具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
首先对本申请所涉及的名词进行解释:
L-AB转化率:从瀑布流/信息流到用户产生下单偏好行为(例如沟通,加购物车)等的转化率。
用户行为序列:是用户在日常操作使用中产生的一系列点击、访问、购买等事件的发生过程,可表示为事件集合的时间序列,它蕴含了用户的细粒度习惯偏好等特点,是用户级别机器学习模型的重要特征来源之一。
现有的物品信息流中每一物品的信息页面的所展示的数据项和展示样式是固定,例如,图1为现有的物品信息流中信息页面的示例图,如图1所示,所有的信息页面中展示的数据项(例如物品主图、价格、标题等)和行动点(如店铺、客服、加入购物车、购买等)均是一致的。针对所有用户推荐的物品信息流的信息页面的相同区域内展示的数据项和展示样式是固定的。
针对上述技术问题,本申请提供一种物品信息流的动态推荐方法,将物品信息流中推荐物品的信息页面进行了非常细粒度的拆解,将信息页面可展示的内容抽象为UI元件,UI元件为展示信息和展示样式的最小粒度。推荐物品的信息页面分为多个区域,每一区域每次可展示一个或多个UI元件。当用户在物品摘要卡的瀑布流页面对一个目标物品进行触发操作(如点击该目标物品的摘要卡)时,通过终端向服务器发送物品信息流获取请求。服务器接收物品信息流获取请求,获取用户的用户特征和用户行为序列,并获取目标物品的物品特征,根据目标物品的物品特征,确定待推荐物品。在生成推荐物品的信息页面时,针对每一待推荐物品,根据用户的用户特征和用户行为序列、待推荐物品的物品特征、以及信息页面中每一区域的候选UI元件的元件特征,确定每一候选UI元件与用户和待推荐物品的关联度,并根据每一候选UI元件与当前用户和待推荐物品的关联度,在每一区域的候选UI元件中,选择与当前用户和待推荐物品的关联度较高的一个或多个候选UI元件,作为该待推荐物品的信息页面中每一区域展示的目标UI元件;并获取每一目标UI元件的展示数据,能够动态地推荐每一待推荐物品的信息页面将展示的数据和展示样式,使得待推荐物品的信息页面构成的物品信息流中,不同物品的信息页面所展示的数据项和/或数据项的展示样式可以不同,另外,针对不同用户生成的同一推荐物品的信息页面所展示的数据项和/或数据项的展示样式可以不同,实现“千人千面”地物品信息流的智能推荐,为用户提供更丰富、更精准的推荐理由标签和行动点,帮助用户决策的同时,有效降低用户反复点击对比、沟通带来的时间成本。
示例性地,本申请提供的物品信息流的动态推荐方法,可以适用于图2所示的系统架构。如图2所示,该系统架构包括:终端和服务器。
其中,该服务器可以是电商平台的服务器,具体可以是部署在云端的服务器集群。该服务器上存储有智能UI推荐算法和物品推荐算法,通过服务器中预设运算逻辑,服务器实现进行物品推荐确定待推荐物品,以及进行智能UI推荐确定每一待推荐物品的信息页面展示的目标UI元件和展示数据,并渲染生成包含待推荐物品的信息页面的物品信息流。
终端具体可为具有网络通信功能、运算功能以及信息显示功能的硬件设备,其包括但不限于智能手机、平板电脑、台式电脑、物联网设备等。
通过服务器的通信交互,当用户在终端展示的物品摘要卡瀑布流中触发(如点击)一个目标物品时,通过终端向服务器提交物品信息流获取请求,该请求携带当前用户的用户信息和目标物品的信息。服务器接收物品信息流获取请求之后,根据用户信息和目标物品的信息,获取用户的用户特征和用户行为序列,并获取目标物品的物品特征,根据目标物品的物品特征,确定待推荐物品;针对每一待推荐物品,根据用户的用户特征和用户行为序列、待推荐物品的物品特征、以及信息页面中每一区域的候选UI元件的元件特征,确定每一候选UI元件与用户和待推荐物品的关联度,并根据每一候选UI元件与用户和待推荐物品的关联度,确定每一待推荐物品的信息页面中每一区域展示的目标UI元件;获取每一目标UI元件的展示数据;根据每一待推荐物品的信息页面中每一区域展示的目标UI元件、目标UI元件的展示数据和信息页面的布局信息,渲染生成包含每一待推荐物品的信息页面的物品信息流。