[发明专利]对象推荐方法、装置、存储介质、处理器和系统

说明书

本发明公开了一种对象推荐方法、装置、存储介质、处理器和系统。其中，该方法包括：依据用户偏好的特征因素，确定用于向用户进行对象推荐的推荐策略；依据确定的推荐策略向用户推荐对象。本发明解决了由于所有用户采用一个推荐策略而导致向用户推荐对象时，用户的个性化体验不高的的技术问题。

技术领域

本发明涉及数据处理领域，具体而言，涉及一种对象推荐方法、装置、存储介质、处理器和系统。

背景技术

目前，在向用户推荐对象时，可以采用云端服务器向用户推荐对象，或者采用第三方提供的推荐引擎向用户推荐对象的方法，比如，云端服务器向用户推荐服务，或者第三方提供的推荐引擎向用户推荐服务。上述方法通常是针对具体的案例进行数据分析，得到分析结果，再根据分析结果寻找优化的方向，从而不断地进行尝试，得到尝试结果，最后根据尝试结果进一步改进向用户推荐的推荐结果。

由于需要根据分析结果寻找优化的方向，并且还需要不断地进行尝试，这并不能保证每次优化的方向、尝试的结果都可以达到最佳的推荐效果。在优化的方向、尝试的结果达不到最佳的推荐效果的情况下，可能还需要更改另外的优化方向，进行另外一种尝试，从而导致向用户推荐对象的效率低。为了达到向用户推荐对象的目的，通常需要分析人员具有丰富的经验，以确定合理的优化方向，确定合理的尝试方法，而大多数使用推荐引擎产品的分析人员极度缺乏这一方面的经验，在实际应用中往往不知道从哪里入手。因而，即使是非常简单的推荐结果的优化方案，由于分析人员缺乏经验，导致向用户推荐对象的推荐效果不佳。

传统的向用户推荐对象的方法采用手工优化推荐结果，需要分析人员对推荐结果进行分析，而对推荐结果进行分析的方法是多种多样的，需要综合分析人员的经验以及对数据的敏感度对推荐结果进行优化。由于上述方法非常依赖分析人员的经验以及对数据的敏感度，使得向用户推荐对象的效率低下，并且分析人员也很稀缺，从而使得传统的向用户推荐对象的方法难于实现。而对推荐结果不经优化的算法往往都难以令人满意，严重影响了用户对于推荐效果的体验。

因而，针对所有的用户，往往都采用一个推荐策略，该推荐策略可以是经过数据分析，寻找优化的方向，从而不断地进行尝试，改进推荐结果得到的推荐策略，并不能保证该推荐策略可以为所有的用户带来最佳体验，导致向用户推荐对象时，用户的个性化体验不高的问题。

针对上述的由于所有用户采用一个推荐策略而导致向用户推荐对象时，用户的个性化体验不高的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种对象推荐方法、装置、存储介质、处理器和系统，以至少解决由于所有用户采用一个推荐策略而导致向用户推荐对象时，用户的个性化体验不高的的技术问题。

根据本发明实施例的一个方面，提供了一种对象推荐方法。该方法包括：依据用户偏好的特征因素，确定用于向用户进行对象推荐的推荐策略；依据确定的推荐策略向用户推荐对象。

根据本发明实施例的一个方面，还提供了一种对象推荐方法。该方法包括：接收用于检索的输入信息；确定输入信息对应的用户的用户信息；根据用户信息，获取预先与用户信息对应的推荐策略，其中，推荐策略用于依据用户偏好的特征因素，向用户进行对象推荐；根据获取的推荐策略向用户推荐对象。

根据本发明实施例的一个方面，还提供了一种对象推荐装置。该装置包括：第一确定模块，用于依据用户偏好的特征因素，确定用于向用户进行对象推荐的推荐策略；第一推荐模块，用于依据确定的推荐策略向用户推荐对象。

根据本发明实施例的一个方面，还提供了一种对象推荐装置。该装置包括：接收模块，用于接收用于检索的输入信息；第二确定模块，用于确定输入信息对应的用户的用户信息；获取模块，用于根据用户信息，获取预先与用户信息对应的推荐策略，其中，推荐策略用于依据用户偏好的特征因素，向用户进行对象推荐；第二推荐模块，用于根据获取的推荐策略向用户推荐对象。