CN113763134A - 信息推荐方法、***、设备及存储介质 - Google Patents
信息推荐方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN113763134A CN113763134A CN202111107709.8A CN202111107709A CN113763134A CN 113763134 A CN113763134 A CN 113763134A CN 202111107709 A CN202111107709 A CN 202111107709A CN 113763134 A CN113763134 A CN 113763134A
- Authority
- CN
- China
- Prior art keywords
- commodity
- information
- recommended
- commodities
- candidate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012795 verification Methods 0.000 claims abstract description 39
- 239000013598 vector Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
- G06Q30/0629—Directed, with specific intent or strategy for generating comparisons
-
- 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]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种信息推荐方法、***、设备及存储介质,该方法包括:获取备选商品的商品信息,确定所述备选商品的关联商品,并获取所述关联商品的商品信息;根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,得到推荐商品的商品信息;对所述推荐商品进行展示规则验证;如果所述推荐商品通过所述展示规则验证,则展示所述推荐商品的商品信息;如果所述推荐商品未通过所述展示规则验证,则获取所述推荐商品的关联商品的商品信息并进行展示。本发明通过在信息推荐和信息展示时引入共同的中间商品,保持全流程的逻辑合理一致。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种信息推荐方法、***、设备及存储介质。
背景技术
现有技术下,推荐与展示为两个较为独立的环节,主要交互的数据为类型和ID。推荐使用的因子与展示的要素相对独立,或者说互不影响。对于特征稀薄的商品,推荐层通常会关联其他特征较丰富的商品作为补偿商品,以获取更多计算因子;对于高实时性低库存的商品,展示层通常会设置保底逻辑,应对库存变化。因此在对于同时具有特征稀薄,与高实时性这两个特征的商品时,目前推荐层的补偿与展示层的保底各自独立,会导致全流程上的逻辑不一致,最终客户端展示结果不合理的情况。
发明内容
针对现有技术中的问题,本发明的目的在于提供一种信息推荐方法、***、设备及存储介质,通过在信息推荐和信息展示时引入共同的中间商品,保持全流程的逻辑合理一致。
本发明实施例提供一种信息推荐方法,包括如下步骤:
获取备选商品的商品信息,确定所述备选商品的关联商品,并获取所述关联商品的商品信息;
根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,得到推荐商品的商品信息;
对所述推荐商品进行展示规则验证;
如果所述推荐商品通过所述展示规则验证,则展示所述推荐商品的商品信息;
如果所述推荐商品未通过所述展示规则验证,则获取所述推荐商品的关联商品的商品信息并进行展示。
在一些实施例中,根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,包括如下步骤:
根据所述备选商品的商品信息和所述关联商品的商品信息,确定所述备选商品的特征数据;
根据所述备选商品的特征数据,采用预设的推荐度评分规则计算所述备选商品的推荐度评分;
根据所述推荐度评分,从所述备选商品中选择推荐商品。
在一些实施例中,根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,包括如下步骤:
根据所述备选商品的商品信息和所述关联商品的商品信息,确定所述备选商品的特征数据;
将所述备选商品的特征向量输入训练好的推荐商品选择模型;
根据所述推荐商品选择模型的输出数据,从所述备选商品中选择推荐商品。
在一些实施例中,确定所述备选商品的特征数据之后,还包括如下步骤:
计算各个所述关联商品对于所述备选商品的特征数据的贡献值;
将所述关联商品按照贡献值从大到小进行排序。
在一些实施例中,对所述推荐商品进行展示规则验证之后,如果所述推荐商品未通过所述展示规则验证,则执行如下步骤:
按照所述关联商品的贡献值排序从前到后依次选择一关联商品;
