CN114707075A - 一种冷启动推荐方法和设备 - Google Patents
一种冷启动推荐方法和设备 Download PDFInfo
- Publication number
- CN114707075A CN114707075A CN202210631258.6A CN202210631258A CN114707075A CN 114707075 A CN114707075 A CN 114707075A CN 202210631258 A CN202210631258 A CN 202210631258A CN 114707075 A CN114707075 A CN 114707075A
- Authority
- CN
- China
- Prior art keywords
- commodity
- recommendation list
- user
- access record
- model
- 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
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
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
本申请实施例提供一种冷启动推荐方法和设备,涉及终端技术领域,能够解决推荐***的冷启动问题。该方法应用于服务器,具体包括:接收来自终端设备的获取推荐列表请求,获取推荐列表请求包括新用户所使用的终端设备的型号;确定第一型号对应的第一商品访问记录和第一版块访问记录,第一应用为购物类应用,第二应用为社区类应用;根据第一商品访问记录得出第一推荐列表;根据第一版块访问记录得出第二推荐列表;确定第一型号的相似型号和相似型号对应的第二商品访问记录,并根据第二商品访问记录,得出第三推荐列表,对第一推荐列表、第二推荐列表和第三推荐列表中的商品信息进行去重、排序,得到最终推荐列表;向终端设备发送最终推荐列表。
Description
技术领域
本申请涉及终端技术领域,尤其涉及一种冷启动推荐方法和设备。
背景技术
推荐技术在如今的互联网产品中被广泛应用,例如,浏览器网站的搜索结果推荐、社区网站的话题推荐、购物网站的商品推荐、社交网站的交友推荐等。但是,现有的推荐大多为推荐***基于大量的用户数据得出的,当新用户首次使用互联网产品时,由于没有新用户的用户数据,因而推荐***也无法为新用户精准推荐。
上述无法为新用户精准推荐即为推荐***的冷启动问题。对此,大多互联网产品会设计相关的引导界面引导新用户使用社交网络账号登录,以便根据用户的社交网络账号获取用户数据,从而为用户进行个性化推荐。但是,为了保护隐私,新用户可能会避免使用社交网络账号登录,这样互联网产品将不能获取用户数据,推荐***也无法为新用户做精准推荐。
发明内容
有鉴于此,本申请提供了一种冷启动推荐方法和设备,能够解决推荐***的冷启动问题。
第一方面,本申请提供一种冷启动推荐方法,应用于服务器,方法包括:服务器接收来自终端设备的获取推荐列表请求,获取推荐列表请求包括新用户所使用的终端设备的型号,终端设备的型号为第一型号;确定第一型号对应的第一商品访问记录和第一版块访问记录,第一商品访问记录为从第一应用的商品访问记录中筛选得到的,第一版块访问记录为从第二应用的版块访问记录中筛选得到的,第一应用为购物类应用,第二应用为社区类应用;根据第一商品访问记录得出第一推荐列表;根据第一版块访问记录得出第二推荐列表;确定第一型号的相似型号和相似型号对应的第二商品访问记录,并根据第二商品访问记录,得出第三推荐列表,其中,第一推荐列表、第二推荐列表和第三推荐列表均包括商品信息和商品对应的打分结果;对第一推荐列表、第二推荐列表和第三推荐列表中的商品信息进行去重、排序,得到最终推荐列表,最终推荐列表用于为新用户推荐商品;服务器向终端设备发送最终推荐列表。
通常,若用户想要购买商品时,用户可以选择先通过社区类应用查询商品的功能介绍,然后根据商品的功能介绍,确定是否购买该商品,或者选择与该商品具有同等功能的其它商品。在确定出想要购买的商品后,接着打开购物类应用完成商品购买。
基于上述用户购买习惯,本申请利用购物类应用的商品访问记录和社区类应用的版块访问记录来解决推荐***的冷启动问题。由于购物类应用的商品访问记录和社区类应用的版块访问记录数量较大,服务器在没有新用户的其它有效数据的情况下,按照新用户所使用的终端设备的型号,对商品访问记录和版块访问记录作初步筛选,得到第一商品访问记录和第一版块访问记录。然后对第一商品访问记录和第一版块访问记录分别进行分析,得到第一推荐列表和第二推荐列表。
由于第一推荐列表是根据第一商品访问记录得到的,所以第一推荐列表是从历史购物方面,来确定用户的商品偏好。由于第二推荐列表是根据第一版块访问记录得到的,所以第二推荐列表是从社区版块方面,来确定用户的商品偏好。同时,本申请还根据第一型号的相似型号,确定第三推荐列表。由于相似型号的用户受众与第一型号的用户受众具有重叠的部分,所以利用相似型号,得出的第三推荐列表也可以表达用户偏好。
最后将第一推荐列表、第二推荐列表以及第三推荐列表进行处理,得出最终的推荐列表,可以认为最终推荐列表是通过多方面,如历史购物方面、社区版块方面和相似型号方面判断得到的,更符合新用户的偏好。这样,不仅解决了冷启动问题,由于推荐的商品更符合新用户的偏好,还能进一步增加用户粘性,提高用户满意度。
在一种可能的实现方式中,得出第三推荐列表之后,方法还包括:基于第一版块访问记录中每条版块访问记录涉及的帖子,确定每条版块访问记录涉及的帖子对应的第一类型词,为帖子和第一类型词创建映射关系,第一类型词为帖子中与产品名称相关的词;基于第一版块访问记录,确定用户偏好的帖子;根据映射关系,确定用户偏好的帖子对应的第一类型词;利用模糊匹配算法,确定第一类型词对应的商品信息,并根据第一类型词对应的商品信息,生成第四推荐列表;对第一推荐列表、第二推荐列表和第三推荐列表中的商品信息进行去重、排序,得到最终推荐列表,包括:对第一推荐列表、第二推荐列表、第三推荐列表和第四推荐列表中的商品信息进行去重、排序,得到最终推荐列表。
本申请方案中,对第一版块访问记录中的帖子进行打分,确定出用户偏好的帖子。然后基于帖子与帖子中与产品名称相关的词(第一类型词)的映射关系,得出用户偏好的帖子对应的第一类型词。用户偏好的帖子可以确定出用户的关注点,然后对用户的关注点做进一步处理,即确定用户偏好的帖子对应的第一类型词,从而得到用户关注的与产品名称相关的词。由于与产品名称相关的词不能直接对应到产品上,因此还需利用模糊匹配算法,将与产品名称相关的词和产品进行匹配,匹配后得到第四推荐列表。本申请通过帖子来确定出用户的偏好,相当于从用户关注点出发,得到更贴合用户需求的第四推荐列表。最后将第一推荐列表、第二推荐列表、第三推荐列表和第四推荐列表进行处理,得出最终的推荐列表。所以最终的推荐列表中的商品更符合用户偏好,准确率更高。
在一种可能的实现方式中,得出第三推荐列表之后,方法还包括:基于第一版块访问记录中每条版块访问记录涉及的帖子,确定每条版块访问记录涉及的帖子对应的第二类型词,第二类型词为帖子中与产品特性相关的词;按照所有的第二类型词出现的频次进行排序,生成第一排序结果;基于第一排序结果中的第二类型词关联商品卖点,以生成第五推荐列表,第五推荐列表中包括商品卖点对应的商品信息;对第一推荐列表、第二推荐列表和第三推荐列表中的商品信息进行去重、排序,得到最终推荐列表,包括:对第一推荐列表、第二推荐列表、第三推荐列表和第五推荐列表中的商品信息进行去重、排序,得到最终推荐列表。或者,对第一推荐列表、第二推荐列表、第三推荐列表、第四推荐列表和第五推荐列表中的商品信息进行去重、排序,得到最终推荐列表。
本申请方案中,从每条版块访问记录中确定出与产品特性相关的词(第二类型词),然后对第二类型词进行排序,得到第一排序结果。第一排序结果可以表明用户关注的产品特性,然后根据用户关注的产品特征关联商品卖点,相当于根据用户关注的产品特征关联商品,最后根据关联到的商品得到第五推荐列表。即本申请根据用户访问的版块访问记录来确定出用户关注的产品特性,进而得到用户关注的商品。由于确定出的商品是根据用户版块访问记录得到的,版块访问记录即为用户意图的真实表达,所以得出的第五推荐列表中的商品更符合用户需求。最后将第一推荐列表、第二推荐列表、第三推荐列表、第四推荐列表和第五推荐列表进行排列组合,排列组合后进行去重、排序得出最终的推荐列表。所以最终的推荐列表中的商品也更符合用户的真实意图。
在一种可能的实现方式中,根据第一商品访问记录,得出第一推荐列表,包括:对第一商品访问记录中的每条商品访问记录涉及的商品进行打分,得到每条商品访问记录涉及的商品的打分结果;对同一商品的打分结果进行累加,得到所有商品的打分结果;按照所有商品的打分结果,从高到低进行排序,得到第一推荐列表。
本申请方案中,第一推荐列表是对第一商品访问记录中涉及到的商品进行打分得到的。这样,得到的第一推荐列表中的商品更加客观,也更加准确。
在一种可能的实现方式中,对第一商品访问记录中的每条商品访问记录涉及的商品进行打分,得到每条商品访问记录涉及的商品的打分结果,包括:基于每条商品访问记录中的用户与商品的第一交互行为,对每条商品访问记录涉及的商品进行打分,得到第一打分结果;基于每条商品访问记录中的第一交互行为的发生时间,对每条商品访问记录涉及的商品进行打分,得到第二打分结果;将第一打分结果和第二打分结果相乘,得到每条商品访问记录涉及的商品的打分结果。
不同的第一交互行为能够说明用户不同的购买意图,例如,用户加入购物车行为所表达的购买意图远远大于用户浏览行为所表达的购买意图。并且随着时间的推移,用户的购买意图会发生变更,因此,本申请基于第一交互行为和第一交互行为的发生时间为商品打分,得到的打分结果将更加客观,也更能表达用户的购买意图。
在一种可能的实现方式中,基于每条商品访问记录中的用户与商品的第一交互行为,对每条商品访问记录涉及的商品进行打分,得到第一打分结果,包括:基于每条商品访问记录中的用户与商品的第一交互行为,将用户与商品的第一交互行为与行为打分规则中的行为进行对比,得到第一打分结果,行为打分规则包括行为和行为对应的打分结果。本申请方案中公开了第一交互行为的打分结果是根据将第一交互行为与行为打分规则中的行为进行对比得到的。
在一种可能的实现方式中,基于每条商品访问记录中的第一交互行为的发生时间,对每条商品访问记录涉及的商品进行打分,得到第二打分结果,包括:基于每条商品访问记录中的第一交互行为的发生时间,将第一交互行为的发生时间输入时间衰减函数,得到第二打分结果。本申请方案中公开了利用时间衰减函数来对第一交互行为的发生时间进行打分。
在一种可能的实现方式中,根据第一版块访问记录,得出第二推荐列表,包括:基于第一版块访问记录,确定出用户偏好版块和用户偏好版块对应的用户群;基于用户群中用户的名称,从商品访问记录中确定出用户群中的用户偏好的商品,并基于用户偏好的商品生成第二推荐列表。
由于社区类应用中涉及很多版块,每个版块区别也很大,例如,手机版块和游戏版块。所以本申请基于第一版块访问记录,从多个版块中确定出用户偏好版块,这样可以大大降低数据处理难度,也能精准定位出用户偏好版块。接着根据用户偏好版块确定出用户群,然后根据用户群从商品访问记录中确定出用户群中的用户偏好的商品,相当于将社区类应用和购物类应用联动,使用户先明确商品的性能,然后根据商品的性能选择出心仪的商品。这样,不仅更贴合用户的购物习惯,得到的商品也更符合用户需求。
在一种可能的实现方式中,基于第一版块访问记录,确定出用户偏好版块和用户偏好版块对应的用户群,包括:基于第一版块访问记录中每条版块访问记录中的用户与版块的第二交互行为和第二交互行为的发生时间,对每条版块访问记录涉及的版块进行打分,得出用户偏好版块和用户偏好版块对应的用户群。
不同的第二交互行为能够说明用户对于版块中的帖子不同的关注程度,例如,用户评论帖子行为所表达的关注程度远远大于用户浏览行为所表达的关注程度。并且随着时间的推移,用户的关注点会发生变化,因此,本申请基于第二交互行为和第二交互行为的发生时间来确定出用户更关注的版块,这样,得到的用户偏好版块会更加客观,也更能表达用户的关注点。
在一种可能的实现方式中,在确定第一型号的相似型号之前,方法还包括:对商品访问记录,按照设备型号进行区分,并基于区分后的商品访问记录,得到每种设备型号对应的用户行为序列,用户行为序列中包括用户访问的产品;确定第一型号的相似型号,包括:确定第一型号的用户行为序列与第二型号的用户行为序列的相似度,在第一型号的用户行为序列与第二型号的用户行为序列的相似度符合阈值时,则第二型号为第一型号的相似型号,第二型号为第一型号以外的所有型号;确定相似型号对应的第二商品访问记录,并根据第二商品访问记录,得出第三推荐列表,包括:将商品访问记录,按照设备型号进行区分,得到相似型号对应的第二商品访问记录;基于第二商品访问记录,对第二商品访问记录中涉及的商品进行打分,得到相似设备型号对应的商品打分结果;基于商品打分结果,生成第三推荐列表。
