CN109711875A - 内容推荐方法及装置 - Google Patents
内容推荐方法及装置 Download PDFInfo
- Publication number
- CN109711875A CN109711875A CN201811552763.1A CN201811552763A CN109711875A CN 109711875 A CN109711875 A CN 109711875A CN 201811552763 A CN201811552763 A CN 201811552763A CN 109711875 A CN109711875 A CN 109711875A
- Authority
- CN
- China
- Prior art keywords
- shops
- user
- grade
- wheel
- evaluation information
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种内容推荐方法及装置。其中,内容推荐方法包括:确定目标用户,查询数据库中预存的目标用户的用户要求等级;确定待推荐的至少一个门店的目标内容,查询数据库中预存的至少一个门店的门店等级;将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容;将待推荐目标内容推送给目标用户。基于本发明提供的方案,根据用户要求等级向用户推荐合适的待推荐目标内容,可以提升用户对待推荐目标内容的兴趣度,大大提高了用户进一步了解或购买的可能性,从而进一步提升门店的营销流量,降低了营销流量浪费比例,提升了推送效果。
Description
技术领域
本发明涉及互联网技术领域,具体涉及一种内容推荐方法及装置。
背景技术
随着互联网技术的不断发展,各种平台应运而生,例如,购物平台、外卖平台、租车平台等。越来越多的商家选择在平台开设门店,并在平台上进行相应推广,例如,在平台的相应的页面呈现广告或商品等,以及,越来越多的用户选择在这些平台上选择自己所需的资源,如商品或服务等。
以在页面呈现广告为例,传统的广告投放至页面都是广撒网式,在某一时间段内投放至某个页面或者某个页面的某个广告位的广告是固定的,比如:肯德基5折广告,所有用户在某一时间段进入到某个页面都能看到该广告,然而不是所有用户都对该广告感兴趣,因此,浪费了很多营销流量。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的内容推荐方法及装置。
根据本发明的一个方面,提供了一种内容推荐方法,包括:
确定目标用户,查询数据库中预存的目标用户的用户要求等级;
确定待推荐的至少一个门店的目标内容,查询数据库中预存的至少一个门店的门店等级;
将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容;
将待推荐目标内容推送给目标用户。
可选地,将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容进一步包括:判断目标用户的用户要求等级是否与任一门店的门店等级相匹配;若是,则选择相匹配的门店的目标内容作为待推荐目标内容;若否,则选择门店等级高于用户要求等级的门店的目标内容作为待推荐目标内容。
可选地,在确定目标用户之前,方法还包括:获取评价信息,根据评价信息确定门店等级及用户要求等级,将门店等级及用户要求等级保存在数据库中。
可选地,根据评价信息确定门店等级及用户要求等级进一步包括:
确定待评级门店集群,针对待评级门店集群中的每个门店,根据该门店的评价信息计算该门店的第1轮门店等级;
确定待评级用户集群,针对待评级用户集群中的每个用户,根据该用户的评价信息计算该用户的第1轮用户要求等级;
将第1轮门店等级和第1轮用户要求等级作为初始值,根据待评级用户集群中各个用户对待评级门店集群中各个门店的评价信息,对初始值进行数轮迭代调整,最终确定待评级门店集群中每个门店的门店等级以及待评级用户集群中每个用户的用户要求等级。
可选地,根据待评级用户集群中各个用户对待评级门店集群中各个门店的评价信息,对初始值进行数轮迭代调整,最终确定待评级门店集群中每个门店的门店等级以及待评级用户集群中每个用户的用户要求等级进一步包括:从i=2开始,
S1,针对待评级门店集群中的每个门店,根据第i-1轮用户要求等级及该门店的评价信息计算该门店的第i轮门店等级,以及针对待评级用户集群中的每个用户,根据第i-1轮门店等级及该用户的评价信息计算该用户的第i轮用户要求等级;
S2,判断各个门店的第i轮门店等级与第i-1轮门店等级是否相同,且各个用户的第i轮用户要求等级与第i-1轮用户要求等级是否相同;
S3,若是,则将各个门店的第i轮门店等级最终确定为各个门店的门店等级,以及将各个用户的第i轮用户要求等级最终确定为各个用户的用户要求等级,迭代调整过程结束;
S4,若否,则将i赋值为i+1,跳转执行步骤S1。
可选地,针对待评级门店集群中的每个门店,根据第i-1轮用户要求等级及该门店的评价信息计算该门店的第i轮门店等级进一步包括:
确定该门店的每条评价信息的评价级别;根据每条评价信息的评价级别和每条评价信息对应用户的第i-1轮用户要求等级,按照第一分类规则将每条评价信息进行归类;基于该门店的各条评价信息的归类结果,利用第一预设规则计算该门店的第i轮门店等级。
可选地,基于该门店的各条评价信息的归类结果,利用第一预设规则计算该门店的第i轮门店等级进一步包括:计算按照第一分类规则进行归类后得到的至少一个预设类别中评价信息的条数占比,根据条数占比计算门店的第i轮门店等级。
可选地,针对待评级用户集群中的每个用户,根据第i-1轮门店等级及该用户的评价信息计算该用户的第i轮用户要求等级进一步包括:
确定该用户的每条评价信息的评价级别;根据每条评价信息的评价级别和每条评价信息对应门店的第i-1轮门店等级,按照第二分类规则将每条评价信息进行归类;基于该用户的各条评价信息的归类结果,利用第二预设规则计算该用户的第i轮用户要求等级。
可选地,基于该用户的各条评价信息的归类结果,利用第二预设规则计算该用户的第i轮用户要求等级进一步包括:计算按照第二分类规则进行归类后得到的至少一个预设类别中评价信息的条数占比,根据条数占比计算用户的第i轮用户要求等级。
可选地,确定待评级门店集群进一步包括:判断门店的评价信息的条数是否大于或等于第一预设阈值;若是,则将该门店加入至待评级门店集群;若否,则为该门店分配默认门店等级。
可选地,确定待评级用户集群进一步包括:判断用户的评价信息的条数是否大于或等于第二预设阈值;若是,则将该用户加入至待评级用户集群;若待评级用户集群中任一用户的评价信息不属于针对待评级门店集群中各个门店的评价信息,则为该用户分配默认用户要求等级。
根据本发明的另一方面,提供了一种内容推荐装置,包括:
第一确定模块,适于确定目标用户;
第一查询模块,适于查询数据库中预存的目标用户的用户要求等级;
第二确定模块,适于确定待推荐的至少一个门店的目标内容;
第二查询模块,适于查询数据库中预存的至少一个门店的门店等级;
处理模块,适于将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容;
推送模块,适于将待推荐目标内容推送给目标用户。
可选地,处理模块进一步适于:判断目标用户的用户要求等级是否与任一门店的门店等级相匹配;若是,则选择相匹配的门店的目标内容作为待推荐目标内容;若否,则选择门店等级高于用户要求等级的门店的目标内容作为待推荐目标内容。
可选地,装置还包括:第三确定模块,适于获取评价信息,根据评价信息确定门店等级及用户要求等级;
数据库,适于存储门店等级及用户要求等级。
可选地,第三确定模块进一步适于:确定待评级门店集群,针对待评级门店集群中的每个门店,根据该门店的评价信息计算该门店的第1轮门店等级;
