CN113360790A - 信息推荐方法、装置及电子设备 - Google Patents
信息推荐方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113360790A CN113360790A CN202110639366.3A CN202110639366A CN113360790A CN 113360790 A CN113360790 A CN 113360790A CN 202110639366 A CN202110639366 A CN 202110639366A CN 113360790 A CN113360790 A CN 113360790A
- Authority
- CN
- China
- Prior art keywords
- shop
- target
- rating
- store
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 5
- 230000009545 invasion Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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]
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种信息推荐方法、装置及电子设备,涉及信息处理技术领域。其中方法包括:服务端接收店铺推荐请求,所述店铺推荐请求中携带有位置信息;获取所述位置信息的预设范围内各个目标店铺的平台数据,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;根据所述平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级;向客户端返回店铺等级符合预设等级条件的目标店铺的推荐信息。本申请可做到店铺信息推荐的准确性和全面性。
Description
技术领域
本申请涉及信息处理技术领域,尤其是涉及到一种信息推荐方法、装置及电子设备。
背景技术
随着互联网技术的发展,互联网能够为用户提供越来越多的网络服务,例如,用户可以通过互联网浏览视频、收听音乐、阅读、购物等。在互联网平台中,用户可以通过搜索功能搜索自己需要的信息。同时,为了方便用户获取信息,互联网平台还可以主动向用户推荐信息。
目前,可通过获取用户的信息浏览记录,分析用户的兴趣度,进而根据兴趣度为用户进行店铺信息推荐。
然而,如果用户的信息浏览记录的数据较少或没有或错误等情况下,会使得分析得到的用户兴趣度不准确或无法获取到用户的兴趣度,进而会影响店铺信息推荐的准确性,导致很可能推荐的信息是错误的信息,不仅浪费信息推荐所调用的资源,而且用户在网页中第一时间得不到自身需要的店铺推荐信息,因此也增加了找到所需信息的成本。
发明内容
有鉴于此,本申请提供了一种信息推荐方法、装置及电子设备,主要目的在于改善目前现有技术会影响店铺信息推荐准确性,浪费信息推荐所调用的资源,增加用户搜索所需信息的成本的技术问题。
依据本申请的一个方面,提供了一种信息推荐方法,可应用于服务端侧,该方法包括:
接收店铺推荐请求,所述店铺推荐请求中携带有位置信息;
获取所述位置信息的预设范围内各个目标店铺的平台数据,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;
根据所述平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级;
返回店铺等级符合预设等级条件的目标店铺的推荐信息。
可选的,所述根据所述平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级,具体包括:
根据所述平台数据,获取目标店铺在多个评级维度中评级达标的维度个数;
依据所述评级达标的维度个数,确定目标店铺对应的店铺等级。
可选的,所述根据所述平台数据,获取目标店铺在多个评级维度中评级达标的维度个数,具体包括:
根据所述平台数据,计算目标店铺在多个评级维度分别对应的评分;
针对每个评级维度,判断目标店铺对应的评分是否大于或等于该评级维度对应的阈值,若是,则确定目标店铺在该评级维度评级达标;
统计目标店铺评级达标的维度个数。
可选的,在所述针对每个评级维度,判断目标店铺对应的评分是否大于或等于该评级维度对应的阈值之前,所述方法还包括:
根据所述位置信息的预设范围内的店铺推荐数量、等级档位分布以及所述多个评级维度之间的优先级,整体确定所述多个评级维度各自对应的阈值。
可选的,所述根据所述位置信息的预设范围内的店铺推荐数量、等级档位分布以及所述多个评级维度之间的优先级,整体确定所述多个评级维度各自对应的阈值,具体包括:
按照所述多个评级维度之间的优先级从高到低的顺序,根据所述位置信息的预设范围内各个店铺的店铺评分进行Z字形搜索,直至搜索到的店铺数量满足停止条件时停止搜索,其中,所述停止条件是根据所述店铺推荐数量、等级档位分布确定得到的;
参照所述多个评级维度在停止搜索后各自最后搜索到的店铺评分,确定所述多个评级维度各自对应的阈值。
可选的,所述根据所述平台数据,计算目标店铺在多个评级维度分别对应的评分,具体包括:
