CN115659033A - 商户推荐方法、装置及计算机可读存储介质 - Google Patents
商户推荐方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115659033A CN115659033A CN202211354688.4A CN202211354688A CN115659033A CN 115659033 A CN115659033 A CN 115659033A CN 202211354688 A CN202211354688 A CN 202211354688A CN 115659033 A CN115659033 A CN 115659033A
- Authority
- CN
- China
- Prior art keywords
- merchant
- user
- information
- attribute information
- label
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种商户推荐方法、装置及计算机可读存储介质,涉及计算机技术领域,能够提高基于新用户的商户推荐的准确性。该方法包括:获取商户的属性信息和用户的属性信息;商户的属性信息包括商户的位置信息、商户的标识信息、商户的类别信息和商户的评价信息,用户的属性信息包括用户的一个或多个与应用程序对应的第一流量数据、用户的居住地位置信息和用户的工作地位置信息;根据商户的属性信息、用户的属性信息确定商户和用户之间的契合度集合;契合度集合包括一个或多个契合度;在契合度集合中存在大于第一预设阈值的契合度的情况下,向用户发送推送消息;推送消息包括商户的商户标识信息。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及商户推荐方法、装置及计算机可读存储介质。
背景技术
目前,随着计算机和网络应用的日益广泛以及不同领域的业务种类的日益丰富,向用户推荐相匹配的商户变得越来越重要。
现有的技术方案通常基于用户与商户之间的历史行为数据进行商户推荐。然而,现有的商户推荐方法基于与商户有过交互的老用户时商户推荐的准确性较高,在基于没有与商户有过交互的新用户时商户推荐的准确性较低。
发明内容
本申请提供一种商户推荐法、装置及计算机可读存储介质,能够提高基于新用户的商户推荐的准确性。
为达到上述目的,本申请采用如下技术方案:
第一方面,提供了一种商户推荐方法,方法包括:获取商户的属性信息和用户的属性信息;商户的属性信息包括商户的位置信息、商户的标识信息、商户的类别信息和商户的评价信息,用户的属性信息包括用户的一个或多个与应用程序对应的第一流量数据、用户的居住地位置信息和用户的工作地位置信息;根据商户的属性信息、用户的属性信息确定商户和用户之间的契合度集合;契合度集合包括一个或多个契合度;在契合度集合中存在大于第一预设阈值的契合度的情况下,向用户发送推送消息;推送消息包括商户的商户标识信息。
基于该方案,通过获取商户的属性信息和用户的属性信息,根据商户的属性信息和用户的属性信息确定商户和用户的契合度大于第一预设阈值,并向用户发送与商户对应的推送消息。与现有的方案相比,本申请的方案基于商户的属性信息和用户的属性信息进行商户推荐,无需用户与商户之间有过历史交互,能够提高基于新用户的商户推荐的准确性。
结合第一方面,在第一方面的某些实施方式中,根据商户的属性信息、用户的属性信息确定商户和用户之间的契合度集合,具体包括:根据用户的一个或多个第一流量数据确定用户的第一标签集合,第一标签集合包括一个或多个第一标签信息;根据商户的属性信息、第一标签集合、用户的属性信息确定商户和用户之间的契合度集合。
基于该方案,能够实现根据商户的属性信息、用户的属性信息确定商户和用户之间的契合度集合的方案。
结合第一方面,在第一方面的某些实施方式中,根据一个或多个第一流量数据确定用户的第一标签集合,具体包括:对一个或多个第一流量数据作对数处理,得到一个或多个第二流量数据;对一个或多个第二流量数据进行归一化处理,得到一个或多个第三流量数据;将第四流量数据对应的应用程序的类别信息作为第一标签集合中的标签信息;第四流量数据为一个或多个第三流量数据中大于第二预设阈值的流量数据。
基于该方案,能够实现根据用户的一个或多个第一流量数据确定用户的第一标签集合的方案。
结合第一方面,在第一方面的某些实施方式中,根据商户的属性信息、第一标签集合、用户的属性信息确定商户和用户之间的契合度集合,具体包括:对商户的属性信息中商户的评价信息进行分词处理,得到商家的第二标签集合;第二标签集合包括一个或多个第二标签信息,第二标签集合还包括商户的类别信息;根据商户的属性信息中的位置信息、第二标签集合、第一标签集合、用户的居住地位置信息、用户的工作地位置信息、用户的一个或多个与应用程序对应的第一流量数据确定契合度集合;商户的属性信息中的位置信息、第二标签集合、第一标签集合、用户的居住地位置信息、用户的工作地位置信息、用户的一个或多个与应用程序对应的第一流量数据和契合度集合中的契合度满足以下关系:
其中,Rus表示契合度,Mcw表示第一标签集合中的标签信息c与第二标签集合中的标签信息w之间的词向量距离,Fc表示标签信息c对应的第四流量数据,d1表示用户的工作地位置与商户的位置之间的距离,d2表示用户的居住地位置与商户的位置之间的距离。
基于该方案,能够实现根据商户的属性信息、第一标签集合、用户的属性信息确定商户和用户之间的契合度集合的方案。