确定待评级用户集群,针对待评级用户集群中的每个用户,根据该用户的评价信息计算该用户的第1轮用户要求等级;
将第1轮门店等级和第1轮用户要求等级作为初始值,根据待评级用户集群中各个用户对待评级门店集群中各个门店的评价信息,对初始值进行数轮迭代调整,最终确定待评级门店集群中每个门店的门店等级以及待评级用户集群中每个用户的用户要求等级。
可选地,第三确定模块进一步适于按照以下过程进行迭代调整:从i=2开始,
S1,针对待评级门店集群中的每个门店,根据第i-1轮用户要求等级及该门店的评价信息计算该门店的第i轮门店等级,以及针对待评级用户集群中的每个用户,根据第i-1轮门店等级及该用户的评价信息计算该用户的第i轮用户要求等级;
S2,判断各个门店的第i轮门店等级与第i-1轮门店等级是否相同,且各个用户的第i轮用户要求等级与第i-1轮用户要求等级是否相同;
S3,若是,则将各个门店的第i轮门店等级最终确定为各个门店的门店等级,以及将各个用户的第i轮用户要求等级最终确定为各个用户的用户要求等级,迭代调整过程结束;
S4,若否,则将i赋值为i+1,跳转执行S1。
可选地,第三确定模块进一步适于:确定该门店的每条评价信息的评价级别;根据每条评价信息的评价级别和每条评价信息对应用户的第i-1轮用户要求等级,按照第一分类规则将每条评价信息进行归类;基于该门店的各条评价信息的归类结果,利用第一预设规则计算该门店的第i轮门店等级。
可选地,第三确定模块进一步适于:计算按照第一分类规则进行归类后得到的至少一个预设类别中评价信息的条数占比,根据条数占比计算门店的第i轮门店等级。
可选地,第三确定模块进一步适于:确定该用户的每条评价信息的评价级别;根据每条评价信息的评价级别和每条评价信息对应门店的第i-1轮门店等级,按照第二分类规则将每条评价信息进行归类;基于该用户的各条评价信息的归类结果,利用第二预设规则计算该用户的第i轮用户要求等级。
可选地,第三确定模块进一步适于:计算按照第二分类规则进行归类后得到的至少一个预设类别中评价信息的条数占比,根据条数占比计算用户的第i轮用户要求等级。
可选地,第三确定模块进一步适于:判断门店的评价信息的条数是否大于或等于第一预设阈值;若是,则将该门店加入至待评级门店集群;若否,则为该门店分配默认门店等级。
可选地,第三确定模块进一步适于:判断用户的评价信息的条数是否大于或等于第二预设阈值;若是,则将该用户加入至待评级用户集群;若待评级用户集群中任一用户的评价信息不属于针对待评级门店集群中各个门店的评价信息,则为该用户分配默认用户要求等级。
根据本发明的又一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,处理器、存储器和通信接口通过通信总线完成相互间的通信;
存储器用于存放至少一可执行指令,可执行指令使处理器执行上述内容推荐方法对应的操作。
根据本发明的再一方面,提供了一种计算机存储介质,存储介质中存储有至少一可执行指令,可执行指令使处理器执行如上述内容推荐方法对应的操作。
根据本发明提供的方案,确定目标用户,查询数据库中预存的目标用户的用户要求等级;确定待推荐的至少一个门店的目标内容,查询数据库中预存的至少一个门店的门店等级;将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容;将待推荐目标内容推送给目标用户。基于本发明提供的方案,根据用户要求等级向用户推荐合适的待推荐目标内容,可以提升用户对待推荐目标内容的兴趣度,大大提高了用户进一步了解或购买的可能性,从而进一步提升门店的营销流量,降低了营销流量浪费比例,提升了推送效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的内容推荐方法的流程示意图;
图2示出了根据本发明一个实施例的门店等级及用户要求等级计算方法的流程示意图;
图3示出了本发明实施例中计算第i轮门店等级的方法的流程示意图;
图4示出了本发明实施例中计算第i轮用户要求等级的方法的流程示意图;
图5示出了根据本发明一个实施例的内容推荐装置的结构示意图;
图6示出了根据本发明一个实施例的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的内容推荐方法的流程示意图。如图1所示,该方法包括以下步骤:
步骤S100,确定目标用户,查询数据库中预存的目标用户的用户要求等级。
目标用户是使用相应的应用的用户,例如,这里的使用可以是启动应用或者已经进入到应用浏览页面,用户要求等级是用户对门店服务要求的划分,例如,用户要求等级可以包含:高要求、中要求、低要求,不同用户的用户要求等级可能并不相同,这里仅是举例说明,不具有任何限定作用,其它形式划分的用户要求等级均属于本发明保护范围。
具体地,实时监测有哪些用户使用应用,使用应用的用户即为目标用户,在确定目标用户后,查询数据库以确定目标用户的用户要求等级。可选地,数据库中预先存储了用户要求等级及用户标识的对应关系,在监测到有用户使用应用时,获取用户的用户标识,根据用户标识查询数据库,确定该用户标识对应的用户要求等级,从而确定目标用户的用户要求等级。本实施例并不限于根据用户标识查询数据库来确定目标用户的用户要求等级,其它能够用于作为用户唯一身份的信息,都可以用于查询数据库,此时数据库预先存储用户要求等级及其它作为用户唯一身份的信息的对应关系。
步骤S101,确定待推荐的至少一个门店的目标内容,查询数据库中预存的至少一个门店的门店等级。
门店等级是按照门店服务品质对门店进行划分,例如,门店等级可以包含:高品质、中品质、低品质,不同门店的门店等级可能并不相同,这里仅是举例说明,不具有任何限定作用,其它形式划分的门店等级均属于本发明保护范围。
实际生活中,应用作为一种运营平台维护有大量的门店,然而,可能并不是所有门店都有内容推荐需求,而是部分门店有内容推荐需求,因此,需要先确定待推荐的至少一个门店的目标内容,其中,目标内容可以是广告(例如,banner广告)、商品等,在确定待推荐的至少一个门店的目标内容后,查询数据库,确定至少一个门店的门店等级。
可选地,数据库中预先存储了门店等级及门店标识的对应关系,在确定待推荐的至少一个门店的目标内容后,提取至少一个门店的门店标识,根据门店标识查询数据库,确定该门店标识对应的门店等级,从而确定至少一个门店的门店等级。本实施例并不限于根据门店标识查询数据库来确定至少一个门店的门店等级,其它能够用于作为门店唯一身份的信息,都可以用于查询数据库,此时数据库预先存储门店等级及其它作为门店唯一身份的信息的对应关系。
步骤S102,将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容。
为了避免所有用户在某个时间段的某个页面所看到的内容均相同,导致部分用户对这些内容并不感兴趣,而浪费营销流量的问题,本步骤将根据用户要求等级及门店等级确定待推荐目标内容,具体地,将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,得到匹配结果,这里的匹配为确定是否存在与目标用户的用户要求等级相当的门店等级,其中,相当具体为:用户要求等级为中要求,与该用户要求等级相当的门店等级为中品质。然后,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容。
由此选择的待推荐目标内容,更容易使用户产生兴趣,能够获得用户更多的关注,使用户有兴趣了解或购买等,从而进一步提升门店的营销流量。
步骤S103,将待推荐目标内容推送给目标用户。
在选择得到待推荐目标内容后,可以将选择得到的待推荐目标内容推送给用户,使用户能够看到所推送的待推荐目标内容。
