CN112837107A - 跨平台商品推荐方法、装置以及计算机设备 - Google Patents

Abstract

本发明公开了一种跨平台商品推荐方法，该方法包括：接收商品推荐任务，根据所述商品推荐任务中的目标商品创建初始人群包；从包括第一平台的第一类别用户的第一用户画像信息和第二平台的第二类别用户的第二用户画像信息的用户信息表中找出包括所述初始人群包的目标标签的目标用户集；对所述目标用户集进行去重过滤后添加到所述初始人群包，得到目标商品人群包；将所述目标商品推荐到所述目标商品人群包中的每个用户。本发明还提供一种跨平台商品推荐装置、计算机设备以及计算机可读存储介质。本发明能够实现跨平台进行商品推荐，将两个平台的用户数据进行融合后再执行商品推荐，因此，推荐更加全面，精确度也提高了。

Description

跨平台商品推荐方法、装置以及计算机设备

技术领域

本发明涉及数据处理技术领域，尤其涉及一种跨平台商品推荐方法、装置、计算机设备及计算机可读存储介质。

背景技术

随着互联网技术的发展，越来越多的用户选择在网上浏览、挑选或者购买自己需要的商品。随着商品数目和种类的增多，用户往往需要花费大量的时间才能找到自己需要的商品。为了解决这个问题，各个电商平台都不同程度地采用各种形式的推荐技术向用户进行商品推荐。现有的推荐方法主要大多是电商平台通过获取用户在平台中的浏览，点击，搜索，购买等记录，以及获取用户自身的年龄，性别，活跃城市，消费等级等用户信息来对用户进行商品的个性化推荐。然而，这种主要基于电商平台自身用户的点击搜索和购买历史等的商品推荐方式，推荐效果并不全面，而且精确度也不是很高。

发明内容

有鉴于此，本发明提出一种跨平台商品推荐方法、装置、计算机设备及计算机可读存储介质，能够解决上述的商品推荐不够全面，以及推荐精确度不高的问题。

首先，为实现上述目的，本发明提供一种跨平台商品推荐方法，所述方法包括：

接收商品推荐任务，根据所述商品推荐任务中的目标商品创建初始人群包；从用户信息表中找出包括所述初始人群包的目标标签的目标用户集，其中，所述用户信息表包括第一平台的第一类别用户的第一用户画像信息和第二平台的第二类别用户的第二用户画像信息；对所述目标用户集进行去重过滤后添加到所述初始人群包，得到目标商品人群包；将所述目标商品推荐到所述目标商品人群包中的每个用户。

在一个例子中，所述根据所述商品推荐任务中的目标商品创建初始人群包包括：获取所述目标商品的商品关键字，查找出所述商品关键字关联的商品清单和影视剧清单；查找出与所述商品清单包括的商品具有关联的第一标签集，以及与所述影视剧清单包括的影视剧具有关联的第二标签集；将所述第一标签集和所述第二标签集设置为所述初始人群包的所述目标标签。

在一个例子中，所述第一平台为视频播放平台，所述第一用户画像信息包括用户对于影视剧的喜好标签，所述第一用户画像信息是通过统计所述用户对所述影视剧的看剧行为，追剧行为以及评论和弹幕行为得到的。

在一个例子中，所述第二平台为购物平台，所述第二用户画像信息包括用户对于商品的喜好标签，所述第二用户画像信息是通过统计所述用户对所述商品的浏览行为，购买行为和分享行为得到的。

在一个例子中，所述对所述目标用户集进行去重过滤包括：获取所述目标用户集中的第一类别用户的第一用户基础信息和第二类别用户的第二用户基础信息，其中，所述用户基础信息包括用户IP，年龄和性别；选择出性别或者年龄不符合所述目标商品的用户信息并过滤掉；以及将所述目标用户集中的具有相同用户IP的用户信息进行过滤并保持其中一个。

在一个例子中，所述方法还包括：对所述目标商品人群包标记第一ID；以及对所述目标商品人群包中的每个用户打上第二ID的标签；其中，所述第一ID与所述第二ID设置为具有关联关系。