第二方面,提供了一种商户推荐装置用于实现上述第一方面的商户推荐方法。该商户推荐装置包括实现上述方法相应的模块、单元、或手段(means),该模块、单元、或means可以通过硬件实现,软件实现,或者通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块或单元。
结合第二方面,在第二方面的某些实施方式中,商户推荐装置包括:收发模块和处理模块;收发模块,用于获取商户的属性信息和用户的属性信息;商户的属性信息包括商户的位置信息、商户的标识信息、商户的类别信息和商户的评价信息,用户的属性信息包括用户的一个或多个与应用程序对应的第一流量数据、用户的居住地位置信息和用户的工作地位置信息;处理模块,用于根据商户的属性信息、用户的属性信息确定商户和用户之间的契合度集合;契合度集合包括一个或多个契合度;收发模块,还用于在契合度集合中存在大于第一预设阈值的契合度的情况下,向用户发送推送消息;推送消息包括商户的商户标识信息。
结合第二方面,在第二方面的某些实施方式中,处理模块,具体用于:根据用户的一个或多个第一流量数据确定用户的第一标签集合,第一标签集合包括一个或多个第一标签信息;根据商户的属性信息、第一标签集合、用户的属性信息确定商户和用户之间的契合度集合。
结合第二方面,在第二方面的某些实施方式中,处理模块,还用于根据一个或多个第一流量数据确定用户的第一标签集合,具体包括:对一个或多个第一流量数据作对数处理,得到一个或多个第二流量数据;对一个或多个第二流量数据进行归一化处理,得到一个或多个第三流量数据;将第四流量数据对应的应用程序的类别信息作为第一标签集合中的标签信息;第四流量数据为一个或多个第三流量数据中大于第二预设阈值的流量数据。
结合第二方面,在第二方面的某些实施方式中,处理模块,还用于根据商户的属性信息、第一标签集合、用户的属性信息确定商户和用户之间的契合度集合,具体包括:对商户的属性信息中商户的评价信息进行分词处理,得到商家的第二标签集合;第二标签集合包括一个或多个第二标签信息,第二标签集合还包括商户的类别信息;根据商户的属性信息中的位置信息、第二标签集合、第一标签集合、用户的居住地位置信息、用户的工作地位置信息、用户的一个或多个与应用程序对应的第一流量数据确定契合度集合;商户的属性信息中的位置信息、第二标签集合、第一标签集合、用户的居住地位置信息、用户的工作地位置信息、用户的一个或多个与应用程序对应的第一流量数据和契合度集合中的契合度满足以下关系:
其中,Rus表示契合度,Mcw表示第一标签集合中的标签信息c与第二标签集合中的标签信息w之间的词向量距离,Fc表示标签信息c对应的第四流量数据,d1表示用户的工作地位置与商户的位置之间的距离,d2表示用户的居住地位置与商户的位置之间的距离。
第三方面,提供了一种商户推荐装置,包括:至少一个处理器、用于存储处理器可执行的指令的存储器;其中,处理器被配置为执行指令,以实现如第一方面及其任一种可能的实施方式所提供的方法。
第四方面,提供了一种计算机可读存储介质,当计算机可读存储介质中的指令由商户推荐装置的处理器执行时,使得商户推荐装置能够执行如第一方面及其任一种可能的实施方式所提供的方法。
第五方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机可以执行上述第一方面及其任一种可能的实施方式所提供的方法。
第六方面,提供了一种芯片系统,包括:处理器和接口电路;接口电路,用于接收计算机程序或指令并传输至处理器;处理器用于执行计算机程序或指令,以使该芯片系统执执行如上述第一方面及其任一种可能的实施方式所提供的方法。
其中,第二方面至第六方面中任一种实施方式所带来的技术效果可参见上述第一方面不同实施方式所带来的技术效果,在此不再赘述。
附图说明
图1为本申请提供的一种商户推荐系统的架构示意图;
图2为本申请提供的一种商户推荐方法的流程示意图;
图3为本申请提供的又一种商户推荐方法的流程示意图;
图4为本申请提供的又一种商户推荐方法的流程示意图;
图5为本申请提供的又一种商户推荐方法的流程示意图;
图6为本申请提供的一种商户推荐装置的结构示意图;
图7为本申请提供的又一种商户推荐装置的结构示意图。
具体实施方式
在本申请的描述中,除非另有说明,“多个”是指两个或多于两个。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
另外,为了便于清楚描述本申请实施例的技术方案,在本申请的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
同时,在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念,便于理解。
可以理解,说明书通篇中提到的“实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各个实施例未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。可以理解,在本申请的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
可以理解,在本申请中,“当…时”、“若”以及“如果”均指在某种客观情况下会做出相应的处理,并非是限定时间,且也不要求实现时一定要有判断的动作,也不意味着存在其它限定。
可以理解,本申请实施例中的一些可选的特征,在某些场景下,可以不依赖于其他特征,比如其当前所基于的方案,而独立实施,解决相应的技术问题,达到相应的效果,也可以在某些场景下,依据需求与其他特征进行结合。相应的,本申请实施例中给出的装置也可以相应的实现这些特征或功能,在此不予赘述。