在本发明一种可选实施方式中,将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容进一步包括:
判断目标用户的用户要求等级是否与任一门店的门店等级相匹配;若是,则选择相匹配的门店的目标内容作为待推荐目标内容;若否,则选择门店等级高于用户要求等级的门店的目标内容作为待推荐目标内容。
在确定了目标用户的用户要求等级及至少一个门店的门店等级后,将目标用户的用户要求等级与至少一个门店的门店等级进行比较,以判断目标用户的用户要求等级是否与任一门店的门店等级相匹配,若是,则选择相匹配的门店的目标内容作为待推荐目标内容,在该可选实施方式中,可能存在目标用户的用户要求等级与多个门店的门店等级相匹配的情况,此时,可以从相匹配的多个门店中随机选择一个门店的目标内容作为待推荐目标内容;或者,根据预先设置的优先级,从相匹配的多个门店中选择一个门店的目标内容作为待推荐目标内容,这里不做具体限定;若否,则选择门店等级高于用户要求等级的门店的目标内容作为待推荐目标内容,例如,用户要求等级为低要求,目标用户的用户要求等级与任一门店的门店等级均不匹配,若存在门店等级为中要求的门店,则选择门店等级为中要求的门店的目标内容作为待推荐目标内容,若仅存在门店等级为高要求的门店,则选择门店等级为高要求的门店的目标内容作为待推荐目标内容。
举例说明,目标用户A、目标用户B的用户要求等级为中要求、低要求,确定有三个待推荐门店的目标内容,例如,分别门店1、门店2、门店3的目标内容,并查询得到门店1、门店2、门店3的门店等级分别为:高品质、中品质、低品质,通过判断确定目标用户A的用户要求等级与门店2的门店等级相匹配,则选择与用户要求等级相匹配的门店2的目标内容作为待推荐目标内容,将待推荐目标内容推送给目标用户A,从而用户A能够看到门店2的待推荐内容;通过判断确定目标用户B的用户要求等级与门店3的门店等级相匹配,则选择与用户要求等级相匹配的门店3的目标内容作为待推荐目标内容,将待推荐目标内容推送给目标用户B,从而用户B能够看到门店3的待推荐内容。
再举例说明,目标用户A的用户要求等级为中要求,确定有三个待推荐门店的目标内容,例如,分别门店1、门店2、门店3的目标内容,并查询得到门店1、门店2、门店3的门店等级分别为:高品质、低品质、低品质,通过判断确定目标用户A的用户要求等级与任一门店的门店等级均不匹配,则选择门店等级高于用户要求等级的门店1的目标内容作为待推荐目标内容,将待推荐目标内容推送给目标用户A,从而用户A能够看到门店1的待推荐内容。
本实施例中的内容推荐方法可以应用于应用的开屏页面所需呈现的内容的推荐,其中,开屏页面为应用程序启动过程中在呈现应用首页面之前所显示的页面,也可用于在启动应用后,进入到应用中具体页面,该页面所需呈现的内容的推荐,例如,首页面、以及其它详情页等。
根据本发明上述实施例提供的方法,确定目标用户,查询数据库中预存的目标用户的用户要求等级;确定待推荐的至少一个门店的目标内容,查询数据库中预存的至少一个门店的门店等级;将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容;将待推荐目标内容推送给目标用户。基于本发明提供的方案,根据用户要求等级向用户推荐合适的待推荐目标内容,可以提升用户对待推荐目标内容的兴趣度,大大提高了用户进一步了解或购买的可能性,从而进一步提升门店的营销流量,降低了营销流量浪费比例,提升了推送效果。
图2示出了根据本发明一个实施例的门店等级及用户要求等级计算方法的流程示意图。本实施例是根据所获取的评价信息来确定门店等级及用户要求等级,而最终所确定的门店等级及用户要求等级会被保存在数据库中,在内容推荐时,通过查询数据库,确定目标用户的用户要求等级及至少一个门店的门店等级,将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容,将待推荐目标内容推送给目标用户。下面详细介绍门店等级及用户要求等级的计算过程,如图2所示,该方法包括以下步骤:
S200,确定待评级门店集群,针对待评级门店集群中的每个门店,根据该门店的评价信息计算该门店的第1轮门店等级。
待评级门店集群是参与门店评级的所有门店的集合,为了提升所确定的门店等级的精准性,以及保证后续内容推荐的准确性,可选地,可以通过以下方法确定待评级门店集群:统计门店的评价信息的条数,判断门店的评价信息的条数是否大于或等于第一预设阈值,其中,本领域技术人员可以根据实际需要灵活设置第一预设阈值,例如,设置第一预设阈值为50或100,这里不做具体限定;若门店的评价信息的条数大于或等于第一预设阈值,则将该门店加入至待评级门店集群;若门店的评价信息的条数小于第一预设阈值,则为该门店分配默认门店等级。其中,第一预设阈值用于衡量门店的评价信息的多少,小于第一预设阈值说明门店的评价信息的条数较少,根据门店的评价信息并不能精准地确定出门店的等级,因此,可以为门店分配一默认门店等级,在为门店分配默认门店等级后,方法结束。
门店的评价信息反映了门店的服务情况,因此,在确定了待评级门店集群后,针对待评级门店集群中的每个门店,根据该门店的评价信息计算该门店的第1轮门店等级,具体地,可以对门店的评价信息进行分析,例如,语义分析和/或评分分析等,确定门店的每条评价信息的评价级别,其中,评价级别包括:好评、中评、差评,计算各类评价级别的占比(各类评价级别的评价信息的条数/门店的评价信息的总条数),根据评价级别占比,确定该门店的第1轮门店等级。
评价级别:好评、中评、差评对应的占比又可以称为:门店好评率、门店中评率、门店差评率,其中,
门店好评率=门店的评价信息中好评条数/门店的评价信息的总条数
门店中评率=门店的评价信息中中评条数/门店的评价信息的总条数
门店差评率=门店的评价信息中差评条数/门店的评价信息的总条数
在本实施例中可以规定如下:当门店好评率>90%且门店差评率<1%时,门店的第1轮门店等级为:高品质。
当门店好评率<70%,或者,门店差评>30%时,门店的第1轮门店等级为:低品质。
其它情况时,门店的第1轮门店等级为:中品质。
其中,本领域技术人员可以根据实际需要灵活设置各个门店等级划分时所依据的占比,这里不做具体限定,例如,可以规定如下:
当门店好评率>85%且门店差评率<5%时,门店的第1轮门店等级为:高品质。
当门店好评率<65%,或者,门店差评>35%时,门店的第1轮门店等级为:低品质。
其它情况时,门店的第1轮门店等级为:中品质。
S201,确定待评级用户集群,针对待评级用户集群中的每个用户,根据该用户的评价信息计算该用户的第1轮用户要求等级。
待评级用户集群是参与用户评级的所有用户的集合,为了提升所确定的用户要求等级的精准性,以及保证后续内容推荐的准确性,可选地,可以通过以下方法确定待评级用户集群:统计用户的评价信息的条数,判断用户的评价信息的条数是否大于或等于第二预设阈值;其中,本领域技术人员可以根据实际需要灵活设置第二预设阈值,例如,设置第二预设阈值为50或100,这里不做具体限定;若用户的评价信息的条数大于或等于第二预设阈值,则将该用户加入至待评级用户集群;若用户的评价信息的条数小于第二预设阈值,则为该用户分配默认用户要求等级;若待评级用户集群中任一用户的评价信息不属于针对待评级门店集群中各个门店的评价信息,那么也无法利用本实施例中的方法确定用户要求等级,因此,可以为该用户分配默认用户要求等级。
用户的评价信息反映了用户对门店的服务要求情况,因此,在确定了待评级用户集群后,针对待评级用户集群中的每个用户,根据该用户的评价信息计算该用户的第1轮用户要求等级,具体地,可以对用户的评价信息进行分析,例如,语义分析和/或评分分析等,确定用户的每条评价信息的评价级别,其中,评价级别包括:好评、中评、差评,计算各类评价级别的占比(各类评价级别的评价信息的条数/用户的评价信息的总条数),根据评价级别占比,确定该用户的第1轮用户要求等级。
