CN106383882A - 推荐信息的方法、装置及服务器 - Google Patents
推荐信息的方法、装置及服务器 Download PDFInfo
- Publication number
- CN106383882A CN106383882A CN201610822872.5A CN201610822872A CN106383882A CN 106383882 A CN106383882 A CN 106383882A CN 201610822872 A CN201610822872 A CN 201610822872A CN 106383882 A CN106383882 A CN 106383882A
- Authority
- CN
- China
- Prior art keywords
- user
- consumer behavior
- target
- information
- exercise data
- 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
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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种推荐信息的方法、装置及终端,所述方法的一具体实施方式包括:获取当前的时间信息及用户在当前时刻之前预定时间段内的运动数据;确定所述用户当前所处的位置;基于所述时间信息、所述运动数据以及所述用户当前所处的位置获取待推荐的目标信息;向所述用户推荐所述目标信息。该实施方式能够有选择的向用户推送和用户相关的信息,避免了资源的浪费,提高了推送的信息的利用率。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种推荐信息的方法、装置及服务器。
背景技术
目前,我们正处于一个信息高速发展的时代,如何获取需要的信息变得越来越重要。一般来说,通常可以采用信息推送技术,向用户推送一些可能需要了解的信息。在相关技术中,一般是在用户进入某个特定区域时,无选择的向该用户推送各种信息。但是,这些信息可能并不一定是用户想要了解的信息,因此造成了资源的浪费,以及推送的信息利用率低的问题。
发明内容
为了解决上述技术问题,本申请提供一种推荐信息的方法、装置及服务器。
根据本申请实施例的第一方面,提供一种推荐信息的方法,包括:
获取当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据;
确定所述用户当前所处的位置;
基于所述时间信息、所述运动数据以及所述用户当前所处的位置获取待推荐的目标信息;
向所述用户推荐所述目标信息。
可选的,所述基于所述时间信息、所述运动数据以及所述用户当前所处的位置获取待推荐的目标信息,包括:
基于所述时间信息以及所述运动数据确定所述用户的目标消费行为;
根据所述用户当前所处的位置,查找所述用户周围预定范围内与所述目标消费行为关联的目标商家;
基于所述目标商家获取待推荐的目标信息。
可选的,所述基于所述时间信息以及所述运动数据确定所述用户的目标消费行为,包括:
从预设的多个条件中查找出所述时间信息以及所述运动数据所满足的条件作为目标条件;
将所述目标条件关联地消费行为确定为所述目标消费行为。
可选的,所述基于所述时间信息以及所述运动数据确定所述用户的目标消费行为,包括:
获取预先存储的消费行为模型;
将所述时间信息以及所述运动数据输入所述消费行为模型;
获取所述消费行为模型输出的消费行为作为所述目标消费行为。
可选的,所述方法还包括:
通过训练生成所述消费行为模型;
将生成的所述消费行为模型进行存储。
可选的,所述通过训练生成所述消费行为模型,包括:
检测到所述用户的消费行为;
采集训练样本数据;
根据检测到的所述消费行为,采用所述样本数据调整待训练模型的参数,以得到所述消费行为模型。
可选的,所述检测到所述用户的消费行为,包括:
当用户位于商户的服务区域时,检测所述用户在所述服务区域停留的时间是否在所述商户的服务时间范围内;
如果在所述商户的服务时间范围内,则确定检测到与所述商户关联地消费行为作为所述用户的消费行为。
可选的,所述检测到所述用户的消费行为,包括:
当检测到订单生成时,确定检测到所述订单对应的消费行为作为所述用户的消费行为。
可选的,所述训练样本数据,包括:
在检测到所述用户的消费行为时刻之前的预定时间段内,所述用户的运动数据以及对应的时间信息。
可选的,所述基于所述目标商家获取待推荐的目标信息,包括:
获取所述目标商家的相关信息作为待推荐的目标信息。
可选的,所述基于所述目标商家获取待推荐的目标信息,包括:
获取所述用户的用户画像数据;
根据所述用户的用户画像数据获取所述目标商家的相关信息作为待推荐的目标信息。
可选的,所述运动数据包括:速度大小的均值以及加速度大小的均值。
根据本申请实施例的第二方面,提供一种推荐信息的装置,包括:
第一获取模块,被配置为获取当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据;
确定模块,被配置为确定所述用户当前所处的位置;
第二获取模块,被配置为基于所述时间信息、所述运动数据以及所述用户当前所处的位置获取待推荐的目标信息;
推荐模块,被配置为向所述用户推荐所述目标信息。
可选的,所述第二获取模块包括:
确定子模块,被配置为基于所述时间信息以及所述运动数据确定所述用户的目标消费行为;
查找子模块,被配置为根据所述用户当前所处的位置,查找所述用户周围预定范围内与所述目标消费行为关联的目标商家;
获取子模块,被配置为基于所述目标商家获取待推荐的目标信息。
可选的,所述确定子模块包括:
条件查找子模块,被配置为从预设的多个条件中查找出所述时间信息以及所述运动数据所满足的条件作为目标条件;
目标确定子模块,被配置为将所述目标条件关联地消费行为确定为所述目标消费行为。
可选的,所述确定子模块包括:
模型获取子模块,被配置为获取预先存储的消费行为模型;
输入子模块,被配置为将所述时间信息以及所述运动数据输入所述消费行为模型;
输出子模块,被配置为获取所述消费行为模型输出的消费行为作为所述目标消费行为。
可选的,所述装置还包括:
训练模块,被配置为通过训练生成所述消费行为模型;
存储模块,被配置为将生成的所述消费行为模型进行存储。
可选的,所述训练模块包括:
检测子模块,被配置为检测到所述用户的消费行为;
采集子模块,被配置为采集训练样本数据;
调整子模块,被配置为根据检测到的所述消费行为,采用所述样本数据调整待训练模型的参数,以得到所述消费行为模型。
可选的,所述检测子模块被配置用于:
当用户位于商户的服务区域时,检测所述用户在所述服务区域停留的时间是否在所述商户的服务时间范围内;
如果在所述商户的服务时间范围内,则确定检测到与所述商户关联地消费行为作为所述用户的消费行为。
可选的,所述检测子模块被配置用于:
当检测到订单生成时,确定检测到所述订单对应的消费行为作为所述用户的消费行为。
可选的,所述训练样本数据,包括:
在检测到所述用户的消费行为时刻之前的预定时间段内,所述用户的运动数据以及对应的时间信息。
可选的,所述获取子模块包括:
第一信息获取子模块,被配置为获取所述目标商家的相关信息作为待推荐的目标信息。
可选的,所述获取子模块包括:
用户画像获取子模块,被配置为获取所述用户的用户画像数据;
第二信息获取子模块,被配置为根据所述用户画像数据获取所述目标商家的相关信息作为待推荐的目标信息。
可选的,所述运动数据包括:速度大小的均值以及加速度大小的均值。
根据本申请实施例的第三方面,提供一种服务器,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取当前的时间信息及用户在当前时刻之前预定时间段内的运动数据;
确定所述用户当前所处的位置;
基于所述时间信息、所述运动数据以及所述用户当前所处的位置获取待推荐的目标信息;
向所述用户推荐所述目标信息。
本申请的实施例提供的技术方案可以包括以下有益效果:
本申请的实施例提供的用于推荐信息的方法、装置及服务器,通过获取当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据,确定该用户当前所处的位置,并基于上述时间信息、运动数据以及该用户当前所处的位置获取待推荐的目标信息,向该用户推荐该目标信息。从而有选择的向用户推送和用户相关的信息,避免了资源的浪费,提高了推送的信息的利用率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请根据一示例性实施例示出的一种推荐信息的方法的流程图;
图2是本申请根据一示例性实施例示出的另一种推荐信息的方法的流程图;
图3是本申请根据一示例性实施例示出的一种推荐信息的装置的框图;
图4是本申请根据一示例性实施例示出的另一种推荐信息的装置的框图;
图5是本申请根据一示例性实施例示出的另一种推荐信息的装置的框图;
图6是本申请根据一示例性实施例示出的另一种推荐信息的装置的框图;
图7是本申请根据一示例性实施例示出的另一种推荐信息的装置的框图;
图8是本申请根据一示例性实施例示出的另一种推荐信息的装置的框图;
图9是本申请根据一示例性实施例示出的另一种推荐信息的装置的框图;
图10是本申请根据一示例性实施例示出的另一种推荐信息的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
如图1所示,图1是根据一示例性实施例示出的一种推荐信息的方法的流程图,该方法可以应用于服务器中。该方法包括以下步骤:
在步骤101中,获取当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据。
在步骤102中,确定该用户当前所处的位置。
在本实施例中,当前的时间信息可以包括当前的时刻信息(如,当前时刻是几点几分等),当前的日期(可以包括农历的日期、公历的日期以及星期几等等),并且,还可以根据当前的日期确定日期的属性(如,是工作日还是休息日等)。具体来说,可以从本地的日历应用程序或时间应用程序中获取当前的时间信息,也可以通过网络获取当前的时间信息,可以理解,当前的时间信息还可以包括其它的信息,并且,还可以通过其它方式获取当前的时间信息。本申请对当前的时间信息的具体内容方面,以及获取当前的时间信息的具体方式方面不限定。
在本实施例中,用户在当前时刻之前预定时间段内的运动数据可以包括用户在该预定时间段内,速度大小的均值以及加速度大小的均值。因为,速度的大小反映了运动的快慢,而加速度的大小反映了速度的大小或方向改变的快慢。结合用户速度大小的均值以及加速度大小的均值,可以反映出用户的一些运动行为特征,从而可以进一步反映用户的目的行为。
