CN113781171A - 信息推送方法、装置、设备及存储介质 - Google Patents

Abstract

本申请涉及人工智能技术领域，提供了一种信息推送方法、装置、设备及存储介质，其中方法包括：接收用户在购物应用程序上提交的第一物品的交易订单；基于所述第一物品的属性信息确定所述第一物品关联的第二物品；获取所述第二物品的推荐值；基于所述第二物品的推荐值对所述用户的推荐列表进行更新，得到目标推荐列表；在所述交易订单的显示页面上，显示所述目标推荐列表对应的推送信息。采用本申请，可提高推送的准确率。

Description

信息推送方法、装置、设备及存储介质

技术领域

本申请涉及人工智能技术领域，主要涉及了一种信息推送方法、装置、设备及存储介质。

背景技术

由于计算机技术和电子商务的快速发展，人们越来越***台为了让用户更方便、更高效的选择到用户想买的物品，通过用户的搜索记录和浏览历史给用户推荐相同或相关的物品。然而，用户有时搜索某种物品，可能不是为了购买，而是为了查看该物品的相关参数。若一直推送该物品，则会占用其他可能会被用户购买的物品的推送的位置，导致推送的准确率较低。如何提高推送的准确率一直是本领域技术人员待解决的技术问题。

发明内容

本申请实施例提供了一种信息推送方法、装置、设备及存储介质，可提高推送的准确率。

第一方面，本申请实施例提供一种信息推送方法，其中：

接收用户在购物应用程序上提交的第一物品的交易订单；

基于所述第一物品的属性信息确定所述第一物品关联的第二物品；

获取所述第二物品的推荐值；

基于所述第二物品的推荐值对所述用户的推荐列表进行更新，得到目标推荐列表；

在所述交易订单的显示页面上，显示所述目标推荐列表对应的推送信息。

第二方面，本申请实施例提供一种信息推送装置，其中：

通信单元，用于接收用户在购物应用程序上提交的第一物品的交易订单；

处理单元，用于基于所述第一物品的属性信息确定所述第一物品关联的第二物品；获取所述第二物品的推荐值；基于所述第二物品的推荐值对所述用户的推荐列表进行更新，得到目标推荐列表；

显示单元，用于在所述交易订单的显示页面上，显示所述目标推荐列表对应的推送信息。

第三方面，本申请实施例提供一种计算机设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，所述程序包括用于如第一方面中所描述的部分或全部步骤的指令。

第四方面，本申请实施例提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序使得计算机执行以实现如第一方面中所描述的部分或全部步骤。

实施本申请实施例，将具有如下有益效果：

采用了上述的信息推送方法、装置、设备及存储介质之后，若接收到用户在购物应用程序上提交的第一物品的交易订单，则基于第一物品的属性信息确定与第一物品关联的第二物品。再获取所述第二物品的推荐值，并基于该推荐值对用户的推荐列表进行更新，得到目标推荐列表。然后，在交易订单的显示页面上，显示该目标推荐列表对应的推送信息。如此，能够基于当前提交的交易订单进行推送列表更新，可提高推送的准确率。

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的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为本申请实施例提供的一种信息推送方法的流程示意图；

图2为本申请实施例提供的一种信息推送装置的结构示意图；

图3为本申请实施例提供的一种计算机设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。根据本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本申请实施例应用的网络架构包括服务器和电子设备。本申请实施例不限定电子设备和服务器的数量，服务器可同时为多个电子设备提供服务。服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。服务器或者可以通过多个服务器组成的服务器集群来实现。

电子设备可以是个人计算机(personal computer，PC)、笔记本电脑或智能手机，还可以是一体机、掌上电脑、平板电脑(pad)、智能电视播放终端、车载终端或便捷式设备等。PC端的电子设备，例如一体机等，其操作***可以包括但不限于Linux***、Unix***、Windows系列***(例如Windows xp、Windows 7等)、Mac OS X***(苹果电脑的操作***)等操作***。移动端的电子设备，例如智能手机等，其操作***可以包括但不限于安卓***、IOS(苹果手机的操作***)、Window***等操作***。

服务器用于为电子设备提供服务。本申请实施例中的电子设备可以安装并运行应用程序，服务器可以是电子设备所安装的应用程序对应的服务器，为应用程序提供应用服务。其中，应用程序可以是单独集成的应用软件，或其它应用中嵌入的小程序，或者网页上的***等，在此不做限定。

例如，用户在购物应用程序的页面上输入针对目标词汇的搜索指令。电子设备接收到该搜索指令，向服务器发送针对该目标词汇的搜索请求。服务器响应该搜索请求，向电子设备提供反馈的搜索结果。电子设备在购物应用程序的页面上显示该搜索结果，该搜索结果可以包括该目标词汇对应的多个物品的图像信息和价格信息等信息。搜索结果中物品的信息可按照物品和目标词汇的关联性，以及物品的销量和价格等进行显示，在此不做限定。

