本申請(qǐng)涉及互聯(lián)網(wǎng)
技術(shù)領(lǐng)域：
，尤其涉及一種推薦方法及裝置。
背景技術(shù)：
：隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，個(gè)性化推薦服務(wù)在互聯(lián)網(wǎng)行業(yè)得到越來越多的應(yīng)用，例如在地圖上查找附近的服務(wù)、在外賣應(yīng)用中搜索附近的餐館等。為了給用戶推薦感興趣的內(nèi)容，例如服務(wù)或餐館，除了使用地理位置之外，還可以收集和分析用戶的瀏覽信息、歷史訂單和商品評(píng)價(jià)等行為數(shù)據(jù)，確定用戶興趣，進(jìn)而基于用戶興趣做推薦?，F(xiàn)有技術(shù)中常見的基于用戶興趣的推薦方法主要包括：基于內(nèi)容的推薦方法和協(xié)同過濾推薦(collaborativefilteringrecommendation)方法?，F(xiàn)有推薦方法或多或少都會(huì)存在一些缺陷，現(xiàn)有方法存在的缺陷最終會(huì)影響推薦結(jié)果，導(dǎo)致不能完成推薦或推薦不準(zhǔn)確。技術(shù)實(shí)現(xiàn)要素：本申請(qǐng)發(fā)明人對(duì)現(xiàn)有基于內(nèi)容的推薦方法以及協(xié)同過濾的推薦方法進(jìn)行了分析。基于內(nèi)容的推薦方法，其核心主要是采用自然語言處理、人工智能、概率統(tǒng)計(jì)和機(jī)器學(xué)習(xí)等技術(shù)進(jìn)行內(nèi)容過濾，努力發(fā)現(xiàn)用戶的興趣，向用戶推薦與用戶以前喜歡的商品相似的商品。協(xié)同過濾推薦方法，其核心主要是分析用戶興趣，在用戶群中找到該用戶的相似用戶，綜合這些相似用戶對(duì)某一信息的評(píng)價(jià)，形成該用戶對(duì)此信息的喜好程度，據(jù)此向用戶進(jìn)行推薦。上述推薦方法的性能已經(jīng)很好，但依然存在無法完成推薦或推薦不準(zhǔn)確的問題。對(duì)此，本申請(qǐng)發(fā)明人進(jìn)一步進(jìn)行了研究分析，上述推薦方法考慮了地理位置、用戶興趣、用戶行為等因素，但卻忽略了時(shí)間對(duì)用戶行為的影響。例如，用戶希望晚餐和午餐吃得不一樣、今天和昨天吃得不一樣、周末和平時(shí)吃得也不一樣。由此可見，在這種場(chǎng)景下，若采用現(xiàn)有推薦方法向用戶推薦以前喜歡或吃過的東西反而不合適，為了用戶飲食的多樣性，應(yīng)該向用戶推薦近期未吃過的東西。另外，隨著時(shí)間的推移，有些吃過的東西，又會(huì)變得有新鮮感，因此也需要適時(shí)推薦之前消費(fèi)過的類似商品。針對(duì)上述分析，本申請(qǐng)發(fā)明人提供一種推薦方法，其核心是：在推薦過程中，考慮時(shí)間因素的影響，基于符合推薦場(chǎng)景的時(shí)間影響特性，修正用戶對(duì)商品的初始評(píng)價(jià)值，進(jìn)而基于修正后的評(píng)價(jià)值進(jìn)行推薦，達(dá)到推薦過程考慮時(shí)間因素的目的，從而提高推薦結(jié)果的準(zhǔn)確性?；谏鲜?，本申請(qǐng)實(shí)施例提供一種推薦方法，包括：根據(jù)待推薦用戶，確定至少一個(gè)候選商戶；獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)初始評(píng)價(jià)值修正得到的；基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶。在一可選實(shí)施方式中，所述獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，包括：從預(yù)先構(gòu)建的用戶-商戶修正評(píng)價(jià)矩陣中，獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值；其中，所述用戶-商戶修正評(píng)價(jià)矩陣包括系統(tǒng)中多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述多個(gè)商戶包含所述至少一個(gè)候選商戶。在一可選實(shí)施方式中，預(yù)先構(gòu)建用戶-商戶修正評(píng)價(jià)矩陣，包括：基于系統(tǒng)中存在的用戶針對(duì)商品的網(wǎng)絡(luò)行為信息，構(gòu)建第一用戶-商品評(píng)價(jià)矩陣；對(duì)所述第一用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第一用戶-商戶初始評(píng)價(jià)矩陣，所述第一用戶-商戶初始評(píng)價(jià)矩陣包括所述多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列；根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性對(duì)所述第一用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣。在一可選實(shí)施方式中，所述根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性對(duì)所述第一用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣，包括：根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性以及所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列，計(jì)算所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列；將所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列與各自對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣。在一可選實(shí)施方式中，所述推薦場(chǎng)景下的時(shí)間影響特性為：時(shí)間因素對(duì)推薦過程的正向影響隨時(shí)間增長的特性。在一可選實(shí)施方式中，對(duì)所述第一用戶-商戶初始評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的商品評(píng)價(jià)值序列其對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列為所述根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性以及所述網(wǎng)絡(luò)行為發(fā)生時(shí)間序列計(jì)算所述商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列包括：根據(jù)公式計(jì)算所述商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列中的時(shí)間修正因子；表示所述商品評(píng)價(jià)值序列中評(píng)價(jià)值對(duì)應(yīng)的時(shí)間修正因子，1≤j≤n，j和n是自然數(shù)；tnow表示當(dāng)前時(shí)間；tperiod表示所述推薦場(chǎng)景下的時(shí)間周期；表示評(píng)價(jià)值對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間。在一可選實(shí)施方式中，將所述商品評(píng)價(jià)值序列與其對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值，包括：根據(jù)公式計(jì)算所述商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值；v′ak表示所述商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值。在一可選實(shí)施方式中，所述獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，包括：基于系統(tǒng)中存在的用戶針對(duì)所述至少一個(gè)候選商戶提供的商品的網(wǎng)絡(luò)行為信息，構(gòu)建第二用戶-商品評(píng)價(jià)矩陣；對(duì)所述第二用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第二用戶-商戶初始評(píng)價(jià)矩陣，所述第二用戶-商戶初始評(píng)價(jià)矩陣包括所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列；根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性對(duì)所述第二用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得用戶-候選商戶修正評(píng)價(jià)矩陣，所述用戶-候選商戶修正評(píng)價(jià)矩陣包括所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值。在一可選實(shí)施方式中，所述基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶，包括：采用基于用戶的協(xié)同過濾算法，基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶；或者采用基于商戶的協(xié)同過濾算法，基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶。在一可選實(shí)施方式中，所述根據(jù)待推薦用戶，確定至少一個(gè)候選商戶，包括：根據(jù)所述待推薦用戶的位置，從商戶集合中，獲取所述至少一個(gè)候選商戶。相應(yīng)地，本申請(qǐng)實(shí)施例還提供一種推薦裝置，包括：確定單元，用于根據(jù)待推薦用戶，確定至少一個(gè)候選商戶；獲取單元，用于獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)初始評(píng)價(jià)值修正得到的；推薦單元，用于基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶。在一可選實(shí)施方式中，所述獲取單元具體用于：從預(yù)先構(gòu)建的用戶-商戶修正評(píng)價(jià)矩陣中，獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值；其中，所述用戶-商戶修正評(píng)價(jià)矩陣包括系統(tǒng)中多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述多個(gè)商戶包含所述至少一個(gè)候選商戶。