CN111814032B

CN111814032B - 冷启动推荐方法、装置及电子设备

Info

Publication number: CN111814032B
Application number: CN201910289260.8A
Authority: CN
Inventors: 苏云琳
Original assignee: Alibaba Group Holding Ltd
Current assignee: Alibaba Group Holding Ltd
Priority date: 2019-04-11
Filing date: 2019-04-11
Publication date: 2024-05-28
Anticipated expiration: 2039-04-11
Also published as: CN111814032A

Abstract

本发明公开一种冷启动推荐方法、装置及电子设备，其中冷启动推荐方法包括：根据新用户通过使用第三方应用产生的用户数据，获得所述新用户对于设定用户特征的用户特征值；获取产品集合中每一产品按照所述用户特征分类所得到的分类特征值；根据所述用户特征值和每一产品的所述分类特征值，获得所述新用户与每一产品之间的匹配度；至少根据所述新用户与每一产品之间的匹配度，获得所述新用户的产品推荐列表。

Description

冷启动推荐方法、装置及电子设备

技术领域

本发明涉及信息处理技术领域，尤其涉及一种冷启动推荐方法、一种冷启动推荐装置、一种电子设备、及一种计算机可读存储介质。

背景技术

随着科学技术的发展，越来越多的人倾向于通过终端来阅读或者购买产品，例如阅读书籍，或者购买商品等。

目前，用户首次使用终端来阅读或者购买产品时，需要用户向终端中输入大量的注册信息，终端根据该大量的注册信息以及自身的设备信息，向用户推荐相关产品。以用户首次使用终端来阅读书籍为例，当用户在首次启动终端后，终端的显示界面上显示对应的表格，以提示用户输入自身的性别以及感兴趣的书籍类型等大量注册信息。同时，终端主动获取自身设备的ip地址，并根据该ip地址查询到用户所在地域信息。最后终端根据注册信息和用户所在地域信息，在显示界面上显示向用户推荐的书籍。

但是，一方面，需用户向终端中输入大量的注册信息，导致用户操作繁琐。另一方面，终端根据自身的设备信息并不能得到准确反映用户相关信息的特征，例如根据自身设备的ip地址并不能准确的查询到用户所在地域信息，同时，由于操作繁琐的原因，用户并不一定会输入所有的注册信息，这样都导致终端向用户推荐产品并不能贴近用户的实际需求。

发明内容

本发明实施例的目的在于提供一种新的为新注册用户推荐产品的冷启动推荐方法。

根据本发明的第一方面，提供一种冷启动推荐方法，包括：

根据新用户通过使用第三方应用产生的用户数据，获得所述新用户对于设定用户特征的用户特征值；

获取产品集合中每一产品按照所述用户特征分类所得到的分类特征值；

根据所述用户特征值和每一产品的所述分类特征值，获得所述新用户与每一产品之间的匹配度；

至少根据所述新用户与每一产品之间的匹配度，获得所述新用户的产品推荐列表。

可选的，其中，所述用户特征包括性别特征、年龄特征、地域特征和学历特征中的至少一个特征。

可选的，其中，所述根据所述用户特征值和每一产品的所述分类特征值，获得所述新用户与每一产品之间的匹配度，包括：

根据每一产品的所述分类特征值，获取对应产品对于每一所述用户特征值的偏好度；

根据每一产品对应的所述偏好度及每一所述用户特征的影响权重，获得所述新用户与每一产品之间的匹配度。

可选的，其中，所述方法还包括：

获取每一产品在搜索引擎中的搜索热度，以至少还根据所述搜索热度获得所述新用户的产品推荐列表。

可选的，其中，所述方法还包括：

获取每一产品通过交易支付形成的交易热度，以至少还根据所述交易热度获得所述新用户的产品推荐列表。

可选的，其中，所述方法还包括：

比较所述新用户的所述用户特征值与历史新用户的所述用户特征值，得到比较结果；

根据所述比较结果及所述历史新用户在注册后的设定时间内转化的产品，获得每一产品的协同度，以至少还根据所述协同度获得所述新用户的产品推荐列表，其中，所述转化的产品属于所述产品集合。

可选的，其中，所述根据所述比较结果及所述历史新用户在注册后的设定时间内转化的产品，获得每一产品的协同度，包括：

获取所述历史新用户在注册后的设定时间内转化的产品；

获取每一所述转化的产品在所述历史新用户中按照所述用户特征分类所得到的分类特征值；

根据所述比较结果和每一所述转化的产品的分类特征值，获得每一产品的协同度。

可选的，其中，所述方法在获得所述新用户的产品推荐列表之后，还包括：

获取所述新用户实际转化的产品列表；

比较所述实际转化的产品列表与所述产品推荐列表，并根据比较结果更新所述书籍推荐列表。

可选的，其中，所述方法还包括：

根据设定条件在所有产品中筛选出待推荐产品，形成所述产品集合；

其中，所述设定条件包括在搜索引擎中的搜索热度超过设定的搜索热度、通过交易支付形成的交易热度超过设定的交易热度、在历史新用户中的转化率超过设定的转化率中的至少一项。