在本实施例中,可以每隔一定时间(如,0.5秒,或者1秒,或者两秒等等),采集一次数据,即采集用户的速度大小以及加速度的大小的数据,并将采集到的数据记录下来。当计算预定时间段内的运动数据时,可以将该预定时间段内采集到的多个速度大小的数据以及多个加速度大小的数据分别进行平均计算,从而获得速度大小以及加速度大小的均值。
在本实施例中,当前时刻之前预定时间段可以是任意合理的时间段,例如,可以是5分钟,也可以是10分钟,还可以是15分钟等等。本申请对预定时间段的具体时间长度方面不限定。
在步骤103中,基于上述时间信息、运动数据以及该用户当前所处的位置获取待推荐的目标信息。
在步骤104中,向该用户推荐该目标信息。
在本实施例中,可以获取与上述时间信息、运动数据以及该用户当前所处的位置相关的信息。然后,将这些信息作为待推荐的目标信息,并将该目标信息推荐显示给用户,以供用户参考。
本申请的上述实施例提供的用于推荐信息的方法,通过获取当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据,确定该用户当前所处的位置,并基于上述时间信息、运动数据以及该用户当前所处的位置获取待推荐的目标信息,向该用户推荐该目标信息。从而有选择的向用户推送和用户相关的信息,避免了资源的浪费,提高了推送的信息的利用率。
如图2所示,图2根据一示例性实施例示出的另一种推荐信息的方法的流程图,该实施例详细描述了获取待推荐的目标信息的过程,该方法可以应用于服务器中,可以包括以下步骤:
在步骤201中,获取当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据。
在步骤202中,确定该用户当前所处的位置。
在步骤203中,基于上述时间信息以及上述运动数据确定该用户的目标消费行为。
在本实施例中,用户的目标消费行为可以是用户即将可能要进行的消费行为。其中,消费行为可以是用户在获取消费资料或服务的过程中,物色、选择、购买及使用的行为。例如,用户的消费行为可以是用户到餐厅就餐,也可以是用户到服装店选购衣服,还可以是用户到电影院看电影等等。可以理解,用户的消费行为还可以是其它的行为,本申请对此方面不限定。
在本实施例的一种实现方式中,可以预先设定一些与时间信息及运动数据相关的条件,每个条件对应一种消费行为,将这些预设的条件与对应的消费行为进行关联地存储。例如,假设预先设定的第一条件可以为休息日的下午2点到4点半,速度大小的均值在(a,b)范围内,加速度大小的均值在(c,d)范围内。该第一条件对应的第一消费行为为购买衣服,可以将该第一条件与该第一消费行为进行关联地存储。
又例如,假设预先设定的第二条件可以为工作日的中午12点到1点,速度大小的均值在(e,f)范围内,加速度大小的均值在(g,h)范围内。该第二条件对应的第二消费行为为去餐厅吃饭,可以将该第二条件与该第二消费行为进行关联地存储。
当获取到当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据时,可以从预设的多个条件中查找出该时间信息以及该运动数据所满足的条件作为目标条件,将该目标条件关联地消费行为确定为目标消费行为。
例如,假设获取到当前的时间信息为休息日的下午3点,用户在当前时刻之前预定时间段内的速度大小均值为A(假设A在(a,b)范围内),加速度大小均值为B(假设B在(c,d)范围内)。因此,可以从预设的多个条件中查找出该时间信息以及该运动数据所满足的条件为第一条件,将第一条件作为目标条件,则可以确定目标消费行为为购买衣服。
又例如,假设获取到当前的时间信息为工作日的中午12点半,用户在当前时刻之前预定时间段内的速度大小均值为C(假设C在(e,f)范围内),加速度大小均值为D(假设D在(g,h)范围内)。因此,可以从预设的多个条件中查找出该时间信息以及该运动数据所满足的条件为第二条件,将第二条件作为目标条件,则可以确定目标消费行为为去餐厅吃饭。
在本实施例的另一种实现方式中,还可以预先通过训练生成用户的消费行为模型,并将生成的消费行为模型进行存储。需要说明的是,每个消费行为模型是针对一个用户的样本数据进行训练得到的,因此,每个用户对应自己的消费行为模型。当获取到当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据时,可以将预先存储的消费行为模型提取出来,并将上述获取到的时间信息以及运动数据输入该消费行为模型中。该消费行为模型对上述输入的数据进行特征分析,并输出用户的目标消费行为。
例如,假设获取到当前的时间信息为工作日的中午12点半,用户在当前时刻之前预定时间段内的速度大小均值为C,加速度大小均值为D。可以将上述获取到的时间信息以及运动数据输入该用户的消费行为模型中。该消费行为模型对输入的数据进行分析,并输出去餐厅吃饭作为用户的目标消费行为。
在本实施例中,可以通过如下方式训练生成消费行为模型:首先,可以检测用户的消费行为,在一种实现方式中,可以检测用户是否位于商户的服务区域,当用户位于商户的服务区域时,检测用户在该服务区域停留的时间是否在该商户的服务时间范围内。如果在该商户的服务时间范围内,则确定检测到与该商户关联地消费行为,作为该用户的消费行为。
例如,当用户位于某个餐厅的区域时,检测用户在该餐厅区域停留的时间是否在餐厅的服务时间范围内(如,一般人们去餐厅的用餐时间大约在20分钟到2小时之间,因此可以将20分钟到2小时之间的时间范围作为餐厅的服务时间范围)。如果在餐厅的服务时间范围内,则确定检测到该用户去餐厅吃饭的消费行为。