评价级别:好评、中评、差评对应的占比又可以称为:用户好评率、用户中评率、用户差评率,其中,
用户好评率=用户的评价信息中好评条数/用户的评价信息的总条数
用户中评率=用户的评价信息中中评条数/用户的评价信息的总条数
用户差评率=用户的评价信息中差评条数/用户的评价信息的总条数
在本实施例中可以规定如下:
当用户好评率>90%且用户差评率<1%时,用户的第1轮用户要求等级为:低要求。
当用户好评率<70%,或者,用户差评率>30%时,用户的第1轮用户要求等级为:高要求。
其它情况时,用户的第1轮用户要求等级为:中要求。
其中,本领域技术人员可以根据实际需要灵活设置各个用户要求等级划分时所依据的占比,这里不做具体限定,例如,可以规定如下:
当用户好评率>85%且用户差评率<5%时,用户的第1轮用户要求等级为:低要求。
当用户好评率<65%,或者,用户差评率>35%时,用户的第1轮用户要求等级为:高要求。
其它情况时,用户的第1轮用户要求等级为:中要求。
在确定了第1轮门店等级和第1轮用户要求等级之后,将第1轮门店等级和第1轮用户要求等级作为初始值,根据待评级用户集群中各个用户对待评级门店集群中各个门店的评价信息,对初始值进行数轮迭代调整,最终确定待评级门店集群中每个门店的门店等级以及待评级用户集群中每个用户的用户要求等级。
具体地,可以采用如下步骤S202-步骤S205中的方法确定待评级门店集群中每个门店的门店等级以及待评级用户集群中每个用户的用户要求等级:
从i=2开始,
S202,针对待评级门店集群中的每个门店,根据第i-1轮用户要求等级及该门店的评价信息计算该门店的第i轮门店等级,以及针对待评级用户集群中的每个用户,根据第i-1轮门店等级及该用户的评价信息计算该用户的第i轮用户要求等级。
根据门店的评价信息所确定的每个门店的第1轮门店等级能在一定程度上反映出门店的服务情况,但第1轮门店等级可能并不能准确地反映门店品质,为了能够更为精准地确定门店等级,本实施例结合第i-1轮用户要求等级及该门店的评价信息计算该门店的第i轮门店等级,其中,用户要求等级反映了用户对门店服务的不同要求,而门店的评价信息反映了门店的服务情况,因此,基于第i-1轮用户要求等级计算得到的第i轮门店等级更能客观地反映门店的服务情况。
根据用户的评价信息所确定的每个用户的第1轮用户要求等级能在一定程度上反映出用户对门店服务要求,但第1轮用户要求等级可能并不能准确地反映用户对门店的服务要求,为了能够更为精准地确定用户要求等级,本实施例结合第i-1轮门店等级及该用户的评价信息计算该用户的第i轮用户要求等级,其中,门店等级反映了门店服务情况,而用户的评价信息反映了用户对门店的服务要求,因此,基于第i-1轮门店等级计算得到的第i轮用户要求等级更能客观地反映用户对门店的服务要求。
图3示出了本发明实施例中计算第i轮门店等级的方法的流程示意图,即:步骤S202中部分方法的细化流程示意图,如图3所示,该方法包括以下步骤:
步骤S300,确定该门店的每条评价信息的评价级别。
具体地,可以对门店的评价信息进行分析,例如,语义分析和/或评分分析等,确定门店的每条评价信息的评价级别,其中,评价级别包括:好评、中评、差评。例如,评价信息包含:好、很棒、非常等词语时,可以认为评价信息的评价级别为好评;评价信息包含:一般、还可以等词语时,可以认为评价信息的评价级别为中评;评价信息包含:不好、太差等词语时,可以认为评价信息的评价级别为差评;再例如,评价信息对应评分为5星,可以认为评价信息的评价级别为好评;评价信息对应评分为3星或4星,可以认为评价信息的评价级别为中评;评价信息对应评分为1星或2星,可以认为评价信息的评价级别为差评,这里仅是举例说明,不具有任何限定作用。
步骤S301,根据每条评价信息的评价级别和每条评价信息对应用户的第i-1轮用户要求等级,按照第一分类规则将每条评价信息进行归类。
第一分类规则具体限定了如何根据用户要求等级对门店的评价信息进行归类,下面简单列举第一分类规则的规则定义:
高要求用户的好评,为1类评价信息;高要求用户的中评,为2类评价信息;高要求用户的差评,为3类评价信息。
中要求用户的好评,为2类评价信息;中要求用户的中评,为3类评价信息;中要求用户的差评,为4类评价信息。
低要求用户的好评,为3类评价信息;低要求用户的中评,为4类评价信息;低要求用户的差评,为5类评价信息。
在确定了每条评价信息的评价级别(例如,好评、中评或差评)后,根据每条评价信息的评价级别和每条评价信息对应用户的第i-1轮用户要求等级,按照上述分类规则将每条评价信息进行归类,举例说明,计算第2轮门店等级时,某一评价信息的评价级别为好评,该条评价信息对应的用户的第1轮门店等级为中要求,按照上述分类规则该条评价信息对应的类别为2类,这里仅是举例说明,不具有任何限定作用。
步骤S302,基于该门店的各条评价信息的归类结果,利用第一预设规则计算该门店的第i轮门店等级。
第一预设规则具体规定了各个门店等级对应的条件,在根据步骤S301将每条评价信息进行归类后,得到该条评价信息的归类结果,基于该门店的各条评价信息的归类结果,利用第一预设规则计算该门店的第i轮门店等级,具体地,可以利用以下方法计算门店的第i轮门店等级:计算按照第一分类规则进行归类后得到的至少一个预设类别中评价信息的条数占比,根据条数占比计算门店的第i轮门店等级。
在本实施例中可以规定如下:
当1、2类评价信息的条数占比>90%,且4、5类评价信息的条数占比<1%时,门店等级为高品质;
当1、2类评价信息的条数占比<70%,或者4、5类评价信息的条数占比>30%时,门店等级为低品质;
其它情况时,门店等级为中品质。
当然,本领域技术人员可以根据实际需要灵活设置相应的数值,例如,还可以规定如下:
当1、2类评价信息的条数占比>85%,且4、5类评价信息的条数占比<5%时,门店等级为高品质;
当1、2类评价信息的条数占比<65%,或者4、5类评价信息的条数占比>35%时,门店等级为低品质;
其它情况时,门店等级为中品质。
图4示出了本发明实施例中计算第i轮用户要求等级的方法的流程示意图,即:步骤S202中部分方法的细化流程示意图,如图4所示,该方法包括以下步骤:
步骤S400,确定该用户的每条评价信息的评价级别。
具体地,可以对用户的评价信息进行分析,例如,语义分析和/或评分分析等,确定用户的每条评价信息的评价级别,其中,评价级别包括:好评、中评、差评。例如,评价信息包含:好、很棒、非常等词语时,可以认为评价信息的评价级别为好评;评价信息包含:一般、还可以等词语时,可以认为评价信息的评价级别为中评;评价信息包含:不好、太差等词语时,可以认为评价信息的评价级别为差评;再例如,评价信息对应评分为5星,可以认为评价信息的评价级别为好评;评价信息对应评分为3星或4星,可以认为评价信息的评价级别为中评;评价信息对应评分为1星或2星,可以认为评价信息的评价级别为差评,这里仅是举例说明,不具有任何限定作用。
步骤S401,根据每条评价信息的评价级别和每条评价信息对应门店的第i-1轮门店等级,按照第二分类规则将每条评价信息进行归类。
第二分类规则具体限定了如何根据门店等级对用户的评价信息进行归类,下面简单列举第二分类规则的规则定义:
高品质门店的差评,为1类评价信息;高品质门店的中评,为2类评价信息;高品质门店的好评,为3类评价信息。
中品质门店的差评,为2类评价信息;中品质门店的中评,为3类评价信息;中品质门店的好评,4类评价信息。
低品质门店的差评,为3类评价信息;低品质门店的中评,为4类评价信息;低品质门店的好评,为5类评价信息。
在确定了每条评价信息的评价级别(例如,好评、中评或差评)后,根据每条评价信息的评价级别和每条评价信息对应门店的第i-1轮门店等级,按照上述分类规则将每条评价信息进行归类,举例说明,计算第2轮用户要求等级时,某一评价信息的评价级别为好评,该条评价信息对应的门店的第1轮门店等级为中品质,按照上述分类规则该条评价信息对应的类别为4类,这里仅是举例说明,不具有任何限定作用。
