推荐方法、装置、电子设备和非易失性存储介质制造方法及图纸

本发明专利技术实施例涉及信息处理技术领域，公开了一种推荐方法、装置、电子设备和非易失性存储介质。上述推荐方法包括：根据目标商户的历史订单，将目标用户下过单且满足预设的价格要求的资源加入推荐候选集；根据用于预估下单概率的预估模型，预估所述推荐候选集中的资源被所述目标用户下单的下单概率；其中，所述预估模型预先根据采集的用户和资源的历史特征数据训练得到；将所述推荐候选集中的资源，按照预估的下单概率的高低推荐给所述目标用户，可以满足不同用户的个性化需求。

Recommended methods, devices, electronic devices and non-volatile storage media

【技术实现步骤摘要】
推荐方法、装置、电子设备和非易失性存储介质
本专利技术涉及信息处理
，特别涉及一种推荐方法、装置、电子设备和非易失性存储介质。
技术介绍
随着互联网技术的快速发展，基于互联网的应用越来越多，例如外卖类应用、购物类应用。基于这些应用，用户足不出户即可获取自己所需的物品，为用户的生活提供了越来越多的方便。如何为用户推荐更符合用户意愿的物品，越来越受到各大互联网的关注。专利技术人发现，在外卖类应用中，对用户进行推荐菜品的做法通常是基于全网用户购买过的组合信息，结合当前的菜品价格与满减活动，根据组合的购买频次降序排列。然而，这种推荐方法是一种千人一面的推荐方案，无法满足不同用户个性化的需求。
技术实现思路
本专利技术实施方式的目的在于提供一种推荐方法、装置、电子设备和非易失性存储介质，可以满足不同用户的个性化需求。为解决上述技术问题，本专利技术的实施方式提供了一种推荐方法，包括：根据目标商户的历史订单，将目标用户下过单且满足预设的价格要求的资源加入推荐候选集；根据用于预估下单概率的预估模型，预估所述推荐候选集中的资源被所述目标用户下单的下单概率；其中，所述预估模型预先根据采集的用户和资源的历史特征数据训练得到；将所述推荐候选集中的资源，按照预估的下单概率的高低推荐给所述目标用户。本专利技术的实施方式还提供了一种推荐装置，包括：处理模块，用于根据目标商户的历史订单，将目标用户下过单且满足预设的价格要求的资源加入推荐候选集；预估模块，用于根据用于预估下单概率的预估模型，预估所述推荐候选集中的资源被所述目标用户下单的下单概率；其中，所述预估模型预先根据采集的用户和资源的历史特征数据训练得到；推荐模块，用于将所述推荐候选集中的资源，按照预估的下单概率的高低推荐给所述目标用户。本专利技术的实施方式还提供了一种电子设备，包括存储器和处理器，存储器存储计算机程序，处理器运行程序时执行：根据目标商户的历史订单，将目标用户下过单且满足预设的价格要求的资源加入推荐候选集；根据用于预估下单概率的预估模型，预估所述推荐候选集中的资源被所述目标用户下单的下单概率；其中，所述预估模型预先根据采集的用户和资源的历史特征数据训练得到；将所述推荐候选集中的资源，按照预估的下单概率的高低推荐给所述目标用户。本专利技术的实施方式还提供了一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行如上所述的推荐方法。本专利技术实施方式相对于现有技术而言，主要区别及其效果在于：根据目标商户的历史订单，将目标用户下过单且满足预设的价格要求的资源加入推荐候选集。由于，目标用户下过单的资源，能够在一定程度上表征目标用户的下单意愿，同时如果该资源还能满足预设的价格要求，那么该资源被目标用户再次下单的可能性极大。因此，将目标用户下过单的且满足预设条件的资源加入推荐候选集，有利于得到针对目标用户的推荐候选集，从而可以对目标用户进行有效的个性化推荐。根据用于预估下单概率的预估模型，预估推荐候选集中的资源被目标用户下单的下单概率，有利于准确快速的对下单概率进行预估，而且由于预估模型预先根据采集的用户和资源的历史特征数据训练得到，即训练预估模型的数据来源于用户和资源的真实历史数据，参考价值高，可使得预估的下单概率更加准确、可靠。将推荐候选集中的资源，按照预估的下单概率的高低推荐给目标用户，使得目标用户最先被推荐的为下单可能性最高的资源，提高目标用户在目标商户中下单的效率，同时还能提升目标用户的使用体验。并且，由于不同的目标用户在同一目标商户中的历史订单可能并不相同，因此，针对不同目标用户均有适合各自的推荐候选集，有利于对不同目标用户进行推荐时满足不同目标用户的个性化需求。另外，所述推荐候选集中的资源分为：单个资源和资源组合；预估所述推荐候选集中的资源组合被所述目标用户下单的下单概率，包括：分别预估所述资源组合中的每一个资源被所述目标用户下单的下单概率；根据所述每一个资源的下单概率，预估所述资源组合被所述目标用户下单的下单概率。目标用户下过单的且满足目标用户的价格要求的资源可能为单个资源也可能为资源组合，对于资源组合的下单概率，提供了一种具体的预估方式，有利于对资源组合的下单概率进行准确的预估。另外，根据所述每一个资源的下单概率，预估所述资源组合被所述目标用户下单的下单概率，包括：根据所述每一个资源的下单概率，计算下单概率平均值；将所述下单概率平均值，作为预估的所述资源组合的下单概率。下单概率平均值能均衡的考虑到资源组合中每一个资源被下单的可能性，使得最终预估的资源组合的下单概率更加合理、准确。另外，推荐候选集中的资源均为所述目标商户当前在售的资源，有利于提高候选集中的资源的有效性，保证推荐给用户的资源为当前真实、有效、可下单的资源，有利于提高用户的使用体验。另外，所述用户和资源的历史特征数据包括：用户属性特征、资源属性特征、用户与资源的交叉属性特征、用户实时行为特征。训练预估模型时考虑到多个维度的特征，尤其是用户与资源的交叉属性特征，使得对于下单概率的预估更能体现出该用户对该资源的实际喜好程度，从而进一步提高预估的准确性。另外，所述用户与资源的交叉属性特征，包括：用户对资源的历史评价、用户对资源的购买量。用户对资源的历史评价和购买量能够准确的衡量用户对当前菜品下单的可能性，有利于提高预估的准确性。另外，所述预估模型为根据XGBoost训练的预估模型。XGBoost能够增加预估模型的鲁棒性，相较于传统的机器学习算法，速度快、效果好、能处理大规模数据、且支持多种语言和自定义损失函数。附图说明图1是根据本专利技术第一实施方式中的推荐方法的流程图；图2是根据本专利技术第二实施方式中的步骤S102的实现过程的流程图；图3是根据本专利技术第三实施方式中的推荐装置的示意图；图4是根据本专利技术第四实施方式提供的电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本专利技术各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本专利技术的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。本专利技术的第一实施方式涉及一种推荐方法，应用于电子设备，该电子设备可以为服务器，比如说，如果本实施方式的推荐方法应用于外卖平台上的菜品推荐，则上述服务器可以为管理外卖平台的外卖平台服务器。本实施方式的推荐主要为在用户点击进入商户浏览时，为该用户推荐满足该用户的价格要求的资源，资源可以为商户出售的商品，不同类型的商户出售不同类型的商品，比如说，外卖类型的商户出售的商品为菜品。下面对本实施方式的推荐方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。需要说明的是，本实施方式中的推荐方法以应用于外卖平台服务器为例进行具体说明，但在实际应用中并不以此为限。本实施方式的推荐方法的流程图可以如图1所示，包括:步骤S101，根据目标商户的历史订单，将目标用户下过单且满足预设的价格要求的资源加入推荐候选集。具体的说本文档来自技高网...