在一可選實(shí)施方式中，所述裝置還包括：構(gòu)建單元，用于預(yù)先構(gòu)建所述用戶-商戶修正評(píng)價(jià)矩陣；所述構(gòu)建單元包括：構(gòu)建子單元，用于基于系統(tǒng)中存在的用戶針對(duì)商品的網(wǎng)絡(luò)行為信息，構(gòu)建第一用戶-商品評(píng)價(jià)矩陣；維度切換子單元，用于對(duì)所述第一用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第一用戶-商戶初始評(píng)價(jià)矩陣，所述第一用戶-商戶初始評(píng)價(jià)矩陣包括所述多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列；修正子單元，用于根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性對(duì)所述第一用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣。在一可選實(shí)施方式中，所述修正子單元具體用于：根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性以及所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列，計(jì)算所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列；將所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列與各自對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣。在一可選實(shí)施方式中，所述推薦場(chǎng)景下的時(shí)間影響特性為：時(shí)間因素對(duì)推薦過程的正向影響隨時(shí)間增長的特性。在一可選實(shí)施方式中，對(duì)所述第一用戶-商戶初始評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的商品評(píng)價(jià)值序列其對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列為所述修正子單元在根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性以及所述網(wǎng)絡(luò)行為發(fā)生時(shí)間序列計(jì)算所述商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列時(shí)，具體用于：根據(jù)公式計(jì)算所述商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列中的時(shí)間修正因子；表示所述商品評(píng)價(jià)值序列中評(píng)價(jià)值對(duì)應(yīng)的時(shí)間修正因子，1≤j≤n，j和n是自然數(shù)；tnow表示當(dāng)前時(shí)間；tperiod表示所述推薦場(chǎng)景下的時(shí)間周期；表示評(píng)價(jià)值對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間。在一可選實(shí)施方式中，所述修正子單元在將所述商品評(píng)價(jià)值序列與其對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值時(shí)，具體用于：根據(jù)公式計(jì)算所述商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值；v′ak表示所述商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值。在一可選實(shí)施方式中，所述獲取單元具體用于：基于系統(tǒng)中存在的用戶針對(duì)所述至少一個(gè)候選商戶提供的商品的網(wǎng)絡(luò)行為信息，構(gòu)建第二用戶-商品評(píng)價(jià)矩陣；對(duì)所述第二用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第二用戶-商戶初始評(píng)價(jià)矩陣，所述第二用戶-商戶初始評(píng)價(jià)矩陣包括所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列；根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性對(duì)所述第二用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得用戶-候選商戶修正評(píng)價(jià)矩陣，所述用戶-候選商戶修正評(píng)價(jià)矩陣包括所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值。在一可選實(shí)施方式中，所述推薦單元具體用于：采用基于用戶的協(xié)同過濾算法，基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶；或者采用基于商戶的協(xié)同過濾算法，基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶。在一可選實(shí)施方式中，所述確定單元具體用于：根據(jù)所述待推薦用戶的位置，從商戶集合中，獲取所述至少一個(gè)候選商戶。本申請(qǐng)實(shí)施例還提供一種電子設(shè)備，包括：存儲(chǔ)器和處理器；所述存儲(chǔ)器用于存儲(chǔ)一條或多條計(jì)算機(jī)指令，其中，所述一條或多條計(jì)算機(jī)指令被所述處理器執(zhí)行時(shí)能夠?qū)崿F(xiàn)上述實(shí)施例提供的推薦方法中的步驟。本申請(qǐng)實(shí)施例還提供一種存儲(chǔ)有計(jì)算機(jī)程序的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)程序使計(jì)算機(jī)執(zhí)行上述實(shí)施例提供的推薦方法中的步驟。在本申請(qǐng)實(shí)施例中，在推薦過程中，考慮時(shí)間因素的影響，基于符合推薦場(chǎng)景的時(shí)間影響特性，修正用戶對(duì)商品的初始評(píng)價(jià)值，進(jìn)而基于修正后的評(píng)價(jià)值進(jìn)行推薦，達(dá)到推薦過程考慮時(shí)間因素的目的，從而提高推薦結(jié)果的準(zhǔn)確性。附圖說明此處所說明的附圖用來提供對(duì)本申請(qǐng)的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本申請(qǐng)的示意性實(shí)施例及其說明用于解釋本申請(qǐng)，并不構(gòu)成對(duì)本申請(qǐng)的不當(dāng)限定。在附圖中：圖1為本申請(qǐng)一實(shí)施例提供的推薦方法的流程示意圖；圖2a為本申請(qǐng)另一實(shí)施例提供的推薦方法的流程示意圖；圖2b為本申請(qǐng)另一實(shí)施例提供的用戶-商戶修正評(píng)價(jià)矩陣的一種實(shí)現(xiàn)形式的示意圖；圖2c為本申請(qǐng)另一實(shí)施例提供的用戶-商戶修正評(píng)價(jià)矩陣的另一種實(shí)現(xiàn)形式的示意圖；圖3a為本申請(qǐng)又一實(shí)施例提供的預(yù)先構(gòu)建用戶-商戶修正評(píng)價(jià)矩陣的流程示意圖；圖3b為本申請(qǐng)又一實(shí)施例提供的第一用戶-商品評(píng)價(jià)矩陣的一種實(shí)現(xiàn)形式的示意圖；圖3c為本申請(qǐng)又一實(shí)施例提供的第一用戶-商品評(píng)價(jià)矩陣的另一種實(shí)現(xiàn)形式的示意圖；圖3d為本申請(qǐng)又一實(shí)施例提供的第一用戶-商品評(píng)價(jià)矩陣從用戶-商品維度向用戶-商戶維度進(jìn)行轉(zhuǎn)換的過程示意圖；圖4為本申請(qǐng)又一實(shí)施例提供的推薦方法的流程示意圖；圖5為本申請(qǐng)又一實(shí)施例提供的推薦方法的流程示意圖；圖6為本申請(qǐng)又一實(shí)施例提供的推薦方法的流程示意圖；圖7為本申請(qǐng)又一實(shí)施例提供的推薦裝置的結(jié)構(gòu)示意圖；圖8為本申請(qǐng)又一實(shí)施例提供的推薦裝置的結(jié)構(gòu)示意圖。具體實(shí)施方式為使本申請(qǐng)的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本申請(qǐng)具體實(shí)施例及相應(yīng)的附圖對(duì)本申請(qǐng)技術(shù)方案進(jìn)行清楚、完整地描述。顯然，所描述的實(shí)施例僅是本申請(qǐng)一部分實(shí)施例，而不是全部的實(shí)施例?；诒旧暾?qǐng)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本申請(qǐng)保護(hù)的范圍。圖1為本申請(qǐng)一實(shí)施例提供的推薦方法的流程示意圖。如圖1所示，所述方法包括：101、根據(jù)待推薦用戶，確定至少一個(gè)候選商戶。102、獲取至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)初始評(píng)價(jià)值修正得到的。103、基于至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向待推薦用戶推薦商戶。在移動(dòng)互聯(lián)網(wǎng)應(yīng)用(application，app)的使用過程中，經(jīng)常因?yàn)楦鞣N原因需要向用戶進(jìn)行相關(guān)內(nèi)容的推薦。為了便于描述，在本申請(qǐng)實(shí)施例中，將需要向其推薦內(nèi)容的用戶稱之為待推薦用戶。根據(jù)應(yīng)用場(chǎng)景的不同，需要向用戶推薦的內(nèi)容也會(huì)有所不同。本申請(qǐng)實(shí)施例主要適用于具有眾多商戶的應(yīng)用場(chǎng)景中，為便于用戶從合適的商戶選購商品，向用戶推薦商戶。舉例說明，本申請(qǐng)實(shí)施例提供的推薦方法可應(yīng)用于各大電商提供的購物類app，或者外賣類app等。參見步驟101，在推薦過程中，首先確定待推薦用戶，根據(jù)待推薦用戶確定至少一個(gè)候選商戶。待推薦用戶可以是任何用戶，例如可以是移動(dòng)互聯(lián)網(wǎng)app的老用戶、新用戶或者潛在用戶?？