/或应用的当前场景特征数据，可以为该受众推荐目标位置周边或当前地图范围内的对象，如该目标位置可以是受众搜索、点击、驻留在的POI的位置或导航到达的POI的位置。

在该实施方式中，基于该第一历史交易订单特征和/或第二历史交易订单，以及该当前行为特征数据和/或当前场景特征数据，可以为受众推荐相应地理范围内，与该受众历史交易对象价格、好评、品牌等类似的对象。

本实施方式可以基于受众的历史交易订单特征和/或当前情况为受众精确地推荐合适该受众的对象。

下述为本公开装置实施例，可以用于执行本公开方法实施例。

图2示出根据本公开一实施方式的对象推荐装置的结构框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图2所示，所述对象推荐装置包括：

第一获取模块201，被配置为获取受众在应用中产生的行为特征数据和所述应用的场景特征数据；

预测模块202，被配置为使用预测模型，基于所述受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众是否需要获取推荐对象；

推荐模块203，被配置为响应于预测到所述受众需要获取推荐对象，展示所述推荐对象。

上文提及，随着互联网技术的发展，通过网络平台获取对象的方式逐渐渗透到日常生活中，例如通过网络平台预定酒店等。为了提高用户体验，个性化推荐已经成为网络平台的重要组成部分。目前，通常的做法是用户搜索某类对象或浏览某类对象的页面时，网络平台才会向用户推荐用户感兴趣的该类对象。这类推荐方案需要用户输入请求推荐某类对象的指令才能获取到网络平台推荐的对象，不能主动为用户推荐需要的对象。

考虑到上述问题，在该实施方式中，提出一种对象推荐装置，该装置可以使用预测模型，基于受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众是否需要获取对象，并在预测到所述受众需要获取对象，为所述受众展示推荐对象，如此能够提前预测受众意图为受众进行对象推荐，有利于受众体验的提升和互联网平台服务质量的提升。

在本公开一实施方式中，所述对象推荐装置可适用于可执行对象推荐的计算机、计算设备、电子设备、服务器、服务集群等电子设备。

在本公开一实施方式中，受众在应用中产生的行为特征数据指的是受众在应用的用户界面上执行当前操作时产生的行为特征数据，示例的，该当前操作可以是点击操作、搜索操作、驻留操作等各种操作，该行为特征数据可以是点击数据、搜索数据、驻留数据等行为特征数据。

在本公开一实施方式中，该应用的场景特征数据指的是受众在应用种执行当前操作后该应用所处场景中的特征数据，示例的，该应用是具备地图导航功能的应用时，该场景特征数据指的是地图中的场景特征数据。受众在执行目标操作后，该应用显示的可以是有地图的页面，也可以没有地图的页面，当显示的是有地图的页面时，该应用的场景特征数据指的就是显示的地图中的场景特征数据，当显示的是没有地图的页面时，该应用的场景特征数据指的就是距离当前时刻最近显示的地图中的场景特征数据，该地图中的场景特征数据比如说可以是地图中显示的POI数据，地图中显示的该推荐对象对应的POI数据，受众当前位置等等数据。

在本公开一实施方式中，该预测模型用于基于受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众在未来是否需要获取推荐对象。该预测模型可以是对该受众的历史数据进行挖掘训练得到的，这样，当受众在应用中执行某项操作时，该预测模型就可以基于受众在应用中产生的行为特征数据和所述应用的场景特征数据来预测该受众是否在未来是否需要获取推荐对象。

在本公开一实施方式中，该对象可以是提供各种内容、信息、服务的对象，比如服装、食品、日用品、车票等各种商品、酒店、景点、饭店等各种到店服务，该推荐对象指的是展示给受众共受众选择的对象。

上述实施方式中，使用训练好的预测模型，基于受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众在未来是否需要获取对象，这样，在预测到受众在未来需要获取推荐对象时，可以主动为受众展示所述推荐对象，如此能够提前预测受众意图为受众进行对象推荐，有利于受众体验的提升和互联网平台服务质量的提升。而且这种推荐方法可以有效为受众推荐各种可能达成交易的对象，广泛的适用于各类到店服务对象，为到店服务带来增长。

