【技术实现步骤摘要】
信息推荐与获取方法、设备及存储介质
本申请涉及互联网
,尤其涉及一种信息推荐与获取方法、设备及存储介质。
技术介绍
零售业的快速发展催生了全渠道、多场景一体化的新零售模式。在新零售模式下,基于机器学习的方法越来越多的应用于商品点击通过率(ClickThroughRate,CTR)、点击转化率(ClickValueRate,CVR)或成交总额(GrossMerchandiseVolume,GMV)的预估环节,不断提升估计准确率;在预估完成后,可根据多目标的要求,为用户进行个性化商品推荐,试图最大化CTR、CVR或GMV等指标。目前,通常的做法是根据历史数据预估商品的点击概率如CTR或CVR,按照点击概率将商品进行排序,挑选点击概率最高的商品向用户进行推荐。但是,由于用户访问APP或网页具有随机性,仅基于点击概率可能无法准确地向用户进行商品推荐,例如可能出现向用户推荐无效商品的情况,导致用户无法购买所推荐的商品,降低用户体验。
技术实现思路
本申请的多个方面提供一种信息推荐与获取方法、设备及存储介质,用以更加准确地向用户进行库存资源推荐,降低无效资源的推荐概率,提高用户体验。本申请实施例提供一种信息推荐方法,包括:接收终端设备发送的页面请求,所述页面请求包括用户标识,所述用户标识用于标识发起页面请求操作的目标用户;获取可在线上交易的至少一种库存资源的紧缺度信息和当前库存信息,并预测所述目标用户对所述至少一种库存资源的偏好信息;根据所述至少一种库存资源的紧缺度信息、当前库存信息以及
【技术保护点】
1.一种信息推荐方法,其特征在于,包括:/n接收终端设备发送的页面请求,所述页面请求包括用户标识,所述用户标识用于标识发起页面请求操作的目标用户;/n获取可在线上交易的至少一种库存资源的紧缺度信息和当前库存信息,并预测所述目标用户对所述至少一种库存资源的偏好信息;/n根据所述至少一种库存资源的紧缺度信息、当前库存信息以及所述目标用户对所述至少一种库存资源的偏好信息,从所述至少一种库存资源中选择目标库存资源;/n将所述目标库存资源的信息发送给所述终端设备,以供所述终端设备在所述目标用户请求的页面上展示所述目标库存资源的信息。/n
【技术特征摘要】
1.一种信息推荐方法,其特征在于,包括:
接收终端设备发送的页面请求,所述页面请求包括用户标识,所述用户标识用于标识发起页面请求操作的目标用户;
获取可在线上交易的至少一种库存资源的紧缺度信息和当前库存信息,并预测所述目标用户对所述至少一种库存资源的偏好信息;
根据所述至少一种库存资源的紧缺度信息、当前库存信息以及所述目标用户对所述至少一种库存资源的偏好信息,从所述至少一种库存资源中选择目标库存资源;
将所述目标库存资源的信息发送给所述终端设备,以供所述终端设备在所述目标用户请求的页面上展示所述目标库存资源的信息。
2.根据权利要求1所述的方法,其特征在于,获取可在线上操作的至少一种库存资源的紧缺度信息,包括:
基于历史用户对可在线上交易的至少一种库存资源的历史偏好信息,预估所述至少一种库存资源的影子价格;其中,每种库存资源的影子价格反映该库存资源的紧缺度。
3.根据权利要求2所述的方法,其特征在于,基于历史用户对可在线上交易的至少一种库存资源的历史偏好信息,预估所述至少一种库存资源的影子价格,包括:
对历史用户对所述至少一种库存资源的历史偏好信息进行抽样,以得到抽样历史用户对所述至少一种库存资源的历史偏好信息;
基于所述抽样历史用户对所述至少一种库存资源的历史偏好信息,对未来到达用户对所述至少一种库存资源的偏好进行估计,以得到所述至少一种库存资源的影子价格。