本申请还考虑从第一型号的相似型号层面为新用户作商品推荐。相似型号具体是根据商品访问记录中,每个型号对应的用户行为序列的相似度来确定的。然后根据相似型号的第二访问记录,得到第三推荐列表。由于相似型号是根据用户行为序列的相似度确定的,用户行为序列中包括用户访问的商品,所以用户行为序列的相似度也可以是商品的相似度,如果两个型号的用户行为序列的相似度较高,说明该型号的使用用户与第一型号的使用用户,对商品的需求有很多重叠的部分,所以将该型号作为相似型号。因此,后续利用相似型号的第二访问记录得到的第三推荐列表,也更符合用户需求。
在一种可能的实现方式中,通过终端设备的操作***公开的应用程序接口API,确定新用户所使用的终端设备型号为第一型号。
在一种可能的实现方式中,第一应用的商品访问记录和第二应用的版块访问记录为通过页面埋点获取的,页面埋点包括手写埋点和无埋点,手写埋点为在预置的检测位置上,若检测到数据,则上报数据,无埋点为上报所有数据。本申请公开了利用手写埋点和无埋点这两种方式来获取第一应用的商品访问记录和第二应用的版块访问记录。
在一种可能的实现方式中,用户与商品的第一交互行为包括点击进入商品详情页、收藏商品、加入购物车、点击立即购买商品、提交商品购买订单、商品订单支付成功、取消商品收藏、商品分享、搜索商品、商品到货通知确认成功、咨询商品、评论商品和点击浏览足迹中的商品。
在一种可能的实现方式中,用户与版块的第二交互行为包括用户浏览版块下的帖子、用户在帖子下面的评论、用户对帖子下面的评论的回复、用户分享帖子、用户收藏帖子、用户对帖子的点赞、用户点击评论帖子的用户的详细信息、用户点击评论帖子的用户发布的帖子、用户对帖子的打赏。
第二方面,本申请还提供另一种冷启动推荐方法,应用于终端设备,方法包括:终端设备响应于新用户登录第一应用的操作,向服务器发送获取推荐列表请求,推荐列表请求包括新用户所使用的终端设备的型号,终端设备的型号为第一型号;终端设备接收到来自服务器发送的最终推荐列表;终端设备根据最终推荐列表,为新用户推荐商品。本申请方案中,当用户触发商品推荐时,终端设备通过服务器获取最终推荐列表,然后根据最终推荐列表为新用户推荐商品。
第三方面,提供了一种服务器,该服务器具有实现上述第一方面的方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第四方面,提供了一种终端设备,该终端设备具有实现上述第二方面的方法的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
第五方面,提供了一种服务器,服务器包括:无线通信模块、存储器和一个或多个处理器;无线通信模块、存储器与处理器耦合;
其中,存储器用于存储计算机程序代码,计算机程序代码包括计算机指令;当计算机指令被处理器执行时,使得服务器执行如上述第一方面中任一项的方法。
第六方面,提供了一种终端设备,终端设备包括:无线通信模块、存储器和一个或多个处理器;无线通信模块、存储器与处理器耦合;
其中,存储器用于存储计算机程序代码,计算机程序代码包括计算机指令;当计算机指令被处理器执行时,使得电子设备执行如上述第二方面的方法。
第七方面,提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机可以执行上述第一方面中任一项的冷启动推荐方法以及上述第二方面中任一项的冷启动推荐方法。
第八方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机可以执行上述第一方面中任一项的冷启动推荐方法以及上述第二方面中任一项的冷启动推荐方法。
第九方面,提供了一种装置(例如,该装置可以是芯片***),该装置包括处理器,用于支持服务器实现上述第一方面中所涉及的功能,以及支持终端设备实现上述第二方面中所涉及的功能。在一种可能的设计中,该装置还包括存储器,该存储器,用于保存服务器必要的程序指令和数据,以及终端设备必要的程序指令和数据。该装置是芯片***时,可以由芯片构成,也可以包含芯片和其他分立器件。
其中,第三方面至第九方面中任一种设计方式所带来的技术效果可参见第一方面和第二方面中不同设计方式所带来的技术效果,此处不再赘述。
附图说明
图1为本申请实施例提供的一种登录第一应用的界面显示示意图;
图2为本申请实施例提供的一种***架构结构示意图;
图3为本申请实施例提供的一种终端设备的硬件结构示意图;
图4为本申请实施例提供的一种终端设备的软件结构示意图;
图5为本申请实施例提供的一种服务器的硬件结构示意图;
图6为本申请实施例提供的一种冷启动推荐方法的流程示意图之一;
图7为本申请实施例提供的一种冷启动推荐方法的流程示意图之二;
图8为本申请实施例提供的一种冷启动推荐方法的流程示意图之三;
图9为本申请实施例提供的一种冷启动推荐方法的流程示意图之四;
图10为本申请实施例提供的一种冷启动推荐方法的流程示意图之五;
图11为本申请实施例提供的一种冷启动推荐方法的流程示意图之六;
图12为本申请实施例提供的一种冷启动推荐方法的应用示意图;
图13为本申请实施例提供的一种芯片***的结构示意图。
具体实施方式
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描述。其中,在本申请的描述中,除非另有说明,“至少一个”是指一个或多个,“多个”是指两个或多于两个。另外,为了便于清楚描述本申请实施例的技术方案,在本申请的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
随着互联网产品的多样化,信息条目数、商品个数和商品种类都在快速增长,通常用户需要花费大量的时间,才能找到自己所需的信息或商品。并且随着大量无关信息和产品的浏览,会逐步降低用户的浏览欲或购买欲,进而导致用户流失。
为了解决上述问题,推荐***应运而生,推荐***可以理解为:模拟客服人员帮助用户,在互联网平台上,快速找到用户所需的信息或商品。而推荐***中的个性化推荐则是根据用户的兴趣特点数据和购买行为数据,向用户推荐用户感兴趣的信息和商品,这样就可以提高用户与互联网平台的粘性,避免客户流失。
但是,这种推荐***只有在获取到用户的兴趣特点数据和购买行为数据等相关用户数据时,才能精准的对用户进行信息或商品推荐。若新用户首次登录互联网平台时,由于互联网平台没有新用户的用户数据,所以也无法根据新用户的历史行为预测其兴趣,从而无法为新用户做个性化推荐,这也是推荐***中的用户冷启动问题。
在实际应用中,针对用户冷启动问题,大多互联网平台在新用户首次登录时,会通过精心设置的交互界面,引导新用户使用社交账户登录,以获取到新用户的社交账户信息,例如:关注关系、好友关系、发布内容等。接着利用新用户的社交账号信息,为新用户生成兴趣模型,进而为新用户做精准推荐。但是为了保护隐私,新用户通常会拒绝使用社交账号登录。
参见图1中的(a),手机可以接收用户对手机的主界面(即桌面)101中商城APP的图标102的点击操作。若商城APP未运行,手机可以响应于该点击操作,启动商城APP。商城APP启动后,若用户为商城APP的新用户,商城APP显示如图1中(b)所示的界面103。界面103中可以包括微信™账号快捷登录按钮、QQ™账号快捷登录按钮和换个登录方式按钮104(例如,通过手机号登录)。响应于用户在界面103对换个登录方式按钮104的操作,用户通过其它登录方式登录商城APP。这样的话,商城APP将不能获取到用户的社交账号信息,进而无法获取到更多的用户信息。
或者,在新用户首次登录时,应用平台为用户提供粗粒度的兴趣选项,来捕获用户兴趣。例如,音乐类的应用平台会让用户选择喜欢听的音乐类型(摇滚类、古典类、民谣类等),健身类的应用平台会让用户选择感兴趣的运动类型(瑜伽、跳绳、拳击等)。但这种兴趣选择界面需要精心的交互设计,否则会影响用户的体验。并且,新用户注册时的兴趣和真实访问时的兴趣可能会发生变化,则捕获的用户兴趣可能也无法用于推荐。
为此,本申请提供一种冷启动推荐方法和设备,通过新用户所使用的终端设备的型号,抓取该型号对应的其它用户行为数据。并基于该型号对应的其它用户行为数据,为新用户做精准推荐。
如图2所示,为本申请实施例提供的一种***架构示意图。该***可以包括终端设备和服务器。其中,终端设备可以安装有应用程序(application,APP),应用程序可以是购物类应用(例如,淘宝APP、荣耀商城APP、京东APP)和社区类应用(例如,荣耀俱乐部APP、豆瓣APP)等。服务器可以是应用程序的管理服务器或者云服务器。
本申请实施例中,终端响应于新用户登录第一应用的操作,向服务器发送获取推荐列表请求,该推荐列表请求中包括新用户所使用的终端设备的型号(第一型号)。服务器响应于获取推荐列表请求,确定第一型号对应的第一商品访问记录和第一版块访问记录。然后根据第一商品访问记录得出第一推荐列表,根据第一版块访问记录得出第二推荐列表。接着服务器确定第一型号的相似型号和相似型号对应的第二商品访问记录,并根据第二访问记录,得到第三推荐列表。最后对第一推荐列表、第二推荐列表和第三推荐列表进行去重、排序,得到最终推荐列表,并将最终推荐列表发送给终端设备,终端设备根据最终推荐列表中的商品为用户推荐。
在一种可能的设计中,终端设备首先响应于新用户登录第一应用的操作,向服务器发送获取数据请求,获取数据请求用于请求获取第一应用的商品访问记录和第二应用的版块访问记录。服务器响应于获取数据请求,将第一应用的商品访问记录和第二应用的版块访问记录发送给终端设备。终端设备接收到第一应用的商品访问记录和第二应用的版块访问记录后,对商品访问记录,按照新用户所使用的终端设备的型号(第一型号)进行区分,得到第一型号对应的第一商品访问记录和第一版块访问记录。然后根据第一商品访问记录得出第一推荐列表,根据第一版块访问记录得出第二推荐列表。接着确定出第一型号的相似型号和相似型号对应的第二商品访问记录,并根据第二访问记录,得到第三推荐列表。最后对第一推荐列表、第二推荐列表和第三推荐列表进行去重、排序,得到最终推荐列表,终端设备按照最终推荐列表为用户推荐商品。
示例性的,本申请实施例中的终端设备可以是手机、平板电脑、台式机(桌面型电脑)、手持计算机、笔记本电脑(膝上型电脑)、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)、增强现实(augmented reality,AR)\虚拟现实(virtual reality,VR)设备等可以安装上述目标应用的设备,本申请实施例对第一设备的具体形态不作特殊限制。
其中,终端设备的操作***可以是安卓(Android)、鸿蒙***、IOS***或者其他操作***,本申请实施例对第一设备的操作***类型不做限定。
本申请实施例中以图3所示的终端设备是电子设备300(如手机)为例,对本申请实施例提供的终端设备的结构进行举例说明。如图3所示,电子设备300可以包括处理器310,外部存储器接口320,内部存储器321,通用串行总线(universal serial bus,USB)接口330,充电管理模块340,电源管理模块341,电池342,天线1,天线2,移动通信模块350,无线通信模块360,音频模块370,扬声器370A,受话器370B,麦克风370C,耳机接口370D,传感器模块380,按键390,马达391,指示器392,摄像头393,显示屏394,以及用户标识模块(subscriber identification module,SIM)卡接口395、瞳孔检测器396和虹膜检测器397等。
其中,传感器模块380可以包括压力传感器,陀螺仪传感器,气压传感器,磁传感器,加速度传感器,距离传感器,接近光传感器,指纹传感器,温度传感器,触摸传感器,环境光传感器,骨传导传感器等。
可以理解的是,本实施例示意的结构并不构成对电子设备300的具体限定。在另一些实施例中,电子设备300可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器310可以包括一个或多个处理单元,例如:处理器310可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