在本公开一实施方式中，所述应用包括具备地图导航功能的应用。

在该实施方式中，该应用可以是地图导航应用，也可以是其他集成了地图导航功能的应用，如打车应用等。通常受众到景点旅游、出差住酒店时，都会提前使用具备地图导航功能的应用来搜索出行路线、规划要游览的景点、进而选择住宿酒店。故在应用为具备地图导航功能的应用，该对象是酒店时，该预测模型就可以基于受众当前输入的操作以及当前地图显示的场景来预测该受众未来是否需要旅游住酒店或出差住酒店，进而在预测受众到受众未来需要旅游住酒店或出差住酒店时，主动为受众推荐酒店，让受众在需要的时候直接进行酒店预定，而不必受众点击进入酒店的页面进行搜索预定，减少受众操作，提升受众体验。

本实施方式可以利用该具备地图导航功能的应用特有的时间、空间特性，结合受众行为刻画，预测受众未来是否需要进行该对象的交易，在预测到受众未来需要进行对象的交易时进行对象推荐，促进该对象交易的完成，该模式能广泛的适用于各类对象到店服务，为该类对象服务带来增长。

在本公开一实施方式中，所述行为特征数据包括以下至少一种：对POI的搜索数据、点击数据、导航数据、驻留数据、对应用页面上的资源图标的点击数据；所述场景特征数据包括以下至少一种：地图中心位置的特征数据、地图中心位置所属至少一个目标区域内的对象的特征数据、受众当前位置的特征数据。

在该实施方式中，该POI(Point of Interest，兴趣点)是地理信息系统中的一个术语，泛指一切可以抽象为点的地理对象，尤其是一些与人们生活密切相关的地理实体，如学校、银行、餐馆、加油站、医院、酒店、超市等。每个POI包含四方面信息，名称、类别、经度、纬度。

在该实施方式中，该搜索数据指的是受众搜索POI的数据，该点击数据指的是受众点击地图上POI的数据，该导航数据指的是受众对当前位置或某定位位置与POI之间的导航数据，该驻留数据指的是受众在该地图上POI位置处的驻留时间。

在该实施方式中，该资源图标指的是应用页面上显示的为受众提供各种资源的图标，该资源图标可以是功能图标或终端上不同投放资源位的图标，比如可以是地图页面上的“公交地铁”、“实时公交”、“驾车”、“打车”、“订酒店”等功能图标，地图页面上的红包悬浮窗、各种资源的悬浮横条等等投放资源位的图标。

在该实施方式中，地图中心位置的特征数据指的是显示有地图的页面上所显示地图的中心点位置的相关数据，可以包括以下至少一种数据：地图中心位置是否在非熟悉地方(该非熟悉地方指的是不在家公司的城市、在距离家公司的较远如30公里外的地方等)、受众上一次点击POI位置与地图中心位置之间的距离差(如果当前地图中心位置和上次点击POI位置离的很远，说明受众感兴趣的位置发生了很大的转移，受众可能是到一个全新的地方，有潜在订酒店等获取对象的可能性)、地图中心位置所在城市的环境数据。比如说该环境数据可以包括地图中心位置所在城市的气温(如28度)、城市空气质量指数(如89)、城市的天气预警级别(如蓝色一搬预警、黄色较重预警、橙色严重预警、红色特别严重预警)、城市的天气预警类型(如道路结冰、霾、大雾、冰雹、高温、沙尘暴、大风、寒潮、暴雪、暴雨、台风、雷电、雷雨大风、雷暴、雷暴大风、空气重污染、寒冷、雪灾、低温、持续低温、低温雨雪冰冻、道路冰雪)、城市的天气状态(如晴、雨、多云等)。该地图中心位置的特征数据还可以包括地图中心位置的属性如属于异地还是本地。

