CN116012118B - 一种产品推荐方法和装置 - Google Patents

Abstract

本申请实施例提供一种产品推荐方法和装置，涉及电子设备技术领域。方法能够根据多域行为数据，对目标域进行行为数据增强，进而确定目标域中标签或产品的偏好程度。方法可以包括：获取第二应用程序的行为数据，行为数据包括：标签或产品的标识，行为领域，正向行为或负向行为，行为类型，行为个数，行为发生时间。根据电子设备中预设的标签对应关系，将第二应用程序的行为数据，映射到第一应用程序的标签或产品中，获取第一应用程序对应的融合行为数据。标签对应关系指示第二应用程序中包括至少一个标签或产品，与第一应用程序中的至少一个标签或产品具有映射关系。根据融合行为数据，对第一应用程序中的各个标签或产品进行偏好排序。

Description

一种产品推荐方法和装置

技术领域

本申请实施例涉及电子设备技术领域，尤其涉及一种产品推荐方法和装置。

背景技术

电子设备中的应用程序可以根据用户在该应用程序中的行为数据，确定用户对各个标签或产品的偏好。应用程序可以根据用户的偏好，对各个标签或产品进行排序。对于排序靠前的产品或标签，应用程序可以指示电子设备优先向用户展示，以便使得用户可以更加快捷地找到感兴趣的标签或产品。

然而，在缺乏用户对该应用程序的行为数据时，应用程序就无法确定用户的偏好，也就无法向用户优先展示偏好程度较高的标签或产品。

发明内容

本申请提供一种产品推荐方法和装置，能够根据多域行为数据，对目标域进行行为数据增强，进而确定目标域中标签或产品的偏好程度。即使在缺乏目标域中的行为数据的情况下，电子设备或应用程序也能够有效地确定目标域中用户对于各个标签或产品的偏好程度。

为实现上述技术目的，本申请采用如下技术方案：

第一方面，提供一种产品推荐方法，该方法应用于电子设备中，该方法用于对第一应用程序中的标签或产品进行基于用户偏好的排序推荐。该第一应用程序安装在该电子设备中，该电子设备中还安装有至少一个第二应用程序。该方法包括：获取该第二应用程序的行为数据，该行为数据包括以下中的至少一种：标签或产品的标识，行为领域，正向行为或负向行为，行为类型，行为个数，行为发生时间。根据该电子设备中预设的标签对应关系，将该第二应用程序的行为数据，映射到该第一应用程序的标签或产品中，获取第一应用程序对应的融合行为数据。该标签对应关系指示该第二应用程序中包括至少一个标签或产品，与该第一应用程序中的至少一个标签或产品具有映射关系。根据该融合行为数据，对该第一应用程序中的各个标签或产品进行偏好排序。

这样，通过将第二应用程序（即融合域）的行为数据向第一应用程序（即目标域）进行数据增强。使得目标域的行为数据较少或不存在的情况下，电子设备依然能够根据融合行为数据确定目标域下各个标签或产品对应的行为数据，进而据此进行用户偏好排序。由此即可向用户提供更加准确的基于偏好的产品推荐。

可选的，该获取该第二应用程序的行为数据，包括：获取该第二应用程序的至少一个第一行为数据，该至少一个第一行为数据中的每一个，与该第二应用程序中的至少一个标签或产品对应。可以理解的是，基于该对应关系，能够有效地建立不同域行为数据的映射关系。由此使得行为数据的数据增强更加准确。避免不相关的数据被互相增强的情况发生。

可选的，该第一应用程序以及该第二应用程序中的标签，均包括至少一个一级标签，以及该一级标签下的至少一个二级标签，该获取第一应用程序对应的融合行为数据该，包括：根据该标签对应关系，将该第二应用程序的一级标签的行为数据，映射到与该第二应用程序的一级标签具有映射关系的该第一应用程序的一级标签下，和/或，根据该标签对应关系，将该第二应用程序的二级标签的行为数据，映射到与该第二应用程序的二级标签具有映射关系的该第一应用程序的二级标签下。在另一些实现中，应用程序中也可以仅包括一级标签，或者，应用程序的二级标签下还可以包括更多层次的标签。

可选的，该电子设备中预设的标签对应关系包括至少一个第一映射关系，该第一映射关系用于标示该第一应用程序的二级标签与该第二应用程序的二级标签之间的映射关系。

可选的，该至少一个第一映射关系根据如下方法获取：针对任一个第一标签，确定该第一应用程序中，至少一个第二标签与该第一标签的第一语义相似度（S1）。该第一标签是该第二应用程序中的任一个二级标签，该第二标签是该第一应用程序中的任意一个二级标签。判断该第一语义相似度（S1）是否大于第一阈值（T1）。在该第一语义相似度（S1）大于该第一阈值（T1）的情况下，将该第一标签和该第二标签的映射关系，确定为一个该第一映射关系。

可选的，该方法还包括：在该第一语义相似度（S1）不超过该第一阈值（T1）的情况下，确定该第一标签与至少一个第三标签的第二语义相似度（S2），该第三标签是该第一应用程序中的任一个一级标签。判断该第二语义相似度（S2）是否大于第二阈值（T2）。在该第二语义相似度（S2）大于该第二阈值（T2）的情况下，将该第一标签和第四标签的映射关系，确定为一个该第一映射关系。该第四标签是该第三标签下的热门二级标签。

可选的，该第四标签是该第三标签下的热门二级标签，包括：该第四标签是该第三标签下，点击访问量最大的二级标签。

由此提供了一种二级标签的基于语义相似度的映射关系建立机制。该映射关系的建立过程可以是在进行产品推荐时实时进行的，也可以是预先完成存储在电子设备中的。

可选的，该电子设备中预设的标签对应关系还包括至少一个第二映射关系，该第二映射关系用于标示该第一应用程序的一级标签与该第二应用程序的一级标签之间的映射关系。

可选的，该至少一个第二映射关系根据如下方法获取：针对任一个第五标签，确定该第一应用程序中，至少一个第三标签与该第五标签的第三语义相似度（S3）。该第五标签是该第二应用程序中的任一个一级标签，该第三标签是该第一应用程序中的任意一个一级标签。判断该第三语义相似度（S3）是否大于第三阈值（T3）。在该第三语义相似度（S3）大于该第三阈值（T3）的情况下，将该第三标签和该第五标签的映射关系，确定为一个该第二映射关系。

由此，提供了又一种映射关系的建立机制。该方案可以应用于对同一级标签的映射关系的确定。

可选的，该根据该融合行为数据，对该第一应用程序中的各个标签或产品进行偏好排序，包括：根据该融合行为数据，确定该第一应用程序中，各个标签或产品的偏好分数。该偏好分数越高，标示对应标签或产品的用户偏好程度越高。该偏好分数越低，标示对应标签或产品的用户偏好程度越低。

可选的，该确定偏好分数，包括：根据当前标签或产品的融合行为数据，以及预设的多因子融合方法，确定当前标签或产品的偏好分数。

可选的，该多因子融合方法包括：根据融合行为数据，获取当前标签或产品的打分因子，该打分因子包括以下中的至少一项：多维行为贡献度因子，时间衰减因子，标签去热因子，以及标签用户重要度因子。根据该打分因子，确定当前标签或产品的偏好分数。

由此，通过多因子融合方法，结合多个维度的打分因子以及引入多维度（如二维）时间衰减因子，使得偏好分数更加贴近用户偏好。通过引入标签去热因子，避免突发热点对于当前用户的偏好排序的影响。

可选的，该第一应用程序的标签下还包括多个产品。该方法还包括：根据预设的产品排序规则，确定任一标签下的产品推荐顺序。

可选的，该产品排序规则包括：针对每一个第一物品，执行以下操作以获取对应的排序得分，该第一物品是当前标签中的任一个物品。判断第一物品是否是新品，第一物品包括在当前标签中。在该第一物品是新品的情况下，获取当前标签中的至少一个第二物品的使用数据，该使用数据包括历史点击率和/或曝光数。判断随机概率（pi）是否大于概率阈值（pt）。在该随机概率（pi）大于该概率阈值（pt）的情况下，将该第一物品加入排序队列，该排序队列中的物品参与产品推荐。根据该使用数据，确定该第一物品的排序得分。当前标签下的多个物品，按照对应排序得分由大到小进行排序，取前N个物品参加产品推荐，产品推荐的顺序根据物品的排序得分确定。

可选的，该产品排序规则还包括：在该第一物品不是新品的情况下，获取该第一物品的该使用数据，将该第一物品加入该排序队列。

可以理解的是，该某一标签下的产品排序结果，可以是预先执行后存储在电子设备中，以便于快速调用。或者，该某一标签下的产品排序也可以是根据实时数据执行获取的。

第二方面，提供一种产品推荐装置，该装置设置在电子设备中，该装置按照第一方面及其任意中可能的设计中提供的方法，对第一应用程序中的标签或产品进行基于用户偏好的排序推荐。该第一应用程序安装在该电子设备中，该电子设备中还安装有至少一个第二应用程序。该产品推荐装置包括：多域数据融合单元，用于获取该第二应用程序的行为数据，该行为数据包括以下中的至少一种：标签或产品的标识，行为领域，正向行为或负向行为，行为类型，行为个数，行为发生时间。该多域数据融合单元，还用于根据该电子设备中预设的标签对应关系，将该第二应用程序的行为数据，映射到该第一应用程序的标签或产品中，获取第一应用程序对应的融合行为数据。该标签对应关系指示该第二应用程序中包括至少一个标签或产品，与该第一应用程序中的至少一个标签或产品具有映射关系。偏好计算单元，用于根据该融合行为数据，对该第一应用程序中的各个标签或产品进行偏好排序。