服务器将生成的物品信息流反馈给终端,以通过终端展示物品信息流。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。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。下面将结合附图,对本申请的实施例进行描述。
图3为本申请一示例性实施例提供的物品信息流的动态推荐方法的流程图。本实施例的执行主体可以是上述提及的服务器,如图3所示,该方法具体步骤如下:
步骤S301、接收在用户对目标物品进行触发操作时发送的物品信息流获取请求,获取用户的用户特征和用户行为序列,并获取目标物品的物品特征。
其中,用户对目标物品进行触发操作可以是用户对物品摘要卡的瀑布流中目标物品的摘要卡的点击操作。
在实际应用中,用户通过终端浏览所展示的物品摘要卡的瀑布流的过程中,当用户点击瀑布流中任一物品的摘要卡时,通过终端向服务器发送物品信息流获取请求,物品信息流获取请求携带当前用户的用户信息和用户所点击摘要卡对应的目标物品的信息。
服务器接收物品信息流获取请求,提取请求中携带的用户信息和目标物品的信息,根据用户信息和目标物品的信息,获取当前用户的用户特征和用户行为序列,并获取目标物品的物品特征。
其中,用户特征也称为用户标签,是基于用户的历史行为数据,对用户的社会属性、消费习惯、兴趣偏好等各个维度的数据进行分析,进而对用户属性进行刻画得到的用户属性的特征信息。例如,用户的标识、所在行业、职业、偏好的类目等。
用户行为序列是在用户一次访问的生命周期中以时间序列依次记录各个页面下的单点用户行为得到的数据,是用户在日常操作使用中产生的一系列点击、访问、购买等事件的发生过程,可表示为事件集合的时间序列,它蕴含了用户的细粒度习惯偏好等特点,是用户级别机器学习模型的重要特征来源之一。
物品特征是指物品本身的属性特征,比如标识、所属的类目、品牌、颜色、型号、容量等。
本实施例中,获取用户特征、用户行为序列和物品特征的方法可以采用现有技术中进行物品推荐时获取用户的属性特征、用户行为序列和物品的属性特征的方法实现,此处不再赘述。
步骤S302、根据目标物品的物品特征,确定待推荐物品。
在获取到目标物品的物品特征后,根据物品特征的相关性,召回与目标物品的物品特征相关性高的其他物品,作为待推荐物品。
该步骤具体可以用现有的任意一种基于物品的特征的相关性或相似度进行物品推荐的方法实现,此处不再赘述。
步骤S303、针对每一待推荐物品,根据用户的用户特征和用户行为序列、待推荐物品的物品特征、以及信息页面中每一区域的候选UI元件的元件特征,确定每一候选UI元件与用户和待推荐物品的关联度;根据每一候选UI元件与用户和待推荐物品的关联度,确定待推荐物品的信息页面中每一区域展示的目标UI元件。
本实施例中,将物品信息流中推荐物品的信息页面进行了非常细粒度的拆解,将信息页面可展示的内容抽象为UI元件,UI元件为展示信息和展示样式的最小粒度。推荐物品的信息页面分为多个区域,每一区域每次可展示一个或多个UI元件。
候选UI元件的元件特征包括元件静态特征和统计特征。其中,元件静态特征如元件标识、所属区域标识、字体颜色、字号、字重、是否权益敏感、是否服务敏感、是否有行业专业特性、展示行数、是否有时效等。统计特征如近若干天坑位转化率、近若干天UV(UniqueVisitor,独立访客)转化率、近若干天点击访问量、近若干天点击UV、近若干天询盘访问量、近若干天询盘UV等。