在该实施方式中，地图中心位置所属至少一个目标区域内的对象的特征数据包括：地图中心位置所属的目标区域内对象(如酒店)的点击率和点击数(可以基于海量受众的点击情况进行统计，刻画大部分受众对这个区域内对象的偏好)、地图中心位置所属的目标区域内POI类型为该类对象的数量N1、该类对象的POI数量N1在该目标区域的总POI数量N2的占比N1/N2(该N1、N1/N2用于刻画地图中心位置所属目标区域是不是有足够的对象供给)。该目标区域可以是以该地图中心位置为中心点的预设面积内的区域，也可以是预先对地图上的区域进行墨卡托投影分片后，该地图中心位置所属的墨卡托投影分片，该墨卡托投影指的是正轴等角圆柱投影，可以假想一个与地轴方向一致的圆柱切或割于地球，按等角条件，将经纬网投影到圆柱面上，将圆柱面展为平面后，即得墨卡托投影，墨卡托投影用来区分图面区域。为了更清楚地了解该当前地图中心位置周围的对象供给情况，该目标区域可以包括一较小的第一区域范围和一较大的第二区域范围，第二区域范围大于第一区域范围，以该目标区域为墨卡托投影分片区域为例，该目标区域可以包括墨卡托500米投影分片区域和墨卡托3000米投影分片区域，该500米投影分片区域指的是边长为500m的正方形区域，该3000米投影分片区域指的是边长为3000m的正方形区域。

在该实施方式中，受众当前位置的特征数据包括受众当前位置的属性和受众当前位置所在城市的环境数据中的至少一种，比如说受众当前位置属于商圈、家、公司、住宅区、路上等。这里需要说明的是，若该地图中心位置为异地，则该场景特征数据可以包括地图中心位置所在城市的环境数据，受众当前位置所在城市的环境数据中的至少一个，若该地图中心位置为本地，则当前场景特征数据可以包括当前地图中心位置所在城市的环境数据或者受众当前位置所在城市的环境数据。

在一种可能的实施方式中，其中，所述装置还包括：

训练模块，被配置为基于所述受众的历史行为特征训练得到所述预测模型。

在该实施方式中，该历史行为特征包括受众在应用以及与应用关联的关联应用上的历史行为特征。所述历史行为特征包括以下至少一种：受众属性特征、短期内与所述对象相关的行为特征、短期内针对所述对象的行为特征时间序列、长期的受众行为特征时间序列、在应用内针对所述对象的近期搜索特征、长期搜索特征、第一历史交易订单特征、在应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征、不同特征对应的权重数据。

在该实施方式中，该受众属性特征指的是受众的画像属性，如年龄，性别，出差/旅游频率。该短期内与所述对象相关的行为特征包括以下至少一种：受众短期内(如7天内)非家和公司的城市的搜索/点击数量、针对该类对象(如酒店)的搜索/点击数量、发起周边搜的次数(发起搜周边表明受众对该POI比较感兴趣，可能有未来的潜在出行需求)、对象的订单数量、对象的到达数量。该短期内针对所述对象的行为特征时间序列可以是多个短时间序列内针对该对象的行为特征，比如说可以是受众在7天、30天、90天这3个时间序列内对该对象的搜索/点击数量和占该受众全部搜索/点击的占比。该长期的受众行为特征时间序列可以是多个长时间序列内受众的行为特征，比如说可以是270天，180天，90天，30天内的与受众行为(如搜索、点击、路径规划、导航、驻留)相关的数据。

在该实施方式中，在应用内针对所述对象的近期行为特征可以包括在应用内受众当天搜索/点击该类对象的数据，在应用内针对所述对象的长期行为特征可以包括受众历史一个月内搜索/点击该类对象的数据，该第一历史交易订单特征包括受众在一个历史时间段内针对该对象的订单特征，如该对象为酒店，该第一历史交易订单特征可以包括以下至少一种：受众半年内预订酒店的总间夜数、受众半年内预订的酒店的平均价钱、受众半年内预订的酒店的平均间夜数、受众半年内在不同城市的预订次数、受众半年内最近一次预订与当前的时间天数差、受众半年内最早一次预订与当前的时间天数差等等。

在该实施方式中，该历史行为特征除了包括受众在应用内的行为特征外，还可以包括受众在与应用关联的关联应用内的历史行为特征，该关联应用可以是与应用在同一平台下，与该应用内进行数据共享的应用。该关联应用的历史行为特征可以包括在应用的关联应用内针对所述对象的行为特征如搜索、点击、购买等行为的特征，第二历史交易订单特征，如该对象为酒店时，该第二历史交易订单特征可以是历史时间段内的酒店订单数据。