本申请中,除特殊说明外,各个实施例之间相同或相似的部分可以互相参考。在本申请中各个实施例、以及各实施例中的各个实现方法中,如果没有特殊说明以及逻辑冲突,不同的实施例之间、以及各实施例中的各个实现方法之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例、以及各实施例中的各个实现方法中的技术特征根据其内在的逻辑关系可以组合形成新的实施例、实施方式、实施方法、或实现方法。以下的本申请实施方式并不构成对本申请保护范围的限定。
图1为本申请提供的一种商户推荐系统的架构示意图,本申请实施例的技术方案可以应用于图1所示的商户推荐系统,如图1所示,商户推荐系统10包括商户推荐装置11、电子设备12。
其中,商户推荐装置11与电子设备12直接连接或间接连接,该连接关系中,可以采用有线方式连接,也可以采用无线方式连接,本申请实施例对此不作限定。
商户推荐装置11可以用于接收来自电子设备12的数据。
电子设备12可以用于将数据发送给商户推荐装置11。
需要说明的,商户推荐装置11和电子设备12可以为相互独立的设备,也可以集成于同一设备中,本申请对此不作具体限定。
当商户推荐装置11和电子设备12集成于同一设备时,商户推荐装置11和电子设备12之间的通信方式为该设备内部模块之间的通信。这种情况下,二者之间的通信流程与“商户推荐装置11和电子设备12之间相互独立的情况下,二者之间的通信流程”相同。
在本申请提供的以下具体实施方式中,本申请以商户推荐装置11和电子设备12相互独立设置为例进行说明。
在实际应用中,本申请实施例提供的商户推荐方法可以应用于商户推荐装置11,也可以应用于商户推荐装置11中所包括的装置。
下面结合附图,以商户推荐方法应用于商户推荐装置11为例,对本申请实施例提供的商户推荐方法进行描述。
图2为本申请提供的一种商户推荐方法的流程示意图,如图2所示,该方法包括如下步骤:
S201、商户推荐装置获取商户的属性信息和用户的属性信息。
其中,商户的属性信息包括商户的位置信息、商户的标识信息、商户的类别信息和商户的评价信息,用户的属性信息包括用户的一个或多个与应用程序对应的第一流量数据、用户的居住地位置信息和用户的工作地位置信息。
需要说明的是,商户的位置信息可以为商户的经纬度,例如,商户的位置信息可以为(102.678285,41.300724),或者,商户的位置信息也可以为(112.678285,43.300724),本申请对此不作限制。
商户的标识信息可以为商户的名称,例如,商户的标识信息可以为第一游泳馆,或者,商户的标识信息也可以为第二面馆,本申请对此不作限制。
商户的类别信息可以为商户的分类,例如,商户的类别信息可以为游泳,或者,商户的类别信息也可以为川菜,商户的类别信息也可以为影视,本申请对此不作限制。
商户的评价信息可以为用户对商户的评价,例如,商户的评价信息可以为“游泳很舒服”,或者,商户的评价信息也可以为“烩面很好吃”,本申请对此不作限制。
用户的一个或多个与应用程序对应的第一流量数据可以为用户在应用程序消耗的流量,例如,用户在第一应用程序耗费了10兆流量,或者,用户在第二应用程序耗费了100兆流量,本申请对此不作限制。
用户的居住地位置信息可以为在02:00-04:00时间段,连续30天内超过20天接入的基站的经纬度,例如,用户的居住地位置信息可以为(212.678285,53.300724),或者,用户的居住地位置信息也可以为(312.678285,47.300724),本申请对此不作限制。
用户的工作地位置信息可以为在10:00-11或15:00-16:00时间段,连续30天内超过20天接入的基站的经纬度,例如,用户的工作地位置信息可以为(222.678285,23.300724),或者,用户的工作地位置信息也可以为(372.678285,42.300724),本申请对此不作限制。
作为一种可能的实现方式,结合图1,商户推荐装置接收来自电子设备12的消息,该消息中包括商户的属性信息、用户的属性信息。
作为又一种可能的实现方式,对于商户的属性信息,商户推荐装置构建出商户平台的统一资源定位系统(uniform resource locator,URL)连接的请求结构和请求头部,通过爬虫程序向商户平台发送请求消息,然后接收商户平台的响应消息,通过正则表达式从响应消息中获取商户的属性信息。
对于用户的属性信息,商户推荐装置获取应用程序特征库和通过s1-u接口或者N3接口获取用户的话单数据,从话单数据中获取用户的host字段、url字段和user_agent字段,通过host字段、url字段和user_agent字段中的应用程序标识和应用程序特征库确定应用程序的类别信息,将host字段、url字段和user_agent字段对应的流量作为应用程序对应的第一流量数据,应用程序特征库包括应用程序的类别信息与应用程序的标识之间的对应关系。商户推荐装置通过s1-mme接口或N2接口在话单数据中筛选出在02:00-04:00时间段,连续30天内超过20天都接入的基站,将该基站的经纬度作为用户的居住地位置信息,在话单数据中筛选出在10:00-11或15:00-16:00时间段,连续30天内超过20天都接入的基站,将该基站的经纬度作为用户的工作地位置信息。
需要说明的是,话单数据可以为外部数据表示(external data representation,XDR)话单数据。
在话单数据为XDR话单数据的情况下,商户推荐装置将核心网络接口链路中的原始码流通过分光、镜像、汇聚分流的方式输出给深度包检测(Deep Packet Inspection,DPI)设备,DPI设备对原始码流进行解码、合成、各协议关联、用户信息回填得到XDR话单数据。
