推荐方法、推荐装置、电子设备及计算机可读存储介质与流程

1.本技术涉及个性化推荐技术领域，尤其涉及一种推荐方法、推荐装置、电子设备及计算机可读存储介质。


背景技术：

2.随着电子商务的快速发展，各类电商平台为用户提供越来越多的选择的同时，会使用户无法准确的选择出自己所需的资源，尤其是对于一些不具有明确的选择倾向的“选择困难症”用户，面对大量同类资源时，其更加难以做出满意的抉择。现有技术中的资源推荐方法，往往将所有用户一视同仁，在大数据的抓取过程中，没有考虑到这些不具有明确的选择倾向的“选择困难症”用户的行为特征，无法为该类用户提供突出性的推荐商品，这严重影响了该类用户的购物体验，进而影响资源销量。


技术实现要素：

3.有鉴于此，本技术提出一种推荐方法、推荐装置、电子设备及计算机可读存储介质，通过推荐商品在属性上的正向和负向的反差对比，提高推荐的成功率。
4.本技术提供了一种推荐方法，包括：
5.响应于目标用户的推荐请求，通过预先训练的第一推荐模型确定与所述推荐请求对应的正向推荐结果列表；其中，所述目标用户为从得到历史推荐结果时刻起的指定时间间隔内未采纳所述历史推荐结果的第一类型用户；所述第一推荐模型为以第二类型用户的历史行为数据为训练数据训练得到的推荐模型；所述第二类型用户为从得到历史推荐结果时刻起的指定时间间隔内采纳所述历史推荐结果的用户；所述正向推荐结果列表中正向推荐结果的采纳概率不小于预设采纳概率；
6.根据初始反向推荐结果的属性标签及所述目标用户的偏好属性标签，确定反向推荐结果列表；其中，所述初始反向推荐结果为符合所述推荐请求包含的推荐条件的推荐结果，所述反向推荐结果列表中的反向推荐结果的属性标签与所述目标用户的所述偏好属性标签不匹配；所述属性标签表征所述反向推荐结果的属性，所述偏好属性标签表征所述目标用户的偏好的属性；
7.根据所述正向推荐结果列表和所述反向推荐结果列表，确定综合推荐结果列表，并将所述综合推荐结果列表推荐给所述目标用户；所述综合推荐结果列表包含至少一个正向推荐结果以及至少一个反向推荐结果。
8.本技术还提供了一种推荐装置，该装置包括：
9.用户筛选模块，被配置为根据目标用户的历史操作信息，确定所述目标用户是否具有明确的购买倾向；
10.第一确认模块，被配置为响应于目标用户的推荐请求，通过预先训练的第一推荐模型确定与所述推荐请求对应的正向推荐结果列表；其中，所述目标用户为从得到历史推荐结果时刻起的指定时间间隔内浏览或选定历史推荐结果但未采纳历史推荐结果的次数
超过预先设定阈值的第一类型用户；所述第一推荐模型为以第二类型用户的历史行为数据为训练数据训练得到的推荐模型；所述第二类型用户为从得到历史推荐结果时刻起的指定时间间隔内采纳所述历史推荐结果的用户；所述正向推荐结果列表中正向推荐结果的采纳概率不小于预设采纳概率；
11.第二确认模块，被配置为根据初始反向推荐结果的属性标签及所述目标用户的偏好属性标签，确定反向推荐结果列表；其中，所述初始反向推荐结果为符合所述推荐请求包含的推荐条件的推荐结果，所述反向推荐结果列表中的反向推荐结果的属性标签与所述目标用户的所述偏好属性标签不匹配；所述属性标签表征所述反向推荐结果的属性，所述偏好属性标签表征所述目标用户的偏好的属性；
12.推荐模块，被配置为根据所述正向推荐结果列表和所述反向推荐结果列表，确定综合推荐结果列表，并将所述综合推荐结果列表推荐给所述目标用户；所述综合推荐结果列表包含至少一个正向推荐结果以及至少一个反向推荐结果。
13.本技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任意一项所述的推荐方法。
14.本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述任意一项所述的推荐方法。
15.从上面所述可以看出，本技术提供的推荐方法、推荐装置、电子设备及计算机可读存储介质，通过预先训练的第一推荐模型确定与所述推荐请求对应的正向推荐结果列表；进一步地，根据初始反向推荐结果的属性标签及所述目标用户的偏好属性标签，确定反向推荐结果列表；最后，根据所述正向推荐结果列表和所述反向推荐结果列表，确定综合推荐结果列表，并将所述综合推荐结果列表推荐给所述目标用户；所述综合推荐结果列表包含至少一个正向推荐结果以及至少一个反向推荐结果。本技术通过符合目标用户的推荐请求包含的推荐条件但与目标用户的偏好属性标签不匹配的反向推荐结果，实现推荐商品在属性上的正向和负向的反差对比，为用户提供突出性的推荐资源，提高推荐的成功率。
附图说明
16.为了更清楚地说明本技术或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1为本技术实施例提供的推荐方法的应用场景示意图。
18.图2为本技术实施例提供的推荐方法的另一种应用场景示意图。