在本申请实施例中，可预先存储用户的历史记录。该历史记录可以包括用户在购物应用程序中的历史搜索记录、用户在购物应用程序中的历史浏览记录以及用户的历史购买记录等。历史记录或者可以包括用户所有的历史记录，例如，在其他应用程序中搜索、浏览或购买物品的记录等。历史记录或者可以包括用户在指定时段的历史记录。例如，去年618活动期间到当前时间所有的历史记录，或者可以为去年618活动期间和去年双十一活动期间，以及今年搜索的历史记录等。历史记录或者可以为当前购物应用程序中未删除的历史记录等。

历史记录可以包括用户从进入购物应用程序到提交第一物品的交易订单的搜索浏览记录。可以包括以下几种场景，例如，当用户在购物应用程序中输入搜索词之后，得到搜索结果。从搜索结果中选择第一物品，并提交第一物品的交易订单。又例如，当用户通过复制文本或扫描二维码，进入购物应用程序的第一物品的页面之后，用户提交第一物品的交易订单。又例如，当用户进入购物应用程序中，从当前展示的页面或推送的页面中选择第一物品，并提交第一物品的交易订单等。

在本申请实施例中，可预先存储用户的推荐列表。该推荐列表中可包括基于历史记录确定的物品。例如，浏览多次的物品、已购订单中重复购买或关联的物品、未购心愿信息中的物品等。其中，已购订单可以包括用户在购物应用程序中购买物品而形成的交易订单。已购订单可以包括所有的购买订单，或者可以包括用户在指定时段的购买订单。该指定时段可以与历史搜索浏览记录的指定时段相等或不等。已购订单按照状态可分为待发货、待收货、待评价、退款及售后等。已购订单可以从购物应用程序对应的服务器中获取。

未购心愿信息包括用户在购物应用程序的购物车中添加的物品信息。未购心愿信息还可包括用户标记为喜欢或用户已收藏，但未购买的物品信息。例如，收藏夹中的宝贝、心愿单中的物品、待付款的物品等。未购心愿信息可以从购物车、收藏夹、心愿单、待付款等信息中获取。

可以理解，通过用户的历史记录，可确定用户搜索或浏览的每一物品中停留的时长和/或次数，从而可根据停留的时长和/或次数确定用户是否对物品感兴趣，得到用户感兴趣的物品，以及不感兴趣的物品。且该历史记录包括用户从进入购物应用程序到提交第一物品的交易订单的搜索浏览记录。如此，通过搜索浏览信息，可猜测用户在浏览物品(或购买第一物品)时的心理活动，例如，相关物品的选择、是否为凑单等。还可分析停留次数和/或时长大于一个阈值的物品的属性信息，从而得到用户偏好的属性。如此，可将满足用户偏好的属性的物品加入推荐列表。

已购订单中的物品被购买，表示用户对此已购订单中的物品感兴趣。进一步的，还可根据已购订单是否被退回，来确定用户是否不满意此物品。或者可根据已购订单中物品的回购次数，来确定用户对此物品感兴趣。或者可以根据已购订单的评论信息，来确定用户是否满意此物品。

推荐列表中的物品可以包括已购订单中评价值大于一个阈值的物品，或者已购订单中重复购买的物品，或者易耗品等。其中，评价值可以依据用户给每一物品填写的评价信息，或购物应用程序或网络上搜索到的评价信息进行打分得到的数值，或者可以为基于销量信息、或加入未购心愿订单的时间、或与已购订单中物品的相似值进行打分得到的数值等，在此不做限定。可以理解，评价值大于一个阈值，可以表示该物品认可度较高，适合回购。重复购买的物品，可以表示用户对其物品的使用满意，适合继续回购。易耗品是指使用需求较大的物品，例如，纸制品等生活用品，适合囤货。推送以上物品为可能会购买的产品，可提高推送的准确率。

用户的未购心愿信息中的物品，是用户希望购买的物品。推荐列表中的物品可以包括未购心愿信息中多次被浏览的物品。可以理解，用户多次浏览物品，则表示用户对该物品的购买意图强烈。可以将未购心愿信息中用户多次浏览的物品加入推荐列表。

推荐列表中的物品可以包括未购心愿信息中加入时间较短的物品。可以理解，若未购心愿信息中的物品加入时间比较久远，则表示用户可能忘记了去购买该物品，或表示当初添加该物品可能是为了完成任务，从而确定该物品不是用户感兴趣的物品。因此，可以将未购心愿信息中加入时间较短的物品加入推荐列表。

上述的历史记录和推荐订单还可存储于区块链网络上创建一个区块中。区块链(Blockchain)是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。可见，通过区块链分布式存储数据，在保证数据安全性的同时，可实现信息在不同平台之间的数据共享。