蛇x地，可以將商戶集合中的所有商戶都作為候選商戶，這種確定候選商戶的方式簡單、效率較高；另外，所確定的候選商戶數(shù)量較多，覆蓋面比較全，有利于向用戶推薦出更加合適的商戶?？蛇x地，可以根據(jù)待推薦用戶的位置，從商戶集合中，獲取至少一個(gè)候選商戶。例如，可以選擇位于待推薦用戶附近的商戶，這樣可以減少候選商戶的數(shù)量，有利于減少計(jì)算量，節(jié)約計(jì)算資源，提高整體推薦效率。例如，可以根據(jù)待推薦用戶的位置，從商戶集合中，選擇位于待推薦用戶指定范圍內(nèi)的至少一個(gè)商戶，作為候選商戶?；蛘?，可以根據(jù)待推薦用戶的位置，從商戶集合中，選擇與待推薦用戶相距指定距離的至少一個(gè)商戶，作為候選商戶。在實(shí)際應(yīng)用過程中，為了提高服務(wù)質(zhì)量和用戶體驗(yàn)度，商戶允許用戶對(duì)其和/或其提供的商品進(jìn)行評(píng)價(jià)。用戶從某一商戶處選購商品，在使用或消費(fèi)商品后，一般會(huì)對(duì)商戶提供的商品和/或商戶進(jìn)行評(píng)價(jià)。其中，根據(jù)應(yīng)用場(chǎng)景的不同，用戶對(duì)商戶或商戶提供的商品的評(píng)價(jià)方式也會(huì)有所不同。例如，在購物應(yīng)用場(chǎng)景或外賣類應(yīng)用場(chǎng)景中，一般會(huì)向用戶提供星級(jí)圖標(biāo)，由用戶選擇相應(yīng)星級(jí)圖標(biāo)給商戶和/或商戶提供的商品打分，例如五星、三星等；另外，還會(huì)向用戶提供文本輸入框，由用戶輸入文字對(duì)商戶或商戶提供的商品進(jìn)行評(píng)價(jià)?；谏鲜?，可以綜合考慮用戶選擇的星級(jí)圖標(biāo)和用戶輸入的文字，確定用戶對(duì)商戶的初始評(píng)價(jià)值。換句話說，用戶對(duì)候選商戶的初始評(píng)價(jià)值可通過用戶對(duì)候選商戶和/或候選商戶提供的商品做出的評(píng)價(jià)來體現(xiàn)。在現(xiàn)有技術(shù)中，在獲得用戶對(duì)候選商戶的初始評(píng)價(jià)值之后，一般會(huì)基于該用戶對(duì)候選商戶的初始評(píng)價(jià)值，從候選商戶中向用戶推薦商戶。但在本實(shí)施例中，考慮到時(shí)間因素在推薦過程中的影響，可以根據(jù)符合推薦場(chǎng)景的時(shí)間影響特性對(duì)初始評(píng)價(jià)值進(jìn)行修正，進(jìn)而基于修正評(píng)價(jià)值向用戶推薦商戶。參見步驟102，可以獲取至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)初始評(píng)價(jià)值修正得到的。對(duì)至少一個(gè)候選商戶中的任一候選商戶，可能有至少一個(gè)用戶在該候選商戶處選購或消費(fèi)商品并做出評(píng)價(jià)，則可以確定在該候選商戶處選購商品并且做出評(píng)價(jià)的至少一個(gè)用戶；進(jìn)一步，獲取至少一個(gè)用戶中每個(gè)用戶對(duì)該候選商戶的修正評(píng)價(jià)值。從候選商戶的角度來看，該候選商戶對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值實(shí)際上是指對(duì)該候選商戶和/或該候選商戶提供的商品做過評(píng)價(jià)的至少一個(gè)用戶對(duì)該候選商戶的修正評(píng)價(jià)值。其中，一個(gè)用戶對(duì)一個(gè)候選商戶的修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)該用戶對(duì)該候選商戶的初始評(píng)價(jià)值進(jìn)行修正得到的。其中，該用戶對(duì)該候選商戶的初始評(píng)價(jià)值可通過該用戶對(duì)該候選商戶和/或該候選商戶提供的商品做出的評(píng)價(jià)來體現(xiàn)。例如，用戶對(duì)候選商戶的初始評(píng)價(jià)值可以直接表示為用戶對(duì)該候選商戶提供的至少一個(gè)商品的評(píng)價(jià)值，或者也可以表示為用戶對(duì)該候選商戶提供的至少一個(gè)商品的評(píng)價(jià)值的數(shù)值處理結(jié)果，或者也可以直接表示為用戶對(duì)該候選商戶的評(píng)價(jià)值，等等。其中，不同推薦場(chǎng)景，時(shí)間因素的影響特性會(huì)有所不同。例如，在一些推薦場(chǎng)景中，時(shí)間因素對(duì)推薦過程的影響會(huì)隨著時(shí)間的推移而逐漸削弱。例如，在另一些推薦場(chǎng)景中，時(shí)間因素對(duì)推薦過程的影響會(huì)隨著時(shí)間的推移而逐漸加強(qiáng)。又例如，在又一些推薦場(chǎng)景中，時(shí)間因素對(duì)推薦過程的影響會(huì)先隨著時(shí)間的推移先削弱再加強(qiáng)，又或者，先加強(qiáng)再削弱。值得說明的是，對(duì)不同候選商戶來說，對(duì)其和/或其提供的商品做出評(píng)價(jià)的用戶可能相同，也可能不同。繼續(xù)參見步驟103，基于至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向待推薦用戶推薦商戶。本實(shí)施例并不限定向待推薦用戶推薦商戶時(shí)采用的推薦方式，凡是以至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值為基礎(chǔ)，可以向待推薦用戶推薦商戶的方式均適用于本申請(qǐng)實(shí)施例。在本實(shí)施例的推薦過程中，考慮時(shí)間因素的影響，基于符合推薦場(chǎng)景的時(shí)間影響特性，修正用戶對(duì)商戶的初始評(píng)價(jià)值，進(jìn)而基于修正評(píng)價(jià)值進(jìn)行推薦，達(dá)到推薦過程考慮時(shí)間因素的目的，從而提高推薦結(jié)果的準(zhǔn)確性。圖2a為本申請(qǐng)另一實(shí)施例提供的推薦方法的流程示意圖。如圖2a所示，所述方法包括：200、預(yù)先構(gòu)建用戶-商戶修正評(píng)價(jià)矩陣，所述用戶-商戶修正評(píng)價(jià)矩陣包括系統(tǒng)中多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)初始評(píng)價(jià)值修正得到的。201、根據(jù)待推薦用戶，從所述多個(gè)商戶中，確定至少一個(gè)候選商戶。202、從預(yù)先構(gòu)建的用戶-商戶修正評(píng)價(jià)矩陣中，獲取至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值。203、基于至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向待推薦用戶推薦商戶。在本實(shí)施例中，在進(jìn)行推薦之前，預(yù)先構(gòu)建用戶-商戶修正評(píng)價(jià)矩陣，為推薦過程提供條件，如步驟200。該用戶-商戶修正評(píng)價(jià)矩陣包括系統(tǒng)中多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值。對(duì)多個(gè)商戶中的任一商戶來說，該商戶對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值實(shí)際上是指對(duì)該商戶和/或商戶提供的商品進(jìn)行過評(píng)價(jià)的至少一個(gè)用戶對(duì)該商戶的修正評(píng)價(jià)值。其中，一個(gè)用戶對(duì)一個(gè)候選商戶的修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)該用戶對(duì)該候選商戶的初始評(píng)價(jià)值進(jìn)行修正得到的。其中，該用戶對(duì)該候選商戶的初始評(píng)價(jià)值可通過該用戶對(duì)該候選商戶和/或該候選商戶提供的商品做出的評(píng)價(jià)來體現(xiàn)。例如，用戶對(duì)候選商戶的初始評(píng)價(jià)值可以直接表示為用戶對(duì)該候選商戶提供的至少一個(gè)商品的評(píng)價(jià)值，或者也可以表示為用戶對(duì)該候選商戶提供的至少一個(gè)商品的評(píng)價(jià)值的數(shù)值處理結(jié)果，或者也可以直接表示為用戶對(duì)該候選商戶的評(píng)價(jià)值，等等。上述系統(tǒng)是指包含上述多個(gè)商戶的應(yīng)用系統(tǒng)。在本實(shí)施例中，應(yīng)用系統(tǒng)包含服務(wù)端、商戶一側(cè)的客戶端以及用戶一側(cè)的客戶端。所述多個(gè)商戶可以是應(yīng)用系統(tǒng)中的全部商戶，也可以是應(yīng)用系統(tǒng)中的部分商戶。在推薦過程中，基于預(yù)先構(gòu)建的用戶-商戶修正評(píng)價(jià)矩陣，向待推薦用戶推薦商戶，如步驟201-203。在步驟201中，首先確定待推薦用戶，根據(jù)待推薦用戶，從用戶-商戶修正評(píng)價(jià)矩陣包含的多個(gè)商戶中，確定至少一個(gè)候選商戶，即，所述多個(gè)商戶包含至少一個(gè)候選商戶。待推薦用戶可以是任何用戶，例如可以是移動(dòng)互聯(lián)網(wǎng)app的老用戶、新用戶或者潛在用戶?？蛇x地，可以將多個(gè)商戶中的所有商戶都作為候選商戶，這種確定候選商戶的方式簡單、效率較高；另外，所確定的候選商戶數(shù)量較多，覆蓋面比較全，有利于向用戶推薦出更加合適的商戶?？蛇x地，可以根據(jù)待推薦用戶的位置，從多個(gè)商戶中，獲取至少一個(gè)候選商戶。例如，可以選擇位于待推薦用戶附近的商戶，這樣可以減少候選商戶的數(shù)量，有利于減少計(jì)算量，節(jié)約計(jì)算資源，提高整體推薦效率。接續(xù)于步驟201，在步驟202中，從預(yù)先構(gòu)建的用戶-商戶修正評(píng)價(jià)矩陣中，獲取至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值?？蛇x地，如圖2b所示，為用戶-商戶修正評(píng)價(jià)矩陣的一種實(shí)現(xiàn)形式。如圖2b所示，用戶-商戶修正評(píng)價(jià)矩陣包含用戶標(biāo)識(shí)、商戶標(biāo)識(shí)以及修正評(píng)價(jià)值。其中，用戶標(biāo)識(shí)構(gòu)成用戶-商戶修正評(píng)價(jià)矩陣中的行，商戶標(biāo)識(shí)構(gòu)成用戶-商戶修正評(píng)價(jià)矩陣中的列，修正評(píng)價(jià)值構(gòu)成用戶-商戶修正評(píng)價(jià)矩陣中的元素值。