可选的，该装置还包括：物品排序单元，用于根据预设的产品排序规则，确定任一标签下的产品推荐顺序。

可选的，该产品排序规则包括：针对每一个第一物品，执行以下操作以获取对应的排序得分，该第一物品是当前标签中的任一个物品。判断第一物品是否是新品，第一物品包括在当前标签中。在该第一物品是新品的情况下，获取当前标签中的至少一个第二物品的使用数据，该使用数据包括历史点击率和/或曝光数。判断随机概率（pi）是否大于概率阈值（pt）。在该随机概率（pi）大于该概率阈值（pt）的情况下，将该第一物品加入排序队列，该排序队列中的物品参与产品推荐。根据该使用数据，确定该第一物品的排序得分。当前标签下的多个物品，按照对应排序得分由大到小进行排序，取前N个物品参加产品推荐，产品推荐的顺序根据物品的排序得分确定。

可选的，该产品排序规则还包括：在该第一物品不是新品的情况下，获取该第一物品的该使用数据，将该第一物品加入该排序队列。

第三方面，本申请还提供一种电子设备，该电子设备包括：存储器、显示屏和一个或多个处理器。存储器、显示屏和处理器耦合。其中，存储器用于存储计算机程序代码，计算机程序代码包括计算机指令，当处理器执行计算机指令时，是电子设备执行上述第一方面及其任一种可能的实现中提供的技术方案。

第四方面，本申请还提供一种芯片系统，该芯片系统应用于电子设备；芯片系统可以包括一个或多个接口电路和一个或多个处理器。接口电路和处理器通过线路互联，接口电路用于从电子设备的存储器接收信号，并向处理器发送该信号，该信号包括存储器中存储的计算机指令。当处理器执行上述的计算机指令时，电子设备执行上述第一方面及其任一种可能的实现中提供的技术方案。

第五方面，本申请还提供一种计算机可读存储介质，包括计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行上述第一方面及其任一种可能的实现中提供的技术方案。

第六方面，本申请还提供一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述第一方面及其任一种可能的实现中提供的技术方案。

可以理解的是，上述本申请提供的第二方面到第六方面提供的技术方案，可以分别对应到第一方面及其任一种的可能的设计中，能够获取的有益效果类似，此处不再赘述。

附图说明

图1为一种商城应用运行的界面示意图；

图2为一种社区应用运行的界面示意图；

图3为一种应用和域的对应关系示意图；

图4为一种偏好排序的方法逻辑示意图；

图5为本申请实施例提供的一种电子设备的组成示意图；

图6为本申请实施例提供的一种电子设备的软件组成示意图；

图7为本申请实施例提供的一种产品推荐模块的组成示意图；

图8为本申请实施例提供的一种行为数据融合的流程示意图；

图9为本申请实施例提供的一种不同域数据映射关系的示意图；

图10为本申请实施例提供的一种标签对应关系的获取方法的流程示意图；

图11为本申请实施例提供的另一种标签对应关系的获取方法的流程示意图；

图12为本申请实施例提供的一种多个域中标签分布的示意图；

图13为本申请实施例提供的一种基于语义相似度确定的不同标签映射关系的示意图；

图14为本申请实施例提供的一种不同域的用户行为的示意图；

图15为本申请实施例提供的一种数据增强的示意图；

图16为本申请实施例提供的一种偏好分数的确定逻辑的示意图；

图17为本申请实施例提供的一种产品推荐方案的逻辑示意图；

图18为本申请实施例提供的一种基于多域数据的产品推荐的效果示意图；

图19为本申请实施例提供的一种产品排序方案的流程示意图；

图20为本申请实施例提供的另一种电子设备的组成示意图；

图21为本申请实施例提供的一种芯片系统的组成示意图。

具体实施方式

以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。

电子设备中可以安装一个或多个应用程序以便提供不同的功能。在一个或多个应用程序中可以包括一些应用存在关联性。

示例性的，以电子设备中可以安装有商城应用以及社区应用为例。商城应用可以向用户提供多种不同产品的查看、购买功能。社区应用则可以提供该不同产品对应的板块，以便于用户在不同板块中对对应产品进行评价、咨询等。

参考图1，以电子设备运行商城应用为例。

如图1所示，在电子设备的主界面101上可以显示有商城应用的图标102。用户可以对电子设备输入操作103，指示电子设备运行商城应用。例如，该操作103可以包括用户对图标102的点击操作。响应于该操作103，电子设备可以运行商城应用，并切换显示商城应用的界面104。该界面104中可以包括商城应用提供的多个不同产品的相关信息。

可以理解的是，在应用程序中，可以提供多级标签，实现产品的合理归类，便于用户查找。在本申请中，应用程序中可以包括一个或多个一级标签以及一个或多个二级标签。一级标签可以是二级标签的上一级标签。二级标签中可以包括一个或多个产品。

结合图1的示例。在一些实现中，商城应用向用户展示的不同产品的信息也可以是分类展示的。例如，如界面104中的示例，该分类可以包括一级类目以及二级类目。一级类目可以对应于以一级标签，二级类目可以对应于二级标签。

在如图1的示例中，一级类目可以包括多个，如手机、笔记本、平板等。在每个一级类目下，可以包括多个二级类目。例如，每个二级类目可以对应于该一级类目下的一个系列产品。如界面104所示，一级类目“手机”下，可以包括三个二级类目，分别为系列A、系列B以及系列C。

在用户需要查看系列A的手机详情时，可以在界面104上输入操作105。例如，该操作105可以是对系列A的标签输入的点击操作。响应于操作105，电子设备可以切换显示界面106。在该界面106上，可以向用户详细展示系列A的手机具体包括哪些产品。如系列A中的手机1、系列A的手机2、系列A的手机3等。

在该界面106上，用户可以通过输入操作（如操作107）查看任一个手机的产品详情。以用户查看系列A的手机1的详情为例。用户可以对系列A的手机1对应的图块输入操作107。例如，该操作107可以包括点击操作。响应于该操作107，电子设备可以切换显示界面108。在该界面108中可以包括系列A的手机1的外观图、产品特点等产品详情。

在一些实现中，在界面108中还可以包括用于进行产品购买或收藏的控件。例如，在界面108中可以包括控件109。用户在想要购买系列A的手机1时，可以点击该控件109。以便于电子设备对应进入购买付款流程。又如，在界面108中可以包括控件110。用户在想要将系列A的手机1加入购物车（简称为加购）时，可以点击该控件110。以便于电子设备将该系列A的手机1的相关信息加入购物车列表，达到收藏该产品的目的。

需要说明的是，在一些实现中，商城应用还可以提供用户的登录接口。用户可以通过登录接口登录个人账户。由此便于用户个人信息的定制化设定，以及与其他功能（如支付功能）的关联等。

在如图1的示例中，以用户登录了名为“Ethan”的账户为例。那么，电子设备就可以在界面上向用户展示当前已登录账户的情况。例如，在界面104上显示标识111。该标识111可以用于指示当前已经登录的账户。例如，该标识111可以包括当前登录账户的账户名、头像等。

上述图1的示例中，以电子设备中的商城应用为例。以下参考图2，以电子设备运行社区应用为例。

如图2所示，在电子设备的主界面201上还可以显示有社区应用的图标202。其中，该主界面201与如图1所示的主界面101可以相同。

用户可以对电子设备输入操作203，指示电子设备运行社区应用。响应于该操作203，电子设备可以运行社区应用，并切换显示社区应用的界面204。如图2所示，界面204中，可以包括社区应用提供的不同讨论板块的划分。由此便于用户快速找到想要了解或参与的板块。例如，如界面204中的示例，该分类可以包括一级板块以及二级板块。一级板块可以为社区应用中的一级标签，二级板块可以为社区应用中的二级标签。

在如图2的示例中，一级板块可以包括多个，如手机、笔记本、平板等。在每个一级板块下，可以包括多个二级板块。例如，每个二级板块可以对应于该一级类目下的一个系列产品对应的板块。如界面204所示，一级板块“手机”下，可以包括三个二级板块，分别为系列A、系列B以及系列C相应的板块。

这样，在用户需要查看手机中的系列A对应板块时，可以在界面204上输入操作205。响应于操作205，电子设备可以切换显示界面206。该界面206上，可以向用户详细展示系列A的手机中各个具体型号对应的板块详情。如，在该界面206中可以包括系列A手机1对应板块的入口。又如，在该界面206中可以包括系列A手机2对应板块的入口。

在一些实现中，在界面206的中展示的各个板块中，还可以包括控件207。通过该控件207，可以便捷地将对应板块加入收藏，以便于此后查看。例如，控件207-1可以用于触发对系列A手机1板块的收藏。又如，控件207-2可以用于触发对系列A手机2板块的收藏。

以用户查看系列A手机1的相关板块为例。用户可以点击系列A-手机1的板块。对应的，电子设备可以显示界面208。在界面208上就可以向用户具体展示系列A手机1的社区讨论信息。例如，该产品的具体参数讨论。又如，该产品的使用体验讨论等。

在本示例中，在界面208中还可以提供对当前产品的收藏控件。例如，控件209。用户可以通过该控件209，实现当前产品（如系列A手机1）的收藏或取消收藏的操作。

此外，类似于图1的说明，在如图2的示例中也可以包括用于标识当前登录用户系信息的元素。例如，在界面204中可以包括标识210，该标识210可以用于标示当前登录用户名为Ethan。

通过如图1或图2的示例，可以看到，目前的很多应用程序都可以向用户提供海量产品的信息。比如，图1和图2中是以展示手机、笔记本等电子产品为例的。对于新闻类应用等其他类型的应用，也存在海量信息展示的情况。

在一些实现中，应用程序可以确定用户对不同产品的偏好程度，进而据此将用户偏好程度较高的产品置顶显示。而对于用户偏好程度较低的产品可以展示在位置靠后的区域或者选择性显示。由此用户就可以更加快速地在应用中找到想要查看的内容，更加便于使用。