步骤S402,基于该用户的各条评价信息的归类结果,利用第二预设规则计算该用户的第i轮用户要求等级。
第二预设规则具体规定了各个用户要求等级对应的条件,在根据步骤S401将每条评价信息进行归类后,得到该条评价信息的归类结果,基于该用户的各条评价信息的归类结果,利用第二预设规则计算该用户的第i轮用户要求等级,具体地,可以利用以下方法计算门店的第i轮用户要求等级:计算按照第二分类规则进行归类后得到的至少一个预设类别中评价信息的条数占比,根据条数占比计算用户的第i轮用户要求等级。
在本实施例中可以规定如下:
当4、5类评价信息的条数占比>90%,且1、2类评价信息的条数占比<1%时,用户要求等级为低要求;
当4、5类评价信息的条数占比<70%,或者,1、2类评价信息的条数占比>30%时,用户要求等级为高要求;
其它情况时,用户要求等级为中要求。
当然,本领域技术人员可以根据实际需要灵活设置相应的数值,例如,还可以规定如下:
当4、5类评价信息的条数占比>85%,且1、2类评价信息的条数占比<5%时,用户要求等级为低要求;
当4、5类评价信息的条数占比<65%,或者,1、2类评价信息的条数占比>35%时,用户要求等级为高要求;
其它情况时,用户要求等级为中要求。
S203,判断各个门店的第i轮门店等级与第i-1轮门店等级是否相同,且各个用户的第i轮用户要求等级与第i-1轮用户要求等级是否相同;若是,则执行步骤S204;若否,则执行步骤S205。
为了确定是否结束迭代调整过程,在计算得到各个门店的第i轮门店等级及各个用户的第i轮用户要求等级之后,需要判断各个门店的第i轮门店等级与第i-1轮门店等级是否相同,且各个用户的第i轮用户要求等级与第i-1轮用户要求等级是否相同,在判断出各个门店的第i轮门店等级与第i-1轮门店等级相同,且各个用户的第i轮用户要求等级与第i-1轮用户要求等级相同的情况下,表明各个门店的门店等级恒定不变,各个用户的用户要求等级也恒定不变,可以结束迭代调整过程;在判断出某一门店的第i轮门店等级与第i-1轮门店等级不相同,或者某一用户的第i轮用户要求等级与第i-1轮用户要求等级不相同的情况下,需要继续迭代调整过程。
S204,将各个门店的第i轮门店等级最终确定为各个门店的门店等级,以及将各个用户的第i轮用户要求等级最终确定为各个用户的用户要求等级,迭代调整过程结束。
在判断出各个门店的第i轮门店等级与第i-1轮门店等级相同,且各个用户的第i轮用户要求等级与第i-1轮用户要求等级相同的情况下,表明各个门店的门店等级恒定不变,各个用户的用户要求等级也恒定不变,此时,可以将各个门店的第i轮门店等级最终确定为各个门店的门店等级,以及将各个用户的第i轮用户要求等级最终确定为各个用户的用户要求等级,并结束迭代调整过程。
S205,将i赋值为i+1,跳转执行步骤S202。
在判断出某一门店的第i轮门店等级与第i-1轮门店等级不相同,或者某一用户的第i轮用户要求等级与第i-1轮用户要求等级不相同的情况下,将i赋值为i+1,跳转执行步骤S202。
在本发明一种可选实施方式中,为了节约资源,避免门店等级及用户要求等级计算时间过长,可以控制迭代调整执行轮数,当i大于第三预设阈值时,结束迭代调整过程,将各个门店的第i轮门店等级最终确定为各个门店的门店等级,以及将各个用户的第i轮用户要求等级最终确定为各个用户的用户要求等级。
步骤S206,将门店等级及用户要求等级保存在数据库中。
在根据上述方法步骤最终确定待评级门店集群中每个门店的门店等级以及待评级用户集群中每个用户的用户要求等级后,将门店等级及用户要求等级保存在数据库中。例如,可以将门店标识与门店等级关联存储,以及将用户标识与用户要求等级关联存储。保存在数据库中的门店等级及用户要求等级,可以在内容推荐时使用。
下面结合具体实例说明计算门店等级及用户要求等级的详细过程:
假设待评级门店有5家,分别为S1~S5,待评级用户有5个,分别C1~C5,评价信息如表1所示:
表1:
C1 | C2 | C3 | C4 | C5 | |
S1 | 好10,中15,差5=30 | 好20,中5=25 | 好10=10 | 中20=20 | 好15=15 |
S2 | 好20,中5,差5=30 | 好15,差5=20 | 好5,差5=10 | 好5,差5=10 | 好15,中5=20 |
S3 | 好10,中5=15 | 好15=15 | 好40=40 | 好10=10 | 好20=20 |
S4 | 好5,中5,差10=20 | 好20=20 | 好10,差20=30 | 好10,差5=15 | 好15=15 |
S5 | 好5=5 | 中10,差10=20 | 中10=10 | 中10,差5=15 | 好30=30 |
针对门店S1~S5,分别确定各个门店的第1轮门店等级,具体如下:
S1:门店好评率=(10+20+10+15)/100=55%,门店差评率=5/100=5%(低品质)
S2:门店好评率=(20+15+5+5+15)/90=66%,门店差评率=(5+5+5+5)/90=22%(低品质)
S3:门店好评率=(10+15+40+10+20)/100=95%,门店差评率=0%(高品质)
S4:门店好评率=(5+20+10+10+15)/100=60%,门店差评率=(10+20+5)/100=35%(低品质)
S5:门店好评率=(5+30)/80=43%,门店差评率=(10+5)/80=18%(低品质)
针对用户C1~C5,分别确定各个用户的第1轮用户要求等级,具体如下:
C1:用户好评率=(10+20+10+5+5)/100=50%,用户差评率=(5+5+10)/100=20%(高要求)
C2:用户好评率=(20+15+15+20)/100=70%,用户差评率=(5+10)/100=15%(中要求)
C3:用户好评率=(10+5+40+10)/100=65%,用户差评率=(5+20)/100=25%(高要求)
C4:用户好评率=(5+10+10)/70=35%,用户差评率=(5+5+5)/70=21%(高要求)
C5:用户好评率=(15+15+20+15+30)/100=95%,用户差评率=0%(低要求)
根据每条评价信息的评价级别和每条评价信息对应的第1轮的用户要求等级,按照第一分类规则,确定每条评价信息的归类结果如表2所示:
表2:
C1(高) | C2(中) | C3(高) | C4(高) | C5(低) | |
S1低 | 1类10,2类15,3类5=30 | 2类20,3类5=25 | 1类10=10 | 2类20=20 | 3类15=15 |
S2低 | 1类20,2类5,3类5=30 | 2类15,4类5=20 | 1类5,3类5=10 | 1类5,3类5=10 | 3类15,4类5=20 |
S3高 | 1类10,2类5=15 | 2类15=15 | 1类40=40 | 1类10=10 | 3类20=20 |
S4低 | 1类5,2类5,3类10=20 | 2类20=20 | 1类10,3类20=30 | 1类10,3类5=15 | 3类15=15 |
S5低 | 1类5=5 | 3类10,4类10=20 | 2类10=10 | 2类10,3类5=15 | 3类30=30 |
根据上述归类结果计算第2轮门店等级,具体如下:
S1:1、2类评价信息的条数占比=(25+20+10+20)/100=75%,4、5类评价信息的条数占比=0%(中品质门店)
S2:1、2类评价信息的条数占比=(25+15+5+5)/90=55%,4、5类评价信息的条数占比=(5+5)/90=11%(低品质门店)
S3:1、2类评价信息的条数占比=(15+15+40+10)/100=80%,4、5类评价信息的条数占比=0%(中品质门店)
S4:1、2类评价信息的条数占比=(10+20+10+10)/100=50%,4、5类评价信息的条数占比=0%(低品质门店)
