[发明专利]信息推荐装置、方法、设备及存储介质

说明书

本公开提供一种信息推荐装置、方法及设备，涉及电子商务领域。该装置包括：初始特征向量获取模块，用于分别获取多个客户的多个初始特征向量；联合条件概率获得模块，用于根据多个初始特征向量获得已响应参考对象的客户与多个客户的联合条件概率；目标函数获得模块，用于根据已响应参考对象的客户与多个客户的联合条件概率获得目标函数；特征向量优化模块，用于通过最大化目标函数对多个初始特征向量进行优化，获得多个客户的多个优化特征向量；客户相似度获得模块，用于根据多个优化特征向量获得已响应待推荐对象的客户与未响应待推荐对象的客户的相似度，以向未响应待推荐对象的客户推荐待推荐对象，提高了在客户历史信息少时信息推荐的准确度。

技术领域

本公开涉及电子商务领域，具体而言，涉及一种信息推荐装置、方法、设备及可读存储介质。

背景技术

随着互联网和移动互联网技术的发展，电子商务逐渐成为常见的消费形式。在互联网消费领域的市场营销中，通常采用互联网在线推荐方法寻找目标客户进行营销，以实现获客增长、转化等等。相关技术中采用协同过滤等推荐方法，根据客户的历史互联网行为信息进行商品推荐，但此类方法对于一些消费领域的推荐准确度较低，例如对于一些具有客户消费频次低、单次消费金额高以及客户在线交互数据少等特点的高端消费领域，导致协同过滤等推荐方法失效。

如上所述，如何提高信息推荐方法的准确度、适用性成为亟待解决的问题。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种信息推荐装置、方法、设备及可读存储介质，至少在一定程度上克服由于相关技术依赖客户的历史互联网行为进行推荐导致在客户历史行为较少时推荐准确度降低的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提供一种信息推荐装置，包括：初始特征向量获取模块，用于分别获取多个客户的多个初始特征向量，所述多个客户包括已响应参考对象的客户、已响应待推荐对象的客户和未响应待推荐对象的客户；联合条件概率获得模块，用于根据所述多个初始特征向量获得所述已响应参考对象的客户与所述多个客户的联合条件概率；目标函数获得模块，用于根据所述已响应参考对象的客户与所述多个客户的联合条件概率获得目标函数；特征向量优化模块，用于通过最大化所述目标函数对所述多个初始特征向量进行优化，获得所述多个客户的多个优化特征向量；客户相似度获得模块，用于根据所述多个优化特征向量获得所述已响应待推荐对象的客户与所述未响应待推荐对象的客户的相似度，以向所述未响应待推荐对象的客户推荐所述待推荐对象。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。

图1示出本公开实施例中一种信息推荐装置的示意图。

图2示出本公开实施例中一种信息推荐方法的流程图。

图3示出本公开实施例中一种获客引流方法的流程图。

图4示出本公开实施例中一种转化支付方法的流程图。

图5是根据图2至图4示出的一种影响传播方法的流程图。

图6是根据图2至图5示出的一种信息推荐实施架构的示意图。

图7是根据图2至图6示出的一种信息推荐业务流程的示意图。

图8是本公开实施例中一种客户消费偏好相似度的低维稠密向量表征示例图。

图9是本公开实施例中一种客户消费偏好相似度的新客线索画像示例图。