在本公开一实施方式中，为了平衡各特征数据使训练的预测模型更准确，可以为历史行为特征中的各特征设置权重。比如说所述长期的受众行为特征时间序列包括长期的时间序列内的受众行为类型以及行为类型对应的权重、受众行为涉及的对象类型以及对象类型对应的权重，其中，不同行为类型的权重不同，不同服务类型的权重也不同。示例的，该受众行为类型包括搜索、点击、路径规划、导航、驻留等类型，不同行为类型对应的权重不同，比如可以是导航的权重最高、搜索的权重最低；受众行为涉及的服务类型除了对象类型即酒店还可以包括美食、景点等其他类型，不同服务类型对应的权重不同，可以是高热的服务类型的权重小于冷门的服务类型的权重，比如可以是热门的美食类的权重小于冷门的酒店类的权重。还可以采用时间衰减的方式为不同时间序列的特征设置权重(即距离当前时间越远的序列的权重越小)。当然，也可以为该历史行为特征数据中的其他特征设置权重。

在本公开一实施方式中，所述推荐模块被配置为：

在地图页面上展示所述推荐对象的对象POI；

在所述推荐对象的对象POI的位置处显示预设的信息展示图标；

在所述信息展示图标中，展示所述推荐对象的对象POI与目标位置之间的距离信息和/或所述推荐对象的价格信息。

在该实施方式中，该预测模型预测到所述受众在未来需要获取对象，可以在当前的地图页面上直接定位该地图页面内该推荐对象的对象POI，并为所述受众在所述对象POI的位置处显示预设的信息展示图标，该信息展示图标中，展示所述推荐对象的对象POI与目标位置之间的距离信息和/或所述推荐对象的价格信息，该目标位置可以是受众当前定位的POI位置(如受众搜周边时定位的POI位置)，也可以是当前的地图中心位置，该对象的价格信息可以是该对象的平均价格等。这样可以通过显示该气泡信息可以让受众简要了解未来需要对象的相关情况，受众可以通过该气泡信息选择候选对象进行更详细的了解，示例的，如果受众在应用上输入某操作后，该预测模型基于该受众输入的操作产生的行为特征数据和所述应用的场景特征数据，预测受众需要进行针对该推荐对象-酒店的交易即预订酒店时，如果该应用显示地图页面，就可以如图1B所示，在地图页面11上各酒店POI；在各酒店POI的位置处显示气泡图标110即信息展示图标，该气泡图标110上显示有酒店的价格，各酒店的位置就显示出其与目标位置之间大概的距离远近关系。

这里需要说明的是，如图1B所示，该地图页面11上还可以显示一对象弹窗111，所述对象弹窗111中显示所述地图页面上展示的一个对象POI的相关信息如酒店图片、酒店排行、酒店类型、酒店地址等等信息，以及针对该酒店的操作按键如导航按键、路线按键、预订按键等等；该对象POI可以是按照预设规则从该地图页面上选择的一个对象POI，该预设规则可以是价格最低或距离目标位置最近等等。当然，如果受众想要更清楚了解其他的推荐对象，可以直接点击该对象POI，响应于针对该对象POI的点击操作，电子设备可以在该地图页面上显示出该对象POI的相关信息以及针对该对象的操作按键。当然，该地图页面上还可以显示日期选项，以便受众选择交易日期，如推荐对象为酒店时，就可以显示日期选项以便受众选择入住日期。该地图页面上还可以显示筛选条件选项，如位置距离、推荐排序等各种筛选条件选项，受众可以选择各筛选条件选项来筛选该地图页面上显示的各对象POI。

在本公开一实施方式中，所述推荐模块被配置为：

在所述应用的预设位置展示所述推荐对象的指引图标。

在该实施方式中，该指引图标用于引导受众完成针对该对象的交易。

在该实施方式中，该指引图标可以是对象的商品推荐图标。示例的，该应用为具备地图导航功能的应用，该预测模型预测到所述受众在未来需要获取推荐对象的情况下，如图1C所示，当该应用显示的是地图页面时，该地图页面上显示有地图12作为主图，还显示有主图上拉页面13，可以在该主图上拉页面13上显示为该受众推荐的对象的商品推荐图标131，该商品推荐图标131中可以显示有推荐对象的价格、距离、图片等商品信息，如果受众真实需要获取该推荐对象且对该推荐对象有兴趣，则可以点击该商品推荐图标，更清楚地了解该推荐对象，以便快速完成交易。或者如图1D所示，该地图页面的主图是路线规划页面14，此时可以在导航上拉页面15上显示为受众推荐的该导航终点附近的推荐对象的商品推荐图标151，也可以如图1D所示，在路线规划页面14上显示为受众推荐的该导航终点附近的推荐对象的信息图标141，该信息图标141用于显示该推荐对象的相关信息如价格、名称等和针对该推荐对象的操作按键如预订等。

或者，示例的，该指引图标还可以是该推荐对象的优惠图标，可以是如图1E所示推荐对象的省钱卡图标161，也可以是该推荐对象的套餐券、打折卡等图标，可以如图1E所示，在应用页面的主图上拉页面16上显示该省钱卡图标161，受众点击这些优惠图标可以进入能够使用相关优惠的推荐对象的相关页面，进而引导受众使用该优惠完成针对该推荐对象的交易。

或者，示例的，该指引图标还可以是针对该对象的资源图标或悬浮横条。如受众搜索的POI为学校，预测到该受众需要预定酒店，电子设备可以结合该学校POI的未来事件信息(如该学校在未来几天有考试等信息)，如图1F所示，在该学校POI的搜索页面17上显示资源图标171，该资源图标171上可以显示“X月X号考试周边酒店”；或者，如图1G所示，在该学校POI的详情页面18上显示悬浮横条181，该悬浮横条181上可以显示“X月X号考试周边酒店”；也可以如图1G所示，在该学校POI的详情页面18上显示资源图标182“订酒店”，或者还可以在资源图标182“订酒店”处显示气泡信息“X月X号考试周边酒店速查”183；或者，也可以在该学校POI的详情页面上显示的资源图标“搜周边”处显示气泡信息“X月X号考试周边酒店速查”等等。

在本公开一实施方式中，其中，受众在应用的当前行为特征数据包括导航数据，所述推荐模块被配置为：

在导航结束时，在导航结束页面展示所述推荐对象。

在该实施方式中，受众输入导航操作后，该预测模型预测到所述受众在未来需要获取推荐对象的情况下，可以在导航结束时，如图1H在该导航结束页面19显示弹窗191，在弹窗191内显示推荐对象的对象信息，或者也可以直接从该导航页面跳转至推荐页面，在该推荐页面内显示推荐对象的对象信息，为受众进行对象推荐。或者，也可以在导航结束时输出语音信息“本次导航结束，为受众推荐XX附件的XX对象，请查看”等等提示受众。

在该实施方式中，该导航结束页面展示的推荐对象可以是距离该导航结束位置最近的N个推荐对象，所述N为大于等于1的整数。

在本公开一实施方式中，其中，所述推荐模块被配置为：基于以下至少一种信息获取所述受众的推荐对象：在应用内针对所述对象的近期行为特征、长期行为特征、第一历史交易订单特征，历史时间段在应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征、所述受众在应用中产生的行为特征数据和所述应用的场景特征数据；展示所述推荐对象。

在该实施方式中，可以基于在应用内针对所述对象的近期行为特征、长期行为特征、第一历史交易订单特征，历史时间段在应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征为该受众推荐相似规格的对象，如为该受众推荐该受众历史交易对象或历史感兴趣对象(如搜索/点击对象)的价格、好评、品牌等类似或相同的对象。

在该实施方式中，基于该受众在应用的当前行为特征数据和/或应用的当前场景特征数据，可以为该受众推荐目标位置周边或当前地图范围内的对象，如该目标位置可以是受众搜索、点击、驻留在的POI的位置或导航到达的POI的位置。

在该实施方式中，基于该第一历史交易订单特征和/或第二历史交易订单，以及该当前行为特征数据和/或当前场景特征数据，可以为受众推荐相应地理范围内，与该受众历史交易对象价格、好评、品牌等类似的对象。

本实施方式可以基于受众的历史交易订单特征和/或当前情况为受众精确地推荐合适该受众的对象。

本公开还公开了一种电子设备，图3示出根据本公开一实施方式的电子设备的结构框图，如图3所示，所述电子设备300包括存储器301和处理器302；其中，

所述存储器301用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器302执行以实现上述方法步骤。

图4是适于用来实现根据本公开一实施方式的对象推荐方法的计算机系统的结构示意图。

如图4所示，计算机系统400包括处理单元401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行上述实施方式中的各种处理。在RAM403中，还存储有系统400操作所需的各种程序和数据。处理单元401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；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407；包括硬盘等的存储部分408；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409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，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410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408。其中，所述处理单元401可实现为CPU、GPU、TPU、FPGA、NPU等处理单元。

特别地，根据本公开的实施方式，上文描述的方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，所述计算机程序包含用于执行所述对象推荐方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。

附图中的流程图和框图，图示了按照本公开各种实施方式的系统、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，路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，所述模块、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，框图和/或流程图中的每个方框、以及框图和/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。

描述于本公开实施方式中所涉及到的单元或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。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。

作为另一方面，本公开实施例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方式中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开实施例的方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (11)

1.一种对象推荐方法，包括：

获取受众在应用中产生的行为特征数据和所述应用的场景特征数据；

使用预测模型，基于所述受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众是否需要获取推荐对象；

响应于预测到所述受众需要获取推荐对象，展示所述推荐对象。

2.根据权利要求1所述的方法，其中，所述应用包括具备地图导航功能的应用；

所述行为特征数据包括以下至少一种：对兴趣点POI的搜索数据、点击数据、导航数据、驻留数据、对应用页面上的资源图标的点击数据；

所述场景特征数据包括以下至少一种：地图中心位置的特征数据、地图中心位置所属至少一个目标区域内的对象的特征数据、受众当前位置的特征数据。

3.根据权利要求1所述的方法，其中，所述方法还包括：

基于所述受众的历史行为特征训练得到所述预测模型。

4.根据权利要求3所述的方法，其中，

所述历史行为特征包括以下至少一种：受众属性特征、短期内与所述对象相关的行为特征、短期内针对所述对象的行为特征时间序列、长期的受众行为特征时间序列，在所述应用内针对所述对象的近期行为特征、长期行为特征、第一历史交易订单特征，在所述应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征、不同特征对应的权重数据。

5.根据权利要求2所述的方法，其中，所述展示所述推荐对象，包括：

在地图页面上展示所述推荐对象的对象POI；

在所述推荐对象的对象POI的位置处显示预设的信息展示图标；

在所述信息展示图标中，展示所述推荐对象的对象POI与目标位置之间的距离信息和/或所述推荐对象的价格信息。

6.根据权利要求1所述的方法，其中，所述展示所述推荐对象，包括：

在所述应用的预设位置展示所述推荐对象的指引图标。

7.根据权利要求2所述的方法，其中，所述受众在应用中产生的行为特征数据包括导航数据，所述展示所述推荐对象，包括：

在导航结束时，在导航结束页面展示所述推荐对象。

8.根据权利要求1所述的方法，其中，所述展示所述推荐对象，包括：

基于以下至少一种信息获取所述受众的推荐对象：在所述应用内针对所述对象的近期行为特征、长期行为特征、第一历史交易订单特征，历史时间段在所述应用的关联应用内针对所述对象的行为特征、第二历史交易订单特征、所述受众在应用中产生的行为特征数据和所述应用的场景特征数据；

展示所述推荐对象。

9.一种对象推荐装置，包括：

第一获取模块，被配置为获取受众在应用中产生的行为特征数据和所述应用的场景特征数据；

预测模块，被配置为使用预测模型，基于所述受众在应用中产生的行为特征数据和所述应用的场景特征数据，预测所述受众是否需要获取推荐对象；

推荐模块，被配置为响应于预测到所述受众需要获取推荐对象，展示所述推荐对象。

10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1-8任一项所述的方法步骤。

11.一种计算机程序产品，包括计算机程序/指令，其中，该计算机程序/指令被处理器执行时实现权利要求1-8任一项所述的方法步骤。

Images