S5:1、2类评价信息的条数占比=(5+10+10)/80=31%,4、5类评价信息的条数占比=10/80=12.5%(低品质门店)
根据每条评价信息的评价级别和每条评价信息对应门店的第1轮门店等级,按照第二分类规则,确定每条评价信息的归类结果如表3所示:
表3:
C1(高) | C2(中) | C3(高) | C4(高) | C5(低) | |
S1低 | 5类10,4类15,3类5=30 | 5类20,4类5=25 | 5类10=10 | 4类20=20 | 5类15=15 |
S2低 | 5类20,4类5,3类5=30 | 5类15,3类5=20 | 5类5,3类5=10 | 5类5,3类5=10 | 5类15,4类5=20 |
S3高 | 3类10,2类5=15 | 3类15=15 | 3类40=40 | 3类10=10 | 3类20=20 |
S4低 | 5类5,4类5,3类10=20 | 5类20=20 | 5类10,3类20=30 | 5类10,3类5=15 | 5类15=15 |
S5低 | 5类5=5 | 4类10,3类10=20 | 4类10=10 | 4类10,3类5=15 | 5类30=30 |
根据上述归类结果计算第2轮用户要求等级,具体如下:
C1:4、5类评价信息的条数占比=(25+25+10+5)/100=65%,1、2类评价信息的条数占比=5/100=5%(高要求)
C2:4、5类评价信息的条数占比=(25+15+20+10)/100=70%,1、2类评价信息的条数占比=0%(中要求)
C3:4、5类评价信息的条数占比=(10+5+10+10)/100=35%,1、2类评价信息的条数占比=0%(高要求)
C4:4、5类评价信息的条数占比=(20+5+10+10)/70=64%,1、2类评价信息的条数占比=0%(高要求)
C5:4、5类评价信息的条数占比=(15+20+15+30)/100=80%,1、2类评价信息的条数占比=0%(中要求)
通过比较发现,门店S1、S3的第2轮门店等级与第1轮门店等级不同,用户C5的第2轮用户要求等级与第1轮用户要求等级不同,则需要进行第3轮门店等级计算及第3轮用户要求等级计算,经过数轮迭代调整后,最终确定待评级门店集群中每个门店的门店等级以及待评级用户集群中每个用户的用户要求等级,将门店等级及用户要求等级保存在数据库中,以在内容推荐时使用。
根据本发明上述实施例提供的方法,通过门店等级及用户要求等级相互制约的多次调整所确定的待评级门店集群中每个门店的门店等级以及待评级用户集群中每个用户的用户要求等级更为精准,能够客观准确地反映出用户的要求及门店的服务情况,从而根据所确定的门店等级及用户要求等级进行内容推荐时,所推荐的待推荐目标内容,更容易使用户产生兴趣,能够获得用户更多的关注,使用户有兴趣了解或购买等,从而进一步提升门店的营销流量。
图5示出了根据本发明一个实施例的内容推荐装置的结构示意图。如图5所示,该装置包括:第一确定模块500、第一查询模块510、第二确定模块520、第二查询模块530、处理模块540、推送模块550。
第一确定模块500,适于确定目标用户。
第一查询模块510,适于查询数据库中预存的目标用户的用户要求等级。
第二确定模块520,适于确定待推荐的至少一个门店的目标内容。
第二查询模块530,适于查询数据库中预存的至少一个门店的门店等级。
处理模块540,适于将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容。
推送模块550,适于将待推荐目标内容推送给目标用户。
可选地,处理模块540进一步适于:判断目标用户的用户要求等级是否与任一门店的门店等级相匹配;若是,则选择相匹配的门店的目标内容作为待推荐目标内容;若否,则选择门店等级高于用户要求等级的门店的目标内容作为待推荐目标内容。
可选地,装置还包括:第三确定模块560,适于获取评价信息,根据评价信息确定门店等级及用户要求等级;
数据库570,适于存储门店等级及用户要求等级。
可选地,第三确定模块560进一步适于:确定待评级门店集群,针对待评级门店集群中的每个门店,根据该门店的评价信息计算该门店的第1轮门店等级;
确定待评级用户集群,针对待评级用户集群中的每个用户,根据该用户的评价信息计算该用户的第1轮用户要求等级;
将第1轮门店等级和第1轮用户要求等级作为初始值,根据待评级用户集群中各个用户对待评级门店集群中各个门店的评价信息,对初始值进行数轮迭代调整,最终确定待评级门店集群中每个门店的门店等级以及待评级用户集群中每个用户的用户要求等级。
可选地,第三确定模块560进一步适于按照以下过程进行迭代调整:从i=2开始,
S1,针对待评级门店集群中的每个门店,根据第i-1轮用户要求等级及该门店的评价信息计算该门店的第i轮门店等级,以及针对待评级用户集群中的每个用户,根据第i-1轮门店等级及该用户的评价信息计算该用户的第i轮用户要求等级;
S2,判断各个门店的第i轮门店等级与第i-1轮门店等级是否相同,且各个用户的第i轮用户要求等级与第i-1轮用户要求等级是否相同;
S3,若是,则将各个门店的第i轮门店等级最终确定为各个门店的门店等级,以及将各个用户的第i轮用户要求等级最终确定为各个用户的用户要求等级,迭代调整过程结束;
S4,若否,则将i赋值为i+1,跳转执行S1。
可选地,第三确定模块560进一步适于:确定该门店的每条评价信息的评价级别;根据每条评价信息的评价级别和每条评价信息对应用户的第i-1轮用户要求等级,按照第一分类规则将每条评价信息进行归类;基于该门店的各条评价信息的归类结果,利用第一预设规则计算该门店的第i轮门店等级。
可选地,第三确定模块560进一步适于:计算按照第一分类规则进行归类后得到的至少一个预设类别中评价信息的条数占比,根据条数占比计算门店的第i轮门店等级。
可选地,第三确定模块560进一步适于:确定该用户的每条评价信息的评价级别;根据每条评价信息的评价级别和每条评价信息对应门店的第i-1轮门店等级,按照第二分类规则将每条评价信息进行归类;基于该用户的各条评价信息的归类结果,利用第二预设规则计算该用户的第i轮用户要求等级。
可选地,第三确定模块560进一步适于:计算按照第二分类规则进行归类后得到的至少一个预设类别中评价信息的条数占比,根据条数占比计算用户的第i轮用户要求等级。
可选地,第三确定模块560进一步适于:判断门店的评价信息的条数是否大于或等于第一预设阈值;若是,则将该门店加入至待评级门店集群;若否,则为该门店分配默认门店等级。
可选地,第三确定模块560进一步适于:判断用户的评价信息的条数是否大于或等于第二预设阈值;若是,则将该用户加入至待评级用户集群;若待评级用户集群中任一用户的评价信息不属于针对待评级门店集群中各个门店的评价信息,则为该用户分配默认用户要求等级。
根据本发明上述实施例提供的装置,确定目标用户,查询数据库中预存的目标用户的用户要求等级;确定待推荐的至少一个门店的目标内容,查询数据库中预存的至少一个门店的门店等级;将目标用户的用户要求等级与至少一个门店的门店等级进行匹配,根据匹配结果从至少一个门店的目标内容中选择得到待推荐目标内容;将待推荐目标内容推送给目标用户。基于本发明提供的方案,根据用户要求等级向用户推荐合适的待推荐目标内容,可以提升用户对待推荐目标内容的兴趣度,大大提高了用户进一步了解或购买的可能性,从而进一步提升门店的营销流量,降低了营销流量浪费比例,提升了推送效果。
本申请实施例还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的方法。
图6示出了根据本发明一个实施例的计算设备的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图6所示,该计算设备可以包括:处理器(processor)602、通信接口(Communications Interface)604、存储器(memory)606、以及通信总线608。