作为一种示例，电子设备可以根据用户对当前应用的使用情况，确定用户对不同产品的偏好程度。应用的使用情况可以通过用户在该应用中的行为数据标识。例如，该行为数据可以包括对某一标签或产品的点击操作。

在以下说明中，不同的应用程序可以对应于不同的域。例如，参考图3。社区应用可以对应于社区域。用户在社区应用中的行为数据可以称为社区域的行为数据，或社区域的使用数据。类似的，商城应用可以对应于商城域。用户在商城应用中的行为数据可以称为商城域的行为数据，或商城域的使用数据。

更加具体的，商城域的行为数据可以包括各个一级类目的行为数据。或者，商城域的行为数据可以包括各个二级类目的行为数据。或者，商城域的行为数据可以包括各个二级类目下的各个产品的行为数据。其他域（如社区域）类似。

作为一种示例，参考图4，为一种根据单域数据确定用户偏好，进而进行产品或标签的偏好排序的方案示例。

如图4所示，电子设备可以根据单域数据，电子设备可以基于单因子行为数据，计算用户偏好，并基于点击通过率（Click-Through-Rate，CTR）或者转化率（ConversionRate，CVR）对产品或标签进行偏好排序。由此电子设备可以确定该域中的各个产品或标签的推荐顺序。根据各个产品或标签的推荐顺序，电子设备就可以在该域的应用运行时，向用户依次展示用户偏好程度高的产品或标签。其中，单域数据可以包括在单一域的应用中，用户的行为数据。

以对商城域中的二级标签进行偏好排序为例。电子设备可以根据用户在商城应用中的行为数据，基于单因子（如用户对产品的点击等）对各个产品（如图1所示的二级类目中的系列A、系列B以及系列C）进行CTR或CVR排序，确定用户对各个二级类目的偏好程度。以偏好程度由大到小依次为系列A、系列C、系列B为例。在商城应用中可以按照偏好程度由大到小的顺序，从上向下依次向用户展示系列A、系列C、系列B。

对于社区域，也可以采用如图4所示的方案示例，通过用户在社区应用中的行为数据，确定各个一级板块或二级板块的偏好程度。从而根据用户对各个板块的偏好程度确定各个板块的显示顺序。

可以看到，在上述方案中，电子设备可以根据单域数据确定该域中各个产品或标签的偏好排序。而在缺少单域数据的情况下，则电子设备无法确定该域中各个产品或标签的偏好排序。那么电子设备就可以按照默认的排序，向用户展示各个模块。

例如，用户没有使用过商城应用，或者仅在商城应用中有过少量的行为数据。则电子设备在运行商城应用后，就无法根据如图4所示的方案确定各个二级类目的用户偏好程度。那么电子设备就可以按照如图1中的界面104所示的默认顺序，依次向用户展示系列A、系列C、系列B。若系列C的标签显示区域较大，或者显示屏较小，则用户相对较为感兴趣的系列C就无法在当前界面显示。这显然是不符合用户使用预期的。

为了解决上述问题，本申请实施例提供的技术方案，能够结合域内多种行为数据的类型（如购买、收藏、加购等），采用多域数据的融合，对目标域的行为数据进行数据增强。即使缺乏用户在目标域的使用行为，也能够较为准确地在该目标域根据用户的偏好为进行标签或产品的偏好排序。此外，根据本申请实施例提供的技术方案进行用户偏好排序时，还能够避免突发热点对于当前偏好排序的影响。从而使得用户偏好排序结果更加精确。

在本申请中，目标域的应用也可以称为第一应用程序，融合域的应用也可以称为第二应用程序。可以理解的是，第二应用程序可以为1个，也可以为多个。

以下结合附图对本申请实施例提供的技术方案进行详细说明。

可以理解的是，本申请实施例提供的技术方案可以应用于用户的电子设备中。电子设备可以执行该方案，以便于对标签或产品进行更加准确的偏好排序，进而提供更加符合用户预期的产品推荐。

其中，电子设备可以包括手机、可折叠电子设备、平板电脑、桌面型计算机、膝上型计算机、手持计算机、笔记本电脑、超级移动个人计算机（ultra-mobile personalcomputer，UMPC）、上网本、蜂窝电话、个人数字助理（personal digital assistant，PDA）、增强现实（augmented reality，AR）设备、虚拟现实（virtual reality，VR）设备、人工智能(artificial intelligence, AI)设备、可穿戴式设备、车载设备、智能家居设备、或智慧城市设备中的至少一种。本申请实施例对该电子设备的具体类型不作特殊限制。

作为一种实现，图5示出了一种电子设备的组成示意图。

如图5所示，电子设备可以包括处理器510，外部存储器接口520，内部存储器521，通用串行总线(universal serial bus，USB)接头530，充电管理模块540，电源管理模块541，电池542，天线1，天线2，移动通信模块550，无线通信模块560，音频模块570，扬声器570A，受话器570B，麦克风570C，耳机接口570D，传感器模块580，按键590，马达591，指示器592，摄像模组593，显示屏594，以及用户标识模块(subscriber identification module，SIM)卡接口595等。其中传感器模块580可以包括压力传感器580A，陀螺仪传感器580B，气压传感器580C，磁传感器580D，加速度传感器580E，距离传感器580F，接近光传感器580G，指纹传感器580H，温度传感器580J，触摸传感器580K，环境光传感器580L，骨传导传感器580M等。

处理器510可以包括一个或多个处理单元，例如：处理器510可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processingunit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。

处理器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。

处理器510中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理器510中的存储器可以为高速缓冲存储器。该存储器可以保存处理器510用过或使用频率较高的指令或数据。如果处理器510需要使用该指令或数据，可从该存储器中直接调用。避免了重复存取，减少了处理器510的等待时间，因而提高了系统的效率。

在一些实施例中，处理器510可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit，I2C)接口，集成电路内置音频(inter-integrated circuitsound，I2S)接口，脉冲编码调制(pulse code modulation，PCM)接口，通用异步收发传输器(universal asynchronous receiver/transmitter，UART)接口，移动产业处理器接口(mobile industry processor interface，MIPI)，通用输入输出(general-purposeinput/output，GPIO)接口，用户标识模块(subscriber identity module，SIM)接口，和/或通用串行总线(universal serial bus，USB)接口等。处理器510可以通过以上至少一种接口连接触摸传感器、音频模块、无线通信模块、显示器、摄像头等模块。

可以理解的是，本申请实施例示意的各模块间的接口连接关系，只是示意性说明，并不构成对电子设备的结构限定。在本申请另一些实施例中，电子设备也可以采用上述实施例中不同的接口连接方式，或多种接口连接方式的组合。

此外，该如图5示出的结构并不构成对电子设备的具体限定。在本申请另一些实施例中，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。

参考图6，为本申请实施例提供的又一种电子设备的组成示意图。

不同于如图5中的示例，该如图6从软件划分的角度，对电子设备的组成进行了举例说明。

可以理解的是，电子设备中可以安装有操作系统。该操作系统也可以称为软件系统。该软件系统可以用于向电子设备中的各个应用程序提供运行环境。

在一些实施例中，电子设备的软件系统可以采用分层架构，事件驱动架构，微核架构，微服务架构，或云架构。本申请实施例以分层架构的Android®系统为例，示例性说明电子设备的软件结构。

如图6所示，为本申请实施例的电子设备的软件结构框图。

分层架构将软件分成若干个层，每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中，将Android®系统分为五层，从上至下分别为应用程序层，应用程序框架层，安卓运行时(Android runtime，ART)和原生C/C++库，硬件抽象层(Hardware Abstract Layer，HAL)以及内核层。

应用程序层可以包括一系列应用程序包。

如图6所示，应用程序包可以包括相机，图库，日历，通话，地图，导航，WLAN，蓝牙，音乐，视频，短信息等应用程序。在如图6的示例中，该应用程序包还可以包括商城应用、社区应用等。

应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface，API)和编程框架。应用程序框架层包括一些预先定义的函数。

如图6所示，应用程序框架层可以包括窗口管理器，内容提供器，视图系统，资源管理器，通知管理器,活动管理器，输入管理器等。

窗口管理器提供窗口管理服务（Window Manager Service，WMS）,WMS可以用于窗口管理、窗口动画管理、surface管理以及作为输入系统的中转站。

内容提供器用来存放和获取数据，并使这些数据可以被应用程序访问。该数据可以包括视频，图像，音频，拨打和接听的电话，浏览历史和书签，电话簿等。

视图系统包括可视控件，例如显示文字的控件，显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如，包括短信通知图标的显示界面，可以包括显示文字的视图以及显示图片的视图。

资源管理器为应用程序提供各种资源，比如本地化字符串，图标，图片，布局文件，视频文件等等。

通知管理器使应用程序可以在状态栏中显示通知信息，可以用于传达告知类型的消息，可以短暂停留后自动消失，无需用户交互。比如通知管理器被用于告知下载完成，消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知，例如后台运行的应用程序的通知，还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息，发出提示音，电子设备振动，指示灯闪烁等。

活动管理器可以提供活动管理服务（Activity Manager Service，AMS），AMS可以用于系统组件（例如活动、服务、内容提供者、广播接收器）的启动、切换、调度以及应用进程的管理和调度工作。

输入管理器可以提供输入管理服务（Input Manager Service，IMS），IMS可以用于管理系统的输入，例如触摸屏输入、按键输入、传感器输入等。IMS从输入设备节点取出事件，通过和WMS的交互，将事件分配至合适的窗口。

安卓运行时包括核心库和安卓运行时。安卓运行时负责将源代码转换为机器码。安卓运行时主要包括采用提前（ahead or time，AOT）编译技术和及时（just in time，JIT）编译技术。