可選地，如圖2c所示，為用戶-商戶修正評(píng)價(jià)矩陣的另一種實(shí)現(xiàn)形式。如圖2c所示，用戶-商戶修正評(píng)價(jià)矩陣包含用戶標(biāo)識(shí)、商戶標(biāo)識(shí)以及修正評(píng)價(jià)值。其中，用戶標(biāo)識(shí)構(gòu)成用戶-商戶修正評(píng)價(jià)矩陣中的列，商戶標(biāo)識(shí)構(gòu)成用戶-商戶修正評(píng)價(jià)矩陣中的行，修正評(píng)價(jià)值構(gòu)成用戶-商戶修正評(píng)價(jià)矩陣中的元素值。在圖2b或圖2c中，用戶集合表示為u，對(duì)用戶ua來說，存在以下所屬關(guān)系：ua∈u＝{u1,u2,…,un}，n表示用戶個(gè)數(shù)；商戶集合表示為s，對(duì)商品sj來說，存在以下所屬關(guān)系：sj∈s＝{s1,s2,…,sk}，k表示商戶個(gè)數(shù)。上述商戶標(biāo)識(shí)可以是商戶名稱、商戶id等任何能夠唯一標(biāo)識(shí)商戶的信息。相應(yīng)地，上述用戶標(biāo)識(shí)可以是用戶名稱、用戶id等任何能夠唯一標(biāo)識(shí)用戶的信息。修正評(píng)價(jià)值可以是具體的數(shù)值，例如5分、3分或1分；或者，修正評(píng)價(jià)值也可以是一些非數(shù)值型的信息，例如金牌商戶、銀牌商戶、口碑較好、五星級(jí)服務(wù)、三星級(jí)服務(wù)等任何具有區(qū)分度的信息。基于圖2b或圖2c所示的用戶-商戶修正評(píng)價(jià)矩陣，可以將至少一個(gè)候選商戶中各候選商戶的標(biāo)識(shí)分別在用戶-商戶修正評(píng)價(jià)矩陣中進(jìn)行匹配，獲取匹配中的商戶標(biāo)識(shí)對(duì)應(yīng)的用戶標(biāo)識(shí)，作為各候選商戶對(duì)應(yīng)的用戶的標(biāo)識(shí)；進(jìn)而獲取匹配中的商戶標(biāo)識(shí)以及對(duì)應(yīng)的用戶標(biāo)識(shí)所確定的修正評(píng)價(jià)值，作為各候選商戶自對(duì)應(yīng)的用戶的修正評(píng)價(jià)值。在本實(shí)施例的在推薦過程中，無需實(shí)時(shí)計(jì)算各候選商戶對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，而是基于預(yù)先構(gòu)建的用戶-商戶修正評(píng)價(jià)矩陣，直接從中獲取各候選商戶對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，效率較高，有利于提高整體推薦效率。接續(xù)于步驟202，繼續(xù)參見步驟203，基于至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向待推薦用戶推薦商戶。本實(shí)施例并不限定向待推薦用戶推薦商戶時(shí)采用的推薦方式，凡是以至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值為基礎(chǔ)，可以向待推薦用戶推薦商戶的方式均適用于本申請(qǐng)實(shí)施例。在本實(shí)施例中，考慮時(shí)間因素的影響，預(yù)先根據(jù)符合推薦場(chǎng)景的時(shí)間影響特性，修正用戶對(duì)商戶的初始評(píng)價(jià)值，構(gòu)建出用戶-商戶修正評(píng)價(jià)矩陣；在進(jìn)行推薦時(shí)，直接從用戶-商戶修正評(píng)價(jià)矩陣中獲取各候選商戶對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，效率較高，進(jìn)而基于各候選商戶對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值進(jìn)行商戶推薦，達(dá)到推薦過程考慮時(shí)間因素的目的，從而提高推薦結(jié)果的準(zhǔn)確性，提高整體推薦效率。在上述實(shí)施例或下述實(shí)施例中，一種預(yù)先構(gòu)建用戶-商戶修正評(píng)價(jià)矩陣的流程，如圖3a所示，包括：2001、基于系統(tǒng)中存在的用戶針對(duì)商品的網(wǎng)絡(luò)行為信息，構(gòu)建第一用戶-商品評(píng)價(jià)矩陣。這里的網(wǎng)絡(luò)行為信息包括用戶針對(duì)商品的評(píng)價(jià)信息，但不限于此?；谟脩魧?duì)商品的評(píng)價(jià)信息，可以獲得用戶對(duì)商品的評(píng)價(jià)值。如圖3b所示，為第一用戶-商品評(píng)價(jià)矩陣的一種實(shí)現(xiàn)形式。在圖3b中，第一用戶-商品評(píng)價(jià)矩陣包括用戶標(biāo)識(shí)、商品標(biāo)識(shí)以及用戶對(duì)商品的評(píng)價(jià)值。其中，用戶標(biāo)識(shí)為第一用戶-商品評(píng)價(jià)矩陣中的行，商品標(biāo)識(shí)為第一用戶-商品評(píng)價(jià)矩陣中的列，用戶對(duì)商品的評(píng)價(jià)值為第一用戶-商品評(píng)價(jià)矩陣中的元素值。如圖3c所示，為第一用戶-商品評(píng)價(jià)矩陣的另一種實(shí)現(xiàn)形式。在圖3c中，第一用戶-商品評(píng)價(jià)矩陣包括用戶標(biāo)識(shí)、商品標(biāo)識(shí)以及用戶對(duì)商品的評(píng)價(jià)值。其中，用戶標(biāo)識(shí)為第一用戶-商品評(píng)價(jià)矩陣中的列，商品標(biāo)識(shí)為第一用戶-商品評(píng)價(jià)矩陣中的行，用戶對(duì)商品的評(píng)價(jià)值為第一用戶-商品評(píng)價(jià)矩陣中的元素值。在圖3b或圖3c中，用戶集合表示為u，對(duì)用戶ua來說，存在以下所屬關(guān)系：ua∈u＝{u1,u2,…,un}，n表示用戶個(gè)數(shù)；商品集合表示為i，對(duì)商品ij來說，存在以下所屬關(guān)系：ij∈i＝{i1,i2,…,im}，m表示商品個(gè)數(shù)。2002、對(duì)第一用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第一用戶-商戶初始評(píng)價(jià)矩陣，所述第一用戶-商戶初始評(píng)價(jià)矩陣包括所述多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列。在本申請(qǐng)實(shí)施例提供的推薦方法中，考慮到商品種類繁多，在基于商品進(jìn)行推薦時(shí)容易存在數(shù)據(jù)比較稀疏的問題，所以本申請(qǐng)實(shí)施例不再像傳統(tǒng)推薦方法那樣向用戶推薦商品，而是利用商品和商戶的關(guān)系，將用戶對(duì)商品的評(píng)價(jià)聚合成一個(gè)用戶對(duì)商戶的評(píng)價(jià)，基于用戶對(duì)商戶的評(píng)價(jià)向用戶推薦商戶。其中，商品與商戶之間的關(guān)系可表現(xiàn)為：商戶提供商品供用戶消費(fèi)，商戶本身包含商品的屬性，而用戶在商戶選購或消費(fèi)商品的行為可以反映用戶對(duì)商戶的隱含興趣。用戶對(duì)商戶的隱含興趣可以體現(xiàn)為在商戶處的選購或消費(fèi)商品的次數(shù)、消費(fèi)金額和評(píng)價(jià)等信息。在本實(shí)施例中，需要將第一用戶-商品評(píng)價(jià)矩陣從用戶-商品維度切換為用戶-商戶維度。如圖3d所示，為維度轉(zhuǎn)換的過程示意圖。可選地，一種維度轉(zhuǎn)換的方式可以是：先從商戶的角度出發(fā)，從第一用戶-商品評(píng)價(jià)矩陣中獲取屬于同一商戶的商品；然后對(duì)屬于同一商戶的商品，再按照用戶區(qū)分，將同一用戶對(duì)不同商品的評(píng)價(jià)值進(jìn)行匯總，形成同一用戶的商品評(píng)價(jià)值序列，從而獲得多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列，即第一用戶-商戶初始評(píng)價(jià)矩陣。2003、根據(jù)推薦場(chǎng)景下的時(shí)間影響特性對(duì)第一用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得用戶-商戶修正評(píng)價(jià)矩陣。在獲得第一用戶-商戶初始評(píng)價(jià)矩陣之后，可以根據(jù)推薦場(chǎng)景下的時(shí)間影響特性對(duì)第一用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得用戶-商戶修正評(píng)價(jià)矩陣。其中，根據(jù)推薦場(chǎng)景下的時(shí)間影響特性對(duì)第一用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，實(shí)質(zhì)上是根據(jù)推薦場(chǎng)景下的時(shí)間影響特性對(duì)第一用戶-商戶初始評(píng)價(jià)矩陣中的元素值進(jìn)行修正的過程?？蛇x地，上述步驟2003的一種實(shí)施方式，包括：根據(jù)推薦場(chǎng)景下的時(shí)間影響特性以及第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列，計(jì)算第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列；然后將第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列與各自對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得用戶-商戶修正評(píng)價(jià)矩陣。在第一用戶-商戶初始評(píng)價(jià)矩陣中，每個(gè)商品評(píng)價(jià)值序列對(duì)應(yīng)一個(gè)用戶與一個(gè)商戶；對(duì)該用戶來說，會(huì)在該商戶處選購或消費(fèi)至少一個(gè)商品并對(duì)至少一個(gè)商品進(jìn)行評(píng)價(jià)，這樣該用戶對(duì)至少一個(gè)商品的評(píng)價(jià)值，對(duì)這些評(píng)價(jià)值進(jìn)行匯總，可以得到該商戶對(duì)應(yīng)于該用戶的商品評(píng)價(jià)值序列。換句話說，每個(gè)商品評(píng)價(jià)值序列包含該商品評(píng)價(jià)值序列對(duì)應(yīng)用戶對(duì)該商品評(píng)價(jià)值序列對(duì)應(yīng)商戶提供的至少一個(gè)商品的評(píng)價(jià)值；相應(yīng)地，一個(gè)商品評(píng)價(jià)值序列也會(huì)對(duì)應(yīng)一個(gè)網(wǎng)絡(luò)行為發(fā)生時(shí)間序列，所述網(wǎng)絡(luò)行為發(fā)生時(shí)間序列也就是該用戶在該商戶處選購或消費(fèi)所述至少一個(gè)商品的時(shí)間。