在确定待推荐物品之后,分别针对每一待推荐物品,根据当前用户的用户特征、用户行为序列和待推荐物品的物品特征,进行动态地智能UI推荐,分析每一候选UI元件与当前用户和待推荐物品的关联度,将每一区域中与当前用户和待推荐物品的关联度较高的一个或多个候选UI元件作为该区域的目标UI元件。目标UI元件是在待推荐物品的信息页面中将展示的UI元件,而其他非目标UI元件本次不会在向当前用户展示的该待推荐物品的信息页面中展示。
通过该步骤,可以针对当前用户的每一待推荐物品,动态地组装每一待推荐物品的页面信息中所展示的UI元件,使得推荐给同一用户的不同物品的页面信息中所展示的UI元件可能不同,推荐给不同用户的同一物品的页面信息中所展示的UI元件也可能不同,实现“千人千面”地物品信息流的智能UI推荐。
示例性地,图4为基于本申请的物品信息流的动态推荐方法生成的物品信息流的示例图,如图4所示,该物品信息流中,第一物品的信息页面A中封面区展示了物品轮播图,并且带有预览展示,而第二物品的信息页面B中封面区只展示了物品轮播图,没有物品图的预览展示;信息页面A的标签区与信息页面B的标签区内的推荐理由标签不同;信息页面A的行动点区包括“沟通、询盘”两个行动点,信息页面B的标签区内包括“沟通、询盘、下单”三个行动点。
步骤S304、获取每一目标UI元件的展示数据。
在确定每一待推荐物品的信息页面的每一区域的目标UI元件后,获取每一目标UI元件的展示数据。
本实施例中,UI元件可以为展示的信息对象(如商品卖点标签、商家资质标签等)、或者是待展示的信息对象的样式信息(如物品轮播图带预览、标题单行高亮展示、标题两行展示、区间价格高亮等)。若目标UI元件定义了待展示的信息对象的样式信息,则需要获取目标UI元件对应的展示数据,也即待展示的信息对象。
步骤S305、根据每一待推荐物品的信息页面中每一区域展示的目标UI元件、目标UI元件的展示数据和信息页面的布局信息,渲染生成包含每一待推荐物品的信息页面的物品信息流。
在获取到每一待推荐物品的信息页面的每一区域要展示的目标UI元件及目标UI元件的展示数据之后,基于信息页面的布局信息,将目标UI元件和展示数据聚合生成待推荐物品的信息页面的页面数据,并对页面数据进行渲染生成待推荐物品的信息页面,按照待推荐物品的推荐顺序将待推荐物品的信息页面组合生成物品信息流。
在生成物品信息流之后,将物品信息流反馈给用户的终端,通过终端显示物品信息流,以供用户查看。
本实施例中,将物品信息流中推荐物品的信息页面进行了非常细粒度的拆解,将信息页面可展示的内容抽象为UI元件,UI元件为展示信息和展示样式的最小粒度。推荐物品的信息页面分为多个区域,每一区域每次可展示一个或多个UI元件。当用户在物品摘要卡的瀑布流页面对一个目标物品进行触发操作时,通过终端向服务器发送物品信息流获取请求。服务器接收物品信息流获取请求,获取用户的用户特征和用户行为序列,并获取目标物品的物品特征,根据目标物品的物品特征,确定待推荐物品。在生成推荐物品的信息页面时,针对每一待推荐物品,根据用户的用户特征和用户行为序列、待推荐物品的物品特征、以及信息页面中每一区域的候选UI元件的元件特征,确定每一候选UI元件与用户和待推荐物品的关联度,并根据每一候选UI元件与当前用户和待推荐物品的关联度,在每一区域的候选UI元件中,选择与当前用户和待推荐物品的关联度较高的一个或多个候选UI元件,作为该待推荐物品的信息页面中每一区域展示的目标UI元件;并获取每一目标UI元件的展示数据,根据每一待推荐物品的信息页面中每一区域展示的目标UI元件、目标UI元件的展示数据和信息页面的布局信息,渲染生成包含每一待推荐物品的信息页面的物品信息流,可以针对当前用户的每一待推荐物品,动态地组装每一待推荐物品的页面信息中所展示的UI元件,推荐给同一用户的不同物品的页面信息中所展示的UI元件可能不同,推荐给不同用户的同一物品的页面信息中所展示的UI元件也可能不同,实现“千人千面”地物品信息流的智能推荐,能够针对不同的用户(如B类用户)个性地、更精准地推荐物品信息流,可以帮助用户决策,同时有效降低用户反复点击对比、沟通带来的时间成本。