核心库主要用于提供基本的Java类库的功能，例如基础数据结构、数学、IO、工具、数据库、网络等库。核心库为用户进行安卓应用开发提供了API。

原生C/C++库可以包括多个功能模块。例如：表面管理器(surface manager)，媒体框架(Media Framework)，libc，OpenGL ES、SQLite、Webkit等。

其中，表面管理器用于对显示子系统进行管理，并且为多个应用程序提供了2D和3D图层的融合。媒体框架支持多种常用的音频，视频格式回放和录制，以及静态图像文件等。媒体库可以支持多种音视频编码格式，例如: MPEG4，H.264，MP3，AAC，AMR，JPG，PNG等。OpenGL ES提供应用程序中2D图形和3D图形的绘制和操作。SQLite为电子设备100的应用程序提供轻量级关系型数据库。

硬件抽象层运行于用户空间（user space），对内核层驱动进行封装，向上层提供调用接口。例如，硬件抽象层可以包括显示模块、音频模块、摄像头模块，蓝牙模块等。

内核层是硬件和软件之间的层。内核层至少包含显示驱动，摄像头驱动，音频驱动，蓝牙驱动。

类似于前述图5的说明，该如图6的软件划分也仅提供了一种可能的示例。在本申请的另一些实施例中，电子设备还可以包括比图6更多或更少的模块组成。

示例性的，参考图7，为本申请实施例提供的一种产品推荐模块700的组成示意图。该产品推荐模块700可以用于进行多域数据的融合，由此根据融合域的行为数据对目标域进行数据增强，获取目标域准确的偏好排序。

在一些实施例中，该产品推荐模块700可以设置在如图6所示的应用程序层。

作为一种可能的实现，该产品推荐模块700可以作为一个独立的应用程序，区别于其他应用程序（如商城应用或社区应用）设置在如图6所示的应用程序层。

作为又一种可能的实现，该产品推荐模块700可以集成在其他应用程序中。例如，该产品推荐模块700可以集成在商城应用中。又如，该产品推荐模块700可以集成在社区应用中。由此实现对应应用的偏好排序。

在另一些实施例中，该产品推荐模块700可以设置在如图6所述的应用程序框架层。

在本申请中，该产品推荐模块700可以用于获取至少两个域的行为数据，并据此对其中至少一个域中的行为数据进行数据增强。产品推荐模块700还可以根据该增强后的行为数据，确定该域中各个标签的用户偏好。

需要说明的是，在本申请中涉及的行为数据可以为多维度的行为数据。例如，该行为数据可以包括行为针对的标签或产品的标识，用户对标签或产品的行为类型，用户对标签或产品的行为发生时间，用户对标签或产品的行为个数。在一些实施例中，根据用户在具体的应用中的行为数据，产品推荐模块700还可以根据行为类型、发生时间、行为个数等数据，对行为数据进行扩展。例如，确定行为对应的领域，行为为正向或负向行为等。

可以理解的是，行为数据越丰富，据此进行的数据增强效果越好，由此确定的偏好排序更准确。

以下说明中，以行为数据包括标签或产品的标识，行为领域，正向行为或负向行为，行为类型，行为个数，行为发生时间为例。

此外，在本申请中，一个域可以对应到一个应用程序。例如，如图3所示的，社区应用可以对应到一个域，如社区域。又如，商城应用可以对应到另一个域，如商城域。

每个域可以包括一级或多级标签。如图1所示，商城域可以包括一级类目对应的一级标签。商城域还可以包括二级类目对应的二级标签。如图2所示，社区域可以包括一级板块对应的一级标签。社区域还可以包括二级板块对应的二级标签。

本申请实施例提供的方案，可以用于针对任意一级标签或产品，进行用户的偏好排序。

在一些实施例中，产品推荐模块700中还可以包括多个单元。该多个单元可以协同工作，实现产品推荐模块700的上述功能。

示例性的，如图7所示，该产品推荐模块700可以包括多域数据融合单元701，用户标签偏好计算单元702。用户标签偏好计算单元702也可称为偏好计算单元702。

其中，多域数据融合单元701用于通过语义映射融合多域行为数据。在一些实现中，该多数据融合单元能够优化样本挑选方式，结合时间和时序构建样本，极大丰富样本量。

用户标签偏好计算单元702用于通过多因子融合的方式，确定个标签对应的偏好分数。从而根据各个标签的偏好分数，确定各个标签的偏好排序。

此外，在产品推荐过程中，新品由于曝光时间短，点击量少等原因，往往无法得到有效地关注。

在本申请的一些实施例中，产品推荐模块700还可以用于提供任意一个标签（如二级类目或二级板块中的任一个）下，多个产品的排序功能。该功能能够在提供各个产品按照用户偏好的排序能力外，还能够提升新品的曝光量。由此使得新品更易于得到用户的关注。

如图7所示，该产品推荐模块700还可以包括物品排序单元703。该物品排序单元703可以用于通过优化的置信上限（Upper Confidence Bound，UCB）算法进行任一个标签下的产品排序。通过该方案获取的物品排序结果，能够针对新上市的产品进行针对性曝光优化，从而实现对任一个或每个标签下各个产品的精细化排序的同时，解决新品难以曝光的问题。

本申请实施例提供的技术方案能够应用于上述图5-图7中任一种提供的电子设备或模块中。

以下示例中，以电子设备中设置有如图7所示的产品推荐模块700为例，对本申请提供的技术方案的执行过程中，各个单元的具体实施过程进行详细说明。

其中，为了便于说明，以下示例中，以电子设备中安装有应用A（对应于A域）和应用B（对应于B域），使用B域的行为数据（或B域与A域的行为数据）确定A域的标签排序（或称为偏好排序）为例。在一些实现中，进行排序的A域也可称为目标域，提供行为数据的B域可以称为融合域。

结合图7的说明，多域数据融合单元701，可以用于通过语义映射融合多域样本。作为一种示例，多域数据融合单元701可以通过如图8所示的流程，实现该功能。

如图8所示，该方案可以包括：

S801、获取至少两个域的行为数据。

本示例中，行为数据可以包括以下中的至少一项：标签或产品的标识，行为领域，正向行为或负向行为，行为类型，行为个数，行为发生时间。

行为类型可以包括点击、加购、收藏、搜索、购买、分享、跟帖、发帖、取消收藏、取消加购、取消收藏、取消点赞等。

在上述行为类型中，正向行为数据可以包括：点击、加购、收藏、搜索、购买、分享、跟帖、发帖等。

负向行为数据可以包括：取消收藏、取消加购、取消收藏、取消点赞等。

针对不同的域，多域数据融合单元701可以灵活选取与该域相对应的行为数据。

例如，以A域为商城域，B域为社区域为例。

对于商城域，多域数据融合单元701确定的正向行为数据可以包括点击、加购、收藏、搜索、购买等。多域数据融合单元701确定的负向行为数据可以包括取消收藏、取消加购等。

对于社区域，多域数据融合单元701确定的正向行为数据可以包括点击、收藏、分享、跟帖、发帖等。多域数据融合单元701确定的负向行为数据可以包括取消收藏、取消点赞等。

在本示例中，多域数据融合单元701可以收集用户在当前设备上，各个应用（即域）中的行为数据，以便于后续进行数据融合处理。

可以理解的是，用户与设备一般可以具有关联性。那么，在同一个设备上的用户行为，即使是针对不同应用的，也都能够一致地对应到使用该设备的用户的偏好。

因此，在本申请中，多域数据融合单元701获取的B域的用户行为与A域的用户行为均能够有效反映用户的偏好。那么，在A域数据较少或为空的情况下，电子设备就可以根据B域（或更多其他域）的用户数据进行补充，从而实现对A域中各个标签偏好的确定。

在本申请的一些实现中，多域数据融合单元701可以获取预设的M天内的所有域（或指定的两个或多个域）的行为数据，以便后续处理。

在本申请的另一些实现中，针对任一个域，多域数据融合单元701还可以将获取的M天内的所有数据中，截取M天内行为数据最多的K天作为有效数据。也即，多域数据融合单元701可以获取M天中的TOP K天中的行为数据，作为该域的有效数据进行留存，以便后续处理。对于TOP K天之外的行为数据，多域数据融合单元701可以对其进行丢弃处理。由此最大程度地保留有效数据。避免M天周期设置较长时，无效数据过多对存储以及算力产生的额外开销。

S802、将融合域中的行为数据映射到目标域中。

其中，融合域可以包括在S801中的至少两个域中。那么，通过执行S801，多域数据融合单元701就能够获取融合域的行为数据。

可以理解的是，不同应用提供的功能必然存在差异。那么，不同域对应的行为数据，虽然都可以表现用户的偏好，但所表现处的偏好对象可能不同。

例如，结合图1以及图2的示例。用户在商城域-手机-系列A中的行为数据，能够表现用户对于该手机-系列A对应的偏好程度。用户在社区域-手机-系列B中的行为数据，则表现用户对于该手机-系列B对应的偏好程度。

那么，在需要对商城域-手机-系列A的行为数据进行数据增强时，使用社区域-手机-系列B中的行为数据显然是不合适的。

在本申请中，多域数据融合单元701能够将表现相同或相近对象偏好的不同域的行为数据进行数据，由此提升数据融合后的与用户偏好对应的准确度。

在一些实施例中，多域数据融合单元701可以根据预设的标签对应关系，确定表现相同或相近对象偏好的不同域的行为数据。

该对应关系可以包括至少一个A域的标签A，以及与标签A对应的至少一个B域的标签B的对应关系。

示例性的，参考图9，为一种A域标签与B域标签的标签对应关系示例。

其中，以A域标签包括标签A1-标签A3，B域标签包括标签B1-标签B3为例。

在如图9的示例中，标签A1可以与标签B3对应，该两个标签能够表现用户对相同或相似对象的偏好。标签A2可以与标签B1对应，该两个标签能够表现用户对相同或相似对象的偏好。标签A3可以与标签B2对应，该两个标签能够表现用户对相同或相似对象的偏好。

