[發明專利]一種業務對象的推薦方法、裝置和客戶端

在審

• 申請號: 201611185242.8
• 申請日: 2016-12-20
• 公開（公告）號: CN108205775A
• 公開（公告）日: 2018-06-26
• 發明（設計）人: 齊芳芳;倪娜;劉忠義
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F17/30
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 趙娟

本申請實施例提供了一種業務對象的推薦方法、裝置和客戶端，包括：確定與用戶存在交互行為數據的種子業務對象；計算用戶對所述種子業務對象的種子偏好度；計算指定業務對象與所述種子業務對象之間的種子相似度；采用所述種子偏好度和所述種子相似度，確定所述用戶對指定業務對象的目標偏好度；依據所述目標偏好度為所述用戶推薦所述指定業務對象。本申請實施例中融合了用戶行為數據的多個信息維度，使得計算偏好度和相似度的準確率高，從而能夠更好地為用戶服務。

技術領域

本申請實施例涉及數據處理技術領域，特別是涉及一種業務對象的推薦方法、一種業務對象的推薦裝置、一種業務對象相似度的確定方法、一種業務對象相似度的確定裝置、一種客戶端、一種裝置，以及，一個或多個計算機可讀介質。

背景技術

在互聯網技術中，網站經常需要向用戶推薦各種產品信息，例如電商平臺在網頁上向用戶推薦用戶可能感興趣的商品或店鋪等。通過這種推薦的方式，來縮短用戶尋找所需要商品或店鋪的路徑，提升用戶體驗。

電商平臺消費者的行為具有碎片性、偶然性的特點，商家維護老客戶的難度非常大，因此潛客營銷是商家運營中一直的重點。對于商家來說，其潛客包含兩種類型，一種是直接潛客，即與其發生過關系，但并未轉化為直接購買的潛客，這部分用戶相對于全網商家來說非常有限。還有另一種，是有需求但并未建立直接聯系的用戶。由于并沒有直接的用戶行為數據可利用，因此對這部分潛客的挖掘通常借助一些類似協同過濾類的擴散技術，即利用協同算法建立商品到商品、商家到商家、用戶到用戶的相似性數據，再基于一些觸發方法，對目標客戶進行營銷。協同過濾算法對用戶偏好的度量以及對相似性計算的準確性，直接關系到營銷的ROI(Return On Investment，投資回收率)，也是算法優化的核心。

發明內容

鑒于上述問題，提出了本申請實施例以便提供一種克服上述問題或者至少部分地解決上述問題的一種業務對象的推薦方法、一種業務對象的推薦裝置、一種業務對象相似度的確定方法、一種業務對象相似度的確定裝置、一種客戶端、一種裝置，以及，一個或多個計算機可讀介質。

為了解決上述問題，本申請公開了一種業務對象的推薦方法，包括：

確定與用戶存在交互行為數據的種子業務對象；

計算用戶對所述種子業務對象的種子偏好度；

計算指定業務對象與所述種子業務對象之間的種子相似度；

采用所述種子偏好度和所述種子相似度，確定所述用戶對指定業務對象的目標偏好度；

依據所述目標偏好度為所述用戶推薦所述指定業務對象。

可選地，所述計算用戶對所述種子業務對象的種子偏好度的步驟包括：

獲取用戶與所述種子業務對象之間的交互行為數據；

采用所述交互行為數據生成行為特征向量；

將所述行為特征向量輸入預置訓練模型，得到用戶對所述種子業務對象的種子偏好度。

可選地，所述計算指定業務對象與所述種子業務對象之間的種子相似度的步驟包括：

獲取用戶與指定業務對象之間的偏好矩陣；

采用預置訓練模型預測綜合偏好分；

采用所述綜合偏好分更新所述偏好矩陣；

采用更新后的偏好矩陣計算指定業務對象與所述種子業務對象之間的種子相似度。

可選地，所述預置訓練模型通過如下方式進行訓練：

獲取在指定時間內用戶對業務對象的交互行為數據；

依據當前推薦業務場景確定優化目標；