通过计算机实现的信息推荐方法及装置的制造方法
【技术领域】
[0001]本发明涉及信息处理技术，尤其涉及一种通过计算机实现的信息推荐方法及装置。
【背景技术】
[0002]普通用户需要获取各种服务时，不能非常方便的联系到商户，例如，订餐、订鲜花或者英语培训，用户不得不去网站(或者APP)上搜索的商家，而且网站搜索的商家可能离用户较远，不便于交易。
[0003]目前，020(Onlineto Offline)营销模式(又称离线商务模式，是指线上营销线上购买带动线下经营和线下消费)最为热门，其通过打折、提供信息、服务预订等方式，把线下商店的消息推送给互联网用户，例如，腾讯推出的微信公众号、百度推出的直达号等。
[0004]但是，就现目前来看，020尚无一个好的入口，以致其线上推广困难，对于用户来讲，用户不得不去各个分散的网站或者APP去搜索各种服务，或者需要用户记忆商家名称进行搜索(如微信公众号的搜索)；而对于商户来讲，020的线下运营成本高昂，更新商家信息成本较高且准确率较低。
【发明内容】
[0005]本发明的目的在于，提供一种通过计算机实现的信息推荐方法及装置，以较好地对用户的需求以及提供服务的商户进行匹配，及时向商户提供有价值的用户需求信息。
[0006]根据本发明的一方面，提供一种通过计算机实现的信息推荐方法，包括:接收第一用户的需求数据；根据所述需求数据以及预先训练的需求匹配排序模型获取预定个数的推荐对象数据，所述推荐对象数据包括满足第一用户的需求的第二用户的信息；根据所述第二用户的信息提取所述第二用户的联系信息；根据所述联系信息分别将所述第一用户的需求数据发送给相应的第二用户。
[0007]根据本发明的另一方面，提供一种信息推荐装置，包括:数据接收单元，用于接收第一用户的需求数据；对象数据获取单元，用于根据所述需求数据以及预先训练的需求匹配排序模型获取预定个数的推荐对象数据，所述推荐对象数据包括满足第一用户的需求的第二用户的信息；联系信息提取单元，用于根据所述第二用户的信息提取所述第二用户的联系信息；需求数据发送单元，用于根据所述联系信息分别将所述第一用户的需求数据发送给相应的第二用户。
[0008]本发明实施例提供的计算机实现的信息推荐方法及装置，以增加020的入口，以较好地对用户的需求以及提供服务的商户进行匹配，及时向商户提供有价值的用户需求信息，降低商户使用系统的技术要求及运营成本，提高用户找到服务的便捷性，且提高商户找到客户的效率。
【附图说明】
[0009]图1是示出本发明示例性实施例020的信息传递及应用示例图。
[0010]图2是示出图1所示的本发明的整体技术方案的应用结构示例图。
[0011]图3是示出本发明示例性实施例的通过计算机实现的信息推荐方法的流程示意图。
[0012]图4示出本发明示例性实施例的信息推荐装置的结构框图。
【具体实施方式】
[0013]本发明的基本构思是，建立一种020服务平台，可将用户需求数据推送给商户，且将商户的信息推送给具有相应需求的用户，从而提高用户需求与商户的匹配。
[0014]下面结合附图对本发明示例性实施例的一种通过计算机实现的信息推荐方法及装置进行详细描述。
[0015]图1是示出本发明示例性实施例基于020服务平台的信息传递及应用示例图。如图1所示，用户可以将自己的需求传递至020服务平台，020服务平台对用户的需求信息进行提取，将价值信息(例如，用户的联系信息)传递给线下商家。
[0016]图2是示出本发明示例性实施例的020服务平台整体架构的示意图。参照图2，商户可以通过其商户登记系统注册商户信息，传至商户推荐系统；另一方面，用户输入搜索词(即query)后，020服务平台对所述搜索词进行用户需求分析，将用户需求传至商户推荐系统；另一方面，商户推荐系统根据预先训练的需求匹配排序模型将商户登记的信息与所述用户需求进行匹配排序，并且通过商户推送系统将所述用户需求推送给匹配的商户。
