[发明专利]商城推荐列表的生成方法、装置、电子设备及计算机介质

说明书

本发明实施例涉及数据处理领域，公开了一种商户推荐列表的生成方法、装置、电子设备及计算机可读存储介质。商户推荐列表的生成方法包括：获取历史下单用户的用户数据；利用历史下单用户的用户数据进行模型训练以获取下单率预测模型及下单价格预估模型；获取当前下单用户的用户数据，将当前下单用户的用户数据输入下单率预测模型中得到预测下单率、将当前下单用户的用户数据输入下单价格预估模型中得到预估下单价格；根据预测下单率及预估下单价格获取商户的推荐分，并根据推荐分生成商户推荐列表。本发明提供的商户推荐列表的生成方法、装置、电子设备及计算机可读存储介质能够针对不同用户进行精准商户推荐，提升用户体验及商户收益。

技术领域

本发明实施例涉及数据处理领域，特别涉及一种商户推荐列表的生成方法、装置、电子设备及计算机可读存储介质。

背景技术

现代搜索引擎能够为用户提供查询推荐功能，从而帮助用户获得其预期的搜索结果。以前的查询推荐工作主要是针对用户的输入查询来推荐语义相关的查询，然而，上述查询方式在科技飞速发展的今天已无法满足用户的信息需求，因此，个性化查询方式应运而生。个性化查询推荐旨在更好地说明个人的信息需求，到目前为止，很多个性化的查询推荐方法都是基于用户的搜索历史记录或者是用户的点击信息。例如通过对特定用户点击过的文档进行挖掘，生成相应的推荐列表，但是这种方法依赖于用户的点击行为，如果用户没有点击行为或者点击行为较少，那么该方法就没有较好的个性化查询推荐的效果。或者根据用户输入的查询和相关的历史记录，给用户返回一个推荐列表，对用户下一个可能输入的查询进行预测。在电商领域，推荐列表的生成一般基于用户对商品的下单率或点击率。诸如逻辑回归(Logistic Regression,LR)、深度神经网络(Deep Neural Network,DNN)、因子分解机(Factorization Machine，FM)等技术在下单率预估中得到了广泛的采用。

发明人发现现有技术中至少存在如下问题：仅基于下单率或点击率生成商户的推荐列表，使得该推荐列表的生成依据单一，无法准确的反映商户的具体信息及用户对商家的喜好程度，从而导致向用户提供的推荐列表不精准，进而影响了用户的体验及商户收益。

发明内容

本发明实施方式的目的在于提供一种商户推荐列表的生成方法、装置、电子设备及计算机可读存储介质，其能够针对不同用户进行精准商户推荐，提升用户体验及商户收益。

为解决上述技术问题，本发明的实施方式提供了一种商户推荐列表的生成方法，包括：

获取历史下单用户的用户数据；利用所述历史下单用户的用户数据进行模型训练以获取下单率预测模型及下单价格预估模型；获取当前下单用户的用户数据，将所述当前下单用户的用户数据输入所述下单率预测模型中得到预测下单率、将所述当前下单用户的用户数据输入所述下单价格预估模型中得到预估下单价格；根据所述预测下单率及所述预估下单价格获取商户的推荐分，并根据所述推荐分生成商户推荐列表。

本发明的实施方式还提供了一种推荐列表的生成装置，包括：第一获取模块，用于获取历史下单用户的用户数据；第一模型训练模块，用于利用所述历史下单用户的用户数据进行模型训练以获取下单率预测模型；第二模型训练模块，用于利用所述历史下单用户的用户数据进行模型训练以获取下单价格预估模型；第二获取模块，用于获取当前下单用户的用户数据；第一处理模块，用于将所述当前下单用户的用户数据输入所述下单率预测模型中得到预测下单率、将所述当前下单用户的用户数据输入所述下单价格预估模型中得到预估下单价格；第二处理模块，用于根据所述预测下单率及所述预估下单价格获取商户的推荐分，并根据所述推荐分生成商户推荐列表。