判断选择的关联商品是否能通过所述展示规则验证,如果是,则展示选择的关联商品的商品信息,否则,继续选择下一个关联商品,然后循环执行当前步骤。
在一些实施例中,计算各个所述关联商品对于所述备选商品的特征数据的贡献值,包括如下步骤:
确定各个所述备选商品的特征数据中对应于各个关联商品的特征类别,作为各个关联商品的贡献特征类别;
对于各个关联商品,将其贡献特征类别的数量作为该关联商品的贡献值。
在一些实施例中,计算各个所述关联商品对于所述备选商品的特征数据的贡献值,包括如下步骤:
确定各个所述备选商品的特征数据中对应于各个关联商品的特征类别,作为各个关联商品的贡献特征类别;
对于各个关联商品,将其对应的各个贡献特征类别所对应的特征权值求和,得到该关联商品的贡献值。
在一些实施例中,确定所述备选商品的关联商品,包括如下步骤:
计算所述备选商品与其他商品的相似度;
将与所述备选商品的相似度大于预设相似度阈值的其他商品,或者将于所述备选商品的相似度最高的预设数量的其他商品,作为所述备选商品的关联商品。
在一些实施例中,对所述推荐商品进行展示规则验证,包括如下步骤:
查询所述推荐商品的库存,判断所述推荐商品的库存的数量是否满足展示规则验证的要求。
本发明实施例还提供一种信息推荐***,用于实现所述的信息推荐方法,所述***包括:
信息获取模块,用于获取备选商品的商品信息,确定所述备选商品的关联商品,并获取所述关联商品的商品信息;
推荐选择模块,用于根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,得到推荐商品的商品信息;
规则验证模块,用于对所述推荐商品进行展示规则验证;
信息展示模块,如果所述推荐商品通过所述展示规则验证,则所述信息展示模块展示所述推荐商品的商品信息;如果所述推荐商品未通过所述展示规则验证,则所述信息展示模块获取所述推荐商品的关联商品的商品信息并进行展示。
本发明实施例还提供一种信息推荐设备,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行所述的信息推荐方法的步骤。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,所述程序被处理器执行时实现所述的信息推荐方法的步骤。
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,并不能限制本公开。
本发明的信息推荐方法、***、设备及存储介质具有如下有益效果:
本发明在信息推荐选择的过程中,引入作为中间商品的关联商品,信息展示的过程中,在推荐商品无法通过展示规则校验时,选择关联商品作为保底商品进行展示,通过在信息推荐和信息展示时引入共同的中间商品,保持全流程的逻辑合理一致。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1是本发明一实施例的信息推荐方法的流程图;
图2是本发明一实施例的从备选商品中选择推荐商品的流程图;
图3是本发明一实施例的对推荐商品进行展示规则验证的流程图;
图4是本发明一实施例的信息推荐***的结构示意图;
图5是本发明一实施例的信息推荐设备的结构示意图;
图6是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此,实际执行的顺序有可能根据实际情况改变。
如图1所示,本发明实施例提供一种信息推荐方法,包括如下步骤:
S100:获取备选商品的商品信息,确定所述备选商品的关联商品,并获取所述关联商品的商品信息;
S200:根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,得到推荐商品的商品信息;
S300:对所述推荐商品进行展示规则验证;
S400:如果所述推荐商品通过所述展示规则验证,则展示所述推荐商品的商品信息;
S500:如果所述推荐商品未通过所述展示规则验证,则获取所述推荐商品的关联商品的商品信息并进行展示。
本发明通过步骤S100和S200在信息推荐选择的过程中,引入作为中间商品的关联商品,信息展示的过程中,首先通过步骤S300进行推荐商品的展示规则验证,在推荐商品通过了展示规则校验时,通过步骤S400,直接展示推荐商品的商品信息,在推荐商品无法通过展示规则校验时,通过步骤S500,选择关联商品作为保底商品进行展示,通过在信息推荐和信息展示时引入共同的中间商品,保持全流程的逻辑合理一致。
在该实施例中,所述步骤S100:确定所述备选商品的关联商品,包括如下步骤:
计算所述备选商品与其他商品的相似度,此次计算两种商品的相似度,例如可以是计算两种商品的特征向量的余弦相似度、欧氏距离等,或者是基于两种商品的相同的特征类别的数量作为相似度等;例如一共预设80个特征类别,获得备选商品对应于各个特征类别的特征值,选择一其他商品,获得其对应于各个特征类别的特征值,如果一商品对应于一特征类别没有数据,则将特征值设置默认值,然后将备选商品的各个特征类别的特征值组合得到特征向量,将该其他商品的各个特征类别的特征值组合得到特征向量,计算两个特征向量的余弦相似度、欧氏距离等,作为两个商品的相似度;或者是,统计该备选商品与一个其他商品的具有相同特征值的特征类别的数量,例如该备选商品有十五个特征类别的特征值与一个其他商品的特征类别的特征值相同,则该其他商品与备选商品的相似度为15,或者15/80;