【技术保护点】
1.一种推荐方法，其特征在于，包括：根据目标商户的历史订单，将目标用户下过单且满足预设的价格要求的资源加入推荐候选集；根据用于预估下单概率的预估模型，预估所述推荐候选集中的资源被所述目标用户下单的下单概率；其中，所述预估模型预先根据采集的用户和资源的历史特征数据训练得到；将所述推荐候选集中的资源，按照预估的下单概率的高低推荐给所述目标用户。

【技术特征摘要】
1.一种推荐方法，其特征在于，包括：根据目标商户的历史订单，将目标用户下过单且满足预设的价格要求的资源加入推荐候选集；根据用于预估下单概率的预估模型，预估所述推荐候选集中的资源被所述目标用户下单的下单概率；其中，所述预估模型预先根据采集的用户和资源的历史特征数据训练得到；将所述推荐候选集中的资源，按照预估的下单概率的高低推荐给所述目标用户。2.根据权利要求1所述的推荐方法，其特征在于，所述推荐候选集中的资源分为：单个资源和资源组合；预估所述推荐候选集中的资源组合被所述目标用户下单的下单概率，包括：分别预估所述资源组合中的每一个资源被所述目标用户下单的下单概率；根据所述每一个资源的下单概率，预估所述资源组合被所述目标用户下单的下单概率。3.根据权利要求2所述的推荐方法，其特征在于，所述根据所述每一个资源的下单概率，预估所述资源组合被所述目标用户下单的下单概率，包括：根据所述每一个资源的下单概率，计算下单概率平均值；将所述下单概率平均值，作为预估的所述资源组合的下单概率。4.根据权利要求1所述的推荐方法，其特征在于，所述将目标用户下过单且满足预设的价格要求的资源加入推荐候选集，包括：如果所述目标用户下过单的单个资源的价格满足所述价格要求，则将满足所述价格要求的单个资源加入推荐候选集；如果所述目标用户下过单的单个资源的价格不满足所述价格要求，则根据各个不满足所述价格要求的单个资源的价格和属性生成资源组合，其中，所述资源组合的价格满足所述价格要求，将所述资源组合加入所述推...

【专利技术属性】
技术研发人员：徐龙，
申请(专利权)人：拉扎斯网络科技上海有限公司，
类型：发明
国别省市：上海,31