根据本发明的第二方面，提供一种冷启动推荐方法，包括：

获取书籍集合中每一书籍按照所述用户特征分类所得到的分类特征值；

根据所述用户特征值和每一书籍的所述分类特征值，获得所述新用户与每一书籍之间的匹配度；

至少根据所述新用户与每一书籍之间的匹配度，获得所述新用户的书籍推荐列表。

可选的，其中，所述方法还包括：

获取每一产品在搜索引擎中的搜索热度；

获取每一产品通过交易支付产生的交易热度；

根据所述比较结果及所述历史新用户在注册后的设定时间内转化的产品，获得每一产品的协同度，其中，所述转化的产品属于所述产品集合；

所述方法还根据每一产品的所述搜索热度、所述交易热度及所述协同度，获得所述新用户的产品推荐列表。

根据本发明的第三方面，提供一种冷启动推荐装置，包括：

用户特征获取模块，用于根据新用户通过使用第三方应用产生的用户数据，获得所述新用户对于设定用户特征的用户特征值；

产品特征获取模块，用于获取产品集合中每一产品按照所述用户特征分类所得到的分类特征值；

匹配模块，用于根据所述用户特征值和每一产品的所述分类特征值，获得所述新用户与每一产品之间的匹配度；以及，

推荐模块，用于至少根据所述新用户与每一产品之间的匹配度，获得所述新用户的产品推荐列表。

根据本发明的第四方面，提供一种电子设备，包括根据本发明第三方面所述的冷启动推荐装置；或者该电子设备包括存储器和处理器，所述存储器用于存储计算机指令，所述处理器用于从所述存储器中调用所述计算机指令，并在所述计算机指令的控制下执行如上述第一方面或者第二方面所述的冷启动推荐方法。

根据本发明的第五方面，提供一种计算机存储介质，所述存储介质存储有计算机指令，当所述存储介质中的计算机指令由处理器执行时，实现如第一方面或者第二方面所述的冷启动推荐方法。

本发明实施例提供冷启动推荐方法，一方面，无需新用户输入大量的注册信息便可获得产品推荐列表，这样可避免用户输入注册信息的相关操作。另一方面，可根据新用户通过使用第三方应用产生的用户数据得到的准确且丰富的表征用户特征的特征值，以及产品按照用户特征分类的分类特征值，得到新用户与每一产品之间的匹配度，并至少根据新用户与每一产品之间的匹配度，获得贴近新用户实际需求的产品推荐列表。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定。对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是可以应用本发明实施例的冷启动推荐方法的一种产品提供系统的结构示意图；

图2是本发明实施例提供一种冷启动推荐方法的流程示意图；

图3是本发明实施例提供的一种产品推荐列表的展示形式示意图；

图4是本发明实施例提供的另一种产品推荐列表的展示形式示意图；

图5是本发明实施例提供另一种冷启动推荐方法的流程示意图；

图6是本发明实施例提供又一种冷启动推荐方法的流程示意图；

图7是本发明实施例提供又一种冷启动推荐方法的流程示意图；

图8是本发明实施例提供的一种冷启动推荐装置的结构示意图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

<硬件配置>

本发明实施例提供的冷启动推荐方法可以应用在产品提供系统中，产品提供系统可以根据本发明实施例的冷启动推荐方法为新用户推荐产品，以提高用户对于所推荐产品的转化率，进而提高用户体验。图1示出了可以应用本发明实施例的冷启动推荐方法的一种产品提供系统的结构示意图。

根据图1所示，该种产品提供系统1000可以包括服务器1100、终端设备1200以及网络1300。

服务器1100例如可以是刀片服务器、机架式服务器等，在此不做限定。

如图1所示，服务器1100可以包括处理器1110、存储器1120、接口装置1130、通信装置1140、显示装置1150和输入装置1160。

处理器1110例如可以是中央处理器CPU等。存储器1120例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1130例如包括USB接口、串行接口等。通信装置1140例如能够进行有线或无线通信。显示装置1150例如是液晶显示屏。输入装置1160例如可以包括触摸屏、键盘等。

尽管图1中示出了服务器1100的多个装置，但该服务器也可以仅包括处理器1110、存储器1120和通信装置1140。

在一个实施例中，服务器可以被实现为云架构，例如，由部署在云端的服务器集群实现。

终端设备1200可以是智能手机、便携式电脑、台式计算机、平板电脑、可穿戴设备、PDA、电子阅读器等。终端设备1200可以是能够装载产品提供应用的任何设备，例如能够用于提供文学作品的在线或离线阅读等服务的设备，在此不做限定。

如图1所示，终端设备1200可以包括处理器1210、存储器1220、接口装置1230、通信装置1240、显示装置1250、输入装置1260、扬声器1270、麦克风1280，等等。其中，处理器1210可以是中央处理器CPU、微处理器MCU等。存储器1220例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1230例如包括USB接口、耳机接口等。通信装置1240例如能够进行有线或无线通信。显示装置1250例如是液晶显示屏、触摸显示屏等。输入装置1260例如可以包括触摸屏、键盘等。用户可以通过扬声器1270和麦克风1280输出/输入语音信息。

通信网络1300可以是无线网络也可以是有线网络，可以是局域网也可以是广域网。终端设备1200可以通过通信网络1300与服务器1100进行通信。

图1所示的产品提供系统1000仅是解释性的，并且决不是为了要限制本发明、其应用或用途。例如，尽管图1仅示出一个服务器1100和一个终端设备1200，但不意味着限制各自的数量，应用本发明实施例的冷启动推荐方法的产品提供系统1000可以包含多个服务器1100和/或多个终端设备1200。

本发明任意实施例的冷启动推荐方法可以由产品提供系统1000的服务器1100实施，也可以由产品提供系统1000的终端设备1200实施，还可以由服务器1100和终端设备1200共同实施，在此不做限定。

<实施例一>

本实施例提供的一种冷启动推荐方法，如图2所示，包括如下步骤S101-S104：

S101、根据新用户通过使用第三方应用产生的用户数据，获得新用户对于设定用户特征的用户特征值。

本实施例中，新用户可以是当前日期距离注册日期在设定时间长度内的用户，例如该设定时间长度为一个月，则当前日期距离注册日期在一个月内的所有用户均被称之为新用户。

本实施例中，第三方应用可以包括：视频播放平台、搜索引擎、支付平台、导航定位平台、网购平台中的至少一个。

上述的新用户通过使用第三方应用产生的用户数据，示例性的可以为：

当第三方应用为视频播放平台时，对应的数据可以包括：用户的注册信息、用户历史所观看的视频类型(例如喜剧、爱情、家庭、都市、青春偶像、新闻、纪录片等)、用户历史所观看视频的时长、用户历史所观看视频的对应地区(例如，内地、香港地区、欧美国家、日韩国家等)等。