那么，在进行该行为数据映射操作的过程中，多域数据融合单元701可以将S801中，获取的B域的标签B1对应的行为数据，映射到A域的标签A2中。由此实现对标签A2的行为数据的增强。

类似的，多域数据融合单元701可以将S801中，获取的B域的标签B2对应的行为数据，映射到A域的标签A3中。由此实现对标签A3的行为数据的增强。

多域数据融合单元701可以将S801中，获取的B域的标签B3对应的行为数据，映射到A域的标签A1中。由此实现对标签A1的行为数据的增强。

可以理解的是，基于该标签对应关系，多域数据融合单元701能够快速确定融合域中的行为数据向目标域的映射关系。

示例性的，该标签对应关系可以是根据不同域中标签的语义相似度确定的。该标签对应关系的具体确定实现，将在后续说明中详细陈述，此处不再赘述。

S803、确定目标域中，各个标签对应的用户行为数据。

可以理解的是，经过如S802的映射。该目标域中的各个标签的行为数据可以包括从其他融合域映射的行为数据。在目标域的各个标签也存在对应的行为数据的情况下，则该各个标签对应的行为数据就可以包括：用户在该目标域中的行为数据，以及融合域映射的行为数据。该用户在该目标域中的行为数据，以及融合域映射的行为数据的集合，也可称为融合后的行为数据，或简称为融合行为数据。

在一些实施例中，多域数据融合单元701可以为目标域和融合域的行为数据分别设置不同的权重，由此提升用户在目标域中的行为数据的重要程度。例如，为目标域的行为数据设置较高的权重，为融合域的行为数据设置较低的权重。显而易见的，用户在目标域中的直接行为更加能够体现对于目标域中的标签或产品的偏好。那么，基于上述权重的差异化设置，也就能够使得根据该融合后的行为数据确定的偏好排序能够更加准确。

由此，即使目标域中的行为数据较少，甚至不存在目标域中的行为数据。通过上述图8提供的方案，多域数据融合单元701也能够基于用户数据融合，获取目标域中各个标签对应的充分的融合后的行为数据。以便于电子设备可以根据该融合后的行为数据，进行各个标签的偏好排序。

在如图8的示例中，电子设备可以根据预设的标签对应关系，确定融合域中行为数据向目标域中的映射。

参考图10，为本申请实施例提供的一种基于语义相似度的标签对应关系的获取方法流程示意图。如图10所示，该方案可以包括：

S1001、确定标签B1与A域中的每个标签A的语义相似度S1。

示例性的，以A域为商城域，B域为社区域为例。

则标签B1可以为社区域中的任一个标签。

在一些实现中，对A域中的一级类目进行偏好排序，则标签A为A域中的一级类目中的任一个，标签B1对应于社区域中的一级板块中的任一个。

在另一些实现中，对A域中的二级类目进行偏好排序，则标签A为A域中的二级类目中的任一个，标签B1对应于社区域中的二级板块中的任一个。

以对A域中的二级类目进行偏好排序为例。

电子设备可以针对B域中的每一个二级板块（即标签B1），计算该标签B1与A域中的每一个二级类目（即每一个标签A，如标签A1、标签A2等）的语义相似度。

由此即可获取标签B1与标签A1的语义相似度S1_A1，标签B1与标签A2的语义相似度S1_A2等多个语义相似度。

S1002、语义相似度S1是否大于阈值T1。

在语义相似度S1大于阈值T1的情况下，则表明该另两个标签能够表现用户对于相同或相似对象的偏好，即二者存在关联。那么，执行S1003。

例如，标签B1与标签A2的语义相似度S1_A2大于阈值T1。则可以针对该标签B1以及标签A2，执行S1003。

对应的，在语义相似度S1小于或等于阈值T1的情况下，则表明该另两个标签不能够表现用户对于相同或相似对象的偏好，即二者不存在关联。那么，执行S1004。

例如，标签B1与标签A1的语义相似度S1_A1小于阈值T1。则可以针对该标签B1以及标签A1，执行S1004。

S1003、确定标签B1与S1大于T1的标签A的映射关系。

示例性的，以标签B1与标签A2的语义相似度S1_A2大于阈值T1为例。那么，电子设备就可以确定标签B1与标签A2之间的映射关系。

在一些实现中，电子设备可以将标签B1与标签A2之间的映射关系存储在如图9所示的标签对应关系中。

这样，在需要使用B域的行为数据对A域进行数据增强时，则可以根据该存储的映射关系，将标签B1对应的行为数据，映射到标签A2下，由此实现对标签A2的行为数据的增强。

S1004、确定标签B1与A域中的每个标签C的语义相似度S2。

在本示例中，对于语义相似度S1小于阈值T1的情况，则电子设备可以确定标签B1与标签A的上一级标签中每一个对应的语义相似度S2。例如，该标签A的上一级标签可以称为标签C。

作为一种示例，以标签A对应商城域的二级类目为例。那么，标签C则可以对应到商城域的一级类目。在商城域包括多个一级类目的情况下，则标签C可以为多个。

例如，结合图1，商城域的一级类目可以包括：手机、笔记本、平板、生态等。那么，该多个一级类目可以分别对应到多个标签C。

在该S1004中，电子设备可以分别计算每个标签C与标签B1之间的语义相似度，获取对应的语义相似度S2。

例如，电子设备可以计算标签B1与“手机”对应的标签C1之间的语义相似度S2_C1。电子设备可以计算标签B1与“笔记本”对应的标签C2之间的语义相似度S2_C2。电子设备可以计算标签B1与“平板”对应的标签C3之间的语义相似度S2_C3。以此类推。

S1005、语义相似度S2是否大于阈值T2。

若语义相似度S2大于阈值T2，则表明标签B1与该A域中的上一级标签之间存在关联。电子设备可以针对该A域中的上一级标签，跳转执行S1006。

例如，标签B1与A域中的标签C1之间的语义相似度S2_C1大于阈值T2，则电子设备可以针对该A域中的标签C1，跳转执行S1006。

反之，若语义相似度S2小于或等于阈值T2，则表明标签B1与该A域中的上一级标签之间不存在关联。

S1006、确定S2大于T2的每个标签C下的热门标签Ah。

示例性的，在标签C1与标签B1存在关联的情况下，电子设备可以在标签C1中选取一个最可能与标签B1存在关联的相同逻辑层级的标签。

在本示例中，电子设备可以将标签C1中的热门标签Ah，确定为最可能与标签B1存在关联的相同逻辑层级的标签。

在一些实现中，该热门标签Ah可以是标签C1中的下一级标签中，点击访问量最大的一个标签。

例如，标签C1为商城域中的手机标签。该“手机”对应的一级类目下，系列B的点击访问量最大，则该系列B即可为该标签C1中的热门标签Ah。

S1007、确定标签B1与标签Ah的映射关系。

可以理解的是，若标签B1与标签C1存在关联。也即标签C1对应的一级类目下存在与标签B1对应的二级板块相关联的二级类目。那么，结合S1006的说明，电子设备可以将标签C1中的热门的二级类目，确定为与标签B1相关联的标签。

类似于S1003中的说明，在该S1007中的一些实现中，电子设备可以将标签B1与标签Ah之间的映射关系存储在如图9所示的标签对应关系中。

可以理解的是，在标签Ah与标签A2相同，即标签A2为标签C1中的热门标签的情况下，则通过上述图10提供的方案，电子设备就可以存储标签B1与标签A2之间的映射关系。

在另一些实现中，在标签Ah不同于标签A2，则电子设备可以存储标签B1与标签A2，以及标签B1与标签Ah之间的映射关系。也即，在需要对A域中的数据进行增强时，该标签B1对应的行为数据可以同时映射到标签A2以及标签Ah中进行数据增强。

需要说明的是，上述图10提供的方案示例中，是以在标签A之上存在上一级标签（如标签C）为例进行说明的。该情况下，标签A以及标签B1可以称为二级标签。其上一级标签可以称为一级标签。由此获取的如图9所示的标签对应关系可以为二级标签之间的对应关系。也即，通过如图10提供的方案实现，获取图9中各个对应关系为：二级标签A1与二级标签B3对应，二级标签A2与二级标签B1对应，二级标签A3与二级标签B2对应。在一些实现中，该二级标签之间的映射关系也可称为第一映射关系。

在另一些实现中，电子设备也可以基于一级标签，确定目标域以及融合域中各个标签的映射关系。在一些实现中，该一级标签之间的映射关系也可称为第二映射关系。

示例性的，参考图11，为本申请实施例提供的又一种基于语义相似度的标签对应关系的获取方法流程示意图。其中，以目标域为E域，融合域为D域为例。

如图11所示，该方案可以包括：

S1101、确定标签D1与E域中的每个标签E的语义相似度S3。

示例性的，该过程的执行可以参考图10中的S1001。具体不再赘述。

S1102、判断语义相似度S3是否大于阈值T3。

示例性的，该过程的执行可以参考图10中的S1002。具体不再赘述。

例如，在语义相似度S3大于阈值T3的情况下，则执行S1103。

又如，在语义相似度S3小于或等于阈值T3的情况下，则结束。

S1103、确定标签D1与S3大于T3的标签E的映射关系。

示例性的，该过程的执行可以参考图10中的S1003。具体不再赘述。

可以理解的是，基于上述图11提供的方案，电子设备能够获取各个域之间，以及一级标签的映射关系。根据该图11提供的方案实现，获取图9中各个对应关系为：一级标签A1与一级标签B3对应，一级标签A2与一级标签B1对应，一级标签A3与一级标签B2对应。