4.根据权利要求3所述的方法,其特征在于,对历史用户对所述至少一种库存资源的历史偏好信息进行抽样,以得到抽样历史用户对所述至少一种库存资源的历史偏好信息,包括:
针对当前时间窗,根据历史同期时间窗内出现的历史用户的数量,预测当前时间窗内可能到达的用户数量;
根据当前时间窗内可能到达的用户数量,从所述历史同期时间窗内出现的历史用户中进行抽样,以得到抽样历史用户;
从历史用户对所述至少一种库存资源的历史偏好信息中,获取所述抽样历史用户对所述至少一种库存资源的历史偏好信息。
5.根据权利要求4所述的方法,其特征在于,基于所述抽样历史用户对所述至少一种库存资源的历史偏好信息,对未来到达用户对所述至少一种库存资源的偏好进行估计,以得到所述至少一种库存资源的影子价格,包括:
基于所述抽样历史用户对所述至少一种库存资源的历史偏好信息和所述至少一种库存资源的价格属性,构建以所述至少一种库存资源的推荐概率为决策变量,以所述抽样历史用户在当前时间窗内对所述至少一种库存资源的期望收益最大为目标的线性规划模型;
基于对偶理论,对所述线性规划模型进行求解以得到所述至少一种库存资源的影子价格,每种库存资源的影子价格是该库存资源的推荐概率的对偶值,反映该库存资源的紧缺度。
6.根据权利要求5所述的方法,其特征在于,在构建线性规划模型过程中,还包括:
结合当前时间窗内可能到达的用户数量以及所述至少一种库存资源的当前库存信息,确定所述至少一种库存资源在当前时间窗内的分配量;
根据所述至少一种库存资源在当前时间窗内的分配量和每次最多可推荐的库存资源量,构建所述线性规划模型的约束条件。
7.根据权利要求6所述的方法,其特征在于,基于所述抽样历史用户对所述至少一种库存资源的历史偏好信息和所述至少一种库存资源的价格属性,构建以所述至少一种库存资源的推荐概率为决策变量,以所述抽样历史用户在当前时间窗内对所述至少一种库存资源的期望收益最大为目标的线性规划模型,包括:
根据所述抽样历史用户对所述至少一种库存资源的历史偏好信息、所述至少一种库存资源的价格属性以及所述至少一种库存资源的推荐概率,生成所述历史用户在当前时间窗内对所述至少一种库存资源的基础期望收益函数;
根据所述至少一种库存资源的残值信息和所述至少一种库存资源的当前库存信息,生成所述至少一种库存资源在当前时间窗内的损失期望收益函数,所述库存资源的残值信息是根据所述库存资源的有效期确定的;
以最大化所述基础期望收益函数和所述损失期望收益函数之和作为所述线性规划模型的目标函数。
8.根据权利要求1-7任一项所述的方法,其特征在于,根据所述至少一种库存资源的紧缺度信息、当前库存信息以及所述目标用户对所述至少一种库存资源的偏好信息,从所述至少一种库存资源中选择目标库存资源,包括:
根据所述至少一种库存资源的紧缺度信息和所述目标用户对所述至少一种库存资源的偏好信息,确定所述至少一种库存资源的期望收益;
根据所述至少一种库存资源的当前库存信息,对所述至少一种库存资源的期望收益进行修正;
根据所述至少一种库存资源修正后的期望收益,从所述至少一种库存资源中选择目标库存资源。
9.根据权利要求8所述的方法,其特征在于,预测所述目标用户对所述至少一种库存资源的偏好信息,包括:基于所述目标用户的画像数据,预测所述目标用户对所述至少一种库存资源的点击通过率和点击转化率;
相应地,根据所述至少一种库存资源的紧缺度信息和所述目标用户对所述至少...
【专利技术属性】
技术研发人员:马光锐,郑欢,邓玉明,戚赟炜,荣鹰,陈督,张勋,
申请(专利权)人:阿里巴巴集团控股有限公司,
类型:发明
国别省市:开曼群岛;KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。