控制器可以是电子设备300的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器310中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器310中的存储器为高速缓冲存储器。该存储器可以保存处理器310刚用过或循环使用的指令或数据。如果处理器310需要再次使用该指令或数据,可从存储器中直接调用。避免了重复存取,减少了处理器310的等待时间,因而提高了***的效率。
在一些实施例中,处理器310可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I3C)接口,集成电路内置音频(inter-integrated circuitsound,I3S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
可以理解的是,本实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对电子设备300的结构限定。在另一些实施例中,电子设备300也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
充电管理模块340用于从充电器接收充电输入。充电管理模块340为电池342充电的同时,还可以通过电源管理模块341为电子设备300供电。
电源管理模块341用于连接电池342,充电管理模块340与处理器310。电源管理模块341接收电池342和/或充电管理模块340的输入,为处理器310,内部存储器321,外部存储器,显示屏394,摄像头393,和无线通信模块360等供电。在其他一些实施例中,电源管理模块341也可以设置于处理器310中。在另一些实施例中,电源管理模块341和充电管理模块340也可以设置于同一个器件中。
电子设备300的无线通信功能可以通过天线1,天线2,移动通信模块350,无线通信模块360,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备300中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。
移动通信模块350可以提供应用在电子设备300上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块350可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块350可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块350还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。
调制解调处理器可以包括调制器和解调器。其中,调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器370A,受话器370B等)输出声音信号,或通过显示屏394显示图像或视频。
无线通信模块360可以提供应用在电子设备300上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星***(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块360可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块360经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器310。无线通信模块360还可以从处理器310接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,电子设备300的天线1和移动通信模块350耦合,天线2和无线通信模块360耦合,使得电子设备300可以通过无线通信技术与网络以及其他设备通信。无线通信技术可以包括全球移动通讯***(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。GNSS可以包括全球卫星定位***(global positioning system,GPS),全球导航卫星***(global navigation satellite system,GLONASS),北斗卫星导航***(beidounavigation satellite system,BDS),准天顶卫星***(quasi-zenith satellitesystem,QZSS)和/或星基增强***(satellite based augmentation systems,SBAS)。
电子设备300通过GPU,显示屏394,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏394和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器310可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏394用于显示图像,视频等。该显示屏394包括显示面板。显示面板可以采用液晶屏幕(liquid crystal display,LCD),发光二极管(light-emitting diode,LED),有机发光二极管(organic light-emitting diode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrix organic light emitting diode,AMOLED),柔性发光二极管(flex light-emitting diode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot light emitting diodes,QLED)等。
其中,本申请实施例中的显示屏394如果集成了触摸传感器,则显示屏394可以称为触摸屏。该触摸传感器也可以称为“触控面板”。也就是说,显示屏394可以包括显示面板和触摸面板。触摸传感器用于检测作用于其上或附近的触摸操作。触摸传感器检测到触摸操作后,可触发内核层的驱动(如TP驱动)周期性地扫描该触摸操作产生的触摸参数。然后,内核层的驱动将触摸参数传递给上层的相关模块,以便于相关模块确定触摸参数对应的触摸事件。
另外,显示屏394可以提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器也可以设置于电子设备300的表面,而不是集成在显示屏394中。此时,触摸传感器与显示屏394所处的位置可以不同。本申请实施例中以屏幕是集成有触摸传感器的屏幕为例,对播放界面的显示方法的具体过程进行说明。
电子设备300可以通过ISP,摄像头393,视频编解码器,GPU,显示屏394以及应用处理器等实现拍摄功能。ISP 用于处理摄像头393反馈的数据。摄像头393用于捕获静态图像或视频。数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。视频编解码器用于对数字视频压缩或解压缩。电子设备300可以支持一种或多种视频编解码器。这样,电子设备300可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)3,MPEG3,MPEG3,MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备300的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
外部存储器接口320可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备300的存储能力。外部存储卡通过外部存储器接口320与处理器310通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。内部存储器321可以用于存储计算机可执行程序代码,可执行程序代码包括指令。处理器310通过运行存储在内部存储器321的指令,从而执行电子设备300的各种功能应用以及数据处理。例如,在本申请实施例中,处理器310可以通过执行存储在内部存储器321中的指令,内部存储器321可以包括存储程序区和存储数据区。其中,存储程序区可存储操作***,至少一个功能所需的应用程序(比如声音播放功能,图像播放功能等)等。存储数据区可存储电子设备300使用过程中所创建的数据(比如音频数据,电话本等)等。此外,内部存储器321可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universalflash storage,UFS)等。
电子设备300可以通过音频模块370,扬声器370A,受话器370B,麦克风370C,耳机接口370D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块370用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块370还可以用于对音频信号编码和解码。扬声器370A,也称“喇叭”,用于将音频电信号转换为声音信号。受话器370B,也称“听筒”,用于将音频电信号转换成声音信号。麦克风370C,也称“话筒”,“传声器”,用于将声音信号转换为电信号。耳机接口370D用于连接有线耳机。
按键390包括开机键,音量键等。按键390可以是机械按键。也可以是触摸式按键。电子设备300可以接收按键输入,产生与电子设备300的用户设置以及功能控制有关的键信号输入。马达391可以产生振动提示。马达391可以用于来电振动提示,也可以用于触摸振动反馈。指示器392可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。SIM卡接口395用于连接SIM卡。SIM卡可以通过***SIM卡接口395,或从SIM卡接口395拔出,实现和电子设备300的接触和分离。电子设备300可以支持3个或N个SIM卡接口,N为大于3的正整数。SIM卡接口395可以支持Nano SIM卡,Micro SIM卡,SIM卡等。
上述手机的软件***可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本发明实施例以分层架构的Android®***为例,示例性说明手机的软件结构。
分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过接口通信。在一些实施例中,将Android®***分为四层,从上至下分别为应用程序层,应用程序框架层,Android runtime和***库,以及内核层。
应用程序层可以包括一系列应用程序包。
如图4所示,应用程序包可以包括相机,邮件,日历,通话,地图,导航,WLAN,蓝牙,音乐,商城,社区俱乐部等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。
应用程序框架层可以包括窗口管理器,内容提供器,活动管理器,资源管理器,通知管理器,视图***等,本申请实施例对此不做任何限制。
活动管理器(Activity Manager):用于管理每个应用的生命周期。应用通常以Activity的形式运行在操作***中。对于每一个Activity,在活动管理器中都会有一个与之对应的应用记录(ActivityRecord),这个ActivityRecord记录了该应用的Activity的状态。活动管理器可以利用这个ActivityRecord作为标识,调度应用的Activity进程。
窗口管理器(WindowManagerService):用于管理在屏幕上使用的图形用户界面(graphical user interface,GUI)资源,具体可用于:获取屏幕大小、窗口的创建和销毁、窗口的显示与隐藏、窗口的布局、焦点的管理以及输入法和壁纸管理等。
应用程序框架层以下的***库和内核层等可称为底层***,底层***中包括用于提供显示服务的底层显示***,例如,底层显示***包括内核层中的显示驱动以及***库中的surface manager等。
安卓运行时(Android Runtime)包括核心库和虚拟机。Android runtime负责安卓***的调度和管理。核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是安卓的核心库。应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