DPI是一种基于数据包的深度检测技术,DPI在传统网际互连协议(internetprotocol,IP)数据包检测技术上增加了对应用户层数据的应用协议识别、数据包内容检测和深度解码。
S202、商户推荐装置根据商户的属性信息、用户的属性信息确定商户和用户之间的契合度集合。
其中,契合度集合包括一个或多个契合度。
作为一种可能的实现方式,商户推荐装置根据用户的属性信息确定用户的第一标签集合,根据第一标签集合、商户的属性信息和用户的属性信息确定商户和用户之间的契合度集合。
需要说明的是,该可能的实现方式的具体说明可以参考后续部分的说明,本申请在此不再赘述。
S203、商户推荐装置在契合度集合中存在大于第一预设阈值的契合度的情况下,向用户发送推送消息。
其中,推送消息包括商户的商户标识信息。
需要说明的是,第一预设阈值可以为70%,或者,第一预设阈值可以为80%,本申请对此不作限制。
推送消息还可以包括商户的优惠信息,例如,推送消息还可以包括商户的优惠券。
作为一种可能的实现方式,以第一预设阈值为70%为例,若契合度集合中包括两个契合度,分别为60%和80%,80%大于70%,则商户推荐装置向用户发送推送消息。
基于该方案,通过获取商户的属性信息和用户的属性信息,根据商户的属性信息和用户的属性信息确定商户和用户的契合度大于第一预设阈值,并向用户发送与商户对应的推送消息。与现有的方案相比,本申请的方案基于商户的属性信息和用户的属性信息进行商户推荐,无需用户与商户之间有过历史交互,能够提高基于新用户的商户推荐的准确性。
以上是对本申请的方案作了总体上的说明,下面将结合附图对本申请的方案作进一步的说明。
在一种设计中,图3为本申请提供的又一种商户推荐方法的流程示意图,如图3所示,本申请具体实施方案提供的S202,具体包括:
S301、商户推荐装置根据用户的一个或多个第一流量数据确定用户的第一标签集合。
其中,第一标签集合包括一个或多个第一标签信息。
需要说明的是,第一标签信息可以为应用程序的类别信息,例如,第一标签信息可以为医疗健康,或者,第一标签信息也可以为运动健身,或者,第一标签信息也可以为旅游资讯,本申请对此不作限制。
作为一种可能的实现方式,商户推荐装置将一个或多个第一流量数据中符合预设条件的流量数据对应的应用程序的类别信息作为第一标签集合中的第一标签信息。
需要说明的是,该可能的实现方式的具体说明可以参考后续部分的说明,本申请再次不再赘述。
S302、商户推荐装置根据商户的属性信息、第一标签集合、用户的属性信息确定商户和用户之间的契合度集合。
作为一种可能的实现方式,商户推荐装置对商户的属性信息中商户的类别信息和商户的评价信息进行分词处理,得到商户的第二标签集合,根据商户的属性信息、第二标签集合、第一标签集合、用户的属性信息确定商户与用户之间的契合度集合。
需要说明的是,该可能的实现方式的具体说明可以参考后续部分的说明,本申请再次不再赘述。
基于该方案,能够实现根据商户的属性信息、用户的属性信息确定商户和用户之间的契合度集合的方案。
在一种设计中,图4为本申请提供的又一种商户推荐方法的流程示意图,如图4所示,本申请具体实施方案提供的S301,具体包括:
S401、商户推荐装置对一个或多个第一流量数据作对数处理,得到一个或多个第二流量数据。
最为一种可能的实现方式,若第一流量数据的数量为2个,则商户推荐装置对2个第一流量数据作对数处理,得到2个第二流量数据。
需要说明的是,商户推荐装置对一个或多个第一流量数据作对数处理的具体方案可以参考现有的方案,本申请在此不再赘述。
S402、商户推荐装置对一个或多个第二流量数据进行归一化处理,得到一个或多个第三流量数据。
最为一种可能的实现方式,若第二流量数据的数量为2个,则商户推荐装置将2个第二流量数据进行归一化处理,得到2个第三流量数据。
需要说明的是,商户推荐装置对一个或多个第二流量数据进行归一化处理的具体方案可以参考现有的方案,本申请在此不再赘述。
示例性的,下表1为本申请提供的一种第三流量数据示意表。
表1:第三流量数据示意表
如表1所示,表1中包括9个用户的第三流量数据,以用户1为例,用户1与类别信息为医疗健康的应用程序对应的第三流量数据为0.875524,与类别信息为视频的应用程序对应的第三流量数据为0.809964,与类别信息为运动健身、大学生、女性群体、婚恋类关注、旅游资讯、亲子、游戏、理财的应用程序对应的第三流量数据为0。
S403、商户推荐装置将第四流量数据对应的应用程序的类别信息作为第一标签集合中的标签信息。
其中,第四流量数据为一个或多个第三流量数据中大于第二预设阈值的流量数据。
需要说明的是,第二预设阈值可以为0.7,或者,第二预设阈值也可以为0.8,本申请对此不作限制。
作为一种可能的实现方式,结合表1,以用户1为例,若第二预设阈值为0.8,商户推荐装置将类别信息为医疗健康的应用程序对应的第三流量数据和类别信息为视频的应用程序对应的第三流量数据分别作为第四流量数据,将医疗健康和视频作为第一标签集合中的标签信息。
基于该方案,能够实现根据用户的一个或多个第一流量数据确定用户的第一标签集合的方案。
在一种设计中,图5为本申请提供的又一种商户推荐方法的流程示意图,如图5所示,本申请具体实施方案提供的S302,具体包括:
S501、商户推荐装置对商户的属性信息中商户的评价信息进行分词处理,得到商家的第二标签集合。
其中,第二标签集合包括一个或多个第二标签信息,第二标签集合还包括商户的类别信息。
作为一种可能的实现方式,商户推荐装置基于jieba工具包从商户的评价信息中提取出特征词,并对特征词进行分词处理,得到多个分词信息,将多个分词信息中数量最多的名词作为第二标签集合中的第二标签,以及将商户的类别信息作为第二标签集合中的第二标签,得到第二标签集合。