在一个例子中，所述将所述目标商品推荐到所述目标商品人群包中的每个用户包括：将所述目标商品推荐到带有所述第二ID的所有用户。

此外，为实现上述目的，本发明还提供一种跨平台商品推荐装置，所述装置包括：

创建模块，用于接收商品推荐任务，根据所述商品推荐任务中的目标商品创建初始人群包；查找模块，用于从用户信息表中找出包括所述初始人群包的目标标签的目标用户集，其中，所述用户信息表包括第一平台的第一类别用户的第一用户画像信息和第二平台的第二类别用户的第二用户画像信息；过滤模块，用于对所述目标用户集进行去重过滤后添加到所述初始人群包，得到目标商品人群包；推荐模块，用于将所述目标商品推荐到所述目标商品人群包中的每个用户。

在一个例子中，所述第一训练模型至少包括第一模型分片和第二模型分片，所述拉取模块还用于：从多个模型服务器上拉取所述训练模型的所有模型分片，所述多个模型至少包括第一模型服务器和第二模型服务器，每个模型服务器上存储至少一个模型分片。

进一步地，本发明还提出一种计算机设备，所述计算机设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述的跨平台商品推荐方法的步骤。

进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的跨平台商品推荐方法的步骤。

相较于现有技术，本发明所提出的跨平台商品推荐方法、装置、计算机设备及计算机可读存储介质，能够接收商品推荐任务，根据所述商品推荐任务中的目标商品创建初始人群包；然后从包括第一平台的第一类别用户的第一用户画像信息和第二平台的第二类别用户的第二用户画像信息的用户信息表中找出包括所述初始人群包的目标标签的目标用户集；对所述目标用户集进行去重过滤后添加到所述初始人群包，得到目标商品人群包；将所述目标商品推荐到所述目标商品人群包中的每个用户。通过这种方式，能够实现跨平台进行商品推荐，将两个平台的用户数据进行融合后再执行商品推荐，因此，推荐更加全面，精确度也提高了。

附图说明

图1是本发明一实施例的应用环境示意图；

图2是本发明跨平台商品推荐方法一具体实施例的流程示意图；

图3是图2步骤200中根据所述商品推荐任务中的目标商品创建初始人群包的一具体实施例的流程示意图；

图4是图2步骤S204中的对所述目标用户集进行去重过滤的一具体实施例的流程示意图；

图5是基于图2一具体实施例的流程示意图；

图6是本发明跨平台商品推荐方法一具体实施例的效果图；

图7是本发明计算机设备一可选的硬件架构的示意图；

图8是本发明跨平台商品推荐装置一实施例的程序模块示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

图1是本发明一实施例的应用环境示意图。参阅图1所示，所述计算机设备1与第一平台2和第二平台3连接，在接收商品推荐任务之后创建初始人群包，然后从所述第一平台2和第二平台3中查找出包括所述初始人群包的目标标签的用户集并添加到所述初始人群包，从而得到目标商品人群包，最后将目标商品推荐多少该目标商品人群包的所有用户。在本实施例中，所述计算机设备1可作为终端设备如推荐服务器，移动终端，PC机等。在其他实施例中，所述计算机设备1也可以作为独立的功能模块，然后附加到推荐服务器，移动终端，PC机上，以实现跨平台商品推荐的功能，这里不做限制。

图2是本发明跨平台商品推荐方法一实施例的流程示意图。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以图1所示的应用环境为例，以计算机设备为执行主体进行示例性描述。

如图2所示，所述跨平台商品推荐方法可以包括步骤S200～S206，其中：

步骤S200，接收商品推荐任务，根据所述商品推荐任务中的目标商品创建初始人群包。

具体的，所述计算机设备1可以通过连接到其他终端设备，从而接收商品经营者通过所述其他终端设备发送过来的商品推荐任务，然后根据所述商品推荐任务中的目标商品创建初始人群包。其中，所述初始人群包是只包括有目标标签而暂时还没有用户数据的人群包。当然，在其他实施例中，所述计算机设备1也可以通过提供一个用户交互界面，然后通过所述用户交互界面接收商品经营者触发的商品推荐任务。

如图3所示，在一具体实施例中，所述根据所述商品推荐任务中的目标商品创建初始人群包的过程可以包括步骤S300～S304。

步骤S300，获取所述目标商品的商品关键字，查找出所述商品关键字关联的商品清单和影视剧清单。

步骤S302，查找出与所述商品清单包括的商品具有关联的第一标签集，以及与所述影视剧清单包括的影视剧具有关联的第二标签集。

步骤S304，将所述第一标签集和所述第二标签集设置为所述初始人群包的所述目标标签。

具体地，所述商品推荐任务中包括有目标商品，因此，所述计算机设备1可以获取所述目标商品的关键字，然后查找出关联的商品清单和影视剧清单；接着再查找出所述商品清单中的每一个商品对应的关联标签，以及所述影视剧清单中每一个影视剧对应的关联标签；最后将这些所有的标签设置为所述初始人群包的所述目标标签。例如，目标商品为“初音压手办”，那么所述计算机设备1则获取该目标商品的关键字“初音”，以及“初音”英文“fate”；然后查找出对应的商品清单，包括：“初音泡面”，“初音项链”和“初音魔法帽”，以及查找出对应的影视剧清单，包括：“fate”，“fate剧场版”，“fate外传”；接着，所述计算机设备1查找出所述商品清单中每一个商品对应的关联标签，比如：“初音cosplay”和“初音生活”，以及查找出所述影视剧清单中每一个影视剧清单对应的关联标签，比如：“初音控”和“初音铁杆粉”；最后，所述计算机设备1将“初音cosplay”，“初音生活”，“初音控”和“初音铁杆粉”作为所述初始人群包的目标标签。通过商品关键字的方式查找所述目标商品对应的影视剧和商品，然后再获取到所述影视剧和所述商品的标签作为所述目标标签，由于所述影视剧和所述商品的标签都是用户标记的，因此，这样设置目标标签可以覆盖范围更全面的用户群体。

步骤S202，从用户信息表中找出包括所述初始人群包的目标标签的目标用户集，其中，所述用户信息表包括第一平台的第一类别用户的第一用户画像信息和第二平台的第二类别用户的第二用户画像信息。

具体地，所述计算机设备1在创建好初始人群包之后，则从所述第一平台2上获取包括所述目标标签的第一类别用户的第一用户画像信息，然后从所述第二平台3上获取包括所述目标标签的第二类别用户的第二用户画像信息。

在本实施例中，所述第一平台为视频播放平台，所述第一用户画像信息包括用户对于影视剧的喜好标签，所述第一用户画像信息是通过统计所述用户对所述影视剧的看剧行为，追剧行为以及评论和弹幕行为得到的。例如，所述视频播放平台获取平台用户对于影视剧的观看记录，然后统计用户对于影视剧的看剧行为，并且统计到用户对于某个影视剧的看剧次数超过预设的第一阈值或者看剧时间超过预设的第二阈值，那么则对所述用户打上喜好标签如“xx剧控”或者“xx剧铁杆粉”的标签。当然，还可以根据用户对于该影视剧的追剧次数，或者参加评论或弹幕互动的次数是否超过预设阈值，从而对该用户打上对于该影视剧的喜好标签。

而所述第二平台，在本实施例中则为购物平台，所述第二用户画像信息包括用户对于商品的喜好标签，所述第二用户画像信息是通过统计所述用户对所述商品的浏览行为，购买行为和分享行为得到的。例如，所述购物平台获取平台用户对于商品的购买记录，然后统计用户对于商品的购买行为，并且统计到用户对于某个商品的购买次数超过预设的第三阈值，那么则对所述用户打上喜好标签如“xx商品生活”或者“xx商品控”的标签。当然，还可以根据用户对于该商品的浏览次数或者分享次数，从而对该用户打上对于该商品的喜好标签。

因此，所述计算机设备1可以从所述第一平台获取到的第一类别用户的第一用户画像信息和从第二平台获取到的第二类别用户的第二用户画像信息中查找包括所述目标标签的目标用户集。例如，从所述第一类别用户中查找到包括“初音控”和“初音铁杆粉”的M个用户画像信息，以及从第二类别用户中查找到包括“初音生活”和“初音控”的N个用户画像信息；那么所述计算机设备1则将所述M个用户画像信息对应的用户以及N个用户画像信息对应的用户作为所述目标用户集。

步骤S204，对所述目标用户集进行去重过滤后添加到所述初始人群包，得到目标商品人群包。

具体地，所述计算机设备1查找到包括所述初始人群包的所述目标标签的目标用户集之后，还会进一步对所述目标用户集进行去重过滤，然后将所述目标用户集中的经过去重过滤后的用户添加到所述初始人群包，从而得到目标商品人群包。参阅图4所示，在一示例性实施例中，步骤S204中对所述目标用户集进行去重过滤包括步骤S400～S404。

步骤S400，获取所述目标用户集中的第一类别用户的第一用户基础信息和第二类别用户的第二用户基础信息，其中，所述用户基础信息包括用户IP，年龄和性别。

步骤S402，选择出性别或者年龄不符合所述目标商品的用户信息并过滤掉。

步骤S404，将所述目标用户集中的具有相同用户IP的用户信息进行过滤并保持其中一个。

由于用户可能既在所述第一平台注册了账号，也在所述第二平台上注册了账号，所以导致从第一平台获取的第一类别用户与所述第二类别的用户存在重复情况。因此，所述计算机设备1则根据所述目标用户集中的用户的基础信息进一步对所述目标用户集进行去重过滤。在本实施例中，用户基础信息包括用户IP，年龄和性别，因此，所述计算机设备1可以先根据年龄和性别过滤掉不符合所述目标商品推荐对象的用户信息。然后再根据用户IP，过滤掉重复IP的用户信息，从而得到过滤后的目标用户集，然后添加到所述初始人群包，得到所述目标商品人群包。

步骤S206，将所述目标商品推荐到所述目标商品人群包中的每个用户。

在得到所述目标商品人群包之后，所述计算机设备1则可以直接将所述目标商品推荐到所述目标商品人群包中的每个用户。

在另一个实施例中，所述跨平台商品推荐方法除了包括步骤S200～S206之外，还可以包括步骤S500～S502，参阅图5所示。

步骤S500，对所述目标商品人群包标记第一ID。

步骤S502，对所述目标商品人群包中的每个用户打上第二ID的标签；其中，所述第一ID与所述第二ID设置为具有关联关系。

在本实施例中，所述计算机设备1通过对所述目标商品人群包标记第一ID，从而使得后续一段时间内的商品推荐过程中，可以直接拉取所述第一ID对应的目标商品人群包进行目标商品的推荐。而对于所述目标商品人群包中的每个用户打上第二ID的标签，那么在后续的过程中，也可以直接将所述目标商品推荐给打上第二ID标签的用户，省去了创建人群包的过程。

请继续参阅图6，在一具体实施例中，本发明所述跨平台商品推荐方法的执行效果如图6所示，所述计算机设备1通过视频播放平台和购物平台获取用户的商品浏览行为，商品购买和分享行为，看剧和追剧行为，评论和弹幕行为以及用户基础信息等用户数据；接着所述计算机设备1对这些用户数据进行统计从而对用户进行用户画像，最后得到用户信息表。

当所述计算机设备1接收到商品推荐任务之后，则创建初始人群包。然后根据所述初始人群包的目标标签从所述用户信息表中查找包括所述目标标签的用户信息，从而产生目标用户集；接着，所述计算机设备1对所述目标用户集执行去重过滤得到目标商品人群包。最后，所述计算机设备1再执行目标商品推荐，将所述商品推荐任务中的目标商品推荐给所述目标商品人群包中的所有用户。

从上文可知，本实施例所提出的跨平台商品推荐方法能够接收商品推荐任务，根据所述商品推荐任务中的目标商品创建初始人群包；然后从包括第一平台的第一类别用户的第一用户画像信息和第二平台的第二类别用户的第二用户画像信息的用户信息表中找出包括所述初始人群包的目标标签的目标用户集；对所述目标用户集进行去重过滤后添加到所述初始人群包，得到目标商品人群包；将所述目标商品推荐到所述目标商品人群包中的每个用户。通过这种方式，能够实现跨平台进行商品推荐，将两个平台的用户数据进行融合后再执行商品推荐，因此，推荐更加全面，精确度也提高了。

此外，本发明还提供一种计算机设备，参阅图7所示，是本发明计算机设备一可选的硬件架构的示意图。

本实施例中，所述计算机设备1可包括，但不仅限于，可通过系统总线相互通信连接存储器11、处理器12、网络接口13。所述计算机设备1通过网络接口13连接网络(图7未标出)，通过网络连接到服务器(图7未标出)进行数据交互。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobilecommunication，GSM)、宽带码分多址(Wideband Code Division MultIPle Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi、通话网络等无线或有线网络。

需要指出的是，图7仅示出了具有组件11-13的计算机设备1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器11可以是所述计算机设备1的内部存储单元，例如该计算机设备1的硬盘或内存。在另一些实施例中，所述存储器11也可以是所述计算机设备1的外部存储设备，例如该计算机设备1配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器11还可以既包括所述计算机设备1的内部存储单元也包括其外部存储设备。本实施例中，所述存储器11通常用于存储安装于所述计算机设备1的操作系统和各类应用软件，跨平台商品推荐装置200的程序代码等。此外，所述存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器12在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述计算机设备1的总体操作，例如执行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行所述跨平台商品推荐装置200的应用程序，这里不做限制。

所述网络接口13可包括无线网络接口或有线网络接口，该网络接口13通常用于在所述计算机设备1与调度节点、用户终端及待测试CDN节点建立通信连接。

本实施例中，所述计算机设备1内安装并运行有跨平台商品推荐装置200时，当所述跨平台商品推荐装置200运行时，能够接收商品推荐任务，根据所述商品推荐任务中的目标商品创建初始人群包；然后从包括第一平台的第一类别用户的第一用户画像信息和第二平台的第二类别用户的第二用户画像信息的用户信息表中找出包括所述初始人群包的目标标签的目标用户集；对所述目标用户集进行去重过滤后添加到所述初始人群包，得到目标商品人群包；将所述目标商品推荐到所述目标商品人群包中的每个用户。通过这种方式，能够实现跨平台进行商品推荐，将两个平台的用户数据进行融合后再执行商品推荐，因此，推荐更加全面，精确度也提高了。

至此，己经详细介绍了本发明计算机设备的硬件结构和功能。下面，将基于上述计算机设备，提出本发明的各个实施例。

参阅图8所示，是本发明跨平台商品推荐装置200一实施例的程序模块图。

本实施例中，所述跨平台商品推荐装置200包括一系列的存储于存储器11上的计算机程序指令，当该计算机程序指令被处理器12执行时，可以实现本发明实施例的跨平台商品推荐功能。在一些实施例中，基于该计算机程序指令各部分所实现的特定的操作，跨平台商品推荐装置200可以被划分为一个或多个模块。例如，在图8中，所述跨平台商品推荐装置200可以被分割成创建模块201、查找模块202、过滤模块203、推荐模块204和标记模块205。其中：

所述创建模块201，用于接收商品推荐任务，根据所述商品推荐任务中的目标商品创建初始人群包。

具体的，所述计算机设备可以通过连接到其他终端设备，因此，所述创建模块201接收商品经营者通过所述其他终端设备发送过来的商品推荐任务，然后根据所述商品推荐任务中的目标商品创建初始人群包。其中，所述初始人群包是只包括有目标标签而暂时还没有用户数据的人群包。当然，在其他实施例中，所述计算机设备也可以通过提供一个用户交互界面，然后所述创建模块201通过所述用户交互界面接收商品经营者触发的商品推荐任务。

在本实施例中，所述创建模块201根据所述商品推荐任务中的目标商品创建初始人群包的过程包括：获取所述目标商品的商品关键字，查找出所述商品关键字关联的商品清单和影视剧清单；查找出与所述商品清单包括的商品具有关联的第一标签集，以及与所述影视剧清单包括的影视剧具有关联的第二标签集；将所述第一标签集和所述第二标签集设置为所述初始人群包的所述目标标签。具体地，所述商品推荐任务中包括有目标商品，因此，所述创建模块201可以获取所述目标商品的关键字，然后查找出关联的商品清单和影视剧清单；接着再查找出所述商品清单中的每一个商品对应的关联标签，以及所述影视剧清单中每一个影视剧对应的关联标签；最后将这些所有的标签设置为所述初始人群包的所述目标标签。例如，目标商品为“初音压手办”，那么所述创建模块201则获取该目标商品的关键字“初音”，以及“初音”英文“fate”；然后查找出对应的商品清单，包括：“初音泡面”，“初音项链”和“初音魔法帽”，以及查找出对应的影视剧清单，包括：“fate”，“fate剧场版”，“fate外传”；接着，所述创建模块201查找出所述商品清单中每一个商品对应的关联标签，比如：“初音cosplay”和“初音生活”，以及查找出所述影视剧清单中每一个影视剧清单对应的关联标签，比如：“初音控”和“初音铁杆粉”；最后，所述创建模块201将“初音cosplay”，“初音生活”，“初音控”和“初音铁杆粉”作为所述初始人群包的目标标签。通过商品关键字的方式查找所述目标商品对应的影视剧和商品，然后再获取到所述影视剧和所述商品的标签作为所述目标标签，由于所述影视剧和所述商品的标签都是用户标记的，因此，这样设置目标标签可以覆盖范围更全面的用户群体。

所述查找模块202，用于从用户信息表中找出包括所述初始人群包的目标标签的目标用户集，其中，所述用户信息表包括第一平台的第一类别用户的第一用户画像信息和第二平台的第二类别用户的第二用户画像信息。

具体地，所述创建模块201在创建好初始人群包之后，所述查找模块202则从所述第一平台上获取包括所述目标标签的第一类别用户的第一用户画像信息，然后从所述第二平台上获取包括所述目标标签的第二类别用户的第二用户画像信息。

在本实施例中，所述第一平台为视频播放平台，所述第一用户画像信息包括用户对于影视剧的喜好标签，所述第一用户画像信息是通过统计所述用户对所述影视剧的看剧行为，追剧行为以及评论和弹幕行为得到的。例如，所述视频播放平台获取平台用户对于影视剧的观看记录，然后统计用户对于影视剧的看剧行为，并且统计到用户对于某个影视剧的看剧次数超过预设的第一阈值或者看剧时间超过预设的第二阈值，那么则对所述用户打上喜好标签如“xx剧控”或者“xx剧铁杆粉”的标签。当然，还可以根据用户对于该影视剧的追剧次数，或者参加评论或弹幕互动的次数是否超过预设阈值，从而对该用户打上对于该影视剧的喜好标签。

而所述第二平台，在本实施例中则为购物平台，所述第二用户画像信息包括用户对于商品的喜好标签，所述第二用户画像信息是通过统计所述用户对所述商品的浏览行为，购买行为和分享行为得到的。例如，所述购物平台获取平台用户对于商品的购买记录，然后统计用户对于商品的购买行为，并且统计到用户对于某个商品的购买次数超过预设的第三阈值，那么则对所述用户打上喜好标签如“xx商品生活”或者“xx商品控”的标签。当然，还可以根据用户对于该商品的浏览次数或者分享次数，从而对该用户打上对于该商品的喜好标签。

因此，所述查找模块202可以从所述第一平台获取到的第一类别用户的第一用户画像信息和从第二平台获取到的第二类别用户的第二用户画像信息中查找包括所述目标标签的目标用户集。例如，从所述第一类别用户中查找到包括“初音控”和“初音铁杆粉”的M个用户画像信息，以及从第二类别用户中查找到包括“初音生活”和“初音控”的N个用户画像信息；那么所述查找模块202则将所述M个用户画像信息对应的用户以及N个用户画像信息对应的用户作为所述目标用户集。

所述过滤模块203，用于对所述目标用户集进行去重过滤后添加到所述初始人群包，得到目标商品人群包。

具体地，所述查找模块202查找到包括所述初始人群包的所述目标标签的目标用户集之后，所述过滤模块203还会进一步对所述目标用户集进行去重过滤，然后将所述目标用户集中的经过去重过滤后的用户添加到所述初始人群包，从而得到目标商品人群包。

在本实施例中，所述过滤模块203对所述目标用户集进行去重过滤的过程包括：获取所述目标用户集中的第一类别用户的第一用户基础信息和第二类别用户的第二用户基础信息，其中，所述用户基础信息包括用户IP，年龄和性别；选择出性别或者年龄不符合所述目标商品的用户信息并过滤掉；将所述目标用户集中的具有相同用户IP的用户信息进行过滤并保持其中一个。

由于用户可能既在所述第一平台注册了账号，也在所述第二平台上注册了账号，所以导致从第一平台获取的第一类别用户与所述第二类别的用户存在重复情况。因此，所述过滤模块203则根据所述目标用户集中的用户的基础信息进一步对所述目标用户集进行去重过滤。在本实施例中，用户基础信息包括用户IP，年龄和性别，因此，所述过滤模块203可以先根据年龄和性别过滤掉不符合所述目标商品推荐对象的用户信息。然后再根据用户IP，过滤掉重复IP的用户信息，从而得到过滤后的目标用户集，然后添加到所述初始人群包，得到所述目标商品人群包。

所述推荐模块204，用于将所述目标商品推荐到所述目标商品人群包中的每个用户。在得到所述目标商品人群包之后，所述推荐模块204则可以直接将所述目标商品推荐到所述目标商品人群包中的每个用户。

所述标记模块205，用于对所述目标商品人群包标记第一ID，以及对所述目标商品人群包中的每个用户打上第二ID的标签；其中，所述第一ID与所述第二ID设置为具有关联关系。

在本实施例中，所述标记模块205通过对所述目标商品人群包标记第一ID，从而使得后续一段时间内的商品推荐过程中，可以直接拉取所述第一ID对应的目标商品人群包进行目标商品的推荐。而对于所述目标商品人群包中的每个用户打上第二ID的标签，那么在后续的过程中，也可以直接将所述目标商品推荐给打上第二ID标签的用户，省去了创建人群包的过程。

从上文可知，所述计算机设备能够接收商品推荐任务，根据所述商品推荐任务中的目标商品创建初始人群包；然后从包括第一平台的第一类别用户的第一用户画像信息和第二平台的第二类别用户的第二用户画像信息的用户信息表中找出包括所述初始人群包的目标标签的目标用户集；对所述目标用户集进行去重过滤后添加到所述初始人群包，得到目标商品人群包；将所述目标商品推荐到所述目标商品人群包中的每个用户。通过这种方式，能够实现跨平台进行商品推荐，将两个平台的用户数据进行融合后再执行商品推荐，因此，推荐更加全面，精确度也提高了。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种跨平台商品推荐方法，其特征在于，所述方法包括：

接收商品推荐任务，根据所述商品推荐任务中的目标商品创建初始人群包；

从用户信息表中找出包括所述初始人群包的目标标签的目标用户集，其中，所述用户信息表包括第一平台的第一类别用户的第一用户画像信息和第二平台的第二类别用户的第二用户画像信息；

对所述目标用户集进行去重过滤后添加到所述初始人群包，得到目标商品人群包；

将所述目标商品推荐到所述目标商品人群包中的每个用户。

2.如权利要求1所述的跨平台商品推荐方法，其特征在于，所述根据所述商品推荐任务中的目标商品创建初始人群包包括：

获取所述目标商品的商品关键字，查找出所述商品关键字关联的商品清单和影视剧清单；

查找出与所述商品清单包括的商品具有关联的第一标签集，以及与所述影视剧清单包括的影视剧具有关联的第二标签集；

将所述第一标签集和所述第二标签集设置为所述初始人群包的所述目标标签。

3.如权利要求1所述的跨平台商品推荐方法，其特征在于，所述第一平台为视频播放平台，所述第一用户画像信息包括用户对于影视剧的喜好标签，所述第一用户画像信息是通过统计所述用户对所述影视剧的看剧行为，追剧行为以及评论和弹幕行为得到的。

4.如权利要求1所述的跨平台商品推荐方法，其特征在于，所述第二平台为购物平台，所述第二用户画像信息包括用户对于商品的喜好标签，所述第二用户画像信息是通过统计所述用户对所述商品的浏览行为，购买行为和分享行为得到的。

5.如权利要求1所述的跨平台商品推荐方法，其特征在于，所述对所述目标用户集进行去重过滤包括：

获取所述目标用户集中的第一类别用户的第一用户基础信息和第二类别用户的第二用户基础信息，其中，所述用户基础信息包括用户IP，年龄和性别；

选择出性别或者年龄不符合所述目标商品的用户信息并过滤掉；以及

将所述目标用户集中的具有相同用户IP的用户信息进行过滤并保持其中一个。

6.如权利要求1所述的跨平台商品推荐方法，其特征在于，所述方法还包括：

对所述目标商品人群包标记第一ID；以及

对所述目标商品人群包中的每个用户打上第二ID的标签；其中，所述第一ID与所述第二ID设置为具有关联关系。

7.如权利要求6所述的跨平台商品推荐方法，其特征在于，所述将所述目标商品推荐到所述目标商品人群包中的每个用户包括：

将所述目标商品推荐到带有所述第二ID的所有用户。

8.一种跨平台商品推荐装置，其特征在于，所述装置包括：

创建模块，用于接收商品推荐任务，根据所述商品推荐任务中的目标商品创建初始人群包；

查找模块，用于从用户信息表中找出包括所述初始人群包的目标标签的目标用户集，其中，所述用户信息表包括第一平台的第一类别用户的第一用户画像信息和第二平台的第二类别用户的第二用户画像信息；

过滤模块，用于对所述目标用户集进行去重过滤后添加到所述初始人群包，得到目标商品人群包；

推荐模块，用于将所述目标商品推荐到所述目标商品人群包中的每个用户。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-7任一项所述的跨平台商品推荐方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-7中任一项所述的跨平台商品推荐方法的步骤。

Images