当第三方应用为搜索引擎时，对应的数据可以包括：用户的注册信息、用户历史搜索记录等。

当第三方应用为用于支付平台时，对应的数据可以包括：用户的注册信息、用户历史支付账单、支付的商品类型(例如，餐饮、服装、日化等)等。

当第三方应用为用于导航定位平台时，对应的数据可以包括：用户的注册信息、用户历史出行的始发地、用户历史出行的目的地、用户历史出行方式(例如，步行、出租车、骑行、驾车等)、用户历史出行的始发地和目的地的周围建筑类型(写字楼、商场、菜场等)等。

当第三方应用为网购平台时，对应的数据可以包括：用户的注册信息、用户历史订单信息(订单信息中包括：收货地址、商品类型、商品价格等)、用户历史浏览的商品信息等。

示例性的，上述用户特征可以包括：性别特征、年龄特征、地域特征和学历特征中的至少一个特征。

性别特征的特征值为：男性或者女性。年龄特征的特征值可以按照年龄段划分，例如分为：20岁以下、20岁～35岁、35～50岁、50岁以上等。地域特征的特征值可以按省份划分，也可以按照城市划分等，例如分为：北京、上海、广州、陕西省、江苏省、宁夏、台湾省等。学历特征的特征值可以分为：初中及以下学历、高中学历、大学学历、研究生学历等。

需要说明的是，可进一步对用户特征的特征值进行量化。例如，将性别特征的特征值量化为0和1，其中，0表示男性，1表示女性。

此外，用户特征还可以包括感兴趣类型的类型特征，且感兴趣类型的类型特征的特征值可以为：喜剧、爱情、家庭、都市、青春偶像、新闻、纪录片等，在此不做限定。

本实施例中，实现上述步骤S101时，应用本发明实施例的冷启动推荐方法的产品提供系统1000可以先获取新用户的设备相关信息，例如获取新用户的设备的识别号，以及该新用户在产品提供系统1000注册时提供的注册信息，以根据这些信息在第三方应用中查找该新用户，并进而获取该新用户通过使用第三方应用所产生的用户数据。例如，产品提供系统1000可以通过新用户所使用手机的国际移动设备识别码(International MobileEquipment Identity，IMEI)和UTD-ID打通与第三方平台之间的数据交互。

在一个例子中，上述步骤S101的实现方式可以包括：根据用于导航定位平台提供的历史出行的始发地、用户历史出行的目的地、用户历史出行的始发地和目的地的周围建筑类型，和/或网管平台中订单的收货地址，确定新用户所处地域特征的特征值。例如，确定历史出行中出现频率最高、且周围建筑物为商场的始发地，和/或使用频率最高的收货地址，所在的省份作为新用户的地域特征的特征值。

在一个例子中，上述步骤S101的实现方式可以包括：根据搜索引擎提供的用户历史搜索记录，确定新用户的学历特征的特征值。例如，确定用户的历史搜索记录的搜索内容，确定搜索内容中包括的不同学历阶段的相关教材和/或相关知识的占比，将占比最高的教材和/或知识对应的学历，确定新用户的学历特征的特征值。

在一个例子中，上述步骤S101的实现方式可以包括：根据视频播放平台提供的用户历史所观看的视频类型，确定新用户的年龄特征。例如，确定历史所观看的视频类型对应的最适宜的观看年龄范围，并将该最适宜的观看年龄范围作为新用户的年龄特征的特征值。

在一个例子中，上述步骤S101的实现方式可以包括：根据支付平台提供的支付的商品类型，确定新用户的性别特征的特征值。例如，确定支付的商品类型为服装时，服装中的男性服装和女性服装的占比，并将占比高的服装对应的性别，作为性别特征的特征值。

S102、获取产品集合中每一产品按照用户特征分类所得到的分类特征值。

示例性的，上述的产品可以为书籍、电子产品、化妆品、衣服等，在此不做限定。

在一种示例中，上述的产品集合可以包含产品提供系统1000所能提供的所有产品的集合。

在另一种示例中，上述的产品集合还可以是由根据设定条件从所有产品中筛选出的产品组成的集合，这样可减少信息处理量，提高推荐效率。基于此，本实施例提供的冷启动推荐方法还可以包括：根据设定条件在所有产品中筛选出待推荐产品，形成该产品集合。

在该示例中，上述的设定条件可以包括在搜索引擎中搜索热度超过设定的搜索热度、通过交易支付形成的交易热度超过设定的交易热度、在历史新用户中的转化率超过设定的转化率中的至少一项。

上述的搜索热度例如可以根据产品在一预设时间段内被搜索的次数进行量化。

上述的交易热度例如可以根据产品在一预设时间段内被交易成功的次数进行量化。以书籍为例，交易支付可以包括阅读支付和购买支付中的至少一项。

以产品为产品A为例，针对产品A，上述的在历史新用户中的转化率可以为：针对所推荐产品中包含产品A的所有历史新用户，转化产品A的人数与所推荐产品中包含产品A的历史新用户的总人数之间的比值。以上转化的含义可以根据需要及所提供产品的类型确定，例如，产品提供系统1000提供电子书籍阅读服务，则转化可以指阅读进度达到设定条件的书籍，该阅读进度可以包括阅读量和阅读时长中的至少一项；又例如，产品提供系统1000提供售卖某类型产品的服务，则转化可以指成功售出等。