***库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(Media Libraries),三维图形处理库(例如:OpenGL ES),2D图形引擎(例如:SGL)等。
表面管理器用于对显示子***进行管理,并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如:MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。
OpenGL ES用于实现三维图形绘图,图像渲染,合成,和图层处理等。
SGL是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动。
本申请实施例中以图5所示的服务器500为例,对本申请实施例提供的服务器的结构进行举例说明。如图5所示,为本申请实施例提供的服务器的一种硬件结构示意图。该服务器500包括至少一个处理器501,通信线路502,存储器503以及至少一个通信接口504。
处理器501可以是一个通用中央处理器(central processing unit,CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
通信线路502可包括一通路,在上述组件之间传送信息。
通信接口504,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN)等。
存储器503可以是只读存储器(read-only memory,ROM) 或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM) 或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过通信线路502与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器503用于存储执行本申请方案的计算机执行指令,并由处理器501来控制执行。处理器501用于执行存储器503中存储的计算机执行指令,从而实现本申请下述实施例提供的组播/广播业务的通信方法。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
在具体实现中,作为一种实施例,处理器501可以包括一个或多个CPU,例如图5中的CPU0和CPU1。
在具体实现中,作为一种实施例,服务器500可以包括多个处理器,例如图5中的处理器501和处理器507。这些处理器中的每一个可以是一个单核(single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
可选的,服务器500还可以包括输出设备505和输入设备506。输出设备505和处理器501通信,可以以多种方式来显示信息。例如,输出设备505可以是液晶显示器(liquidcrystal display,LCD),发光二级管(light emitting diode,LED)显示设备,阴极射线管(cathode ray tube,CRT) 显示设备,或投影仪(projector)等。输入设备506和处理器501通信,可以以多种方式接收用户的输入。例如,输入设备506可以是鼠标、键盘、触摸屏设备或传感设备等。
上述的服务器500可以是一个通用设备或者是一个专用设备。在具体实现中,服务器500可以是台式机、便携式电脑、网络服务器、掌上电脑(personal digital assistant,PDA)、移动手机、平板电脑、无线终端设备、嵌入式设备或有图5中类似结构的设备。本申请实施例不限定服务器500的类型。
下面以图6为例对本申请实施例提供的一种冷启动推荐方法进行说明,具体包括:
601、确定新用户访问第一应用所使用的终端设备的型号。
其中,新用户所使用的终端设备型号为第一型号。
新用户进入第一应用后,第一应用通过交互界面引导新用户登录第一应用,登录第一应用后,第一应用为新用户展示推荐界面。在第一应用为新用户展示推荐界面之前,第一应用需要确定新用户所使用的终端设备的型号。
可选的,第一应用可以是手机中的应用程序,还可以是电脑中的网站平台。为用户展示的推荐界面可以用于推荐图书、推荐社交好友、推荐视频、推荐音乐、推荐餐饮和推荐商品等等。
第一应用确定新用户所使用的终端设备的型号,具体可以是通过新用户所使用的终端设备的操作***,来确定新用户的终端设备信息的。目前大多终端设备的操作***都有公开的应用程序接口(Application Program Interface,API)供第三方应用程序(Aapplication,App)获取终端设备的一些基本信息。在得到用户授权后,第三方App可以获得终端设备的操作***公开的API的访问权限,然后通过API获取所需的信息。
在安卓操作***中,第三方App(即第一应用)可以获取终端设备型号和安装的所有APP 信息(安装包名)。在iOS®***中,第三方App(即第一应用)不能直接获取用户终端设备上安装的App列表,但是可以通过查询该终端设备是否安装某个App 的方式间接获得此信息。这种方法要求第三方App(即第一应用)内置常用iOS App的id列表,常用iOS App的id列表可以从App Store的网页版抓取的。
602、获取第一应用的商品访问记录。
第一应用的商品访问记录可以是终端设备获取还可以是服务器获取。如果是终端设备获取,具体的获取方式可以是终端设备向第一应用的云服务器发送获取商品访问记录指令,第一应用的云服务器响应于获取商品访问记录指令,向终端设备发送第一应用的商品访问记录。还可以是第一应用的云服务器周期性的向所有安装第一应用的终端设备主动发送第一应用的商品访问记录。或者在第一应用的云服务器检测到第一应用的新的商品访问记录后,就自动向所有安装第一应用的终端设备发送新的商品访问记录。又或者在终端设备下载第一应用的安装包时,第一应用的安装包中就自动携带,截止当前时刻,第一应用上的所有商品访问记录。如果是服务器获取,具体的获取方式为服务器向第一应用的云服务器发送获取商品访问记录指令,第一应用的云服务器响应于获取商品访问记录指令,向服务器发送第一应用的商品访问记录。
第一应用可以是购物类应用,例如,商城APP,购物APP等。
商品访问记录可以通过页面埋点技术获取。页面埋点技术具体可以通过手写埋点和无埋点两种方式获取数据。手写埋点是指:在确定出需要监控的数据(如,用户的点击行为、浏览行为等)后,然后在相应的位置写入代码。当第三方App检测到预先设置的监控数据后,直接上报检测到的数据。手写埋点这种方式的灵活性很大,但是工作量也较大,在每个需要监控的地方都得***相应的代码。无埋点是指:不需要开发者手写埋点,通过统计所有的事件并且定时上报的方式获取数据。无埋点这种方式虽然没有手写埋点繁琐,但是因为统计的是所有事件,所以后期还需要过滤出需要的数据。
通常,页面埋点会监控页面访问量(Page View,PV)、独立访问用户数(UniqueVisitor,UV)、停留时长和用户交互行为等数据。其中,PV是指网站的页面浏览量或者点击量。UV是指根据IP地址来区分的访客数,若一段时间内一个IP地址的重复访问,也是一个UV。停留时长具体是指用户在第三方App的某一个页面或是一次访问(会话)所停留的时间。用户交互行为是指用户在第一应用上触发的所有行为,例如,浏览、点击、收藏、分享等等。
商品访问记录是指在预设时长内,第一应用存储的用户在购物类应用中对商品的访问情况的记录。商品访问记录可以包括用户行为记录和用户设备记录。
用户行为记录是指用户与商品的第一交互行为的记录。例如,用户行为记录可以包括用户的名称、用户访问的商品的名称、用户与商品的第一交互行为以及第一交互行为的发生时间。用户与商品的第一交互行为可以包括点击进入商品详情页、收藏商品、加入购物车、点击立即购买商品、提交商品购买订单、商品订单支付成功、取消商品收藏、商品分享、搜索商品、商品到货通知确认成功、咨询商品、评论商品和点击浏览足迹中的商品。用户行为记录可以直接反应出用户的真实需求,通过对用户与商品的第一交互行为进行分析,可以确定出用户感兴趣的商品。再基于感兴趣的商品为用户进行个性化推荐,则更能贴合用户的真实需求。
用户设备记录可以是在用户访问第一应用时,用户所使用的终端设备的记录。例如,用户设备记录可以包括用户的名称、用户使用的终端设备型号、设备运行第一应用的时间。
若访问第一应用的用户为新用户时,则第一应用无法提供可供参考的数据,所以本申请通过新用户所使用的终端设备型号,来查询同终端设备型号的其他用户的商品访问记录,根据其他用户的商品访问记录,来为新用户提供推荐数据。
示例性的,商品访问记录如下表1所示。
表1
603、在商品访问记录中,确定出第一型号对应的第一商品访问记录。
第一应用的商品访问记录可以有多条,并且随着第一应用的上线时间越长,商品访问记录条数也越多。从多条商品访问记录中,选出使用第一型号的终端设备的商品访问记录,得到第一商品访问记录。
示例性的,结合表1,得到第一商品访问记录,第一商品访问记录如下表2所示。
表2
604、根据第一商品访问记录,得出第一推荐列表。
基于第一商品访问记录中的每条商品访问记录,对每条商品访问记录中涉及的商品进行打分,得到每条商品访问记录涉及的商品的打分结果。然后基于商品名称,对同一个商品的打分结果进行累加,以得到所有商品的最终打分结果。接着根据所有商品的打分结果,对商品进行排序,并结合排序结果生成第一推荐列表。最后,可以按照第一推荐列表中的商品信息为新用户推荐商品。
对每条商品访问记录中涉及的商品的打分,具体是从两方面进行的,一方面是根据每条商品访问记录中的用户与商品的第一交互行为打分,另一方面是根据每条商品访问记录中的第一交互行为的发生时间打分。最后,将上述两方面的打分结果相乘,得到每条商品访问记录中涉及的商品的最终打分结果。
根据每条商品访问记录中的用户与商品的第一交互行为打分,具体可以是将每条商品访问记录中的用户与商品的第一交互行为与行为打分规则中的行为作比对,在确定出商品访问记录中的用户与商品的第一交互行为与行为打分规则中的某一条行为一致时,则将行为打分规则中规定的该行为的打分结果,作为当前商品访问记录中用户与商品的第一交互行为的打分结果。若商品访问记录中的用户与商品的第一交互行为在行为打分规则中没有对应的行为时,则将该用户与商品的第一交互行为的打分结果记为0。示例性的,行为打分规则参见表3:
表3
基于表2和表3,对用户与商品的第一交互行为进行打分,得到的打分结果如下表4所示:
表4
根据每条商品访问记录中的第一交互行为发生时间打分,可以是基于时间衰减函数确定商品访问记录中的第一交互行为发生时间的打分结果。示例性的,时间衰减函数如下公式所示:
其中,t0为初始温度,t1为冷却系数,t0,t1均为固定系数值,间隔时间是指第一交互行为的发生时间与待推荐的时间之间的间隔。示例性的,t0=1,t1=0.2。
将每条商品访问记录中的第一交互行为发生时间代入上述时间衰减函数中,计算得出F(t),接着将F(t)的结果进行归一化,得到一个[0, 1]之间的数值。
众所周知,用户的购买需求会随着时间变化而发生变化。越靠近推荐时间,发生的用户与商品的第一交互行为越有参考性。若为新用户推荐商品的时间是10月19号。参见表2,小王在3月10号,进入了商品A的详情页,小赵在10月18号,收藏了商品C。相比较而言,10月18号更靠近推荐时间10月19号,则10月18号的打分比3月10号的打分更高。
在确定出用户与商品的第一交互行为的打分结果和第一交互行为发生时间的打分结果后,每条商品访问记录中涉及的商品的打分结果满足如下公式:
A=B*C
其中,A为每条商品访问记录中涉及的商品的打分结果,B为每条商品访问记录中的第一交互行为的打分结果,C为每条商品访问记录中的第一交互行为发生时间的打分结果。
最后,将表4中的第一交互行为打分结果和基于时间衰减函数计算的第一交互行为发生时间的打分结果相乘,得到每条商品访问记录中对应的商品的打分值。每条商品访问记录中对应的商品的打分值具体如下表5所示:
表5
在得到每条商品访问记录对应的商品的打分结果后,将相同商品的打分结果进行累加,得到每个商品对应的加和打分结果值。结合表6,第一条商品访问记录对应的商品是商品A,第三条商品访问记录对应的商品也是商品A,第N条商品访问记录对应的商品是商品C,然后将都是商品A的打分结果进行累加,即将第一条商品访问记录得到的打分结果0.025和第三条商品访问记录得到的打分结果0.04进行累加,则商品A对应的打分结果为0.065。接着依次计算涉及的其它商品的打分结果。
最后,根据所有商品的打分结果生成推荐列表,该推荐列表包括商品信息和商品对应的打分结果,其中,商品信息可以是商品名称和推荐序号。示例性的,推荐列表如表6所示:
表6