又例如,当用户位于某个服装店的区域时,检测用户在该服装店区域停留的时间是否在服装店的服务时间范围内(如,一般人们去一家服装店选购衣服的时间大约在15分钟到30分钟之间,因此可以将15分钟到30分钟之间的时间范围作为服装店的服务时间范围)。如果在服装店的服务时间范围内,则确定检测到该用户去服装店选购衣服的消费行为。
在另一种实现方式中,还可以检测是否生成了订单,当检测到订单生成时,确定检测到订单对应的消费行为作为该用户的消费行为。例如,当用户去餐厅吃饭后,进行结账,生成订单,当检测到订单后,可以根据订单的内容确定用户进行了去餐厅吃饭的消费行为。
接着,当检测到用户的消费行为后,采集训练样本数据。其中,训练样本数据包括在检测到该用户的消费行为时刻之前的预定时间段内,该用户的运动数据以及对应的时间信息。具体来说,可以实时的记录该用户的运动数据以及对应的时间信息,当检测到用户的消费行为时,从记录下来的数据中获取在检测到该用户的消费行为时刻之前的预定时间段内,该用户的运动数据以及对应的时间信息。
最后,可以根据检测到的消费行为,采用上述样本数据调整待训练模型的参数,以得到该消费行为模型。具体来说,可以不断的将上述样本数据输入到待训练模型中,获得输出的参考消费行为,并将参考消费行为与检测到的消费行为进行差异比较,以得到差异函数。通过差异函数不断调整待训练模型的参数,直到模型能够解析出准确的消费行为为止。当然,本领域中已知的以及将来可能出现的任何其他训练该消费行为模型的方法都可以应用于本申请,本申请对训练消费行为模型的方式方面不限定。
在步骤204中,根据用户当前所处的位置,查找该用户周围预定范围内与该目标消费行为关联的目标商家。
在本实施例中,可以根据用户当前所处的位置,查找该用户周围预定范围内与该目标消费行为关联的目标商家。其中,预定范围可以是任意合理的范围,例如,可以以该用户的位置点为中心,500米为半径,将确定的圆形区域作为该用户周围预定范围。可以理解,用户周围预定范围还可以是其它的范围,本申请对此方面不限定。
在本实施例中,与目标消费行为关联的目标商家为能够为目标消费行为提供消费服务的商家。例如,假设,目标消费行为为去餐厅吃饭,则与该目标消费行为关联的目标商家可以是各种餐厅。又例如,假设,目标消费行为为到服装店购买衣服,则与该目标消费行为关联的目标商家可以是各种衣帽鞋店等。
在步骤205中,基于该目标商家获取待推荐的目标信息。
在本实施例中,可以基于目标商家获取待推荐的目标信息。在一种实现方式中,可以获取目标商家的相关信息作为待推荐的目标信息。例如,可以从其它服务器获取目标商家的相关信息,也可以从本地存储的信息中获取目标商家的相关信息。本申请对获取目标商家的相关信息的具体方式方面不限定。商家的相关信息可以是近期搞活动的信息,新上商品的信息,特色商品的信息等等。
在另一种实现方式中,还可以首先获取用户的用户画像数据,然后根据该用户画像数据获取目标商家的相关信息作为待推荐的目标信息。其中,用户画像数据为能够描述用户各种特征、喜好、习惯的数据。例如,某个用户的用户画像数据可以描述该用户的年龄、收入状况、爱好、工作类别、健身习惯等等。可以从用户画像数据服务提供商获取用户的用户画像数据。当然,本领域中已知的以及将来可能出现的任何获取用户的用户画像数据的方法都可以应用于本申请,本申请获取用户的用户画像数据的具体方式方面不限定。
具体来说,可以从预存的信息中查找与该用户画像数据匹配的相关信息作为待推荐的目标信息。与用户画像数据匹配的相关信息可以是根据用户的特征匹配的信息,例如,假设,根据用户画像数据可知,该用户喜欢麻辣口味的食物,可以查找麻辣口味的菜品的信息作为待推荐的目标信息。又例如,假设,根据用户画像数据可知,该用户是年纪为25岁喜欢时尚的女孩,则可以查找适合年轻女孩的时尚服饰的信息作为待推荐的目标信息。
在步骤206中,向该用户推荐该目标信息。
本申请的上述实施例提供的用于推荐信息的方法,通过获取当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据,确定该用户当前所处的位置,基于上述时间信息以及上述运动数据确定该用户的目标消费行为,根据用户当前所处的位置,查找该用户周围预定范围内与该目标消费行为关联的目标商家,并基于该目标商家获取待推荐的目标信息,向该用户推荐该目标信息。从而有选择的向用户推送和用户相关的信息,进一步的避免了资源的浪费,提高了推送的信息的利用率。
应当注意,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,流程图中描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
与前述推荐信息的方法实施例相对应,本申请还提供了推荐信息的装置及其所应用的终端的实施例。
如图3所示,图3是本申请根据一示例性实施例示出的一种推荐信息的装置框图,该装置包括:第一获取模块301,确定模块302,第二获取模块303以及推荐模块304。
其中,第一获取模块301,被配置为获取当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据。
确定模块302,被配置为确定用户当前所处的位置。
第二获取模块303,被配置为基于上述时间信息、上述运动数据以及该用户当前所处的位置获取待推荐的目标信息。
推荐模块304,被配置为向用户推荐该目标信息。