19.图3为本技术实施例提供的一种推荐方法的流程示意图。
20.图4为本技术实施例提供的一种推荐装置示意图。
21.图5为本技术提出的电子设备硬件结构示意图。
具体实施方式
22.为使本技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照
附图，对本技术进一步详细说明。
23.需要说明的是，除非另外定义，本技术实施例使用的技术术语或者科学术语应当为本技术所属领域内具有一般技能的人士所理解的通常意义。本技术实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
24.如背景技术部分所述，现如今在各种电商平台、音乐平台或游戏中，都会应用不同的推荐方法将商品、音乐、游戏道具或者游戏玩法等资源推荐给用户。
25.但申请人通过研究发现，目前的绝大多数推荐方法，是把后台服务器认为用户“最喜欢”物品推荐给客户端上进行展示。但是，如果用户对于看到的商品、音乐、游戏道具或者游戏玩法都“很喜欢”或“差不多喜欢”，用户就难以抉择。导致有很多的“选择困难症”的用户，最后什么都不买了，这严重影响了该类用户的购物体验，进而影响资源销量。
26.针对上述问题，本技术提供的一种推荐方法、推荐装置、电子设备及计算机可读存储介质。
27.以下，通过具体的实施例进一步详细说明本技术的技术方案。
28.参考图1，其为本技术实施例提供的推荐方法的一种应用场景示意图。
29.该应用场景包括终端设备101。
30.终端设备包括但不限于桌面计算机、移动电话、移动电脑、平板电脑、媒体播放器、智能可穿戴设备、个人数字助理(personal digital assistant，pda)或其它能够实现上述功能的电子设备等。
31.终端设备101用于为用户提供搜索框或者推荐请求接收渠道。其中，所述终端设备具有一定的数据存储和数据运算能力。
32.下面结合图1的应用场景，来描述根据本技术示例性实施方式的推荐方法。需要注意的是，上述应用场景仅是为了便于理解本技术的精神和原理而示出，本技术的实施方式在此方面不受任何限制。相反，本技术的实施方式可以应用于适用的任何场景。
33.参考图2，其为本技术实施例提供的推荐方法的另一种应用场景示意图。
34.该应用场景包括终端设备101、服务器102和数据存储系统103。其中，终端设备101、服务器102以及数据存储系统103之间均可通过有线或无线的通信网络连接。
35.其中，终端设备101包括但不限于桌面计算机、移动电话、移动电脑、平板电脑、媒体播放器、智能可穿戴设备、个人数字助理(personal digital assistant，pda)或其它能够实现上述功能的电子设备等。
36.服务器102用于为终端设备提供数据运算服务。
37.数据存储系统103用于为终端设备提供数据存储服务。
38.其中，数据存储系统和服务器均可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能
平台等基础云计算服务的云服务器。
39.下面结合图2的应用场景，来描述根据本公开示例性实施方式的信息处理方法。需要注意的是，上述应用场景仅是为了便于理解本公开的精神和原理而示出，本公开的实施方式在此方面不受任何限制。相反，本公开的实施方式可以应用于适用的任何场景。
40.参考图3，为本技术实施例提供的一种推荐方法的流程示意图。
41.步骤s301，响应于目标用户的推荐请求，通过预先训练的第一推荐模型确定与所述推荐请求对应的正向推荐结果列表；其中，所述目标用户为从得到历史推荐结果时刻起的指定时间间隔内浏览或选定历史推荐结果但未采纳历史推荐结果的次数超过预先设定阈值的第一类型用户；所述第一推荐模型为以第二类型用户的历史行为数据为训练数据训练得到的推荐模型；所述第二类型用户为从得到历史推荐结果时刻起的指定时间间隔内采纳所述历史推荐结果的用户；所述正向推荐结果列表中正向推荐结果的采纳概率不小于预设采纳概率。
42.在具体实施中，推荐请求可以理解为用户的检索条件，举例来说，当用户在电商平台浏览选购商品时，想要购买一件外套，那么用户即可在平台的搜索框内输入与“外套”相关的检索条件，例如：牛仔外套、长袖外套、浅色外套、深色外套等。
43.在具体实施中，用户可以分成两类，一种是具有明确的购买倾向的第二类型用户，可以理解成该类用户可以准确快速的选定或购买自己所需的商品，其在发起搜索行为后，可以根据服务端返回的推荐列表进行“果断”的选择。另一种是不具有明确的购买倾向的第一类型用户，可以理解成该类用户具有一定的“选择困难症”，他们对于同类商品无法产生鲜明的判断，对于同类的很多商品都“很喜欢”或“差不多喜欢”。