S502、商户推荐装置根据商户的属性信息中的位置信息、第二标签集合、第一标签集合、用户的居住地位置信息、用户的工作地位置信息、用户的一个或多个与应用程序对应的第一流量数据确定契合度集合。
其中,商户的属性信息中的位置信息、第二标签集合、第一标签集合、用户的居住地位置信息、用户的工作地位置信息、用户的一个或多个与应用程序对应的第一流量数据和契合度集合中的契合度满足以下关系:
其中,Rus表示契合度,Mcw表示第一标签集合中标签信息c与第二标签集合中标签信息w之间的词向量距离,Fc表示标签信息c对应的第四流量数据,d1表示用户的工作地位置与商户的位置之间的距离,d2表示用户的居住地位置与商户的位置之间的距离。
需要说明的是,标签信息c可以为第一标签集合中的任意一个标签信息,标签信息w可以为第二标签集合中的任意一个标签信息。
商户推荐装置需要确定第一标签集合中每一个标签信息与第二标签集合中每一个标签信息之间的词向量距离,例如,在第一标签集合中包括2个标签信息和第二标签集合中包括2个标签信息的情况下,商户推荐装置确定4个词向量距离,进一步的,商户推荐装置确定契合度集合中的4个契合度。
对于Mcw,商户推荐装置根据word2Vec模型对标签信息c和标签信息w进行向量化处理,得到向量c和向量w,再通过余弦距离公式确定向量c和向量w之间的词向量距离。
Word2Vec模型是基于深度学习思想,通过训练文本数据集,将单个词语表示为高维向量空间中的某个点。Word2Vec模型主要包含两种训练模式:跳字模型(skip-gram)和连续词袋模型(continuous bag of words,CBOW)。Skip-gram模型是用当前词来预测上下文,CBOW是通过上下文来预测当前值。为了提高训练速度,常用的有两种加速方法:负采样(negative sample)和层次softmax(hierarchical softmax)。负采样是直接通过采样的方式减少负样本,另一种优化方式是通过层次Softmax将复杂度从O(n)降为O(log n)。本发明优先采用了Skip-gram with Negative Sampling(SGNS)进行词向量建模,使用百度百科数据进行Word2Vec模型的训练。
基于该方案,能够实现根据商户的属性信息、第一标签集合、用户的属性信息确定商户和用户之间的契合度集合的方案。
在一种设计中,在S203之后,商户推荐装置还可以获取用户与商户之间的互动消息,并根据互动消息对第一标签信息进行优化,互动消息为用户在商户的消费行为数据。
需要说明的是,该设计方式中,根据互动消息通过对第一标签信息进行优化的具体方案可以参考现有的方案,本申请对此不再赘述。
基于该方案,通过根据互动消息通过对第一标签信息进行优化,能够提升商户推荐的精准性。
上述主要从商户推荐装置执行商户推荐方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,商户推荐装置包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对商户推荐装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。可选的,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。此外,这里的“模块”可以指特定专用集成电路(application-specific integrated circuit,ASIC),电路,执行一个或多个软件或固件程序的处理器和存储器,集成逻辑电路,和/或其他可以提供上述功能的器件。
在采用功能模块划分的情况下,图6示出了一种商户推荐装置的结构示意图。如图6所示,该商户推荐装置60包括收发模块601和处理模块602。
在一些实施例中,该商户推荐装置60还可以包括存储模块(图6中未示出),用于存储程序指令和数据。
其中,收发模块601,用于获取商户的属性信息和用户的属性信息;商户的属性信息包括商户的位置信息、商户的标识信息、商户的类别信息和商户的评价信息,用户的属性信息包括用户的一个或多个与应用程序对应的第一流量数据、用户的居住地位置信息和用户的工作地位置信息;处理模块602,用于根据商户的属性信息、用户的属性信息确定商户和用户之间的契合度集合;契合度集合包括一个或多个契合度;收发模块601,还用于在契合度集合中存在大于第一预设阈值的契合度的情况下,向用户发送推送消息;推送消息包括商户的商户标识信息。
可选的,处理模块602,具体用于:根据用户的一个或多个第一流量数据确定用户的第一标签集合,第一标签集合包括一个或多个第一标签信息;根据商户的属性信息、第一标签集合、用户的属性信息确定商户和用户之间的契合度集合。
可选的,处理模块602,还用于根据一个或多个第一流量数据确定用户的第一标签集合,具体包括:对一个或多个第一流量数据作对数处理,得到一个或多个第二流量数据;对一个或多个第二流量数据进行归一化处理,得到一个或多个第三流量数据;将第四流量数据对应的应用程序的类别信息作为第一标签集合中的标签信息;第四流量数据为一个或多个第三流量数据中大于第二预设阈值的流量数据。
可选的,处理模块602,还用于根据商户的属性信息、第一标签集合、用户的属性信息确定商户和用户之间的契合度集合,具体包括:对商户的属性信息中商户的评价信息进行分词处理,得到商家的第二标签集合;第二标签集合包括一个或多个第二标签信息,第二标签集合还包括商户的类别信息;根据商户的属性信息中的位置信息、第二标签集合、第一标签集合、用户的居住地位置信息、用户的工作地位置信息、用户的一个或多个与应用程序对应的第一流量数据确定契合度集合;商户的属性信息中的位置信息、第二标签集合、第一标签集合、用户的居住地位置信息、用户的工作地位置信息、用户的一个或多个与应用程序对应的第一流量数据和契合度集合中的契合度满足以下关系:
其中,Rus表示契合度,Mcw表示第一标签集合中的标签信息c与第二标签集合中的标签信息w之间的词向量距离,Fc表示标签信息c对应的第四流量数据,d1表示用户的工作地位置与商户的位置之间的距离,d2表示用户的居住地位置与商户的位置之间的距离。
上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
在采用硬件的形式实现上述功能模块的功能的情况下,图7示出了一种商户推荐装置的结构示意图。如图7所示,该商户推荐装置70包括处理器701,存储器702以及总线703。处理器701与存储器702之间可以通过总线703连接。
处理器701是商户推荐装置70的控制中心,可以是一个处理器,也可以是多个处理元件的统称。例如,处理器701可以是一个通用中央处理单元(central processing unit,CPU),也可以是其他通用处理器等。其中,通用处理器可以是微处理器或者是任何常规的处理器等。
作为一种实施例,处理器701可以包括一个或多个CPU,例如图7中所示的CPU 0和CPU 1。
存储器702可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
作为一种可能的实现方式,存储器702可以独立于处理器701存在,存储器702可以通过总线703与处理器701相连接,用于存储指令或者程序代码。处理器701调用并执行存储器702中存储的指令或程序代码时,能够实现本申请实施例提供的商户推荐方法。
另一种可能的实现方式中,存储器702也可以和处理器701集成在一起。
总线703,可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外围设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
需要指出的是,图7示出的结构并不构成对该商户推荐装置70的限定。除图7所示部件之外,该商户推荐装置70可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
作为一个示例,结合图6,商户推荐装置60中的收发模块601和处理模块602实现的功能与图7中的处理器701的功能相同。
可选的,如图7所示,本申请实施例提供的商户推荐装置70还可以包括通信接口704。
通信接口704,用于与其他设备通过通信网络连接。该通信网络可以是以太网,无线接入网,无线局域网(wireless local area networks,WLAN)等。通信接口704可以包括用于接收数据的接收单元,以及用于发送数据的发送单元。
在一种可能的实现方式中,本申请实施例提供的商户推荐装置70中,通信接口704还可以集成在处理器701中,本申请实施例对此不做具体限定。
作为一种可能的产品形态,本申请实施例的商户推荐装置,还可以使用下述来实现:一个或多个现场可编程门阵列(field programmable gate array,FPGA)、可编程逻辑器件(programmable logic device,PLD)、控制器、状态机、门逻辑、分立硬件部件、任何其它适合的电路、或者能够执行本申请通篇所描述的各种功能的电路的任意组合。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能单元的划分进行举例说明。在实际应用中,可以根据需要而将上述功能分配由不同的功能单元完成,即将装置的内部结构划分成不同的功能单元,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序或指令,计算机程序或指令被执行时使得计算机执行上述方法实施例所示的方法流程中的各个步骤。
本申请的实施例提供一种包含指令的计算机程序产品,当指令在计算机上运行时,使得计算机执行上述方法实施例所示的方法流程中的各个步骤。
本申请实施例提供一种芯片系统,包括:处理器和接口电路;接口电路,用于接收计算机程序或指令并传输至处理器;处理器用于执行计算机程序或指令,以使该芯片系统执行上述方法实施例所示的方法流程中的各个步骤。
其中,计算机可读存储介质,例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘。随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的人以合适的组合、或者本领域数值的任何其他形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途ASIC中。在本申请实施例中,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。
由于本实施例提供的商户推荐装置、计算机可读存储介质、计算机程序产品可以应用于上述由于本实施例提供的商户推荐方法,因此,其所能获得的技术效果也可参考上述方法实施例,本申请实施例在此不再赘述。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看附图、公开内容、以及所附权利要求书,可理解并实现公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种商户推荐方法,其特征在于,所述方法包括:
获取商户的属性信息和用户的属性信息;所述商户的属性信息包括商户的位置信息、商户的标识信息、商户的类别信息和商户的评价信息,所述用户的属性信息包括用户的一个或多个与应用程序对应的第一流量数据、用户的居住地位置信息和用户的工作地位置信息;