以用户特征包括年龄特征、性别特征、学历特征和地域特征为例，上述步骤S102中获取产品集合中每一产品按照用户特征分类所得到的分类特征值，可以表示为如下的a1-a4：

a1、获取产品集合中每一产品的按照性别特征分类所得到的分类特征值。

例如，针对产品集合中每一产品，获取转化该产品的女性用户的数量X1，转化该产品的男性用户的数量X2，所有用户中女性用户的数量Y1，所有用户中男性用户的数量Y2。

这可以是，直接将X1和Y1，以及X2和Y2作为按照性别分类所得到的分类特征值。

这也可以是，直接将X1和X2作为按照性别分类所得到的分类特征值。

这还可以是，将该产品分别对于女性的偏好度及对于男性的偏好度作为按照性别分类所得到的分类特征值。

每一产品对于任意用户特征j的任意分类特征j_i的偏好度prifile_pre_{j_i}，可根据下述公式(1)计算得到：

公式(1)中，j_i表示所提供产品按照用户特征j分类所得到分类特征的序号，其中，j为用户特征的序号，例如，j＝1表示性别特征，j＝2表示年龄特征，j＝3表示学历特征，j＝4表示地域特征，以用户特征为性别特征为例，其具有两个分类特征，例如，i＝1代表女性，i＝2代表男性，则，prifile_pre_{1_1}代表某一产品对于女性的偏好度，prifile_pre_{1_2}代表该产品对于男性的偏好度。n表示所提供产品按照一用户特征j分类所得到的分类特征的数量，例如，对于按照性别特征分类而言，得到的分类特征包括女性和男性，因此，按照性别特征分类所得到的分类特征的数量为2，n取2，对于按照年龄特征分类而言，得到的分类特征有四种，因此，按照年龄特征分类所得到的分类特征的数量为4，n取4。Read_uv_{j_i}表示转化某一产品的符合序号j_i的分类特征的人数。Read_uv_all_{j_i}表示产品提供系统1000的所有用户中符合序号j_i的分类特征的人数。

在该示例中，对于用户特征为性别特征而言，其分类特征包括女性(序号1表示)和男性(序号2表示)，根据公式(1)可以分别计算得到一产品对于女性的偏好度及该产品对于男性的偏好度，即：

男性偏好度＝(X2/X1)/(Y2/Y1)；

女性偏好度＝(X1/X2)/(Y1/Y2)。

a2、获取产品集合中每一产品的按照年龄特征分类，得到的年龄特征的特征值。

例如，针对产品集合中每一产品，获取转化该产品的年龄在20岁以下的用户的数量Z1，转化该产品的年龄在20岁～35岁的用户的数量Z2，转化该产品的年龄在35岁～50岁的用户的数量Z3，转化该产品的年龄在50岁以上的用户的数量Z4，所有用户中年龄在20岁以下的用户的数量W1，所有用户中年龄在20岁～35岁的用户的数量W2，所有用户中年龄在35岁～50岁的用户的数量W3，所有用户中年龄在50岁以上的用户的数量W4。

这可以是，直接将Z1和W1，Z2和W2，Z3和W3，以及Z4和W4作为按照年龄分类所得到的分类特征值。

这也可以是，直接将Z1、Z2、Z3、Z4作为按照年龄分类所得到的分类特征值。

同理，这还可以是，将该产品分别对于不同年龄分类的偏好度作为按照性别分类所得到的分类特征值。

仍然参照上述公式(1)，对于用户特征为年龄特征，其分类特征按照年龄段划分可以包括20岁以下(序号1表示)、20岁～35岁(序号2表示)、35～50岁(序号3表示)、50岁以上(序号4表示)，即年龄特征具有4个分类特征，对应公式(1)中的n＝4，根据公式(1)可以分别计算得到一产品分别对于年龄特征所包含的以上4个分类特征的偏好度为：

a3、获取产品集合中每一产品的按照学历特征分类，得到的学历特征的分类特征值。

例如，针对产品集合中每一产品，获取转化该产品的学历为初中及以下的用户的数量P1，转化该产品的学历为高中学历的用户的数量P2，转化该产品的学历为大学学历的用户的数量P3，转化该产品的学历为研究生学历的用户的数量P4，所有用户中学历为初中及以下的用户的数量Q1，所有用户中学历为高中学历的用户的数量Q2，所有用户中学历为大学学历的用户的数量Q3，所有用户中学历为研究生学历的用户的数量Q4。

这可以是，直接将P1和Q1，P2和Q2，P3和Q3，以及P4和Q4作为按照学历分类所得到的分类特征值。

这也可以是，直接将P1、P2、P3、P4作为按照学历分类所得到的分类特征值。

同理，这还可以是，将该产品分别对于不同学历分类的偏好度作为按照学历分类所得到的分类特征值。

仍然参照上述公式(1)，对于用户特征为学历特征，其分类特征可以包括初中及以下学历(序号1表示)、高中学历(序号2表示)、大学学历(序号3表示)、研究生学历(序号4表示)等，即学历特征具有4个分类特征，对应公式(1)中的n＝4，根据公式(1)可以分别计算得到一产品分别对于学历特征所包含的以上4个分类特征的偏好度。

a4、获取产品集合中每一产品的按照地域特征分类，得到的地域特征的分类特征值。

同样，对于地域特征，可以参照以上a1至a3的举例，获得一产品按照学历分类所得到的分类特征值，在此不再赘述。

S103、根据用户特征值和每一产品的分类特征值，获得新用户与每一产品之间的匹配度。

继续以用户特征分别为性别特征、年龄特征、地域特征和学历特征为例，在一个例子中，S103中根据用户特征值和每一产品的分类特征值，获得新用户与每一产品之间的匹配度，可以通过如下步骤S1031和S1032来实现：

