本發(fā)明涉及計算機，尤其涉及一種信息推薦的方法和裝置。

背景技術(shù)：

1、現(xiàn)階段，針對物流領(lǐng)域的客戶端用戶的活動或權(quán)益（如禮品卡、優(yōu)惠券、積分等）信息推薦，大都以策略結(jié)合模型作為基礎(chǔ)框架搭建，其中，業(yè)務(wù)規(guī)則所形成的策略作為主要框架，模型在不同場景下（如下單預(yù)測、權(quán)益使用預(yù)測等）的打分作為輔助進行綜合推薦。

2、這種思路和方案雖然能在一定程度上高效地實現(xiàn)對用戶的權(quán)益信息推送，但需要用戶進行策略配置，且對權(quán)益信息推薦的靈活性造成了限制。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明實施例提供一種信息推薦的方法和裝置，能夠應(yīng)用多種動態(tài)數(shù)據(jù)源進行特征構(gòu)建，極大豐富了用戶信息；通過智能推薦算法進行差異化權(quán)益信息推薦，自動完成權(quán)益信息的推薦和投放，無需運營人員手動配置權(quán)益信息，極大降低了運維成本，且提高了對權(quán)益信息推薦的靈活性。

2、為實現(xiàn)上述目的，根據(jù)本發(fā)明實施例的一個方面，提供了一種信息推薦的方法，包括：

3、對用戶多個領(lǐng)域的行為數(shù)據(jù)進行特征提取得到用戶特征，所述用戶特征包括用戶流量特征、用戶權(quán)益行為特征和用戶下單行為特征；

4、基于所述用戶特征得到所述用戶對各個權(quán)益的轉(zhuǎn)化概率；

5、基于所述用戶流量特征和所述用戶下單行為特征確定所述用戶的下單概率；

6、基于所述用戶對各個權(quán)益的轉(zhuǎn)化概率和所述用戶的下單概率進行運籌優(yōu)化計算，得到所述用戶的待推薦權(quán)益信息。

7、可選地，基于所述用戶特征得到所述用戶對各個權(quán)益的轉(zhuǎn)化概率，包括：使用基于自注意力機制的深度神經(jīng)網(wǎng)絡(luò)對所述用戶特征進行處理，得到所述用戶對各個權(quán)益的轉(zhuǎn)化概率。

8、可選地，所述用戶特征還包括用戶基礎(chǔ)畫像特征；其中，所述用戶流量特征是通過對用戶在不同流量端口的行為數(shù)據(jù)進行統(tǒng)計分析得到的；所述用戶權(quán)益行為特征是通過對用戶的權(quán)益操作行為數(shù)據(jù)進行統(tǒng)計分析得到的；所述用戶下單行為特征是通過對用戶的單量數(shù)據(jù)進行統(tǒng)計分析得到的；所述用戶基礎(chǔ)畫像特征是通過對用戶的基本信息和物流頻次狀態(tài)數(shù)據(jù)進行統(tǒng)計分析得到的。

9、可選地，基于所述用戶流量特征和所述用戶下單行為特征確定所述用戶的下單概率，包括：將所述用戶流量特征和所述用戶下單行為特征輸入到?jīng)Q策樹分類模型，以確定所述用戶的下單概率。

10、可選地，基于所述用戶對各個權(quán)益的轉(zhuǎn)化概率和所述用戶的下單概率進行運籌優(yōu)化計算，得到所述用戶的待推薦權(quán)益信息，包括：通過訓(xùn)練一個運籌優(yōu)化模型，并將所述用戶對各個權(quán)益的轉(zhuǎn)化概率和所述用戶的下單概率輸入至所述運籌優(yōu)化模型以進行運籌優(yōu)化計算，得到所述用戶的待推薦權(quán)益信息。

11、可選地，所述運籌優(yōu)化模型包括：決策變量：將權(quán)益j推薦給用戶i的決策結(jié)果；優(yōu)化目標(biāo)：用戶的下單概率、用戶對權(quán)益的轉(zhuǎn)化概率、用戶的單均標(biāo)準(zhǔn)收入和權(quán)益的折扣系數(shù)之積最大化；約束條件包括：每個用戶僅能選擇一種權(quán)益、對用戶發(fā)放的權(quán)益的折扣系數(shù)浮動在一定區(qū)間內(nèi)。