用戶在商戶處選購或消費(fèi)商品的行為存在時(shí)間上的先后關(guān)系，這種先后關(guān)系可以體現(xiàn)出用戶在商戶處選購或消費(fèi)商品的行為在時(shí)間上具有的周期性習(xí)慣，這種周期性習(xí)慣會(huì)對(duì)推薦過程造成影響，也就是時(shí)間因素的影響。在一種具體推薦場(chǎng)景下，其時(shí)間影響特性為：時(shí)間因素對(duì)推薦過程的正向影響隨時(shí)間增長的特性。例如，在外賣應(yīng)用場(chǎng)景中，用戶希望晚餐和午餐吃得不一樣、今天和昨天吃得不一樣、周末和平時(shí)吃得也不一樣。由此可見，在這種場(chǎng)景下，用戶對(duì)近期吃過的東西一般沒興趣，但隨著時(shí)間的推移，用戶會(huì)對(duì)之前吃過的東西，逐漸變得有新鮮感，并且距離之前吃該東西的時(shí)間越久，該新鮮感會(huì)越強(qiáng)，因此需要適時(shí)向用戶推薦之前消費(fèi)過的商品，這就是時(shí)間因素對(duì)推薦過程的正向影響隨時(shí)間增長的表現(xiàn)?；谏鲜?，以第一用戶-商戶初始評(píng)價(jià)矩陣中的用戶ua對(duì)在商戶sk處消費(fèi)過的n個(gè)商品做出評(píng)價(jià)為例，n個(gè)商品可表示為<i1,i2,...,in>，則第一用戶-商戶初始評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的商品評(píng)價(jià)值序列可表示為該商品評(píng)價(jià)值序列對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列可表示為即，用戶ua在時(shí)刻在商戶sk處消費(fèi)商品i1，并對(duì)商品i1形成評(píng)價(jià)值相應(yīng)地，用戶ua在時(shí)刻在商戶sk處消費(fèi)商品i2，并對(duì)商品i2形成評(píng)價(jià)值……，依次類推，用戶ua在時(shí)刻在商戶sk處消費(fèi)商品in，并對(duì)商品in形成評(píng)價(jià)值基于上述，可以采用下述公式(1)，根據(jù)推薦場(chǎng)景下的時(shí)間影響特性以及網(wǎng)絡(luò)行為發(fā)生時(shí)間序列計(jì)算商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列中的時(shí)間修正因子。在公式(1)中，表示商品評(píng)價(jià)值序列中評(píng)價(jià)值對(duì)應(yīng)的時(shí)間修正因子，1≤j≤n，j和n是自然數(shù)。tnow表示當(dāng)前時(shí)間。tperiod表示推薦場(chǎng)景下的時(shí)間周期，為一預(yù)設(shè)值或經(jīng)驗(yàn)值，例如在外賣場(chǎng)景中，該時(shí)間周期的取值可以是5、7、10或14等。表示評(píng)價(jià)值對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間。進(jìn)一步，基于上述公式(1)計(jì)算的時(shí)間修正因子，可以采用下述公式(2)，將所述商品評(píng)價(jià)值序列與其對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得用戶-商戶修正評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值。其中，商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值也就是用戶ua對(duì)商戶sk的修正評(píng)價(jià)值。在公式(2)中，v′ak表示商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值，其它參數(shù)的解釋參見公式(1)，在此不再贅述?；谏鲜鲞^程，可以根據(jù)推薦場(chǎng)景下的時(shí)間影響特性，對(duì)第一用戶-商戶初始評(píng)價(jià)矩陣中的各元素值進(jìn)行修正，從而得到用戶-商戶修正評(píng)價(jià)值矩陣。在本實(shí)施例中，線下構(gòu)建用戶-商戶修正評(píng)價(jià)矩陣，使得在線上進(jìn)行推薦時(shí)，可以直接從中獲取候選商戶對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，有利于提高線上推薦的效率。當(dāng)然，除了線下預(yù)先構(gòu)建用戶-商戶修正評(píng)價(jià)矩陣，在線上進(jìn)行推薦時(shí)，直接從中獲取候選商戶對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值之外，也可以在線上進(jìn)行推薦時(shí)，實(shí)時(shí)計(jì)算候選商戶對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，然后基于此向待推薦用戶推薦商戶。圖4為本申請(qǐng)又一實(shí)施例提供的推薦方法的流程示意圖。如圖4所示，所述方法包括：401、根據(jù)待推薦用戶，確定至少一個(gè)候選商戶。402、基于系統(tǒng)中存在的用戶針對(duì)至少一個(gè)候選商戶提供的商品的網(wǎng)絡(luò)行為信息，構(gòu)建第二用戶-商品評(píng)價(jià)矩陣。403、對(duì)第二用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第二用戶-商戶初始評(píng)價(jià)矩陣，所述第二用戶-商戶初始評(píng)價(jià)矩陣包括至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列。404、根據(jù)推薦場(chǎng)景下的時(shí)間影響特性對(duì)第二用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得用戶-候選商戶修正評(píng)價(jià)矩陣，所述用戶-候選商戶修正評(píng)價(jià)矩陣包括至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值。405、基于至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶。關(guān)于步驟401可參見前述實(shí)施例中相應(yīng)步驟的描述，在此不再贅述。步驟402-404，用于在線實(shí)時(shí)生成至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值的過程，其過程類似圖3a所示預(yù)先構(gòu)建用戶-商戶修正評(píng)價(jià)矩陣的過程，區(qū)別僅在于：數(shù)據(jù)集不相同。關(guān)于步驟402-404的詳細(xì)過程可參考圖3a所示實(shí)施例的過程，在此不再詳述。在獲得至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值之后，如步驟405所述，可基于至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向待推薦用戶推薦商戶，提高推薦效果。在上述實(shí)施例或下述實(shí)施例中，可基于至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向待推薦用戶推薦商戶?？蛇x地，可以采用基于用戶的協(xié)同過濾算法，基于至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向待推薦用戶推薦商戶?；蛘呖蛇x地，可以采用基于商戶的協(xié)同過濾算法，基于至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向待推薦用戶推薦商戶。下面通過不同的實(shí)施例分別對(duì)上述基于用戶的協(xié)同過濾算法的推薦過程和上述基于商戶的協(xié)同過濾算法的推薦過程進(jìn)行詳細(xì)說明。圖5為本申請(qǐng)又一實(shí)施例提供的推薦方法的流程示意圖。如圖5所示，所述方法包括：501、根據(jù)待推薦用戶的位置，從商戶集合中，確定至少一個(gè)候選商戶。502、獲取至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)初始評(píng)價(jià)值修正得到的。在本實(shí)施例中，步驟502的具體實(shí)現(xiàn)可以參照?qǐng)D2a和圖3a所示實(shí)施方式，或者也可以參照?qǐng)D4所示實(shí)施例中的步驟402-404來實(shí)現(xiàn)，在此均不做贅述。503、從第一用戶集合中，獲取待推薦用戶的相似用戶?？蛇x地，所述第一用戶集合可以由系統(tǒng)中存在的所有用戶組成，或者也可以由系統(tǒng)中存在的部分用戶組成，或者還可以由至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶組成。換句話說，一種獲取方式為：從系統(tǒng)中存在的所有用戶中，獲取待推薦用戶的相似用戶。另一種獲取方式為：從系統(tǒng)中存在的部分用戶中，獲取待推薦用戶的相似用戶。又一種獲取方式為：從至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶中，獲取待推薦用戶的相似用戶。可選地，可以采用余弦相似性計(jì)算方法或皮爾森(pearson)相似性計(jì)算方法，從第一用戶集合中，獲取待推薦用戶的相似用戶。優(yōu)選地，可以采用pearson相似性計(jì)算方法，計(jì)算待推薦用戶與第一用戶集合中各用戶的相似性，pearson相似性計(jì)算方法具有相似度計(jì)算精度較高的優(yōu)勢(shì)。將待推薦用戶表示為ua，將第一用戶集合中任一用戶表示為ub，則可以采用如下公式(3)計(jì)算ua與ub的pearson相似性。在公式(3)中，m表示ua和ub的相交商戶的個(gè)數(shù)，所述相交商戶是指ua和ub存在交集的(例如兩者都評(píng)價(jià)過的)商戶；va,j表示ua對(duì)相交商戶中的商戶sj的評(píng)價(jià)值；表示ua的平均評(píng)價(jià)值，vb,j表示ub對(duì)商戶sj的評(píng)價(jià)值，表示ub的平均評(píng)價(jià)值，wa,b表示ua與ub的pearson相似性。在上述公式(3)中，實(shí)際上只根據(jù)ua和ub的相交商戶計(jì)算了ua和ub的相似性。