[发明专利]信息推荐方法、装置及服务器

说明书

本说明书实施例关于信息推荐方法、装置及服务器，该方法包括：获取历史用户在特定区域内的各店铺进行消费的消费次数；根据所述消费次数以及店铺的预设热门度初始值或历史用户的预设质量分值初始值，利用预设迭代模型确定所述特定区域内各店铺的热门度和各历史用户的质量分值，所述预设迭代模型是使店铺的热门度与历史用户的质量分值和该历史用户在该店铺内的消费次数成正相关关系、历史用户的质量分值与店铺的热门度和该历史用户在该店铺内的消费次数成正相关关系的迭代模型；根据所确定的店铺的热门度和历史用户的质量分值向目标用户推荐热门度高的店铺的信息。本说明书实施例提高确定消费达人和热门店铺的准确性，进而提高推荐信息的可信度。

技术领域

本申请涉及网络通信技术领域，尤其涉及信息推荐方法、装置及服务器。

背景技术

在互联网领域中，往往需要评价店铺的热门度和用户的质量。通过对用户质量的评估可以找出消费达人，消费达人是在如何选择店铺等方面非常在行的人，通过对店铺热门度的评估可以找出比较热门的店铺，以便向其他用户推荐热门店铺。

相关技术中，通过统计用户的消费次数确定消费达人，通过统计店铺被消费的次数确定热门店铺。通过这种方式会导致经常在质量较差的店铺消费的人也能成为消费达人，被很多质量较差的用户消费过的店铺也能成为热门店铺，从而使推荐的热门店铺不是高质量的店铺，即推荐信息的可信度低。

发明内容

本申请提供信息推荐方法、装置及服务器，以解决现有技术中推荐信息的可信度低的问题。

根据本申请实施例的第一方面，提供一种信息推荐方法，包括：

获取历史用户在特定区域内的各店铺进行消费的消费次数，所述历史用户是与所述特定区域内店铺存在消费关系的用户；

根据所述消费次数以及店铺的预设热门度初始值或历史用户的预设质量分值初始值，利用预设迭代模型确定所述特定区域内各店铺的热门度和各历史用户的质量分值，所述预设迭代模型是使店铺的热门度与历史用户的质量分值和该历史用户在该店铺内的消费次数成正相关关系、历史用户的质量分值与店铺的热门度和该历史用户在该店铺内的消费次数成正相关关系的迭代模型；

根据所确定的店铺的热门度和历史用户的质量分值向目标用户推荐热门度高的店铺的信息。

根据本申请实施例的第二方面，提供一种信息推荐装置，所述装置包括：

次数获取单元，用于获取历史用户在特定区域内的各店铺进行消费的消费次数，所述历史用户是与所述特定区域内店铺存在消费关系的用户；

迭代计算单元，用于根据所述消费次数以及店铺的预设热门度初始值或历史用户的预设质量分值初始值，利用预设迭代模型确定所述特定区域内各店铺的热门度和各历史用户的质量分值，所述预设迭代模型是使店铺的热门度与历史用户的质量分值和该历史用户在该店铺内的消费次数成正相关关系、历史用户的质量分值与店铺的热门度和该历史用户在该店铺内的消费次数成正相关关系的迭代模型；

信息推荐单元，用于根据所确定的店铺的热门度和历史用户的质量分值向目标用户推荐热门度高的店铺的信息。

根据本申请实施例的第三方面，提供一种服务器，包括：

处理器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取历史用户在特定区域内的各店铺进行消费的消费次数，所述历史用户是与所述特定区域内店铺存在消费关系的用户；