本申请实施例提出的一种信息推送方法，该方法可以由信息推送装置执行，其中该装置可由软件和/或硬件实现，一般可集成在电子设备或服务器中，能够基于当前提交的交易订单进行推送列表更新，提高了推送的准确率。

请参照图1，图1是本申请提供的一种信息推送方法的流程示意图。以该方法应用在服务器为例进行举例说明，包括如下步骤S101～S105，其中：

S101：接收用户在购物应用程序上提交的第一物品的交易订单。

本申请对于用户、购物应用程序和第一物品均不做限定，交易订单用于实现第一物品的交易。也就是说，在用户提交第一物品的交易订单之后，可生成第一物品的交易支付页面，等待用户完成交易。在用户完成交易之后，可显示交易完成的页面。需要说明的是，在用户完成第一物品的交易订单之后，已购订单包括用户在购物应用程序上完成的第一物品的交易订单。

S102：基于所述第一物品的属性信息确定所述第一物品关联的第二物品。

在本申请实施例中，第二物品与第一物品关联。第一物品的属性信息可包括商品类型，该商品类型可按照部位分为上衣和裤子等；或者可按照颜色分为绿色、蓝色、红色等；或者可按照款式分为休闲、正式、露肩、不规则、拼接等；或者可按照用户类型分为男人、女人、小孩、老人等；或者可按照物品形态分为液体和固体等；或者可按照物品属性分为日用、电子产品、电子卡券等；或者可按照物品价格分为0-100、100-500、500-1000、1000以上等。第一物品的属性信息还可以包括第一物品的评价信息和销量信息等，本申请对于物品的属性信息的类型不作限定。

第二物品可以依据以上描述的至少一种属性信息查找得到。第二物品或者可以根据预先存储的各个物品和同一商品类型关联的物品之间的映射关系进行确定。该映射关系可以为物品本身之间的关系，例如，酒和酒具之间的关系等。该映射关系或者可以基于数据分析得到，该数据可以为关联订单中关联物品的购买概率。

其中，关联订单可以为购物应用程序中的用户(包括步骤S101中的用户和其他的用户)，在购买第一物品之后的预设时长内，会购买其他物品而产生的交易订单。或者可以为在购买第一物品之后的推荐页面中选择购买的其他物品，而物品的交易订单等。如此，通过各个物品和关联物品之间的映射关系查找与第一物品关联的第二物品，可提高确定第二物品的效率和准确率。

S103：获取所述第二物品的推荐值。

在本申请实施例中，推荐值用于描述第二物品推送给用户，会被用户购买的概率。可以根据已购订单中已购的物品和第二物品的相似值进行确定。可以理解，若第二物品与已购的物品相似，且已购的物品为易耗品或回购概率较大的物品，则第二物品的购买概率大。若第二物品与已购的物品不相似，但第二物品的风格贴合用户购买物品的风格，则第二物品的购买概率大。

推荐值或者可以根据未购心愿信息中的物品和第二物品的相似值进行确定，可以理解，若第二物品与未购心愿信息中的物品相似，表示再次推送，可提高用户购买第二物品的购买力，则第二物品的购买概率大。若第二物品与已购的物品不相似，表示用户购买此类第二物品的购买概率小。

在一种可能的示例中，步骤S103可以包括以下步骤A1～A4，其中：

A1：基于所述第二物品的属性信息确定所述第二物品的推荐概率。

在本申请实施例中，推荐概率用于描述产品本身的推荐值。可以理解，已购订单中的产品由于已被购买，短时间内进行购买的概率较小，则推荐概率较小。但是一些复购概率大的产品，例如，肤品、衣服、卫生纸等，属于所需使用的产品，推荐概率较大。评价信息较好的推荐概率大于评价信息较差的推荐概率。长时间处于未购心愿信息中的产品，会被购买的推荐概率小于新加入的产品的推荐概率。未购心愿信息中与已购订单中重复类型的产品的推荐概率较小。因此，基于第二物品的属性信息确定第二物品的推荐概率，可提高确定推荐概率的准确率，有利于提高确定推荐值的准确率。

在一种可能的示例中，步骤A1包括以下步骤A11～A13，其中：

A11：基于所述第二物品的属性信息获取所述第二物品的推荐评分。

在本申请实施例中，推荐评分用于描述第二物品本身的推荐值。可以通过属性信息中或获取的销量信息和/或评价信息等对应的评价值进行加权计算得到推荐评分。如此，可提高获取推荐评分的准确率。

销量信息可包括第二物品在指定时段(例如，当月或当前活动期间)的销量，还可包括第二物品的购买曲线等。其中，销量是指卖出的第二物品的数量，可以包括指定店铺(例如，旗舰店)或指定购物应用程序的销量，或第二物品的全网的销量等。可以理解，销量大的购买概率会大于销量小的购买概率。因此，基于销量信息获取第二物品的推荐评分，便于提高确定推荐值的准确率。