實(shí)際應(yīng)用中，ua和ub的相交商戶的數(shù)量可能很少，為此可以采用下述公式(4)對(duì)上述公式(3)計(jì)算出的相似性進(jìn)行修正，獲得修正后的相似性。在公式(4)中，w′a,b表示ua和ub的修正后的相似性。f表示一個(gè)常數(shù)，其取值可視具體應(yīng)用場(chǎng)景而定，例如可以是但不限于：10。其中，將稱為影響因子，且即當(dāng)ua和ub的相交商戶的數(shù)量m大于或等于常數(shù)f時(shí)，說明兩者相交商戶的數(shù)量較多，無需用影響因子進(jìn)行修正，故影響因子取值為1；反之，當(dāng)ua和ub的相交商戶的數(shù)量m小于常數(shù)f時(shí)，說明兩者相交商戶的數(shù)量較少，需用影響因子進(jìn)行修正，且影響因子的取值小于1。采用這個(gè)影響因子能提高相似性計(jì)算結(jié)果的準(zhǔn)確性和精度。由此可見，基于上述公式(3)和(4)，可以計(jì)算出待推薦用戶與第一用戶集合中每個(gè)用戶的相似性，進(jìn)而可基于待推薦用戶與第一用戶集合中每個(gè)用戶的相似性，從第一用戶集合中確定待推薦用戶的相似用戶。例如，可以選擇與待推薦用戶的相似性最高的至少一個(gè)用戶作為待推薦用戶的相似用戶。又例如，可以選擇與待推薦用戶的相似性大于設(shè)定閾值的至少一個(gè)用戶作為待推薦用戶的相似用戶。504、根據(jù)待推薦用戶的相似用戶對(duì)至少一個(gè)候選商戶的修正評(píng)價(jià)值，計(jì)算待推薦用戶對(duì)至少一個(gè)候選商戶的修正評(píng)價(jià)值?？蛇x地，可以根據(jù)下述公式(5)，計(jì)算待推薦用戶對(duì)至少一個(gè)候選商戶中每個(gè)候選商戶的修正評(píng)價(jià)值。其中，pa,i表示待推薦用戶ua對(duì)至少一個(gè)候選商戶中候選商戶si的修正評(píng)價(jià)值，si∈s，s表示至少一個(gè)候選商戶組成的候選商戶集合。u′表示由待推薦用戶的相似用戶構(gòu)成的相似用戶集合；w′a,c表示待推薦用戶ua與相似用戶集合中的相似用戶uc的修正后的相似性；vc,i表示相似用戶集合中的相似用戶uc對(duì)至少一個(gè)候選商戶中候選商戶si的修正評(píng)價(jià)值；表示相似用戶集合中的相似用戶uc的平均評(píng)價(jià)值。舉例說明：假設(shè)，用戶對(duì)候選商戶的修正評(píng)價(jià)值的范圍為0到5，依次表示不喜歡到喜歡的程度，假設(shè)需要根據(jù)下述表1所示用戶user1-user5對(duì)候選商戶supplier_1-supplier_6的修正評(píng)價(jià)值，計(jì)算待推薦用戶user5對(duì)候選商戶supplier_5的修正評(píng)價(jià)值。從表1可以看出，與user5最相似的用戶是user3、然后是user4、user2和user1，利用這些相似用戶對(duì)supplier_5的修正評(píng)價(jià)值，可以計(jì)算user5對(duì)supplier_5的修正評(píng)價(jià)值。其中，從supplier_5這一列可以發(fā)現(xiàn)，相似用戶對(duì)supplier_5的評(píng)價(jià)都不錯(cuò)，因此，user5對(duì)supplier_5的評(píng)價(jià)也會(huì)不錯(cuò)。表1supplier_1supplier_2supplier_3supplier_4supplier_5supplier_6user132452user22434user3313332user4334user5233？其中，可以采用上述公式(3)和(4)發(fā)現(xiàn)user5的相似用戶；根據(jù)上述公式(5)計(jì)算user5對(duì)supplier_5的修正評(píng)價(jià)值。505、根據(jù)待推薦用戶對(duì)至少一個(gè)候選商戶的修正評(píng)價(jià)值，從至少一個(gè)候選商戶中向待推薦用戶推薦商戶?？蛇x地，可以選擇修正評(píng)價(jià)值最大的至少一個(gè)候選商戶推薦給待推薦用戶?；蛘?，可以選擇修正評(píng)價(jià)值大于設(shè)定閾值的至少一個(gè)候選商戶推薦給待推薦用戶。在本實(shí)施中，考慮時(shí)間因素的影響，基于符合推薦場(chǎng)景的時(shí)間影響特性，修正用戶對(duì)商品的初始評(píng)價(jià)值，進(jìn)而基于修正后的評(píng)價(jià)值進(jìn)行推薦，達(dá)到推薦過程考慮時(shí)間因素的目的，從而提高推薦結(jié)果的準(zhǔn)確性。另外，在本實(shí)施例中，基于用戶的協(xié)同過濾算法利用用戶之間的相似性進(jìn)行商戶推薦，具有很好的預(yù)測(cè)精度，而且能隨數(shù)據(jù)的變化而變化，比較適合于數(shù)據(jù)更新頻繁的系統(tǒng)。圖6為本申請(qǐng)又一實(shí)施例提供的推薦方法的流程示意圖。如圖6所示，所述方法包括：601、根據(jù)待推薦用戶的位置，從商戶集合中，確定至少一個(gè)候選商戶。602、獲取至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)初始評(píng)價(jià)值修正得到的。603、從第一商戶集合中，獲取至少一個(gè)候選商戶各自的相似商戶?？蛇x地，可以選擇修正評(píng)價(jià)值最大的至少一個(gè)候選商戶推薦給待推薦用戶?；蛘?，可以選擇修正評(píng)價(jià)值大于設(shè)定閾值的至少一個(gè)候選商戶推薦給待推薦用戶?？蛇x地，第一商戶集合可以由至少一個(gè)商戶組成，或者可以由系統(tǒng)中存在的所有商戶組成，或者可以由系統(tǒng)中存在的部分商戶組成。換句話說，一種獲取方式為：在至少一個(gè)候選商戶中，獲取至少一個(gè)候選商戶各自的相似商戶。另一種獲取方式為：在系統(tǒng)中存在的所有商戶中，獲取至少一個(gè)候選商戶各自的相似商戶。又一種獲取方式為：在系統(tǒng)中存在的部分商戶中，獲取至少一個(gè)候選商戶各自的相似商戶?？蛇x地，可以采用余弦相似性計(jì)算方法或pearson相似性計(jì)算方法，從第一商戶集合中，獲取每個(gè)候選商戶的相似商戶。值得說明的是，采用余弦相似性計(jì)算方法或pearson相似性計(jì)算方法，計(jì)算各候選商戶與第一商戶集合中各商戶的相似性的過程，類似根據(jù)上述公式(3)和公式(4)計(jì)算用戶間相似性的過程，區(qū)別僅在于：需要將公式(3)和公式(4)中的用戶相關(guān)參數(shù)替換為候選商戶和第一商戶集合中各商戶的相關(guān)參數(shù)，具體計(jì)算過程在此不再詳述。604、根據(jù)至少一個(gè)候選商戶各自的相似商戶對(duì)應(yīng)的用戶的修正評(píng)價(jià)值，計(jì)算待推薦用戶對(duì)至少一個(gè)候選商戶的修正評(píng)價(jià)值。605、根據(jù)待推薦用戶對(duì)至少一個(gè)候選商戶的修正評(píng)價(jià)值，從至少一個(gè)候選商戶中向待推薦用戶推薦商戶。在本實(shí)施中，考慮時(shí)間因素的影響，基于符合推薦場(chǎng)景的時(shí)間影響特性，修正用戶對(duì)商品的初始評(píng)價(jià)值，進(jìn)而基于修正后的評(píng)價(jià)值進(jìn)行推薦，達(dá)到推薦過程考慮時(shí)間因素的目的，從而提高推薦結(jié)果的準(zhǔn)確性。另外，在本實(shí)施例中，基于商戶的協(xié)同過濾算法利用商戶之間的相似性進(jìn)行商戶推薦，可以解決數(shù)據(jù)稀疏的問題，有利于提高推薦精度。需要說明的是，上述實(shí)施例所提供方法的各步驟的執(zhí)行主體均可以是同一設(shè)備，或者，該方法也由不同設(shè)備作為執(zhí)行主體。比如，步驟101至步驟103的執(zhí)行主體可以為設(shè)備a；又比如，步驟101和102的執(zhí)行主體可以為設(shè)備a，步驟103的執(zhí)行主體可以為設(shè)備b；等等。圖7為本申請(qǐng)又一實(shí)施例提供的推薦裝置的結(jié)構(gòu)示意圖。如圖7所示，所述推薦裝置包括：確定單元71、獲取單元72以及推薦單元73。確定單元71，用于根據(jù)待推薦用戶，確定至少一個(gè)候選商戶。獲取單元72，用于獲取至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)初始評(píng)價(jià)值修正得到的。推薦單元73，用于基于至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向待推薦用戶推薦商戶。在一可選實(shí)施方式中，獲取單元72具體用于：從預(yù)先構(gòu)建的用戶-商戶修正評(píng)價(jià)矩陣中，獲取至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值；其中，所述用戶-商戶修正評(píng)價(jià)矩陣包括系統(tǒng)中多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述多個(gè)商戶包含所述至少一個(gè)候選商戶。在一可選實(shí)施方式中，如圖8所示，推薦裝置還包括：構(gòu)建單元74，用于預(yù)先構(gòu)建用戶-商戶修正評(píng)價(jià)矩陣。如圖8所示，構(gòu)建單元74的一種實(shí)現(xiàn)結(jié)構(gòu)包括：構(gòu)建子單元741、維度切換子單元742以及修正子單元743。構(gòu)建子單元741，用于基于系統(tǒng)中存在的用戶針對(duì)商品的網(wǎng)絡(luò)行為信息，構(gòu)建第一用戶-商品評(píng)價(jià)矩陣。維度切換子單元742，用于對(duì)第一用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第一用戶-商戶初始評(píng)價(jià)矩陣，所述第一用戶-商戶初始評(píng)價(jià)矩陣包括所述多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列。修正子單元743，用于根據(jù)推薦場(chǎng)景下的時(shí)間影響特性對(duì)第一用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得用戶-商戶修正評(píng)價(jià)矩陣。在一可選實(shí)施方式中，修正子單元743具體用于：根據(jù)推薦場(chǎng)景下的時(shí)間影響特性以及第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列，計(jì)算第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列；將第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列與各自對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得用戶-商戶修正評(píng)價(jià)矩陣。