将与所述备选商品的相似度大于预设相似度阈值的其他商品,或者将于所述备选商品的相似度最高的预设数量的其他商品,作为所述备选商品的关联商品。
例如,本发明可以用于酒店团购/秒杀商品的推荐和展示。酒店团购/秒杀商品由于库存少、在线时间短,每个独立商品难以积累足够的可用于作为推荐计算因子的要素,为一种典型的特征稀薄、且实时性高的商品。当团购/秒杀商品特征不足时,推荐流程使用该商品相关的酒店商品、或者往期/当期同酒店的团购/秒杀商品、或者往期/当期同星级同房型的团购/秒杀商品作为关联商品获得补偿的计算因子。
如图2所示,在该实施例中,所述步骤S200:根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,包括如下步骤:
S210:根据所述备选商品的商品信息和所述关联商品的商品信息,确定所述备选商品的特征数据;
具体地,步骤S210包括如下步骤:
S211:从所述备选商品的商品信息中提取各个特征类别的特征值;
S212:对于所述备选商品中不包括特征值的特征类别,从所述关联商品的商品信息中提取该特征类别的特征值;
S213:将所述备选商品的商品信息中提取出的特征值和所述关联商品的商品信息中提取的特征值组合得到所述备选商品的特征数据;
此次特征类别即对应于后续计算评分时的计算因子,例如,特征类别/计算因子可以包括地理位置、价位、星级、面积、是否含早餐等等;
S220:根据所述备选商品的特征数据,采用预设的推荐度评分规则计算所述备选商品的推荐度评分;
此预设的推荐度评分规则例如可以为一个预设的计算公式,其中将各个特征类别的特征值作为变量,对于一个备选商品来说,将其特征数据中的各个特征值填入该计算公式中,即得到对应地推荐度评分;
例如,该计算公式可以为加权求和的公式,即为每个特征类别设定一个权值,将每个特征类别的特征值乘以对应的权值后再进行加和,从而得到推荐度评分。在计算推荐度评分时,还可以进一步结合不同用户的历史行为数据来进行计算。例如,根据用户的历史行为数据(购买数据、浏览数据、点击数据等)计算用户所对应的每个特征类别的特征值;
S230:根据所述推荐度评分,从所述备选商品中选择推荐商品。
例如,可以将所述备选商品按照推荐度评分从高到低依次排序,从前向后选择预设商品推荐数量或者推荐度评分大于预设评分阈值的备选商品,作为推荐商品。
在另一种可替代的实施方式中,所述步骤S200:根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,包括如下步骤:
根据所述备选商品的商品信息和所述关联商品的商品信息,确定所述备选商品的特征数据;
将所述备选商品的特征向量输入训练好的推荐商品选择模型;
根据所述推荐商品选择模型的输出数据,从所述备选商品中选择推荐商品。
该推荐商品选择模型例如可以是卷积神经网络等机器学习模型。将所述备选商品的特征向量输入到该模型中去,该模型输出该商品被推荐的概率,将模型输出的概率作为推荐度评分。在通过模型计算推荐度评分时,还可以结合用户特征数据,例如,将用户特征数据和备选商品的特征数据输入到一个双输入的机器学习模型中,该机器学习模型输出用户特征数据和备选商品的特征数据的匹配概率,将该匹配概率作为推荐度评分。
如图3所示,在该实施例中,所述步骤S200:确定所述备选商品的特征数据之后,还包括如下步骤:
S240:计算各个所述关联商品对于所述备选商品的特征数据的贡献值;
S250:将所述关联商品按照贡献值从大到小进行排序。
如图3所示,在该实施例中,所述步骤S300:对所述推荐商品进行展示规则验证之后,如果所述推荐商品未通过所述展示规则验证,则执行如下步骤:
S310:按照所述关联商品的贡献值排序从前到后依次选择一关联商品;
S320:判断选择的关联商品是否能通过所述展示规则验证;
如果是,则继续步骤S400:展示选择的关联商品的商品信息;
否则,继续步骤S330:继续按照所述关联商品的贡献值排序选择下一个关联商品,然后继续步骤S320。
在该实施例中,所述步骤S240:计算各个所述关联商品对于所述备选商品的特征数据的贡献值,包括如下步骤:
确定各个所述备选商品的特征数据中对应于各个关联商品的特征类别,作为各个关联商品的贡献特征类别;
例如,一共有80个特征类别,所述备选商品只有三十个特征类别的特征值,而一个关联商品中提供了十个特征类别的特征值,则该关联商品的贡献特征类别有十个;
对于各个关联商品,将其贡献特征类别的数量作为该关联商品的贡献值,例如一个关联商品的贡献特征类别有十个,则该关联商品的贡献值为10。
在另一种实施方式中,所述步骤S240:计算各个所述关联商品对于所述备选商品的特征数据的贡献值,包括如下步骤:
确定各个所述备选商品的特征数据中对应于各个关联商品的特征类别,作为各个关联商品的贡献特征类别;
对于各个关联商品,将其对应的各个贡献特征类别所对应的特征权值求和,得到该关联商品的贡献值。即在计算贡献值时,不仅考虑每个关联商品的贡献特征类别的数量,同时也考虑不同特征类别的权重值,比较重要的特征类别的权重值则比较高。
在该实施例中,所述步骤S300:对所述推荐商品进行展示规则验证,包括对所述推荐商品进行实时性校验,此次实时性校验指的是推荐商品的库存数量能够满足展示规则验证的要求。具体地,所述步骤S300如下步骤:
查询所述推荐商品的库存,判断所述推荐商品的库存的数量是否满足展示规则验证的要求。
因此,本发明在推荐层与展示层增加推荐补偿数据交互,展示层的保底基于当次推荐补偿的数据来决定。针对某一个特征稀薄的商品,推荐层通过关联相关商品,获取补偿计算因子时,将对最终结果的综合影响最大的一个/一批关联商品,纳入推荐数据下发。展示层在对商品进行正常有效性校验,因商品库存量低、实时性要求高,展示层较高概率会进入展示保底逻辑。当进入保底逻辑时,展示层读取推荐下发数据中的关联商品数据,使用推荐当次补偿的关联商品作为保底展示商品。以此实现推荐与展示的逻辑一致。
以上面的酒店团购/秒杀商品的场景为例进行说明。在步骤S200选择了推荐的团购/秒杀商品之后,不仅下发团购/秒杀商品的商品信息,还随该团购/秒杀商品下发关联商品的商品信息,并且在下发的关联商品列表中,关联商品按照贡献值的大小排序,即按照关联商品对推荐度评分的影响程度排序。
进入展示层后,如该团购/秒杀商品未通过实时性校验而判为商品无效,则进入展示的保底逻辑。在此商品的保底逻辑中,展示层按照推荐层下发的关联商品列表依次进行有效性校验,使用第一个通过有效性校验的关联商品作为保底展示,以此实现展示逻辑与推荐逻辑保持一致解释性。
如图4所示,本发明实施例还提供一种信息推荐***,用于实现所述的信息推荐方法,所述***包括:
信息获取模块M100,用于获取备选商品的商品信息,确定所述备选商品的关联商品,并获取所述关联商品的商品信息;
推荐选择模块M200,用于根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,得到推荐商品的商品信息;
规则验证模块M300,用于对所述推荐商品进行展示规则验证;
信息展示模块M400,如果所述推荐商品通过所述展示规则验证,则所述信息展示模块展示所述推荐商品的商品信息;如果所述推荐商品未通过所述展示规则验证,则所述信息展示模块获取所述推荐商品的关联商品的商品信息并进行展示。
本发明通过信息获取模块M100和推荐选择模块M200在信息推荐选择的过程中,引入作为中间商品的关联商品,信息展示的过程中,首先通过规则验证模块M300进行推荐商品的展示规则验证,在推荐商品通过了展示规则校验时,通过信息展示模块M400,直接展示推荐商品的商品信息,在推荐商品无法通过展示规则校验时,通过信息展示模块M400,选择关联商品作为保底商品进行展示,通过在信息推荐和信息展示时引入共同的中间商品,保持全流程的逻辑合理一致。
本发明的信息推荐***中,各个模块的功能可以采用上述信息推荐方法中各个步骤的具体实施方式来实现,例如信息获取模块M100可以采用步骤S100的具体实施方式来获取相关信息,推荐选择模块M200可以采用步骤S200的具体实施方式来选择推荐商品,规则验证模块M300可以采用步骤S300的具体实施方式来进行展示规则校验,信息展示模块M400可以采用步骤S400的具体实施方式进行商品展示,此次不再赘述。
本发明实施例还提供一种信息推荐设备,包括处理器;存储器,其中存储有所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行所述的信息推荐方法的步骤。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为***、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“平台”。
下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同***组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述信息推荐方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元610可以执行如图1中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
所述信息推荐设备中,所述存储器中的程序被处理器执行时实现所述的信息推荐方法的步骤,因此,所述设备也可以获得上述信息推荐方法的技术效果。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,所述程序被处理器执行时实现所述的信息推荐方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上执行时,所述程序代码用于使所述终端设备执行本说明书上述信息推荐方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上执行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
所述计算机存储介质中的程序被处理器执行时实现所述的信息推荐方法的步骤,因此,所述计算机存储介质也可以获得上述信息推荐方法的技术效果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (12)
1.一种信息推荐方法,其特征在于,包括如下步骤:
获取备选商品的商品信息,确定所述备选商品的关联商品,并获取所述关联商品的商品信息;
根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,得到推荐商品的商品信息;
对所述推荐商品进行展示规则验证;
如果所述推荐商品通过所述展示规则验证,则展示所述推荐商品的商品信息;
如果所述推荐商品未通过所述展示规则验证,则获取所述推荐商品的关联商品的商品信息并进行展示。
2.根据权利要求1所述的信息推荐方法,其特征在于,根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,包括如下步骤:
根据所述备选商品的商品信息和所述关联商品的商品信息,确定所述备选商品的特征数据;
根据所述备选商品的特征数据,采用预设的推荐度评分规则计算所述备选商品的推荐度评分;
根据所述推荐度评分,从所述备选商品中选择推荐商品。
3.根据权利要求1所述的信息推荐方法,其特征在于,根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,包括如下步骤:
根据所述备选商品的商品信息和所述关联商品的商品信息,确定所述备选商品的特征数据;
将所述备选商品的特征向量输入训练好的推荐商品选择模型;
根据所述推荐商品选择模型的输出数据,从所述备选商品中选择推荐商品。
4.根据权利要求2或3所述的信息推荐方法,其特征在于,确定所述备选商品的特征数据之后,还包括如下步骤:
计算各个所述关联商品对于所述备选商品的特征数据的贡献值;
将所述关联商品按照贡献值从大到小进行排序。
5.根据权利要求4所述的信息推荐方法,其特征在于,对所述推荐商品进行展示规则验证之后,如果所述推荐商品未通过所述展示规则验证,则执行如下步骤:
按照所述关联商品的贡献值排序从前到后依次选择一关联商品;
判断选择的关联商品是否能通过所述展示规则验证,如果是,则展示选择的关联商品的商品信息,否则,继续选择下一个关联商品,然后循环执行当前步骤。
6.根据权利要求4所述的信息推荐方法,其特征在于,计算各个所述关联商品对于所述备选商品的特征数据的贡献值,包括如下步骤:
确定各个所述备选商品的特征数据中对应于各个关联商品的特征类别,作为各个关联商品的贡献特征类别;
对于各个关联商品,将其贡献特征类别的数量作为该关联商品的贡献值。
7.根据权利要求4所述的信息推荐方法,其特征在于,计算各个所述关联商品对于所述备选商品的特征数据的贡献值,包括如下步骤:
确定各个所述备选商品的特征数据中对应于各个关联商品的特征类别,作为各个关联商品的贡献特征类别;
对于各个关联商品,将其对应的各个贡献特征类别所对应的特征权值求和,得到该关联商品的贡献值。
8.根据权利要求1所述的信息推荐方法,其特征在于,确定所述备选商品的关联商品,包括如下步骤:
计算所述备选商品与其他商品的相似度;
将与所述备选商品的相似度大于预设相似度阈值的其他商品,或者将于所述备选商品的相似度最高的预设数量的其他商品,作为所述备选商品的关联商品。
9.根据权利要求1所述的信息推荐方法,其特征在于,对所述推荐商品进行展示规则验证,包括如下步骤:
查询所述推荐商品的库存,判断所述推荐商品的库存的数量是否满足展示规则验证的要求。
10.一种信息推荐***,其特征在于,用于实现权利要求1至9中任一项所述的信息推荐方法,所述***包括:
信息获取模块,用于获取备选商品的商品信息,确定所述备选商品的关联商品,并获取所述关联商品的商品信息;
推荐选择模块,用于根据所述备选商品的商品信息和所述关联商品的商品信息,从所述备选商品中选择推荐商品,得到推荐商品的商品信息;
规则验证模块,用于对所述推荐商品进行展示规则验证;
信息展示模块,如果所述推荐商品通过所述展示规则验证,则所述信息展示模块展示所述推荐商品的商品信息;如果所述推荐商品未通过所述展示规则验证,则所述信息展示模块获取所述推荐商品的关联商品的商品信息并进行展示。
11.一种信息推荐设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至9中任一项所述的信息推荐方法的步骤。
12.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被处理器执行时实现权利要求1至9中任一项所述的信息推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111107709.8A CN113763134B (zh) | 2021-09-22 | 2021-09-22 | 信息推荐方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111107709.8A CN113763134B (zh) | 2021-09-22 | 2021-09-22 | 信息推荐方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113763134A true CN113763134A (zh) | 2021-12-07 |
CN113763134B CN113763134B (zh) | 2024-07-12 |
Family
ID=78796695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111107709.8A Active CN113763134B (zh) | 2021-09-22 | 2021-09-22 | 信息推荐方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763134B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008282132A (ja) * | 2007-05-09 | 2008-11-20 | Promise Co Ltd | Ecサイト管理装置及びコンピュータプログラム |
CN105005579A (zh) * | 2015-05-28 | 2015-10-28 | 携程计算机技术(上海)有限公司 | Ota网站中酒店房型个性化排序方法及*** |
CN105931082A (zh) * | 2016-05-17 | 2016-09-07 | 北京奇虎科技有限公司 | 一种商品类目关键词提取方法和装置 |
CN106920151A (zh) * | 2017-03-06 | 2017-07-04 | 携程旅游网络技术(上海)有限公司 | 酒店备选池的推荐方法和*** |
CN106934498A (zh) * | 2017-03-14 | 2017-07-07 | 携程旅游网络技术(上海)有限公司 | Ota网站中酒店房型的推荐方法及*** |
CN107194774A (zh) * | 2017-05-22 | 2017-09-22 | 携程旅游网络技术(上海)有限公司 | Ota网站中个性化的酒店推荐***及方法 |
CN107220795A (zh) * | 2017-06-28 | 2017-09-29 | 北京惠赢天下网络技术有限公司 | 一种不同门店间关联下单方法及装置 |
CN107230034A (zh) * | 2017-06-28 | 2017-10-03 | 北京惠赢天下网络技术有限公司 | 一种关联下单方法及装置 |
CN107368907A (zh) * | 2017-07-25 | 2017-11-21 | 携程计算机技术(上海)有限公司 | 酒店信息展示方法及装置、电子设备、存储介质 |
CN109166017A (zh) * | 2018-10-12 | 2019-01-08 | 平安科技(深圳)有限公司 | 基于重聚类的推送方法、装置、计算机设备及存储介质 |
CN109360057A (zh) * | 2018-10-12 | 2019-02-19 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
CN109547302A (zh) * | 2018-11-08 | 2019-03-29 | 上海优悦信息科技有限公司 | 一种用于确定用户的关联目标信息的方法和家用电器 |
CN111932338A (zh) * | 2020-08-05 | 2020-11-13 | 深圳市分期乐网络科技有限公司 | 一种商品推荐方法、装置、设备及存储介质 |
CN112035624A (zh) * | 2020-09-11 | 2020-12-04 | 上海明略人工智能(集团)有限公司 | 文本推荐方法和装置及存储介质 |
CN112884551A (zh) * | 2021-02-19 | 2021-06-01 | 武汉大学 | 一种基于近邻用户和评论信息的商品推荐方法 |
-
2021
- 2021-09-22 CN CN202111107709.8A patent/CN113763134B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008282132A (ja) * | 2007-05-09 | 2008-11-20 | Promise Co Ltd | Ecサイト管理装置及びコンピュータプログラム |
CN105005579A (zh) * | 2015-05-28 | 2015-10-28 | 携程计算机技术(上海)有限公司 | Ota网站中酒店房型个性化排序方法及*** |
CN105931082A (zh) * | 2016-05-17 | 2016-09-07 | 北京奇虎科技有限公司 | 一种商品类目关键词提取方法和装置 |
CN106920151A (zh) * | 2017-03-06 | 2017-07-04 | 携程旅游网络技术(上海)有限公司 | 酒店备选池的推荐方法和*** |
CN106934498A (zh) * | 2017-03-14 | 2017-07-07 | 携程旅游网络技术(上海)有限公司 | Ota网站中酒店房型的推荐方法及*** |
CN107194774A (zh) * | 2017-05-22 | 2017-09-22 | 携程旅游网络技术(上海)有限公司 | Ota网站中个性化的酒店推荐***及方法 |
CN107220795A (zh) * | 2017-06-28 | 2017-09-29 | 北京惠赢天下网络技术有限公司 | 一种不同门店间关联下单方法及装置 |
CN107230034A (zh) * | 2017-06-28 | 2017-10-03 | 北京惠赢天下网络技术有限公司 | 一种关联下单方法及装置 |
CN107368907A (zh) * | 2017-07-25 | 2017-11-21 | 携程计算机技术(上海)有限公司 | 酒店信息展示方法及装置、电子设备、存储介质 |
CN109166017A (zh) * | 2018-10-12 | 2019-01-08 | 平安科技(深圳)有限公司 | 基于重聚类的推送方法、装置、计算机设备及存储介质 |
CN109360057A (zh) * | 2018-10-12 | 2019-02-19 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
CN109547302A (zh) * | 2018-11-08 | 2019-03-29 | 上海优悦信息科技有限公司 | 一种用于确定用户的关联目标信息的方法和家用电器 |
CN111932338A (zh) * | 2020-08-05 | 2020-11-13 | 深圳市分期乐网络科技有限公司 | 一种商品推荐方法、装置、设备及存储介质 |
CN112035624A (zh) * | 2020-09-11 | 2020-12-04 | 上海明略人工智能(集团)有限公司 | 文本推荐方法和装置及存储介质 |
CN112884551A (zh) * | 2021-02-19 | 2021-06-01 | 武汉大学 | 一种基于近邻用户和评论信息的商品推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113763134B (zh) | 2024-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170323212A1 (en) | Agent aptitude prediction | |
CN112270547A (zh) | 基于特征构造的金融风险评估方法、装置和电子设备 | |
CN106943747B (zh) | 虚拟角色名称推荐方法、装置、电子设备和存储介质 | |
WO2008075524A1 (ja) | 極性推定システム、情報配信システム、極性推定方法及び、極性推定用プログラム、及び評価極性推定用プログラム | |
CN113283795B (zh) | 基于二分类模型的数据处理方法及装置、介质、设备 | |
CN111612581A (zh) | 一种物品推荐的方法、装置、设备及存储介质 | |
CN111754278A (zh) | 物品推荐方法、装置、计算机存储介质和电子设备 | |
CN111680165A (zh) | 信息匹配方法、装置、可读存储介质和电子设备 | |
CN111966886A (zh) | 对象推荐方法、对象推荐装置、电子设备及存储介质 | |
CN109582792A (zh) | 一种文本分类的方法及装置 | |
CN115204971B (zh) | 产品推荐方法、装置、电子设备及计算机可读存储介质 | |
CN111429214B (zh) | 一种基于交易数据的买卖双方匹配方法及装置 | |
CN113139115A (zh) | 信息推荐方法、搜索方法、装置及客户端、介质及设备 | |
CN107798125B (zh) | 基于亲密度模型的准入判定方法、***、设备及存储介质 | |
CN111340605B (zh) | 训练用户行为预测模型、用户行为预测的方法和装置 | |
CN110348581B (zh) | 用户特征群中用户特征寻优方法、装置、介质及电子设备 | |
CN110807687A (zh) | 对象数据处理方法、装置、计算设备和介质 | |
CN113763134B (zh) | 信息推荐方法、***、设备及存储介质 | |
CN115809930A (zh) | 基于数据融合匹配的反欺诈分析方法、装置、设备及介质 | |
CN109684467A (zh) | 一种文本的分类方法及装置 | |
CN114897099A (zh) | 基于客群偏差平滑优化的用户分类方法、装置及电子设备 | |
CN112330427B (zh) | 用于商品排序的方法、电子设备和存储介质 | |
CN113935802A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN115049383A (zh) | 组合支付推荐方法、装置、电子设备及存储介质 | |
CN113947431A (zh) | 一种用户行为质量评估方法、装置、设备和存储介质 |
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 |