12、根據(jù)本發(fā)明實施例的另一方面，提供了一種信息推薦的裝置，包括：

13、特征提取模塊，用于對用戶多個領(lǐng)域的行為數(shù)據(jù)進行特征提取得到用戶特征，所述用戶特征包括用戶流量特征、用戶權(quán)益行為特征和用戶下單行為特征；

14、轉(zhuǎn)化預(yù)測模塊，用于基于所述用戶特征得到所述用戶對各個權(quán)益的轉(zhuǎn)化概率；

15、下單預(yù)測模塊，用于基于所述用戶流量特征和所述用戶下單行為特征確定所述用戶的下單概率；

16、優(yōu)化計算模塊，用于基于所述用戶對各個權(quán)益的轉(zhuǎn)化概率和所述用戶的下單概率進行運籌優(yōu)化計算，得到所述用戶的待推薦權(quán)益信息。

17、根據(jù)本發(fā)明實施例的又一方面，提供了一種電子設(shè)備，包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)本發(fā)明實施例所提供的信息推薦的方法。

18、根據(jù)本發(fā)明實施例的又一方面，提供了一種計算機可讀介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)本發(fā)明實施例所提供的信息推薦的方法。

19、根據(jù)本發(fā)明實施例的再一方面，提供了一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)本發(fā)明實施例所提供的信息推薦的方法。

20、上述發(fā)明中的一個實施例具有如下優(yōu)點或有益效果：通過對用戶多個領(lǐng)域的行為數(shù)據(jù)進行特征提取得到用戶特征，用戶特征包括用戶流量特征、用戶權(quán)益行為特征和用戶下單行為特征；基于用戶特征得到用戶對各個權(quán)益的轉(zhuǎn)化概率；基于用戶流量特征和用戶下單行為特征確定用戶的下單概率；基于用戶對各個權(quán)益的轉(zhuǎn)化概率和用戶的下單概率進行運籌優(yōu)化計算，得到用戶的待推薦權(quán)益信息的技術(shù)方案，可以應(yīng)用多種動態(tài)數(shù)據(jù)源進行特征構(gòu)建，極大豐富了用戶信息；通過智能推薦算法進行差異化權(quán)益信息推薦，自動完成權(quán)益信息的推薦和投放，無需運營人員手動配置權(quán)益信息，極大降低了運維成本，且提高了對權(quán)益信息推薦的靈活性。

21、上述的非慣用的可選方式所具有的進一步效果將在下文中結(jié)合具體實施方式加以說明。

技術(shù)特征：

1.一種信息推薦的方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述用戶特征得到所述用戶對各個權(quán)益的轉(zhuǎn)化概率，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用戶特征還包括用戶基礎(chǔ)畫像特征；其中，

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述用戶流量特征和所述用戶下單行為特征確定所述用戶的下單概率，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述用戶對各個權(quán)益的轉(zhuǎn)化概率和所述用戶的下單概率進行運籌優(yōu)化計算，得到所述用戶的待推薦權(quán)益信息，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述運籌優(yōu)化模型包括：

7.一種信息推薦的裝置，其特征在于，包括：

8.一種電子設(shè)備，其特征在于，包括：

9.一種計算機可讀介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-6中任一所述的方法。

10.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-6中任一所述的方法。

技術(shù)總結(jié)
本發(fā)明公開了一種信息推薦的方法和裝置，涉及計算機技術(shù)領(lǐng)域。該方法的一具體實施方式包括：對用戶多個領(lǐng)域的行為數(shù)據(jù)進行特征提取得到用戶特征，用戶特征包括用戶流量特征、用戶權(quán)益行為特征和用戶下單行為特征；基于用戶特征得到用戶對各個權(quán)益的轉(zhuǎn)化概率；基于用戶流量特征和用戶下單行為特征確定用戶的下單概率；基于用戶對各個權(quán)益的轉(zhuǎn)化概率和用戶的下單概率進行運籌優(yōu)化計算，得到用戶的待推薦權(quán)益信息。該實施方式極大降低了運維成本，且提高了對權(quán)益信息推薦的靈活性。

技術(shù)研發(fā)人員：孟祥宇,丁長林
受保護的技術(shù)使用者：北京京東遠升科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19