若评级维度为本地特定用户行为的第一维度,则根据在预设时间段内目标店铺的本地特定用户的消费人数,确定目标店铺在所述第一维度对应的评分;
若评级维度为外地用户行为的第二维度,则对于有订单记录的天数最大间隔小于或等于预置天数阈值的外地用户,根据目标店铺的所述外地用户人均消费与订单数的乘积,确定目标店铺在所述第二维度对应的评分;
若评级维度为本地用户行为的第三维度,则根据在特定范围外的店铺消费次数大于预设次数阈值的本地用户人数,与目标店铺消费的本地用户总人数的比值,确定目标店铺在所述第三维度对应的评分;
若评级维度为所有用户行为的第四维度,则根据目标店铺的所有订单数与人均消费的乘积,确定目标店铺在所述第四维度对应的评分;
若评级维度为店铺点评的第五维度,则根据目标店铺的用户点评分数,确定目标店铺在所述第五维度对应的评分。
可选的,所述返回店铺等级符合预设等级条件的目标店铺的推荐信息,具体包括:
获取店铺等级大于预设等级阈值的目标店铺,并按照各等级档位需要推荐的店铺数量进行筛选;
返回筛选到的目标店铺的推荐信息。
依据本申请的另一方面,提供了一种信息推荐方法,可应用于客户端侧,该方法包括:
发送店铺推荐请求,所述店铺推荐请求中携带有位置信息,以使得根据所述位置信息的预设范围内各个目标店铺的平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;
接收店铺等级符合预设等级条件的目标店铺的推荐信息。
可选的,在所述接收店铺等级符合预设等级条件的目标店铺的推荐信息之后,所述方法还包括:
输出接收到的目标店铺的推荐信息,以及目标店铺各自对应的店铺等级标记。
依据本申请的又一方面,提供了一种信息推荐装置,可应用于服务端侧,该装置包括:
接收模块,用于接收店铺推荐请求,所述店铺推荐请求中携带有位置信息;
获取模块,用于获取所述位置信息的预设范围内各个目标店铺的平台数据,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;
确定模块,用于根据所述平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级;
发送模块,用于返回店铺等级符合预设等级条件的目标店铺的推荐信息。
依据本申请的再一方面,提供了一种信息推荐装置,可应用于客户端侧,该装置包括:
发送模块,用于发送店铺推荐请求,所述店铺推荐请求中携带有位置信息,以使得根据所述位置信息的预设范围内各个目标店铺的平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;
接收模块,用于接收店铺等级符合预设等级条件的目标店铺的推荐信息。
依据本申请再一个方面,提供了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的信息推荐方法。
依据本申请再一个方面,提供了一种电子设备,可包括:服务器设备或客户端设备,具体包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的信息推荐方法。
借由上述技术方案,本申请提供的一种信息推荐方法、装置及电子设备,与目前传统方式相比,本申请无需依赖用户的信息浏览记录进行店铺信息推荐,本申请采用的参考数据是指定位置范围内各个目标店铺的平台数据,具体包括目标店铺的店铺数据、历史订单数据和相应的订单用户数据。并且根据该参考数据,基于多个评级维度确定目标店铺各自对应的店铺等级,进而从不同评级维度考虑,向用户推荐店铺等级符合预设等级条件的目标店铺信息。一方面可做到店铺信息推荐的准确性和全面性,节省用户搜索所需信息的成本;另一方面可减少侵犯用户的隐私数据,保护了用户的私密性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了本申请实施例提供的一种信息推荐方法的流程示意图;
图2示出了本申请实施例提供的店铺评级算法模型示意图;
图3示出了本申请实施例提供的另一种信息推荐方法的流程示意图;
图4示出了本申请实施例提供的信息推荐展示的示例效果示意图;
图5示出了本申请实施例提供的一种信息推荐装置的结构示意图;
图6示出了本申请实施例提供的另一种信息推荐装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
为了改善目前现有技术会影响店铺信息推荐准确性,浪费信息推荐所调用的资源,增加用户搜索所需信息的成本的技术问题。本实施例提供了一种信息推荐方法,如图1所示,可应用于服务端侧,该方法包括:
步骤101、服务端接收客户端发送的店铺推荐请求。
店铺推荐请求中携带有位置信息,该位置信息可为指定搜寻店铺的位置信息,具体可由***默认设置,或者由用户手动选择设置,或者由客户端根据所在终端当前的定位信息确定得到等。其中,客户端可配置在用户的智能手机、平板电脑、智能手表、智能手环等智能终端侧。
步骤102、服务端获取店铺推荐请求中位置信息的预设范围内各个目标店铺的平台数据。
预设范围可由***默认设置,或者由用户手动选择设置等。如搜索获取该指定位置所在城市、或所在区/县、或附近2千米、或附近500米等的范围内的各个目标店铺的平台数据。