如图4所示,图4是本申请根据一示例性实施例示出的另一种推荐信息的装置框图,该实施例在前述图3所示实施例的基础上,第二获取模块303可以包括:确定子模块401,查找子模块402和获取子模块403。
其中,确定子模块401,被配置为基于上述时间信息以及上述运动数据确定该用户的目标消费行为。
查找子模块402,被配置为根据该用户当前所处的位置,查找该所述用户周围预定范围内与目标消费行为关联的目标商家。
获取子模块403,被配置为基于该目标商家获取待推荐的目标信息。
如图5所示,图5是本申请根据一示例性实施例示出的另一种推荐信息的装置框图,该实施例在前述图3所示实施例的基础上,确定子模块401可以包括:条件查找子模块501和目标确定子模块502。
其中,条件查找子模块501,被配置为从预设的多个条件中查找出上述时间信息以及上述运动数据所满足的条件作为目标条件。
目标确定子模块502,被配置为将该目标条件关联地消费行为确定为上述目标消费行为。
如图6所示,图6是本申请根据一示例性实施例示出的另一种推荐信息的装置框图,该实施例在前述图3所示实施例的基础上,确定子模块401可以包括:模型获取子模块601,输入子模块602和输出子模块603。
其中,模型获取子模块601,被配置为获取预先存储的消费行为模型。
输入子模块602,被配置为将上述时间信息以及上述运动数据输入该消费行为模型。
输出子模块603,被配置为获取该消费行为模型输出的消费行为作为所述目标消费行为。
如图7所示,图7是本申请根据一示例性实施例示出的另一种推荐信息的装置框图,该实施例在前述图3所示实施例的基础上,该装置还可以进一步包括:训练模块305和存储模块306。
其中,训练模块305,被配置为通过训练生成上述消费行为模型。
存储模块306,被配置为将生成的该消费行为模型进行存储。
如图8所示,图8是本申请根据一示例性实施例示出的另一种推荐信息的装置框图,该实施例在前述图7所示实施例的基础上,训练模块305可以包括:检测子模块801,采集子模块802和调整子模块803。
其中,检测子模块801,被配置为检测到用户的消费行为。
采集子模块802,被配置为采集训练样本数据。
调整子模块803,被配置为根据检测到的消费行为采用上述样本数据调整待训练模型的参数,以得到该消费行为模型。
在一些可选实施方式中,检测子模块被配置用于:
当用户位于商户的服务区域时,检测用户在该服务区域停留的时间是否在该商户的服务时间范围内。
如果在该商户的服务时间范围内,则确定检测到与该商户关联地消费行为作为该用户的消费行为。
在一些可选实施方式中,检测子模块被配置用于:
当检测到订单生成时,确定检测到该订单对应的消费行为作为该用户的消费行为。
在一些可选实施方式中,训练样本数据,可以包括:在检测到用户的消费行为时刻之前的预定时间段内,该用户的运动数据以及对应的时间信息。
如图9所示,图9是本申请根据一示例性实施例示出的另一种推荐信息的装置框图,该实施例在前述图4所示实施例的基础上,获取子模块403可以包括:第一信息获取子模块901。
其中,第一信息获取子模块901,被配置为获取标商家的相关信息作为待推荐的目标信息。
如图10所示,图10是本申请根据一示例性实施例示出的另一种推荐信息的装置框图,该实施例在前述图4所示实施例的基础上,获取子模块403还可以包括:用户画像获取子模块1001和第二信息获取子模块1002。
其中,用户画像获取子模块1001,被配置为获取用户的用户画像数据。
第二信息获取子模块1002,被配置为根据用户画像数据获取目标商家的相关信息作为待推荐的目标信息。
在一些可选实施方式中,上述运动数据包括:速度大小的均值以及加速度大小的均值。
应当理解,上述装置可以预先设置在服务器中,也可以通过下载等方式而加载到服务器中。上述装置中的相应模块可以与终端中的模块相互配合以实现推荐信息的方案。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中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或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
相应的,本申请还提供一种服务器,该服务器包括有处理器;用于存储处理器可执行指令的存储器;其中,该处理器被配置为:
获取当前的时间信息及用户在当前时刻之前预定时间段内的运动数据;
确定所述用户当前所处的位置;
基于所述时间信息、所述运动数据以及所述用户当前所处的位置获取待推荐的目标信息;
向所述用户推荐所述目标信息。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (25)
1.一种推荐信息的方法,其特征在于,所述方法包括:
获取当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据;
确定所述用户当前所处的位置;
基于所述时间信息、所述运动数据以及所述用户当前所处的位置获取待推荐的目标信息;
向所述用户推荐所述目标信息。
2.根据权利要求1所述的方法,其特征在于,所述基于所述时间信息、所述运动数据以及所述用户当前所处的位置获取待推荐的目标信息,包括:
基于所述时间信息以及所述运动数据确定所述用户的目标消费行为;
根据所述用户当前所处的位置,查找所述用户周围预定范围内与所述目标消费行为关联的目标商家;
基于所述目标商家获取待推荐的目标信息。
3.根据权利要求2所述的方法,其特征在于,所述基于所述时间信息以及所述运动数据确定所述用户的目标消费行为,包括:
从预设的多个条件中查找出所述时间信息以及所述运动数据所满足的条件作为目标条件;
将所述目标条件关联地消费行为确定为所述目标消费行为。
4.根据权利要求2所述的方法,其特征在于,所述基于所述时间信息以及所述运动数据确定所述用户的目标消费行为,包括:
获取预先存储的消费行为模型;
将所述时间信息以及所述运动数据输入所述消费行为模型;
获取所述消费行为模型输出的消费行为作为所述目标消费行为。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
通过训练生成所述消费行为模型;
将生成的所述消费行为模型进行存储。
6.根据权利要求5所述的方法,其特征在于,所述通过训练生成所述消费行为模型,包括:
检测到所述用户的消费行为;
采集训练样本数据;
根据检测到的所述消费行为,采用所述样本数据调整待训练模型的参数,以得到所述消费行为模型。
7.根据权利要求6所述的方法,其特征在于,所述检测到所述用户的消费行为,包括:
当用户位于商户的服务区域时,检测所述用户在所述服务区域停留的时间是否在所述商户的服务时间范围内;
如果在所述商户的服务时间范围内,则确定检测到与所述商户关联地消费行为作为所述用户的消费行为。
8.根据权利要求6所述的方法,其特征在于,所述检测到所述用户的消费行为,包括:
当检测到订单生成时,确定检测到所述订单对应的消费行为作为所述用户的消费行为。
9.根据权利要求6所述的方法,其特征在于,所述训练样本数据,包括:
在检测到所述用户的消费行为时刻之前的预定时间段内,所述用户的运动数据以及对应的时间信息。
10.根据权利要求2所述的方法,其特征在于,所述基于所述目标商家获取待推荐的目标信息,包括:
获取所述目标商家的相关信息作为待推荐的目标信息。
11.根据权利要求2所述的方法,其特征在于,所述基于所述目标商家获取待推荐的目标信息,包括:
获取所述用户的用户画像数据;
根据所述用户画像数据获取所述目标商家的相关信息作为待推荐的目标信息。
12.根据权利要求1-11中任意一种所述的方法,其特征在于,所述运动数据包括:速度大小的均值以及加速度大小的均值。
13.一种推荐信息的装置,其特征在于,所述装置包括:
第一获取模块,被配置为获取当前的时间信息以及用户在当前时刻之前预定时间段内的运动数据;
确定模块,被配置为确定所述用户当前所处的位置;
第二获取模块,被配置为基于所述时间信息、所述运动数据以及所述用户当前所处的位置获取待推荐的目标信息;
推荐模块,被配置为向所述用户推荐所述目标信息。
14.根据权利要求13所述的装置,其特征在于,所述第二获取模块包括:
确定子模块,被配置为基于所述时间信息以及所述运动数据确定所述用户的目标消费行为;
查找子模块,被配置为根据所述用户当前所处的位置,查找所述用户周围预定范围内与所述目标消费行为关联的目标商家;
获取子模块,被配置为基于所述目标商家获取待推荐的目标信息。
15.根据权利要求14所述的装置,其特征在于,所述确定子模块包括:
条件查找子模块,被配置为从预设的多个条件中查找出所述时间信息以及所述运动数据所满足的条件作为目标条件;
目标确定子模块,被配置为将所述目标条件关联地消费行为确定为所述目标消费行为。
16.根据权利要求14所述的装置,其特征在于,所述确定子模块包括:
模型获取子模块,被配置为获取预先存储的消费行为模型;
输入子模块,被配置为将所述时间信息以及所述运动数据输入所述消费行为模型;
输出子模块,被配置为获取所述消费行为模型输出的消费行为作为所述目标消费行为。
17.根据权利要求16所述的装置,其特征在于,所述装置还包括:
训练模块,被配置为通过训练生成所述消费行为模型;
存储模块,被配置为将生成的所述消费行为模型进行存储。
18.根据权利要求17所述的装置,其特征在于,所述训练模块包括:
检测子模块,被配置为检测到所述用户的消费行为;
采集子模块,被配置为采集训练样本数据;
调整子模块,被配置为根据检测到的所述消费行为,采用所述样本数据调整待训练模型的参数,以得到所述消费行为模型。
19.根据权利要求18所述的装置,其特征在于,所述检测子模块被配置用于:
当用户位于商户的服务区域时,检测所述用户在所述服务区域停留的时间是否在所述商户的服务时间范围内;
如果在所述商户的服务时间范围内,则确定检测到与所述商户关联地消费行为作为所述用户的消费行为。
20.根据权利要求18所述的装置,其特征在于,所述检测子模块被配置用于:
当检测到订单生成时,确定检测到所述订单对应的消费行为作为所述用户的消费行为。
21.根据权利要求18所述的装置,其特征在于,所述训练样本数据,包括:
在检测到所述用户的消费行为时刻之前的预定时间段内,所述用户的运动数据以及对应的时间信息。
22.根据权利要求14所述的装置,其特征在于,所述获取子模块包括:
第一信息获取子模块,被配置为获取所述目标商家的相关信息作为待推荐的目标信息。
23.根据权利要求14所述的装置,其特征在于,所述获取子模块包括:
用户画像获取子模块,被配置为获取所述用户的用户画像数据;
第二信息获取子模块,被配置为根据所述用户画像数据获取所述目标商家的相关信息作为待推荐的目标信息。
24.根据权利要求13-23中任意一种所述的装置,其特征在于,所述运动数据包括:速度大小的均值以及加速度大小的均值。
25.一种服务器,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取当前的时间信息及用户在当前时刻之前预定时间段内的运动数据;