由此，该如图11提供的方案，能够用于直接支持一级标签的偏好排序。

例如，以目标域为商城域，融合域为社区域为例。

根据如图11提供的方案，电子设备可以获取商城域中，一级类目（对应于一级标签）下各个标签，与融合域中一级板块（对应于一级标签）中各个标签的映射关系。

由此，在需要对商城域中一级类目进行偏好排序时，电子设备就可以根据如图8提供的方案，将融合域中一级板块对应的行为数据映射到商城域中。由此实现对商城域中一级类目各个标签的数据增强。

在本申请的另一些实施例中，如图11提供的方案，还能够用于支持二级标签的偏好排序。

例如，在根据如图11提供的方案，确定各个域的一级标签之间的映射关系。由此，在进行二级标签的排序时，可以将融合域中一级标签中的各个二级标签对应的用户行为，全部融合到当前二级标签的用户行为中。由此实现对目标域二级标签的行为数据的数据增强。

示例性的，结合图12-图15进行举例说明。

如图12所示，以电子设备中安装A域、B域以及C域为例。

A域中可以包括两个一级标签，如类别1和类别2。B域中可以包括一个一级标签，如类别3。C域中可以包括一个一级标签，如类别4。

在类别1中，可以包括两个二级标签，如项目1和项目2。在类别2中，可以包括一个二级标签，如项目3。在类别3中，可以包括三个二级标签，如项目4，项目5以及项目6。在类别4中，可以包括两个二级标签，如项目7和项目8。

以对A域的二级标签进行偏好排序，即A域为目标域为例。

基于如图11所示的方案，针对A域的各个一级标签，从B域、C域中的各个一级标签中，根据语义相似度，确定与A域的各个一级标签（如类别1和类别2）具有映射关系的一级标签。

例如，参考图13，类别1和类别3之间的语义相似度大于对应阈值（如阈值T3），则类别1和类别3具有映射关系。此外，类别2和类别4之间的语义相似度大于对应阈值（如阈值T3），则类别1和类别3具有映射关系。

那么，在对类别1和类别2的数据增强中，就可以分别使用类别3和类别4的行为数据作为支撑。

作为一种示例，参考图14，用户在A域的行为包括针对类别1的项目1的行为，一级针对类别2的项目3的行为。用户在B域的行为包括针对类别3的项目4的行为。用户在C域的行为包括针对类别4的项目8的行为。

这样，在如图15所示，在在进行A域中一级标签或二级标签的偏好排序时，B域中针对类别3项目4的行为数据，可以对A域中类别1项目1的用户行为进行数据增强。C域中针对类别4项目8的行为数据，可以对A域中类别2项目3的用户行为进行数据增强。

这样，通过上述图10-图15中任一种提供的方案，电子设备就可以建立目标域与融合域之间的一级标签和/或二级标签的映射关系。该相关联的映射关系的集合，即可对应于如图9所示的标签对应关系。

在另一些实施例中，电子设备中包括多个域的情况下，则电子设备可以在执行S802之前，确定该多个域中，任意两个域之间的各级标签的映射关系并存储。以便于在将该多个域中的任一个作为目标域时，能够根据该确定映射关系，实现其他域（即融合域）向该目标域的映射。

在一些实现中，该电子设备确定的任意两个域之间的各级标签的映射关系可以存储在云端。在确定目标域后，电子设备可以从云端获取该目标域相关的映射关系并使用。由此降低电子设备的存储压力。

由此，通过上述图8-图15提供的方案说明，多域数据融合单元701就能够有效地将融合域的行为数据映射到目标域。作为一种可能的实现，对于同一标签或产品相应的目标域行为数据和融合域行为数据的具体融合方法，可以灵活采用word2vec和PCCs中的至少一种。

由此即可使得即使目标域缺少行为数据，能够通过融合域的行为数据进行补充，实现数据增强。

根据包括该补充后的行为数据在内的，目标域的行为数据，产品推荐模块可以确定用户对目标域中各个标签的偏好。进而根据用户偏好进行排序，由此获取与用户偏好相对应的各个标签的显示顺序。

示例性的，结合图7的说明，在本申请中，产品推荐模块700中的偏好计算单元702可以用于根据多域数据融合单元701确定的目标域中的行为数据，对目标域中的各个标签进行偏好排序。其中，该进行排序的标签可以为目标域中的一级标签，也可以为目标域中的二级标签。

在本申请中，偏好计算单元702可以根据各个标签的行为数据，基于多因子融合方法，确定各个标签的偏好情况。

例如，偏好计算单元702可以根据各个标签的行为数据，基于多因子融合方法，对各个标签的偏好情况进行打分，获取对应的偏好分数。偏好分数越高，对应于该标签的用户偏好程度越高。反之，偏好分数越低，对应于该标签的用户偏好程度越低。

这样，偏好计算单元702可以根据偏好分数由高到低，对各个标签进行排序。那么，电子设备就可以根据该排序结果，确定各个标签的显示顺序。例如，排序越靠前，则对应用户偏好程度越高，那么该标签的显示顺序越靠前。如置顶显示该标签。

以下进行对偏好计算单元702的具体实施进行举例说明。

在本申请的一些实施例中，偏好计算单元702中可以预置有该多因子融合方法，用于进行标签的偏好排序。

其中，该因子融合方法中涉及的多个维度的因子均可以从上述融合后的行为数据中获取。

作为一种示例，多个维度的因子可以包括如下中的至少一种：

1、多维行为贡献度因子。示例性的，该多维行为贡献度因子也可称为多维贡献因子。该多维贡献因子可以包括以下中的至少一项：行为领域，正向行为或负向行为，行为类型，行为个数。其中，行为类型可以包括：点击、加购、收藏、搜索、购买、分享、跟帖、发帖、取消收藏、取消加购、取消收藏、取消点赞等。

需要说明的是，作为一种可能的实现，多维贡献因子可以与标签一一对应。相应的，标签的多维贡献因子中的任一个，都可以从该标签对应的行为数据获取。

2、时间衰减因子。示例性的，该衰减因子可以包括时间间隔衰减因子和/或时间序列间隔衰减因子。

其中，时间间隔衰减因子是常用的一种体现样本时序变化的权重形式。该时间间隔衰减因子常用于牛顿冷却函数中。

时间序列间隔衰减因子可以用于标示不同样本按照时序的先后顺序。例如，将所有样本按照各自的执行时间进行排序。其中，距离当前时刻越近，排序越靠前。反之，距离当前时刻越远，排序越靠后。基于该排序结果，对各个样本进行调整。

以对100个样本进行基于时间序列间隔衰减因子的调整为例。按照上述规则进行100个样本的排序后，序列中第1位的样本按照+100进行调整，序列中第2位的样本按照+99进行调整，……，序列中最后以为的样本按照+1进行调整。

这样，在完成基于时间序列间隔衰减因子的调整后，各个样本就可以反映出该样本的执行时间与当前时刻的时间差。可以理解的是，样本执行时间与当前时刻越接近，则该样本数据更能够反映用户近期的偏好。反之，样本执行时间与当前时刻越远离，则该样本数据够反映用户近期偏好的能力就越弱。

应用于本发明的场景中，上述的一个样本即可对应到用户的一个行为数据。电子设备可以根据行为数据中的行为发生时间，确定各个样本对应的时间排序。

那么，根据时间衰减因子进行行为数据的调整后，就能够使得各个行为数据可以更好地反映用户近期偏好，从而使得基于该行为数据的偏好排序更加准确。

以下示例中，以时间衰减因子包括时间间隔衰减因子和时间序列间隔衰减因子为例。

3、标签去热因子IDF。可以理解的是，在文字处理过程中，“的”等连接词的出现频率非常高。但这些连接词反而并不能实际体现当前字段的主要意思。类似的，在标签的偏好排序中，重要程度最大的标签，往往并不是当前用户最关心的。在本申请中，标签去热因子就可以用于标示出重要程度最高的一个或几个标签。

4、标签用户重要度因子。该标签用户重要度因子可以用于标示各个标签对于用户的重要程度。

在本示例中，偏好计算单元702可以根据上述因子融合方法中涉及的多个维度的因子，确定各个标签相对于当前用户的偏好分数。偏好分数越大，对应于该用户对于该标签的偏好程度越高。反之，偏好分数越小，对应于该用户对于该标签的偏好程度越低。

作为一种示例，偏好计算单元702可以根据如下公式（1），确定一个标签的偏好分数。

公式（1）：。

其中，为用户/>对标签/>的偏好分数。/>为多维贡献度因子。/>为时间间隔衰减因子。/>为时间序列间隔衰减因子。/>为标签用户重要度因子。为标签去热因子。

这样，电子设备的偏好计算单元702就能够为目标域的各个标签，按照如图16提供的方案进行打分，获取每个标签对应的偏好分数。基于该偏好分数进行排序，即可获取各个标签的偏好排序结果。

可以理解的是，通过上述图8-图16中，对于多域数据融合单元701以及偏好计算单元702相关功能的介绍，本领域技术人员应当能够理解的是，通过本申请实施例提供的技术方案，电子设备能够使用多个不同域的数据，进行目标域的数据增强。同时还可以引入多因子融合方法，使得标签或产品的偏好排序更加准确的同时，避免突发热点对于偏好排序结果的影响。

作为一种示例，参考图17。基于本申请提供的技术方案，融合目标域的行为数据以及融合域的行为数据，可以获取增强后的目标域的行为数据。基于多因子融合，对目标域中的标签或商品进行偏好排序，就能够获取与在目标域中的使用偏好向对应的目标域中标签或产品的排序结果。

以下结合图18的具体示例，对图8-图17提供的多域数据融合以及偏好排序方案的实现进行说明。

该示例中，以目标域为A域，融合域为B域为例。其中，用户U在最近的M天内，在A域的行为数据可以包括：对商品10001的点击，对商品10002的加购。用户U在最近的M天内，在B域的行为数据可以包括：对帖子20001的点击，对帖子20002的点击，以及对帖子2003的点击。

