信息推荐与获取方法、设备及存储介质技术

本申请实施例提供一种信息推荐与获取方法、设备及存储介质。在本申请实施例中，针对可线上交易的库存资源，将前端推荐与供应链端的库存信息相结合，同时融合库存资源的紧缺度信息、当前库存信息以及目标用户对库存资源的偏好信息等多维度信息，实现一种基于库存平衡的信息推荐方法，该方法可在几乎不增加计算负担的前提下，融入供应链管理视角的库存信息，可从全局视角针对用户进行个性化推荐，有利于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，同时提升整体零售收益。

【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。本申请实施例还提供一种信息获取方法，包括：响应页面请求操作，向服务端设备发送页面请求，所述页面请求包括用户标识，所述用户标识用于标识发起所述页面请求操作的目标用户；接收所述服务端设备返回的目标库存资源的信息，并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；其中，所述目标库存资源是所述服务端设备根据可线上交易的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中选择出的。本申请实施例还提供一种服务端设备，包括：存储器和处理器；所述存储器，用于存储计算机程序或指令；所述处理器，与所述存储器耦合，用于执行所述计算机程序或指令，以用于：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。本申请实施例还提供一种终端设备，包括：存储器、处理器和显示器；所述存储器，用于存储计算机程序或指令；所述处理器，与所述存储器耦合，用于执行所述计算机程序或指令，以用于：响应页面请求操作，向服务端设备发送页面请求，所述页面请求包括用户标识，所述用户标识用于标识发起所述页面请求操作的目标用户；接收所述服务端设备返回的目标库存资源的信息，并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；所述显示器，用于显示所述目标用户请求的页面；其中，所述目标库存资源是所述服务端设备根据可线上交易的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中选择出的。本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被处理器执行时，可致使所述处理器实现本申请实施例提供的信息推荐或获取方法中的步骤。本申请实施例还提供一种计算机程序产品，包括计算机程序/指令，当所述计算机程序/指令被处理器执行时，致使所述处理器实现本申请实施例提供的信息推荐或获取方法中的步骤。在本申请实施例中，针对可线上交易的库存资源，将前端推荐与供应链端的库存信息相结合，同时融合库存资源的紧缺度信息、当前库存信息以及目标用户对库存资源的偏好信息等多维度信息，实现一种基于库存平衡的信息推荐方法，该方法可在几乎不增加计算负担的前提下，融入供应链管理视角的库存信息，可从全局视角针对用户进行个性化推荐，有利于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，同时提升整体零售收益。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请示例性实施例提供的一种交易数据处理系统的结构示意图；图2为本申请示例性实施例提供的预估商品的影子价格的流程示意图；图3为本申请例性实施例提供的一种信息推荐方法的流程示意图；图4为本申请示例性实施例提供的一种信息获取方法的流程示意图；图5为本申请示例性实施例提供的一种服务端设备的结构示意图；图6为本申请示例性实施例提供的一种终端设备的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做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。在现有新零售模式下，在向用户进行商品推荐时存在无法准确向用户推荐商品的问题。针对现有技术问题，本申请实施例提供一种信息推荐方法，该方法不仅可针对电商领域中可在线上交易且具有库存信息的商品进行个性化推荐，也可以用于对其它可在线上交易且具有库存信息的资源对象进行个性化推荐。在本申请实施例中，将电商领域中可在线上交易且具有库存信息的商品，以及其它可在线上交易且有库存信息的资源对象，统称为库存资源，并针对可线上交易的库存资源，将前端推荐与供应链端的库存信息相结合，同时融合库存资源的紧缺度信息、当前库存信息以及目标用户对库存资源的偏好信息等多维度信息，实现一种基于库存平衡的信息推荐方法，该方法可在几乎不增加计算负担的前提下，融入供应链管理视角的库存信息，可从全局视角针对用户进行个性化推荐，有利于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。以下结合附图，详细说明本申请各实施例提供的技术方案。图1为本申请示例性实施例提供的一种交易数据处理系统的结构示意图。如图1所示，该交易数据处理系统100包括：终端设备101、服务端设备102以及库存管理设备103；服务端设备102与终端设备101和库存管理设备103进行通信连接。...

【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