确定所述用户当前所处的位置;
基于所述时间信息、所述运动数据以及所述用户当前所处的位置获取待推荐的目标信息;
向所述用户推荐所述目标信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610822872.5A CN106383882A (zh) | 2016-09-13 | 2016-09-13 | 推荐信息的方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610822872.5A CN106383882A (zh) | 2016-09-13 | 2016-09-13 | 推荐信息的方法、装置及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106383882A true CN106383882A (zh) | 2017-02-08 |
Family
ID=57936636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610822872.5A Pending CN106383882A (zh) | 2016-09-13 | 2016-09-13 | 推荐信息的方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106383882A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742245A (zh) * | 2017-10-31 | 2018-02-27 | 北京小度信息科技有限公司 | 一种商户信息推荐方法、装置及设备 |
CN107895213A (zh) * | 2017-12-05 | 2018-04-10 | 北京三快在线科技有限公司 | 消费额度的预测方法、装置及电子设备 |
CN108053291A (zh) * | 2017-12-28 | 2018-05-18 | 解君 | 一种医疗信息分析规划方法及*** |
CN108446944A (zh) * | 2018-02-05 | 2018-08-24 | 北京三快在线科技有限公司 | 一种常驻城市的确定方法、装置及电子设备 |
CN108769159A (zh) * | 2018-05-16 | 2018-11-06 | 北京豆果信息技术有限公司 | 一种电子菜谱智能推荐方法 |
CN108920682A (zh) * | 2018-07-11 | 2018-11-30 | 厦门盈趣科技股份有限公司 | 基于机器学习和用户画像技术的社交用户推荐方法及装置 |
CN110309399A (zh) * | 2018-02-06 | 2019-10-08 | 北京嘀嘀无限科技发展有限公司 | 基于日期分类的场景信息推送方法及装置 |
CN111127089A (zh) * | 2019-12-18 | 2020-05-08 | 北京数衍科技有限公司 | 账单数据处理方法、装置和电子设备 |
CN111597447A (zh) * | 2020-05-14 | 2020-08-28 | 拉扎斯网络科技(上海)有限公司 | 对象推送方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120084247A1 (en) * | 2010-10-02 | 2012-04-05 | Microsoft Corporation | Affecting user experience based on assessed state |
CN104199936A (zh) * | 2014-09-09 | 2014-12-10 | 联想(北京)有限公司 | 一种信息的处理方法和装置 |
CN105142104A (zh) * | 2015-06-19 | 2015-12-09 | 北京奇虎科技有限公司 | 提供推荐信息的方法、设备以及*** |
CN105763630A (zh) * | 2016-04-12 | 2016-07-13 | 百度在线网络技术(北京)有限公司 | 应用于移动终端的信息推送方法和装置 |
-
2016
- 2016-09-13 CN CN201610822872.5A patent/CN106383882A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120084247A1 (en) * | 2010-10-02 | 2012-04-05 | Microsoft Corporation | Affecting user experience based on assessed state |
CN104199936A (zh) * | 2014-09-09 | 2014-12-10 | 联想(北京)有限公司 | 一种信息的处理方法和装置 |
CN105142104A (zh) * | 2015-06-19 | 2015-12-09 | 北京奇虎科技有限公司 | 提供推荐信息的方法、设备以及*** |
