TW201842474A - 活動推薦系統和方法 - Google Patents
活動推薦系統和方法 Download PDFInfo
- Publication number
- TW201842474A TW201842474A TW107112113A TW107112113A TW201842474A TW 201842474 A TW201842474 A TW 201842474A TW 107112113 A TW107112113 A TW 107112113A TW 107112113 A TW107112113 A TW 107112113A TW 201842474 A TW201842474 A TW 201842474A
- Authority
- TW
- Taiwan
- Prior art keywords
- recommendation
- activity
- activities
- determining
- user
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本披露涉及用於操作線上隨選服務平臺的系統及方法。該系統可以執行該方法以:確定一個或多個活動之一個或多個推薦規則,以推薦給一個或多個候選用戶;針對所述一個或多個活動中之每一個活動,確定在所述一個或多個候選用戶中達成所述活動之一個或多個預設目標;針對所述一個或多個活動中之每一個活動,確定所述一個或多個候選用戶中之每一個候選用戶,其將要完成所述活動之所述一個或多個預設目標之完成機率;以及基於所述一個或多個完成機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中為所述一個或多個活動中之每一個活動確定至少一個目標用戶以發送所述活動之通知。
Description
本申請涉及線上隨選服務之系統和方法,具體地,涉及用於向用戶推薦活動之系統和方法。
本申請要求於2017年11月28日提交的國際申請號為PCT/CN2017/113413的國際申請的優先權,其要求於2017年4月7日提交的中國申請號為201710222438.8的中國申請的優先權,其全部內容以引用方式併入本文。
基於網際網路的線上隨選服務,例如線上計程車服務,由於其便利性而變得越來越流行。線上隨選服務平臺可向用戶推薦諸如折扣和熱門新聞之類的活動。例如,該平臺可以向用戶推薦招呼(hail)計程車的優惠券。該平臺可以基於每一個用戶的偏好向用戶推薦活動。例如,該平臺可向司機推薦交通新聞。需要提供活動推薦的系統和方法,以提高用戶活動推薦的準確性和效率。
根據本申請的一個態樣提供一個系統。該系統可包括一個或多個儲存媒體,及一個或多個被配置為與所述一個或多個儲存媒體通訊的處理 器。一個或多個儲存媒體可包括一組用於操作線上隨選服務平臺的指令。當一個或多個處理器執行該組指令時,可用於執行下述操作的一個或多個。所述一個或多個處理器可以獲取與所述隨選服務相關聯之一個或多個活動之數據,以推薦給與所述線上隨選服務平臺相關聯之一個或多個候選用戶。所述一個或多個處理器可以確定一個或多個推薦規則。針對所述一個或多個活動中之每一個活動,所述一個或多個處理器可以確定在所述一個或多個候選用戶上達成所述活動之一個或多個預設目標。針對所述一個或多個活動中之每一個活動,所述一個或多個處理器可以確定所述一個或多個候選用戶中之每一個候選用戶將要完成所述活動之所述一個或多個預設目標之完成機率。所述一個或多個處理器可以基於所述一個或多個完成機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中為所述一個或多個活動中之每一個活動確定至少一個目標用戶,以發送所述活動之通知。
在一些實施例中,為確定所述候選用戶將要完成所述一個或多個預設目標之完成機率,所述一個或多個處理器可以獲取複數個歷史活動之推薦數據。所述一個或多個處理器可以基於所述複數個歷史活動之推薦數據,產生估計模型。所述一個或多個處理器可以基於所述估計模型,確定所述一個或多個完成機率。
在一些實施例中,所述複數個歷史活動中之一個歷史活動之推薦數據至少包括以下中之一種:所述歷史活動之內容、所述歷史活動之一個或多個特徵、所述歷史活動之類型、所述歷史活動之類型標識、被推薦所述歷史活動之用戶之標識、被推薦所述歷史活動之用戶之一個或多個特徵,以及表示被推薦所述歷史活動之用戶是否完成所述歷史活動之一個或多個預設目標之信息。
在一些實施例中,為確定所述候選用戶將要完成所述活動之所 述一個或多個預設目標之完成機率,所述一個或多個處理器可以確定所述候選用戶將要完成所述活動之所述一個或多個預設目標中之每一個預設目標之機率。所述一個或多個處理器可以通過以下至少一種方式,確定所述候選用戶將要完成所述活動之所述一個或多個預設目標之完成機率:選擇所述一個或多個機率中之一個機率作為所述完成機率;回應於所述一個或多個預設目標之計數大於1之確定結果,確定所述一個或多個機率中之至少兩個機率之平均值;或者回應於所述一個或多個預設目標之所述計數大於1之確定結果,確定所述一個或多個機率中之至少兩個機率之加權平均值。
在一些實施例中,為基於所述複數個歷史活動中之一個歷史活動之推薦數據以產生所述估計模型,所述一個或多個處理器可以確定複數個離散推薦參數,所述複數個離散推薦參數中之每一個離散推薦參數表示是否將所述活動推薦給所述一個或多個候選用戶中之一個候選用戶。所述一個或多個處理器可以確定,當基於所述複數個離散推薦參數,所述活動被推薦給所述至少一個目標用戶時,所述一個或多個推薦規則是否被全部滿足。回應於當基於所述複數個離散推薦參數,所述活動被推薦給所述至少一個目標用戶時,所述一個或多個推薦規則被全部滿足之確定結果,所述一個或多個處理器可以確定所述至少一個目標用戶將要完成所述活動之一個或多個預設目標之至少一個完成機率之總和。所述一個或多個處理器可以確定所述總和是否為所述一個或多個候選用戶中之其他候選用戶中之最大的。所述一個或多個處理器可以基於所述複數個離散推薦參數,為所述活動確定所述至少一個目標用戶。
在一些實施例中,所述一個或多個處理器可以針對所述一個或多個活動中之每一個活動,基於以下公式確定所述複數個離散推薦參數,,p ij [0,1], ,r ijk {0,1},x ij {0,1}, 其中,Z表示針對所述一個或多個活動中之每一個活動之所述至少一個目標用戶,其將要完成所述活動之所述一個或多個預設目標之所述完成機率之總和;i表示所述一個或多個活動中之一個活動;j表示所述一個或多個候選用戶中之一個候選用戶;N表示所述一個或多個活動之總數;M表示所述一個或多個候選用戶之總數;x ij 為離散推薦參數,表示是否向所述一個或多個候選用戶中之所述一個候選用戶推薦所述一個或多個活動中之所述一個活動;p ij 表示所述一個或多個候選用戶中之所述一個候選用戶,其將要完成所述一個或多個活動中之所述一個活動之所述一個或多個預設目標之所述完成機率;k表示所述一個或多個推薦規則中之一個推薦規則;R表示所述一個或多個推薦規則之總數;r ijk 表示所述一個或多個活動中之所述一個活動是否被允許,在所述一個或多個推薦規則中之所述一個推薦規則下,被推薦給所述一個或多個候選用戶中之所述一個候選用戶;以及A k 表示與所述一個或多個推薦規則相關聯之值。
在一些實施例中,為基於所述一個或多個機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中為該活動確定至少一個目標用戶,所述一個或多個處理器可以確定複數個連續推薦參數,所述複數個連續推薦參數中之每一個連續推薦參數表示向所述一個或多個候選用戶中之一個候選用戶推薦所述活動之機率。所述一個或多個處理器可以基於所述複數個連續推薦參數,確定所述一個或多個推薦規則是否被全部滿足。回應於基於所述複數個離散推薦參數,所述一個或多個推薦規則被全部滿足之確定結果,基於所述複數個連續推薦參數,所述一個或多個處理器可以確定,與所述一個或多個候選用戶將要完成所述活動之所述一個或多個預設目標之一個或多個完成機率相關連之總和。所述一個或多個處理器可以確定所述總和是否是其他連續推薦參數中最大的。所述一個或多個處理器可以基於所述複數個連續推薦參數,確定複數個離散推薦參數,所述複數個離散推薦參數之每一個離散推薦參數表示是否向 所述一個或多個候選用戶中之一個候選用戶推薦所述活動。所述一個或多個處理器可以基於所述複數個離散推薦參數,為所述活動確定所述至少一個目標用戶。
在一些實施例中,所述一個或多個處理器可以基於以下公式,確定針對所述一個或多個活動中之每一個活動之複數個連續推薦參數, ,p ij [0,1], ,r ijk {0,1},x ij {0,1},其中,Z'表示與所述一個或多個候選用戶將要完成所述一個或多個活動中之每一個活動之所述一個或多個預設目標之所述完成機率相關連之總和;i表示所述一個或多個活動中之一個活動,j表示所述一個或多個候選用戶中之一個候選用戶;N表示所述一個或多個活動之總數;M表示所述一個或多個候選用戶之總數;為連續推薦參數,表示向所述一個或多個候選用戶中之所述一個候選用戶推薦所述一個或多個活動中之所述一個活動之機率;p ij 表示所述一個或多個候選用戶中之所述一個候選用戶將要完成所述一個或多個活動中之所述一個活動之所述一個或多個預設目標之完成機率;k表示所述一個或多個推薦規則中之一個推薦規則;R表示所述一個或多個推薦規則之總數;r ijk 表示所述一個或多個活動中之所述一個活動是否被允許,在所述一個或多個推薦規則中之所述一個推薦規則下,被推薦給所述一個或多個候選用戶中之所述一個候選用戶;以及A k 表示與所述一個或多個推薦規則相關聯之值。
在一些實施例中,所述一個或多個處理器可以基於拉格朗日鬆弛(Lagrange relaxation)演算法,確定所述複數個連續推薦參數。
在一些實施例中,所述活動之所述預設目標包括以下中之至少一個:基於所述活動向所述線上隨選服務平臺介紹一個或多個新用戶,所述活動被瀏覽,或基於所述活動之消費。
根據本申請的另一個態樣,提供一種方法。所述方法可以實現於具有一個或多個處理器和一個或多個儲存媒體的計算裝置。所述方法可以包括以下一個或多個操作。所述一個或多個處理器可以獲取與所述隨選服務相關聯之一個或多個活動之的數據,以推薦給與所述線上隨選服務平臺相關聯之一個或多個候選用戶。所述一個或多個處理器可以確定一個或多個推薦規則。針對所述一個或多個活動中之每一個活動,所述一個或多個處理器可以確定所述在一個或多個候選用戶上達成所述活動之一個或多個預設目標。針對所述一個或多個活動中之每一個活動,所述一個或多個處理器可以確定所述一個或多個候選用戶中之每一個候選用戶,其將要完成所述活動之一個或多個預設目標之完成機率。所述一個或多個處理器可以基於所述一個或多個完成機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中為所述一個或多個活動中之每一個活動確定至少一個目標用戶。