购买曲线是指销量和时间对应的曲线。可以理解，不同产品在不同季节或不同时段的购买力度不同。例如，夏季的冷饮产品的销量会大于冬季的冷饮产品的销量。基于此，基于第二物品的购买曲线获取第二物品的推荐评分，便于进一步提高确定推荐值的准确率。

评价信息的内容可参考前述，可以基于用户给每一产品填写的评价信息，或购物应用程序或网络上搜索到的评价信息进行打分得到的数值，或者可以为基于销量信息、或加入未购心愿订单的时间、或与已购订单中产品的相似值进行打分得到的数值等，在此不再赘述。可以理解，基于第二物品的评价信息获取第二物品的推荐评分，便于提高确定推荐值的准确率。

A12：基于所述第二物品的属性信息获取所述第二物品在所述第一物品购买之后的购买概率。

在本申请实施例中，购买概率可以通过购物应用程序中记录的购买第一物品之后的购买数据进行统计得到。其中，购买数据可以包括与第一物品的交易订单的完成时间之间的时间间隔小于一个预设时长(例如，半小时，10分钟等)的目标交易订单。如此，可以通过目标交易订单中第二物品的占比作为第二物品在第一物品购买之后的购买概率，从而从统计的角度获取购买概率。

购买概率或者可以通过第二物品和第一物品之间的关联值进行获取等，在此不做限定。其中，关联值可以为第一物品和第二物品之间的相似性以及使用的关联性等进行确定。关联值或者可以第一物品的价格和用户的剩余使用金额之间的差值确定购买第二物品的概率进行确定等，差值越大，购买第二物品的概率越大。如此，从用户在购买第一物品之后会购买第二物品的角度获取购买概率，可提高获取购买概率的准确率。

需要说明的是，本申请对于步骤A11和步骤A12的执行顺序不做限定。也就是说，可以先执行步骤A11，再执行步骤A12。或者可以先执行步骤A12，再执行步骤A11。或者可以同时执行。

A13：基于所述购买概率和所述推荐评分计算所述第二物品的推荐概率。

在本申请实施例中，推荐概率可以为购买概率和推荐评分进行加权计算得到的数值。如此，通过设置购买概率和推荐评分对应的预设权值，可提高计算推荐概率的准确率。

可以理解，在步骤A11～A13中，基于第二物品的属性信息获取第二物品的推荐评分，以及第二物品在第一物品购买之后的购买概率。再基于推荐评分和购买概率计算第二物品的推荐概率，可提高确定推荐概率的准确率。

A2：从所述历史记录中选取所述第二物品的属性信息对应的目标历史记录。

在本申请实施例中，用户的历史记录可以从电子设备中的缓存中获取，或者可以从购物应用程序对应的服务器中获取，或从上述的区块链中获取等，在此不做限定。可以理解，基于用户的历史记录获取第二物品的推荐值，可提高获取推荐值的准确率。

目标历史记录为与第二物品的属性信息相同或相类似的历史记录。相类似可以理解为物品的商品类型相同、形态相似、用途相似等。基于目标历史记录获取第二物品的推荐值，可进一步提高获取推荐值的准确率。

A3：基于所述目标历史记录确定所述用户对所述第二物品的偏好值。

在本申请实施例中，偏好值用于描述用户可能会喜欢购买第二物品的概率。基于物品的偏好值确定物品的推荐值，可提高确定推荐值的准确率。本申请对于确定偏好值的方法不做限定，在一种可能的示例中，步骤A3可以包括以下步骤A31和步骤A32，其中：

A31：基于所述目标历史记录获取所述用户的平均浏览时长和购买成功率。

在本申请实施例中，浏览时长可以为每一物品进行浏览的时长，可以包括从搜索到购买物品之间的购买时长。平均浏览时长可以为各个目标搜索浏览记录中浏览物品的浏览时长的平均值，或者可以为各个目标搜索浏览记录中购买物品花费的购买时长的平均值等。

购买成功率用于描述目标搜索浏览记录中购买物品的概率，可以基于已购订单的时间和目标搜索浏览记录的时间进行确定，或者基于搜索词和最后购买的物品之间的关联性进行确定等。

A32：基于所述平均浏览时长和所述购买成功率计算所述第二物品的偏好值。

在本申请实施例中，评好值可以基于平均浏览时长和购买成功率进行加权计算得到的数值进行确定；或者可以基于平均浏览时长对应的第一偏好值和购买成功率之间的乘积进行计算得到等，在此不做限定。

