[发明专利]一种排序方法、装置、电子设备和非易失性存储介质

说明书

本发明实施例涉及人工智能领域，公开了一种排序方法及设备、存储介质。本发明中，该排序方法包括：根据商品的信息，确定第一特征因子，其中，商品与活动场景相对应；根据商品所属商户的信息、用户的信息、商户和用户之间的关联信息中的至少一项，确定第二特征因子；根据第一特征因子和第二特征因子，确定商品的得分值；根据商品的得分值，对商品进行排序。针对不同的活动场景，通过灵活配置第一特征因子，结合第二特征因子，能够快速搭建不同活动主题的商品智能排序模型，进而对商品进行排序，以实现千人千面的商品展示，为用户提供精准推荐，更加贴近用户需求，进而提高用户的体验度。

技术领域

本发明实施例涉及人工智能领域，特别涉及一种排序方法、装置、电子设备和非易失性存储介质。

背景技术

目前，用户在购买外卖时，都是通过外卖平台与商户进行下单交易。为了挖掘出用户潜在下单意愿，外卖平台会基于菜品的维度向用户进行智能推荐，比如，按照人气排名、好评度、价格优惠等不同的主题进行智能排序，并显示排序结果给用户。

发明人发现相关技术中至少存在如下问题：在向用户进行智能推荐时，用户会希望获得不同维度的推荐排序，而不同的维会存在多种多样的推荐主题。其中，基于菜品维度的推荐主题的日志数据较少，无法从较少的数据中挖掘出菜品与对应推荐主题之间的内在关联关系，无法使用户获得想要的菜品推荐名单；并且，由于外卖平台的用户数与菜品数都在亿级别，且用户与菜品之间的交互数据较少，一般使用菜品名称或菜品评价等信息组成菜品的文本数据，若将该文本数据转换为数学模型中的数字表示，计算量会非常大，无法获得很好的排序结果，进而使用户无法获得想要的菜品推荐名单，降低用户体验度。

发明内容

本发明实施方式的目的在于提供一种排序方法及设备、存储介质，用以解决销售平台无法精确推荐出适应不同的维度的菜品的问题。

为解决上述技术问题，本发明的实施方式提供了一种排序方法，包括以下步骤：根据商品的信息，确定第一特征因子，其中，商品与活动场景相对应；根据商品所属商户的信息、用户的信息、商户和用户之间的关联信息中的至少一项，确定第二特征因子；根据第一特征因子和第二特征因子，确定商品的得分值；根据商品的得分值，对商品进行排序。

本发明的实施方式还提供了一种排序装置，包括：第一特征模块，用于根据商品的信息，确定第一特征因子，其中，商品与活动场景相对应；第二特征模块，用于根据商品所属商户的信息、用户的信息、商户和用户之间的关联信息中的至少一项，确定第二特征因子；商品分数模块，用于根据第一特征因子和第二特征因子，确定商品的得分值；排序模块，用于根据商品的得分值，对商品进行排序。

本发明的实施方式还提供了一种电子设备，包括存储器和处理器，存储器存储计算机程序，处理器运行程序时执行：根据商品的信息，确定第一特征因子，其中，商品与活动场景相对应；根据商品所属商户的信息、用户的信息、商户和用户之间的关联信息中的至少一项，确定第二特征因子；根据第一特征因子和第二特征因子，确定商品的得分值；根据商品的得分值，对商品进行排序。

本发明的实施方式还提供了一种非易失性存储介质，用于存储计算机可读程序，计算机可读程序用于供计算机执行如上的排序方法。

本发明实施方式相对于现有技术而言，主要区别及其效果在于：针对不同的活动场景，通过灵活配置第一特征因子，结合第二特征因子，确定商品的得分值，能够快速搭建不同活动主题的商品智能排序模型，进而通过该得分值对商品进行排序，以实现千人千面的商品展示，为用户提供精准推荐，更加贴近用户需求，进而提高用户的体验度。

另外，根据第一特征因子和第二特征因子，确定商品的得分值，包括：根据第一特征因子对商品进行排序，确定商品的第一特征编号；根据第二特征因子对商品所属商户进行排序，确定商户的第二特征编号；对第一特征编号和第二特征编号进行加权融合，获得商品的得分值。