S1031、根据每一产品的分类特征值，获取对应产品对于每一用户特征值的偏好度。

以用户特征为性别特征为例，新用户的性别特征的特征值为女性，则根据分类特征值的不同形式，可以直接从该产品的分类特征值中获得每一产品对于女性的偏好度，或者根据该产品的分类特征值及以上公式(1)，获得每一产品对于女性的偏好度。

以用户特征为年龄特征为例，新用户的年龄特征的特征值为20岁以下，则根据分类特征值的不同形式，可以直接从该产品的分类特征值中获得每一产品对于20岁以下年龄段的偏好度，或者根据该产品的分类特征值及以上公式(1)，获得每一产品对于20岁以下年龄段的偏好度。

S1032、根据每一产品对应的偏好度及每一用户特征的影响权重，获得所述新用户与每一产品之间的匹配度。

例如，上述计算匹配度M的表达式可如下述公式(2)：

公式(2)中，M指的是匹配度。j代表用户特征的序号，例如，本发明实施例选用四个用户特征，分别为性别特征、年龄特征、学历特征和地域特征，则可以设置性别特征的序号为1，年龄特征的序号为2，学历特征的序号为3，地域特征的序号为4。w_j指的是，序号为j的用户特征的影响权重，其中，w_j可以为预设的固定值，不同用户特征的影响权重可以相同，也可以不同，在此不做限定，例如，w₁代表性别特征的影响权重。m是用户特征的数量，例如，本发明实施例选用以上四个用户特征，则m＝4。在公式(2)中，j_i按照新用户对于用户特征j的用户特征值确定，例如，新用户对于性别特征的特征值为女性，则j_i取1_1，又例如，新用户对于年龄特征的特征值为20岁以下，则j_i取2_1，又例如，新用户对于学历特征的特征值为研究生学历，则j_i取3_4，以此类推，不再赘述。

以新用户的每一用户特征的用户特征值包括：女性、20岁以下、研究生学历、东北地区为例，根据以上公式(2)，可以根据每一产品对于每一用户特征值的偏好度及相应用户特征的影响权重，获得新用户与每一产品之间的匹配度。

S104、至少根据新用户与每一产品之间的匹配度，获得新用户的产品推荐列表。

上述步骤S104的实现方式可以为：基于上述S103得到的新用户与每一产品之间的匹配度，提取出匹配度最高的N个产品作为推荐产品，并基于推荐产品的相关信息，生成一个产品推荐列表。进一步的可向新用户展示该产品推荐列表。

示例性的，以产品为书籍为例，推荐产品的相关信息可以为：书籍名称、作者、出版社、书籍封面图像等。

示例性的，上述的产品推荐列表的展示形式可以为如图3和如图4的展示形式。

<实施例二>

本实施例提供的一种冷启动推荐方法，如图5所示，可以包括如下步骤S501-S505：

S501、根据新用户通过使用第三方应用产生的用户数据，获得新用户对于设定用户特征的用户特征值。

S502、获取产品集合中每一产品按照用户特征分类所得到的分类特征值。

S503、根据用户特征值和每一产品的分类特征值，获得新用户与每一产品之间的匹配度。

需要说明的是，上述S501-S503的具体实现与上述S101-S103的具体实现相同，这里不再赘述。

S504、获取每一产品在搜索引擎中的搜索热度。

在本实施例中，搜索热度例如可以根据产品在一预设时间段内被搜索的次数进行量化。

S505、至少根据新用户与每一产品之间的匹配度、搜索热度，获得新用户的产品推荐列表。

在本实施例中，由于产品在搜索引擎中的搜索热度也是对新用户转化产品产生影响的因子，因此，还可以根据产品在搜索引擎中的搜索热度，进一步确定产品的推荐列表。

基于上述内容可知，当搜索热度用H来量化表示时，还可基于如下述公式(3)的输出值f1来获得新用户的产品推荐列表：

其中，K1、K2分别表示匹配度和搜索热度的权重，k1、k2均大于0，且和为1。此外，上述公式(3)中的其他参数的说明与上述公式(2)中的参数的说明相同，这里不再赘述。

在本实施例中，基于上述公式(3)得到的f1，提取出最高的N个f1对应的产品作为推荐产品，并基于推荐产品的相关信息，生成一个产品推荐列表。进一步的可向新用户展示该产品推荐列表。

示例性的，上述的产品推荐列表的展示形式还可以为如图3和如图4的展示形式。

基于上述实施例，在获得新用户的产品推荐列表时，考虑了能够对新用户转化产品产生影响的搜索热度这一因子，这样使得最终得到的推荐列表更贴近用户的实际需求。

<实施例三>

本实施例提供的一种冷启动推荐方法，如图6所示，可以包括如下步骤S601-S605：

S601、根据新用户通过使用第三方应用产生的用户数据，获得新用户对于设定用户特征的用户特征值。

S602、获取产品集合中每一产品按照用户特征分类所得到的分类特征值。

S603、根据用户特征值和每一产品的分类特征值，获得新用户与每一产品之间的匹配度。

需要说明的是，上述S601-S603的具体实现与上述S101-S103的具体实现相同，这里不再赘述。

S604、获取每一产品通过交易支付形成的交易热度。

在本实施例中，上述的交易热度例如可以根据产品在一预设时间段内被交易成功的次数进行量化。

S605、至少根据新用户与每一产品之间的匹配度、交易热度，获得新用户的产品推荐列表。

在本实施例中，由于产品在通过交易形成的交易热度也是对新用户转化产品产生影响的因子，因此，还可以根据产品通过交易支付形成的交易热度，进一步确定产品的推荐列表。

基于上述内容可知，当交易热度用P来表示时，还可基于如下述公式(4)的输出值f2来获得新用户的产品推荐列表：

其中，K3、K4分别表示匹配度和交易热度的权重，k3、k4为均大于0，且和为1。此外，上述公式(4)中的其他参数的说明与上述公式(2)中的参数的说明相同，这里不再赘述。

在一种实施例中，当交易热度用P来表示时，还可基于如下述公式(5)的输出值f2来获得新用户的产品推荐列表：

其中，K5、K6、K7分别表示匹配度、搜索热度和交易热度的权重，k5、k6和k7均大于0，且和为1。此外，上述公式(5)中的其他参数的说明与上述公式(2)和上述公式(3)中的参数的说明相同，这里不再赘述。

基于上述内容可知，本实施例提供的一种冷启动推荐方法中，上述S605还可被替换为：至少根据新用户与每一产品之间的匹配度、交易热度、搜索热度，获得新用户的产品推荐列表。

在本实施例中，基于上述公式(4)或公式(5)得到的f2，提取出最高的N个f2对应的产品作为推荐产品，并基于推荐产品的相关信息，生成一个产品推荐列表。进一步的可向新用户展示该产品推荐列表。

基于上述实施例，在获得新用户的产品推荐列表时，考虑了能够对新用户转化产品产生影响的交易热度这一因子，这样使得最终得到的推荐列表更贴近用户的实际需求。

<实施例四>

本实施例提供的一种冷启动推荐方法，如图7所示，可以包括如下步骤S701-S706：

S701、根据新用户通过使用第三方应用产生的用户数据，获得新用户对于设定用户特征的用户特征值。

S702、获取产品集合中每一产品按照用户特征分类所得到的分类特征值。

S703、根据用户特征值和每一产品的分类特征值，获得新用户与每一产品之间的匹配度。

需要说明的是，上述S701-S703的具体实现与上述S101-S103的具体实现相同，这里不再赘述。

S704、比较所述新用户的所述用户特征值与历史新用户的所述用户特征值，得到比较结果。

在本实施例中，上述S704的具体实现方式为：根据新用户的用户特征值，基于协同过滤算法，从历史新用户的用户特征值中，找到与新用户的用户特征值最相似的历史新用户的用户特征值。并将该最相似的历史新用户的用户特征值，作为比较结果。

S705、根据比较结果及历史新用户在注册后的设定时间内转化的产品，获得每一产品的协同度。

在一种实施例中，上述S705可通过如下步骤S7051-S7053实现：

S7051、获取历史新用户在注册后的设定时间内转化的产品。

在本实施例中，历史新用户指的是，当前日期距离注册日期超过预设时间长度的用户。

S7052、获取每一转化产品在历史新用户中按照产品特征分类所得到的分类特征值。

在本实施例中，上述S7052的具体实现与上述S102的具体实现相似，区别仅在于，在执行上述S7052时，是基于历史新用户确定的。

示例性的，以产品特征为性别特征时，转化产品在历史新用户中按照性别特征分类所得到的分类特征值可以为：获取转化该产品的历史新用户中的女性用户的数量，转化该产品的历史新用户中男性用户的数量，所有历史新用户中女性用户的数量，所有历史新用户中男性用户的数量。

S7053、根据比较结果和每一转化的产品的分类特征值，获得每一产品的协同度。

在本实施例中，针对一个转化的产品，将该一个转化产品的分类特征值，以及基于上述S704得到的比较结果：最相似的历史新用户的用户特征值，带入上述公式(2)中匹配度的计算公式中，将最终得到的匹配度，作为该一个转化的产品的协同度。重复该步骤，可得到每一转化产品的协同度。

在另一种实施例中，上述S705的步骤可通过如下方式实现：基于上述S704得到的比较结果：最相似的历史新用户的用户特征值，确定该最相似的历史新用户的用户特征值，对应的历史新用户所转化的产品；

针对历史新用户所转化的产品中的每一个，将该一个转化产品的分类特征值，以及基于上述S704得到的比较结果：最相似的历史新用户的用户特征值，带入上述公式(2)中匹配度的计算公式中，将最终得到的匹配度，作为该一个转化的产品的协同度。重复该步骤，可得到每一转化产品的协同度。

S706、至少根据新用户与每一产品之间的匹配度、协同度获得新用户的产品推荐列表，其中，转化的产品属于产品集合。

在本实施例中，由于被历史新用户转化的产品对，与新用户的用户特征值最相似的历史新用户的用户特征值的协同度，也是对新用户转化产品产生影响的因子，因此，还可以根据上述协同度，进一步确定产品的推荐列表。

基于上述内容可知，当协同度用C来表示时，还可基于如下述公式(6)的输出值f3来获得新用户的产品推荐列表：

其中，K8、K9分别表示匹配度和协同度的权重，k8、k9均大于0，且和为1。此外，上述公式(6)中的其他参数的说明与上述公式(2)中的参数的说明相同，这里不再赘述。

在一种实施例中，当协同度用C来表示时，还可基于如下述公式(7)的输出值f3来获得新用户的产品推荐列表：

其中，K10、K11、K12分别表示匹配度、交易热度和协同度的权重，K10、K11、K12均大于0，且和为1。此外，上述公式(7)中的其他参数的说明与上述公式(2)、公式(4)中的参数的说明相同，这里不再赘述。

基于上述内容可知，本实施例提供的一种冷启动推荐方法中，上述S706还可被替换为：至少根据新用户与每一产品之间的匹配度、协同度、交易热度获得新用户的产品推荐列表，其中，所述转化的产品属于产品集合。

在一种实施例中，当协同度用C来表示时，还可基于如下述公式(8)的输出值f3来获得新用户的产品推荐列表：

其中，K13、K14、K15分别表示匹配度、搜索热度和协同度的权重，K13、K14、K15均大于0，且和为1。此外，上述公式(8)中的其他参数的说明与上述公式(2)、公式(3)中的参数的说明相同，这里不再赘述。

基于上述内容可知，本实施例提供的一种冷启动推荐方法中，上述S706还可被替换为：至少根据新用户与每一产品之间的匹配度、协同度、搜索热度获得新用户的产品推荐列表，其中，所述转化的产品属于产品集合。

在一种实施例中，当协同度用C来表示时，还可基于如下述公式(9)的输出值f3来获得新用户的产品推荐列表：

其中，k16、k17、k18、K19分别表示匹配度、搜索热度、协同度和交易热度的权重，k16、k17、k18、K19均大于0，且和为1。此外，上述公式(9)中的其他参数的说明与上述公式(2)、公式(3)、公式(4)中的参数的说明相同，这里不再赘述。

基于上述内容可知，本实施例提供的一种冷启动推荐方法中，上述S706还可被替换为：至少根据新用户与每一产品之间的匹配度、协同度、搜索热度、交易热度获得新用户的产品推荐列表，其中，所述转化的产品属于产品集合。

需要说明的是，当协同度C对应的转化的产品，与匹配度M对应的产品不相同时，可将协同度C示例性的设置为0。

在本实施例中，基于上述公式(6)至公式(8)得到的f3，提取出最高的N个f3对应的产品作为推荐产品，并基于推荐产品的相关信息，生成一个产品推荐列表。进一步的可向新用户展示该产品推荐列表。

基于上述实施例，在获得新用户的产品推荐列表时，考虑了能够对历史新用户转化产品产生影响的协同度这一因子，这样使得最终得到的推荐列表更贴近用户的实际需求。

<实施例五>

本实施例提供的一种冷启动推荐方法，在上述任一实施例的基础上，本发明提供的冷启动推荐方法还包括如下S105和S106：

S105、获取新用户实际转化的产品列表。

具体的，上述的新用户实际转化的产品列表，为新用户在预设时间段内实际转化的产品构成的列表。其中，这里的预设时间段可以为10天等。

S106、比较实际转化的产品列表与产品推荐列表，并根据比较结果更新书籍推荐列表。

在本实施例中，在执行上述S106时，可首先确定出新用户实际转化的产品列表和产品推荐列表中均包含的产品的数量。然后再根据该数量与产品推荐列表中产品的总数的比值，确定是否需要调整计算上述匹配度公式中的w_j。

若上述比值，大于预设比值，则不对上述匹配度公式中的w_i进行调整。反之，对上述S1032中的匹配度公式中的w_j进行调整。

示例性的，对上述匹配度公式中的w_j进行调整的调整方式可以为：确定新用户实际转化的产品列表和产品推荐列表中均包含的产品对应的偏好度中整体数值大的偏好度，将该偏好度对应w_j的值调大。然后再基于调整后的w_j，去获得后续的产品推荐列表。

基于上述实施例，本发明实施例提供的冷启动推荐方法中，可对获得的书籍推荐列表进行更新，这使得后续新用户获得的书籍推荐列表更贴紧后续新用户的实际需求。

<实施例六>

本发明实施例提供一种针对书籍的冷启动推荐方法，包括如下S201-S204：

S201、根据新用户通过使用第三方应用产生的用户数据，获得新用户对于设定用户特征的用户特征值。

S202、获取书籍集合中每一书籍按照用户特征分类所得到的分类特征值。

S203、根据用户特征值和每一书籍的分类特征值，获得新用户与每一书籍之间的匹配度。

S204、至少根据新用户与每一书籍之间的匹配度，获得新用户的书籍推荐列表。

在一种实施例中，本发明实施例提供一种冷启动推荐方法，还包括如下S205-S204：

S205、获取每一产品在搜索引擎中的搜索热度。

S206、获取每一产品通过交易支付产生的交易热度。

S207、比较新用户的用户特征值与历史新用户的用户特征值，得到比较结果。

S208、根据比较结果及历史新用户在注册后的设定时间内转化的产品，获得每一产品的协同度，其中，转化的产品属于产品集合。

S209、方法还根据每一产品的搜索热度、交易热度及协同度，获得新用户的产品推荐列表。

需要说明的是，本发明实施例提供的书籍可以作为上述实施例一至实施例五中任意一种冷启动推荐方法中涉及的产品。

以上方法实施例采用递进的方式描述，各个实施例之间相同相似的部分相互参见即可，每个实施例重点说明的都是与其他实施例的不同之处，而且各个实施例可以根据需要单独使用或者相互结合使用，例如，本领域技术人员可以根据需要结合任意两个或者多个方法实施例来实施本发明的信息处理方法，在此不做限定。

<实施例七>

本实施例提供的一种冷启动推荐装置，包括：用户特征获取模块、产品特征获取模块、匹配模块以及推荐模块。其中：

用户特征获取模块，用于根据新用户通过使用第三方应用产生的用户数据，获得新用户对于设定用户特征的用户特征值；

产品特征获取模块，用于获取产品集合中每一产品按照用户特征分类所得到的分类特征值；

匹配模块，用于根据用户特征值和每一产品的分类特征值，获得新用户与每一产品之间的匹配度；以及，

推荐模块，用于至少根据新用户与每一产品之间的匹配度，获得新用户的产品推荐列表。

在一种实施例中，用户特征包括性别特征、年龄特征、地域特征和学历特征中的至少一个特征。

在一种实施例中，匹配模块具体用于：

根据每一产品的分类特征值，获取对应产品对于每一用户特征值的偏好度；

根据每一产品对应的偏好度及每一用户特征的影响权重，获得新用户与每一产品之间的匹配度。

在一种实施例中，推荐模块还用于：

获取每一产品在搜索引擎中的搜索热度，以至少还根据搜索热度获得新用户的产品推荐列表。

在一种实施例中，推荐模块还用于：

获取每一产品通过交易支付形成的交易热度，以至少还根据交易热度获得新用户的产品推荐列表。

在一种实施例中，推荐模块还包括：比较单元和推荐单元，其中：

比较单元，用于比较新用户的用户特征值与历史新用户的用户特征值，得到比较结果；

推荐单元，用于根据比较结果及历史新用户在注册后的设定时间内转化的产品，获得每一产品的协同度，以至少还根据协同度获得新用户的产品推荐列表，其中，转化的产品属于产品集合。