在得到推荐列表后,可以按照推荐要求,选择推荐列表中的前N个商品,组成第一推荐列表。示例性的,推荐要求可以是选择推荐列表中的前10个商品作为推荐商品。或者,将打分结果超过阈值的商品作为推荐商品。具体推荐要求可以根据实际需求调整,本申请对此不作限制。在得到第一推荐列表后,可以根据第一推荐列表中的商品信息和商品对应的打分结果为新用户推荐,或者将第一推荐列表与其它推荐列表结合为新用户推荐。
具体的,603-604可以是终端设备执行的,还可以是服务器执行的。若603-604是服务器执行的,则在603之前,该方法还包括:服务器接收来自终端设备的获取推荐列表请求,该获取推荐列表请求包括新用户所使用的终端设备的型号,终端设备的型号为第一型号。在通过604得到第一推荐列表后,服务器将第一推荐列表发送至终端设备,终端设备基于第一推荐列表中的商品信息为新用户推荐商品。
下面以图7为例对本申请实施例提供的另一种冷启动推荐方法进行说明,该方法还包括:
701、确定新用户访问第一应用所使用的终端设备的型号。
详细内容参见601。
702、获取第二应用的版块访问记录。
第二应用的版块访问记录可以是终端设备获取还可以是服务器获取。如果是终端设备获取,具体的获取方式可以是终端设备向第二应用的云服务器发送获取版块访问记录指令,第二应用的云服务器响应于获取版块访问记录指令,向终端设备发送第二应用的版块访问记录;还可以是第二应用的云服务器周期性的向所有安装第二应用的终端设备主动发送第二应用的版块访问记录;或者在第二应用的云服务器检测到第二应用的新的版块访问记录后,自动向所有安装第二应用的终端设备发送新的版块访问记录;又或者在终端设备下载第二应用的安装包时,第二应用的安装包中就自动携带,截止当前时刻,第二应用上的所有版块访问记录。如果是服务器获取,具体的获取方式为服务器向第二应用的云服务器发送获取版块访问记录指令,第二应用的云服务器响应于获取版块访问记录指令,向服务器发送第二应用的版块访问记录。
第二应用可以是社区类应用,例如社区俱乐部APP。
社区俱乐部APP可以提供多个兴趣版块,供用户交流互动。多个兴趣版块可以包括:手机版块、智慧生活版块、界面设计(User Interface Design,UI)版块、云服务版块、兴趣街区版块、游戏版块和线下俱乐部版块。其中,手机版块下面的帖子为不同手机型号的功能介绍;智慧生活版块下面的帖子为智能设备的功能介绍,智能设备可以是笔记本、平板、耳机音箱、智慧屏、路由和智能穿戴设备等;UI版块下面的帖子为与UI相关的功能介绍;云服务版块下面的帖子为与云服务相关的功能介绍;兴趣街区版块下面的帖子为不同兴趣爱好的介绍,例如,爱美食、爱旅行、爱运动、爱数码、爱主题、爱游戏、爱摄影和慢生活等。游戏版块下面的帖子为游戏介绍;线下俱乐部版块下面的帖子为线下活动介绍。
版块访问记录也可以通过页面埋点技术获取。关于页面埋点具体可参考402处的描述,这里就不再赘述。
版块访问记录是指在预设时长内,第二应用存储的用户在社区类应用中对各个版块的访问情况的记录。版块访问记录可以包括版块行为记录和版块设备记录。
版块行为记录是指用户与版块的第二交互行为的记录。例如,版块行为记录可以包括用户的名称、用户浏览的版块名称、用户浏览的版块名称下的帖子名称、用户与版块的第二交互行为,以及第二交互行为发生时间的记录。用户与版块的第二交互行为可以包括用户浏览版块下的帖子、用户在帖子下面的评论、用户对帖子下面的评论的回复、用户分享帖子、用户收藏帖子、用户对帖子的点赞、用户点击评论帖子的用户的详细信息、用户点击评论帖子的用户发布的帖子、用户对帖子的打赏。
版块设备记录可以是在用户访问第二应用时,用户所使用的终端设备的记录。例如,版块设备记录可以包括用户的名称、用户使用的终端设备型号、设备运行第二应用的时间。版块访问记录的具体内容可以参考表1中的内容,本申请对此不再详细赘述。
并且,版块访问记录可以只包括第二应用的登录用户的版块访问记录,还可以包括第二应用的非登陆用户的版块访问记录。其中,登陆用户是指在访问第二应用注册过账户,并且登录了该账号进行访问的用户。非登陆用户是指在访问第二应用时,没有登录账号便进行访问的用户。在用户访问第二应用时,第二应用通过弹窗提醒用户登录第二应用,若用户拒绝登录第二应用,则以非登陆用户进行标记并编号,然后记录该非登陆用户所有的第二交互行为,直到该非登陆用户退出第二应用为止。
703、在版块访问记录中,确定出第一型号对应的第一版块访问记录。
第二应用的版块访问记录可以有多条,并且随着第二应用的上线时间越长,第二应用的版块访问记录条数也越多。从多条版块访问记录中,选出使用第一型号的设备的版块访问记录,得到第一版块访问记录。第一版块访问记录的具体内容可以参考表2中的内容,本申请对此不再赘述。
704、基于第一版块访问记录,确定出用户偏好版块和用户偏好版块对应的用户群。
基于第一版块访问记录中每条版块访问记录的用户与版块的第二交互行为和第二交互行为的发生时间,对每条版块访问记录中涉及的版块进行打分,从而得到用户偏好的版块。
示例性的,参见604,对版块的打分分成两方面,一方面是根据每条版块访问记录中的用户与版块的第二交互行为打分,另一方面是根据每条版块访问记录中的第二交互行为的发生时间打分。最后,将上述两方面的打分结果相乘,得到每条版块访问记录中涉及的版块的最终打分结果。
第二交互行为中的用户浏览版块中的贴子的行为,对应的打分结果是0.25;用户在版块中的帖子下面的评论的行为,对应的打分结果是0.3;用户分享版块中的帖子的行为,对应的打分结果是0.4;用户收藏版块中的帖子的行为,对应的打分结果是0.4、用户对版块中的帖子的点赞的行为,对应的打分结果是0.6。其它用户与版块的第二交互行为的打分结果可结合实际需求设定,本申请对此不作限制。
第二交互行为的发生时间打分,具体可以根据上述604中的时间衰减函数计算。
在确定出用户与版块的第二交互行为的打分结果和第二交互行为的发生时间的打分结果后,每条版块访问记录中涉及的版块的打分结果满足如下公式:
A1=B1*C1
其中,A1为每条版块访问记录中涉及的版块的打分结果,B1为每条版块访问记录中的第二交互行为的打分结果,C1为每条版块访问记录中的第二交互行为发生时间的打分结果。
依次计算所有版块访问记录中涉及的版块的打分结果,然后基于版块名称,对同一个版块的打分结果进行累加,从而得到涉及的所有版块的最终打分。接着根据所有版块的打分结果,对版块进行排序,并根据排序结果,将排序前3的版块作为同一机型的用户偏好版块。
再从第一版块访问记录中,基于用户偏好版块的名称,筛选出仅包含用户偏好版块的第二版块访问记录。结合702可知,每条版块访问记录均包括用户的名称。然后记录第二版块访问中的每条版块访问记录中的用户的名称,接着对重复的名称进行删除,得到的用户偏好版块对应的用户群。
首先通过同机型进行第一次筛选,筛选出与新用户所使用的终端设备型号一致的设备的版块访问记录。然后对筛选出的版块访问记录中的版块进行打分,再筛选出用户偏好版块。最后基于用户偏好的版块,为用户做个性化推荐,将更能满足用户需求。
705、基于用户群中每个用户的名称,从商品访问记录中确定出用户群中每个用户偏好的商品,并基于用户偏好的商品生成第二推荐列表。
根据用户群中每个用户的名称,从商品访问记录中索引到用户群中每个用户的商品访问记录,然后根据每个用户的商品访问记录,对每条商品访问记录涉及的商品进行打分,具体打分过程可以参考604, 接着基于打分结果进行排序,得到用户群中的用户偏好的商品。最后根据用户偏好的商品的商品信息和商品对应的打分结果生成第二推荐列表,得出的第二推荐列表可以直接用于为新用户推荐,或者将第二推荐列表与其它推荐列表结合为新用户推荐。
其中,703-705可以是终端设备执行的,还可以是服务器执行的。若703-705是服务器执行的,则在703之前,该方法还包括:服务器接收来自终端设备的获取推荐列表请求,该获取推荐列表请求包括新用户所使用的终端设备的型号,终端设备的型号为第一型号。在通过705得到第二推荐列表后,服务器将第二推荐列表发送至终端设备,终端设备可以基于第二推荐列表中的商品信息为新用户推荐商品。
下面以图8为例对本申请实施例提供的另一种冷启动推荐方法进行说明,该方法还包括:
801、确定新用户访问第一应用所使用的终端设备的型号。
详细内容参见601。
802、获取第二应用的版块访问记录。
详细内容参见702。
803、在版块访问记录中,确定出第一型号对应的第一版块访问记录。
详细内容参见703。
804、基于第一版块访问记录中每条版块访问记录涉及的帖子,确定每条版块访问记录涉及的帖子对应的第一类型词,为帖子和第一类型词创建映射关系。
其中,第一类型词为帖子中涉及到的与产品名称相关的词。
第一版块访问记录为使用第一型号的终端设备的版块访问记录。查看第一版块访问记录,可以获知第一版块访问记录中每条版块访问记录中涉及的帖子。再通过查阅帖子,能够得出每个帖子中涉及到的与产品名称相关的词,与产品名称相关的词即为第一类型词。并为帖子和与帖子对应的第一类型词建立映射关系。示例性的,若第一版块访问记录中涉及的帖子是手机版块下的帖子,则该帖子中与产品名称相关的词(即第一类型词)可以是手机名称。
805、基于第一版块访问记录,确定出用户偏好的帖子。
结合702可知,第一版块访问记录中包括用户与版块的第二交互行为和第二交互行为的发生时间,其中,用户与版块的第二交互行为通常为用户与版块下的帖子发生的交互行为,即用户与版块的第二交互行为和第二交互行为的发生时间,可以认为是用户与帖子的第二交互行为和第二交互行为的发生时间。然后对第一版块访问记录中的每条版块访问记录中的用户与帖子的第二交互行为和第二交互行为的发生时间进行打分,以确定出每条版块访问记录中涉及的帖子的打分结果,最后对同一帖子的打分结果进行累加,从而得到每个帖子的最终打分值。其中,用户与帖子的第二交互行为和第二交互行为的发生时间的打分可以参考704,在此不再赘述。
接着根据帖子的打分结果,对帖子进行排序,并根据排序结果,筛选出同一机型的用户偏好帖子。示例性,可以选择排序结果中的前10个帖子作为用户偏好帖子。
806、根据映射关系,确定出用户偏好的帖子对应的第一类型词。
结合804,在确定出用户偏好的帖子后,根据映射关系,得出用户偏好的帖子对应的第一类型词。
807、利用模糊匹配算法,确定第一类型词对应的商品信息,并根据第一类型词对应的商品信息,生成第四推荐列表。
示例性的,可以通过FuzzyWuzzy来实现模糊匹配。FuzzyWuzzy是一个简单易用的模糊字符串匹配工具包。它依据编辑距离(Levenshtein Distance)算法,来计算两个序列之间的差异。编辑距离是指两个字符串之间,由一个转成另一个所需的最少编辑操作次数。编辑操作可以包括将一个字符替换成另一个字符,***一个字符,删除一个字符。一般来说,编辑距离越小,两个序列的相似度越大。
FuzzyWuzzy可以通过简单匹配(Ratio)、非完全匹配(Partial Ratio)、忽略顺序匹配(Token Sort Ratio)和去重子集匹配(Token Set Ratio)这四个函数中的任一个进行模糊匹配,从而根据第一类型词匹配到商品。
例如,用户偏好的帖子为下述的帖子1、帖子2和帖子3。帖子1的标题为:【摄影教程】一张好看的INS青橙风的夜景是如何拍出来的,商品名称A。帖子2的标题为:旗舰机到底是什么样的,商品名称A告诉你答案。帖子3的标题为:五月之商品名称B夜景街拍。
帖子1对应的第一类型词是“商品名称A”,帖子2对应的第一类型词是“商品名称A”,帖子3对应的第一类型词是“商品名称B”。然后将帖子1对应的“商品名称A”, 帖子2对应的“商品名称A”, 帖子3对应的“商品名称B”,依次通过FuzzyWuzzy关联到垂域的产品目录树上。或者在确定出所有帖子的第一类型词后,将所有帖子的第一类型词一起通过FuzzyWuzzy关联到垂域的产品目录树名称。例如,若“商品名称A”为“某耀Magic4 Pro”,商品B为“V30”,则根据FuzzyWuzzy可以将“商品名称A”匹配到产品“某耀Magic4 Pro”,将“商品名称B”匹配到“某耀V30”。
其中,垂域是指在一个大领域下,垂直细分出的小领域。垂直指纵向延伸,而不是横向扩展,细分则是在垂直行业板块里面,再挑选主要的业务深度发展。以手机为例,手机是一个垂直领域,可细分为某为手机、某耀手机、某米手机、某果手机等。
产品目录树用于表征某一品牌下所有产品的层级关系,这样可以清晰地描述该品牌下所有产品的发展,进一步展示出产品的优劣性。产品的层级关系可以是根据产品零部件的性能确定的。
通过FuzzyWuzzy匹配到商品信息后,将匹配到的商品信息按照用户偏好的帖子的打分结果进行排序,进而生成第四推荐列表。后续可以根据第四推荐列表中的商品信息和商品对应的打分结果为新用户推荐;或者将第四推荐列表与其它推荐列表结合为新用户推荐。