在一可選實(shí)施方式中，所述推薦場(chǎng)景下的時(shí)間影響特性為：時(shí)間因素對(duì)推薦過程的正向影響隨時(shí)間增長的特性。在一可選實(shí)施方式中，對(duì)第一用戶-商戶初始評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的商品評(píng)價(jià)值序列其對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列為則修正子單元743具體可以根據(jù)上述公式(1)計(jì)算商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列在一可選實(shí)施方式中，修正子單元743具體可以根據(jù)上述公式(2)將商品評(píng)價(jià)值序列與其對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得用戶-商戶修正評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值。關(guān)于公式(1)與公式(2)以及其中有關(guān)參數(shù)的描述，可參見前述方法實(shí)施例，在此不再贅述。在一可選實(shí)施方式中，獲取單元72具體用于：基于系統(tǒng)中存在的用戶針對(duì)至少一個(gè)候選商戶提供的商品的網(wǎng)絡(luò)行為信息，構(gòu)建第二用戶-商品評(píng)價(jià)矩陣；對(duì)第二用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第二用戶-商戶初始評(píng)價(jià)矩陣，所述第二用戶-商戶初始評(píng)價(jià)矩陣包括至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列；根據(jù)推薦場(chǎng)景下的時(shí)間影響特性對(duì)第二用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得用戶-候選商戶修正評(píng)價(jià)矩陣，所述用戶-候選商戶修正評(píng)價(jià)矩陣包括所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值。在一可選實(shí)施方式中，推薦單元73具體用于：采用基于用戶的協(xié)同過濾算法，基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶；或者，采用基于商戶的協(xié)同過濾算法，基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶。在一可選實(shí)施方式中，確定單元71具體用于：根據(jù)待推薦用戶的位置，從商戶集合中，獲取至少一個(gè)候選商戶。本申請(qǐng)實(shí)施例提供的推薦裝置，可用于執(zhí)行上述方法實(shí)施例提供的流程，其具體工作原理不再贅述。本實(shí)施例提供的推薦裝置，在推薦過程中，考慮時(shí)間因素的影響，基于符合推薦場(chǎng)景的時(shí)間影響特性，修正用戶對(duì)商品的初始評(píng)價(jià)值，進(jìn)而基于修正后的評(píng)價(jià)值進(jìn)行推薦，達(dá)到推薦過程考慮時(shí)間因素的目的，從而提高推薦結(jié)果的準(zhǔn)確性。本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器、cd-rom、光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。在一個(gè)典型的配置中，計(jì)算設(shè)備包括一個(gè)或多個(gè)處理器(cpu)、輸入/輸出接口、網(wǎng)絡(luò)接口和內(nèi)存。內(nèi)存可能包括計(jì)算機(jī)可讀介質(zhì)中的非永久性存儲(chǔ)器，隨機(jī)存取存儲(chǔ)器(ram)和/或非易失性內(nèi)存等形式，如只讀存儲(chǔ)器(rom)或閃存(flashram)。內(nèi)存是計(jì)算機(jī)可讀介質(zhì)的示例。計(jì)算機(jī)可讀介質(zhì)包括永久性和非永久性、可移動(dòng)和非可移動(dòng)媒體可以由任何方法或技術(shù)來實(shí)現(xiàn)信息存儲(chǔ)。信息可以是計(jì)算機(jī)可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計(jì)算機(jī)的存儲(chǔ)介質(zhì)的例子包括，但不限于相變內(nèi)存(pram)、靜態(tài)隨機(jī)存取存儲(chǔ)器(sram)、動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(dram)、其他類型的隨機(jī)存取存儲(chǔ)器(ram)、只讀存儲(chǔ)器(rom)、電可擦除可編程只讀存儲(chǔ)器(eeprom)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲(chǔ)器(cd-rom)、數(shù)字多功能光盤(dvd)或其他光學(xué)存儲(chǔ)、磁盒式磁帶，磁帶磁磁盤存儲(chǔ)或其他磁性存儲(chǔ)設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲(chǔ)可以被計(jì)算設(shè)備訪問的信息。按照本文中的界定，計(jì)算機(jī)可讀介質(zhì)不包括暫存電腦可讀媒體(transitorymedia)，如調(diào)制的數(shù)據(jù)信號(hào)和載波。還需要說明的是，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、商品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、商品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過程、方法、商品或者設(shè)備中還存在另外的相同要素。本領(lǐng)域技術(shù)人員應(yīng)明白，本申請(qǐng)的實(shí)施例可提供為方法、系統(tǒng)或計(jì)算機(jī)程序產(chǎn)品。因此，本申請(qǐng)可采用完全硬件實(shí)施例、完全軟件實(shí)施例或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本申請(qǐng)可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器、cd-rom、光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。以上所述僅為本申請(qǐng)的實(shí)施例而已，并不用于限制本申請(qǐng)。對(duì)于本領(lǐng)域技術(shù)人員來說，本申請(qǐng)可以有各種更改和變化。凡在本申請(qǐng)的精神和原理之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本申請(qǐng)的權(quán)利要求范圍之內(nèi)。本申請(qǐng)實(shí)施例公開a1、一種推薦方法，包括：根據(jù)待推薦用戶，確定至少一個(gè)候選商戶；獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)初始評(píng)價(jià)值修正得到的；基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶。a2、如a1所述的方法中，所述獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，包括：從預(yù)先構(gòu)建的用戶-商戶修正評(píng)價(jià)矩陣中，獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值；其中，所述用戶-商戶修正評(píng)價(jià)矩陣包括系統(tǒng)中多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述多個(gè)商戶包含所述至少一個(gè)候選商戶。a3、如a2所述的方法中，預(yù)先構(gòu)建用戶-商戶修正評(píng)價(jià)矩陣，包括：基于系統(tǒng)中存在的用戶針對(duì)商品的網(wǎng)絡(luò)行為信息，構(gòu)建第一用戶-商品評(píng)價(jià)矩陣；對(duì)所述第一用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第一用戶-商戶初始評(píng)價(jià)矩陣，所述第一用戶-商戶初始評(píng)價(jià)矩陣包括所述多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列；根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性對(duì)所述第一用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣。a4、如a3所述的方法中，所述根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性對(duì)所述第一用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣，包括：根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性以及所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列，計(jì)算所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列；將所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列與各自對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣。a5、如a4所述的方法中，所述推薦場(chǎng)景下的時(shí)間影響特性為：時(shí)間因素對(duì)推薦過程的正向影響隨時(shí)間增長的特性。