根据所述商户的属性信息、所述用户的属性信息确定所述商户和所述用户之间的契合度集合;所述契合度集合包括一个或多个契合度;
在所述契合度集合中存在大于第一预设阈值的契合度的情况下,向所述用户发送推送消息;所述推送消息包括所述商户的商户标识信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述商户的属性信息、所述用户的属性信息确定所述商户和所述用户之间的契合度集合,具体包括:
根据所述用户的一个或多个所述第一流量数据确定所述用户的第一标签集合,所述第一标签集合包括一个或多个第一标签信息;
根据所述商户的属性信息、所述第一标签集合、所述用户的属性信息确定所述商户和所述用户之间的契合度集合。
3.根据权利要求2所述的方法,其特征在于,所述根据一个或多个所述第一流量数据确定用户的第一标签集合,具体包括:
对一个或多个所述第一流量数据作对数处理,得到一个或多个第二流量数据;
对所述一个或多个第二流量数据进行归一化处理,得到一个或多个第三流量数据;
将第四流量数据对应的应用程序的类别信息作为所述第一标签集合中的标签信息;所述第四流量数据为所述一个或多个第三流量数据中大于第二预设阈值的流量数据。
4.根据权利要求2-3任一项所述的方法,其特征在于,所述根据所述商户的属性信息、所述第一标签集合、所述用户的属性信息确定所述商户和所述用户之间的契合度集合,具体包括:
对所述商户的属性信息中所述商户的评价信息进行分词处理,得到商家的第二标签集合;所述第二标签集合包括一个或多个第二标签信息,所述第二标签集合还包括所述商户的类别信息;
根据所述商户的属性信息中的位置信息、所述第二标签集合、所述第一标签集合、所述用户的居住地位置信息、所述用户的工作地位置信息、所述用户的一个或多个与应用程序对应的第一流量数据确定所述契合度集合;所述商户的属性信息中的位置信息、所述第二标签集合、所述第一标签集合、所述用户的居住地位置信息、所述用户的工作地位置信息、所述用户的一个或多个与应用程序对应的第一流量数据和所述契合度集合中的契合度满足以下关系:
其中,Rus表示所述契合度,Mcw表示所述第一标签集合中的标签信息c与所述第二标签集合中的标签信息w之间的词向量距离,Fc表示所述标签信息c对应的第四流量数据,d1表示所述用户的工作地位置与所述商户的位置之间的距离,d2表示所述用户的居住地位置与所述商户的位置之间的距离。
5.一种商户推荐装置,其特征在于,所述商户推荐装置包括:收发模块和处理模块;
所述收发模块,用于获取商户的属性信息和用户的属性信息;所述商户的属性信息包括商户的位置信息、商户的标识信息、商户的类别信息和商户的评价信息,所述用户的属性信息包括用户的一个或多个与应用程序对应的第一流量数据、用户的居住地位置信息和用户的工作地位置信息;
所述处理模块,用于根据所述商户的属性信息、所述用户的属性信息确定所述商户和所述用户之间的契合度集合;所述契合度集合包括一个或多个契合度;
所述收发模块,还用于在所述契合度集合中存在大于第一预设阈值的契合度的情况下,向所述用户发送推送消息;所述推送消息包括所述商户的商户标识信息。
6.根据权利要求5所述的商户推荐装置,其特征在于,所述处理模块,具体用于:
根据所述用户的一个或多个所述第一流量数据确定所述用户的第一标签集合,所述第一标签集合包括一个或多个第一标签信息;
根据所述商户的属性信息、所述第一标签集合、所述用户的属性信息确定所述商户和所述用户之间的契合度集合。
7.根据权利要求6所述的商户推荐装置,其特征在于,所述处理模块,还用于根据一个或多个所述第一流量数据确定用户的第一标签集合,具体包括:
对一个或多个所述第一流量数据作对数处理,得到一个或多个第二流量数据;
对所述一个或多个第二流量数据进行归一化处理,得到一个或多个第三流量数据;
将第四流量数据对应的应用程序的类别信息作为所述第一标签集合中的标签信息;所述第四流量数据为所述一个或多个第三流量数据中大于第二预设阈值的流量数据。
8.根据权利要求6-7任一项所述的商户推荐装置,其特征在于,所述处理模块,还用于根据所述商户的属性信息、所述第一标签集合、所述用户的属性信息确定所述商户和所述用户之间的契合度集合,具体包括:
对所述商户的属性信息中所述商户的评价信息进行分词处理,得到商家的第二标签集合;所述第二标签集合包括一个或多个第二标签信息,所述第二标签集合还包括所述商户的类别信息;
根据所述商户的属性信息中的位置信息、所述第二标签集合、所述第一标签集合、所述用户的居住地位置信息、所述用户的工作地位置信息、所述用户的一个或多个与应用程序对应的第一流量数据确定所述契合度集合;所述商户的属性信息中的位置信息、所述第二标签集合、所述第一标签集合、所述用户的居住地位置信息、所述用户的工作地位置信息、所述用户的一个或多个与应用程序对应的第一流量数据和所述契合度集合中的契合度满足以下关系:
其中,Rus表示所述契合度,Mcw表示所述第一标签集合中的标签信息c与所述第二标签集合中的标签信息w之间的词向量距离,Fc表示所述标签信息c对应的第四流量数据,d1表示所述用户的工作地位置与所述商户的位置之间的距离,d2表示所述用户的居住地位置与所述商户的位置之间的距离。