44.在具体实施中，可以根据用户的历史行为来确定该用户是否为第一类用户，举例来说，若目标用户为从得到历史推荐结果时刻起的指定时间间隔内浏览或选定历史推荐结果但未采纳历史推荐结果的次数超过预先设定阈值，则可以确定该目标用户为第一类型用户，例如，若预先设定阈值为5次，目标用户的推荐请求为有关“外套”的推荐请求，那么正向推荐结果可能包括“暖色外套”、“冷色外套”或者“渐变色外套”，当目标用户在5分钟内将推荐结果中的“暖色外套”加入购物车，又移除购物车，再加入购物车，反复操作5次以上，那么可以确定该目标用户为第一类型用户，该类用户为“选择困难症”用户。
45.在具体实施中，可以根据用户的历史行为来确定该用户是否为第二类用户，举例来说，若用户为从得到历史推荐结果时刻起的指定时间间隔内浏览或选定历史推荐结果并采纳了历史推荐结果，则可以确定该用户为第二类型用户。例如，若用户的推荐请求为有关“外套”的推荐请求，当用户在5分钟内将推荐结果中的“牛仔外套”加入购物车并直接付款购买，那么可以确定该目标用户为第二类型用户，该类用户为具有明确购买倾向的用户。
46.作为一个可选的实施例，用户的历史行为还可以是用户反复搜索某个品类，但是不选定或购买该品类的任何商品，或用户在多个相似的物品之间来回点击浏览，或用户反复更换搜索词，但是搜索词指向同一个品类，比如“西瓜”、“麒麟西瓜”和“麒麟瓜”，或用户在某个物品的浏览时长超过所有用户在该物品的浏览时长的3倍，近一个月出现多次这种情况，或用户在一次搜索后，点进不同物品和不同的客服咨询，但是不实际购买。
47.作为一个可选的实施例，由于第一类型用户不能做出明确选择，而第二类型用户可以做出明确的选择，那么就利用第二类用户的历史行为数据作为训练数据集，根据训练
数据集拟合得到第一推荐模型。
48.在具体实施中，第一推荐模型的种类可以但不限于为支持向量机(support vector machine,svm)、extreme gradient boosting等。
49.在训练过程中，该第一推荐模型的输入可以但不限于是用户的历史操作信息和用户的搜索行为信息。其中，用户的历史操作信息包括但不限于有用户对商品的点击、浏览和购买等历史操作记录，用户的搜索行为信息包括但不限于有用户搜索的商品品类、游戏道具、音乐曲目、乐曲作者和乐曲类别等。该第一推荐模型的预测输出是各个商品以及其采纳概率，举例来说，该第一推荐模型的输出格式可以是[(item1,0.91),(item2,0.73),(item3,0.82)
……
]，(item1,0.91)表示该输出结果对应的商品代号为item1，用户采纳该商品的概率为91％。
[0050]
进一步地，可以将通过该第一推荐模型得到的推荐结果作为正向推荐结果，由若干个正向推荐结果构成正向推荐列表，其中，正向推荐结果列表中正向推荐结果的采纳概率不小于预设采纳概率，其目的是确保正向推荐结果的推荐成功概率。
[0051]
步骤s302，根据初始反向推荐结果的属性标签及所述目标用户的偏好属性标签，确定反向推荐结果列表；其中，所述初始反向推荐结果为符合所述推荐请求包含的推荐条件的推荐结果，所述反向推荐结果列表中的反向推荐结果的属性标签与所述目标用户的所述偏好属性标签不匹配；所述属性标签表征所述反向推荐结果的属性，所述偏好属性标签表征所述目标用户的偏好的属性。
[0052]
在具体实施中，可以根据用户的推荐请求，确定目标用户的偏好属性标签，偏好属性标签表征目标用户的偏好的属性，推荐请求中可以包括推荐条件，例如，若目标用户搜索某一类商品，选择该商品中销量偏高、颜色鲜明或包邮商品的属性进行购买。或者偏爱听某种音乐，多次将某类音乐添加至常听列表。或者多次选择购买某种游戏道具，例如：改名卡、亲密度赠礼、经验/金币加倍卡等。则可以以上所述的根据用户的历史操作信息，确定出用户的偏好属性标签。
[0053]
作为一个可选的实施例，若用户的推荐请求是“暖色外套”，则可以确定该用户的推荐条件为“外套”，用户的偏好属性标签为“暖色”。
[0054]
在具体实施中，由于目标用户为“选择困难症”的用户，那么即使按照用户的推荐请求及推荐条件为用户推送资源，用户也可能无法直接作出明确选择，例如，当为用户推荐的资源中包括“黄色外套”和“米色外套”时，由于“黄色”和“米色”都为暖色，两者之间不存在什么差异，所以可能导致目标用户无法在二者之间做出选择。
[0055]
因此，需要为用户提供一个反向推荐结果列表，反向推荐结果列表由初始反向推荐结果的属性标签及目标用户的偏好属性标签确定，其中，初始反向推荐结果为符合所述推荐请求包含的推荐条件的推荐结果，反向推荐结果列表中的反向推荐结果的属性标签与所述目标用户的所述偏好属性标签不匹配，属性标签表征所述反向推荐结果的属性。
[0056]
作为一个可选的实施例，所述初始反向推荐结果为采纳结果列表中符合所述推荐请求包含的推荐条件的采纳结果；所述采纳结果列表包含以当前时刻为终止时刻的指定时间间隔内被采纳的推荐结果。