a6、如a5所述的方法中，對(duì)所述第一用戶-商戶初始評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的商品評(píng)價(jià)值序列其對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列為所述根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性以及所述網(wǎng)絡(luò)行為發(fā)生時(shí)間序列計(jì)算所述商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列包括：根據(jù)公式計(jì)算所述商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列中的時(shí)間修正因子；表示所述商品評(píng)價(jià)值序列中評(píng)價(jià)值對(duì)應(yīng)的時(shí)間修正因子，1≤j≤n，j和n是自然數(shù)；tnow表示當(dāng)前時(shí)間；tperiod表示所述推薦場(chǎng)景下的時(shí)間周期；表示評(píng)價(jià)值對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間。a7、如a6所述的方法中，將所述商品評(píng)價(jià)值序列與其對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值，包括：根據(jù)公式計(jì)算所述商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值；v′ak表示所述商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值。a8、如a1所述的方法中，所述獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，包括：基于系統(tǒng)中存在的用戶針對(duì)所述至少一個(gè)候選商戶提供的商品的網(wǎng)絡(luò)行為信息，構(gòu)建第二用戶-商品評(píng)價(jià)矩陣；對(duì)所述第二用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第二用戶-商戶初始評(píng)價(jià)矩陣，所述第二用戶-商戶初始評(píng)價(jià)矩陣包括所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列；根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性對(duì)所述第二用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得用戶-候選商戶修正評(píng)價(jià)矩陣，所述用戶-候選商戶修正評(píng)價(jià)矩陣包括所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值。a9、如a1-a8任一項(xiàng)所述的方法中，所述基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶，包括：采用基于用戶的協(xié)同過濾算法，基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶；或者采用基于商戶的協(xié)同過濾算法，基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶。a10、如a1-a8任一項(xiàng)所述的方法中，所述根據(jù)待推薦用戶，確定至少一個(gè)候選商戶，包括：根據(jù)所述待推薦用戶的位置，從商戶集合中，獲取所述至少一個(gè)候選商戶。本申請(qǐng)實(shí)施例還公開b11、一種推薦裝置，包括：確定單元，用于根據(jù)待推薦用戶，確定至少一個(gè)候選商戶；獲取單元，用于獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述修正評(píng)價(jià)值是按照推薦場(chǎng)景下的時(shí)間影響特性對(duì)初始評(píng)價(jià)值修正得到的；推薦單元，用于基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶。b12、如b11所述的裝置中，所述獲取單元具體用于：從預(yù)先構(gòu)建的用戶-商戶修正評(píng)價(jià)矩陣中，獲取所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值；其中，所述用戶-商戶修正評(píng)價(jià)矩陣包括系統(tǒng)中多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，所述多個(gè)商戶包含所述至少一個(gè)候選商戶。b13、如b12所述的裝置還包括：構(gòu)建單元，用于預(yù)先構(gòu)建所述用戶-商戶修正評(píng)價(jià)矩陣；所述構(gòu)建單元包括：構(gòu)建子單元，用于基于系統(tǒng)中存在的用戶針對(duì)商品的網(wǎng)絡(luò)行為信息，構(gòu)建第一用戶-商品評(píng)價(jià)矩陣；維度切換子單元，用于對(duì)所述第一用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第一用戶-商戶初始評(píng)價(jià)矩陣，所述第一用戶-商戶初始評(píng)價(jià)矩陣包括所述多個(gè)商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列；修正子單元，用于根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性對(duì)所述第一用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣。b14、如b13所述的裝置中，所述修正子單元具體用于：根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性以及所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列，計(jì)算所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列；將所述第一用戶-商戶初始評(píng)價(jià)矩陣中各商品評(píng)價(jià)值序列與各自對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣。b15、如b14所述的裝置中，所述推薦場(chǎng)景下的時(shí)間影響特性為：時(shí)間因素對(duì)推薦過程的正向影響隨時(shí)間增長的特性。b16、如b15所述的裝置中，對(duì)所述第一用戶-商戶初始評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的商品評(píng)價(jià)值序列其對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間序列為所述修正子單元在根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性以及所述網(wǎng)絡(luò)行為發(fā)生時(shí)間序列計(jì)算所述商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列時(shí)，具體用于：根據(jù)公式計(jì)算所述商品評(píng)價(jià)值序列對(duì)應(yīng)的時(shí)間修正因子序列中的時(shí)間修正因子；表示所述商品評(píng)價(jià)值序列中評(píng)價(jià)值對(duì)應(yīng)的時(shí)間修正因子，1≤j≤n，j和n是自然數(shù)；tnow表示當(dāng)前時(shí)間；tperiod表示所述推薦場(chǎng)景下的時(shí)間周期；表示評(píng)價(jià)值對(duì)應(yīng)的網(wǎng)絡(luò)行為發(fā)生時(shí)間。b17、如b16所述的裝置中，所述修正子單元在將所述商品評(píng)價(jià)值序列與其對(duì)應(yīng)的時(shí)間修正因子序列相乘，以獲得所述用戶-商戶修正評(píng)價(jià)矩陣中商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值時(shí)，具體用于：根據(jù)公式計(jì)算所述商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值；v′ak表示所述商戶sk對(duì)應(yīng)的用戶ua的修正評(píng)價(jià)值。b18、如b11所述的裝置中，所述獲取單元具體用于：基于系統(tǒng)中存在的用戶針對(duì)所述至少一個(gè)候選商戶提供的商品的網(wǎng)絡(luò)行為信息，構(gòu)建第二用戶-商品評(píng)價(jià)矩陣；對(duì)所述第二用戶-商品評(píng)價(jià)矩陣進(jìn)行維度切換，以獲得第二用戶-商戶初始評(píng)價(jià)矩陣，所述第二用戶-商戶初始評(píng)價(jià)矩陣包括所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的商品評(píng)價(jià)值序列；根據(jù)所述推薦場(chǎng)景下的時(shí)間影響特性對(duì)所述第二用戶-商戶初始評(píng)價(jià)矩陣進(jìn)行修正，以獲得用戶-候選商戶修正評(píng)價(jià)矩陣，所述用戶-候選商戶修正評(píng)價(jià)矩陣包括所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值。b19、如b11-b18任一項(xiàng)所述的裝置中，所述推薦單元具體用于：采用基于用戶的協(xié)同過濾算法，基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶；或者采用基于商戶的協(xié)同過濾算法，基于所述至少一個(gè)候選商戶各自對(duì)應(yīng)的至少一個(gè)用戶的修正評(píng)價(jià)值，向所述待推薦用戶推薦商戶。b20、如b11-b18任一項(xiàng)所述的裝置中，所述確定單元具體用于：根據(jù)所述待推薦用戶的位置，從商戶集合中，獲取所述至少一個(gè)候選商戶。本申請(qǐng)實(shí)施例還公開c21、一種電子設(shè)備，包括：存儲(chǔ)器和處理器；所述存儲(chǔ)器用于存儲(chǔ)一條或多條計(jì)算機(jī)指令，其中，所述一條或多條計(jì)算機(jī)指令被所述處理器執(zhí)行時(shí)能夠?qū)崿F(xiàn)上述a1-a10任一項(xiàng)所述方法中的步驟。本申請(qǐng)實(shí)施例還公開d22、一種存儲(chǔ)有計(jì)算機(jī)程序的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)程序使計(jì)算機(jī)執(zhí)行上述a1-a10任一項(xiàng)所述方法中的步驟。當(dāng)前第1頁12