可以理解，在步骤A31和步骤A32中，基于目标历史记录获取的用户的平均浏览时长和购买成功率计算第二物品的偏好值，可提高确定偏好值的准确率。

A4：根据所述推荐概率和所述偏好值确定所述第二物品的推荐值。

在本申请实施例中，推荐值可以为偏好值和推荐概率之间的乘积，或者可以为对偏好值和推荐概率进行加权计算得到的数值等，在此不做限定。

可以理解，在步骤A1～A4中，先确定第二物品的推荐概率和偏好值，再基于推荐概率和偏好值确定第二物品的推荐值，可提高确定偏好值的准确率。

S104：基于所述第二物品的推荐值对所述用户的推荐列表进行更新，得到目标推荐列表。

在本申请实施例中，用户的推荐列表可以从电子设备中的缓存中获取，或者可以从购物应用程序对应的服务器中获取，或从上述的区块链中获取等，在此不做限定。可以理解，通过更新用户的推荐列表，可提高推送的准确率。

目标推荐列表是更新之后的推荐列表，本申请对于更新推荐列表的方法不做限定，可以将推荐列表中与第一物品关联的物品的推送顺序进行提前。可以理解，用户在购买第一物品之后，可能会购买相关联的物品。例如，买了酒，可能还会买酒具；买了手机，可能还会买手机壳、钢化膜、耳机；买了空调，可能还会买洗衣机、电视机等。

在一种可能的示例中，步骤S104包括以下步骤：若所述用户的推荐列表中的第三物品与所述第二物品匹配成功，则将所述第三物品的推荐值替换为所述第二物品的推荐值，得到参考推荐列表；从所述第二物品中选取所述推荐值大于第一阈值的第四物品，选取所述推荐值小于第二阈值的第五物品；若所述第四物品不属于所述参考推荐列表，则在所述参考推荐列表中增加所述第四物品；若所述第五物品属于所述参考推荐列表，则在所述参考推荐列表中删除所述第五物品。

在本申请实施例中，第三物品为用户的推荐列表中和第二物品匹配成功的物品。也就是说，第三物品的属性信息和第二物品的属性信息之间的匹配值为1，或者大于一个指定的阈值(例如，80％，90％等)。可以理解，若第三物品和第二物品匹配成功，则表示推荐列表中包括第一物品的交易订单提交之前的推荐值。因此，在提交该交易订单之后，将推荐列表中的物品的推荐值进行更新，有利于提高推送的准确率和实时性。

参考推荐列表为将第三物品的推荐值替换为第二物品的推荐值的推荐列表。若推荐列表中不包括与第二物品匹配成功的第三物品，则参考推荐列表等于推荐列表。

第四物品的推荐值大于第一阈值，第五物品的推荐值小于第二阈值。本申请对于第一阈值和第二阈值不做限定，第一阈值大于或等于第二阈值。第一阈值和第二阈值可以基于推荐列表中物品的推荐值的平均值进行确定等。

可以理解，第四物品的推荐值大于第一阈值，则表示第四物品值得推送。若第四物品属于用户更新之后的参考推荐列表，则无需增加第四物品，否则需要将第四物品增加到参考推荐列表中。第五物品的推荐值小于第二阈值，则表示第五物品不值得推送。若第五物品属于用户的参考推荐列表，则可以从参考推荐列表中删除该第五物品，否则，不需要删除第五物品。

在该示例中，先确定用户的推荐列表是否包括与第二物品匹配成功的第三物品。若是，则先对推荐列表进行更新，得到参考推荐列表。如此，可提高推送的准确率和实时性。再基于第二物品的推荐值和第一阈值、第二阈值之间的大小关系，从第二物品中获取第四物品和第五物品。再基于第四物品和第五物品是否在用户的参考推荐列表中，对参考推荐列表进行更新。如此，可删除推荐列表中不推荐的第五产品，并增加值得推荐的第四产品，从而进一步提高推荐的准确率和实时性。

在一种可能的示例中，所述推荐列表包括未购心愿信息中的第六物品，所述方法还包括：获取所述第六物品的加入时间和\或与所述第一物品之间的相似值；若所述相似值大于第三阈值，或所述加入时间大于第四阈值，则在所述推荐列表中删除确定所述第六物品。

其中，第六物品是指未购心愿信息中所涉及的物品。第六物品与第一物品之间的相似值可以基于第六物品的属性信息和第一物品的属性信息之间的相似程度进行确定。

本申请对于第三阈值和第四阈值不做限定。第三阈值可以基于与第一物品关联的第二物品的数量进行确定等。第四阈值可以基于未购心愿信息中所有第六物品的加入时间的平均值进行确定等。

可以理解，若第六物品和第一物品之间的相似值大于第三阈值，则表示第六物品和第一物品为同类型的物品，重复购买的概率小，可以从推荐列表中删除第六物品。若第六物品加入未购心愿信息的加入时间大于第四阈值，则表示用户对于第六物品的购买意图不强烈，可以从推荐列表中删除第六物品，有利于提高推送的准确率。