其中:
处理器602、通信接口604、以及存储器606通过通信总线608完成相互间的通信。
通信接口604,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器602,用于执行程序610,具体可以执行上述方法实施例中的相关步骤。
具体地,程序610可以包括程序代码,该程序代码包括计算机操作指令。
处理器602可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器606,用于存放程序610。存储器606可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序610具体可以用于使得处理器602执行上述任意方法实施例中的方法。程序610中各步骤的具体实现可以参见上述实施例中的相应步骤和单元中对应的描述,在此不赘述。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,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的内容推荐设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种内容推荐方法,包括:
确定目标用户,查询数据库中预存的所述目标用户的用户要求等级;
确定待推荐的至少一个门店的目标内容,查询数据库中预存的所述至少一个门店的门店等级;
将所述目标用户的用户要求等级与所述至少一个门店的门店等级进行匹配,根据匹配结果从所述至少一个门店的目标内容中选择得到待推荐目标内容;
将所述待推荐目标内容推送给所述目标用户。
2.根据权利要求1所述的方法,其中,所述将所述目标用户的用户要求等级与所述至少一个门店的门店等级进行匹配,根据匹配结果从所述至少一个门店的目标内容中选择得到待推荐目标内容进一步包括:
判断所述目标用户的用户要求等级是否与任一门店的门店等级相匹配;
若是,则选择相匹配的门店的目标内容作为待推荐目标内容;
若否,则选择门店等级高于用户要求等级的门店的目标内容作为待推荐目标内容。
3.根据权利要求1或2所述的方法,其中,在确定目标用户之前,所述方法还包括:
获取评价信息,根据评价信息确定门店等级及用户要求等级,将门店等级及用户要求等级保存在数据库中。
4.根据权利要求3所述的方法,其中,所述根据评价信息确定门店等级及用户要求等级进一步包括:
确定待评级门店集群,针对待评级门店集群中的每个门店,根据该门店的评价信息计算该门店的第1轮门店等级;
确定待评级用户集群,针对待评级用户集群中的每个用户,根据该用户的评价信息计算该用户的第1轮用户要求等级;
将所述第1轮门店等级和第1轮用户要求等级作为初始值,根据所述待评级用户集群中各个用户对待评级门店集群中各个门店的评价信息,对初始值进行数轮迭代调整,最终确定待评级门店集群中每个门店的门店等级以及待评级用户集群中每个用户的用户要求等级。
5.根据权利要求4所述的方法,其中,所述根据所述待评级用户集群中各个用户对待评级门店集群中各个门店的评价信息,对初始值进行数轮迭代调整,最终确定待评级门店集群中每个门店的门店等级以及待评级用户集群中每个用户的用户要求等级进一步包括:从i=2开始,
S1,针对待评级门店集群中的每个门店,根据第i-1轮用户要求等级及该门店的评价信息计算该门店的第i轮门店等级,以及针对待评级用户集群中的每个用户,根据第i-1轮门店等级及该用户的评价信息计算该用户的第i轮用户要求等级;
S2,判断各个门店的第i轮门店等级与第i-1轮门店等级是否相同,且各个用户的第i轮用户要求等级与第i-1轮用户要求等级是否相同;
S3,若是,则将各个门店的第i轮门店等级最终确定为各个门店的门店等级,以及将各个用户的第i轮用户要求等级最终确定为各个用户的用户要求等级,迭代调整过程结束;
S4,若否,则将i赋值为i+1,跳转执行步骤S1。
6.根据权利要求5所述的方法,其中,所述针对待评级门店集群中的每个门店,根据第i-1轮用户要求等级及该门店的评价信息计算该门店的第i轮门店等级进一步包括:
确定该门店的每条评价信息的评价级别;
根据每条评价信息的评价级别和每条评价信息对应用户的第i-1轮用户要求等级,按照第一分类规则将每条评价信息进行归类;
基于该门店的各条评价信息的归类结果,利用第一预设规则计算该门店的第i轮门店等级。
7.根据权利要求6所述的方法,其中,所述基于该门店的各条评价信息的归类结果,利用第一预设规则计算该门店的第i轮门店等级进一步包括:
计算按照第一分类规则进行归类后得到的至少一个预设类别中评价信息的条数占比,根据所述条数占比计算门店的第i轮门店等级。
8.一种内容推荐装置,包括:
第一确定模块,适于确定目标用户;
第一查询模块,适于查询数据库中预存的所述目标用户的用户要求等级;
第二确定模块,适于确定待推荐的至少一个门店的目标内容;
第二查询模块,适于查询数据库中预存的所述至少一个门店的门店等级;
处理模块,适于将所述目标用户的用户要求等级与所述至少一个门店的门店等级进行匹配,根据匹配结果从所述至少一个门店的目标内容中选择得到待推荐目标内容;
推送模块,适于将所述待推荐目标内容推送给所述目标用户。
9.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的内容推荐方法对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的内容推荐方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811552763.1A CN109711875B (zh) | 2018-12-19 | 2018-12-19 | 内容推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811552763.1A CN109711875B (zh) | 2018-12-19 | 2018-12-19 | 内容推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109711875A true CN109711875A (zh) | 2019-05-03 |
CN109711875B CN109711875B (zh) | 2021-04-20 |
Family
ID=66256709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811552763.1A Active CN109711875B (zh) | 2018-12-19 | 2018-12-19 | 内容推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711875B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110297987A (zh) * | 2019-07-02 | 2019-10-01 | 武汉斗鱼网络科技有限公司 | 一种帖子推荐方法、装置、设备和存储介质 |
CN111695084A (zh) * | 2020-04-26 | 2020-09-22 | 北京奇艺世纪科技有限公司 | 模型生成方法、信用评分生成方法、装置、设备及存储介质 |
CN112508649A (zh) * | 2020-12-11 | 2021-03-16 | 北京首汽智行科技有限公司 | 一种车辆租赁商户的推荐方法 |