9.一种商户推荐装置,其特征在于,所述商户推荐装置包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序或指令,当所述程序或指令被所述处理器执行时,使得所述商户推荐装置执行如权利要求1至4中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序或指令,其特征在于,所述计算机程序或指令被执行时使得计算机执行如权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211354688.4A CN115659033A (zh) | 2022-11-01 | 2022-11-01 | 商户推荐方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211354688.4A CN115659033A (zh) | 2022-11-01 | 2022-11-01 | 商户推荐方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115659033A true CN115659033A (zh) | 2023-01-31 |
Family
ID=84996039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211354688.4A Pending CN115659033A (zh) | 2022-11-01 | 2022-11-01 | 商户推荐方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115659033A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116308513A (zh) * | 2023-03-10 | 2023-06-23 | 深圳市优讯信息技术有限公司 | 一种代发客群账户促活留存激励方法、装置、介质及设备 |
-
2022
- 2022-11-01 CN CN202211354688.4A patent/CN115659033A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116308513A (zh) * | 2023-03-10 | 2023-06-23 | 深圳市优讯信息技术有限公司 | 一种代发客群账户促活留存激励方法、装置、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107526800B (zh) | 信息推荐的装置、方法及计算机可读存储介质 | |
CN109522483B (zh) | 用于推送信息的方法和装置 | |
TWI408560B (zh) | 用以在一電腦網路中推薦使用者其可能感興趣的項目或人物的方法、系統及其裝置 | |
CN110597962B (zh) | 搜索结果展示方法、装置、介质及电子设备 | |
US20110225038A1 (en) | System and Method for Efficiently Evaluating Complex Boolean Expressions | |
CN110009486B (zh) | 一种欺诈检测的方法、系统、设备及计算机可读存储介质 | |
JP2006031716A (ja) | 指数モデルの適合 | |
US11729286B2 (en) | Feature-based network embedding | |
US11574123B2 (en) | Content analysis utilizing general knowledge base | |
CN115659033A (zh) | 商户推荐方法、装置及计算机可读存储介质 | |
CN113435523B (zh) | 预测内容点击率的方法、装置、电子设备以及存储介质 | |
CN110442803A (zh) | 由计算设备执行的数据处理方法、装置、介质和计算设备 | |
CN110059172A (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
CN104077288A (zh) | 网页内容推荐方法和网页内容推荐设备 | |
CN110262906B (zh) | 接口标签推荐方法、装置、存储介质和电子设备 | |
CN111930891A (zh) | 基于知识图谱的检索文本扩展方法及相关装置 | |
EP4116884A2 (en) | Method and apparatus for training tag recommendation model, and method and apparatus for obtaining tag | |
JP7499946B2 (ja) | インテリジェント推奨用のソートモデルトレーニング方法及び装置、インテリジェント推奨方法及び装置、電子機器、記憶媒体、並びにコンピュータプログラム | |
CN108460475A (zh) | 基于学生上网行为的贫困生预测方法和装置 | |
CN114297380A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN114782077A (zh) | 信息筛选方法、模型训练方法、装置、电子设备和介质 | |
CN111444338A (zh) | 文本处理、装置、存储介质及设备 | |
CN112947928A (zh) | 代码评价的方法、装置、电子设备和存储介质 | |
CN113342998B (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN112948589B (zh) | 文本分类方法、装置和计算机可读存储介质 |
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 |