S105：在所述交易订单的显示页面上，显示所述目标推荐列表对应的推送信息。

在本申请实施例中，交易订单的显示页面可以为提交交易订单之后，生成交易支付页面，或者可以为交易完成之后的页面等，在此不做限定。本申请对于显示目标推荐列表对应的推送信息的方法不做限定，在一种可能的示例中，步骤S105包括以下步骤B1～B4，其中：

B1：从所述目标推荐列表的物品中选取目标物品。

在本申请实施例中，目标物品为目标推荐列表中选取的推送给用户的物品。本申请对于选取目标物品的方法不做限定，可以基于各个物品的推荐值进行排序，选取预设数量的目标物品。其中，与第一物品关联的物品的推荐值可参照步骤A2的描述，在此不再赘述。与第一物品不关联的物品的推荐值可参照推荐列表中原先标记的推荐值进行获取。原先标记的推荐值可基于物品的属性信息获取的推荐概率进行获取等，在此不做限定。且本申请对于预设数量不做限定，可以为一个或多个，通常为多个。

B2：基于所述目标物品的属性信息提取所述目标物品的关键词。

在本申请实施例中，关键词可以为目标物品的广告、活动力度等物品特征。在一种可能的示例中，步骤B2可以包括以下步骤：对所述目标物品的属性信息进行分类，得到至少两个子属性信息组；确定所述子属性信息组的物品特征；基于所述物品特征确定所述目标物品的关键词。

其中，子属性信息组可以基于物品的属性信息进行分类，例如，颜色、形状、生产日期、销量、广告语、代言人、评论信息等。关键词可以为所有子物品信息组的物品特征的组合，或者可以为所有子物品信息组的物品特征中挑选的物品特征的组合。

可以理解，在该示例中，先对目标物品的属性信息进行分类。再确定分类得到的每组子属性信息组的物品特征，并基于该物品特征确定目标物品的关键词。如此，可提高确定关键词的代表性和准确率。

B3：基于所述关键词和所述目标物品的推荐值生成所述目标物品的推送信息。

在本申请实施例中，目标物品的推送信息可以为关键词和推荐值对应的信息。或者可以为基于推荐值选取的关键词，例如，若目标物品的数量为3，则最大的推荐值对应的目标物品，可以选取3个关键词作为该目标物品的推送信息。中间的推荐值对应的目标物品，可以选取2个关键词作为该目标物品的推送信息。最小的推荐值对应的目标物品，可以选取1个关键词作为该目标物品的推送信息。

目标物品的推送信息可以包括目标物品的物品特征、价格或活动力度，还可以包括目标物品的推荐值等。若目标物品的数量为大于或等于2个，推送信息可以包括每个目标物品的推送信息，或者可以包括目标物品的推送信息中的共性特征。

B4：显示所述推送信息。

在本申请实施例中，可以按照推荐值的大小依次向用户推送目标物品的推送信息，以使用户的电子设备中显示该推送信息。或者可以按照推荐值的大小依次向用户推送目标物品的关键词，再推送用户选择的关键词对应的目标物品的推送的内容。

可以理解，在步骤B1～B4中，从目标推荐列表的物品中选取目标物品，可提高推送的精准度。再基于目标物品的推荐值和目标物品的属性信息提取的关键词生成目标物品的推送信息，再向用户推送该推送信息，可提高推送效果。

在图1所示的方法中，若接收到用户在购物应用程序上提交的第一物品的交易订单，则基于第一物品的属性信息确定与第一物品关联的第二物品。再获取第二物品的推荐值，并基于该推荐值对用户的推荐列表进行更新，得到目标推荐列表。然后，在交易订单的显示页面上，显示该目标推荐列表对应的推送信息。如此，能够基于当前提交的交易订单进行推送列表更新，可提高推送的准确率。

上述详细阐述了本申请实施例的方法，下面提供了本申请实施例的装置。

与图1所示的实施例一致，请参照图2，图2是本申请提出的一种信息推送装置的结构示意图，如图2所示，上述信息推送装置200包括：

通信单元201，用于接收用户在购物应用程序上提交的第一物品的交易订单；

处理单元202，用于基于所述第一物品的属性信息确定所述第一物品关联的第二物品；获取所述第二物品的推荐值；基于所述第二物品的推荐值对所述用户的推荐列表进行更新，得到目标推荐列表；

显示单元203，用于在所述交易订单的显示页面上，显示所述目标推荐列表对应的推送信息。

在一个可能的示例中，所述处理单元202具体用于基于所述第二物品的属性信息确定所述第二物品的推荐概率；从所述历史记录中选取所述第二物品的属性信息对应的目标历史记录；基于所述目标历史记录确定所述用户对所述第二物品的偏好值；根据所述推荐概率和所述偏好值计算所述第二物品的推荐值。