CN113032640A (zh) * | 2021-03-16 | 2021-06-25 | 深圳壹账通智能科技有限公司 | 基于多层次正则匹配的推送方法、装置、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130046689A1 (en) * | 2011-08-16 | 2013-02-21 | Bank Of America Corporation | System and Method for Facilitating Transactions |
CN103927324A (zh) * | 2014-03-13 | 2014-07-16 | 中国联合网络通信集团有限公司 | 一种信息推送的方法及装置 |
CN104463617A (zh) * | 2014-10-30 | 2015-03-25 | 中英融贯资讯(武汉)有限公司 | 一种智能匹配商户范围的方法及*** |
CN105718535A (zh) * | 2016-01-15 | 2016-06-29 | 深圳大学 | 一种在线评分方法及其*** |
CN106408377A (zh) * | 2016-08-31 | 2017-02-15 | 广东华邦云计算股份有限公司 | 购物推荐方法及*** |
CN106991584A (zh) * | 2017-04-10 | 2017-07-28 | 山东科技大学 | 一种基于评分者印象的电子商务信用计算方法 |
CN108280729A (zh) * | 2017-01-06 | 2018-07-13 | 中兴通讯股份有限公司 | 一种配餐方法及装置 |
CN108415992A (zh) * | 2018-02-12 | 2018-08-17 | 百度在线网络技术(北京)有限公司 | 资源推荐方法、装置和计算机设备 |
-
2018
- 2018-12-19 CN CN201811552763.1A patent/CN109711875B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130046689A1 (en) * | 2011-08-16 | 2013-02-21 | Bank Of America Corporation | System and Method for Facilitating Transactions |
CN103927324A (zh) * | 2014-03-13 | 2014-07-16 | 中国联合网络通信集团有限公司 | 一种信息推送的方法及装置 |
CN104463617A (zh) * | 2014-10-30 | 2015-03-25 | 中英融贯资讯(武汉)有限公司 | 一种智能匹配商户范围的方法及*** |
CN105718535A (zh) * | 2016-01-15 | 2016-06-29 | 深圳大学 | 一种在线评分方法及其*** |
CN106408377A (zh) * | 2016-08-31 | 2017-02-15 | 广东华邦云计算股份有限公司 | 购物推荐方法及*** |
CN108280729A (zh) * | 2017-01-06 | 2018-07-13 | 中兴通讯股份有限公司 | 一种配餐方法及装置 |
CN106991584A (zh) * | 2017-04-10 | 2017-07-28 | 山东科技大学 | 一种基于评分者印象的电子商务信用计算方法 |
CN108415992A (zh) * | 2018-02-12 | 2018-08-17 | 百度在线网络技术(北京)有限公司 | 资源推荐方法、装置和计算机设备 |
Non-Patent Citations (1)
Title |
---|
卢建昌 等: "《电力企业管理》", 31 August 2007, 中国电力出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110297987A (zh) * | 2019-07-02 | 2019-10-01 | 武汉斗鱼网络科技有限公司 | 一种帖子推荐方法、装置、设备和存储介质 |
CN111695084A (zh) * | 2020-04-26 | 2020-09-22 | 北京奇艺世纪科技有限公司 | 模型生成方法、信用评分生成方法、装置、设备及存储介质 |
CN112508649A (zh) * | 2020-12-11 | 2021-03-16 | 北京首汽智行科技有限公司 | 一种车辆租赁商户的推荐方法 |
CN112508649B (zh) * | 2020-12-11 | 2024-03-15 | 北京首汽智行科技有限公司 | 一种车辆租赁商户的推荐方法 |
CN113032640A (zh) * | 2021-03-16 | 2021-06-25 | 深圳壹账通智能科技有限公司 | 基于多层次正则匹配的推送方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109711875B (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711875A (zh) | 内容推荐方法及装置 | |
CN104933591B (zh) | 一种基于实时数据实现广告投放的方法及装置 | |
WO2019226192A1 (en) | Demand forecast | |
CN109272360B (zh) | 一种广告智能推荐方法、***及装置 | |
CN103578010A (zh) | 生成流量质量比较参数的方法和装置、广告计费方法 | |
CN109255007A (zh) | 基于区块链的地理空间基础数据共享方法及装置 | |
CN107679103B (zh) | 用于实体的属性分析方法及*** | |
CN108765094A (zh) | 保险数据处理方法、装置、计算机设备和存储介质 | |
CN107067282B (zh) | 一种消费品返利销售营销管理***及其使用方法 | |
CN108108438A (zh) | 行为数据的识别方法及装置 | |
KR102624075B1 (ko) | 조달입찰정보 매칭방법, 장치 및 프로그램 | |
CN109615410B (zh) | 数据处理方法、装置、计算机设备及计算机可读存储介质 | |
CN111242318A (zh) | 基于异构特征库的业务模型训练方法及装置 | |
CN111353094A (zh) | 一种信息推送方法及装置 | |
CN117172633B (zh) | 一种面向工业互联网平台的制造服务子图仿真方法及*** | |
CN110264364B (zh) | 一种投资方的推荐方法 | |
CN108446923B (zh) | 一种基于自助式劳务众包平台的任务定价方法 | |
CN116151460A (zh) | 车辆智能化产品的优化方法、装置、服务器及存储介质 | |
CN104462412A (zh) | 用于网络关键词投放的关键词检测方法和装置 | |
CN109325795A (zh) | 商城优惠券的应用方法和商城优惠券的应用*** | |
CN104486313A (zh) | 网络多媒体文件投放检测方法及装置 | |
CN114723373A (zh) | 保健用品的配货调度管理方法、装置、设备及存储介质 | |
TW201516925A (zh) | 處理複合優惠之組裝與計費系統及其方法 | |
CN113902470A (zh) | 一种广告实验平台、方法及电子设备 | |
CN111695919B (zh) | 评价数据处理方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |