本發(fā)明涉及互聯(lián)網(wǎng)相關(guān)的數(shù)據(jù)處理領(lǐng)域，更為具體而言，涉及一種商戶推薦方法、建立商戶評(píng)價(jià)模型的方法及相關(guān)裝置。

背景技術(shù)：

互聯(lián)網(wǎng)的發(fā)展日益改變?nèi)藗兊纳罘绞?。在電子商?wù)系統(tǒng)中，如何向用戶推薦合適的產(chǎn)品、商品、服務(wù)或商家，對(duì)于每個(gè)電子商務(wù)系統(tǒng)而言都是具有重要意義的課題。

在現(xiàn)有的電子商務(wù)系統(tǒng)中，以外賣領(lǐng)域?yàn)槔?，在向用戶推薦商戶(例如，全城配送商戶)時(shí)，多采用固定的商戶排序列表。這種方式導(dǎo)致針對(duì)每一個(gè)用戶的推薦內(nèi)容都一樣，無法針對(duì)不同特點(diǎn)的用戶進(jìn)行針對(duì)性的推薦。另外，在諸如在線商城、團(tuán)購(gòu)服務(wù)之類的其它互聯(lián)網(wǎng)領(lǐng)域，在向用戶推薦商戶時(shí)，同樣存在無法針對(duì)不同特點(diǎn)的用戶進(jìn)行針對(duì)性推薦的缺陷。這不僅導(dǎo)致用戶體驗(yàn)差、商家被推廣的效率差，并且極大的浪費(fèi)了運(yùn)營(yíng)平臺(tái)的流量資源。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有的商戶推薦技術(shù)所存在的缺陷，本發(fā)明實(shí)施方式提供一種商戶推薦方法、建立商戶評(píng)價(jià)模型的方法及相關(guān)裝置，不僅能提高商戶推薦的質(zhì)量和用戶體驗(yàn)，并且，有利于提高單位流量所產(chǎn)生的效益，節(jié)省運(yùn)營(yíng)平臺(tái)的流量成本。

一方面，本發(fā)明實(shí)施方式提供了一種商戶推薦方法，包括：

獲取與目標(biāo)用戶相關(guān)的第一數(shù)據(jù)以及與待推送商戶相關(guān)的第二數(shù)據(jù)；

依據(jù)所述第一數(shù)據(jù)和第二數(shù)據(jù)確定所述待推送商戶的評(píng)價(jià)指標(biāo)的值；

基于所述評(píng)價(jià)指標(biāo)的值和商戶評(píng)價(jià)模型對(duì)所述待推送商戶進(jìn)行評(píng)價(jià)；

根據(jù)對(duì)所述待推送商戶的評(píng)價(jià)結(jié)果向所述目標(biāo)用戶推薦商戶。

在本發(fā)明實(shí)施方式的一種實(shí)現(xiàn)方式中，所述獲取與目標(biāo)用戶相關(guān)的第一數(shù)據(jù)以及與待推送商戶相關(guān)的第二數(shù)據(jù)包括：從用戶畫像獲取所述目標(biāo)用戶的興趣愛好數(shù)據(jù)，或者，從所述用戶畫像獲取所述目標(biāo)用戶的興趣愛好數(shù)據(jù)以及以下數(shù)據(jù)中的任意一項(xiàng)或多項(xiàng)：行為屬性數(shù)據(jù)、基礎(chǔ)屬性數(shù)據(jù)、用戶分級(jí)數(shù)據(jù)；以及，從商戶運(yùn)營(yíng)平臺(tái)獲取所述待推送商戶的特征數(shù)據(jù)。

進(jìn)一步地，所述依據(jù)所述第一數(shù)據(jù)和第二數(shù)據(jù)確定所述待推送商戶的評(píng)價(jià)指標(biāo)的值，包括：將所述興趣愛好數(shù)據(jù)和所述特征數(shù)據(jù)分別圖形化為第一圖形和第二圖形；根據(jù)所述第一圖形與所述第二圖形的重疊率，或者，根據(jù)所述第一圖形與所述第二圖形上相對(duì)端點(diǎn)之間的距離的和，確定第一評(píng)價(jià)指標(biāo)的值。

或者，進(jìn)一步地，所述依據(jù)所述第一數(shù)據(jù)和第二數(shù)據(jù)確定所述待推送商戶的評(píng)價(jià)指標(biāo)的值，包括：按照預(yù)設(shè)的數(shù)據(jù)與評(píng)價(jià)指標(biāo)的對(duì)應(yīng)關(guān)系將所述第一數(shù)據(jù)中除所述興趣愛好數(shù)據(jù)之外的數(shù)據(jù)分別作為所對(duì)應(yīng)的評(píng)價(jià)指標(biāo)的值。例如，將所述行為屬性數(shù)據(jù)中所述目標(biāo)用戶搜索各個(gè)待推送商戶的次數(shù)作為第二評(píng)價(jià)指標(biāo)的值；將所述行為屬性數(shù)據(jù)中所述目標(biāo)用戶點(diǎn)擊各個(gè)待推送商戶的次數(shù)作為第三評(píng)價(jià)指標(biāo)的值。

在本發(fā)明實(shí)施方式的另一種實(shí)現(xiàn)方式中，所述商戶評(píng)價(jià)模型表示為以下公式：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，k＝0,1,2，3，……，r表示評(píng)價(jià)值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

進(jìn)一步地，所述根據(jù)對(duì)所述待推送商戶的評(píng)價(jià)結(jié)果向所述目標(biāo)用戶推薦商戶，包括：按照r值從大到小的順序?qū)λ龃扑蜕虘暨M(jìn)行排序，并按照排序結(jié)果向所述目標(biāo)用戶推薦商戶。

另一方面，本發(fā)明實(shí)施方式還提供一種建立商戶評(píng)價(jià)模型的方法，所述方法包括：

選取樣本用戶和待推薦給所述樣本用戶的樣本商戶；

獲取在運(yùn)營(yíng)一定時(shí)間之后各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值；

根據(jù)各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值和預(yù)先確定的各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的評(píng)價(jià)指標(biāo)的值確定所述評(píng)價(jià)指標(biāo)的權(quán)重；

基于所述評(píng)價(jià)指標(biāo)及其權(quán)重建立商戶評(píng)價(jià)模型。

在本發(fā)明實(shí)施方式的一種實(shí)現(xiàn)方式中，所述獲取在運(yùn)營(yíng)一定時(shí)間之后各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值，包括：獲取通過a/b測(cè)試測(cè)得的各個(gè)樣本用戶在各個(gè)樣本商戶中的月平均下單量。

在本發(fā)明實(shí)施方式的另一種實(shí)現(xiàn)方式中，所述評(píng)價(jià)指標(biāo)包括反映商戶與用戶之間的匹配度的評(píng)價(jià)指標(biāo)，或者還包括與用戶的行為屬性數(shù)據(jù)、基礎(chǔ)屬性數(shù)據(jù)或用戶分級(jí)數(shù)據(jù)對(duì)應(yīng)的評(píng)價(jià)指標(biāo)。。

在本發(fā)明實(shí)施方式的再一種實(shí)現(xiàn)方式中，所述根據(jù)各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值和預(yù)先確定的各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的評(píng)價(jià)指標(biāo)的值確定所述評(píng)價(jià)指標(biāo)的權(quán)重，包括：

首先，將各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值以及評(píng)價(jià)指標(biāo)的值分別代入以下公式得到多元方程組：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，z表示所述特征值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重；

然后，根據(jù)所述多元方程組計(jì)算權(quán)重ak的值。

進(jìn)一步地，所述基于所述評(píng)價(jià)指標(biāo)及其權(quán)重建立商戶評(píng)價(jià)模型，包括：

基于計(jì)算出的ak的值以及所述評(píng)價(jià)指標(biāo)建立如下公式：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，r表示評(píng)價(jià)值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

相應(yīng)地，本發(fā)明實(shí)施方式提供了一種商戶推薦裝置，所述裝置包括：

獲

數(shù)據(jù)模塊，用于獲取與目標(biāo)用戶相關(guān)的第一數(shù)據(jù)以及與待推送商戶相關(guān)的第二數(shù)據(jù)；

計(jì)算模塊，用于依據(jù)所述第一數(shù)據(jù)和第二數(shù)據(jù)確定所述待推送商戶的評(píng)價(jià)指標(biāo)的值；

評(píng)價(jià)模塊，用于基于所述評(píng)價(jià)指標(biāo)的值和商戶評(píng)價(jià)模型對(duì)所述待推送商戶進(jìn)行評(píng)價(jià)；

推薦模塊，用于根據(jù)對(duì)所述待推送商戶的評(píng)價(jià)結(jié)果向所述目標(biāo)用戶推薦商戶。

在本發(fā)明實(shí)施方式的一種實(shí)現(xiàn)方式中，所述數(shù)據(jù)模塊包括：第一數(shù)據(jù)子模塊，用于執(zhí)行如下操作：從用戶畫像獲取所述目標(biāo)用戶的興趣愛好數(shù)據(jù)，或者，從所述用戶畫像獲取所述目標(biāo)用戶的興趣愛好數(shù)據(jù)以及以下數(shù)據(jù)中的任意一項(xiàng)或多項(xiàng)：行為屬性數(shù)據(jù)、基礎(chǔ)屬性數(shù)據(jù)、用戶分級(jí)數(shù)據(jù)；第二數(shù)據(jù)子模塊，用于從商戶運(yùn)營(yíng)平臺(tái)獲取所述待推送商戶的特征數(shù)據(jù)。

進(jìn)一步地，所述計(jì)算模塊包括：第一計(jì)算子模塊，用于執(zhí)行如下操作：將所述興趣愛好數(shù)據(jù)和所述特征數(shù)據(jù)分別圖形化為第一圖形和第二圖形，并根據(jù)所述第一圖形與所述第二圖形的重疊率，或者，根據(jù)所述第一圖形與所述第二圖形上相對(duì)端點(diǎn)之間的距離的和，確定第一評(píng)價(jià)指標(biāo)的值。或者，進(jìn)一步地，所述計(jì)算模塊包括：第二計(jì)算子模塊，用于按照預(yù)設(shè)的數(shù)據(jù)與評(píng)價(jià)指標(biāo)的對(duì)應(yīng)關(guān)系將所述第一數(shù)據(jù)中除所述興趣愛好數(shù)據(jù)作為所對(duì)應(yīng)的評(píng)價(jià)指標(biāo)的值。例如，第二計(jì)算子模塊用于：將所述行為屬性數(shù)據(jù)中所述目標(biāo)用戶搜索各個(gè)待推送商戶的次數(shù)作為第二評(píng)價(jià)指標(biāo)的值；將所述行為屬性數(shù)據(jù)中所述目標(biāo)用戶點(diǎn)擊各個(gè)待推送商戶的次數(shù)作為第三評(píng)價(jià)指標(biāo)的值。

在本發(fā)明實(shí)施方式的另一種實(shí)現(xiàn)方式中，所述商戶評(píng)價(jià)模型表示為以下公式：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，r表示評(píng)價(jià)值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

進(jìn)一步地，所述推薦模塊用于按照r值從大到小的順序?qū)λ龃扑蜕虘暨M(jìn)行排序，并按照排序結(jié)果向所述目標(biāo)用戶推薦商戶。

相應(yīng)地，本發(fā)明實(shí)施方式還提供一種建立商戶評(píng)價(jià)模型的裝置，所述裝置包括：

選取模塊，用于選取樣本用戶和待推薦給所述樣本用戶的樣本商戶；

特征模塊，用于獲取在運(yùn)營(yíng)一定時(shí)間之后各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值；

計(jì)算模塊，用于根據(jù)各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值和預(yù)先確定的各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的評(píng)價(jià)指標(biāo)的值確定所述評(píng)價(jià)指標(biāo)的權(quán)重；

模型模塊，用于基于所述評(píng)價(jià)指標(biāo)及其權(quán)重建立商戶評(píng)價(jià)模型。

在本發(fā)明實(shí)施方式的一種實(shí)現(xiàn)方式中，所述特征模塊用于獲取通過a/b測(cè)試測(cè)得的各個(gè)樣本用戶在各個(gè)樣本商戶中的月平均下單量。

在本發(fā)明實(shí)施方式的另一種實(shí)現(xiàn)方式中，所述評(píng)價(jià)指標(biāo)包括反映商戶與用戶之間的匹配度的評(píng)價(jià)指標(biāo)，或者還包括與用戶的行為屬性數(shù)據(jù)、基礎(chǔ)屬性數(shù)據(jù)或用戶分級(jí)數(shù)據(jù)對(duì)應(yīng)的評(píng)價(jià)指標(biāo)。

在本發(fā)明實(shí)施方式的再一種實(shí)現(xiàn)方式中，所述計(jì)算模塊包括：

代入子模塊，用于將各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值以及評(píng)價(jià)指標(biāo)的值分別代入以下公式得到多元方程組：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，z表示所述特征值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重；

計(jì)算子模塊，用于根據(jù)所述多元方程組計(jì)算權(quán)重ak的值。

進(jìn)一步地，所述模型模塊用于：根據(jù)所述計(jì)算模塊計(jì)算出的ak的值以及所述評(píng)價(jià)指標(biāo)建立如下公式：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，r表示評(píng)價(jià)值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

采用本發(fā)明的各種實(shí)施方式具有以下有益效果：

通過采集用戶相關(guān)數(shù)據(jù)和商戶相關(guān)數(shù)據(jù)并基于商戶評(píng)價(jià)模型對(duì)商戶進(jìn)行評(píng)價(jià)，能夠：①相對(duì)客觀且準(zhǔn)確地判斷“商戶是否適合用戶”；②為用戶推薦適合用戶的商戶，提高用戶體驗(yàn)；③將商戶展示給具有更大消費(fèi)可能的用戶，提高訂單量；④提高單位流量所產(chǎn)生的效益，節(jié)省運(yùn)營(yíng)平臺(tái)的流量成本。

基于對(duì)樣本用戶和樣本商戶的運(yùn)營(yíng)數(shù)據(jù)確定各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值，進(jìn)而結(jié)合各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的評(píng)價(jià)指標(biāo)的值進(jìn)行計(jì)算，能夠基于實(shí)際數(shù)據(jù)確定評(píng)價(jià)指標(biāo)的權(quán)重值，從而能以評(píng)價(jià)指標(biāo)及其權(quán)重為基礎(chǔ)建立準(zhǔn)確評(píng)價(jià)商戶對(duì)于用戶是否適合的商戶評(píng)價(jià)模型。

附圖說明

圖1是根據(jù)本發(fā)明實(shí)施例的一種商戶推薦方法的流程示意圖；

圖2是根據(jù)本發(fā)明實(shí)施例的一種建立商戶評(píng)價(jià)模型的方法的流程示意圖；

圖3是圖2所示方法中的處理204的一種實(shí)現(xiàn)方式的流程示意圖；

圖4a是根據(jù)本發(fā)明實(shí)施例的一種商戶推薦裝置的框圖；

圖4b是圖4a所示裝置的數(shù)據(jù)模塊42的一種框圖；

圖4c是圖4a所示裝置的計(jì)算模塊44的一種框圖；

圖5是根據(jù)本發(fā)明實(shí)施例的一種建立商戶評(píng)價(jià)模型的模型裝置的框圖；

圖6是圖5所示模型裝置的計(jì)算模塊56的一種框圖；

圖7是根據(jù)本發(fā)明實(shí)施例的一種將數(shù)據(jù)圖形化的示意圖。

具體實(shí)施方式

以下結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明的各個(gè)方面進(jìn)行詳細(xì)闡述。其中，眾所周知的模塊、單元及其相互之間的連接、鏈接、通信或操作沒有示出或未作詳細(xì)說明。并且，所描述的特征、架構(gòu)或功能可在一個(gè)或一個(gè)以上實(shí)施方式中以任何方式組合。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，下述的各種實(shí)施方式只用于舉例說明，而非用于限制本發(fā)明的保護(hù)范圍。還可以容易理解，本文所述和附圖所示的各實(shí)施方式中的模塊或單元或步驟可以按各種不同配置進(jìn)行組合和設(shè)計(jì)。

圖1是根據(jù)本發(fā)明實(shí)施例的一種商戶推薦方法的流程示意圖。參照?qǐng)D1，所述方法包括：

100：獲取與目標(biāo)用戶相關(guān)的第一數(shù)據(jù)以及與待推送商戶相關(guān)的第二數(shù)據(jù)。

需要說明的是，在本發(fā)明中提及的“獲取”不限于主動(dòng)獲取、被動(dòng)接收、直接獲取、通過中轉(zhuǎn)裝置獲取等方式。在本發(fā)明中提及的“商戶”是指在互聯(lián)網(wǎng)平臺(tái)上銷售或提供產(chǎn)品/服務(wù)的商家，例如，外賣平臺(tái)上的商戶?！吧虘敉扑]”是指從眾多商戶中選取特定的商戶或者以特定方式(例如，排序)推薦給用戶?！暗谝弧?、“第二”僅用于區(qū)分，表示具有獨(dú)立性的個(gè)體/內(nèi)容/存在等。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，以外賣平臺(tái)為例，“待推送商戶”可以是全城配送商戶。

102：依據(jù)所述第一數(shù)據(jù)和第二數(shù)據(jù)確定所述待推送商戶的評(píng)價(jià)指標(biāo)的值。

本發(fā)明中提及的“評(píng)價(jià)指標(biāo)”可以理解為用于反映/評(píng)價(jià)用戶對(duì)商戶的期待程度或認(rèn)可程度的指標(biāo)。在本實(shí)施例的一種優(yōu)選實(shí)現(xiàn)方式中，評(píng)價(jià)指標(biāo)可以包括反映商戶與用戶之間的匹配度的評(píng)價(jià)指標(biāo)以及反映用戶行為趨向的評(píng)價(jià)指標(biāo)。

104：基于所述評(píng)價(jià)指標(biāo)的值和商戶評(píng)價(jià)模型對(duì)所述待推送商戶進(jìn)行評(píng)價(jià)。例如，根據(jù)評(píng)價(jià)指標(biāo)的值和商戶評(píng)價(jià)模型計(jì)算待推送商戶的評(píng)價(jià)值，所述評(píng)價(jià)值可以反映對(duì)于相應(yīng)用戶而言，商戶被期望/認(rèn)可的程度或可能性。

在本發(fā)明中，商戶評(píng)價(jià)模型是預(yù)先建立的，例如，可以采用本發(fā)明下文提及的方法建立。

106：根據(jù)對(duì)所述待推送商戶的評(píng)價(jià)結(jié)果向所述目標(biāo)用戶推薦商戶。

采用本實(shí)施例提供的方法，通過采集用戶相關(guān)數(shù)據(jù)和商戶相關(guān)數(shù)據(jù)并基于商戶評(píng)價(jià)模型對(duì)商戶進(jìn)行評(píng)價(jià)，一方面，能夠相對(duì)客觀且準(zhǔn)確地判斷“商戶是否適合用戶”；另一方面，能夠?yàn)橛脩敉扑]適合用戶的商戶，提高用戶體驗(yàn)；再一方面，能夠?qū)⑸虘粽故窘o具有更大消費(fèi)可能的用戶，提高訂單量。整體而言，能有效提高單位流量所產(chǎn)生的效益，大大節(jié)省運(yùn)營(yíng)平臺(tái)的流量成本。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，處理100可以通過以下方式實(shí)現(xiàn)：從用戶畫像獲取所述目標(biāo)用戶的興趣愛好數(shù)據(jù)，或者，從所述用戶畫像獲取所述目標(biāo)用戶的興趣愛好數(shù)據(jù)以及以下數(shù)據(jù)中的任意一項(xiàng)或多項(xiàng)：行為屬性數(shù)據(jù)、基礎(chǔ)屬性數(shù)據(jù)、用戶分級(jí)數(shù)據(jù)；以及，從商戶運(yùn)營(yíng)平臺(tái)獲取所述待推送商戶的特征數(shù)據(jù)。

在該實(shí)現(xiàn)方式中，各種數(shù)據(jù)可以由專門的數(shù)據(jù)團(tuán)隊(duì)進(jìn)行挖掘、組織和儲(chǔ)存，而實(shí)現(xiàn)方式只需要獲取數(shù)據(jù)即可。當(dāng)然，在本發(fā)明的其它實(shí)現(xiàn)方式中，也可以獲取相關(guān)數(shù)據(jù)進(jìn)行組織從而得到第一數(shù)據(jù)和第二數(shù)據(jù)。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，處理102可以包括以下處理過程：將興趣愛好數(shù)據(jù)和特征數(shù)據(jù)分別圖形化為第一圖形和第二圖形；根據(jù)第一圖形與第二圖形的重疊率，或者，根據(jù)第一圖形與第二圖形上相對(duì)端點(diǎn)之間的距離的和，確定第一評(píng)價(jià)指標(biāo)的值。

在該實(shí)現(xiàn)方式中，“圖形”可以是線段、三角形、四邊形、其它多邊形；“端點(diǎn)”包括線段的端點(diǎn)、多邊形的頂點(diǎn)等?！跋鄬?duì)端點(diǎn)”是指在同一方向/維度上的端點(diǎn)，例如，參照?qǐng)D7所示的一種更具體的示例(下文將詳細(xì)說明)，其中，p1和p1為相對(duì)端點(diǎn)，p2和p2位相對(duì)端點(diǎn)，p3和p3為相對(duì)端點(diǎn)。如果為其它多邊形，則依此類推。

在該實(shí)現(xiàn)方式中，第一評(píng)價(jià)指標(biāo)反映的是用戶與商戶之間的匹配度。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，處理102可以包括以下處理過程：將第一數(shù)據(jù)中除興趣愛好數(shù)據(jù)之外的數(shù)據(jù)，按照預(yù)設(shè)的對(duì)應(yīng)順序分別作為相應(yīng)評(píng)價(jià)指標(biāo)的值。換言之，本領(lǐng)域技術(shù)人員可以靈活、合理地設(shè)定評(píng)價(jià)指標(biāo)，并設(shè)定評(píng)價(jià)指標(biāo)的值的來源，評(píng)價(jià)指標(biāo)與其值的來源可以一一對(duì)應(yīng)。

進(jìn)一步而言，可以將行為屬性數(shù)據(jù)中目標(biāo)用戶搜索各個(gè)待推送商戶的次數(shù)作為第二評(píng)價(jià)指標(biāo)的值，將行為屬性數(shù)據(jù)中目標(biāo)用戶點(diǎn)擊各個(gè)待推送商戶的次數(shù)作為第三評(píng)價(jià)指標(biāo)的值。其中，所述第二評(píng)價(jià)指標(biāo)和第三評(píng)價(jià)指標(biāo)是優(yōu)選地用于反映用戶行為趨向的評(píng)價(jià)指標(biāo)。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，處理104中提及的商戶評(píng)價(jià)模型表示為以下評(píng)價(jià)公式：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，r表示評(píng)價(jià)值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。此外，在本發(fā)明的其它實(shí)現(xiàn)方式中，xk和ak可以是可配置的，即，允許對(duì)計(jì)算xk和ak進(jìn)行調(diào)整和變更。

通過將處理102中得到的評(píng)價(jià)指標(biāo)的值代入以上公式，即可得到評(píng)價(jià)值r。示例性地，在處理106中，可以按照r值從大到小的順序?qū)Υ扑蜕虘暨M(jìn)行排序，并按照排序結(jié)果向目標(biāo)用戶推薦商戶。

圖2是根據(jù)本發(fā)明實(shí)施例的一種建立商戶評(píng)價(jià)模型的方法的流程示意圖，所述商戶評(píng)價(jià)模型可被用于圖1所示實(shí)施例中以進(jìn)行商戶評(píng)價(jià)。參照?qǐng)D2，所述方法包括：

200：選取樣本用戶和待推薦給所述樣本用戶的樣本商戶。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，從待推送商戶中隨機(jī)選取指定數(shù)目的商戶作為樣本商戶，從用戶中隨機(jī)選取指定數(shù)目的用戶作為樣本用戶。

202：獲取在運(yùn)營(yíng)一定時(shí)間之后各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值。

其中，以樣本商戶a相對(duì)于樣本用戶a的特征值而言，該特征值反映樣本用戶a對(duì)樣本商戶a的認(rèn)可程度/興趣程度/期望程度等，例如，該特征值可以是在一定時(shí)間段內(nèi)，樣本用戶a在樣本商戶a中的訂單量、好評(píng)量等。換言之，該特征值能夠表示針對(duì)同一個(gè)用戶而言，商戶在眾多商戶中的排序。

需要說明的是，在本發(fā)明中提及的“一定時(shí)間”并不特指某一段時(shí)間，例如，可以小時(shí)、日、周、月來表示。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，通常來講，運(yùn)營(yíng)的“一定時(shí)間”越長(zhǎng)，則特征值越能更準(zhǔn)確地反映用戶對(duì)商戶的認(rèn)可程度/興趣程度/期望程度等，而同時(shí)，“一定時(shí)間”越長(zhǎng)，又會(huì)延長(zhǎng)圖2所示實(shí)施例的方法的實(shí)現(xiàn)。因此，優(yōu)選地，本領(lǐng)域技術(shù)人員可以綜合上述兩方面確定滿足需求的時(shí)間。而本發(fā)明并不對(duì)“一定時(shí)間”的具體時(shí)長(zhǎng)進(jìn)行限定。

204：計(jì)算權(quán)重。具體而言，根據(jù)各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值和預(yù)先確定的各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的評(píng)價(jià)指標(biāo)的值確定所述評(píng)價(jià)指標(biāo)的權(quán)重。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，可以預(yù)先確定評(píng)價(jià)指標(biāo)以及評(píng)價(jià)指標(biāo)的獲取路徑或者計(jì)算方式。示例性地，評(píng)價(jià)指標(biāo)可以包括反映用戶與商戶之間的匹配度的評(píng)價(jià)指標(biāo)，或者，還包括與用戶的行為屬性數(shù)據(jù)、基礎(chǔ)屬性數(shù)據(jù)、用戶分級(jí)數(shù)據(jù)對(duì)應(yīng)的評(píng)價(jià)指標(biāo)。

206：基于評(píng)價(jià)指標(biāo)及其權(quán)重建立商戶評(píng)價(jià)模型。

采用本實(shí)施例提供的方法，基于對(duì)樣本用戶和樣本商戶的運(yùn)營(yíng)數(shù)據(jù)確定各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值，進(jìn)而結(jié)合各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的評(píng)價(jià)指標(biāo)的值進(jìn)行計(jì)算，能夠基于實(shí)際數(shù)據(jù)確定評(píng)價(jià)指標(biāo)的權(quán)重值，從而能以評(píng)價(jià)指標(biāo)及其權(quán)重為基礎(chǔ)建立準(zhǔn)確評(píng)價(jià)商戶對(duì)于用戶是否適合的商戶評(píng)價(jià)模型。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，上述處理202可以采用以下方式實(shí)現(xiàn)：獲取通過a/b測(cè)試測(cè)得的各個(gè)樣本用戶在各個(gè)樣本商戶中的月平均下單量。換言之，在已經(jīng)上線的外賣平臺(tái)上，向選取的樣本用戶推薦選取的樣本商戶并持續(xù)運(yùn)營(yíng)，進(jìn)而獲取特征值。

需要說明的是，在本實(shí)施例的處理200中，可以僅選取樣本商戶和樣本用戶，而由其它裝置向樣本用戶推薦樣本商戶。但是，在本發(fā)明的其它實(shí)施例中，也可以在處理200中，在選取樣本商戶和樣本用戶之后，向樣本用戶推薦樣本商戶。此外，在處理202中，可以進(jìn)行a/b測(cè)試進(jìn)而得到特征值，也可以觸發(fā)其他裝置進(jìn)行a/b測(cè)試而只從該裝置獲取特征值。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，參照?qǐng)D3，處理204可以采用以下方式實(shí)現(xiàn)：

300:將數(shù)據(jù)代入預(yù)設(shè)公式得到多元方程組。具體而言，將各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值以及評(píng)價(jià)指標(biāo)的值分別代入以下公式得到多元方程組：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，z表示所述特征值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

302：根據(jù)所述多元方程組計(jì)算權(quán)重ak的值。具體而言，假設(shè)有m個(gè)樣本商戶、n個(gè)樣本用戶，則可以得到m*n個(gè)方程組，求解這m*n個(gè)方程組即可得到評(píng)價(jià)指標(biāo)xk的權(quán)重ak的值。

可選地，在處理302中，可以采用最小二乘法、線性回歸(linearregression)、多項(xiàng)式回歸(polynomialregression)、elasticnet回歸等求解多元方程組的參數(shù)。

在該實(shí)現(xiàn)方式中，進(jìn)一步地，可以根據(jù)302計(jì)算出的ak值以及所述至少兩項(xiàng)評(píng)價(jià)指標(biāo)建立如下公式：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，r表示評(píng)價(jià)值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

以上公式就是根據(jù)本發(fā)明實(shí)施例的一種商戶評(píng)價(jià)模型，其中，r值越高，表示對(duì)應(yīng)的商戶越適合某用戶。

根據(jù)圖2-圖3所示實(shí)施例的說明，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，本發(fā)明提供的商戶評(píng)價(jià)模型，無論是在評(píng)級(jí)指標(biāo)還是評(píng)價(jià)指標(biāo)的權(quán)重方面，均可以持續(xù)地基于更新的數(shù)據(jù)或測(cè)試數(shù)據(jù)進(jìn)行優(yōu)化，從而能用于隨著時(shí)間更加準(zhǔn)確地對(duì)商戶進(jìn)行評(píng)價(jià)。

此外，在本發(fā)明實(shí)施例的一種實(shí)現(xiàn)方式中，權(quán)重ak和評(píng)價(jià)指標(biāo)xk可以是可配置的，這樣，便于相關(guān)人員根據(jù)需要靈活地針對(duì)權(quán)重和/或評(píng)價(jià)指標(biāo)進(jìn)行調(diào)整和變更。例如，運(yùn)營(yíng)人員可以針對(duì)不同的活動(dòng)、日期對(duì)權(quán)重和/或評(píng)價(jià)指標(biāo)進(jìn)行調(diào)整和變更，實(shí)現(xiàn)更好的營(yíng)銷效果。

以上結(jié)合附圖對(duì)本發(fā)明的方法實(shí)施例進(jìn)行了說明，下面對(duì)本發(fā)明的裝置實(shí)施例進(jìn)行說明。

圖4a是根據(jù)本發(fā)明實(shí)施例的一種商戶推薦裝置的框圖。參照?qǐng)D4a，商戶推薦裝置包括數(shù)據(jù)模塊42、計(jì)算模塊44、評(píng)價(jià)模塊46和推薦模塊48。下面進(jìn)行具體說明。

在本實(shí)施例中，數(shù)據(jù)模塊42用于獲取與目標(biāo)用戶相關(guān)的第一數(shù)據(jù)以及與待推送商戶相關(guān)的第二數(shù)據(jù)?？蛇x地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，如圖4b所示，數(shù)據(jù)模塊42包括第一數(shù)據(jù)子模塊422和第二數(shù)據(jù)子模塊424。

具體而言，第一數(shù)據(jù)子模塊422用于執(zhí)行如下操作：從用戶畫像獲取所述目標(biāo)用戶的興趣愛好數(shù)據(jù)，或者，從所述用戶畫像獲取所述目標(biāo)用戶的興趣愛好數(shù)據(jù)以及以下數(shù)據(jù)中的任意一項(xiàng)或多項(xiàng)：行為屬性數(shù)據(jù)、基礎(chǔ)屬性數(shù)據(jù)、用戶分級(jí)數(shù)據(jù)。第二數(shù)據(jù)子模塊424用于從商戶運(yùn)營(yíng)平臺(tái)獲取所述待推送商戶的特征數(shù)據(jù)。

在本實(shí)施例中，計(jì)算模塊44用于依據(jù)所述第一數(shù)據(jù)和第二數(shù)據(jù)確定所述待推送商戶的評(píng)價(jià)指標(biāo)的值。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，如圖4c所示，計(jì)算模塊44包括第一計(jì)算子模塊442，用于執(zhí)行如下操作：將所述興趣愛好數(shù)據(jù)和所述特征數(shù)據(jù)分別圖形化為第一圖形和第二圖形，并根據(jù)所述第一圖形與所述第二圖形的重疊率，或者，根據(jù)所述第一圖形與所述第二圖形上相對(duì)端點(diǎn)之間的距離的和，確定反映匹配度的第一評(píng)價(jià)指標(biāo)的值。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，如圖4c所示，計(jì)算模塊44包括第二計(jì)算子模塊444，用于按照預(yù)設(shè)的數(shù)據(jù)與評(píng)價(jià)指標(biāo)的對(duì)應(yīng)關(guān)系將所述第一數(shù)據(jù)中除所述興趣愛好數(shù)據(jù)作為所對(duì)應(yīng)的評(píng)價(jià)指標(biāo)的值。示例性地，第二計(jì)算子模塊444可以用于將所述行為屬性數(shù)據(jù)中所述目標(biāo)用戶搜索各個(gè)待推送商戶的次數(shù)作為反映用戶行為趨向的第二評(píng)價(jià)指標(biāo)的值；將所述行為屬性數(shù)據(jù)中所述目標(biāo)用戶點(diǎn)擊各個(gè)待推送商戶的次數(shù)作為反映用戶行為趨向的第三評(píng)價(jià)指標(biāo)的值。

在本實(shí)施例中，評(píng)價(jià)模塊46用于基于所述評(píng)價(jià)指標(biāo)的值和商戶評(píng)價(jià)模型對(duì)所述待推送商戶進(jìn)行評(píng)價(jià)?？蛇x地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，商戶評(píng)價(jià)模型表示為以下公式：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，r表示評(píng)價(jià)值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

評(píng)價(jià)模塊46將評(píng)價(jià)指標(biāo)的值代入上述公式既可得到評(píng)價(jià)值。

在本實(shí)施例中，推薦模塊48用于根據(jù)對(duì)所述待推送商戶的評(píng)價(jià)結(jié)果向所述目標(biāo)用戶推薦商戶。例如，可以按照r值從大到小的順序?qū)λ龃扑蜕虘暨M(jìn)行排序，并按照排序結(jié)果向所述目標(biāo)用戶推薦商戶。

采用本發(fā)明實(shí)施例提供的商戶推薦裝置，一方面，能夠相對(duì)客觀且準(zhǔn)確地判斷“商戶是否適合用戶”；另一方面，能夠?yàn)橛脩敉扑]適合用戶的商戶，提高用戶體驗(yàn)；再一方面，能夠?qū)⑸虘粽故窘o具有更大消費(fèi)可能的用戶，提高訂單量。整體而言，能有效提高單位流量所產(chǎn)生的效益，大大節(jié)省運(yùn)營(yíng)平臺(tái)的流量成本。

圖5是根據(jù)本發(fā)明實(shí)施例的一種建立商戶評(píng)價(jià)模型的模型裝置的框圖，能夠建立圖1-4所示實(shí)施例中提及的商戶評(píng)價(jià)模型。如圖5所示，該裝置包括選取模塊52、特征模塊54、計(jì)算模塊56和模型模塊58。下面進(jìn)行具體說明。

在本實(shí)施例中，選取模塊52用于選取樣本用戶和待推薦給所述樣本用戶的樣本商戶?？蛇x地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，樣本模塊52隨機(jī)選取樣本用戶和樣本商戶。

在本實(shí)施例中，特征模塊54用于獲取在運(yùn)營(yíng)一定時(shí)間之后各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值。示例性地，所述特征值可以是各個(gè)樣本用戶在各個(gè)樣本商戶中的月平均下單量、日平均下單量、周平均下單量等。并且，可以通過a/b測(cè)試測(cè)得所述特征值，或者從執(zhí)行a/b測(cè)試的裝置獲取所述特征值。

在本實(shí)施例中，計(jì)算模塊56用于根據(jù)各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值和預(yù)先確定的各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的評(píng)價(jià)指標(biāo)的值確定所述評(píng)價(jià)指標(biāo)的權(quán)重。

在本實(shí)施例中，模型模塊58用于基于所述評(píng)價(jià)指標(biāo)及其權(quán)重建立商戶評(píng)價(jià)模型。例如，建立基于評(píng)價(jià)指標(biāo)及其權(quán)重計(jì)算評(píng)價(jià)值的評(píng)價(jià)公式?？蛇x地，所述評(píng)價(jià)指標(biāo)包括反映匹配度的評(píng)價(jià)指標(biāo)，或者，還包括與用戶的行為屬性數(shù)據(jù)、基礎(chǔ)屬性數(shù)據(jù)、用戶分級(jí)數(shù)據(jù)對(duì)應(yīng)的評(píng)價(jià)指標(biāo)。

采用本實(shí)施例提供的裝置，基于對(duì)樣本用戶和樣本商戶的運(yùn)營(yíng)數(shù)據(jù)確定各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值，進(jìn)而結(jié)合各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的評(píng)價(jià)指標(biāo)的值進(jìn)行計(jì)算，能夠基于實(shí)際數(shù)據(jù)確定評(píng)價(jià)指標(biāo)的權(quán)重值，從而能以評(píng)價(jià)指標(biāo)及其權(quán)重為基礎(chǔ)建立準(zhǔn)確評(píng)價(jià)商戶對(duì)于用戶是否適合的商戶評(píng)價(jià)模型。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，如圖6所示，計(jì)算模塊56可以包括代入子模塊562和計(jì)算子模塊564。其中，代入子模塊562用于將各個(gè)樣本商戶相對(duì)于各個(gè)樣本用戶的特征值以及評(píng)價(jià)指標(biāo)的值分別代入以下公式得到多元方程組：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，z表示所述特征值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

在本實(shí)現(xiàn)方式中，計(jì)算子模塊564用于根據(jù)所述多元方程組計(jì)算權(quán)重ak的值。

可選地，在本實(shí)施例的一種實(shí)現(xiàn)方式中，模型模塊58具體可用于進(jìn)行以下處理：

根據(jù)所述計(jì)算模塊計(jì)算出的ak的值以及所述評(píng)價(jià)指標(biāo)建立如下公式：

其中，θ＝[a0,a1,a2,……,ak]^t，k+1等于評(píng)價(jià)指標(biāo)的數(shù)目，r表示評(píng)價(jià)值，xk表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)，ak表示第k+1項(xiàng)評(píng)價(jià)指標(biāo)的權(quán)重。

在該實(shí)現(xiàn)方式中，可以采用最小二乘法、線性回歸(linearregression)、多項(xiàng)式回歸(polynomialregression)、elasticnet回歸等求解多元方程組的參數(shù)。

本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，本發(fā)明提供的方法實(shí)施例可以作為裝置實(shí)施例的處理邏輯，本發(fā)明提供的裝置實(shí)施例又可以用于實(shí)現(xiàn)本發(fā)明的方法實(shí)施例。因此，在裝置實(shí)施例中，關(guān)于各個(gè)模塊、子模塊所執(zhí)行處理及可執(zhí)行處理的說明，關(guān)于相關(guān)名稱、術(shù)語、范圍的解釋，以及關(guān)于所解決的具體問題、達(dá)到的有益效果的描述，請(qǐng)參見方法實(shí)施例中的相應(yīng)說明，此處不再贅述。

以上結(jié)合附圖對(duì)根據(jù)本發(fā)明的部分方法實(shí)施例和裝置實(shí)施例進(jìn)行了具體說明。下面，從初始設(shè)計(jì)到最終確定目標(biāo)商戶的過程的角度，對(duì)本發(fā)明進(jìn)行舉例性說明。

以向外賣平臺(tái)上的用戶推薦全稱配送商戶為例，為了實(shí)現(xiàn)較好的推薦效果，推薦方法的設(shè)計(jì)大致遵循以下步驟：第一步，確定評(píng)價(jià)指標(biāo)(影響因素)；第二步，統(tǒng)計(jì)數(shù)據(jù)；第三步，針對(duì)各個(gè)因素的性質(zhì)，得出不同的計(jì)算公式；第四步，通過a/b測(cè)試來發(fā)布全城配送商家，從而獲取測(cè)試數(shù)據(jù)，進(jìn)行參數(shù)擬合；第五步，根據(jù)后續(xù)用戶的反饋和大量的數(shù)據(jù)進(jìn)行公式優(yōu)化。

步驟一：確定影響因素

在用戶畫像當(dāng)中，存在著基礎(chǔ)屬性、用戶分級(jí)、興趣愛好、行為屬性等不同的維度，本專利僅拿興趣愛好和行為屬性來做具體分析，但是本專利所涵蓋的內(nèi)容不僅僅包含這兩個(gè)方面，而是針對(duì)用戶畫像所有的維度都可以類推出結(jié)論。

在興趣愛好中，此處著重對(duì)口味、價(jià)格敏感度、品牌等因素進(jìn)行分析；在行為屬性中，此處將用戶搜索該類型餐廳頻度、點(diǎn)擊該餐廳次數(shù)等作為主要的考量因素。

在運(yùn)營(yíng)平臺(tái)，存儲(chǔ)有全城配送商戶相關(guān)的數(shù)據(jù)。

步驟二：統(tǒng)計(jì)數(shù)據(jù)

以百度外賣為例，其具有一套完備的用戶畫像系統(tǒng)，從中可以取出與用戶相關(guān)的數(shù)據(jù)。另外，通過運(yùn)營(yíng)平臺(tái)可以得到與全城配送商戶相關(guān)的數(shù)據(jù)。

步驟三：得出評(píng)價(jià)公式

關(guān)于全城配送商戶的排序問題，實(shí)際上可以轉(zhuǎn)化為依托于用戶畫像進(jìn)行排序的問題。

在本步驟種，用戶畫像的興趣愛好部分，可以轉(zhuǎn)化為求解全城配送商家與用戶預(yù)期消費(fèi)商戶的匹配度問題。從邏輯上，簡(jiǎn)單來看，如果根據(jù)興趣愛好，用戶預(yù)期的商戶與某商戶的匹配度高，那么在推薦的過程中，應(yīng)該將該商戶的排名靠前?？梢杂脠D7所示圖形來形象的表示。其中，用戶的期望為中間的三角形，而商戶的評(píng)測(cè)是不規(guī)則的三角形，三個(gè)頂點(diǎn)分別代表了口味、價(jià)格敏感度、品牌因素。在一種示例性處理中，如果三角形越重合說明商戶越符合用戶的口味。在另一種示例性處理中，計(jì)算相應(yīng)頂點(diǎn)之間的距離的和，值越小，則商戶越符合用戶的口味。

此處只考慮了三個(gè)維度，所以用圖形表示出來是一個(gè)三角形，隨著維度的增加，四個(gè)維度對(duì)應(yīng)于四邊形，五個(gè)維度對(duì)應(yīng)于五邊形等等。這種用圖形化表示匹配度的方法可以按照維度進(jìn)行類推和擴(kuò)展。

另外，根據(jù)圖形化來推算用戶與全城配送商戶的匹配度的方法在其他場(chǎng)景也有很大的應(yīng)用程度，比如在購(gòu)物網(wǎng)站向用戶推薦商品，在旅行網(wǎng)站向用戶推薦旅行目的地等等，都可以按照影響的維度來繪制多邊形來計(jì)算匹配度的問題。

在本步驟種，將求解商戶與用戶之間的匹配度的問題轉(zhuǎn)換為求解兩點(diǎn)之間的距離問題。如果距離越短那么可以認(rèn)為商戶與用戶越加匹配。

此處用dist(x,y)來代表用戶與商戶的興趣匹配度，xi和yi表示坐標(biāo)。簡(jiǎn)單來看，dist(x,y)越大，說明越不符合用戶的預(yù)期。即，用戶的預(yù)期和dist(x,y)是一種負(fù)相關(guān)的關(guān)系，與dist(x,y)的倒數(shù)是正相關(guān)關(guān)系。

另外，考慮到綜合用戶的興趣和行為能夠更準(zhǔn)確地進(jìn)行評(píng)價(jià)。因此，將上面的dist(x,y)、用戶搜索該全城配送商戶的次數(shù)、點(diǎn)擊該全城配送商戶的次數(shù)作為評(píng)價(jià)標(biāo)準(zhǔn)。令搜索次數(shù)為s，點(diǎn)擊次數(shù)為v，則評(píng)價(jià)公式是：

r＝a*s+b*v+c/dist(x,y)

步驟四：進(jìn)行a/b測(cè)試，獲取測(cè)試數(shù)據(jù)，進(jìn)行公式擬合。

在外賣平臺(tái)上，隨機(jī)抽取n個(gè)用戶和m個(gè)的商戶。每個(gè)商戶對(duì)于每個(gè)用戶的最終評(píng)分r用該用戶在該商戶中月平均下單量來表示，這樣會(huì)得到m*n個(gè)方程。

之后，針對(duì)a、b、c三個(gè)未知的比例參數(shù)，可以使用最小二乘法進(jìn)行參數(shù)擬合。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，對(duì)于3個(gè)未知數(shù)a、b、c，只需要3個(gè)方程就可以求解，但是這個(gè)時(shí)候很容易出現(xiàn)偏差，為了消除某個(gè)等式的影響，可以利用最小二乘法來進(jìn)行求解最佳的3個(gè)未知數(shù)a、b、c。如下所示，c代表了dist(x,y)。

根據(jù)測(cè)試數(shù)據(jù)，可以得到m*n組測(cè)試數(shù)據(jù)：

r1＝a*s1+b*v1+c/c1

……

rm*n＝a*sm*n+b*vm*n+c/cm*n

為方便書寫，將數(shù)據(jù)做一次統(tǒng)一，上述公式可以描述為：

線性模型：r＝a0*x0+a1*x1+a2*x2式(1)

引入?yún)?shù)向量：θ＝[a0,a1,a2,]^t

令：其中k＝1～m*n

可以將方程整理為：

按照最小二乘法的理論，如果將yk當(dāng)成是三維坐標(biāo)系里面的點(diǎn)，需要求解出的a0,a1,a2可以將點(diǎn)到點(diǎn)的距離最小。即保證下面的公式中j最小：

根據(jù)數(shù)學(xué)知識(shí)，如果需要保證j最小，就對(duì)上面的方程進(jìn)行求導(dǎo)，讓導(dǎo)數(shù)為0就可以確定最小值，從而計(jì)算式3個(gè)參數(shù)的值。

對(duì)于實(shí)際計(jì)算上面的值，通常可以利用spss軟件來求解，spss對(duì)求解多元一次方程的線性回歸有很好的解決方案，只需要按照我們的思路，用excel把相應(yīng)數(shù)據(jù)準(zhǔn)備好，導(dǎo)入軟件就可以計(jì)算，最后可以得到利用最小二乘法回歸好的參數(shù)。需要說明的是，本專利不僅僅可以最小二乘法來求解、優(yōu)化參數(shù)。還有使用linearregression線性回歸、polynomialregression多項(xiàng)式回歸、elasticnet回歸等求解多元一次方程組求參數(shù)的方法。

步驟五：進(jìn)行公式優(yōu)化

隨著數(shù)據(jù)量的變大，并且隨著用戶對(duì)推薦策略的評(píng)價(jià)，可以收集更多的數(shù)據(jù)來完成對(duì)推薦公式的優(yōu)化。并且我們前面也提到過，除了用戶的興趣愛好和行為之外，用戶畫像還有更多的維度，我們將所有維度添加進(jìn)來，可以一同優(yōu)化參數(shù)。

通過以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到本發(fā)明可借助軟件結(jié)合硬件平臺(tái)的方式來實(shí)現(xiàn)?；谶@樣的理解，本發(fā)明的技術(shù)方案對(duì)背景技術(shù)做出貢獻(xiàn)的全部或者部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計(jì)算機(jī)軟件產(chǎn)品可以存儲(chǔ)在存儲(chǔ)介質(zhì)中，如rom/ram、磁碟、光盤等，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，智能手機(jī)或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例或者實(shí)施例的某些部分所述的方法。

本發(fā)明說明書中使用的術(shù)語和措辭僅僅為了舉例說明，并不意味構(gòu)成限定。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，在不脫離所公開的實(shí)施方式的基本原理的前提下，對(duì)上述實(shí)施方式中的各細(xì)節(jié)可進(jìn)行各種變化。因此，本發(fā)明的范圍只由權(quán)利要求確定，在權(quán)利要求中，除非另有說明，所有的術(shù)語應(yīng)按最寬泛合理的意思進(jìn)行理解。