在一种实施例中，推荐单元，还用于获取历史新用户在注册后的设定时间内转化的产品；

获取每一转化的产品在历史新用户中按照用户特征分类所得到的分类特征值；

根据比较结果和每一转化的产品的分类特征值，获得每一产品的协同度。

在一种实施例中，本实施例提供的冷启动推荐装置还包括转化列表获取模块、更新模块，其中：

转化列表获取模块，用于获取新用户实际转化的产品列表；

更新模块，用于比较所述实际转化的产品列表与产品推荐列表，并根据比较结果更新书籍推荐列表。

在一种实施例中，本实施例提供的冷启动推荐装置还包括产品集合形成模块，其中：产品集合形成模块，用于根据设定条件在所有产品中筛选出待推荐产品，形成产品集合；设定条件包括在搜索引擎中的搜索热度超过设定的搜索热度、通过交易支付形成的交易热度超过设定的交易热度、在历史新用户中的转化率超过设定的转化率中的至少一项。

需要说明的是，上述产品可以为书籍等产品。

<电子设备>

本实施例提供的一种电子设备，包括上述实施例中的任意一种冷启动推荐装置。

或者，本实施例提供的一种电子设备80，如图8所示，包括：存储器81和处理器82。其中，

存储器81，用于存储计算机指令。

处理器82，用于从存储器81中调用计算机指令，并在计算机指令的控制下执行如上述实施例一至实施例五中任意一种冷启动推荐方法。

该电子设备例如可以是图1中的终端设备1200，也可以是图1中服务器1100，还可以包括图1中的终端设备1200和服务器1100，在此不做限定。

<存储介质>

在本实施例中，还提供一种计算机可读存储介质，该存储介质存储有计算机指令，当存储介质中的计算机指令由处理器执行时，实现上述实施例提供的任意一种冷启动推荐方法。

本发明可以是计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表包括：便携式计算机盘、硬盘、随机存取存储器(RAM、只读存储器(ROM、可擦式可编程只读存储器(EPROM或闪存、静态随机存取存储器(SRAM、便携式压缩盘只读存储器(CD-ROM、数字多功能盘(DVD、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA或可编程逻辑阵列(PLA，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims

1.一种冷启动推荐方法，包括：

获取所述历史新用户在注册后的设定时间内转化的产品；其中，所述转化的产品属于所述产品集合；

根据所述比较结果和每一所述转化的产品的分类特征值，获得每一产品的协同度；

至少根据所述新用户与每一产品之间的匹配度以及所述协同度，获得所述新用户的产品推荐列表。

2.根据权利要求1所述的方法，其中，所述用户特征包括性别特征、年龄特征、地域特征和学历特征中的至少一个特征。

3.根据权利要求1所述的方法，其中，所述根据所述用户特征值和每一产品的所述分类特征值，获得所述新用户与每一产品之间的匹配度，包括：

4.根据权利要求1所述的方法，其中，所述方法还包括：

5.根据权利要求1所述的方法，其中，所述方法还包括：

6.根据权利要求1至5中任一项所述的方法，其中，所述方法在获得所述新用户的产品推荐列表之后，还包括：

获取所述新用户实际转化的产品列表；

比较所述实际转化的产品列表与所述产品推荐列表，并根据比较结果更新所述产品推荐列表。

7.根据权利要求1至5中任一项所述的方法，其中，所述方法还包括：

8.一种冷启动推荐方法，包括：

至少根据所述新用户与每一书籍之间的匹配度，获得所述新用户的书籍推荐列表；

其中，所述方法还包括：

根据所述比较结果及所述历史新用户在注册后的设定时间内转化的书籍，获得每一书籍的协同度，以至少还根据所述协同度获得所述新用户的书籍推荐列表，其中，所述转化的书籍属于所述书籍集合；

所述根据所述比较结果及所述历史新用户在注册后的设定时间内转化的书籍，获得每一书籍的协同度，包括：

获取所述历史新用户在注册后的设定时间内转化的书籍；

获取每一所述转化的书籍在所述历史新用户中按照所述用户特征分类所得到的分类特征值；

根据所述比较结果和每一所述转化的书籍的分类特征值，获得每一书籍的协同度。

9.根据权利要求8所述的方法，其中，所述方法还包括：

获取每一书籍在搜索引擎中的搜索热度；

获取每一书籍通过交易支付产生的交易热度；

所述方法还根据每一书籍的所述搜索热度、所述交易热度及所述协同度，获得所述新用户的书籍推荐列表。

10.一种冷启动推荐装置，包括：

推荐模块，用于至少根据所述新用户与每一产品之间的匹配度，获得所述新用户的产品推荐列表；

其中，推荐模块还包括：比较单元和推荐单元，其中：

推荐单元，用于根据比较结果及历史新用户在注册后的设定时间内转化的产品，获得每一产品的协同度，以至少还根据协同度获得新用户的产品推荐列表，其中，转化的产品属于产品集合；

以及，推荐单元，具体用于获取历史新用户在注册后的设定时间内转化的产品；

11.一种电子设备，包括权利要求10所述的冷启动推荐装置；或者，所述电子设备包括：存储器和处理器，所述存储器用于存储计算机指令，所述处理器用于从所述存储器中调用所述计算机指令，并在所述计算机指令的控制下执行如权利要求1-9任一项所述的冷启动推荐方法。

12.一种计算机可读存储介质，所述存储介质存储有计算机指令，当所述存储介质中的计算机指令由处理器执行时，实现如权利要求1-9任一项所述的冷启动推荐方法。