[0057]
举例来说，若用户的偏好属性标签为“暖色”，则反向推荐结果的属性标签为“冷色”，“冷色”与“暖色”完全是两个相反的属性，二者之间会形成一定反差，例如白和黑，按照“冷色”的属性可以得到“灰色外套”、“黑色外套”或者“深蓝色外套”等反向推荐结果，可以根据若干个反向推荐结果得到反向推荐结果列表。
[0058]
作为一个可选的实施例，若确定出偏好属性标签为销量，则表明目标用户更倾向于选择销量较高的目标商品进行购买，为了形成差异性，则反向推荐结果列表中都是销量较低的所述目标商品。
[0059]
作为一个可选的实施例，可以将采纳结果列表中销量不高于预先设定的第一销量阈值的采纳结果确定为初始反向推荐结果。
[0060]
作为一个可选的实施例，若确定出偏好指标为包邮指标，则表明用户更倾向于选择包邮的目标商品进行购买，为了形成差异性，则反向推荐结果列表中都是不包邮的所述目标商品。
[0061]
作为一个可选的实施例，若确定出偏好指标为柔和音乐，则表明用户更倾向于柔和风格的音乐，为了形成差异性，则反向推荐结果列表中都是快节奏的音乐。
[0062]
步骤s303，根据所述正向推荐结果列表和所述反向推荐结果列表，确定综合推荐结果列表，并将所述综合推荐结果列表推荐给所述目标用户；所述综合推荐结果列表包含至少一个正向推荐结果以及至少一个反向推荐结果正向推荐结果列表。
[0063]
作为一个可选的实施例，若所述偏好属性标签包括销量，则将正向推荐结果列表中的正向推荐结果按照销量由大到小排序，并将排序后的正向推荐结果作为所述正向推荐结果列表；
[0064]
将所述初始反向推荐结果按照销量由小到大排序，并将排序后的反向推荐结果作为所述反向推荐结果列表；或
[0065]
将所述初始反向推荐结果按照销量由小到大排序，并将销量不高于预先设定的第二销量阈值的反向推荐结果作为所述反向推荐结果列表；所述第二销量阈值小于或等于所述第一销量阈值。
[0066]
作为一个可选的实施例，正向推荐结果是根据用户的销量偏好指标，根据销量由大到小排序得到的。如：正向推荐结果列表good_list＝[item66，item52，item43，item42，item3，item31
……
]。其中，item66商品表示该商品的销量最高；
[0067]
作为一个可选的实施例，初始反向推荐结果是根据用户的销量偏好指标，根据销量由小到大排序得到的。如：反向推荐结果列表bad_list＝[item31，item3，item42，item43，item52，item66
……
]。其中，item31商品表示该商品的销量最低；
[0068]
或者，设置一个第二销量阈值，该第二销量阈值用于限定初始反向推荐结果的属性，例如，第二销量阈值为50％，则初始反向推荐结果的销量不高于50％。
[0069]
在具体实施中，根据正向推荐结果列表和所述反向推荐结果列表，确定综合推荐结果列表。
[0070]
作为一个可选的实施例，在正向推荐结果列表中依次选取至少一个正向推荐结果，并将所述正向推荐结果依序添加至综合推荐结果列表，在反向推荐结果列表中依次选取至少一个反向推荐结果，并将所述反向推荐结果依序添加至所述综合推荐结果列表中，以确定所述综合推荐列表。
[0071]
作为一个可选的实施例，可以将正向推荐结果列表good_list和反向推荐结果列表bad_list进行交织合并，在正向推荐结果列表中依次选取至少一个正向推荐结果添加至
综合推荐列表，在反向推荐结果列表中依次选取至少一个反向推荐结果添加至综合推荐列表中最后一个所述正向推荐结果之后，直至将正向推荐结果列表中的商品和反向推荐结果列表中的商品全部选取完毕，得到综合推荐商品列表。
[0072]
详细地，每次从正向推荐结果列表正向推荐结果列表和反向推荐结果列表中依次选取的商品数量可以根据实际情况设定。
[0073]
作为一个可选的实施例，综合推荐列表的生成方式也可以是将正向推荐结果列表和第二推荐商品列表中的一个作为基础列表，将另一个作为插入列表，从插入列表中依次选取至少一个商品，在基础列表中每间隔一个或两个商品插入到基础列表中，以形成综合推荐商品列表。
[0074]
进一步地，按照综合推荐列表向该类不具有明确购买倾向的用户进行商品推荐。
[0075]
作为一个可选的实施例，若在步骤s301中判断得出该用户具有明确的得购买倾向，则利用步骤s302中得到的正向推荐结果列表作为直接推荐商品列表，按照直接推荐商品列表向该类具有明确购买倾向的用户进行商品推荐。
[0076]
根据上述可知，在综合推荐列表中，将根据预测购买概率结果得到的正向推荐结果列表中的商品与根据销量由小到大排序的商品交织混合形成了具有反差性的综合推荐商品列表，使每至少两个商品之间形成反差，更利于不具有明确购买能力的用户进行选择。
[0077]