以下首先进行行为数据的映射和融合。

如图18中的1801所示，只使用单域A域统计行为序列，用户只有2条记录：10001&t1&click#10002&t2&add。

其中，记录格式可以为商品id（或二级标签）&行为时间&行为类型。例如，对商品10001，click为点击类型，发生时间为t1。又如，对商品10002，add为加购类型，发生时间为t2。#用户分割不同行为。

对于B域行为，可以包括20001&t3&click#20002&t4&collect#20003&t5&like。

其中，记录格式可以为帖子id&行为时间&行为类型。例如，对帖子20001，click为点击类型，发生时间为t3。又如，对帖子20002，collect为收藏类型，发生时间为t4。又如，对帖子20003，like为点赞类型，发生时间为t5。#用户分割不同行为。

在本示例中，基于预设的标签对应关系，B域的二级标签名称与A域的一级、二级标签名称具有较高的语义相似度。B域的行为数据可以用于映射到A域进行数据增强。

例如，基于标签对应关系，B域的帖子20001可以映射到A域的商品10001。B域的帖子20001可以映射到A域的商品10001。

此外，基于标签对应关系，还可以确定两个域的二级标签之间的映射关系。

例如，B域帖子20001对应的二级标签名称“A品牌X系列”，可以映射到A域的二级标签名称“A品牌X系列”。B域帖子20002对应的二级标签名称“平板”，可以映射为A域的二级标签名称“A品牌平板数字系列”。B域帖子20003对应的二级标签名称“爱运动”，可以映射为A域的二级标签名称“运动健康”。

通过语义相似度检测和映射word2vec和PCCs，并将行为数据统一到二级标签维度。这样，如图18中的1802所示，经过数据融合后的A域的行为数据就可以包括：A品牌X系列&t1&click#A品牌Y系列t2&add#A品牌X系列&t3&click#A品牌平板数字系列&t4&collect#运动健康&t5&like。

接着电子设备可以根据融合后的行为数据，进行偏好排序。

示例性的，结合图16的说明，基于公式（1），电子设备可以通过多因子偏好计算，得到各个行为标签的偏好分数包括：

score(u,A品牌X系列) =0.08。

score(u,A品牌Y系列) =0.072。

score(u,A品牌平板数字系列)=0.05。

score(u,运动健康) =0.064。

如图18中的1803所示，根据偏好分数排序，即可对应的偏好排序为：A品牌X系列#A品牌Y系列#运动健康#A品牌平板数字系列。

可以理解的是，在通过上述方案，进行一级标签和/或二级标签的偏好排序后，电子设备中的应用就可以按照排序结果进行对应标签的显示。

如图1以及图2的说明，在二级标签下，还可以包括多个具体的产品。在本申请的一些实施例中，如图7所示的产品推荐模块700中包括的物品排序单元703，还可以用于针对具体的二级标签下的产品进行排序。电子设备可以根据排序结果进行各个产品的显示。

例如，以商城域为例。二级标签可以包括如图1所示的手机-系列A，手机-系列B，手机-系列C。在每个系列下，都可以包括多个产品。如手机-系列A下可以包括手机1、手机2、手机3等。

在本申请的一些实施例中，如图7所示的产品推荐模块700还可以提供各个标签下的具体产品的排序能力。例如，结合图1，产品推荐模块700的物品排序单元703可以提供对商城域中的各个二级标签（即二级类目）中，对应产品的排序能力。

那么，基于本方案，物品排序单元703可以根据UCB算法对各个产品（如手机1、手机2、手机3）进行排序。该基于UCB算法获取的排序结果，能在物品曝光、物品效果间实现动态平衡。此外，该UCB算法还可以为新品引入随机丢弃因子、关键标签历史效果因子，由此合理提升新品的曝光几率。具有很好的提升冷启动效果。

以下对物品排序单元703可以根据UCB算法对各个产品进行排序的方案实现进行举例说明。

示例性的，参考图19，为本申请实施例提供的一种产品排序方法的流程示意图。该如图19提供的方案可以用于获取某一标签下所有每个物品（即产品）的排序打分。针对不同物品分别执行如图19提供的方案，即可获取各个物品各自对应的排序打分。进而根据排序打分即可确定各个物品的显示顺序。

如图19所示，该方案可以包括：

S1901、判断物品i是否为新品。

其中，该物品i可以是当前标签下的任一个物品。

在本示例中，电子设备的物品排序单元703可以根据物品i的上架时间等信息，确定该物品i是否为新品。例如，若物品i的上架时间距离当前时刻不早于预设的时长，则认为物品i为新品。又如，若物品i的上架时间距离当前时刻早于预设的时长，则认为物品不是新品。

根据判断结果，物品排序单元703灵活选取后续操作步骤。

例如，确定物品i是新品，则执行S1902。又如，确定物品i不是新品，则执行S1904。

S1902、确定当前标签下，与物品i处于同一价格区间内的使用数据。

其中，使用数据可以包括历史点击率（ctr），曝光数（t）以及该物品所属类目的曝光数（T）。

在本示例中，m的前缀可以用于标示新品。如，mctr可以用于标示新品的ctr，mt可以标识新品的t。该效果统计mctr/mt/T可以用于后续确定物品i的排序得分。

S1903、判断随机概率pi是否大于概率阈值Pt。

在本示例中，电子设备中可以设置有随机概率单元。每次读取随机概率单元时，该随机概率单元可以提供一个随机概率pi。

在物品排序单元703确定物品i为新品的情况下，可以根据随机概率，确定该物品是否需要进行显示。

可以理解的是，在标签下新品数量较多时，通过为每个新品设置随机概率，可以确保有部分新品能够得到有效曝光。同时曝光的新品数量也不会过多，导致对其他用户感兴趣物品的显示挤占。

若随机概率pi大于概率阈值Pt，则跳转执行S1905，准备进行显示。

反之，若随机概率pi小于或等于概率阈值Pt，则此次显示过程中可以不显示该物品i。对应的，物品排序单元703可以跳出当前流程，继续针对当前标签下的其他物品执行S1901。

S1904、确定物品i对应的使用数据。

在本示例中，若物品i不是新品，则该物品i可能具有用户的行为历史。那么，物品排序单元703可以根据物品i对应的行为历史，确定历史效果统计hctr，ht，T，以便于确定对应的排序得分。类似于S1902中的说明，p的前缀可以用于标示非新品。如，pctr可以用于标示新品的ctr，pt可以标识新品的t。

需要说明的是，在本示例中，若物品i不是新品，则该物品i可以直接被放入到排序队列中，即执行以下S1905。

S1905、将物品i加入排序队列。

在本示例中，物品排序单元703中可以设置有排序队列。该排序队列中可以包括非新品，以及随机概率大于对应阈值的新品。

物品排序单元703可以对排序队列中的物品分别打分，从而根据打分结果进行显示排序。

S1906、依次确定排序队列中各个物品的排序得分。

示例性的，物品排序单元703可以根据非新品的hctr，ht，T确定非新品的排序得分。物品排序单元703还可以根据新品的pi，mctr，mt,T确定新品的排序得分。

可以理解的是，本示例提供的计算方案中，通过引入以及/>，在物品曝光、物品效果间实现动态平衡。

此外，pi可以对应于随机丢弃因子，hctr以及mctr可以对应于关键标签历史效果因子。因此，通过本示例提供的方案计算获取的排序得分，能够较好地为新品提供曝光可能，同时具有较好的冷启动效果。

在本申请中，电子设备可以根据排序得分由高到低，对各个物品进行排序。在排序队列中物品数量较多的情况下，在一些实施例中，电子设备可以取排序得分最高的N个物品进行优先显示。例如N可以为2。

可以理解的是，电子设备可以对多个标签中的各个物品分别执行上述图19提供的方案，从而确定各个标签中需要优先显示的物品。那么，电子设备在进行物品展示（如在购物应用的首页进行物品展示）时，就可以优先展示偏好分数较高的标签下，具有较高排序得分的物品。

结合图18中的示例。通过如图19提供的方案，电子设备可以实现对用户偏好的各个标签中的物品进行排序打分，进而确定N个（如2个）需要优先显示的物品。

示例性的，通过如图19提供的方案确定的各个标签下的物品排序包括：

A品牌X系列：10003#10001。

A品牌Y系列：10002#10004。

运动健康：10005#10006#10007。

A品牌平板数字系列：10008#10009#10010。

由此，结合图18中的标签偏好排序结果，最终得到用户物品偏好结果为：10003#10001#10002#10004#10005#10006#10008#10009。电子设备就可以在首页上按照上述物品偏好结果依次进行显示。

需要说明的是，如图19提供方案的实现，与图8-图17提供的方案实现，二者的实施过程并不存在严格的先后顺序限定。

可以理解的是，对于同一标签下的物品种类一般较为固定。因此，在本申请的一些实施例中，电子设备可以在空闲时段，对各个应用程序的标签下的物品执行如图19提供的方案，确定各个标签下物品的排序打分。

这样，在电子设备根据如图8-图17提供的方案确定一级和/或二级标签的偏好排序后，可以直接调取对应的物品打分排序情况，进而综合获取与用户偏好相对应的物品排序结果。

可以理解的是，本申请实施例提供的电子设备为了实现上述功能，其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实施例的范围。

本申请实施例可以根据上述方法示例对上述电子设备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。需要说明的是，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。

示例性的，图20示出了的一种电子设备2000的组成示意图。如图20所示，该电子设备2000可以包括：处理器2001和存储器2002。该存储器2002用于存储计算机执行指令。示例性的，在一些实施例中，当该处理器2001执行该存储器2002存储的指令时，可以使得该电子设备2000执行上述实施例中任一种所示的技术方案。