根據本申請的另一個態樣,一種非暫態電腦可讀取媒體,其可以包括至少一組用於操作線上隨選服務平臺的指令。所述至少一組指令可以被一個計算裝置的一個或多個處理器執行。所述一個或多個處理器獲取與所述隨選服務相關聯之一個或多個活動之的數據,以推薦給與所述線上隨選服務平臺相關聯之一個或多個候選用戶。所述一個或多個處理器可以確定一個或多個推薦規則。針對所述一個或多個活動中之每一個活動,所述一個或多個處理器可以確定所述在一個或多個候選用戶上達成所述活動之一個或多個預設目標。針對所述一個或多個活動之每一個活動,所述一個或多個處理器可以確定所述一個或多個候選用戶中之每一個候選用戶,其將要完成所述活動之一個或多個預設目標之完成機率。所述一個或多個處理器可以基於所述一個或多個完成機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中為所述一個或多個活動中之每一個活動確定至少一個目標用戶,以發送所述活動之通知。
根據本申請的另一個態樣,一種系統被提供。所述系統可以包括:獲取模組,被配置為獲取與所述隨選服務相關聯之一個或多個活動之數據,以推薦給與所述線上隨選服務平臺相關聯之一個或多個候選用戶;規則確定模組,被配置為決定一個或多個推薦規則;目標確定模組,被配置為確定在所述一個或多個候選用戶上達成所述一個或多個活動中之每一個活動之一個或多個預設目標;機率確定模組,被配置為確定所述一個或多個候選用戶中之每一個候選用戶,其將要完成所述一個或多個活動中之每一個活動之所述一個或多個預設目標之完成機率;以及推薦模組,被配置為基於所述一個或多個完成機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中為所述一個或多個活動中之每一個活動確定至少一個目標用戶。
100‧‧‧隨選服務系統
110‧‧‧伺服器
112‧‧‧處理引擎
120‧‧‧網路
120-1‧‧‧網際網路交換點
120-2‧‧‧網際網路交換點
130‧‧‧請求者終端
130-1‧‧‧行動裝置
130-2‧‧‧平板電腦
130-3‧‧‧膝上型電腦
130-4‧‧‧機動載具之內建裝置
150‧‧‧儲存裝置
200‧‧‧計算裝置
210‧‧‧處理器
210-a‧‧‧介面電路
210-b‧‧‧處理電路
220‧‧‧儲存器
230‧‧‧輸入/輸出
240‧‧‧通訊端口
300‧‧‧行動裝置
310‧‧‧通訊平臺
320‧‧‧顯示器
330‧‧‧圖像處理單元
340‧‧‧中央處理單元
350‧‧‧輸入/輸出
360‧‧‧記憶體
370‧‧‧作業系統
380‧‧‧應用程式
390‧‧‧儲存器
400‧‧‧處理引擎
410‧‧‧獲取模組
420‧‧‧規則確定模組
430‧‧‧目標確定模組
440‧‧‧機率確定模組
450‧‧‧推薦模組
500‧‧‧過程
510~550‧‧‧步驟
600‧‧‧過程
610~630‧‧‧步驟
700‧‧‧過程
710~750‧‧‧步驟
800‧‧‧過程
810~860‧‧‧步驟
本申請將結合示例性實施例進一步進行描述。這些示例性的實施例將結合參考圖式進行詳細描述。這些實施例是非限制性的示例性實施例,在圖式多種視圖下的實施例中,相似的編號表示相似的結構,並且其中:圖1是根據本申請的一些實施例所示的一種示例性隨選服務系統的示意圖;圖2是根據本申請的一些實施例所示的計算裝置的示例性硬體和/或軟體組件的示意圖;圖3是根據本申請的一些實施例所示的一種行動裝置的示例性硬體和/或軟體組件的示意圖;圖4是根據本申請的一些實施例所示的一種示例性處理引擎的方塊圖;圖5是根據本申請的一些實施例所示的一種用於活動推薦的示例性過程的流程圖; 圖6是根據本申請的一些實施例所示的一種用於確定候選用戶將要完成活動的預設目標的機率的示例性過程的流程圖;圖7是根據本申請的一些實施例所示的一種用於針對一個或多個活動中的每一個活動之一個或多個候選用戶確定至少一個目標用戶的示例性過程的流程圖;圖8是根據本申請的一些實施例所示的一種用於針對一個或多個活動中的每一個活動之一個或多個候選用戶確定至少一個目標用戶的示例性過程的流程圖。
以下描述是為了使本領域的普通技術人員能够實施和利用本申請,並在特定應用及其要求的上下文中而被提供。對於本領域的普通技術人員來講,對本申請披露的實施例進行的各種修改是顯而易見的,並且本文中定義的通則在不背離本申請的精神及範圍的情况下,可以適用於其他實施例及應用。因此,本申請不限於所示的實施例,而是符合與申請專利範圍一致的最廣泛範圍。
本文中所使用的術語僅用於描述特定示例性實施例,並不意圖限制本申請的範圍。如本文使用的單數形式「一」、「一個」及「該」、「所述」可以同樣意圖包括複數形式,除非上下文明確提示例外情形。將進一步理解的是,當在本申請中使用時,術語「包括」和/或「包含」指明存在所述特徵、整體、步驟、操作、元件和/或組件,但並不排除一個或多個其他特徵、整體、步驟、操作、元件、組件和/或其組合的存在或增加。
應該理解的是,這裡使用的術語「系統」、「模組」和/或「方塊」是按照升序來區分不同級別的不同組件、元件、部件、部分或組件的一種 方法。但是,如果它們達成相同的目的,這些術語可能會被另一個表達式所取代。
如本文所使用的術語「模組」或「方塊」是指體現在硬體或韌體中的邏輯或者軟體指令的集合。這裡描述的模組或模組可以被實現為軟體和/或硬體,並且可以被儲存在任何類型的非暫態電腦可讀取媒體或另一儲存裝置中。在一些實施例中,軟體模組/單元/方塊可被編譯並鏈接到可執行程式中。應該理解的是,軟體模組可以從其他模組/單元/方塊或它們自己呼叫(call),和/或可以回應於檢測到的事件或中斷而被引動(invoke)。被配置用於在計算裝置上執行的軟體模組/單元/方塊(例如,如圖2所示的處理器210)可以被提供在電腦可讀取媒體上,諸如光碟,數位視訊碟,隨身碟,磁盤或任何其他有形媒體,或作為數位下載(並且可以最初以壓縮或可安裝的格式儲存,在執行之前需要安裝、解壓縮或解密)。這樣的軟體代碼可以部分地或完全地儲存在執行計算裝置的儲存裝置上,以供計算裝置執行。軟體指令可以嵌入韌體中,例如電子可程式化唯讀記憶體(Electrically Programmable Read-Only-Memory,EPROM)。將進一步理解的是,硬體模組/單元/方塊可以被包括在諸如閘(gate)和正反器(flip-flop)的連接的邏輯組件中,並且/或者可以被包括在諸如可程式化閘陣列或處理器的可編程單元中。這裡描述的模組/單元/方塊或計算裝置功能可以被實現為軟體模組/單元/方塊,但是可以用硬體或韌體來表示。通常,這裡描述的模組/單元/方塊是指可以與其他模組/單元/模組組合或者被劃分為子模組/子模組/子模組的邏輯模組/單元/模組,儘管其物理組織或儲存。該描述可以應用於系統、引擎或其一部分。
將理解的是,當模組或方塊被稱為「連接到」或「耦合到」另一模組或方塊時,它可以直接連接或耦合到另一模組或方塊,或者可以與可能出現之其它模組、方塊、中間單元、引擎、模組或方塊通訊,除非上下文另有 明確指示。如本文所使用的,術語「和/或」包括一個或多個相關所列項目的任何和所有組合。
在考慮以下描述時,參考附圖,本申請的這些和其他特徵、相關結構元件的操作方法和功能,以及部件組合和製造經濟可以變得更加明顯,所有這些構成本說明書的一部分。然而,要明確理解的是,附圖僅用於說明和描述的目的,並不意圖限制本申請的範圍。應該理解的是圖紙沒有按比例繪製。
本申請中使用的流程圖描述了根據本申請的一些實施例的系統實施的操作。應該明確地理解的是,流程圖的操作可以不按順序實施。相反,這些操作可以以相反的順序或同時執行。而且,可以將一個或多個其他操作添加到流程圖。一個或多個操作可能會從流程圖中删除。
此外,本申請的系統或方法可以應用於其他類型的線上隨選服務。例如,本申請的系統或方法可以應用於不同的運輸系統,包括陸地、海洋、航空航太或類似物或其任意組合。交通系統的載具可以包括計程車、私家車、搭便車(hitch)、公車、火車、高速列車、高鐵、地鐵、船舶、飛機、宇宙飛船、熱氣球、無人駕駛載具、腳踏車、三輪車、摩托車或類似物或其任意組合。本申請的系統或方法可應用於招呼計程車、司機服務、送貨服務、共乘(carpool)、公車服務、外賣服務、代駕、載具租用、腳踏車共享服務、火車服務、地鐵服務、班車服務、位置服務或類似物。又例如,本申請的系統或方法可以應用於購物服務、學習服務、健身服務、金融服務、社交服務或類似物。本申請的系統或方法的應用場景可以包括網頁、瀏覽器的套件、客戶終端、客制系統、內部分析系統、人工智慧機器人或類似物或其任意組合。
隨選服務的對象可以是任何產品。在一些實施例中,產品可以是有形產品或無形產品。有形產品可以包括食品、醫藥、商品、化學產品、電 器、衣服、汽車、住房、奢侈品或類似物或其任意組合。無形產品可以包括服務產品、金融產品、知識產品、網際網路產品或類似物或其任意組合。網際網路產品可以包括個人主機產品、網路產品、行動網際網路產品、商業主機產品、嵌入式產品或類似物或其任意組合。行動網際網路產品可以用於行動終端、程式、系統或類似物或其任意組合中之軟體。行動終端可以包括平板電腦、手提電腦、行動電話、個人數位助理(PDA)、智慧手錶、銷售點(POS)裝置、車載電腦、車載電視、可穿戴裝置或類似物或其任意組合。例如,產品可以是電腦或行動電話中使用的任何軟體和/或應用程式。該軟體和/或應用程式可涉及社交、購物、運輸、娛樂、學習、投資或類似物或其任意組合。在一些實施例中,涉及運輸的軟體和/或應用程式可以包括旅行軟體和/或應用程式、載具調度軟體和/或應用程式、地圖軟體和/或應用程式等。在載具調度軟體和/或應用程式中,載具可以包括馬、馬車、人力車(例如,獨輪車、腳踏車、三輪車等)、汽車(例如,計程車、公車、私家車等)、火車、地鐵、船舶、飛行器(例如,飛機,直升機,太空梭,火箭,熱氣球等)或類似物或其任意組合。
本申請中的術語「用戶」可以指可以請求服務、訂購服務、提供服務或促進提供服務的個人、實體或工具。在本申請中,術語「用戶」和「用戶終端」可以互換使用。
本申請的一方面涉及用於向用戶推送(push)與線上隨選服務(例如,計程車服務)有關的活動(例如,折扣)的系統和方法。在向用戶推送活動時,隨選服務平臺可以考慮以下兩個因素。首先,隨選服務平臺可以向用戶推送用戶感興趣的活動。例如,當隨選服務平臺向用戶推送折扣時,隨選服務平臺可以確保用戶將根據折扣進行消費。其次,隨選服務平臺可以設置推送活動之限制。例如,為了避免將過多的活動推送給同一用戶,隨選服務平臺 可以設置推薦給同一用戶的活動數量不超過3。
應該注意的是,使用線上隨選服務系統的活動推薦是深入扎根於後網際網路時代的新形式的活動推薦。它為用戶提供僅在後網際網路時代提出的技術解决方案。在網際網路之前的時代,用戶可以從報紙、電視廣告或傳單獲得活動推薦,例如與服務有關的折扣。及時向用戶通知與服務相關的活動是困難的。另外,網際網路之前的時代,傳統活動推薦方式的用戶覆蓋範圍有限。然而,線上隨選服務系統通過網際網路向更多用戶推薦活動,並確保用戶不會錯過活動。因此,通過網際網路,線上隨選服務系統可以為網際網路之前的時代從未遇到的用戶,提供更加高效和準確的推薦平臺。
圖1是根據本申請的一些實施例所示的一種示例性隨選服務系統的示意圖。例如,隨選服務系統100可以是用於交通服務(例如,招呼計程車、司機服務、遞送服務、共乘、公車服務、外賣服務、代駕、載具租用、火車服務、地鐵服務、班車服務)、購物服務、健身服務、學習服務、金融服務或類似物的線上隨選服務系統。
隨選服務系統100可以包括伺服器110、網路120、用戶終端130和儲存裝置150。該伺服器110可包含處理引擎112。
在一些實施例中,伺服器110可以是單一伺服器或伺服器組。所述伺服器群可以是集中式的或分散式的(例如,伺服器110可以是分散式的系統)。在一些實施例中,伺服器110可以是本地的或遠端的。例如,伺服器110可以經由網路120存取儲存於用戶終端130或儲存裝置150中的信息和/或數據。又例如,伺服器110可以直接連接到用戶終端130和/或儲存裝置150以存取儲存的信息和/或數據。在一些實施例中,伺服器110可以在雲平臺上實施。在一些實施例中,儲存裝置150可以在雲端平臺上實施。僅作為範例,雲端平臺可以包括私有雲、公用雲、混合雲、社區雲、分散式雲、內部雲、多層雲或類似物 或其任意組合。在一些實施例中,伺服器110可以在具有本申請中圖2所示的一個或多個組件的計算裝置200上實現。
在一些實施例中,伺服器110可以包括處理引擎112。處理引擎112可以處理與活動推薦相關的信息和/或數據。例如,處理引擎112可以確定至少一個用戶發送與服務(例如,計程車服務)相關的活動的通知。在一些實施例中,所述處理引擎112可以包括一個或者多個處理引擎(例如,單核心處理引擎或多核心處理器)。僅作為示例,處理引擎112可以包括一個或多個硬體處理器,例如中央處理單元(CPU)、特定應用積體電路(ASIC)、特定應用指令集處理器(ASIP)、圖像處理單元(GPU)、物理運算處理單元(PPU)、數位信號處理器(DSP)、場域可程式閘陣列(FPGA)、可程式邏輯裝置(PLD)、控制器、微控制器單元、精簡指令集電腦(RISC)、微處理器或類似物或其任意組合。
網路120可以促進信息和/或數據的交換。在一些實施例中,隨選服務系統100中的一個或多個組件(例如,伺服器110、用戶終端130、儲存裝置150),可以經由網路120向隨選服務系統100中的其他組件發送信息和/或數據。例如,伺服器110中的處理引擎112可以經由網路120向用戶終端130發送與服務(例如,計程車服務)相關的活動的通知。在一些實施例中,網路120可以是有線網路或無線網路中的一種或多種組合。僅作為示例,網路130可以包括電纜網路、有線網路、光纖網路、遠程通訊網路、內部網路、網際網路、區域網路(LAN)、廣域網路(WAN)、無線區域網路(WLAN)、城域網路(MAN)、公共交換電話網路(PSTN)、藍牙TM網路、ZigBee網路、近場通訊(NFC)網路或類似物或其任意組合。例如,網路120可以包括有線或無線網路存取點,諸如基站和/或網際網路存取點120-1、120-2......。例如,網路120可以包括有線或無線網路交換點,如基站和/或網際網路交換點120-1、120- 2、......,通過交換點,隨選服務系統100的一個或多個組件可以連接到網路120以交換數據和/或信息。
在一些實施例中,用戶終端130可以包括行動裝置130-1、平板電腦130-2、手提電腦130-3、機動載具中的內置裝置130-4或類似物或其任意組合。在一些實施例中,行動裝置130-1可以包括智慧家居裝置、可穿戴裝置、行動裝置、虛擬實境裝置、增强實境裝置或類似物或其任意組合。在一些實施例中,智慧家居裝置可以包括智慧照明裝置、智慧電器的控制裝置、智慧監測裝置、智慧電視、智慧視訊攝影機、對講機或類似物或其任意組合。在一些實施例中,可穿戴裝置可以包括手環、鞋襪、眼鏡、頭盔、手錶、衣物、背包、智慧配件或類似物或其任意組合。在一些實施例中,行動裝置可以包括行動電話、個人數位助理、遊戲裝置、導航裝置、POS機、手提電腦、桌上型電腦或類似物或其任意組合。在一些實施例中,虛擬實境裝置和/或增强實境裝置可以包括虛擬實境頭盔、虛擬實境眼鏡、虛擬實境眼罩、增强實境頭盔、增强實境眼鏡、增强實境眼罩或類似物或其任意組合。例如,虛擬實境裝置和/或增强現實裝置可以包括Google GlassTM、RiftConTM、FragmensTM、Gear VRTM等。在一些實施例中,機動載具中的內置裝置130-4可以包括車載電腦、車載電視等。
儲存裝置150可以儲存數據和/或指令。在一些實施例中,儲存裝置150可以儲存從用戶終端130和/或伺服器110獲取的數據。例如,儲存裝置150可以儲存從用戶終端130獲得的歷史活動的推薦數據。在一些實施例中,儲存裝置150可以儲存伺服器110用來執行或使用來完成本申請中描述的示例性方法的數據和/或指令。例如,儲存裝置150可以儲存為與服務(例如,計程車服務)相關的活動確定至少一個目標用戶的指令。在一些實施例中,儲存裝置150可以包括大容量儲存器、可移除儲存器、揮發性讀寫記憶體、唯讀記憶體(ROM)或類似物或其任意組合。示例性大容量儲存器可以包括磁碟、光碟、 固態碟。示例性可移除儲存器可以包括隨身碟、軟碟、光碟、記憶卡、壓縮碟、磁帶等。示例性揮發性讀寫記憶體可以包括隨機存取記憶體(RAM)。示例性RAM可以包括動態RAM(DRAM)、雙倍速率同步動態RAM(DDR SDRAM)、靜態RAM(SRAM)、閘流體RAM(T-RAM)和零電容RAM(Z-RAM)等。示例性ROM可以包括遮罩ROM(MROM)、可程式ROM(PROM)、可抹除可程式ROM(PEROM)、電子可抹除可程式ROM(EEPROM)、光碟ROM(CD-ROM)及數位通用磁盤ROM(DVD-ROM)等。在一些實施例中,儲存裝置150可以在一雲端平臺上實施。僅作為示例,雲端平臺可以包括私有雲、公用雲、混合雲、社區雲、分散式雲、內部雲、多層雲或類似物或其任意組合。
在一些實施例中,儲存裝置150可以連接到網路120以與隨選服務系統100中的一個或多個組件(例如,伺服器110、用戶終端130)通訊。隨選服務系統100中的一個或多個組件可以經由網路120存取儲存在儲存裝置150中的數據或指令。例如,伺服器110中的處理引擎112可以存取儲存裝置150以獲得歷史活動的推薦數據。在一些實施例中,儲存裝置150可以直接連接到隨選服務系統100中的一個或多個組件(例如,伺服器110、用戶終端130)或與之通訊。在一些實施例中,儲存裝置150可以是伺服器110的一部分。
圖2是根據本申請的一些實施例所示的可以在其上實現處理引擎112的計算裝置的示例性硬體和/或軟體組件的示意圖。如圖2所示,計算裝置200可以包括處理器210、儲存器220、輸入/輸出(I/O)230和通訊端口240。
處理器210(例如,邏輯電路)可以執行指令(例如,程式代碼)並且根據這裡描述的技術來執行處理引擎112的功能。例如,處理器210可以在其中包括介面電路210-a和處理電路210-b。介面電路可以被配置為從匯流排(圖2中未示出)接收電子信號,其中電子信號編碼處理電路要處理的結構 化數據和/或指令。處理電路可以進行邏輯計算,然後確定結論、結果和/或編碼和/或形式為電子信號的指令。則介面電路可以經由匯流排電路從處理電路發送電子信號。
所述計算器指令可以包括例如執行在此描述的特定功能的常式(routine)、程式、物件、組件、數據結構、過程、模組和功能。例如,處理器210可以確定活動的至少一個目標用戶。在一些實施例中,處理器210可以包括一個或多個硬體處理器,諸如微控制器、微處理器、精簡指令集電腦(RISC)、特定應用積體電路(ASIC)、特定應用指令集處理器(ASIP)、中央處理單元(CPU)、圖形處理單元(GPU)、物理處理單元(PPU)、微控制器單元、數位信號處理器(DSP)、場域可程式閘陣列(FPGA)、高級RISC機器(ARM)、可程式邏輯裝置(programmable logic device,PLD)、能够執行一個或多個功能的任何電路或處理器或類似物或其任意組合。
僅為了說明,在計算裝置200中只描述了一個處理器。然而,應當注意的是,本申請中的計算裝置200還可以包括多個處理器,因此本申請所述的由一個處理器執行的步驟和/或方法步驟也可由多個處理器共同或分別執行。例如,如果在本申請中,計算裝置200的處理器執行步驟A和步驟B兩者,則應當理解,步驟A和步驟B也可以由計算裝置200中的兩個或更多個不同處理器共同或單獨執行(例如,第一處理器執行步驟A、第二處理器執行步驟B、或者第一和第二處理器共同執行步驟A和B)。
儲存器220可以儲存從用戶終端130、儲存裝置150和/或隨選服務系統100的任何其他組件獲得的數據/信息。在一些實施例中,儲存器220可包括一大容量儲存器、可移除儲存器、揮發性讀寫記憶體、唯讀記憶體(ROM)或類似物或其任意組合。例如,大容量儲存器可以包括磁盤、光碟、固態碟等。可移動儲存器可以包括隨身碟、軟碟、光碟、記憶卡、zip碟、磁帶等。揮 發性讀寫記憶體可以包括隨機存取記憶體(RAM)。RAM可包括一動態RAM(DRAM)、雙倍速率同步動態RAM(DDR SDRAM)、靜態RAM(SRAM)、閘流體RAM(T-RAM)和零電容RAM(Z-RAM)等。ROM可包括一遮罩ROM(MROM)、可程式ROM(PROM)、可抹除可程式ROM(PEROM)、電子可抹除可程式ROM(EEPROM)、光碟ROM或數位通用磁盤ROM等。在一些實施例中,儲存器220可以儲存一個或多個程式和/或指令以執行本公開描述之示例性方法。例如,儲存器220可以儲存複數個歷史活動的推薦數據。
輸入/輸出230可以輸入和/或輸出信號、數據、信息等。在一些實施例中,輸入/輸出230可以致能與處理引擎112的用戶互動。在一些實施例中,輸入/輸出230可以包括輸入裝置和輸出裝置。示例性的輸入裝置的可以包括鍵盤、鼠標、觸控螢幕、麥克風或類似物,或其任何組合。示例性的輸出裝置可以包括顯示裝置、揚聲器、印表機、投影儀或類似物,或其組合。示例性的顯示裝置可以包括液晶顯示器(LCD)、基於發光二極管(LED)的顯示器、平板顯示器、曲面螢幕、電視裝置、陰極射線管(CRT)、觸控螢幕或類似物,或其組合。
通訊端口240可以連接到網路(例如,網路120)以促進數據通訊。通訊端口240可以在處理引擎112和用戶終端130或儲存裝置150之間建立連接。連接可以是有線連接、無線連接、可以致能數據傳輸和/或接收的任何其他通訊連接,和/或其任何組合。有線連接可以包括例如電纜、光纜、電話線或類似物,或其任何組合。有線連接可以包括例如電纜、光纜、電話線或類似物或其任意組合。無線連接可以包括例如藍牙鏈路、Wi-Fi鏈路、WiMax鏈路、WLAN鏈路、ZigBee鏈路、行動網路鏈路(例如3G、4G、5G)或類似物或其任意組合。在一些實施例中,通訊端口240可以是和/或包括標準化的通訊端 口,諸如RS232,RS485等。
圖3是根據本申請的一些實施例所示的可以在其上實現用戶終端130的行動裝置的示例性硬體和/或軟體組件的示意圖。如圖3所示,行動裝置300可以包括通訊平臺310、顯示器320、圖形處理單元(GPU)330、中央處理單元(CPU)340、輸入/輸出(I/O)350、記憶體360和儲存器390。在一些實施例中,任何其他合適的組件,包括但不限於系統匯流排或控制器(未示出),亦可包括於行動裝置300內。在一些實施例中,行動作業系統(OS)370(例如,iOSTM、AndroidTM、Windows PhoneTM等)和一個或多個應用程式380可以從儲存器390載入到記憶體360中,以便由CPU 340執行。應用程式380可以包括瀏覽器或任何其他合適的行動應用程式,用於從處理引擎112接收活動推薦或與隨選服務相關的其他信息,並向處理引擎112發送與隨選服務相關的信息。用戶與信息流的互動可以通過輸入/輸出350實現,並通過網路120提供給處理引擎112和/或系統100的其他組件。
本領域普通技術人員應當理解,當隨選服務系統100的元件執行時,該組件可經由電信號和/或電磁信號而執行。例如,當處理引擎112處理諸如作出確定或識別信息的任務時,處理引擎112可以操作其處理器中的邏輯電路來處理這樣的任務。當處理引擎112向用戶終端130發送數據(例如,活動通知)時,處理引擎112的處理器可以產生編碼數據的電信號。然後,處理引擎112的處理器可以將電信號發送到處理引擎112的輸出端口。如果用戶終端130經由有線網路與處理引擎112通訊,則處理引擎112的輸出端口可以物理地連接到線纜,線纜可以進一步將電信號傳輸到用戶終端130的輸入端口。如果用戶終端130經由無線網路與處理引擎112通訊,則處理引擎112的輸出端口可以是一個或多個天線,其可以將電信號轉換成電磁信號。在諸如用戶終端130或伺服器110的電子裝置中,當其處理器處理指令、發出指令和/或執行動作時,指 令和/或動作通過電信號來執行。例如,當處理器從儲存媒體(例如,儲存裝置150、儲存器220)檢索或保存數據時,它可以向儲存媒體的讀/寫裝置發送電信號,該讀/寫裝置可以在儲存媒體中讀取或寫入結構化數據。結構化數據可以電信號的形式經由電子裝置的匯流排傳輸至處理器。此處,電信號可以指一個電信號、一系列電信號和/或多個不連續的電信號。
圖4是根據本申請的一些實施例所示的一種示例性處理引擎的模組圖。處理引擎112可以與儲存器(例如,儲存裝置150、用戶終端130、電腦可讀取儲存器)通訊,並且可以執行儲存在電腦可讀取儲存媒體中的指令。處理引擎112可以包括獲取模組410、規則確定模組420、目標確定模組430、機率確定模組440和推薦模組450。
獲取模組410可以獲取與活動推薦相關的數據。獲取模組410可以從儲存媒體(例如,儲存裝置150、儲存器220、儲存器390)獲取與活動推薦相關的數據。
在一些實施例中,獲取模組410可以獲取用於向與隨選服務系統100相關聯一個或多個候選用戶推薦的與隨選服務相關聯的一個或多個活動的數據。在一些實施例中,活動可以包括折扣、新聞、廣告或類似物或其任意組合。例如,對於計程車服務,該活動可以包括乘坐計程車的優惠券、及時路况的介紹或類似物。又例如,對於購物服務,該活動可以包括熱門商店的介紹、熱門商品的介紹、折扣或類似物。
在一些實施例中,獲取模組410可以獲取複數個歷史活動的推薦數據。歷史活動是指已推薦/推送給一個或多個用戶的活動。歷史活動的推薦數據可以包括歷史活動的內容、歷史活動的一個或多個特徵(例如,優惠券、紅包)、歷史活動的類型(例如,招呼計程車折扣、載具修理折扣、娛樂新聞、社會新聞、體育新聞)、歷史活動的類型的標識、被推薦歷史活動的用戶的標 識、被推薦歷史活動的用戶的一個或多個特徵(例如,性別、年齡、工作、地址、出生地點、新用戶的特徵)、表示被推薦歷史活動的用戶是否完成歷史活動的預設目標之信息,或類似物或其任意組合。
規則確定模組420可以確定一個或多個推薦規則。推薦規則可以用於確定是否允許活動被推薦給候選用戶。例如,推薦規則可以是推薦給同一候選用戶的活動數量少於或等於三。又例如,推薦規則為對於是與隨選服務系統100相關聯的新用戶的候選用戶可以接收5美元以下的優惠券。又例如,推薦規則可以是必須向所有一個或多個候選用戶推薦一個或多個活動的特定活動。
目標確定模組430可以針對一個或多個活動中之每一個活動,確定一個或多個候選用戶上達成活動的一個或多個預設目標(和/或目的)。活動的預設目標可以表示希望候選用戶對活動做出的回應。例如,活動的預設目標可以是基於活動將一個或多個新用戶引進隨選服務系統100、活動被瀏覽、或基於活動的消費。在一些實施例中,用於不同活動的預設目標可以不同。例如,對於乘坐計程車的折扣,目標確定模組430可以確定預設目標為基於折扣的消費。又例如,對於及時路况的介紹,目標確定模組430可以確定預設目標是對及時路况的介紹的瀏覽。在一些實施例中,一個或多個活動中的每一個活動的一個或多個預設目標的數量可以相同或不同。例如,一個或多個活動中的一個活動可以包括三個預設目標。一個或多個活動中的另一個活動可以包括四個預設目標。
機率確定模組440可以確定一個或多個候選用戶中之每一個候選用戶,其將要完成一個或多個活動中之每一個活動的一個或多個預設目標的完成機率。在一些實施例中,完成機率可以等於候選用戶將要分別完成活動的一個或多個預設目標的機率中的至少兩個機率的平均值、候選用戶將要分別完成活動的一個或多個預設目標的機率中的至少兩個機率的加權平均值,或者候選 用戶將要分別完成活動的一個或多個預設目標的機率中的一個機率。例如,乘坐計程車優惠券的活動可以包括兩個預設目標,例如活動被瀏覽和使用優惠券消費。機率確定模組440可以確定候選用戶將要瀏覽活動的機率為40%,候選用戶將要使用優惠券的機率為30%。機率確定模組440可以確定候選用戶將要使用優惠券的機率和候選用戶將要瀏覽活動的機率的平均值,作為與候選用戶和活動相對應的完成機率,並且確定完成機率為35%(例如,(30%+40%)/2=35%)。或者,機率確定模組440可以確定候選用戶將要使用優惠券的機率(或者候選用戶將要瀏覽活動的機率),作為與候選用戶和活動相對應的完成機率,並且確定完成機率為35%(或者40%)。
推薦模組450可以基於一個或多個完成機率和一個或多個推薦規則,從一個或多個候選用戶中為一個或多個活動中的每一個活動,確定至少一個目標用戶,以發送一個或多個活動中的每一個活動的通知。在一些實施例中,對於一個或多個活動中的每一個活動,推薦模組450可以通過將活動通知發送到與至少一個目標用戶相關聯的至少一個用戶終端,來向該至少一個目標用戶推薦該活動。用戶終端可以以電子優惠券、文章、鏈接或類似物或其任意組合的形式接收活動的通知。
處理引擎112中的模組可以通過有線連接或無線連接以互相連接或互相通訊。有線連接可以包括金屬線纜、光纜、混合電纜或類似物或其任意組合。無線連接可以包括區域網路(LAN)、廣域網路(WAN)、藍牙TM、ZigBee、近場通訊(NFC)、紅外連接或類似物或其任意組合。兩個或多個模組可以合併成一個模組,以及任意一個模組可以被拆分成兩個或多個單元。例如,獲取模組410可以被分成兩個單元。第一單元可以獲得一個或多個活動的數據。第二單元可以獲得複數個歷史活動的推薦數據。
應當注意的是,上述處理引擎112是為了說明而提供的,並不旨 在限制本申請的範圍。對於本領域的普通技術人員來說,可以根據本申請的描述,做出各種各樣的修正和改變。凡在本申請的精神和原則之內,所作的任何修改、或類似物同替換、改進或類似物,均應包含在本申請的保護範圍之內。例如,處理引擎112還可以包括儲存模組(圖4中未示出)。儲存模組可以被配置為儲存在由處理引擎112中的任何組件執行的任何處理期間產生的數據。又例如,處理引擎112的每一個組件可以與儲存模組相關聯。附加地或可選地,處理引擎112的組件可以共享一個共同的儲存模組。
圖5是根據本申請的一些實施例所示的一種用於活動推薦的示例性過程的流程圖。過程500可以在圖1所示的隨選服務系統100中實現。例如,過程500可以作為指令(例如,應用程式)的形式被儲存在儲存裝置150和/或儲存器220中,並且由伺服器110引動和/或執行(例如,處理引擎112、圖2中所示的處理器210或者圖4中所示的處理引擎112中的一個或多個模組)。以下呈現的過程的操作旨在是說明性的。在一些實施例中,過程500可以通過未描述的一個或多個附加操作和/或未討論的一個或多個操作來完成。另外,圖5中所示的過程500的操作的順序和下面描述的並非旨在是限制性的。
在510中,獲取模組410(或處理引擎112和/或介面電路210-a)可以獲取用於向與隨選服務系統100相關聯一個或多個候選用戶推薦的與隨選服務相關聯的一個或多個活動的數據。在一些實施例中,活動可以包括折扣、新聞、廣告或類似物或其任意組合。例如,對於計程車服務,該活動可以包括乘坐計程車的優惠券、及時路况的介紹或類似物。又例如,對於購物服務,該活動可以包括熱門商店的介紹、熱門商品的介紹、折扣或類似物。
在520中,規則確定模組420(或處理引擎112和/或介面電路210-a)可以確定一個或多個推薦規則。推薦規則可以用於確定是否允許活動被推薦給候選用戶。例如,推薦規則可以是推薦給同一候選用戶的活動數量少於 或等於三。又例如,推薦規則為對於是與隨選服務系統100相關聯的新用戶的候選用戶可以接收價格為5美元以下的優惠券。又例如,推薦規則可以是必須向所有一個或多個候選用戶推薦一個或多個活動中的特定活動。
在530中,目標確定模組430(或處理引擎112和/或介面電路210-a)可以確定在一個或多個候選用戶上達成之一個或多個活動的每一個活動的一個或多個預設目標。活動的預設目標可以表示希望候選用戶對活動表示的回應。例如,活動的預設目標可以是基於活動將一個或多個新用戶引進隨選服務系統100、活動被瀏覽、或基於活動的消費。在一些實施例中,用於不同活動的預設目標可以不同。例如,對於乘坐計程車的折扣,目標確定模組430可以確定預設目標為基於折扣的消費。又例如,對於及時路况的介紹,目標確定模組430可以確定預設目標是對及時路况的介紹的瀏覽。
在540中,機率確定模組440(或處理引擎112和/或介面電路210-a)可以確定一個或多個候選用戶中之每一個候選用戶,其將要完成所述一個或多個活動中的所述一個或多個預設目標的完成機率。在一些實施例中,完成機率可以等於候選用戶將要分別完成活動的一個或多個預設目標的機率中的至少兩個機率的平均值、候選用戶將要分別完成活動的一個或多個預設目標的機率中的至少兩個機率的加權平均值、或者候選用戶將要分別完成活動的一個或多個預設目標的機率中的一個機率。
在一些實施例中,機率確定模組440可以基於複數個歷史活動的推薦數據,來確定候選用戶將要完成活動的一個或多個預設目標中的一個預設目標的機率(例如,如本申請中與圖6相關的其它地方所描述的)。
在550中,推薦模組450(或處理引擎112和/或介面電路210-a)可以基於一個或多個完成機率和一個或多個推薦規則,從一個或多個候選用戶中為一個或多個活動中之每一個活動確定至少一個目標用戶,以發送一個或多 個活動中的每一個活動的通知。當推薦模組450向目標用戶推薦一個或多個活動時,一個或多個推薦規則可以被滿足,並且目標用戶將要完成一個或多個活動之一個或多個預設目標的一個或多個完成機率的總和,在一個或多個候選用戶中的其他候選用戶當中是最大的(例如,如本申請中與圖7和/或圖8相關的其它地方所描述的)。
在一些實施例中,對於一個或多個活動中的每一個活動,推薦模組450可以藉由將活動通知發送到與至少一個目標用戶相關聯的至少一個用戶終端,來向該至少一個目標用戶推薦該活動。用戶終端可以以電子優惠券、文章、鏈接或類似物或其任意組合的形式接收活動的通知。
應該注意的是,上述處理引擎112是為了說明的目的而提供的,並且不旨在限制本申請的範圍。顯然,對於本領域普通技術人員而言,在本申請的教導下可以有許多變化和修改。然而,這些變化和修改沒有脫離本申請的保護範圍。在一些實施例中,一個或多個活動中的每一個活動的一個或多個預設目標的數量可以相同或不同。例如,一個或多個活動中的一個活動可以包括三個預設目標。一個或多個活動中的另一個活動可以包括四個預設目標。
圖6是根據本申請的一些實施例所示的一種用於確定候選用戶將要完成活動的預設目標的機率的示例性過程的流程圖。過程600可以在圖1所示的隨選服務系統100中實現。例如,過程600可以作為指令(例如,應用程式)的形式被儲存在儲存裝置150和/或儲存器220中,並且由伺服器110引動和/或執行(例如,處理引擎112、圖2中所示的處理器210,或者圖4中所示的處理引擎112中的一個或多個模組)。以下呈現的過程的操作旨在是說明性的。在一些實施例中,過程600可以通過未描述的一個或多個附加操作和/或未討論的一個或多個操作來完成。另外,圖6中所示的過程600的操作的順序和以下的描述並非限制性的。在一些實施例中,圖5中所示的過程500的步驟540可以根據過程 600來執行。
在610中,獲取模組410(或處理引擎112和/或介面電路210-a)可以獲取複數個歷史活動的推薦數據。歷史活動是指已推薦給一個或多個用戶的活動。歷史活動的推薦數據可以包括歷史活動的內容、歷史活動的一個或多個特徵(例如,優惠券、紅包)、歷史活動的類型(例如,乘坐計程車的折扣、載具修理的折扣、娛樂新聞、社會新聞、體育新聞)、歷史活動的類型標識、被推薦歷史活動的用戶的標識、被推薦歷史活動的用戶的一個或多個特徵(例如,性別、年齡、工作、地址、出生地點、新用戶的特徵)、表示被推薦歷史活動的用戶是否完成歷史活動的預設目標之信息,或類似物或其任意組合。在一些實施例中,可以通過關鍵詞(例如,「優惠券」、「女性」、「教師」、「新用戶」、「北京」)來描述用戶的特徵和/或歷史活動的特徵。在一些實施例中,用戶的特徵和/或歷史活動的特徵可以用數字來描述。例如,對於用戶性別的特徵,數字「0」代表女性,數字「1」代表男性。
在620中,機率確定模組440(或處理引擎112和/或介面電路210-a)可以基於複數個歷史活動的推薦數據產生預估模型。在一些實施例中,機率確定模組440可以將推薦數據的複數個初步特性(preliminary characteristic)輸入到深度學習模型或梯度提升決策樹(gradient boosting decision tree,GBDT)模型。例如,對於歷史活動,機率確定模組440可以輸入「乘坐計程車折扣」、「優惠券」、「女性」、「教師」、「新用戶」、「北京」和「不消費」。機率確定模組440可以操作深度學習模型或GBDT模型,以基於複數個初步特性,來獲得推薦數據的複數個細化特性(refined characteristic)。細化特性可以是複數個初步特性中的至少兩個初步特性的組合。例如,細化特性可以表示女性用戶使用推薦的優惠券的機率高於男性用戶。
在一些實施例中,機率確定模組440可以操作深度學習模型或GBDT模型,來發起多次疊代以獲得細化特性。在複數個疊代中之每一次疊代中,機率確定模組440可以操作深度學習模型或GBDT模型,以藉由組合先前疊代中獲得的至少兩個先前特性來獲得新特性。在第一次疊代中,先前的特徵可以是複數個初步特性。機率確定模組440可以將在上一次疊代中獲得的複數個確定為細化特性,並且基於細化特性來產生預估模型。
在630中,機率確定模組440(或處理引擎112和/或介面電路210-a)可以基於預估模型,確定候選用戶將要完成活動的一個或多個預設目標中的一個預設目標的機率。例如,機率確定模組440可以將活動的類型、活動的標識、候選用戶的標識、候選用戶的一個或多個特徵以及活動的預設目標輸入到預估模型。預估模型可以基於該輸入,輸出候選用戶將要完成活動的預設目標的機率。
在一些實施例中,機率確定模組440可以離線產生預估模型,並將預估模型儲存在儲存媒體(例如,儲存裝置150、儲存器220)中。機率確定模組440可以存取儲存媒體,以獲得預估模型並基於估計模型確定機率。
圖7是根據本申請的一些實施例所示的一種用於為一個或多個活動中的每一個活動從一個或多個候選用戶中確定至少一個目標用戶的示例性過程的流程圖。過程700可以在圖1所示的隨選服務系統100中實現。例如,過程700可以作為指令(例如,應用程式)的形式,被儲存在儲存裝置150和/或儲存器220中,並且由伺服器110引動和/或執行(例如,處理引擎112、圖2中所示的處理器210,或者圖4中所示的處理引擎112中的一個或多個模組)。以下呈現的過程的操作旨在是說明性的。在一些實施例中,過程700可以通過未描述的一個或多個附加操作和/或未討論的一個或多個操作來完成。另外,圖7中所示的過程700的操作的順序和以下的描述並非限制性的。在一些實施例中,圖5中 所示的過程500的步驟550可以根據過程700來執行。
在710中,推薦模組450(或處理引擎112和/或介面電路210-a)可以確定複數個離散推薦參數。離散推薦參數可以表示一個或多個活動中的一個活動是否被允許推薦給一個或多個候選用戶中的一個候選用戶。基於複數個離散推薦參數,活動可以被推薦給一個或多個候選用戶中的至少一個目標用戶。在一些實施例中,離散推薦參數可以是0或1。離散推薦參數0表示一個或多個活動中的一個活動不被允許推薦給一個或多個候選用戶中的一個候選用戶。離散推薦參數1表示一個或多個活動中的一個活動被允許推薦給一個或多個候選用戶中的一個候選用戶。
在720中,推薦模組450(或處理引擎112和/或介面電路210-a)可以基於複數個離散推薦參數來確定一個或多個推薦規則中的全部推薦規則是否被滿足。回應於基於複數個離散推薦參數所述一個或多個推薦規則中的全部推薦規則被滿足的確定結果,過程700可進行至730。回應於基於複數個離散推薦參數所述一個或多個推薦規則中的至少一個推薦規則不被滿足的確定結果,過程700可進行至710以確定多個複數個離散推薦參數。
在730中,推薦模組450(或處理引擎112,和/或介面電路210-a)可以確定至少一個目標用戶將要完成一個活動的一個或多個預設目標的至少一個完成機率的總和。
在740中,推薦模組450(或處理引擎112和/或介面電路210-a)可以確定該總和在一個或多個候選用戶中的其他候選用戶中是否是最大的。回應於該總和在一個或多個候選用戶中的其他候選用戶中是最大的確定結果,過程700可進行至750。回應於該總和在一個或多個候選用戶中的其他候選用戶中不是最大的確定結果,過程700可進行至710以確定複數個新的離散推薦參數。
在750中,推薦模組450(或處理引擎112和/或介面電路210-a) 可以基於複數個離散推薦參數確定活動的至少一個目標用戶。
在一些實施例中,推薦模組450可以基於下面的方程式(1)確定複數個離散推薦參數:
其中,Z指的是一個或多個活動中的每一個活動的至少一個目標用戶,其將要完成活動的一個或多個預設目標的完成機率的總和;i指的是一個或多個活動中的一個活動;j指的是一個或多個候選用戶中的一個候選用戶;N指的是一個或多個活動的總數;M指的是一個或多個候選用戶的總數;x ij 指的是離散推薦參數,其表示是否向一個或多個候選用戶中的一個候選用戶推薦一個或多個活動中的一個活動;p ij 指的是一個或多個候選用戶中的一個候選用戶將要完成一個或多個活動中的一個活動的一個或多個預設目標的完成機率;k指一個或多個推薦規則中的一個推薦規則;R是指一個或多個推薦規則的總數;r ijk 指的是是否允許根據一個或多個推薦規則中的一個推薦規則,向一個或多個候選用戶中的一個候選用戶推薦一個或多個活動中的一個活動;以及A k 指的是與一個或多個推薦規則中的一個推薦規則相關聯的值。
在一些實施例中,r ijk 可以等於0或1。r ijk =0表示在一個或多個推薦規則中的一個推薦規則下,一個或多個活動中的一個活動不被允許推薦給一個或多個候選用戶中的一個候選用戶。r ijk =1表示在一個或多個推薦規則中的一個推薦規則下,一個或多個活動中的一個活動允許推薦給一個或多個候選用戶中的一個候選用戶。
在一些實施例中,推薦模組450可以基於推薦規則來確定r ijk 。例如,推薦規則可以是允許向同一候選用戶最多推薦3個活動。推薦模組450可以確定A k 等於3N。推薦模組450可以基於下面的方程式(2)確定r ijk :
又例如,推薦規則為對於是新用戶的候選用戶只能接收價格5美元以下的優惠券。對於新用戶j和價格超過5美元的優惠券的活動i,r ijk 可以等於0。又例如,推薦規則為活動i必須被推薦給一個或多個候選用戶中的所有候選用戶,則r ijk 可以等於1。
僅作為示例,存在兩個候選用戶(例如,第一用戶和第二用戶)和兩個活動(例如,第一活動和第二活動)。推薦模組450可以確定x 11=1,x 12=0,x 21=0,和x 22=1。對於第一活動,推薦模組450可以將第一用戶確定為目標用戶,並將第一活動推薦給第一用戶。對於第二活動,推薦模組450可以將第二用戶確定為目標用戶,並將第二活動推薦給第二用戶。
圖8是根據本申請的一些實施例所示的一種用於為一個或多個活動中的每一個活動從一個或多個候選用戶中確定至少一個目標用戶的示例性過程的流程圖。過程800可以在圖1所示的隨選服務系統100中實現。例如,過程800可以作為指令(例如,應用程式)的形式被儲存在儲存裝置150和/或儲存器220中,並且由伺服器110引動和/或執行(例如,處理引擎112、圖2中所示的處理器210,或者圖4中所示的處理引擎112中的一個或多個模組)。以下呈現的過程的操作旨在是說明性的。在一些實施例中,過程800可以通過未描述的一個或多個附加操作和/或未討論的一個或多個操作來完成。另外,圖8中所示的過程800的操作的順序和以下的描述並非限制性的。在一些實施例中,圖5中所示的過程500的步驟550可以根據過程800來執行。
在810中,推薦模組450(或處理引擎112和/或介面電路210-a)可以確定複數個連續推薦參數。連續推薦參數可以表示向一個或多個候選用戶中的一個候選用戶推薦活動的機率。在一些實施例中,連續推薦參數可以是在[0,1]範圍內的任何數字。
在820中,推薦模組450(或處理引擎112和/或介面電路210-a)可以基於複數個連續推薦參數,來確定一個或多個推薦規則中的所有推薦規則是否被滿足。回應於基於複數個連續推薦參數一個或多個推薦規則中的所有推薦規則被滿足的確定結果,過程800可進行至830。回應於基於複數個連續推薦參數一個或多個推薦規則中的至少一個推薦規則不被滿足的確定結果,過程800可進行至810以確定複數個新的連續推薦參數。
在830中,推薦模組450(或處理引擎112和/或介面電路210-a)可以基於複數個連續推薦參數,來確定與一個或多個候選用戶將要完成活動的一個或多個預設目標的一個或多個完成機率相關聯的總和。在一些實施例中,該總和可以是每一個完成機率和相應的連續推薦參數的乘積的總和。
在840中,推薦模組450(或處理引擎112和/或介面電路210-a)可以確定該總和在其他連續推薦參數中是否是最大的。回應於該總和在其他連續推薦參數中是最大的確定結果,過程800可進行至850。回應於該總和在其他連續推薦參數中不是最大的確定結果,過程800可進行至810以確定複數個新的連續推薦參數。
在850中,推薦模組450(或處理引擎112和/或介面電路210-a)可以基於複數個連續推薦參數來確定複數個離散推薦參數。在一些實施例中,如果連續推薦參數小於閾值(例如,0.5),則提示模組450可以將對應的離散推薦參數確定為0。如果連續推薦參數大於或等於閾值(例如,0.5),則推薦模組450可以將對應的離散推薦參數確定為1。
在860中,推薦模組450(或處理引擎112和/或介面電路210-a)可以基於複數個離散推薦參數來確定活動的至少一個目標用戶。
在一些實施例中,推薦模組450可以基於以下方程式(3)確定複數個連續推薦參數:
其中,Z'指的是一個或多個候選用戶將要完成活動的一個或多個預設目標的一個或多個完成機率相關聯的總和;以及x ij '指的是連續推薦參數,其表示向一個或多個候選用戶中的一個用戶推薦一個或多個活動中的一個活動的機率。
在一些實施例中,推薦模組450可以使用拉格朗日鬆弛演算法、牛頓(Newton)演算法、共軛梯度(conjugate gradient)演算法或類似物或其任意組合來確定複數個連續推薦參數。
僅作為示例,存在兩個候選用戶(例如,第一用戶和第二用戶)和兩個活動(例如,第一活動和第二活動)。推薦模組450可以確定x 11 '=0.6、x 12 '=0.4、x 21 '=0.3,以及x 22 '=0.7。推薦模組450可以將閾值確定為0.5並且確定x 11=1、x 12=0、x 21=0,以及x 22=1。對於第一活動,推薦模組450可以將第一用戶確定為目標用戶,並將第一活動推薦給第一用戶。對於第二活動,推薦模組450可以將第二用戶確定為目標用戶,並將第二活動推薦給第二用戶。
應該注意的是,上述處理引擎112是為了說明的目的而提供的,並且不旨在限制本申請的範圍。顯然,對於本領域普通技術人員而言,在本申請的教導下可以有許多變化和修改。然而,這些變化和修改沒有脫離本申請的保護範圍。在一些實施例中,如果複數個推薦參數是連續的,則可以根據確定結果來手動改變預設閾值。例如,如果滿足一個或多個條件的x ij '的數量不足,則可以將預設閾值手動改變為較低值(例如,0.4)以獲得滿足一個或多個條件的更多x ij '。類似的修改應該落入本申請的範圍內。
上文已對基本概念做了描述,顯然,對於閱讀此申請後的本領域的普通技術人員而言,上述發明披露僅作為示例,並不構成對本申請的限 制。雖然此處並未明確說明,但本領域的普通技術人員可以進行各種修改、改進和修正。該類修改、改進和修正在本申請中被建議,並且該類修改、改進、修正仍屬本申請示例性的實施例的精神和範圍。
此外,某些術語已被用於描述本申請的實施例。例如,術語「一個實施例」、「實施例」和/或「一些實施例」意味著結合該實施例描述的特定特徵、結構或特性被包括在本申請的至少一個實施例中。因此,應强調並注意的是,本說明書中在不同位置兩次或多次提及的「一實施例」或「一個實施例」或「一替代性實施例」並不一定是指同一實施例。此外,特定特徵、結構或特性可以在本申請的一個或多個實施例中適當地組合。
此外,本領域的普通技術人員可以理解,本申請的各方面可以通過若干具有可專利性的種類或情况進行說明和描述,包括任何新的和有用的過程、機器、產品或物質的組合,或對其任何新的和有用的改良。相應地,本申請的各個方面可以完全由硬體執行、可以完全由軟體(包括韌體、常駐軟體、微碼等)執行、也可以由硬體和軟體組合執行。以上硬體或軟體均可被稱為「模組」、「單元」、「組件」、「裝置」或「系統」。此外,本申請的各方面可以呈現為體現於一個或多個電腦可讀取媒體中的電腦產品,該產品具有在其上體現的電腦可讀取程式代碼。
電腦可讀取信號媒體可能包含在其中體現的電腦可讀取程式代碼的一個傳播數據信號,例如在基頻上或作為載波的一部分。此類傳播訊號可以有多種形式,包括電磁形式、光形式或類似物或任何合適的組合形式。電腦可讀取信號媒體可以是除電腦可讀取儲存媒體之外的任何電腦可讀取媒體,該媒體可以通過連接至一個指令執行系統、設備或裝置以實現通訊、傳播或傳輸供使用的程式。體現於電腦可讀取訊號媒體上的程式代碼可以使用任何合適的媒體進行傳播,包括無線電、纜線、光纖電纜、RF、或類似媒體、或任何上述 媒體的合適組合。
本申請各方面操作所需的電腦程式代碼可以用一種或多種程式語言的任意組合編寫,包括物見導向程式語言,如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python或類似語言;傳統程序式程式語言,如「C」程式語言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP;動態程式語言,如Python、Ruby和Groovy;或其它編程語言。程式代碼可以完全在用戶電腦上運行、或作為獨立的軟體包在用戶電腦上運行、或部分在用戶電腦上運行部分在遠端電腦上運行、或完全在遠端電腦或伺服器上運行。在後種情况下,遠端電腦可以通過任何網路形式與用戶電腦連接,例如,區域網路(LAN)或廣域網路(WAN)、或連接至外部電腦(例如通過使用網際網路服務提供者之網際網路)、或在雲端計算環境中、或作為服務使用如軟體即服務(SaaS)。
此外,除非申請專利範圍中明確說明,否則所述處理元件或序列的順序、數字字母的使用、或其他名稱的使用,並非用於限定本申請過程和方法的順序。儘管上述披露中通過各種示例討論了一些目前認為有用的發明實施例,但應當理解,此類細節僅起說明的目的,附加的申請專利範圍並不僅限於披露的實施例,相反,申請專利範圍旨在覆蓋所有符合本申請實施例精神和範圍的修正和等效組合。例如,雖然以上描述的多樣組件可以體現於硬體裝置,但也可以實施為單純軟體的解决方案,例如在現有的伺服器或行動載具上安裝所描述的系統。
同理,應當注意的是,為了簡化本申請揭示的表述,從而幫助對一個或多個的多樣實施例的理解,前文對本申請實施例的描述中,有時會將多樣特徵歸併至一個實施例、附圖或對其的描述中。然而,此揭示方法並不意味著本申請所需的特徵比申請專利範圍中涉及的特徵多。實際上,申請專利範 圍的特徵要少於上述披露的單個實施例的全部特徵。
Claims (22)
- 一種系統,包括:一個或多個儲存媒體,儲存用於操控線上隨選服務平臺之一組指令;以及一個或多個處理器,被配置為與所述一個或多個儲存媒體通訊,其中,當執行所述組指令時,所述一個或多個處理器用於:確定與所述隨選服務相關聯之一個或多個活動之一個或多個推薦規則,以推薦給與所述線上隨選服務平臺相關聯之一個或多個候選用戶;針對所述一個或多個活動之每一個活動,確定在所述一個或多個候選用戶上達成所述活動之一個或多個預設目標;針對所述一個或多個候選用戶之每一個候選用戶,確定所述候選用戶將要完成所述活動之所述一個或多個預設目標之完成機率;以及基於所述一個或多個完成機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中確定至少一個目標用戶,以發送所述活動之通知。
- 如申請專利範圍第1項之系統,其中,為確定所述一個或多個候選用戶中之每一個候選用戶將要完成所述一個或多個預設目標之所述完成機率,所述一個或多個處理器用於:獲取複數個歷史活動之推薦數據;基於所述複數個歷史活動之所述推薦數據,產生估計模型;以及基於所述估計模型,確定所述一個或多個完成機率。
- 如申請專利範圍第2項之系統,其中,所述複數個歷史活動中之每一個歷史活動之所述推薦數據至少包括以下中之一種:所述歷史活動之內容, 所述歷史活動之一個或多個特徵,所述歷史活動之類型,所述歷史活動之類型標識,被推薦所述歷史活動之用戶之標識,被推薦所述歷史活動之用戶之一個或多個特徵,或者表示被推薦所述歷史活動之用戶是否完成所述歷史活動之一個或多個預設目標之信息。
- 如申請專利範圍第1項之系統,其中,為確定所述候選用戶將要完成所述活動之所述一個或多個預設目標之所述完成機率,所述一個或多個處理器用於:針對所述活動之一個或多個預設目標中之每一個預設目標,確定所述候選用戶將要完成所述活動之所述預設目標之機率;以及通過以下至少一種方式確定所述候選用戶將要完成所述活動之所述一個或多個預設目標之所述完成機率:選擇所述一個或多個機率中之一個機率作為所述完成機率;回應於該確定所述一個或多個預設目標之計數大於1之確定結果,確定所述一個或多個機率中之至少兩個機率之平均值;或者回應於該確定所述一個或多個預設目標之所述計數大於1之確定結果,確定所述一個或多個機率中之至少兩個機率之加權平均值。
- 如申請專利範圍第1項之系統,其中,為基於所述一個或多個完成機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中為所述活動確定所述至少一個目標用戶,所述一個或多個處理器用於:確定複數個離散推薦參數,所述複數個離散推薦參數中之每一個離散推薦參數表示是否將所述活動推薦給所述一個或多個候選用戶中之一個候選用戶; 當基於所述複數個離散推薦參數,所述活動被推薦給所述至少一個目標用戶時,確定所述一個或多個推薦規則是否被全部滿足;回應於當基於所述複數個離散推薦參數,所述活動被推薦給所述至少一個目標用戶時,所述一個或多個推薦規則被全部滿足之確定結果,確定所述至少一個目標用戶將要完成所述活動之所述一個或多個預設目標之所述至少一個完成機率之總和;確定所述總和是否為所述一個或多個候選用戶中之其他候選用戶中之最大的;以及基於所述複數個離散推薦參數,為所述活動確定所述至少一個目標用戶。
- 如申請專利範圍第5項之系統,其中,為確定所述複數個離散推薦參數,所述一個或多個處理器用於:針對所述一個或多個活動之每一個活動,基於以下公式確定所述複數個離散推薦參數, , p ij [0,1], ,r ijk {0,1}, x ij {0,1},其中, Z表示針對所述一個或多個活動之每一個活動的所述至少一個目標用戶,其將要完成所述活動之所述一個或多個預設目標之所述完成機率之總和; i表示所述一個或多個活動中之一個活動, j表示所述一個或多個候選用戶之一個候選用戶; N表示所述一個或多個活動之總數; M表示所述一個或多個候選用戶之總數; x ij 為離散推薦參數,表示是否向所述一個或多個候選用戶中之所述一個用戶推薦所述一個或多個活動之所述一個活動; p ij 表示所述一個或多個候選用戶中之所述一個候選用戶,其將要完成所述一個或多個活動中之一個活動之所述一個或多個預設目標之所述完成機率; k表示所述一個或多個推薦規則之一個推薦規則; R表示所述一個或多個推薦規則之總數; r ijk 表示所述一個或 多個活動之所述一個活動是否被允許,在所述一個或多個推薦規則之所述一個推薦規則下,被推薦給所述一個或多個候選用戶之所述一個候選用戶;以及 A k 表示與所述一個或多個推薦規則相關聯之值。
- 如申請專利範圍第1項之系統,其中,為基於所述一個或多個機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中為所述活動確定至少所述一個目標用戶,所述一個或多個處理器用於:確定複數個連續推薦參數,所述複數個連續推薦參數中之每一個連續推薦參數表示向所述一個或多個候選用戶中之一個候選用戶推薦所述活動之機率;基於所述複數個連續推薦參數,確定所述一個或多個推薦規則是否被全部滿足;回應於基於所述複數個離散推薦參數,所述一個或多個推薦規則被全部滿足之確定結果,基於與所述複數個連續推薦參數,確定所述一個或多個候選用戶將要完成所述活動之所述一個或多個預設目標之所述一個或多個完成機率相關連之總和;確定所述總和是否是其他連續推薦參數中最大的;基於所述複數個連續推薦參數,確定複數個離散推薦參數,所述複數個離散推薦參數中之每一個離散推薦參數表示是否向所述一個或多個候選用戶中之一個候選用戶推薦所述活動;以及基於所述複數個離散推薦參數,為所述活動確定所述至少一個目標用戶。
- 如申請專利範圍第7項之系統,其中,為確定複數個連續推薦參數,所述一個或多個處理器用於:針對所述一個或多個活動中之每一個活動,基於以下公式確定複數個連續推薦參數, , p ij [0,1], ,r ijk {0,1}, x ij {0,1},其中, Z'表示所述一個或多個候選用戶將要完成所述一個或多個活動中之每一個活動之所述一個或多個預設目標之所述完成機率之總和; i表示所述一個或多個活動中之一個活動, j表示所述一個或多個候選用戶中之一個候選用戶;N表示所述一個或多個活動之總數; M表示所述一個或多個候選用戶之總數; 為連續推薦參數,表示向所述一個或多個候選用戶中之所述一個候選用戶推薦所述所述一個或多個活動之所述一個活動之機率; p ij 表示所述一個或多個候選用戶中之所述一個候選用戶,其將要完成所述一個或多個活動中之所述一個活動之所述一個或多個預設目標之所述完成機率; k表示所述一個或多個推薦規則中之一個推薦規則; R表示所述一個或多個推薦規則之總數; r ijk 表示所述一個或多個活動中之所述一個活動是否被允許,在所述一個或多個推薦規則中之所述一個推薦規則下,被推薦給所述一個或多個候選用戶中之所述一個候選用戶;以及 A k 表示與所述一個或多個推薦規則相關聯之值。
- 如申請專利範圍第8項之系統,其中,為確定所述複數個連續推薦參數,所述一個或多個處理器用於:基於拉格朗日鬆弛演算法,確定所述複數個連續推薦參數。
- 如申請專利範圍第1項之系統,其中,所述活動之所述預設目標包括以下至少一個:基於所述活動,向所述線上隨選服務平臺介紹一個或多個新用戶,所述活動被瀏覽,或基於所述活動之消費。
- 一種在具有一個或多個處理器和一個或多個儲存媒體之計算裝置上實現之方法,所述方法包括:確定與所述隨選服務相關聯之一個或多個活動之一個或多個推薦規則,以 推薦給與所述線上隨選服務平臺相關聯之一個或多個候選用戶;針對所述一個或多個活動之每一個活動,確定在所述一個或多個候選用戶上達成所述活動之一個或多個預設目標;針對所述一個或多個候選用戶中之每一個候選用戶,確定所述候選用戶將要完成所述活動之所述一個或多個預設目標之完成機率;以及基於所述一個或多個完成機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中確定至少一個目標用戶,以發送所述活動之通知。
- 如申請專利範圍第11項之方法,其中,所述確定所述一個或多個候選用戶之每一個候選用戶將要完成一個或多個預設目標之完成機率,包括:獲取複數個歷史活動之推薦數據;基於所述複數個歷史活動之推薦數據,產生估計模型;以及基於所述估計模型,確定所述一個或多個完成機率。
- 如申請專利範圍第12項之方法,其中,所述複數個歷史活動之一個歷史活動之推薦數據至少包括以下一種:所述歷史活動之內容,所述歷史活動之一個或多個特徵,所述歷史活動之類型,所述歷史活動之類型標識,被推薦所述歷史活動之用戶之標識,被推薦所述歷史活動之用戶之一個或多個特徵,或者表示被推薦所述歷史活動之用戶是否完成所述歷史活動之一個或多個預設目標之信息。
- 如申請專利範圍第11項之方法,其中,所述確定所述候選用戶將要完成所述活動之所述一個或多個預設目標之所述完成機率包括:針對所述活動之所述一個或多個預設目標之每一個預設目標,確定所述候選用戶將要完成所述活動之所述預設目標之機率;以及通過以下至少一種方式,確定所述候選用戶將要完成所述活動之所述一個或多個預設目標之完成機率:選擇所述一個或多個機率之一個機率作為所述完成機率;回應於所述一個或多個預設目標之計數大於1之確定結果,確定所述一個或多個機率之至少兩個機率之平均值;或者回應於所述一個或多個預設目標之計數大於1之確定結果,確定所述一個或多個機率之至少兩個機率之加權平均值。
- 如申請專利範圍第11項之方法,其中,所述基於所述一個或多個機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中為所述活動確定所述至少一個目標用戶,包括:確定複數個離散推薦參數,所述複數個離散推薦參數之每一個離散推薦參數表示是否將所述活動推薦給所述一個或多個候選用戶之一個候選用戶;當基於所述複數個離散推薦參數,所述活動被推薦給所述至少一個目標用戶時,確定所述一個或多個推薦規則是否被全部滿足;回應於當基於所述複數個離散推薦參數,所述活動被推薦給所述至少一個目標用戶時,所述一個或多個推薦規則被全部滿足之確定結果,確定所述至少一個目標用戶將要完成所述活動之所述一個或多個預設目標之所述至少一個完成機率之總和;確定所述總和是否為所述一個或多個候選用戶之其他候選用戶中之最大的;以及 基於所述複數個離散推薦參數,為所述活動確定所述至少一個目標用戶。
- 如申請專利範圍第15項之方法,其中,所述確定複數個離散推薦參數包括:針對所述一個或多個活動之每一個活動,基於以下公式確定所述複數個離散推薦參數, , p ij [0,1], ,r ijk {0,1}, x ij {0,1},其中, Z表示針對所述一個或多個活動之每一個活動之所述至少一個目標用戶,其將要完成所述活動之所述一個或多個預設目標之所述完成機率之總和; i表示所述一個或多個活動之一個活動, j表示所述一個或多個候選用戶之一個候選用戶; N表示所述一個或多個活動之總數; M表示所述一個或多個候選用戶之總數; x ij 為離散推薦參數,表示是否向所述一個或多個候選用戶之所述一個候選用戶,推薦所述一個或多個活動之所述一個活動; p ij 表示所述一個或多個候選用戶中之所述一個候選用戶,其將要完成所述一個或多個活動中之所述一個活動之所述一個或多個預設目標之所述完成機率; k表示所述一個或多個推薦規則中之一個推薦規則; R表示所述一個或多個推薦規則之總數; r ijk 表示所述一個或多個活動中之所述一個活動是否被允許,在所述一個或多個推薦規則中之所述一個推薦規則下,被推薦給所述一個或多個候選用戶中之所述一個候選用戶;以及 A k 表示與所述一個或多個推薦規則相關聯之值。
- 如申請專利範圍第11項之方法,其中,所述基於所述一個或多個機率和所述一個或多個推薦規則,從針對所述活動之所述一個或多個候選用戶中,確定至少一個目標用戶,包括:確定複數個連續推薦參數,所述複數個連續推薦參數中之每一個連續推薦參數表示向所述一個或多個候選用戶中之一個候選用戶推薦所述活動之機率; 基於所述複數個連續推薦參數,確定所述一個或多個推薦規則是否被全部滿足;回應於基於所述複數個離散推薦參數,所述一個或多個推薦規則被全部滿足之確定結果,基於所述複數個連續推薦參數,確定與所述一個或多個候選用戶將要完成所述活動之所述一個或多個預設目標之所述一個或多個完成機率相關連之總和;確定所述總和是否是其他連續推薦參數中最大的;基於所述複數個連續推薦參數,確定複數個離散推薦參數,所述複數個離散推薦參數中之每一個離散推薦參數,其表示是否向所述一個或多個候選用戶中之一個候選用戶推薦所述活動;以及基於所述複數個離散推薦參數,為所述活動確定所述至少一個目標用戶。
- 如申請專利範圍第17項之方法,其中,所述確定複數個連續推薦參數包括:針對所述一個或多個活動之每一個活動,基於以下公式確定所述複數個連續推薦參數, , p ij [0,1], ,r ijk {0,1}, x ij {0,1},其中, Z'表示與所述一個或多個候選用戶將要完成所述一個或多個活動之每一個活動之所述一個或多個預設目標之所述完成機率相關連之總和; i表示所述一個或多個活動中之一個活動, j表示所述一個或多個候選用戶中之一個候選用戶; N表示所述一個或多個活動之總數; M表示所述一個或多個候選用戶之總數; 為連續推薦參數,表示向所述一個或多個候選用戶中之所述一個候選用戶推薦所述一個或多個活動中之所述一個活動之機率; p ij 表示所述一個或多個候選用戶中之所述一個候選用戶,其將要完成所述一個或多個活動中之所述一 個活動之所述一個或多個預設目標之所述完成機率; k表示所述一個或多個推薦規則中之一個推薦規則; R表示所述一個或多個推薦規則之總數; r ijk 表示所述一個或多個活動中之所述一個活動是否被允許,在所述一個或多個推薦規則中之所述一個推薦規則下,被推薦給所述一個或多個候選用戶中之所述一個候選用戶;以及 A k 表示與所述一個或多個推薦規則相關聯之值。
- 如申請專利範圍第18項之方法,其中,所述確定所述複數個連續推薦參數包括:基於拉格朗日鬆弛演算法,確定所述複數個連續推薦參數。
- 如申請專利範圍第11項之方法,其中,所述活動之所述預設目標包括以下中之至少一個:基於所述活動,向所述線上隨選服務平臺介紹一個或多個新用戶,所述活動被瀏覽,或基於所述活動之消費。
- 一種非暫態電腦可讀取媒體,包括用於操控線上隨選服務平臺之一組指令,其中,當由計算裝置之一個或多個處理器執行時,所述至少一組指令使所述計算裝置執行一種方法,所述方法包括:確定與所述隨選服務相關聯之一個或多個活動之一個或多個推薦規則,以推薦給與所述線上隨選服務平臺相關聯之一個或多個候選用戶;針對所述一個或多個活動中之每一個活動,確定在所述一個或多個候選用戶上達成所述活動之一個或多個預設目標;針對所述一個或多個候選用戶中之每一個候選用戶,確定所述候選用戶將要完成所述活動之所述一個或多個預設目標之完成機率;以及基於所述一個或多個完成機率和所述一個或多個推薦規則,從所述一個或 多個候選用戶中確定至少一個目標用戶,以發送所述活動之通知。
- 一種系統,包括:規則確定模組,被配置為用於確定與所述隨選服務相關聯之一個或多個活動之一個或多個推薦規則,以推薦給與所述線上隨選服務平臺相關聯之一個或多個候選用戶;目標確定模組,被配置為用於針對所述一個或多個活動中之每一個活動,確定在所述一個或多個候選用戶上完成所述一個或多個活動中之每一個活動之一個或多個預設目標;機率確定模組,被配置為用於確定所述一個或多個候選用戶之每一個候選用戶,其將要完成所述一個或多個活動中之每一個活動之一個或多個預設目標之完成機率;以及推薦模組,被配置為用於基於所述一個或多個完成機率和所述一個或多個推薦規則,從所述一個或多個候選用戶中為所述一個或多個活動中之每一個活動確定至少一個目標用戶。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
??201710222438.8 | 2017-04-07 | ||
CN201710222438.8A CN108694182B (zh) | 2017-04-07 | 2017-04-07 | 活动推送方法、活动推送装置和服务器 |
PCT/CN2017/113413 WO2018184395A1 (en) | 2017-04-07 | 2017-11-28 | Systems and methods for activity recommendation |
??PCT/CN2017/113413 | 2017-11-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201842474A true TW201842474A (zh) | 2018-12-01 |
Family
ID=63712001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107112113A TW201842474A (zh) | 2017-04-07 | 2018-04-09 | 活動推薦系統和方法 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN108694182B (zh) |
TW (1) | TW201842474A (zh) |
WO (1) | WO2018184395A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259119B (zh) * | 2018-11-30 | 2023-05-26 | 北京嘀嘀无限科技发展有限公司 | 一种问题推荐方法及装置 |
CN111327661A (zh) * | 2018-12-17 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 推送方法、推送装置、服务器和计算机可读存储介质 |
CN111523940B (zh) * | 2020-04-23 | 2023-04-18 | 华中科技大学 | 一种带负反馈的基于深度强化学习的推荐方法及系统 |
CN112799762A (zh) * | 2021-01-27 | 2021-05-14 | 北京嘀嘀无限科技发展有限公司 | 信息展示方法、装置、电子设备、计算机可读存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346894B (zh) * | 2010-08-03 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 推荐信息的输出方法、系统及服务器 |
DE112012006300T5 (de) * | 2012-10-10 | 2015-02-19 | Nugg.Ad Ag | Prädiktives verhaltensorientiertes Targeting |
US20140114757A1 (en) * | 2012-10-19 | 2014-04-24 | Scott Frankel | Methods and Apparatus for Consumer Habit Tracking and Advertisement Provision |
CN102968444A (zh) * | 2012-10-23 | 2013-03-13 | 盘古文化传播有限公司 | 一种推荐的方法及装置 |
CN103473291B (zh) * | 2013-09-02 | 2017-01-18 | 中国科学院软件研究所 | 一种基于隐语义概率模型的个性化服务推荐系统及方法 |
KR101608211B1 (ko) * | 2014-04-28 | 2016-04-04 | 정기성 | 포인트 강화 서비스 운영 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체 |
CN105653833B (zh) * | 2014-11-12 | 2019-04-26 | 腾讯科技(深圳)有限公司 | 一种游戏社区推荐的方法及装置 |
US10061816B2 (en) * | 2015-05-11 | 2018-08-28 | Informatica Llc | Metric recommendations in an event log analytics environment |
US10445671B2 (en) * | 2015-08-27 | 2019-10-15 | Accenture Global Services Limited | Crowdsourcing a task |
CN105260477A (zh) * | 2015-11-06 | 2016-01-20 | 北京金山安全软件有限公司 | 一种信息推送方法及装置 |
CN105740323A (zh) * | 2016-01-21 | 2016-07-06 | 厦门市三驾马车网络科技有限公司 | 基于资源特征和用户喜好的资源匹配推荐方法和系统 |
CN106126549A (zh) * | 2016-06-16 | 2016-11-16 | 传化公路港物流有限公司 | 一种基于概率矩阵分解的社区信任推荐方法及其系统 |
CN105979013A (zh) * | 2016-07-11 | 2016-09-28 | 汇通宝支付有限责任公司 | 一种用户喜好信息推送方法和服务器及系统 |
-
2017
- 2017-04-07 CN CN201710222438.8A patent/CN108694182B/zh active Active
- 2017-11-28 WO PCT/CN2017/113413 patent/WO2018184395A1/en active Application Filing
-
2018
- 2018-04-09 TW TW107112113A patent/TW201842474A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
CN108694182B (zh) | 2021-03-02 |
CN108694182A (zh) | 2018-10-23 |
WO2018184395A1 (en) | 2018-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200202391A1 (en) | Information processing method, information processing system and information processing device | |
US20200011692A1 (en) | Systems and methods for recommending an estimated time of arrival | |
CN111052158B (zh) | 用于分配服务请求的系统和方法 | |
US11636631B2 (en) | Systems and methods for displaying vehicle information for on-demand services | |
WO2018191856A1 (en) | System and method for determining safety score of driver | |
TW201907338A (zh) | 用於確定預估到達時間的系統和方法 | |
TWI675184B (zh) | 用於路線規劃的系統、方法及非暫時性電腦可讀取媒體 | |
JP6632723B2 (ja) | サービスの順序列を更新するためのシステム及び方法 | |
WO2018171531A1 (en) | System and method for predicting classification for object | |
TW201901185A (zh) | 用於確定預估到達時間的系統和方法 | |
TW201842474A (zh) | 活動推薦系統和方法 | |
JP7047096B2 (ja) | オンラインツーオフラインサービスに関する推定された到着時間を決定するためのシステムおよび方法 | |
CN111105120B (zh) | 一种工单处理方法及装置 | |
CN111367575B (zh) | 一种用户行为预测方法、装置、电子设备及存储介质 | |
US10922717B2 (en) | Systems and methods for activity recommendation | |
WO2019128477A1 (en) | Systems and methods for assigning service requests | |
WO2019158004A1 (en) | Systems and methods for service request processing | |
US12079906B2 (en) | Systems and methods for displaying vehicle information for on-demand services | |
CN111274106A (zh) | 订单数据分析方法、装置及电子设备 |