从上面所述可以看出，本技术提供的推荐方法、推荐装置、电子设备及计算机可读存储介质，通过预先训练的第一推荐模型确定与所述推荐请求对应的正向推荐结果列表；进一步地，根据初始反向推荐结果的属性标签及所述目标用户的偏好属性标签，确定反向推荐结果列表；最后，根据所述正向推荐结果列表和所述反向推荐结果列表，确定综合推荐结果列表，并将所述综合推荐结果列表推荐给所述目标用户；所述综合推荐结果列表包含至少一个正向推荐结果以及至少一个反向推荐结果。本技术通过符合目标用户的推荐请求包含的推荐条件但与目标用户的偏好属性标签不匹配的反向推荐结果，实现推荐商品在属性上的正向和负向的反差对比，为用户提供突出性的推荐资源，提高推荐的成功率。
[0078]
需要说明的是，本技术实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本技术实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本技术实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
[0079]
需要说明的是，上述对本技术特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0080]
基于同一构思，本技术还提供了一种推荐装置。
[0081]
参考图4，为本技术实施例提供的一种推荐装置示意图。
[0082]
该装置包括：
[0083]
第一确认模块401，被配置为响应于目标用户的推荐请求，通过预先训练的第一推荐模型确定与所述推荐请求对应的正向推荐结果列表；其中，所述目标用户为从得到历史推荐结果时刻起的指定时间间隔内浏览或选定历史推荐结果但未采纳历史推荐结果的次
数超过预先设定阈值的第一类型用户；所述第一推荐模型为以第二类型用户的历史行为数据为训练数据训练得到的推荐模型；所述第二类型用户为从得到历史推荐结果时刻起的指定时间间隔内采纳所述历史推荐结果的用户；所述正向推荐结果列表中正向推荐结果的采纳概率不小于预设采纳概率；
[0084]
第二确认模块402，被配置为根据初始反向推荐结果的属性标签及所述目标用户的偏好属性标签，确定反向推荐结果列表；其中，所述初始反向推荐结果为符合所述推荐请求包含的推荐条件的推荐结果，所述反向推荐结果列表中的反向推荐结果的属性标签与所述目标用户的所述偏好属性标签不匹配；所述属性标签表征所述反向推荐结果的属性，所述偏好属性标签表征所述目标用户的偏好的属性；
[0085]
推荐模块403，被配置为根据所述正向推荐结果列表和所述反向推荐结果列表，确定综合推荐结果列表，并将所述综合推荐结果列表推荐给所述目标用户；所述综合推荐结果列表包含至少一个正向推荐结果以及至少一个反向推荐结果。
[0086]
为了描述的方便，描述以上设备时以功能分为各种模块分别描述。当然，在实施本技术实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
[0087]
可选的，所述初始反向推荐结果为采纳结果列表中符合所述推荐请求包含的推荐条件的采纳结果；所述采纳结果列表包含以当前时刻为终止时刻的指定时间间隔内被采纳的推荐结果。
[0088]
可选的，所述第二确认模块402，还被配置为将所述采纳结果列表中销量不高于预先设定的第一销量阈值的采纳结果确定为所述初始反向推荐结果。
[0089]
可选的，所述偏好属性标签包括销量；
[0090]
所述所述第二确认模块402，还被配置为将正向推荐结果列表中的正向推荐结果按照销量由大到小排序，并将排序后的正向推荐结果作为所述正向推荐结果列表。
[0091]
所述所述第二确认模块402，还被配置为将所述初始反向推荐结果按照销量由小到大排序，并将排序后的反向推荐结果作为所述反向推荐结果列表；或
[0092]
将所述初始反向推荐结果按照销量由小到大排序，并将销量不高于预先设定的第二销量阈值的反向推荐结果作为所述反向推荐结果列表；所述第二销量阈值小于或等于所述第一销量阈值。
[0093]
可选的，所述第一确认模块401，还被配置为获取所述第二类型用户的历史行为数据；其中，所述历史行为数据至少包括第二类型用户的历史推荐请求以及符合所述历史推荐请求包含的推荐条件的历史采纳结果；
[0094]
将所述第二类用户的历史行为数据作为训练数据集，根据所述训练数据集训练得到所述第一推荐模型。
[0095]
可选的，所述推荐模块403，还被配置为在所述正向推荐结果列表中依次选取至少一个正向推荐结果，并将所述正向推荐结果依序添加至综合推荐结果列表，在所述反向推荐结果列表中依次选取至少一个反向推荐结果，并将所述反向推荐结果依序添加至所述综合推荐结果列表中，以确定所述综合推荐列表。
[0096]