CN105763630A (zh) * | 2016-04-12 | 2016-07-13 | 百度在线网络技术(北京)有限公司 | 应用于移动终端的信息推送方法和装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107742245A (zh) * | 2017-10-31 | 2018-02-27 | 北京小度信息科技有限公司 | 一种商户信息推荐方法、装置及设备 |
CN107895213A (zh) * | 2017-12-05 | 2018-04-10 | 北京三快在线科技有限公司 | 消费额度的预测方法、装置及电子设备 |
CN108053291A (zh) * | 2017-12-28 | 2018-05-18 | 解君 | 一种医疗信息分析规划方法及*** |
CN108446944A (zh) * | 2018-02-05 | 2018-08-24 | 北京三快在线科技有限公司 | 一种常驻城市的确定方法、装置及电子设备 |
CN108446944B (zh) * | 2018-02-05 | 2020-03-17 | 北京三快在线科技有限公司 | 一种常驻城市的确定方法、装置及电子设备 |
CN110309399A (zh) * | 2018-02-06 | 2019-10-08 | 北京嘀嘀无限科技发展有限公司 | 基于日期分类的场景信息推送方法及装置 |
CN108769159A (zh) * | 2018-05-16 | 2018-11-06 | 北京豆果信息技术有限公司 | 一种电子菜谱智能推荐方法 |
CN108920682A (zh) * | 2018-07-11 | 2018-11-30 | 厦门盈趣科技股份有限公司 | 基于机器学习和用户画像技术的社交用户推荐方法及装置 |
CN111127089A (zh) * | 2019-12-18 | 2020-05-08 | 北京数衍科技有限公司 | 账单数据处理方法、装置和电子设备 |
CN111127089B (zh) * | 2019-12-18 | 2023-09-19 | 北京数衍科技有限公司 | 账单数据处理方法、装置和电子设备 |
CN111597447A (zh) * | 2020-05-14 | 2020-08-28 | 拉扎斯网络科技(上海)有限公司 | 对象推送方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106383882A (zh) | 推荐信息的方法、装置及服务器 | |
CN107451199B (zh) | 问题推荐方法及装置、设备 | |
WO2019174395A1 (zh) | 一种信息推荐的方法、装置及设备 | |
KR20180121466A (ko) | 딥러닝을 활용한 개인화 상품 추천 | |
KR100692209B1 (ko) | 맞춤형 상품 정보 제공 방법 및 그 시스템 | |
CN103309918B (zh) | 解释用户状况的动态社交和传感器数据的近实时分析 | |
CN108351870A (zh) | 根据活动模式的计算机语音识别和语义理解 | |
CN109981785B (zh) | 用于推送信息的方法和装置 | |
CN109447156B (zh) | 用于生成模型的方法和装置 | |
US8050960B2 (en) | Recommendations based on an adoption curve | |
CN109598576A (zh) | 服务推荐方法、装置及设备 | |
CN106844680A (zh) | 推荐信息的展示方法和装置 | |
CN110475155A (zh) | 直播视频热度状态识别方法、装置、设备及可读介质 | |
CN110018920A (zh) | 一种页面展示异常的检测方法、装置及设备 | |
CN109815416A (zh) | 关联信息的推送方法、装置,电子设备及存储介质 | |
CN109447729A (zh) | 一种产品的推荐方法、终端设备及计算机可读存储介质 | |
CN111104599B (zh) | 用于输出信息的方法和装置 | |
CN110929158A (zh) | 一种内容推荐方法、***及存储介质和终端设备 | |
CN111209477A (zh) | 一种信息推荐的方法及装置、电子设备、存储介质 | |
CN107644100A (zh) | 信息处理方法、装置以及***和计算机可读存储介质 | |
Bhatta et al. | Mining sequential patterns of historical purchases for e-commerce recommendation | |
CN107968807A (zh) | 自动更新本地缓存资源的方法及装置 | |
Hsieh et al. | Efficient approximate thompson sampling for search query recommendation | |
CN114861783A (zh) | 推荐模型训练方法、装置、电子设备及存储介质 | |
JP2012510662A (ja) | ウェブページの接続時間及び訪問度に基づいたウェブ検索システム及びその方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170208 |
|
RJ01 | Rejection of invention patent application after publication |