其中,803-807可以是终端设备执行的,还可以是服务器执行的。若803-807是服务器执行的,则在803之前,该方法还包括:服务器接收来自终端设备的获取推荐列表请求,该获取推荐列表请求包括新用户所使用的终端设备的型号,终端设备的型号为第一型号。在通过807得到第四推荐列表后,服务器将第四推荐列表发送至终端设备,终端设备基于第四推荐列表中的商品信息为新用户推荐商品。
下面以图9为例对本申请实施例提供的另一种冷启动推荐方法进行说明,该方法还包括:
901、确定新用户访问第一应用所使用的终端设备的型号。
详细内容参见601。
902、获取第二应用的版块访问记录。
详细内容参见702。
903、在版块访问记录中,确定出第一型号对应的第一版块访问记录。
详细内容参见703。
904、基于第一版块访问记录中每条版块访问记录涉及的帖子,确定每条版块访问记录涉及的帖子对应的第二类型词。
其中,第二类型词为帖子中涉及到的与产品特性相关的词。
第一版块访问记录为使用第一型号的终端设备的版块访问记录。查看第一版块访问记录,可以获知第一版块访问记录中每条版块访问记录中涉及的帖子。再通过查阅帖子,能够得出每个帖子中涉及到的与产品特性相关的词,与产品特性相关的词即为第二类型词。示例性的,若第一版块访问记录中涉及的帖子是手机版块下的帖子,则该帖子中与产品特性相关的词(即第二类型词)可以是芯片、相机、内存和电池等。
905、按照所有的第二类型词出现的频次进行排序,生成第一排序结果,并基于第一排序结果中的第二类型词关联商品卖点,以生成第五推荐列表。
其中,第五推荐列表中包括商品卖点对应的商品信息。
根据第二类型词出现的频次,将所有第二类型词进行排序,得到第一排序结果。通过对帖子中第二类型词出现的频次进行统计,得到第一排序结果,第一排序结果可以是:相机>芯片>电池。
其中,第二类型词可以是根据产品词典确定出的,还可以是根据训练后的模型确定出的。通常产品词典包括产品和产品特性,在确定出帖子介绍的产品后,即可得出第二类型词。或者,将帖子输入到训练后的模型中,模型输出帖子对应的第二类型词。模型的训练过程为:获取多篇帖子和帖子对应的第二类型词,并且每篇帖子的第二类型词是人为标注的。然后将多篇帖子输入到初始模型,得到每篇帖子对应的初始第二类型词,最后通过损失函数修正初始模型,使得输出的第二类型词和人为标注的第二类型词之间的偏差符合阈值,从而得到训练后的模型。
终端设备中可以存储商品卖点数据库,商品卖点数据库中包括商城中所有的商品以及每件商品的商品卖点。将商品卖点数据库中的商品卖点与第一排序结果中的每个第二类型词进行模糊匹配,以得到每个第二类型词对应的商品卖点。一个第二类型词可能匹配到多个商品的商品卖点。接着根据多个商品中每个商品的商品卖点的性能,对商品进行排序,以得到第二类型词对应的初始商品排序。
结合904,第一排序结果中有多个第二类型词,将每个第二类型词与商品卖点匹配,一个第二类型词可以匹配到多个商品卖点。然后将匹配到的商品卖点,按照商品卖点的性能从高到低进行排序。由于商品卖点可以直接对应到商品上,那么可以将商品卖点的排序结果转化为商品的排序结果。所以一个第二类型词可以对应一个商品排序结果。
由于第一排序结果中有多个第二类型词,那么可以得到多个商品排序结果。在得到多个商品排序结果后,如果多个商品排序结果不一致,则以第一排序结果中的第二类型词的排序结果为主,对多个商品排序结果进行调整,得到最终的商品排序结果,最终的商品排序结果即为第五推荐列表。
示例性的,商品一的商品卖点是:四曲面屏、5000万主摄+5000万超广角镜头+6400万像素潜望式长焦镜头、4800mAh电池、66W超级快充以及全新一代骁龙8移动平台芯片。商品二的商品卖点是:前后对称双曲屏、1亿像素相机+5000万超广角镜头、4800mAh电池、66W超级快充、多镜录像隔空换镜以及高通骁龙™778G芯片等。商品三的商品卖点是:双曲面屏、5000万主摄+800万超广角镜头、4000mAh电池、66W超级快充、天玑1000+芯片。
前述的第一排序结果为相机>芯片>电池。将第一排序结果中的第二类型词与上述商品一、商品二、商品三中的商品卖点进行关联。对于第一排序结果中的相机而言,关联到的商品一的商品卖点是:5000万主摄+5000万超广角镜头+6400万像素潜望式长焦镜头;关联到的商品二的商品卖点是:1亿像素相机+5000万超广角镜头;关联到的商品三的商品卖点是:5000万主摄+800万超广角镜头。结合商品的商品卖点性能,相机对应的商品排序为:商品二>商品一>商品三。
对于第一排序结果中的芯片而言,关联到商品一的商品卖点是:全新一代骁龙8移动平台芯片;关联到商品二的商品卖点是:高通骁龙™778G芯片;关联到商品三的商品卖点是:天玑1000+芯片。结合商品的商品卖点性能,芯片对应的商品排序为:商品一>商品二>商品三。
对于第一排序结果中的电池而言,关联到商品一的商品卖点是:4800mAh电池+66W超级快充;关联到商品二的商品卖点是:4800mAh电池+66W超级快充;关联到商品三的商品卖点是:4000mAh电池+66W超级快充。结合商品的商品卖点性能,电池对应的商品排序为:商品一=商品二>商品三。
结合上述可知,相机、芯片和电池关联到的商品排序有差异。在这种情况下,以第一排序结果中每个第二类型词的排序为主,每个第二类型词关联到的商品排序为辅,将多个商品排序结果调整为一个商品排序结果,从而得到第五推荐列表,第五推荐列表中的商品排序为:商品二>商品一>商品三。
通过对第一版块访问记录中的每条版块访问记录涉及的帖子进行处理,得到多个第二类型词。然后根据第二类型词出现的频次进行排序,得到第一排序结果。接着,将第一排序结果中的每个第二类型词与商品卖点数据库中的商品卖点进行模糊匹配,将每个第二类型词与商品的商品卖点关联起来,关联起来后,可以根据商品卖点的性能,来确定出为每个第二类型词对应的商品排序。最后,以第一排序结果中的第二类型词的排序为主,以每个第二类型词对应的商品排序为辅,生成最终的第五推荐列表。后续可以根据第五推荐列表中的商品信息为新用户推荐商品,或者将第五推荐列表与其它推荐列表结合为新用户推荐。
其中,903-905可以是终端设备执行的,还可以是服务器执行的。若903-905是服务器执行的,则在903之前,该方法还包括:服务器接收来自终端设备的获取推荐列表请求,该获取推荐列表请求包括新用户所使用的终端设备的型号,终端设备的型号为第一型号。在通过905得到第五推荐列表后,服务器将第五推荐列表发送至终端设备,终端设备可以基于第五推荐列表中的商品信息为新用户推荐商品。
下面以图10为例对本申请实施例提供的另一种冷启动推荐方法进行说明,该方法还包括:
1001、确定新用户访问第一应用所使用的终端设备的型号。
详细内容参见601。
1002、获取第一应用的商品访问记录。
详细内容参见602。
1003、基于终端设备的型号,对第一应用的商品访问记录进行区分,并基于区分后的第一应用的商品访问记录,得到每种型号对应的用户行为序列。
对第一应用的商品访问记录,按照用户设备记录中的设备型号进行区分。区分后,针对每个设备型号,建立用户行为序列P,P=[ p1, p2, p3, …]。用户行为序列P可以是在预设时间段内,根据该设备型号对应的第一应用的商品访问记录确定的。其中, p1, p2,p3表示产品粒度。产品粒度可以是所有产品池,以及每个产品池中各个级别的产品。例如,在手机产品池中,p1, p2, p3可以是折叠式手机、直立式手机、滑盖式手机、旋转式手机等等中的任一个。
1004、确定第一型号的相似设备型号。
确定任一设备型号的相似设备型号可以通过该设备的用户行为序列P与其他设备的用户行为序列P之间的相似度确定。具体的,可以通过计算该设备的用户行为序列P与另一个设备的用户行为序列P之间的余弦相似度确定。
示例性的,若待确定相似设备型号的产品是手机,可以将商城中其他型号的手机与该型号的手机进行相似度计算,以得到相似度计算结果。通过计算之后,可以得到多个相似度结果,通常可以选择相似度结果排名前3的设备型号作为相似设备型号。
结合601可知,登录第一应用的新用户所使用的设备型号为第一型号,通过相似度计算,可以得出第一型号的相似设备型号,第一型号的相似设备型号可以包括多个,具体可根据实际情况选择,本申请对此不作限定。
1005、确定相似设备型号对应的第二商品访问记录,并根据第二商品访问记录,得到第三推荐列表。
其中,第三推荐列表包括商品信息和商品对应的打分结果。
将第一应用的商品访问记录,按照设备型号进行区分,得到相似设备型号对应的第二商品访问记录。对第二商品访问记录中涉及的商品进行打分,得到相似设备型号对应的商品的打分结果。具体的打分过程可以参考604。然后按照商品的打分高低,对商品排序。结合1004可知,本申请选出3个相似设备型号,则本申请可以得出3个排序结果。
再基于每个相似设备型号与第一型号的相似度计算结果,将上述得到的3个排序结果按照相似度计算结果的大小,从高到低整体排序,得到第三推荐列表。后续可以根据第三推荐列表中的商品信息和商品对应的打分结果为新用户推荐商品,或者将第三推荐列表与其它推荐列表结合为新用户推荐。
其中,1003-1005可以是终端设备执行的,还可以是服务器执行的。若1003-1005是服务器执行的,则在1003之前,该方法还包括:服务器接收来自终端设备的获取推荐列表请求,该获取推荐列表请求包括新用户所使用的终端设备的型号,终端设备的型号为第一型号。在通过1005得到第三推荐列表后,服务器将第三推荐列表发送至终端设备,终端设备基于第三推荐列表中的商品信息为新用户推荐商品。
通过挖掘相似设备型号的用户偏好的商品,可以从全新的方面突破没有有效数据的困境,进而为用户推荐感兴趣的商品,从而解决冷启动问题。
下面以图11为例对本申请实施例提供的另一种冷启动推荐方法进行说明,该方法包括4部分,分别是第一部分:第一推荐列表生成方法;第二部分:第二推荐列表、第四推荐列表、第五推荐列表的生成方法;第三部分:第三推荐列表的生成方法和第四部分:融合过程。
其中,第一部分:第一推荐列表生成方法,具体是:当新用户登录第一应用时,可以通过第一应用的云服务器获取到第一应用的商品访问记录。然后根据新用户所使用的终端设备的型号,对商品访问记录进行区分,得到新用户所使用的终端设备的型号(第一型号)对应的第一商品访问记录,最后根据第一商品访问记录,得到第一推荐列表。第一推荐列表的详细生成过程参见601-604,此处不再详细赘述。
第二部分:第二推荐列表、第四推荐列表、第五推荐列表的生成方法,具体包括第二推荐列表的生成方法、第四推荐列表的生成方法和第五推荐列表的生成方法。
第二推荐列表的生成方法为:通过第二应用的云服务器获取第二应用的版块访问记录,然后根据新用户所使用的终端设备的型号,对版块访问记录进行区分,得到新用户所使用的终端设备的型号(第一型号)对应的第一版块访问记录,接着根据第一版块访问记录,得到用户偏好版块和用户偏好版块对应的用户群。例如,用户偏好版块为A版块、B版块和C版块。A版块对应的是用户群a,B版块对应的是用户群b,C版块对应的是用户群c。再根据用户群中用户的名称和商品访问记录,确定出用户群中的用户偏好的商品,最后根据用户偏好的商品,生成第二推荐列表。第二推荐列表的详细生成过程参见701-705,此处不再详细赘述。
第四推荐列表的生成方法为:首先通过第二应用的云服务器获取第二应用的版块访问记录,其次根据新用户所使用的终端设备的型号,对版块访问记录进行区分,得到新用户所使用的终端设备的型号(第一型号)对应的第一版块访问记录,然后根据第一版块访问记录中每条版块访问记录涉及的帖子,分别确定每条版块访问记录涉及的帖子对应的第一类型词,并为帖子和第一类型词创建映射关系。接着根据第一版块访问记录,确定用户偏好的帖子。再根据映射关系,确定用户偏好的帖子对应的第一类型词,最后利用模糊匹配算法,确定第一类型词对应的商品信息,并根据第一类型词对应的商品信息,生成第四推荐列表。第四推荐列表的详细生成过程参见801-807,此处不再详细赘述。
第五推荐列表的生成方法为:通过第二应用的云服务器获取第二应用的版块访问记录,然后根据新用户所使用的终端设备的型号,对版块访问记录进行区分,得到新用户所使用的终端设备的型号(第一型号)对应的第一版块访问记录,接着根据第一版块访问记录,确定第二类型词,最后根据第二类型词关联卖点,并根据卖点生成第五推荐列表。第五推荐列表的详细生成过程参见901-905,此处不再详细赘述。
第三部分:第三推荐列表的生成方法,具体是:通过第一应用的云服务器获取到第一应用的商品访问记录。然后基于终端设备的型号,对第一应用的商品访问记录进行区分,并基于区分后的第一应用的商品访问记录,得到每种型号对应的用户行为序列,接着确定第一型号的相似设备型号,再确定相似设备型号对应的第二商品访问记录,并根据第二商品访问记录,得到第三推荐列表。第三推荐列表的详细生成过程参见1001-1005,此处不再详细赘述。