[0017]此外，还可将用户评价、反馈、以及商户的成交信息、好评信息等传至商户服务反馈系统，以用于向用户提供关于商家的用户评价、反馈信息以及成交信息。
[0018]下面将参照图3?图4详细描述本发明的示例性实施例。
[0019]图3是示出本发明示例性实施例的通过计算机实现的信息推荐方法的流程示意图。
[0020]参照图3，在步骤S110，接收第一用户的需求数据。所述需求数据可以是用户的搜索词。
[0021]在步骤S120，根据所述需求数据以及预先训练的需求匹配排序模型获取预定个数的推荐对象数据，所述推荐对象数据包括满足第一用户的需求的第二用户的信息。
[0022]优选地，所述第一用户是消费者用户，所述第二用户是商户用户。
[0023]具体地，根据本发明的示例性实施例，步骤S120包括如下子步骤:
[0024]首先，根据所述需求数据获取第一用户的主需求类别数据和子需求类别数据。优选地，对所述需求数据进行自然语言分析，获取第一用户的主需求类别数据和子需求类别数据。
[0025]例如，用户输入“我要预订4月26日晚上18:00点的西餐”，通过对所述需求数据进行自然语言分析，可以获取第一用户的主需求类别数据为“餐饮”，子需求类别数据是“西餐”
贺ο
[0026]其次，根据所述主需求类别数据和子需求类别数据获取多个候选推荐数据。其中，所述主需求类别可以是子需求类别所属的类目，子需求类别可以是需求用户的更具体化、更细化的需求。
[0027]具体地，可根据所述主需求类别数据和子需求类别数据从商户注册信息数据库获取所述候选推荐数据。
[0028]再次，以各个所述候选推荐数据以及获取的主需求类别数据和子需求类别数据作为输入，分别通过预先训练的需求匹配排序模型获取所述各候选推荐对象数据的相关性指数，其中，该相关性指数可以是候选推荐对象数据的选取概率。目前已有各种根据预定的特征指标通过预先选好的标注数据进行排序模型训练的技术。
[0029]下面对需求匹配排序模型的一种训练方法给予示例性说明。首先，从一组历史需求数据以及为其标注的用户数据(例如，商户的成交数量、地理位置、好评数以及近期活跃度)；此后，根据这些历史需求数据分别获取主需求类别数据和子需求类别数据(例如，通过对历史需求数据进行自然语言分析获取)；然后，根据该主需求类别数据、子需求类别数据和所述标注的用户数据建立所述匹配排序模型并且训练所述需求匹配排序模型，从而学习主需求类别和子需求类别的值对候选推荐对象数据的相关性指数的影响。
[0030]更具体而言，可以将大量的消费者用户ID(性别、年龄)在某个时间(分片的时间片段)某个地点，表达了怎样的需求(例如，将该需要进行分层需求分析)，以及对推荐结果是拒绝还是接受等历史需求数据作为提取训练特征的依据，并采用内容管理系统(例如，DNN)、普通的机器学习模型及人工规则方式训练拟合得到。通过所述需求匹配排序模型可以将一般特征个性化，从而对候选对象数据的相关性指数进行评价，为消费者用户提供更个性化的需求定制。
[0031]所述需求匹配排序模型的训练不限于使用前述描述的方法，还可以使用其他特征参数和训练方法来进行所述需求匹配排序模型的训练。由于所述模型训练不是本发明的核心改进点，在此仅对需求匹配排序模型的训练给予上述示例性说明。
[0032]最后，根据所述相关性指数选取预定个数的所述候选推荐对象数据作为推荐对象数据。具体地，基于前述的相关性指数对候选推荐对象数据进行排序，从中筛选出预定个数推荐对象数据。
[0033]在步骤S130，根据所述第二用户的信息提取所述第二用户的联系信息。其中，第二用户的信息可以但不限于是第二用户通过登记平台注册时提供的地址、联系方式、用户类型、服务类型、服务范围等。
[0034]在步骤S140，根据所述联系信息分别将所述第一用户的需求数据发送给相应的第二用户。优选地，获取所述第一用户的联系信息，根据所述第二用户的联系信息分别将所述第一用户的需求数据及其联系信息发送给