在一个可能的示例中，所述处理单元202具体用于基于所述第二物品的属性信息获取所述第二物品的推荐评分；基于所述第二物品的属性信息获取所述第二物品在所述第一物品购买之后的购买概率；基于所述购买概率和所述推荐评分计算所述第二物品的推荐概率。

在一个可能的示例中，所述处理单元202具体用于基于所述目标历史记录获取所述用户的平均浏览时长和购买成功率；基于所述平均浏览时长和所述购买成功率计算所述第二物品的偏好值。

在一个可能的示例中，所述处理单元202具体用于若所述用户的推荐列表中的第三物品与所述第二物品匹配成功，则将所述第三物品的推荐值替换为所述第二物品的推荐值，得到参考推荐列表；从所述第二物品中选取所述推荐值大于第一阈值的第四物品；从所述第三物品中选取所述推荐值小于第二阈值的第五物品；若所述第四物品不属于所述参考推荐列表，则在所述参考推荐列表中增加所述第四物品；或者若所述第五物品属于所述参考推荐列表，则在所述参考推荐列表中删除所述第五物品。

在一个可能的示例中，所述推荐列表包括未购心愿信息中的第六物品，所述处理单元202还用于获取所述第六物品的加入时间和\或与所述第一物品之间的相似值；若所述相似值大于第三阈值，或所述加入时间大于第四阈值，则在所述推荐列表中删除确定所述第六物品。

在一个可能的示例中，所述处理单元202还用于从所述目标推荐列表的物品中选取目标物品；基于所述目标物品的属性信息提取所述目标物品的关键词；基于所述关键词和所述目标物品的推荐值生成所述目标物品的推送信息；所述显示单元203具体用于显示所述推送信息。

该信息推送装置200中各个单元执行详细过程可以参见前述方法实施例中的执行步骤，此处不在赘述。

与图1的实施例一致，请参照图3，图3是本申请实施例提供的一种计算机设备的结构示意图。如图3所示，该计算机设备300包括处理器310、存储器320、通信接口330以及一个或多个程序340。处理器310、存储器320和通信接口330之间通过总线350互相连接。图2所示的处理单元202和显示单元203所实现的相关功能可通过处理器310来实现。图2所示的显示单元203所实现的相关功能还可通过图3未示出的显示器来实现。图2所示的通信单元201所实现的相关功能可通过通信接口330来实现。