需要说明的是，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。

图21示出了的一种芯片系统2100的组成示意图。该芯片系统2100可以包括：处理器2101和通信接口2102，用于支持相关设备实现上述实施例中所涉及的功能。在一种可能的设计中，芯片系统还包括存储器，用于保存电子设备必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包含芯片和其他分立器件。需要说明的是，在本申请的一些实现方式中，该通信接口2102也可称为接口电路。

需要说明的是，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。

本申请实施例还提供一种计算机存储介质，该计算机存储介质包括计算机指令，当所述计算机指令在上述电子设备上运行时，使得该电子设备执行上述方法实施例中手机执行的各个功能或者步骤。

本申请实施例还提供一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行上述方法实施例中手机执行的各个功能或者步骤。

通过以上实施方式的描述，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，仅以上述各功能模块的划分进行举例说明，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模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备（可以是单片机，芯片等）或处理器（processor）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上内容，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (16)

1.一种产品推荐方法，其特征在于，所述方法应用于电子设备中，所述方法用于对第一应用程序中的标签或产品进行基于用户偏好的排序推荐；所述第一应用程序安装在所述电子设备中，所述电子设备中还安装有至少一个第二应用程序；

所述方法包括：

获取所述第二应用程序的行为数据，所述行为数据包括以下中的至少一种：标签或产品的标识，行为领域，正向行为或负向行为，行为类型，行为个数，行为发生时间；

根据所述电子设备中预设的标签对应关系，将所述第二应用程序的行为数据，映射到所述第一应用程序的标签或产品中，获取第一应用程序对应的融合行为数据；所述标签对应关系指示所述第二应用程序中包括至少一个标签或产品，与所述第一应用程序中的至少一个标签或产品之间的映射关系；

根据所述融合行为数据，对所述第一应用程序中的各个标签或产品进行偏好排序；

所述第一应用程序的标签下还包括多个产品；

所述方法还包括：根据预设的产品排序规则，确定任一标签下的产品推荐顺序；

其中，所述产品排序规则包括：

针对每一个第一物品，执行以下操作以获取对应的排序得分，所述第一物品是当前标签中的任一个物品；

判断第一物品是否是新品，第一物品包括在当前标签中；在所述第一物品是新品的情况下，判断随机概率是否大于概率阈值；在所述随机概率大于所述概率阈值的情况下，将所述第一物品加入排序队列，所述排序队列中的物品参与产品推荐；

获取当前标签中的至少一个第二物品的使用数据，所述使用数据包括历史点击率和/或曝光数；根据所述使用数据，确定所述第一物品以及所述至少一个第二物品的排序得分；所述第二物品是当前标签中的物品，所述第二物品与所述第一物品在同一个价格区间内；

针对当前标签下的所述第一物品和所述至少一个第二物品，按照对应排序得分由大到小进行排序，取前N个物品参加产品推荐，产品推荐的顺序根据物品的排序得分确定。

2.根据权利要求1所述的方法，其特征在于，所述获取所述第二应用程序的行为数据，包括：

获取所述第二应用程序的至少一个第一行为数据，所述至少一个第一行为数据中的每一个，与所述第二应用程序中的至少一个标签或产品对应。

3.根据权利要求1或2所述的方法，其特征在于，所述第一应用程序以及所述第二应用程序中的标签，均包括至少一个一级标签，以及所述一级标签下的至少一个二级标签，

所述获取第一应用程序对应的融合行为数据，包括：

根据所述标签对应关系，将所述第二应用程序的一级标签的行为数据，映射到与所述第二应用程序的一级标签具有映射关系的所述第一应用程序的一级标签下，和/或，

根据所述标签对应关系，将所述第二应用程序的二级标签的行为数据，映射到与所述第二应用程序的二级标签具有映射关系的所述第一应用程序的二级标签下。

4.根据权利要求3所述的方法，其特征在于，所述电子设备中预设的标签对应关系包括至少一个第一映射关系，所述第一映射关系用于标示所述第一应用程序的二级标签与所述第二应用程序的二级标签之间的映射关系。

5.根据权利要求4所述的方法，其特征在于，所述至少一个第一映射关系根据如下方法获取：

针对任一个第一标签，确定所述第一应用程序中，至少一个第二标签与所述第一标签的第一语义相似度；所述第一标签是所述第二应用程序中的任一个二级标签，所述第二标签是所述第一应用程序中的任意一个二级标签；

判断所述第一语义相似度是否大于第一阈值；

在所述第一语义相似度大于所述第一阈值的情况下，将所述第一标签和所述第二标签的映射关系，确定为一个所述第一映射关系。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

在所述第一语义相似度不超过所述第一阈值的情况下，

确定所述第一标签与至少一个第三标签的第二语义相似度，所述第三标签是所述第一应用程序中的任一个一级标签；

判断所述第二语义相似度是否大于第二阈值；

在所述第二语义相似度大于所述第二阈值的情况下，将所述第一标签和第四标签的映射关系，确定为一个所述第一映射关系；

所述第四标签是所述第三标签下的热门二级标签。

7.根据权利要求6所述的方法，其特征在于，所述第四标签是所述第三标签下的热门二级标签，包括：

所述第四标签是所述第三标签下，点击访问量最大的二级标签。

8.根据权利要求3所述的方法，其特征在于，所述电子设备中预设的标签对应关系还包括至少一个第二映射关系，所述第二映射关系用于标示所述第一应用程序的一级标签与所述第二应用程序的一级标签之间的映射关系。

9.根据权利要求8所述的方法，其特征在于，所述至少一个第二映射关系根据如下方法获取：

针对任一个第五标签，确定所述第一应用程序中，至少一个第三标签与所述第五标签的第三语义相似度；所述第五标签是所述第二应用程序中的任一个一级标签，所述第三标签是所述第一应用程序中的任意一个一级标签；

判断所述第三语义相似度是否大于第三阈值；

在所述第三语义相似度大于所述第三阈值的情况下，将所述第三标签和所述第五标签的映射关系，确定为一个所述第二映射关系。

10.根据权利要求1或2所述的方法，其特征在于，所述根据所述融合行为数据，对所述第一应用程序中的各个标签或产品进行偏好排序，包括：

根据所述融合行为数据，确定所述第一应用程序中，各个标签或产品的偏好分数；

所述偏好分数越高，标示对应标签或产品的用户偏好程度越高；

所述偏好分数越低，标示对应标签或产品的用户偏好程度越低。

11.根据权利要求10所述的方法，其特征在于，所述根据所述融合行为数据，确定所述第一应用程序中，各个标签或产品的偏好分数，包括：

根据当前标签或产品的融合行为数据，以及预设的多因子融合方法，确定当前标签或产品的偏好分数。

12.根据权利要求11所述方法，其特征在于，所述多因子融合方法包括：

根据融合行为数据，获取当前标签或产品的打分因子，所述打分因子包括以下中的至少一项：多维行为贡献度因子，时间衰减因子，标签去热因子，以及标签用户重要度因子；

根据所述打分因子，确定当前标签或产品的偏好分数。

13.根据权利要求1所述的方法，其特征在于，所述产品排序规则还包括：

在所述第一物品不是新品的情况下，获取所述第一物品的所述使用数据，

将所述第一物品加入所述排序队列。

14.一种产品推荐装置，其特征在于，所述装置设置在电子设备中，所述装置按照如权利要求1-13中任一项所述的方法，对第一应用程序中的标签或产品进行基于用户偏好的排序推荐；所述第一应用程序安装在所述电子设备中，所述电子设备中还安装有至少一个第二应用程序；

所述产品推荐装置包括：

多域数据融合单元，用于获取所述第二应用程序的行为数据，所述行为数据包括以下中的至少一种：标签或产品的标识，行为领域，正向行为或负向行为，行为类型，行为个数，行为发生时间；

所述多域数据融合单元，还用于根据所述电子设备中预设的标签对应关系，将所述第二应用程序的行为数据，映射到所述第一应用程序的标签或产品中，获取第一应用程序对应的融合行为数据；所述标签对应关系指示所述第二应用程序中包括至少一个标签或产品，与所述第一应用程序中的至少一个标签或产品具有映射关系；

偏好计算单元，用于根据所述融合行为数据，对所述第一应用程序中的各个标签或产品进行偏好排序；

所述装置还包括：

物品排序单元，用于根据预设的产品排序规则，确定任一标签下的产品推荐顺序；

所述产品排序规则包括：

针对每一个第一物品，执行以下操作以获取对应的排序得分，所述第一物品是当前标签中的任一个物品；

判断第一物品是否是新品，第一物品包括在当前标签中；在所述第一物品是新品的情况下，判断随机概率是否大于概率阈值；在所述随机概率大于所述概率阈值的情况下，将所述第一物品加入排序队列，所述排序队列中的物品参与产品推荐；

获取当前标签中的至少一个第二物品的使用数据，所述使用数据包括历史点击率和/或曝光数；根据所述使用数据，确定所述第一物品以及所述至少一个第二物品的排序得分；所述第二物品是当前标签中的物品，所述第二物品与所述第一物品在同一个价格区间内；

针对当前标签下的所述第一物品和所述至少一个第二物品，按照对应排序得分由大到小进行排序，取前N个物品参加产品推荐，产品推荐的顺序根据物品的排序得分确定。

15.根据权利要求14所述的装置，其特征在于，所述产品排序规则还包括：

在所述第一物品不是新品的情况下，获取所述第一物品的所述使用数据，

将所述第一物品加入所述排序队列。

16.一种电子设备，其特征在于，所述电子设备包括：存储器、显示屏和一个或多个处理器；所述存储器、所述显示屏和所述处理器耦合；

其中，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器执行所述计算机指令时，使所述电子设备执行如权利要求1-13中任一项权利要求中所述的方法。