CN111143546A - 一种获得推荐语的方法、装置及电子设备 - Google Patents

Abstract

本申请实施例提供一种获得推荐语的方法，应用于服务端或者客户端，所述方法包括：获得原始数据，原始数据包括用户画像数据、目标对象特征数据和实体对象特征数据中的至少一种数据，实体对象特征数据用于描述为用户提供服务的实体对象的特征，目标对象特征数据用于描述供用户使用的目标对象的特征；按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段；按照推荐语属性将拆分后的字段进行重组，获得针对目标对象或实体对象的推荐语。采用本实施例获得的推荐语，由于在获得推荐语的过程中按照字段属性对原始数据拆分，并按照推荐语属性对拆分后的字段进行了重组，使得获得的针对目标对象或实体对象的推荐语，可相对提高推荐语的准确度。

Description

一种获得推荐语的方法、装置及电子设备

技术领域

本申请涉及计算机技术领域，具体涉及一种获得推荐语的方法、装置及电子设备。

背景技术

随着科技的快速发展，生活物质水平不断提高，随着而来的，用户对于对象选择或者服务选择的需求越来越多。由于当下能够提供对象或者服务的实体对象越来越多，各种对象或者服务种类众多，用户在选择对象或者服务时，必然会涉及到选择对象或者实体对象。因此，在众多对象或者实体对象中，如何形成针对某个目标对象或者是实体对象的推荐语，成为目标对象或者是实体对象匹配到用户的关键。

针对上述问题，主要是通过以下几种方式形成针对某个目标对象或者是实体对象的推荐语并展示给用户。例如，人工填写推荐语或者通过人工导入的方式导入实体对象的推荐语；或者是直接将用户对目标对象或者实体对象的评价语作为针对目标对象或者实体对象推荐语推荐给用户。有些实体对象还会直接通过统计某一用户的历史行为数据来形成推荐语，如根据统计某一段时间内某一用户针对实体对象或者目标对象的历史行为数据直接进行推荐。然而，由于该推荐语是直接将收集的某一用户行为数据作为推荐语推荐给大众用户，这些历史行为数据与大众用户关联度不高，导致大众用户在浏览到这些推荐语时，由于推荐语句式单一，导致推荐语的准确度不高。

发明内容

本申请实施例提供一种获得推荐语的方法，以解决现有的推荐语准确度不高的问题。

第一方面，本申请实施例提供一种获得推荐语的方法，应用于服务端或者客户端，所述方法包括：

获得原始数据，所述原始数据包括用户画像数据、目标对象特征数据和实体对象特征数据中的至少一种数据，其中，所述实体对象特征数据用于描述为用户提供服务的实体对象的特征，所述目标对象特征数据用于描述供用户使用的目标对象的特征；按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段；按照推荐语属性将拆分后的字段进行重组，获得针对所述目标对象或所述实体对象的推荐语。

可选的，所述按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段，包括：对所述原始数据进行拆分处理，获得初始拆分字段；将所述初始拆分字段的属性信息与预先设置的字段属性信息进行匹配，获得与所述预先设置的字段属性信息匹配的初始拆分字段，并将与所述预先设置的字段属性信息匹配的初始拆分字段确定为拆分后的字段。

可选的，所述获得与所述预先设置的字段属性信息匹配的初始拆分字段，包括：获得与所述预先设置的字段属性信息具有相同属性信息的初始拆分字段，或者，获得属性信息相似度满足预先设置的相似度条件的初始拆分字段；其中，所述属性信息相似度是指所述初始拆分字段的属性信息与所述预先设置的字段属性信息的属性信息相似度。

可选的，所述拆分后的字段与所述原始数据中的用户对象、目标对象以及实体对象中的至少一种对象具有关联关系。

可选的，还包括：从所述原始数据中提取用户对象、目标对象以及实体对象中的至少一种对象；确定所述拆分后的字段所属的提取到的用户对象、目标对象以及实体对象中的至少一种对象；将所述拆分后的字段与所述拆分后的字段所属的提取到的用户对象、目标对象以及实体对象中的至少一种对象进行关联，生成所述关联关系。

可选的，所述按照推荐语属性将拆分后的字段进行重组，包括：从所述拆分后的字段中提取所述拆分后的字段所属的用户对象、目标对象以及实体对象中的至少一种对象；遍历所述拆分后的字段，获得与所述至少一种对象具有关联关系的拆分后的字段；根据预先设置的推荐语属性信息与所述至少一种对象的属性信息的匹配度，将所述至少一种对象与所述具有关联关系的拆分后的字段进行重组。

可选的，所述按照推荐语属性将拆分后的字段进行重组，包括：遍历所述拆分后的字段，获得与预先设置的推荐语属性信息匹配的所述拆分字段；将所述与预先设置的推荐语属性信息匹配的初始拆分字段进行重组。

可选的，所述按照推荐语属性将拆分后的字段进行重组，包括：获得预先设置的推荐语属性信息；获得与所述预先设置的推荐语属性信息相关联的初始拆分字段，将所述与预先设置的推荐语属性信息相关联的初始拆分字段进行重组。

可选的，所述按照推荐语属性将拆分后的字段进行重组，获得针对所述目标对象或所述实体对象的推荐语，包括：将所述拆分后的字段进行重组，获得初始推荐语；将所述初始推荐语的属性信息与预先设置的推荐语属性信息进行匹配，获得与所述预先设置的推荐语属性信息匹配的初始推荐语，并将与所述预先设置的推荐语属性信息匹配的初始推荐语确定为针对所述目标对象或所述实体对象的推荐语。

可选的，所述获得与所述预先设置的推荐语属性信息匹配的初始推荐语，包括：获得与所述预先设置的推荐语属性信息具有相同属性信息的初始推荐语，或者，获得属性信息相似度满足预先设置的相似度条件的初始推荐语；其中，所述属性信息相似度是指所述初始推荐语的属性信息与所述预先设置的推荐语属性信息的属性信息相似度。

可选的，还包括：按照所述推荐语属性对所述针对所述目标对象或所述实体对象的推荐语进行优先级排序。

可选的，所述按照所述推荐语属性对所述针对所述目标对象或所述实体对象的推荐语进行优先级排序，包括：获得预先设置的推荐语属性的优先级；获得所述针对所述目标对象或所述实体对象的推荐语的属性信息；将所述针对所述目标对象或所述实体对象的推荐语的属性信息与所述预先设置的推荐语属性进行匹配，获得所述针对所述目标对象或所述实体对象的推荐语的优先级排序。

可选的，若所述方法应用于服务端，则所述方法还包括：将所述针对所述目标对象或所述实体对象的推荐语提供给客户端。

可选的，若所述方法应用于服务端，则所述方法还包括：根据所述推荐语的优先级将所述推荐语提供给所述客户端。

可选的，还包括：判断所述推荐语中的数值字段是否满足预设的阈值；所述将所述针对所述目标对象或所述实体对象的推荐语提供给客户端，包括：若满足所述预设的阈值，则将所述推荐语提供给所述客户端。

可选的，还包括：获得客户端发出的用于请求获得针对所述目标对象或所述实体对象的推荐语的请求消息。

可选的，若所述方法应用于客户端，则所述方法还包括：展示所述针对所述目标对象或所述实体对象的推荐语。

可选的，所述展示所述针对所述目标对象或所述实体对象的推荐语，包括：根据所述推荐语的优先级，展示所述针对所述目标对象或所述实体对象的推荐语。

可选的，还包括：判断所述推荐语中的数值字段是否满足预设的阈值；所述展示所述针对所述目标对象或所述实体对象的推荐语，包括：若满足所述预设的阈值，则展示所述针对所述目标对象或所述实体对象的推荐语。

可选的，所述用户画像数据用于描述与所述目标对象或所述实体对象关联的用户特征。

可选的，所述字段属性包括如下至少一种属性信息：用户对象字段属性信息；目标对象字段属性信息；实体对象字段属性信息；动词字段属性信息；数值字段属性信息；资源字段属性信息。

可选的，所述推荐语属性包括如下至少一种属性信息：与用户关联的推荐语属性信息；多个用户与目标对象或者实体对象相关联的推荐语属性信息；与目标对象或者实体对象关联的推荐语属性信息；与所述实体对象提供的资源关联的推荐语属性信息。

第二方面，本申请实施例提供一种获得推荐语的装置，应用于服务端或者客户端，所述装置包括：

原始数据获取单元，用于获得原始数据，所述原始数据包括用户画像数据、目标对象特征数据和实体对象特征数据中的至少一种数据，其中，所述实体对象特征数据用于描述为用户提供服务的实体对象的特征，所述目标对象特征数据用于描述供用户使用的目标对象的特征；拆分单元，用于按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段；推荐语获得单元，用于按照推荐语属性将拆分后的字段进行重组，获得针对所述目标对象或所述实体对象的推荐语。

第三方面，本申请实施例提供一种电子设备，应用于服务端或者客户端，所述电子设备包括：处理器；存储器，用于存储计算机程序，该计算机程序被处理器运行，执行上述本申请实施例提供的获得推荐语的方法。

第四方面，本申请实施例提供一种计算机存储介质，应用于服务端或者客户端，所述计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行上述本申请实施例提供的获得推荐语的方法。

与现有技术相比，本申请实施例具有以下优点：

本申请实施例提供一种获得推荐语的方法，应用于服务端或者客户端，所述方法包括：获得原始数据，所述原始数据包括用户画像数据、目标对象特征数据和实体对象特征数据中的至少一种数据，其中，所述实体对象特征数据用于描述为用户提供服务的实体对象的特征，所述目标对象特征数据用于描述供用户使用的目标对象的特征；按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段；按照推荐语属性将拆分后的字段进行重组，获得针对所述目标对象或所述实体对象的推荐语。采用本实施例获得的推荐语，由于在获得推荐语的过程中按照字段属性对原始数据拆分，并按照推荐语属性对拆分后的字段进行了重组，使得获得的针对所述目标对象或所述实体对象的推荐语，可相对提高推荐语的准确度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本申请实施例一提供的获得推荐语的方法流程图。

图1-A为本申请提供的获得推荐语的方法的应用场景示意图。

图1-B为本申请提供的获得推荐语的方法的第二应用场景示意图。

图1-C为本申请提供的获得推荐语的方法的第三应用场景示意图。

图2为本申请实施例二提供的获得推荐语的装置示意图。

图3为本申请实施例三提供的获得推荐语的方法电子设备示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此，本申请不受下面公开的具体实施的限制。

本申请提供的一些实施例可以应用于服务端或者客户端。以应用于客户端、服务端及用户之间交互的场景为例进行说明。如图1-A所示，其为本申请提供的应用场景实施例的示意图。

本实施例首先通过在服务端提供原始数据；原始数据包括用户画像数据、目标对象特征数据和实体对象特征数据中的至少一种数据，即原始数据可以是用户画像数据、目标对象特征数据和实体对象特征数据中的任意一种数据，也可以是任意两者或者任意多者的组合数据。其中，实体对象特征数据用于描述为用户提供服务的实体对象的特征，目标对象特征数据用于描述供用户使用的目标对象的特征，用户画像数据用于描述与目标对象或实体对象关联的用户特征。

在该场景实施例中，实体对象可以是为用户提供服务的商家。对应的，实体对象特征数据可以是商家特征数据，商家特征数据用于描述为用户提供服务的商家的特征，可以是商家自身的特征数据，例如可以是指某个商家所在的商圈，也可以是商家被用户收藏的次数或者被浏览的次数。目标对象可以是商家为用户提供的商品，对应的，目标对象特征数据用于描述供用户使用的目标对象的特征，可以是商品自身的特征数据，例如可以是指某个商品的被购买次数，也可以是指商品上新的天数。用户画像数据用于描述与目标对象或实体对象关联的用户特征，具体地，用户画像数据可以是指某一用户针对某一商家的相关历史记录，或者也可以是指某一用户针对某一商品的相关历史记录。例如，用户A浏览过商家M，或者，用户A购买过商品N。当然，用户画像数据也可以是指多个用户针对某一商家的相关历史记录，或者也可以是指多个用户针对某一商品的相关历史记录。

服务端在接收上述原始数据后，可以根据客户端发出的用于请求获得针对目标对象或实体对象的推荐语的请求消息，获得针对目标对象或实体对象的推荐语。当然，也可以是客户端先发出用于请求获得针对目标对象或实体对象的推荐语的请求消息至服务端，服务端接收请求消息，并根据请求消息获得原始数据。然后再根据原始数据，获得针对目标对象或实体对象的推荐语。

在本实施例中，获得针对目标对象或实体对象的推荐语可以是指获得针对商品或者商家的推荐语。以获得针对商品的推荐语为例说明获得推荐语的具体过程：获得原始数据后，按照字段属性对原始数据进行拆分处理，获得拆分后的字段。具体地，原始数据可以是用户A针对多个商品的原始数据，按照字段属性可以将用户A针对多个商品的原始数据拆分成字段，例如，将“用户A下单商品N五次”对应的原始数据进行拆分，可以拆分为“用户A”，“下单”，“商品N”，“五次”四个字段。在本实施例中，字段属性包括以下至少一种属性信息：用户对象字段属性信息；目标对象字段属性信息；实体对象字段属性信息；动词字段属性信息；数值字段属性信息；资源字段属性信息。显然，原始数据“用户A下单商品N五次”中包括：用户对象字段“用户A”，目标对象字段“商品N”，动词字段“下单”，数值字段“五次”。因此可以将上述原始数据“用户A下单商品N五次”拆分为“用户A”，“下单”，“商品N”，“五次”四个字段。

之后，按照推荐语属性将拆分后的字段进行重组，获得针对商品N的推荐语。推荐语属性包括如下至少一种属性信息：与用户关联的推荐语属性信息；多个用户与目标对象或者实体对象相关联的推荐语属性信息；与目标对象或者实体对象关联的推荐语属性信息；与实体对象提供的资源关联的推荐语属性信息。按照上述的与用户A关联的推荐语属性，可以将将拆分后的字段进行重组，形成“下单商品N五次”的推荐语，或者形成“用户A下单商品N五次”的推荐语。

当然上述列举的拆分字段的方式仅是将本身可以作为推荐语的原始数据进行了拆分，在实际拆分原始数据时，获取的原始数据可能是大量的本身不适合作为推荐语的原始数据，例如，上述原始数据可以作为向用户A展示的推荐语，主要是因为原始数据本身是针对用户A的画像数据。但是针对用户B而言，不能够直接将“用户A下单商品N五次”或者“下单商品N五次”推荐语推荐，主要是由于此推荐语与用户B无关联性。因此，对于用户B而言，针对商品N的推荐语需要重新获得，假设用户B未下单商品N，但是浏览过商品N，则可以将用户B浏览商品N的数据作为原始数据来获得推荐语。

获得推荐语的方式请参见上述描述的先将原始数据按照字段属性拆分字段，再按照推荐语属性将拆分后的字段进行重组，获得针对目标对象或实体对象的推荐语的方式。采用本实施例获得推荐语的方法，由于在获得推荐语的过程中按照字段属性对原始数据拆分，并按照推荐语属性对拆分后的字段进行了重组，使得获得的针对目标对象或实体对象的推荐语，可相对提高推荐语的准确度。需要说明的是，应用场景仅仅是应用场景的一个实施例，提供此应用场景实施例的目的是便于理解本申请的获得推荐语的方法，而并非用于限定本申请的获得推荐语的方法。

本申请提供获得推荐语的方法、装置，电子设备，以及计算机存储介质。

以下为具体实施例。

如图1所示，其为本申请第一实施例的一种获得推荐语的方法的流程图。所述方法包括如下步骤。

步骤S101：获得原始数据，原始数据包括用户画像数据、目标对象特征数据和实体对象特征数据中的至少一种数据，其中，实体对象特征数据用于描述为用户提供服务的实体对象的特征，目标对象特征数据用于描述供用户使用的目标对象的特征。

为了获得针对目标对象或实体对象的推荐语，首先要获得原始数据。原始数据包括用户画像数据、目标对象特征数据和实体对象特征数据中的至少一种数据，即原始数据可以是用户画像数据、目标对象特征数据和实体对象特征数据中的任意一种数据，也可以是任意两者或者任意多者的组合数据。

在本实施例中，实体对象可以是为用户提供服务的商家。对应的，实体对象特征数据可以是商家特征数据，商家特征数据用于描述为用户提供服务的商家的特征，可以是商家自身的特征数据，例如可以是指某个商家所在的商圈，也可以是商家被用户收藏的次数或者被浏览的次数。目标对象可以是商家为用户提供的商品，对应的，目标对象特征数据用于描述供用户使用的目标对象的特征，可以是商品自身的特征数据，例如可以是指某个商品的被购买次数，也可以是指商品上新的天数。用户画像数据用于描述与目标对象或实体对象关联的用户特征。具体地，用户画像数据可以是指某一用户针对某一商家的相关历史记录，或者也可以是指某一用户针对某一商品的相关历史记录。例如，用户A浏览过商家M，或者，用户A购买过商品N。当然，用户画像数据也可以是指多个用户针对某一商家的相关历史记录，或者也可以是指多个用户针对某一商品的相关历史记录。

步骤S102：按照字段属性对原始数据进行拆分处理，获得拆分后的字段。

在步骤S101获得原始数据后，按照字段属性对原始数据进行拆分处理，获得拆分后的字段。

作为按照字段属性对原始数据进行拆分处理，获得拆分后的字段的其中一种方式，可以按照如下描述的方式。

首先，对原始数据进行拆分处理，获得初始拆分字段。之后，将初始拆分字段的属性信息与预先设置的字段属性信息进行匹配，获得与预先设置的字段属性信息匹配的初始拆分字段，并将与预先设置的字段属性信息匹配的初始拆分字段确定为拆分后的字段。

具体地，获得与预先设置的字段属性信息匹配的初始拆分字段，可以是指获得与预先设置的字段属性信息具有相同属性信息的初始拆分字段，或者，获得属性信息相似度满足预先设置的相似度条件的初始拆分字段；其中，属性信息相似度是指初始拆分字段的属性信息与预先设置的字段属性信息的属性信息相似度。

在获得的原始数据包括用户画像数据、目标对象特征数据和实体对象特征数据中的至少一种数据后，将原始数据按照字段属性信息进行拆分处理，以获得拆分后的字段。换言之，实质上是将原始数据进行分类，即将原始数据按照预先设置的字段属性信息进行分类。更具体地，预先设置的字段属性包括用户对象字段属性信息、目标对象字段属性信息、实体对象字段属性信息、动词字段属性信息、数值字段属性信息以及资源字段属性信息中至少一种，将原始数据先按照上述预先设置的字段属性拆分为字段，从而获得拆分后的字段。例如，对于商品N，用户A下单商品N五次，用户B浏览过商品N三次，若将用户针对商品N的数据作为原始数据，其拆分后的字段为“用户A”，“用户B”，“下单”，“浏览过”，“商品N”，“五次”以及“三次”。“用户A”与“用户B”属于用户对象字段，“下单”与“浏览过”属于动词字段，“商品N”属于目标对象，“五次”以及“三次”属于数值字段。又例如，商家M赠送五元红包，其拆分后的字段为“商家M”，“赠送”，“五元”以及“红包”。“商家M”属于实体对象字段，“赠送”属于动词字段，“五元”属于数值字段，“红包”属于资源字段。

为了便于后续过程中将拆分的字段进行重组，可以将拆分后的字段与原始数据中的用户对象、目标对象以及实体对象中的至少一种对象设置为具有关联关系。

具体地，将拆分后的字段与原始数据中的用户对象、目标对象以及实体对象中的至少一种对象设置为具有关联关系可以按照如下描述的方式。

首先，从原始数据中提取用户对象、目标对象以及实体对象中的至少一种对象。之后，确定拆分后的字段所属的提取到的用户对象、目标对象以及实体对象中的至少一种对象。最终，将拆分后的字段与拆分后的字段所属的提取到的用户对象、目标对象以及实体对象中的至少一种对象进行关联，生成关联关系。

例如，在上述拆分过程中，将拆分后的字段“下单”，“商品N”，“五次”归属于“用户A”，从而使得“下单”，“商品N”，“五次”与“用户A”建立关联关系。将将拆分后的字段“浏览过”，“商品N”，“三次”归属于“用户B”，从而使得“浏览过”，“商品N”，“三次”与“用户B”建立关联关系。或者还可以将“用户A”，“用户B”，“下单”，“浏览过”，“五次”以及“三次”归属于“商品N”，从而使得“用户A”，“用户B”，“下单”，“浏览过”，“五次”以及“三次”与“商品N”建立关联关系。类似地，对于“商家M”而言，可以将“赠送”，“五元”以及“红包”归属于“商家M”，从而使得“赠送”，“五元”以及“红包”与“商家M”建立关联关系。

步骤S103：按照推荐语属性将拆分后的字段进行重组，获得针对目标对象或实体对象的推荐语。

在步骤S102获得拆分后的字段后，按照推荐语属性将拆分后的字段进行重组，将拆分后的字段进行重组之后的字段组合作为针对目标对象或实体对象的推荐语。

作为按照推荐语属性将拆分后的字段进行重组的一种方式，可以按照如下描述的方式。

首先，从拆分后的字段中提取拆分后的字段所属的用户对象、目标对象以及实体对象中的至少一种对象。由于在步骤S102对原始数据拆分处理时，拆分的其中一种方式可以是将拆分后的字段与原始数据中的用户对象、目标对象以及实体对象中的至少一种对象设置为具有关联关系，因此拆分后的字段实质上属于上述户对象、目标对象以及实体对象中的至少一种对象。因此，将拆分的字段进行重组时，可以先提取拆分后的字段所属的用户对象、目标对象以及实体对象中的至少一种对象。在提取拆分后的字段所属的至少一种对象后，遍历拆分后的字段，获得与至少一种对象具有关联关系的拆分后的字段。例如，上述所有原始数据包括：用户A下单商品N五次，用户B浏览过商品N三次，商家M赠送五元红包。假设商家M的商品为商品N；其用户画像数据为用户A下单商品N五次，用户B浏览过商品N三次；该商家M赠送五元红包。在步骤S102中将该原始数据拆分后的字段分别为：“用户A”，“下单”，“商品N”，“五次”；“用户B”，“浏览过”，“商品N”，“三次”；“商家M”，“赠送”，“五元”以及“红包”。如果提取“用户A”字段，在遍历过程可以遍历到在拆分时与“用户A”具有关联关系的“下单”，“商品N”，“五次”字段。在获得与至少一种对象具有关联关系的拆分后的字段后，根据预先设置的推荐语属性信息与至少一种对象的属性信息的匹配度，将至少一种对象与具有关联关系的拆分后的字段进行重组。具体地，根据预先设置的推荐语属性信息与至少一种对象的属性信息的匹配度，将至少一种对象与具有关联关系的拆分后的字段进行重组描述如下。

在本实施例中，推荐语属性包括如下至少一种属性信息：与用户关联的推荐语属性信息；多个用户与目标对象或者实体对象相关联的推荐语属性信息；与目标对象或者实体对象关联的推荐语属性信息；与实体对象提供的资源关联的推荐语属性信息。

具体地，在本实施例中，在生成推荐语时，实际上是将重组的字段组合进行分类。例如，上述与用户关联的推荐语，可以是指与“用户A”关联的推荐语，也可以是与“用户B”关联的推荐语。在获得与“用户A”关联的推荐语时，将“用户A”与“下单”，“商品N”，“五次”进行重组，形成“下单商品N五次”的推荐语。上述多个用户与目标对象或者实体对象相关联的推荐语，可以是指与“用户A”，“用户B”以及“商家M”关联的推荐语，也可以是与“用户A”，“用户B”以及“商品N”关联的推荐语。在获得与“用户A”，“用户B”以及“商家M”关联的推荐语时，将“用户A”，“下单”，“商品N”，“五次”；“用户B”，“浏览过”，“商品N”，“三次”进行重组，形成“两个用户访问过八次”的推荐语。

更具体地，在形成该推荐语时，将“用户A”，“用户B”以“人数”标签进行合并，“浏览过”与“下单”以“访问过”标签进行合并，将“五次”与“三次”以“次数”标签进行合并。相当于在重组时，可以将步骤S102拆分精细的字段首先进行合并，在合并的基础上进行重组。对应地，在步骤S102拆分字段过程中，也可以初步进行拆分，然后再进行精细拆分。上述与实体对象提供的资源关联的推荐语，可以是指与“红包”关联的推荐语。在获得与“商家M”关联的推荐语时，将“赠送”，“五元”以及“红包”进行重组，形成“下单领取五元红包”的推荐语。具体地，“赠送”是针对商家，对应地，对于用户而言，实质上为“领取”。与“红包”关联的推荐语，显然在针对用户时，字段为“下单”以及“领取”。上述过程实质上是将拆分后的字段在重组时进行了语义的替换，从而使得获得的推荐语与用户关联度更高。当然，也可以直接将拆分的字段直接进行重组。

作为按照推荐语属性将拆分后的字段进行重组的另外一种实施方式，还可以是：遍历拆分后的字段，获得与预先设置的推荐语属性信息匹配的拆分字段；将与预先设置的推荐语属性信息匹配的初始拆分字段进行重组。

例如，上述与实体对象提供的资源关联的推荐语，可以是指与“红包”关联的推荐语。遍历上述所有拆分后的字段，获得与“红包”关联的推荐语匹配的拆分字段“商家M”，“赠送”，“五元”以及“红包”，之后将获得的拆分字段进行重组，形成“下单领取五元红包”的推荐语。具体地，“赠送”是针对商家，对应地，对于用户而言，实质上为“领取”。与“红包”关联的推荐语，显然在针对用户时，字段为“下单”以及“领取”。上述过程实质上是将拆分后的字段在重组时进行了语义的替换，从而使得获得的推荐语与用户关联度更高。

作为按照推荐语属性将拆分后的字段进行重组的第三种实施方式，还可以是：首先，获得预先设置的推荐语属性信息。之后，获得与预先设置的推荐语属性信息相关联的初始拆分字段，并将与预先设置的推荐语属性信息相关联的初始拆分字段进行重组。该实施方式与上述遍历拆分后的字段，获得与预先设置的推荐语属性信息匹配的拆分字段；将与预先设置的推荐语属性信息匹配的初始拆分字段进行重组的实施方式基本类似，区别仅在于上述实施方式获得的是与预先设置的推荐语属性信息匹配的拆分字段，该实施方式获得与预先设置的推荐语属性信息相关联的初始拆分字段。

按照推荐语属性将拆分后的字段进行重组，获得针对目标对象或实体对象的推荐语，还可以按照如下描述的方式。首先，将拆分后的字段进行重组，获得初始推荐语。之后，将初始推荐语的属性信息与预先设置的推荐语属性信息进行匹配，获得与预先设置的推荐语属性信息匹配的初始推荐语，并将与预先设置的推荐语属性信息匹配的初始推荐语确定为针对目标对象或实体对象的推荐语。

具体地，可以先将拆分后的字段与其所属的用户对象、目标对象以及实体对象中的至少一种对象进行重组，作为初始推荐语。在获得初始推荐语后，将初始推荐语的属性信息与预先设置的推荐语属性信息进行匹配度运算，通过比较设定的匹配度阈值与计算所得的匹配度，获得与预先设置的推荐语属性信息匹配的初始推荐语，并将与预先设置的推荐语属性信息匹配的初始推荐语确定为针对目标对象或实体对象的推荐语。

更具体地，获得与预先设置的推荐语属性信息匹配的初始推荐语，可以是获得与所述预先设置的推荐语属性信息具有相同属性信息的初始推荐语，或者，也可以是获得属性信息相似度满足预先设置的相似度条件的初始推荐语；其中，属性信息相似度是指初始推荐语的属性信息与预先设置的推荐语属性信息的属性信息相似度。

在获得针对目标对象或实体对象的推荐语后，为了能够提高推荐语在不同场景下的准确度，按照推荐语属性对针对目标对象或实体对象的推荐语进行优先级排序。

作为按照推荐语属性对针对目标对象或实体对象的推荐语进行优先级排序的一种实施方式，首先，获得预先设置的推荐语属性的优先级。之后，获得针对目标对象或实体对象的推荐语的属性信息。最后，将针对目标对象或实体对象的推荐语的属性信息与预先设置的推荐语属性进行匹配，从而获得针对目标对象或实体对象的推荐语的优先级排序。

在上述与用户关联的推荐语，多个用户与目标对象或者实体对象相关联的推荐语，与目标对象或者实体对象关联的推荐语，与实体对象提供的资源关联的推荐语中，可以按照以下的优先级顺序排列以下推荐语：与实体对象提供的资源关联的推荐语，与用户关联的推荐语，多个用户与目标对象或者实体对象相关联的推荐语，与目标对象或者实体对象关联的推荐语。例如，将“下单领取五元红包”的推荐语排在首位，该推荐语与所有用户均有关联。将“下单商品N五次”的推荐语排在第二位，将“两个用户访问过八次”推荐语排在第三位，将与实体对象提供的资源关联的推荐语排在第四位。

需要说明的是，若上述获得推荐语的方法实施例应用于服务端，则在获得针对目标对象或实体对象的推荐语后，获得客户端发出的用于请求获得针对目标对象或实体对象的推荐语的请求消息。之后，将针对目标对象或实体对象的推荐语提供给客户端。具体地，可以按照上述的推荐语的优先级将推荐语提供给客户端。

更具体地，按照上述的推荐语的优先级将推荐语提供给客户端可以按照如下的方式。按照上述的推荐语的优先级，判断当前推荐语中的数值字段是否满足预设的阈值，若满足预设的阈值，则将推荐语提供给客户端。例如，在“下单领取五元红包”的推荐语中，其数值字段为五。假设预设的阈值红包数值为大于三，则当前推荐语的数值字段满足预设的阈值，则将推荐语“下单领取五元红包”提供给客户端。假设预设的阈值红包数值为大于六，则当前推荐语的数值字段不满足预设的阈值，则不将推荐语“下单领取五元红包”提供给客户端。继续按照推荐语优先级判断下一个推荐语中的数值字段是否满足预设的阈值。若满足预设的阈值，则将推荐语提供给客户端。反之，则不将推荐语提供给所述客户端。

若上述获得推荐语的方法实施例应用于客户端，客户端还能够展示针对目标对象或实体对象的推荐语。具体地，根据推荐语的优先级，展示针对目标对象或实体对象的推荐语。根据推荐语的优先级，展示针对目标对象或实体对象的推荐语，可以按照如下描述的方式。判断推荐语中的数值字段是否满足预设的阈值，若满足预设的阈值，则展示针对目标对象或实体对象的推荐语。例如，在“下单领取五元红包”的推荐语中，其数值字段为五。假设预设的阈值红包数值为大于三，则当前推荐语的数值字段满足预设的阈值，则展示推荐语“下单领取五元红包”。假设预设的阈值红包数值为大于六，则当前推荐语的数值字段不满足预设的阈值，则不展示推荐语“下单领取五元红包”。并按照推荐语优先级判断下一个推荐语中的数值字段是否满足预设的阈值。若满足预设的阈值，则展示推荐语。反之，则不展示推荐语。

如图1-B与图1-C所示，其分别示出了本申请提供的获得推荐语的方法的第二应用场景示意图与第三应用场景示意图。在图1-B中，商家1作为推荐店铺，推荐语为与用户关联的推荐语“再下一单可得30元红包”；商家2作为新店店铺，推荐语为多个用户与目标对象或者实体对象相关联的推荐语，具体为人群背书推荐语“最近35人收藏过的网红店”。在图1-C中，商家3-6作为推荐店铺，商家3、商家4、商家6的推荐语为与用户关联的推荐语，分别为“吃过3次”、“最近5天吃过”以及“最近逛过”；商家5的推荐语为多个用户与目标对象或者实体对象相关联的推荐语，具体为人群背书推荐语“最近35人吃过”。

本申请实施例首先通过获得原始数据，之后按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段，最终按照推荐语属性将拆分后的字段进行重组，获得针对所述目标对象或所述实体对象的推荐语。采用本实施例获得的推荐语，由于在获得推荐语的过程中按照字段属性对原始数据拆分，并按照推荐语属性对拆分后的字段进行了重组，使得获得的针对所述目标对象或所述实体对象的推荐语，可相对提高推荐语的准确度。

在上述的第一实施例中，提供了一种获得推荐语的方法，与之相对应的，本申请提供一种获得推荐语的装置。如图2所示，其为本申请第二实施例的一种获得推荐语的装置的示意图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。

本申请第二实施例提供一种获得推荐语的装置，应用于服务端或者客户端，所述装置包括：

原始数据获取单元201，用于获得原始数据，所述原始数据包括用户画像数据、目标对象特征数据和实体对象特征数据中的至少一种数据，其中，所述实体对象特征数据用于描述为用户提供服务的实体对象的特征，所述目标对象特征数据用于描述供用户使用的目标对象的特征；

拆分单元202，用于按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段；

推荐语获得单元203，用于按照推荐语属性将拆分后的字段进行重组，获得针对所述目标对象或所述实体对象的推荐语。

可选的，所述拆分单元，具体用于：对所述原始数据进行拆分处理，获得初始拆分字段；将所述初始拆分字段的属性信息与预先设置的字段属性信息进行匹配，获得与所述预先设置的字段属性信息匹配的初始拆分字段，并将与所述预先设置的字段属性信息匹配的初始拆分字段确定为拆分后的字段。

可选的，所述拆分单元，具体用于：获得与所述预先设置的字段属性信息具有相同属性信息的初始拆分字段，或者，获得属性信息相似度满足预先设置的相似度条件的初始拆分字段；其中，所述属性信息相似度是指所述初始拆分字段的属性信息与所述预先设置的字段属性信息的属性信息相似度。

可选的，所述拆分后的字段与所述原始数据中的用户对象、目标对象以及实体对象中的至少一种对象具有关联关系。

可选的，还包括：提取单元，对象确定单元与关联关系生成单元；所述提取单元，用于从所述原始数据中提取用户对象、目标对象以及实体对象中的至少一种对象；所述对象确定单元，用于确定所述拆分后的字段所属的提取到的用户对象、目标对象以及实体对象中的至少一种对象；所述关联关系生成单元，用于将所述拆分后的字段与所述拆分后的字段所属的提取到的用户对象、目标对象以及实体对象中的至少一种对象进行关联，生成所述关联关系。

可选的，所述推荐语获得单元，具体用于：从所述拆分后的字段中提取所述拆分后的字段所属的用户对象、目标对象以及实体对象中的至少一种对象；遍历所述拆分后的字段，获得与所述至少一种对象具有关联关系的拆分后的字段；根据预先设置的推荐语属性信息与所述至少一种对象的属性信息的匹配度，将所述至少一种对象与所述具有关联关系的拆分后的字段进行重组。

可选的，所述推荐语获得单元，具体用于：遍历所述拆分后的字段，获得与预先设置的推荐语属性信息匹配的所述拆分字段；将所述与预先设置的推荐语属性信息匹配的初始拆分字段进行重组。

可选的，所述推荐语获得单元，具体用于：获得预先设置的推荐语属性信息；获得与所述预先设置的推荐语属性信息相关联的初始拆分字段，将所述与预先设置的推荐语属性信息相关联的初始拆分字段进行重组。

可选的，所述推荐语获得单元，具体用于：将所述拆分后的字段进行重组，获得初始推荐语；将所述初始推荐语的属性信息与预先设置的推荐语属性信息进行匹配，获得与所述预先设置的推荐语属性信息匹配的初始推荐语，并将与所述预先设置的推荐语属性信息匹配的初始推荐语确定为针对所述目标对象或所述实体对象的推荐语。

可选的，所述推荐语获得单元，具体用于：获得与所述预先设置的推荐语属性信息具有相同属性信息的初始推荐语，或者，获得属性信息相似度满足预先设置的相似度条件的初始推荐语；其中，所述属性信息相似度是指所述初始推荐语的属性信息与所述预先设置的推荐语属性信息的属性信息相似度。

可选的，还包括优先级排序单元：所述优先级排序单元，用于按照所述推荐语属性对所述针对所述目标对象或所述实体对象的推荐语进行优先级排序。

可选的，所述优先级排序单元，具体用于：获得预先设置的推荐语属性的优先级；获得所述针对所述目标对象或所述实体对象的推荐语的属性信息；将所述针对所述目标对象或所述实体对象的推荐语的属性信息与所述预先设置的推荐语属性进行匹配，获得所述针对所述目标对象或所述实体对象的推荐语的优先级排序。

可选的，若所述装置应用于服务端，则所述装置还包括：第一提供单元；所述第一提供单元，用于将所述针对所述目标对象或所述实体对象的推荐语提供给客户端。

可选的，若所述装置应用于服务端，则所述装置还包括：第二提供单元；所述第二提供单元，用于根据所述推荐语的优先级将所述推荐语提供给所述客户端。

可选的，还包括：第一判断单元；所述第一判断单元，用于判断所述推荐语中的数值字段是否满足预设的阈值；所述第一提供单元，具体用于：若满足所述预设的阈值，则将所述推荐语提供给所述客户端。

可选的，还包括：请求单元；所述请求单元，用于获得客户端发出的用于请求获得针对所述目标对象或所述实体对象的推荐语的请求消息。

可选的，若所述装置应用于客户端，则所述装置还包括：展示单元，所述展示单元，用于展示所述针对所述目标对象或所述实体对象的推荐语。

可选的，所述展示单元，具体用于：根据所述推荐语的优先级，展示所述针对所述目标对象或所述实体对象的推荐语。

可选的，还包括：第二判断单元；所述第二判断单元，用于判断所述推荐语中的数值字段是否满足预设的阈值；所述展示单元，具体用于：若满足所述预设的阈值，则展示所述针对所述目标对象或所述实体对象的推荐语。

可选的，所述用户画像数据用于描述与所述目标对象或所述实体对象关联的用户特征。

可选的，所述字段属性包括如下至少一种属性信息：用户对象字段属性信息；目标对象字段属性信息；实体对象字段属性信息；动词字段属性信息；数值字段属性信息；资源字段属性信息。

可选的，所述推荐语属性包括如下至少一种属性信息：与用户关联的推荐语属性信息；多个用户与目标对象或者实体对象相关联的推荐语属性信息；与目标对象或者实体对象关联的推荐语属性信息；与所述实体对象提供的资源关联的推荐语属性信息。

本申请实施例首先通过获得原始数据，之后按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段，最终按照推荐语属性将拆分后的字段进行重组，获得针对所述目标对象或所述实体对象的推荐语。采用本实施例获得的推荐语，由于在获得推荐语的过程中按照字段属性对原始数据拆分，并按照推荐语属性对拆分后的字段进行了重组，使得获得的针对所述目标对象或所述实体对象的推荐语，可相对提高推荐语的准确度。

本申请第一实施例给出了一种获得推荐语的方法，本申请第三实施例给出了与第一实施例方法对应的电子设备。

如图3所示，其示出了本实施例提供的获得推荐语电子设备示意图。

本实施例提供一种电子设备，应用于服务端或者客户端，所述电子设备包括：

处理器301；

存储器302，用于存储计算机程序，该计算机程序被处理器运行，执行本申请第一实施例提供的获得推荐语的方法。

本申请实施例首先通过获得原始数据，之后按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段，最终按照推荐语属性将拆分后的字段进行重组，获得针对所述目标对象或所述实体对象的推荐语。采用本实施例获得的推荐语，由于在获得推荐语的过程中按照字段属性对原始数据拆分，并按照推荐语属性对拆分后的字段进行了重组，使得获得的针对所述目标对象或所述实体对象的推荐语，可相对提高推荐语的准确度。

本申请第一实施例给出了一种获得推荐语的方法，本申请第四实施例给出了与第一实施例方法对应的计算机存储介质。

本实施例提供一种计算机存储介质，应用于服务端或者客户端，所述计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行本申请第一实施例提供的获得推荐语的方法。

本申请实施例首先通过获得原始数据，之后按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段，最终按照推荐语属性将拆分后的字段进行重组，获得针对所述目标对象或所述实体对象的推荐语。采用本实施例获得的推荐语，由于在获得推荐语的过程中按照字段属性对原始数据拆分，并按照推荐语属性对拆分后的字段进行了重组，使得获得的针对所述目标对象或所述实体对象的推荐语，可相对提高推荐语的准确度。

本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读存储媒体(non-transitorycomputer readable storage media)，如调制的数据信号和载波。

2、本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

Claims (10)

1.一种获得推荐语的方法，其特征在于，应用于服务端或者客户端，所述方法包括：

获得原始数据，所述原始数据包括用户画像数据、目标对象特征数据和实体对象特征数据中的至少一种数据，其中，所述实体对象特征数据用于描述为用户提供服务的实体对象的特征，所述目标对象特征数据用于描述供用户使用的目标对象的特征；

按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段；

按照推荐语属性将拆分后的字段进行重组，获得针对所述目标对象或所述实体对象的推荐语。

2.根据权利要求1所述的方法，其特征在于，所述按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段，包括：

对所述原始数据进行拆分处理，获得初始拆分字段；

将所述初始拆分字段的属性信息与预先设置的字段属性信息进行匹配，获得与所述预先设置的字段属性信息匹配的初始拆分字段，并将与所述预先设置的字段属性信息匹配的初始拆分字段确定为拆分后的字段。

3.根据权利要求2所述的方法，其特征在于，所述获得与所述预先设置的字段属性信息匹配的初始拆分字段，包括：

获得与所述预先设置的字段属性信息具有相同属性信息的初始拆分字段，或者，获得属性信息相似度满足预先设置的相似度条件的初始拆分字段；其中，所述属性信息相似度是指所述初始拆分字段的属性信息与所述预先设置的字段属性信息的属性信息相似度。

4.根据权利要求1所述的方法，其特征在于，所述拆分后的字段与所述原始数据中的用户对象、目标对象以及实体对象中的至少一种对象具有关联关系。

5.根据权利要求4所述的方法，其特征在于，还包括：

从所述原始数据中提取用户对象、目标对象以及实体对象中的至少一种对象；

确定所述拆分后的字段所属的提取到的用户对象、目标对象以及实体对象中的至少一种对象；

将所述拆分后的字段与所述拆分后的字段所属的提取到的用户对象、目标对象以及实体对象中的至少一种对象进行关联，生成所述关联关系。

6.根据权利要求1所述的方法，其特征在于，所述按照推荐语属性将拆分后的字段进行重组，包括：

从所述拆分后的字段中提取所述拆分后的字段所属的用户对象、目标对象以及实体对象中的至少一种对象；

遍历所述拆分后的字段，获得与所述至少一种对象具有关联关系的拆分后的字段；

根据预先设置的推荐语属性信息与所述至少一种对象的属性信息的匹配度，将所述至少一种对象与所述具有关联关系的拆分后的字段进行重组。

7.根据权利要求1所述的方法，其特征在于，所述按照推荐语属性将拆分后的字段进行重组，包括：

遍历所述拆分后的字段，获得与预先设置的推荐语属性信息匹配的所述拆分字段；

将所述与预先设置的推荐语属性信息匹配的初始拆分字段进行重组。

8.一种获得推荐语的装置，其特征在于，应用于服务端或者客户端，所述装置包括：

原始数据获取单元，用于获得原始数据，所述原始数据包括用户画像数据、目标对象特征数据和实体对象特征数据中的至少一种数据，其中，所述实体对象特征数据用于描述为用户提供服务的实体对象的特征，所述目标对象特征数据用于描述供用户使用的目标对象的特征；

拆分单元，用于按照字段属性对所述原始数据进行拆分处理，获得拆分后的字段；

推荐语获得单元，用于按照推荐语属性将拆分后的字段进行重组，获得针对所述目标对象或所述实体对象的推荐语。

9.一种电子设备，其特征在于，应用于服务端或者客户端，所述电子设备包括：

处理器；

存储器，用于存储计算机程序，该计算机程序被处理器运行，执行权利要求1-7任意一项所述的方法。

10.一种计算机存储介质，其特征在于，应用于服务端或者客户端，所述计算机存储介质存储有计算机程序，该计算机程序被处理器运行，执行权利要求1-7任意一项所述的方法。

Images