目标店铺的平台数据具体可包括:目标店铺的店铺数据(如店铺名称、所在位置、店铺类型、规格标准等)、历史订单数据(如对于目标店铺的历史订单信息,可包括订单内容和订单时间等)和相应的订单用户数据(如订单消费用户的用户标识、常驻地、该用户的其他店铺订单等,其中常驻地可通过对该用户一段时间内的各个订单时间以及订单店铺位置推算得到)。
步骤103、服务端根据获取到的各个目标店铺的平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级。
评级维度可根据实际需求确定,本实施例可从多个不同评级维度考虑,将这些目标店铺的店铺数据、历史订单数据和订单用户数据作为参考依据,综合分析这些目标店铺的店铺等级。其中,不同的店铺等级可代表不同的店铺质量标准。
步骤104、服务端向客户端返回店铺等级符合预设等级条件的目标店铺的推荐信息。
预设等级条件可根据实际需求预先进行设定,如由***默认设置或客户端用户个性化设置(进而可做到符合用户个性化需求的精确店铺推荐)等,该预设等级条件可用于店铺质量符合向用户推荐要求的目标店铺。
服务端返回的店铺推荐信息可包含推荐店铺的名称、所在位置、店铺特色、店铺等级标准等。客户端根据该返回的店铺推荐信息进行输出。
本实施例提供的信息推荐方法,与目前传统方式相比,本实施例无需依赖用户的信息浏览记录进行店铺信息推荐,本实施例采用的参考数据是指定位置范围内各个目标店铺的平台数据,具体包括目标店铺的店铺数据、历史订单数据和相应的订单用户数据。并且根据该参考数据,基于多个评级维度确定目标店铺各自对应的店铺等级,进而从不同评级维度考虑,向用户推荐店铺等级符合预设等级条件的目标店铺信息。一方面可做到店铺信息推荐的准确性和全面性,节省用户搜索所需信息的成本;另一方面可减少侵犯用户的隐私数据,保护了用户的私密性。
进一步的,作为上述实施例具体实施方式的细化和扩展,可选的,步骤103具体可包括:服务端首先根据获取到的各个目标店铺的平台数据,获取目标店铺在多个评级维度中评级达标的维度个数;然后依据评级达标的维度个数,确定目标店铺对应的店铺等级。
例如,每个评级维度均有各自对应的评级标准,其中A级可代表“最高等级”,B级可代表“中等”,C级可代表“差”。
一种可选方式是如果评定出某一评级维度达到A级标准的店铺,则可认为该店铺在该评级维度中评级达标。如有6个评级维度,店铺1在这6个评级维度中均被评定为A级,那么可认为该店铺1为6A店铺,进而确定该店铺1的店铺等级为6A;店铺2在这6个评级维度中有4个评级维度被评定为A级,那么可认为该店铺2为4A店铺,进而确定该店铺2的店铺等级为4A。
另一种可选方式是如果评定出某一评级维度达到B级以上(包括B级)标准的店铺,则可认为该店铺在该评级维度中评级达标。然后根据评级达标的维度个数和每个评级维度的具体评级信息,综合确定目标店铺对应的店铺等级。如有6个评级维度,店铺3在这6个评级维度中有3个A级、2个B级和1个C级,那么可认为该店铺3为店铺等级中等偏上的店铺;店铺4在这6个评级维度中有1个A级、2个B级和2个C级,那么可认为该店铺4为店铺等级中等偏下的店铺。
进一步可选的,不同评级维度之间具有不同的权重,如果评级维度权重越大说明该评级维度越重要,对店铺等级评定的影响越大。进而本实施例在确定店铺等级时,可根据评级达标的维度个数、每个评级维度的具体评级信息以及每个评级维度的权重,综合确定目标店铺对应的店铺等级,可得到更为精确地店铺等级。
为了精确确定目标店铺针对评级维度是否评级达标,作为又一种可选方式,上述服务端根据获取到的各个目标店铺的平台数据,获取目标店铺在多个评级维度中评级达标的维度个数,具体可包括:首先根据获取到的目标店铺的平台数据,计算目标店铺在多个评级维度分别对应的评分;然后针对每个评级维度,判断目标店铺对应的评分是否大于或等于该评级维度对应的阈值,若是,则确定目标店铺在该评级维度评级达标;统计目标店铺评级达标的维度个数。
本实施例采用多评级维度各自评分的方式,对各个评级维度的评级标准进行精确评定,进而准确找到评级达标的评级维度,从而可准确得到店铺等级。
对于具体的评分方式,示例性的,作为评分的一种可选方式,上述根据获取到的目标店铺的平台数据,计算目标店铺在多个评级维度分别对应的评分,具体可包括:若评级维度为本地特定用户行为的第一维度,则根据在预设时间段内目标店铺的本地特定用户的消费人数,确定目标店铺在第一维度对应的评分。
在本实施例中,本地用户可为与店铺推荐请求中位置信息所属同一区域范围内的常驻地用户,而本地特定用户可为本地用户在特定时间段(如周末等节假日),在距离该本地用户常驻地位置大于一定距离阈值的地方,存在订单消费次数高于大盘拐点值(这类本地用户的整体标准)以上的用户。此类用户人群相对具有店铺指向性,趋于质量较高的店铺。因此可根据在预设时间段内目标店铺的本地特定用户的消费人数,准确确定目标店铺在该评级维度对应的评分。
作为评分的另一种可选方式,若评级维度为外地用户行为的第二维度,则对于有订单记录的天数最大间隔小于或等于预置天数阈值(根据实际进行预先设置)的外地用户,根据目标店铺的外地用户人均消费与订单数的乘积,确定目标店铺在第二维度对应的评分。
外地用户是相对于本地用户进行判定的,即非常驻地用户。此类用户的店铺行为可反映出店铺的知名度,因此可根据此类用户在店铺的人均消费与订单数,可准确确定目标店铺在该评级维度对应的评分。
作为评分的又一种可选方式,若评级维度为本地用户行为的第三维度,则根据在特定范围外的店铺消费次数大于预设次数阈值的本地用户人数,与目标店铺消费的本地用户总人数的比值,确定目标店铺在第三维度对应的评分。
本地用户的店铺行为也能在一定程度上反映出店铺的质量。因此根据本实施例中的这种本地用户店铺消费行为的分析方式,可准确确定目标店铺在该评级维度对应的评分。
作为评分的再一种可选方式,若评级维度为所有用户行为的第四维度,则根据目标店铺的所有订单数与人均消费的乘积,确定目标店铺在第四维度对应的评分。
本实施例中除了分析本地用户、本地特定用户、外地用户以外,还可根据所有用户的行为进行综合评判,对于店铺的所有订单数与人均消费可准确地判断出该店铺在此评级维度的优势。
作为评分的再一种可选方式,若评级维度为店铺点评的第五维度,则根据目标店铺的用户点评分数,确定目标店铺在第五维度对应的评分。
店铺的用户点评分数可直观地表明店铺的质量好坏,因此本实施例根据目标店铺的用户点评分数,可准确确定该目标店铺在此评级维度对应的评分。
由于每个评级维度的评分方式不同,所以每个评级维度具有各自对应的阈值。阈值的设定,决定了评级达标的标准,因此为了精确确定店铺在评级维度是否评级达标,进一步可选的,在上述针对每个评级维度,判断目标店铺对应的评分是否大于或等于该评级维度对应的阈值之前,本实施例方法还可包括:根据店铺推荐请求中位置信息的预设范围内的店铺推荐数量(如要求上榜推荐的店铺数量)、等级档位分布(如上榜的各店铺等级的推荐数量)以及多个评级维度之间的优先级(如根据不同评级维度对店铺等级确定的重要性,划分不同评级维度之间的优先级,优先级越高,对店铺等级确定越重要),整体确定多个评级维度各自对应的阈值。通过这种可选方式,可得到最为合适的阈值,即能够满足评级达标判定的要求,而且还能满足店铺的推荐需求。
示例性的,根据店铺推荐请求中位置信息的预设范围内的店铺推荐数量、等级档位分布以及多个评级维度之间的优先级,整体确定多个评级维度各自对应的阈值,具体可包括:按照多个评级维度之间的优先级从高到低的顺序,根据店铺推荐请求中位置信息的预设范围内各个店铺的店铺评分进行Z字形搜索,直至搜索到的店铺数量满足停止条件时停止搜索,其中,停止条件是根据店铺推荐数量、等级档位分布确定得到的;参照多个评级维度在停止搜索后各自最后搜索到的店铺评分,确定多个评级维度各自对应的阈值。
例如,如果需要向用户推荐所在城市范围内的店铺,根据该城市的规模,确定该城市推荐上榜的高档店铺数据,上榜店铺档位分布,以及多个评级维度之间的优先级。如图2所示,根据这些评级维度在算法模型中以“Z”字形方式搜索,等到搜索到的店铺数量满足上榜店铺数量和上榜店铺档位分布后,可找到这些评级维度各自对应的阈值。通过这种方式,可准确确定各个评级维度对应的阈值,进而可作为评判达标的标准,准确确定店铺的店铺等级。
可选的,步骤104具体可包括:获取店铺等级大于预设等级阈值的目标店铺,并按照各等级档位需要推荐的店铺数量进行筛选;服务端向客户端返回筛选到的目标店铺的推荐信息。
例如,共有5个评级维度,每个评级维度中A等级可视为最高等级,预设等级阈值可为3A,因此可将大于3A的4A和5A店铺作为推荐的店铺,进而向用户进行推荐。在实际当中很可能会存在较多的4A和5A的店铺,而为用户显示的位置区域大小有限,所以可事先设置各等级档位,如5A店铺推荐2个,4A店铺推荐1个,进而按照该各等级档位需要推荐的店铺数量进行筛选,筛选出2个5A店铺和1个4A店铺推荐给用户。
与目前传统方式相比,本实施例从多个不同评级维度考虑,向用户推荐店铺等级符合预设等级条件的目标店铺信息。一方面可做到店铺信息推荐的准确性和全面性,节省用户搜索所需信息的成本;另一方面可减少侵犯用户的隐私数据,保护了用户的私密性。
上述实施例内容为在服务端侧描述的信息推荐过程,进一步的,为了完整说明本实施例的实施方式,本实施例还提供了另一种信息推荐方法,可应用于客户端侧,如图3所示,该方法包括:
步骤201、客户端向服务端发送店铺推荐请求。
店铺推荐请求中携带有位置信息,进一步的,以使得服务端根据该位置信息的预设范围内各个目标店铺的平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级,其中,平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据。
步骤202、客户端接收店铺等级符合预设等级条件的目标店铺的推荐信息。
可选的,在步骤202之后,本实施例方法还可包括:客户端输出接收到的目标店铺的推荐信息,以及目标店铺各自对应的店铺等级标记。
例如,可根据接收到的店铺推荐信息,以榜单形式输出这些推荐的店铺内容,并可以标记该店铺的店铺等级,如5A店铺、4A店铺等。除此之外,还可输出一些推荐语,具体可根据评级维度的优先级,和评级维度对应的评分,选出优先级相对较高的、且评分超过阈值较多的目标评级维度,进而参照该目标评级维度有关的内容,生成推荐语一并在榜单中进行对应展示。
本实施例提供的信息推荐方法,与目前传统方式相比,从不同评级维度考虑,向用户推荐店铺等级符合预设等级条件的目标店铺信息。一方面可做到店铺信息推荐的准确性和全面性,节省用户搜索所需信息的成本;另一方面可减少侵犯用户的隐私数据,保护了用户的私密性。
为了方便理解上述各实施例方法的具体实现过程,给出如下应用场景,但不限于此:
在餐饮门店的推荐需求中,基于本实施例方法,通过对支付数据加工提炼出5个维度:分别为本地人专程去/游客知名度/本地人回头率/人气爆棚/评分高,从这5个维度重新定义了餐饮门店的好店标准。即从5个维度来给餐饮门店评级,A代表最高等级。
本地吃货专程去:如常驻地用户在周末等节假日在3km以外的地方消费次数高于大盘拐点值以上的用户被定义为本地吃货,凡是在半年内本地吃货到店人数超过算法算出的阈值的门店可被评为本地吃货专程去的A级。
游客知名度:如非常驻地且有交易天数最大间隔≤7天的用户按人均*订单数从高到低排序,达到算法算出的某个阈值的门店可被评为游客知名度的A级。
本地人回头率:如分母为到店消费的本地人总人数,分子为在800m范围外的门店消费两次以上的本地人人数,达到算法算出的某个阈值的门店可被评为本地人回头率的A级。
人气爆棚:如所有订单数*人均价格从高到低排序,达到算法算出的某个阈值的门店可被评为人气爆棚的A级。
评分高:如评分4.0(算法算出的阈值,满分可为5.0)以上门店,可被评为评分高的A级。
本实施例基于上述5个维度,对用户附近或者所在城市等的餐饮门店进行评级,进而推荐等级符合要求的餐饮门店给用户,具体的展示效果可如图4所示。通过本实施例方案,可做到优质餐饮门店的准确推荐,节省用户搜索所需信息的成本。
进一步的,作为图1所示方法的具体实现,本实施例提供了一种可应用于服务端侧的信息推荐装置,如图5所示,该装置包括:接收模块31、获取模块32、确定模块33、发送模块34。
接收模块31,用于接收店铺推荐请求,所述店铺推荐请求中携带有位置信息;
获取模块32,用于获取所述位置信息的预设范围内各个目标店铺的平台数据,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;
确定模块33,用于根据所述平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级;
发送模块34,用于返回店铺等级符合预设等级条件的目标店铺的推荐信息。
在具体的应用场景中,确定模块33,具体用于根据所述平台数据,获取目标店铺在多个评级维度中评级达标的维度个数;依据所述评级达标的维度个数,确定目标店铺对应的店铺等级。
在具体的应用场景中,确定模块33,具体还用于根据所述平台数据,计算目标店铺在多个评级维度分别对应的评分;针对每个评级维度,判断目标店铺对应的评分是否大于或等于该评级维度对应的阈值,若是,则确定目标店铺在该评级维度评级达标;统计目标店铺评级达标的维度个数。
在具体的应用场景中,确定模块33,还用于在所述针对每个评级维度,判断目标店铺对应的评分是否大于或等于该评级维度对应的阈值之前,根据所述位置信息的预设范围内的店铺推荐数量、等级档位分布以及所述多个评级维度之间的优先级,整体确定所述多个评级维度各自对应的阈值。
在具体的应用场景中,确定模块33,具体用于按照所述多个评级维度之间的优先级从高到低的顺序,根据所述位置信息的预设范围内各个店铺的店铺评分进行Z字形搜索,直至搜索到的店铺数量满足停止条件时停止搜索,其中,所述停止条件是根据所述店铺推荐数量、等级档位分布确定得到的;参照所述多个评级维度在停止搜索后各自最后搜索到的店铺评分,确定所述多个评级维度各自对应的阈值。
在具体的应用场景中,确定模块33,具体还用于若评级维度为本地特定用户行为的第一维度,则根据在预设时间段内目标店铺的本地特定用户的消费人数,确定目标店铺在所述第一维度对应的评分;若评级维度为外地用户行为的第二维度,则对于有订单记录的天数最大间隔小于或等于预置天数阈值的外地用户,根据目标店铺的所述外地用户人均消费与订单数的乘积,确定目标店铺在所述第二维度对应的评分;若评级维度为本地用户行为的第三维度,则根据在特定范围外的店铺消费次数大于预设次数阈值的本地用户人数,与目标店铺消费的本地用户总人数的比值,确定目标店铺在所述第三维度对应的评分;若评级维度为所有用户行为的第四维度,则根据目标店铺的所有订单数与人均消费的乘积,确定目标店铺在所述第四维度对应的评分;若评级维度为店铺点评的第五维度,则根据目标店铺的用户点评分数,确定目标店铺在所述第五维度对应的评分。
在具体的应用场景中,发送模块34,具体用于获取店铺等级大于预设等级阈值的目标店铺,并按照各等级档位需要推荐的店铺数量进行筛选;返回筛选到的目标店铺的推荐信息。
需要说明的是,本实施例提供的一种可应用于服务端侧的信息推荐装置所涉及各功能单元的其它相应描述,可以参考图1中方法的对应描述,在此不再赘述。
进一步的,作为图3所示方法的具体实现,本申请实施例提供了一种可应用于客户端侧的信息推荐装置,如图6所示,该装置包括:发送模块41、接收模块42。
发送模块41,用于发送店铺推荐请求,所述店铺推荐请求中携带有位置信息,以使得根据所述位置信息的预设范围内各个目标店铺的平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;
接收模块42,用于接收店铺等级符合预设等级条件的目标店铺的推荐信息。
在具体的应用场景中,本装置还包括:输出模块;
输出模块,用于在所述接收店铺等级符合预设等级条件的目标店铺的推荐信息之后,输出接收到的目标店铺的推荐信息,以及目标店铺各自对应的店铺等级标记。
需要说明的是,本实施例提供的一种可应用于客户端侧的信息推荐装置所涉及各功能单元的其它相应描述,可以参考图3中方法的对应描述,在此不再赘述。
基于上述如图1所示方法,相应的,本申请实施例还提供了一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述如图1所示的方法。基于上述如图3所示方法,本申请实施例还提供了另一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述如图3所示的方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景的方法。
基于上述如图1所示的方法,以及图5所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种服务器设备,具体可以为服务器、计算机设备、或其他网络设备等。该客户端设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1所示的方法。
基于上述如图3所示的方法,以及图6所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种客户端设备,具体可以为平板电脑、智能手机、智能手表、智能手环、或其他网络设备等。该设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图3所示的方法。
可选的,上述两种实体设备都还可以包括用户接口、网络接口、摄像头、射频(Radio Frequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的一种客户端设备和服务器设备的实体设备结构并不构成对这两种实体设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储介质中还可以包括操作***、网络通信模块。操作***是管理上述两个实体设备硬件和软件资源的程序,支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与信息处理实体设备中其它硬件和软件之间通信。
基于上述内容,进一步的,本申请实施例还提供了一种信息推荐***,该***包括服务器设备和客户端设备。
其中,服务器设备可用于执行如图1所示的方法,客户端设备可用于执行如图3所示的方法。
客户端设备,用于向服务器设备发送店铺推荐请求,所述店铺推荐请求中携带有位置信息。
服务器设备,用于接收客户端设备发送的店铺推荐请求;获取所述店铺推荐请求中携带的位置信息的预设范围内各个目标店铺的平台数据,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;然后根据所述平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级;最后向客户端设备返回店铺等级符合预设等级条件的目标店铺的推荐信息。
客户端设备,用于接收服务器设备返回的店铺等级符合预设等级条件的目标店铺的推荐信息。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现。通过应用本实施例的技术方案,与目前传统方式相比,本实施例无需依赖用户的信息浏览记录进行店铺信息推荐,本实施例采用的参考数据是指定位置范围内各个目标店铺的平台数据,具体包括目标店铺的店铺数据、历史订单数据和相应的订单用户数据。并且根据该参考数据,基于多个评级维度确定目标店铺各自对应的店铺等级,进而从不同评级维度考虑,向用户推荐店铺等级符合预设等级条件的目标店铺信息。一方面可做到店铺信息推荐的准确性和全面性,节省用户搜索所需信息的成本;另一方面可减少侵犯用户的隐私数据,保护了用户的私密性。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种信息推荐方法,其特征在于,包括:
接收店铺推荐请求,所述店铺推荐请求中携带有位置信息;
获取所述位置信息的预设范围内各个目标店铺的平台数据,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;
根据所述平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级;
返回店铺等级符合预设等级条件的目标店铺的推荐信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级,具体包括:
根据所述平台数据,获取目标店铺在多个评级维度中评级达标的维度个数;
依据所述评级达标的维度个数,确定目标店铺对应的店铺等级。
3.根据权利要求2所述的方法,其特征在于,所述根据所述平台数据,获取目标店铺在多个评级维度中评级达标的维度个数,具体包括:
根据所述平台数据,计算目标店铺在多个评级维度分别对应的评分;
针对每个评级维度,判断目标店铺对应的评分是否大于或等于该评级维度对应的阈值,若是,则确定目标店铺在该评级维度评级达标;
统计目标店铺评级达标的维度个数。
4.根据权利要求3所述的方法,其特征在于,在所述针对每个评级维度,判断目标店铺对应的评分是否大于或等于该评级维度对应的阈值之前,所述方法还包括:
根据所述位置信息的预设范围内的店铺推荐数量、等级档位分布以及所述多个评级维度之间的优先级,整体确定所述多个评级维度各自对应的阈值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述位置信息的预设范围内的店铺推荐数量、等级档位分布以及所述多个评级维度之间的优先级,整体确定所述多个评级维度各自对应的阈值,具体包括:
按照所述多个评级维度之间的优先级从高到低的顺序,根据所述位置信息的预设范围内各个店铺的店铺评分进行Z字形搜索,直至搜索到的店铺数量满足停止条件时停止搜索,其中,所述停止条件是根据所述店铺推荐数量、等级档位分布确定得到的;
参照所述多个评级维度在停止搜索后各自最后搜索到的店铺评分,确定所述多个评级维度各自对应的阈值。
6.一种信息推荐方法,其特征在于,包括:
发送店铺推荐请求,所述店铺推荐请求中携带有位置信息,以使得根据所述位置信息的预设范围内各个目标店铺的平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;
接收店铺等级符合预设等级条件的目标店铺的推荐信息。
7.一种信息推荐装置,其特征在于,包括:
接收模块,用于接收店铺推荐请求,所述店铺推荐请求中携带有位置信息;
获取模块,用于获取所述位置信息的预设范围内各个目标店铺的平台数据,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;
确定模块,用于根据所述平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级;
发送模块,用于返回店铺等级符合预设等级条件的目标店铺的推荐信息。
8.一种信息推荐装置,其特征在于,包括:
发送模块,用于发送店铺推荐请求,所述店铺推荐请求中携带有位置信息,以使得根据所述位置信息的预设范围内各个目标店铺的平台数据,基于多个评级维度确定目标店铺各自对应的店铺等级,其中,所述平台数据包括:目标店铺的店铺数据、历史订单数据和相应的订单用户数据;
接收模块,用于接收店铺等级符合预设等级条件的目标店铺的推荐信息。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。
10.一种电子设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110639366.3A CN113360790A (zh) | 2021-06-08 | 2021-06-08 | 信息推荐方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110639366.3A CN113360790A (zh) | 2021-06-08 | 2021-06-08 | 信息推荐方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113360790A true CN113360790A (zh) | 2021-09-07 |
Family
ID=77533120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110639366.3A Pending CN113360790A (zh) | 2021-06-08 | 2021-06-08 | 信息推荐方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113360790A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114301973A (zh) * | 2021-12-24 | 2022-04-08 | 支付宝(杭州)信息技术有限公司 | 信息推荐处理方法及装置 |
CN116561769A (zh) * | 2023-05-19 | 2023-08-08 | 国家计算机网络与信息安全管理中心 | 厂商推荐方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019141072A1 (zh) * | 2018-01-22 | 2019-07-25 | 阿里巴巴集团控股有限公司 | 店铺信息推荐方法、装置及客户端 |
CN110348909A (zh) * | 2019-07-16 | 2019-10-18 | 百度在线网络技术(北京)有限公司 | 店铺评价的获取方法、装置、设备及存储介质 |
CN110428298A (zh) * | 2019-07-15 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 一种店铺推荐方法、装置及设备 |
CN110942344A (zh) * | 2019-11-22 | 2020-03-31 | 汉海信息技术(上海)有限公司 | 美食推荐榜单的生成方法、装置、设备及存储介质 |
CN111782941A (zh) * | 2016-05-11 | 2020-10-16 | 阿里巴巴集团控股有限公司 | 信息推荐方法、装置及服务器 |
CN111861139A (zh) * | 2020-06-28 | 2020-10-30 | 深圳壹账通智能科技有限公司 | 商户推荐方法、装置及计算机设备 |
-
2021
- 2021-06-08 CN CN202110639366.3A patent/CN113360790A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111782941A (zh) * | 2016-05-11 | 2020-10-16 | 阿里巴巴集团控股有限公司 | 信息推荐方法、装置及服务器 |
WO2019141072A1 (zh) * | 2018-01-22 | 2019-07-25 | 阿里巴巴集团控股有限公司 | 店铺信息推荐方法、装置及客户端 |
CN110428298A (zh) * | 2019-07-15 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 一种店铺推荐方法、装置及设备 |
CN110348909A (zh) * | 2019-07-16 | 2019-10-18 | 百度在线网络技术(北京)有限公司 | 店铺评价的获取方法、装置、设备及存储介质 |
CN110942344A (zh) * | 2019-11-22 | 2020-03-31 | 汉海信息技术(上海)有限公司 | 美食推荐榜单的生成方法、装置、设备及存储介质 |
CN111861139A (zh) * | 2020-06-28 | 2020-10-30 | 深圳壹账通智能科技有限公司 | 商户推荐方法、装置及计算机设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114301973A (zh) * | 2021-12-24 | 2022-04-08 | 支付宝(杭州)信息技术有限公司 | 信息推荐处理方法及装置 |
CN116561769A (zh) * | 2023-05-19 | 2023-08-08 | 国家计算机网络与信息安全管理中心 | 厂商推荐方法、装置、设备及存储介质 |
CN116561769B (zh) * | 2023-05-19 | 2024-05-14 | 国家计算机网络与信息安全管理中心 | 厂商推荐方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2641268C2 (ru) | Способ, устройство и система для рекомендации информации о продукте | |
CN107835231B (zh) | 反馈信息的处理方法及终端设备 | |
CN110059255B (zh) | 一种浏览器导航方法、装置及介质 | |
CN105701108B (zh) | 一种信息推荐方法、装置及服务器 | |
JP2019508766A (ja) | 地理的エリアのヒートマップを生成するシステム、方法、およびデバイス | |
CN110162359B (zh) | 新手引导信息的推送方法、装置及*** | |
KR102217948B1 (ko) | Nfc 기반의 리뷰 관리 시스템 | |
CN107808314B (zh) | 用户推荐方法及装置 | |
KR102131791B1 (ko) | 추천 컨텐츠 및 연관 컨텐츠 제공 방법 | |
US10929908B2 (en) | Method for acquisition and distribution of product price information | |
CN111144874B (zh) | 支付方式推荐方法、装置及设备 | |
JP2010009315A (ja) | 推薦店舗提示システム | |
CN113360790A (zh) | 信息推荐方法、装置及电子设备 | |
CN110750697B (zh) | 商户分类方法、装置、设备及存储介质 | |
CN112913210B (zh) | 信息内容的确定方法及相关产品 | |
CN111899068A (zh) | 商品导购方法、装置、存储介质及计算机设备 | |
CN111611496A (zh) | 产品推荐方法及其装置 | |
CN114581175A (zh) | 商品推送方法、装置、存储介质及电子设备 | |
TWI690172B (zh) | 資訊推送方法、位置定位方法和設備 | |
CN110570271A (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
CN111626767A (zh) | 资源数据的发放方法、装置及设备 | |
US10068006B1 (en) | Generating trend-based item recommendations | |
JP2014222474A (ja) | 情報処理装置、方法及びプログラム | |
KR20210052746A (ko) | 제품화 대상 콘텐츠의 예상 판매량 추정 방법, 장치 및 컴퓨터프로그램 | |
US9100238B2 (en) | Information providing apparatus, system, method, and program |
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 |