可选的，所述推荐模块403，还被配置为在所述正向推荐结果列表中随机选取至少一个正向推荐结果，并将所述正向推荐结果依序添加至综合推荐结果列表，在所述反向推荐结果列表中随机选取至少一个反向推荐结果，并将所述反向推荐结果依序添加至所述综
合推荐结果列表中，以确定所述综合推荐列表。
[0097]
可选的，所述第一确认模块401，还被配置为获取从得到历史推荐结果时刻起的指定时间间隔内所述目标用户的浏览或选定历史推荐结果但未采纳历史推荐结果的次数；
[0098]
响应于所述目标用户的浏览或选定历史推荐结果但未采纳历史推荐结果的次数超过预先设定阈值，确定所述目标用户为第一类型用户。
[0099]
上述实施例的设备用于实现前述实施例中相应的推荐方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0100]
基于同一构思，与上述任意实施例方法相对应的，本技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的推荐方法。
[0101]
图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
[0102]
处理器1010可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
[0103]
存储器1020可以采用rom(read only memory，只读存储器)、ram(random access memory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
[0104]
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
[0105]
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。
[0106]
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
[0107]
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
[0108]
上述实施例的电子设备用于实现前述任一实施例中相应的推荐方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0109]
基于同一构思，与上述任意实施例方法相对应的，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算
机执行如上任一实施例所述的推荐方法。
[0110]
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
[0111]
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的推荐方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
[0112]
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本技术的范围(包括权利要求)被限于这些例子；在本技术的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本技术实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
[0113]
另外，为简化说明和讨论，并且为了不会使本技术实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(ic)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本技术实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本技术实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本技术的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本技术实施例。因此，这些描述应被认为是说明性的而不是限制性的。
[0114]
尽管已经结合了本技术的具体实施例对本技术进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。
[0115]
本技术实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本技术实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本技术的保护范围之内。