上述一个或多个程序340被存储在上述存储器320中，并且被配置由上述处理器310执行，上述程序340包括用于执行以下步骤的指令：

接收用户在购物应用程序上提交的第一物品的交易订单；

基于所述第一物品的属性信息确定所述第一物品关联的第二物品；

获取所述第二物品的推荐值；

基于所述第二物品的推荐值对所述用户的推荐列表进行更新，得到目标推荐列表；

在所述交易订单的显示页面上，显示所述目标推荐列表对应的推送信息。

在一个可能的示例中，在所述获取所述第二物品的推荐值方面，所述程序340具体用于执行以下步骤的指令：

基于所述第二物品的属性信息确定所述第二物品的推荐概率；

从所述历史记录中选取所述第二物品的属性信息对应的目标历史记录；

基于所述目标历史记录确定所述用户对所述第二物品的偏好值；

根据所述推荐概率和所述偏好值计算所述第二物品的推荐值。

在一个可能的示例中，在所述基于所述第二物品的属性信息确定所述第二物品的推荐概率方面，所述程序340具体用于执行以下步骤的指令：

基于所述第二物品的属性信息获取所述第二物品的推荐评分；

基于所述第二物品的属性信息获取所述第二物品在所述第一物品购买之后的购买概率；

基于所述购买概率和所述推荐评分计算所述第二物品的推荐概率。

在一个可能的示例中，在所述基于所述目标历史记录确定所述用户对所述第二物品的偏好值方面，所述程序340具体用于执行以下步骤的指令：

基于所述目标历史记录获取所述用户的平均浏览时长和购买成功率；

基于所述平均浏览时长和所述购买成功率计算所述第二物品的偏好值。

在一个可能的示例中，在所述基于所述第二物品的推荐值对所述用户的推荐列表进行更新，得到目标推荐列表方面，所述程序340具体用于执行以下步骤的指令：

若所述用户的推荐列表中的第三物品与所述第二物品匹配成功，则将所述第三物品的推荐值替换为所述第二物品的推荐值，得到参考推荐列表；

从所述第二物品中选取所述推荐值大于第一阈值的第四物品；

从所述第三物品中选取所述推荐值小于第二阈值的第五物品；

若所述第四物品不属于所述参考推荐列表，则在所述参考推荐列表中增加所述第四物品；或者

若所述第五物品属于所述参考推荐列表，则在所述参考推荐列表中删除所述第五物品。

在一个可能的示例中，所述推荐列表包括未购心愿信息中的第六物品，所述程序340还用于执行以下步骤的指令：

获取所述第六物品的加入时间和\或与所述第一物品之间的相似值；

若所述相似值大于第三阈值，或所述加入时间大于第四阈值，则在所述推荐列表中删除确定所述第六物品。

在一个可能的示例中，在所述显示所述目标推荐列表对应的推送信息方面，所述程序340具体用于执行以下步骤的指令：

从所述目标推荐列表的物品中选取目标物品；

基于所述目标物品的属性信息提取所述目标物品的关键词；

基于所述关键词和所述目标物品的推荐值生成所述目标物品的推送信息；

显示所述推送信息。

本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于存储计算机程序，该计算机程序使得计算机执行以实现方法实施例中记载的任一方法的部分或全部步骤，计算机包括电子设备和服务器。

本申请实施例还提供一种计算机程序产品，计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，计算机程序可操作来使计算机执行以实现方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，计算机包括电子设备和服务器。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模式并不一定是本申请所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如至少一个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到至少一个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模式的形式实现。

集成的单元如果以软件程序模式的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。根据这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(read-only memory，ROM)、随机存取存储器(random accessmemory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种信息推送方法，其特征在于，包括：

接收用户在购物应用程序上提交的第一物品的交易订单；

基于所述第一物品的属性信息确定所述第一物品关联的第二物品；

获取所述第二物品的推荐值；

基于所述第二物品的推荐值对所述用户的推荐列表进行更新，得到目标推荐列表；

在所述交易订单的显示页面上，显示所述目标推荐列表对应的推送信息。

2.根据权利要求1所述的方法，其特征在于，所述获取所述第二物品的推荐值，包括：

基于所述第二物品的属性信息确定所述第二物品的推荐概率；

从所述历史记录中选取所述第二物品的属性信息对应的目标历史记录；

基于所述目标历史记录确定所述用户对所述第二物品的偏好值；

根据所述推荐概率和所述偏好值计算所述第二物品的推荐值。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第二物品的属性信息确定所述第二物品的推荐概率，包括：

基于所述第二物品的属性信息获取所述第二物品的推荐评分；

基于所述第二物品的属性信息获取所述第二物品在所述第一物品购买之后的购买概率；

基于所述购买概率和所述推荐评分计算所述第二物品的推荐概率。

4.根据权利要求2所述的方法，其特征在于，所述基于所述目标历史记录确定所述用户对所述第二物品的偏好值，包括：

基于所述目标历史记录获取所述用户的平均浏览时长和购买成功率；

基于所述平均浏览时长和所述购买成功率计算所述第二物品的偏好值。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述基于所述第二物品的推荐值对所述用户的推荐列表进行更新，得到目标推荐列表，包括：

若所述用户的推荐列表中的第三物品与所述第二物品匹配成功，则将所述第三物品的推荐值替换为所述第二物品的推荐值，得到参考推荐列表；

从所述第二物品中选取所述推荐值大于第一阈值的第四物品，选取所述推荐值小于第二阈值的第五物品；

若所述第四物品不属于所述参考推荐列表，则在所述参考推荐列表中增加所述第四物品；或者

若所述第五物品属于所述参考推荐列表，则在所述参考推荐列表中删除所述第五物品。

6.根据权利要求5所述的方法，其特征在于，所述第三物品包括未购心愿信息中的第六物品，所述方法还包括：

获取所述第六物品的加入时间和\或与所述第一物品之间的相似值；

若所述相似值大于第三阈值，或所述加入时间大于第四阈值，则在所述推荐列表中删除确定所述第六物品。

7.根据权利要求1-4中任一项所述的方法，其特征在于，所述显示所述目标推荐列表对应的推送信息，包括：

从所述目标推荐列表的物品中选取目标物品；

基于所述目标物品的属性信息提取所述目标物品的关键词；

基于所述关键词和所述目标物品的推荐值生成所述目标物品的推送信息；

显示所述推送信息。

8.一种信息推送装置，其特征在于，包括：

通信单元，用于接收用户在购物应用程序上提交的第一物品的交易订单；

处理单元，用于基于所述第一物品的属性信息确定所述第一物品关联的第二物品；获取所述第二物品的推荐值；基于所述第二物品的推荐值对所述用户的推荐列表进行更新，得到目标推荐列表；

显示单元，用于在所述交易订单的显示页面上，显示所述目标推荐列表对应的推送信息。

9.一种计算机设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求1-7中任一项方法中的步骤的指令。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，所述计算机程序使得计算机执行以实现权利要求1-7中任一项所述的方法。

Images