一种可选实施例中,信息页面至少包括以下区域:标签区。标签区的每一候选UI元件用于展示一项推荐理由标签,标签区所能展示的推荐理由标签至少覆盖如下三类信息:物品卖点信息、商家资质信息、是否现货品。
本实施例中,可以设置多个推荐理由标签,推荐理由覆盖物品卖点、商家资质、是否现货品(也即RTS(Ready to ship)品)等方案的信息。推荐理由标签可以根据实际应用的需求随时进行丰富和更新。卖家在设置物品的信息时,可以为物品绑定一个或者多个推荐理由标签。
例如,物品卖点的推荐理由标签可以包括以下至少一项:可提供样品、一站式服务、质保、溯源、物流包运费、海外售后、3D虚拟样板间、3D在线定制、2D轻定制等。
通过设置丰富的推荐理由标签及对应的候选UI元件,在动态生成待推荐物品的信息页面时,可以针对不同用户,从待推荐物品所绑定的推荐理由标签的候选UI元件中,动态推荐与当前用户的关联度高的UI元件,从而实现同一物品的信息页面针对不同用户展示不同的推荐理由,可以帮助用户决策,同时有效降低用户反复点击对比、沟通带来的时间成本。
示例性地,如图4所示,信息页面可以包括封面区、标题区、标签区、价格及利益刺激区、行动点区。另外,信息页面中的标签区还可以分为多个标签区,不同的标签区可以展示在不同的位置,每一标签区作为一个独立的区域,具有自己的候选UI元件。例如,标签区可以包括关键决策信息区和辅助决策信息区,关键决策信息区覆盖是否现货品、物品卖点等两类信息,辅助决策信息区覆盖商家资质类的信息。
示例性地,封面区的候选UI元件包括以下至少一项:物品轮播图带预览(直接展示轮播的图片和/或视频)、物品轮播图(不带预览,支持左右进行图片和/或视频的切换),支持WiFi下自动播放,支持智能UI的图片/视频的展示。标题区的候选UI元件包括以下至少一项:单行标题、单行标题加强、两行标题、两行标题加强,并支持智能UI标题。标签区的候选UI元件包括每一推荐理由标签对应的候选UI标签,并支持智能UI标签。价格及利益刺激区的候选UI元件包括以下至少一项:区间价高亮、区间价、最低价高亮、最低价、阶梯价高亮、阶梯价,支持展示价格相关的UI形态以及折扣减免信息,支持展示智能UI价格信息等。
行动点区的候选UI元件包括以下至少一项:默认行动(跳转到详情页)、商家沟通、询盘(弱样式)、下单、下单(弱样式)、询盘、加购物车。
本实施例中,待推荐物品的信息页面中每一区域内展示的目标UI元件,均可以基于当前用户的特征信息和待推荐物品的特征信息进行动态地推荐,从而可以为不同的用户个性化地定制物品信息流中物品的信息页面,使得所展示的物品信息流更精准地展示用户关注的信息和用户偏好的行动点,便于用户操作,改善用户体验。
示例性地,对于非RTS品(也即定制物品),可以在非RTS品的信息页面中展示“询盘”这一行动点的UI元件,还可以展示“商家沟通”、“直接下单”等行动点的UI元件。但是对于RTS品,不支持定制,所以RTS品的信息页面中通常不展示“询盘”这一行动点的UI元件,可以在RTS品的信息页面中展示“商家沟通”、“添加到购物车”和“直接下单”等行动点的UI元件。
一种可选实施例中,可以通过训练好的智能UI推荐模型来预测候选UI元件与当前用户和待推荐物品的关联度。
本实施例中,假设信息页面中各个区域之间独立,候选UI元件之间无组合反应,智能UI推荐模型根据用户的特征信息、待推荐物品的特征信息和候选UI元件的特征信息,预测候选UI元件与用户和待推荐物品的关联度。
具体地,上述步骤S303中,对于任一待推荐物品,根据用户的用户特征和用户行为序列、待推荐物品的物品特征、以及信息页面中每一区域的候选UI元件的元件特征,确定每一候选UI元件与用户和待推荐物品的关联度,具体可以采用如下方式实现:
将用户的用户特征和用户行为序列、待推荐物品的物品特征、以及每一候选UI元件的元件特征输入训练好的智能UI推荐模型,通过智能UI推荐模型预测每一候选UI元件与用户和待推荐物品的关联度。
其中,关联度表示:基于包含候选UI元件的信息页面,用户对待推荐物品做出选用行为的可能性。
示例性地,用户对待推荐物品做出选用行为可以是点击(进入详情页)、或者触发行动点区内的一个或者多个行动点的行为,如加入购物车、询盘等。
其中,智能UI推荐模型可以采用基于机器学习的神经网络模型实现,并通过基于大量历史数据确定的训练集进行模型训练,得到训练好的智能UI推荐模型。
示例性地,智能UI推荐模型的神经网络结构可以采用Embedding层叠加多层感知机(Multilayer Perceptron,MLP)的结构。将用户特征、用户行为序列、商品特征、元件特征分别进行Embedding后拼接,再输入MLP,经MLP输出预测结果。
另外,智能UI推荐模型还可以采用其他神经网络结构实现,如MAB+特征学习模型、深度神经网络(Deep Neural Networks,DNN)模型、用户偏好模型(User Interest Model,UIM)等,可以是现有的任意一种能够经过模型训练实现预测信息对象或通过特定样式展示的信息对象对用户对推荐物品的行为概率(如点击率CTR、转化率CVR、L-AB等)的影响的神经网络,此处不再赘述。
通过训练好的智能UI推荐模型,可以基于用户特征、用户行为序列、待推荐物品的物品特征和候选UI元件的元件特征,精准地预测候选UI元件与用户和待推荐物品的关联度,以精准地衡量展示候选UI元件对用户对待推荐物品的行为概率的影响,从而为精准地选择信息页面所展示的目标UI元件提供数据基础。
进一步地,在确定候选UI元件与用户和待推荐物品的关联度之后,基于候选UI元件与用户和待推荐物品的关联度,对于每一区域的候选UI元件按关联度排序,区域内择优选择候选UI元件进行展示,即可实现智能UI推荐。
具体地,上述步骤S304中,根据每一候选UI元件与用户和待推荐物品的关联度,确定待推荐物品的信息页面中每一区域展示的目标UI元件,具体可以采用如下方式实现:
对于每一区域,根据该区域的每一候选UI元件与用户和待推荐物品的关联度,以及该区域的UI元件编排规则,选择n个候选UI元件作为该区域展示的目标UI元件,其中n为整数,n小于或等于该区域的元件展示数量阈值。
可选地,该区域的UI元件编排规则可以包括以下至少一项:
候选UI元件的互斥关系,该区域展示的目标UI元件不包括具有互斥关系的候选UI元件;强制展示的候选UI元件,该区域展示的目标UI元件包括强制展示的候选UI元件。
示例性地,任一区域的UI元件编排规则中可以设置该区域的元件互斥组,每一元件互斥组内包括至少两个候选UI元件,在同一元件互斥组中候选UI元件不可以同时在该区域内展示。
示例性地,任一区域的UI元件编排规则中可以设置该区域的一个或者多个强制展示的候选UI元件,强制展示的候选UI元件一定会在信息页面的该区域内展示。
另外,任一区域的UI元件编排规则还可以设置该区域的元件展示数量阈值,元件展示数量阈值是指该区域内能同时展示UI元件的最大数量。
通过每一区域的UI元件编排规则,来在基于候选UI元件与用户和待推荐物品的关联度的基础上,选择符合UI元件编排规则的目标UI元件,以提高区域内UI元件展示的灵活性和规范性。
可选地,至少一个区域的候选UI元件具有展示级别,展示级别表示UI元件显示时的醒目程度。
对于每一区域,根据该区域的每一候选UI元件与用户和待推荐物品的关联度,以及该区域的UI元件编排规则,选择n个候选UI元件作为该区域展示的目标UI元件之后,若待推荐物品满足预设降级条件,则根据预设降级条件将至少一个目标UI元件替换为展示级别更低的另一候选UI元件。
其中,预设降级条件可以根据实际应用场景的需要进行设置和调整,此处不做具体限定。
示例性地,以标题区的候选UI元件包括:单行标题、单行标题加强、两行标题、两行标题加强为例,可以设置“单行标题”、“单行标题加强”、“两行标题”、“两行标题加强”的展示级别依次升高。在确定某一待推荐物品的信息页面中标题区的目标UI元件为“单行标题加强”后,若确定该待推荐物品的价格没有优惠信息(如没有折扣和优惠券等),则可以将标题区的目标UI元件替换为展示级别更低的“单行标题”。
可选地,对于每一区域,根据该区域的每一候选UI元件与用户和待推荐物品的关联度,以及该区域的UI元件编排规则,选择n个候选UI元件作为该区域展示的目标UI元件之后,若待推荐物品满足预设升级条件,则根据预设升级条件将至少一个目标UI元件替换为展示级别更高的另一候选UI元件。
本实施例中,通过设置预设降级条件,当待推荐物品的某项信息符合预设降级条件时,可以将该项信息的展示方式进行降级,从而可以灵活地调整物品的信息页面的展示样式。
示例性地,图5为本申请一示例性实施例提供的物品信息流的UI元件动态推荐的框架图,如图5所示,服务器提供素材模型,包括物品信息流中信息页面的布局素材、区域素材、元件素材和数据素材。服务器还存储有算法推荐池,包括智能UI推荐算法、物品推荐算法等。在进行物品信息流的智能UI推荐时,服务器会遍历每一区域的所有候选UI元件(也即元件素材),以推荐每一待推荐物品的信息页面内较优的UI元件组合。服务器还可以提供互斥组、最大推荐数、降级规则、强制展示等UI元件编排规则,以提高信息页面内的UI元件组合的灵活性和规范性。
其中,布局素材包括多种不同的布局信息,每一种布局信息具有对应的布局模板,包括布局行数和布局列数等信息。区域素材对应一个区域,包括区域的唯一标识(如图5所示的区域标签)、区域的候选UI元件的数量(如图5所示的元件数量)、区域内UI元件的最大推荐数(也即元件展示数量阈值)。元件素材对应一个候选UI元件,包括候选UI元件的展示样式、绑定的展示数据的信息(如图5所示的绑定数据)、元件特征、相关的预设降级规则等。数据素材对应一项展示数据,包括展示数据的数据格式、字段映射信息、对应实体类型(如物品、商家、主题等)、来源信息等。其中字段映射信息用于实现不同系统平台中用于存储同一项数据的不同字段间的映射关系,来源信息是指该项展示数据来自哪个数据源(可以来源于多个不同的系统平台)。
另外,如图5所示,服务器还可以提供基准池,包括一种或多种固定元件组合,可以作为AB实验的对比推荐方案,选择优于固定元件组合的推荐方案,或者使用较优的固定元件组合的推荐方案。
本实施例中,实现了物品信息流的动态化的展示组装能力,通过拆分布局、区域、UI元件、数据信息的原子化信息,结合人群偏好和行业化策略,适配不同人群进行展示编排,有效降低了用户的决策时间成本,并提升体验质量。
在实际应用中,对于采购商、供应商等B类用户,在选择某一类目物品时通常会关联采购与该类目的物品具有相同使用场景的其他类目的物品。例如,对于一采购商,在物品摘要卡的瀑布流中点击了登山水壶这一类目的物品时,该采购商可能还具有采购登山场景下的登山杖、登山背包、护具、帐篷、睡袋等登山常用物品。在传统推荐方法中,通常只会基于用户点击的登山水壶的特征,推荐其他的水壶,没有考虑到B类用户一站式地关联采购诉求。
一种可选实施例中,可以基于运营经验,设置多个主题场景,每一主题场景下包括多种类目的物品。
上述步骤S302中,根据目标物品的物品特征确定待推荐物品,具体可以采用如下方式实现:
根据目标物品的物品特征,基于物品特征的相似度召回与目标物品具有相同类目的第一物品,并根据目标物品对应的主题场景,召回同一主题场景下与目标物品具有不同类目的第二物品;将第一物品和第二物品作为待推荐物品。
在选择待推荐物品时,如果用户触发的目标物品属于任一主题场景,那么可以向该用户推荐同一主题场景下的其他类目的物品,从而可以基于用户兴趣进行关联类目物品的推荐,聚合不同类目的物品,节省用户多次搜索的时间成本,使得B类用户在精准寻源更多物品的同时,也能发现额外惊喜的商机,提高物品推荐的灵活性,满足B类用户一站式的关联采购诉求。
示例性地,本申请提供的物品信息流的动态推荐方法,可以实现服务化的部署,如图6所示,物品信息流的动态推荐方法的在总体流程如下:
S1、投放网关接收物品信息流推荐请求;
S2、投放网关向物品推荐服务请求待推荐物品;
S3、物品推荐服务进行物品推荐,获取待推荐物品的信息;
S4、物品推荐服务向投放网关反馈待推荐物品的信息;
S5、投放网关向智能UI服务SDK请求智能UI推荐,携带智能UI推荐服务的标识;
S6、智能UI服务SDK向智能UI推荐服务请求智能UI推荐;
S7、智能UI推荐服务进行智能UI推荐,确定智能UI控制数据;
其中,智能UI控制数据包括物品信息流的布局信息、每一待推荐物品的信息页面中每一区域展示的目标UI元件的信息。
S8、智能UI推荐服务向智能UI服务SDK反馈智能UI控制数据;
S9、智能UI服务SDK向搜索引擎请求展示数据;
S10、搜索引擎获取展示数据;
S11、搜索引擎向智能UI服务SDK返回展示数据;
S12、智能UI服务SDK向投放网关返回智能UI控制数据和展示数据;
S13、投放网关将智能UI控制数据和展示数据推荐到物品信息流页面。
下面以用户触发“下单”这一行动点为例,用户在物品信息流页面上触发某一单品的信息页面中的“下单”行动点,后续处理流程如下:
S14、投放网关接收触发下单行动请求;
S15、投放网关向详情服务SDK发送触发下单行动请求;
S16、详情服务SDK进行下单行动处理;
S17、详情服务SDK向投放网关返回执行结果数据;
S18、投放网关将执行结果数据展示到物品信息流页面。
另外,本申请中,可以生成物品信息流的多种推荐方案,通过AB实验分流的方法,来选择较优的推荐方案,具体可以采用现有的AB实验分流方法,此处不再赘述。
图7为本申请实施例提供的一种物品信息流的动态推荐装置的结构示意图,本实施例提供的装置用于执行物品信息流的动态推荐方法,其中,物品信息流包含多个推荐物品的信息页面,信息页面分为多个区域,每一区域用于展示至少一个UI元件。
如图7所示,物品信息流的动态推荐装置70包括:特征处理模块71,物品推荐模块72,智能UI推荐模块73,展示数据获取模块74和推荐展示模块75。
特征处理模块71用于接收在用户对目标物品进行触发操作时发送的物品信息流获取请求,获取用户的用户特征和用户行为序列,并获取目标物品的物品特征。
物品推荐模块72用于根据目标物品的物品特征,确定待推荐物品。
智能UI推荐模块73用于针对每一待推荐物品,根据用户的用户特征和用户行为序列、待推荐物品的物品特征、以及信息页面中每一区域的候选UI元件的元件特征,确定每一候选UI元件与用户和待推荐物品的关联度,并根据每一候选UI元件与用户和待推荐物品的关联度,确定待推荐物品的信息页面中每一区域展示的目标UI元件。
展示数据获取模块74用于获取每一目标UI元件的展示数据。