第四部分:融合过程。具体是:在得到第一推荐列表、第二推荐列表、第三推荐列表、第四推荐列表和第五推荐列表后,对第一推荐列表、第二推荐列表、第三推荐列表、第四推荐列表和第五推荐列表中的商品信息进行融合处理,得出最终推荐列表。
示例性的,融合处理可以是从第一推荐列表、第二推荐列表、第三推荐列表、第四推荐列表和第五推荐列表中,按照设定的比例,选择出部分商品对应的商品信息。然后按照第一推荐列表在前、接着是第二推荐列表、第三推荐列表、第四推荐列表和第五推荐列表的顺序,对选择出的商品进行排序。设定的比例可以是3:2:1:1:1。
排序后将重复的商品进行删除,删除后,从相应的推荐列表中顺位补齐商品。示例性的,发现第三推荐列表中的商品信息对应的商品与第一推荐列表中的商品信息对应的商品一致,删除第三推荐列表中的商品信息,然后将第三推荐列表中,被删掉的商品信息的下一个商品信息填补到空缺位置处,以生成最终推荐列表。最终推荐列表中的商品数量与前端的传参值有关。前端会将本次需要推荐展示的商品数量以recNum的形式传递给后端,在得到最终推荐列表后,后端按顺序截取recNum个商品返回,展示给用户。
或者,在得到第一推荐列表、第二推荐列表、第三推荐列表、第四推荐列表和第五推荐列表后,融合处理还可以是从第一推荐列表、第二推荐列表、第三推荐列表、第四推荐列表和第五推荐列表中任意选择两个或两个以上列表进行商品信息的排序和去重,生成最终推荐列表。例如,可以对第一推荐列表、第二推荐列表、第三推荐列表和第四推荐列表中的商品信息进行去重、排序,生成最终推荐列表,还可以对第一推荐列表、第二推荐列表、第三推荐列表和第五推荐列表中的商品信息进行去重、排序,生成最终推荐列表,或者,如图12所示,对第一推荐列表、第二推荐列表、第三推荐列表中的商品信息进行去重、排序,生成最终推荐列表。
为了实现上述功能,上述电子设备包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,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。
本申请另一些实施例提供了一种电子设备,该电子设备可以包括:通信模块、存储器和一个或多个处理器。该通信模块、存储器与处理器耦合。该存储器用于存储计算机程序代码,该计算机程序代码包括计算机指令。
本申请另一实施例提供一种芯片***,如图13所示,该芯片***包括至少一个处理器1301和至少一个接口电路1302。处理器1301和接口电路1302可通过线路互联。例如,接口电路1302可用于从其它装置接收信号。又例如,接口电路1302可用于向其它装置(例如处理器1301)发送信号。
例如,接口电路1302可读取设备中存储器中存储的指令,并将该指令发送给处理器1301。当指令被处理器1301执行时,可使得电子设备执行上述实施例中的各个。当然,该芯片***还可以包含其他分立器件,本申请实施例对此不作具体限定。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行上述方法实施例中电子设备(例如,手机)执行的各个功能或者。
本申请实施例还提供一种计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行上述方法实施例中电子设备(例如,手机)执行的各个功能或者。
通过以上实施方式的描述,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,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以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,模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个装置,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,机械或其它的形式。
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一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。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,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本申请实施例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,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上内容,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (18)
1.一种冷启动推荐方法,应用于服务器,其特征在于,所述方法包括:
接收来自终端设备的获取推荐列表请求,所述获取推荐列表请求包括新用户所使用的终端设备的型号,所述终端设备的型号为第一型号;
确定第一型号对应的第一商品访问记录和第一版块访问记录,所述第一商品访问记录为从第一应用的商品访问记录中筛选得到的,所述第一版块访问记录为从第二应用的版块访问记录中筛选得到的,所述第一应用为购物类应用,第二应用为社区类应用;
根据所述第一商品访问记录得出第一推荐列表;
根据所述第一版块访问记录得出第二推荐列表;
确定所述第一型号的相似型号和所述相似型号对应的第二商品访问记录,并根据所述第二商品访问记录,得出第三推荐列表,其中,所述第一推荐列表、所述第二推荐列表和所述第三推荐列表均包括商品信息和商品对应的打分结果;
对所述第一推荐列表、所述第二推荐列表和所述第三推荐列表中的商品信息进行去重、排序,得到最终推荐列表,所述最终推荐列表用于为新用户推荐商品;
向所述终端设备发送所述最终推荐列表。
2.根据权利要求1所述的方法,其特征在于,所述得出第三推荐列表之后,所述方法还包括:
基于所述第一版块访问记录中每条版块访问记录涉及的帖子,确定所述每条版块访问记录涉及的帖子对应的第一类型词,为所述帖子和所述第一类型词创建映射关系,所述第一类型词为所述帖子中与产品名称相关的词;
基于所述第一版块访问记录,确定用户偏好的帖子;
根据所述映射关系,确定所述用户偏好的帖子对应的第一类型词;
利用模糊匹配算法,确定所述第一类型词对应的商品信息,并根据所述第一类型词对应的商品信息,生成第四推荐列表;
所述对所述第一推荐列表、所述第二推荐列表和所述第三推荐列表中的商品信息进行去重、排序,得到最终推荐列表,包括:
对所述第一推荐列表、所述第二推荐列表、所述第三推荐列表和所述第四推荐列表中的商品信息进行去重、排序,得到所述最终推荐列表。
3.根据权利要求1所述的方法,其特征在于,所述得出第三推荐列表之后,所述方法还包括:
基于所述第一版块访问记录中每条版块访问记录涉及的帖子,确定所述每条版块访问记录涉及的帖子对应的第二类型词,所述第二类型词为所述帖子中与产品特性相关的词;
按照所有的所述第二类型词出现的频次进行排序,生成第一排序结果;
基于所述第一排序结果中的所述第二类型词关联商品卖点,以生成第五推荐列表,所述第五推荐列表中包括所述商品卖点对应的商品信息;
所述对所述第一推荐列表、所述第二推荐列表和所述第三推荐列表中的商品信息进行去重、排序,得到最终推荐列表,包括:
对所述第一推荐列表、所述第二推荐列表、所述第三推荐列表和所述第五推荐列表中的商品信息进行去重、排序,得到所述最终推荐列表;
或者,
对所述第一推荐列表、所述第二推荐列表、所述第三推荐列表、第四推荐列表和所述第五推荐列表中的商品信息进行去重、排序,得到所述最终推荐列表。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一商品访问记录,得出第一推荐列表,包括:
对所述第一商品访问记录中的每条商品访问记录涉及的商品进行打分,得到所述每条商品访问记录涉及的商品的打分结果;
对同一商品的打分结果进行累加,得到所有商品的打分结果;
按照所有商品的打分结果,从高到低进行排序,得到第一推荐列表。
5.根据权利要求4所述的方法,其特征在于,所述对所述第一商品访问记录中的每条商品访问记录涉及的商品进行打分,得到所述每条商品访问记录涉及的商品的打分结果,包括:
基于所述每条商品访问记录中的用户与商品的第一交互行为,对所述每条商品访问记录涉及的商品进行打分,得到第一打分结果;
基于所述每条商品访问记录中的第一交互行为的发生时间,对所述每条商品访问记录涉及的商品进行打分,得到第二打分结果;
将所述第一打分结果和所述第二打分结果相乘,得到所述每条商品访问记录涉及的商品的打分结果。
6.根据权利要求5所述的方法,其特征在于,所述基于所述每条商品访问记录中的用户与商品的第一交互行为,对所述每条商品访问记录涉及的商品进行打分,得到第一打分结果,包括:
基于所述每条商品访问记录中的用户与商品的第一交互行为,将所述用户与商品的第一交互行为与行为打分规则中的行为进行对比,得到第一打分结果,所述行为打分规则包括行为和所述行为对应的打分结果。
7.根据权利要求5所述的方法,其特征在于,所述基于所述每条商品访问记录中的第一交互行为的发生时间,对所述每条商品访问记录涉及的商品进行打分,得到第二打分结果,包括:
基于所述每条商品访问记录中的第一交互行为的发生时间,将所述第一交互行为的发生时间输入时间衰减函数,得到第二打分结果。
8.根据权利要求1所述的方法,其特征在于,所述根据所述第一版块访问记录,得出第二推荐列表,包括:
基于所述第一版块访问记录,确定出用户偏好版块和所述用户偏好版块对应的用户群;
基于所述用户群中用户的名称,从所述商品访问记录中确定出所述用户群中的用户偏好的商品,并基于用户偏好的商品生成第二推荐列表。
9.根据权利要求8所述的方法,其特征在于,所述基于所述第一版块访问记录,确定出用户偏好版块和用户偏好版块对应的用户群,包括:
基于所述第一版块访问记录中每条版块访问记录中的用户与版块的第二交互行为和第二交互行为的发生时间,对所述每条版块访问记录涉及的版块进行打分,得出用户偏好版块和用户偏好版块对应的用户群。
10.根据权利要求1所述的方法,其特征在于,在所述确定所述第一型号的相似型号之前,所述方法还包括:
对所述商品访问记录,按照设备型号进行区分,并基于区分后的商品访问记录,得到每种设备型号对应的用户行为序列,所述用户行为序列中包括用户访问的产品;
所述确定所述第一型号的相似型号,包括:
确定所述第一型号的用户行为序列与第二型号的用户行为序列的相似度,在所述第一型号的用户行为序列与第二型号的用户行为序列的相似度符合阈值时,则所述第二型号为所述第一型号的相似型号,所述第二型号为所述第一型号以外的所有型号;
确定所述相似型号对应的第二商品访问记录,并根据所述第二商品访问记录,得出第三推荐列表,包括:
将所述商品访问记录,按照设备型号进行区分,得到所述相似型号对应的第二商品访问记录;
基于所述第二商品访问记录,对所述第二商品访问记录中涉及的商品进行打分,得到所述相似型号对应的商品打分结果;
基于所述商品打分结果,生成第三推荐列表。
11.根据权利要求1或2所述的方法,其特征在于,通过终端设备的操作***公开的应用程序接口API,确定新用户所使用的终端设备型号为所述第一型号。
12.根据权利要求1或2所述的方法,其特征在于,所述第一应用的商品访问记录和所述第二应用的版块访问记录为通过页面埋点获取的,所述页面埋点包括手写埋点和无埋点,所述手写埋点为在预置的检测位置上,若检测到数据,则上报数据,所述无埋点为上报所有数据。
13.根据权利要求5或6所述的方法,其特征在于,所述用户与商品的第一交互行为包括点击进入商品详情页、收藏商品、加入购物车、点击立即购买商品、提交商品购买订单、商品订单支付成功、取消商品收藏、商品分享、搜索商品、商品到货通知确认成功、咨询商品、评论商品和点击浏览足迹中的商品。
14.根据权利要求9所述的方法,其特征在于,所述用户与版块的第二交互行为包括用户浏览版块下的帖子、用户在帖子下面的评论、用户对帖子下面的评论的回复、用户分享帖子、用户收藏帖子、用户对帖子的点赞、用户点击评论帖子的用户的详细信息、用户点击评论帖子的用户发布的帖子、用户对帖子的打赏。
15.一种冷启动推荐方法,应用于终端设备,其特征在于,所述方法包括:
响应于新用户登录第一应用的操作,向服务器发送获取推荐列表请求,所述推荐列表请求包括新用户所使用的终端设备的型号,所述终端设备的型号为第一型号;
接收到来自所述服务器发送的最终推荐列表;
根据所述最终推荐列表,为新用户推荐商品。
16.一种服务器,其特征在于,所述服务器包括:无线通信模块、存储器和一个或多个处理器;所述无线通信模块、所述存储器与所述处理器耦合;
其中,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令;当所述计算机指令被所述处理器执行时,使得所述服务器执行如权利要求1-14中任一项所述的方法。
17.一种终端设备,其特征在于,所述终端设备包括:无线通信模块、存储器和一个或多个处理器;所述无线通信模块、所述存储器与所述处理器耦合;
其中,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令;当所述计算机指令被所述处理器执行时,使得所述终端设备执行如权利要求15所述的方法。
18.一种计算机可读存储介质,其特征在于,包括计算机指令;
当所述计算机指令在终端设备上运行时,使得所述服务器执行如权利要求1-14中任一项所述的方法,使得所述终端设备执行如权利要求15所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210631258.6A CN114707075B (zh) | 2022-06-06 | 2022-06-06 | 一种冷启动推荐方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210631258.6A CN114707075B (zh) | 2022-06-06 | 2022-06-06 | 一种冷启动推荐方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114707075A true CN114707075A (zh) | 2022-07-05 |
CN114707075B CN114707075B (zh) | 2022-10-25 |
Family
ID=82177801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210631258.6A Active CN114707075B (zh) | 2022-06-06 | 2022-06-06 | 一种冷启动推荐方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114707075B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117332145A (zh) * | 2022-08-26 | 2024-01-02 | 荣耀终端有限公司 | 一种应用程序推荐方法、装置及用户设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002095597A1 (en) * | 2001-05-18 | 2002-11-28 | Nikon Corporation | Method for providing bulletin board for placing an image and method for providing electronic album service |
JP2005018470A (ja) * | 2003-06-26 | 2005-01-20 | Sony Corp | 商品情報提供サーバ及び商品情報提供システム |
WO2013013161A1 (en) * | 2011-07-20 | 2013-01-24 | Ebay Inc. | Real-time location-aware recommendations |
US20160225063A1 (en) * | 2015-01-30 | 2016-08-04 | Sears Brands, L.L.C. | System and method for using crowdsourced personalized recommendations |
CN105989074A (zh) * | 2015-02-09 | 2016-10-05 | 北京字节跳动科技有限公司 | 一种通过移动设备信息进行推荐冷启动的方法和装置 |
WO2016175420A1 (ko) * | 2015-04-30 | 2016-11-03 | 에스케이플래닛 주식회사 | 리타게팅 광고 상품 추천 사용자 장치와 서비스 제공 장치, 그를 포함하는 광고 상품 추천 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체 |
CN108205768A (zh) * | 2016-12-20 | 2018-06-26 | 百度在线网络技术(北京)有限公司 | 数据库建立方法和数据推荐方法及装置、设备和存储介质 |
US20190095874A1 (en) * | 2017-09-27 | 2019-03-28 | International Business Machines Corporation | Determining validity of service recommendations |
US20200042147A1 (en) * | 2018-08-03 | 2020-02-06 | Apple Inc. | User simulation for model initialization |
CN113434778A (zh) * | 2021-07-20 | 2021-09-24 | 陕西师范大学 | 基于正则化框架和注意力机制的推荐方法 |
-
2022
- 2022-06-06 CN CN202210631258.6A patent/CN114707075B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002095597A1 (en) * | 2001-05-18 | 2002-11-28 | Nikon Corporation | Method for providing bulletin board for placing an image and method for providing electronic album service |
JP2005018470A (ja) * | 2003-06-26 | 2005-01-20 | Sony Corp | 商品情報提供サーバ及び商品情報提供システム |
WO2013013161A1 (en) * | 2011-07-20 | 2013-01-24 | Ebay Inc. | Real-time location-aware recommendations |
US20160225063A1 (en) * | 2015-01-30 | 2016-08-04 | Sears Brands, L.L.C. | System and method for using crowdsourced personalized recommendations |
CN105989074A (zh) * | 2015-02-09 | 2016-10-05 | 北京字节跳动科技有限公司 | 一种通过移动设备信息进行推荐冷启动的方法和装置 |
WO2016175420A1 (ko) * | 2015-04-30 | 2016-11-03 | 에스케이플래닛 주식회사 | 리타게팅 광고 상품 추천 사용자 장치와 서비스 제공 장치, 그를 포함하는 광고 상품 추천 시스템, 그의 제어 방법 및 컴퓨터 프로그램이 기록된 기록매체 |
CN108205768A (zh) * | 2016-12-20 | 2018-06-26 | 百度在线网络技术(北京)有限公司 | 数据库建立方法和数据推荐方法及装置、设备和存储介质 |
US20190095874A1 (en) * | 2017-09-27 | 2019-03-28 | International Business Machines Corporation | Determining validity of service recommendations |
US20200042147A1 (en) * | 2018-08-03 | 2020-02-06 | Apple Inc. | User simulation for model initialization |
CN113434778A (zh) * | 2021-07-20 | 2021-09-24 | 陕西师范大学 | 基于正则化框架和注意力机制的推荐方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117332145A (zh) * | 2022-08-26 | 2024-01-02 | 荣耀终端有限公司 | 一种应用程序推荐方法、装置及用户设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114707075B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230063920A1 (en) | Content navigation with automated curation | |
CN110110203B (zh) | 资源信息推送方法及服务器、资源信息展示方法及终端 | |
CN109002490B (zh) | 用户画像生成方法、装置、服务器及存储介质 | |
US20180300379A1 (en) | Method of recommending friends, and server and terminal therefor | |
EP3288275B1 (en) | Methods and systems of providing visual content editing functions | |
WO2017202006A1 (zh) | 数据处理方法和装置、计算机存储介质 | |
CN110458360B (zh) | 热门资源的预测方法、装置、设备及存储介质 | |
CN110199276A (zh) | 用方面标记查询 | |
CN111339246A (zh) | 查询语句模板的生成方法、装置、设备及介质 | |
US20090099853A1 (en) | Contextual product placement | |
CN114756122A (zh) | 确定用于执行动作的代理的方法、计算设备和存储介质 | |
US11601391B2 (en) | Automated image processing and insight presentation | |
KR20140027011A (ko) | 친구 추천 방법 및 이를 위한 서버 및 단말 | |
CN112116391A (zh) | 多媒体资源投放方法、装置、计算机设备及存储介质 | |
CN112464052A (zh) | 反馈信息的处理方法、显示方法、装置及电子设备 | |
CN108460651A (zh) | 车辆推荐方法及装置 | |
Ilakkuvan et al. | Cameras for public health surveillance: a methods protocol for crowdsourced annotation of point-of-sale photographs | |
CN112328911A (zh) | 地点推荐方法、装置、设备及存储介质 | |
CN114707075B (zh) | 一种冷启动推荐方法和设备 | |
CN106126592A (zh) | 搜索数据的处理方法及装置 | |
US20170223504A1 (en) | Logistic discounting of point of interest relevance based on map viewport | |
US10467237B1 (en) | Object relationships and similarities based on user context | |
CN113626624A (zh) | 一种资源识别方法和相关装置 | |
CN111931075A (zh) | 一种内容推荐方法、装置、计算机设备及存储介质 | |
CN113486260B (zh) | 互动信息的生成方法、装置、计算机设备及存储介质 |
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 |