推荐展示模块75用于根据每一待推荐物品的信息页面中每一区域展示的目标UI元件、目标UI元件的展示数据和信息页面的布局信息,渲染生成包含每一待推荐物品的信息页面的物品信息流。
本实施例提供的装置具体可以用于执行上述图3对应的方法实施例提供的方案,具体功能和所能实现的技术效果此处不再赘述。
一种可选实施例中,在实现根据用户的用户特征和用户行为序列、待推荐物品的物品特征、以及信息页面中每一区域的候选UI元件的元件特征,确定每一候选UI元件与用户和待推荐物品的关联度时,智能UI推荐模块还用于:
将用户的用户特征和用户行为序列、待推荐物品的物品特征、以及每一候选UI元件的元件特征输入训练好的智能UI推荐模型,通过智能UI推荐模型预测每一候选UI元件与用户和待推荐物品的关联度,关联度表示:基于包含候选UI元件的信息页面,用户对待推荐物品做出选用行为的可能性。
一种可选实施例中,在实现根据每一候选UI元件与用户和待推荐物品的关联度,确定待推荐物品的信息页面中每一区域展示的目标UI元件时,智能UI推荐模块还用于:
对于每一区域,根据该区域的每一候选UI元件与用户和待推荐物品的关联度,以及该区域的UI元件编排规则,选择n个候选UI元件作为该区域展示的目标UI元件,其中n为整数,n小于或等于该区域的元件展示数量阈值。
一种可选实施例中,该区域的UI元件编排规则包括以下至少一项:
候选UI元件的互斥关系,该区域展示的目标UI元件不包括具有互斥关系的候选UI元件;
强制展示的候选UI元件,该区域展示的目标UI元件包括强制展示的候选UI元件。
一种可选实施例中,至少一个区域的候选UI元件具有展示级别,展示级别表示UI元件显示时的醒目程度。在对于每一区域,根据该区域的每一候选UI元件与用户和待推荐物品的关联度,以及该区域的UI元件编排规则,选择n个候选UI元件作为该区域展示的目标UI元件之后,智能UI推荐模块还用于:
若待推荐物品满足预设降级条件,则根据预设降级条件将至少一个目标UI元件替换为展示级别更低的另一候选UI元件。
一种可选实施例中,在实现根据目标物品的物品特征,确定待推荐物品时,物品推荐模块还用于:
根据目标物品的物品特征,基于物品特征的相似度召回与目标物品具有相同类目的第一物品,并根据目标物品对应的主题场景,召回同一主题场景下与目标物品具有不同类目的第二物品;将第一物品和第二物品作为待推荐物品。
一种可选实施例中,信息页面至少包括以下区域:标签区。
标签区的每一候选UI元件用于展示一项推荐理由标签,标签区所能展示的推荐理由标签至少覆盖如下三类信息:物品卖点信息、商家资质信息、是否现货品。
本实施例提供的装置具体可以用于执行上述任一方法实施例提供的方案,具体功能和所能实现的技术效果此处不再赘述。
图8为本申请一示例实施例提供的电子设备的结构示意图。如图8所示,该电子设备80包括:处理器801,以及与处理器801通信连接的存储器802,存储器802存储计算机执行指令。
其中,处理器执行存储器存储的计算机执行指令,以实现上述任一方法实施例所提供的方案,具体功能和所能实现的技术效果此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现上述任一方法实施例所提供的方案,具体功能和所能实现的技术效果此处不再赘述。
本申请实施例还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一方法实施例所提供的方案,具体功能和所能实现的技术效果此处不再赘述。
另外,在上述实施例及附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。“多个”的含义是两个以上,除非另有明确具体的限定。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。