[发明专利]一种活动推荐方法、装置、电子设备和存储介质

说明书

本发明公开了一种活动推荐方法、装置、电子设备和存储介质，该方法包括：根据待测用户的历史参与活动信息确定待测用户的用户类型，其中，用户类型包括第一类型用户或第二类型用户，并且第一类型用户历史参与活动数量大于第二类型用户；根据用户类型，将待测用户的数据输入对应的指定模型进行预测，获得活动推荐列表，其中，指定模型包括LSTM模型和神经网络分类器模型；根据活动推荐列表对待测用户进行活动推荐。通过采用不同模型组合的方式，根据待测用户的不同类型采用所适合的模型进行预测，有效的提升了模型对场景的适应性，从而提升了活动推荐的准确性，并提升了用户的浏览体验，满足了用户的实际需求。

技术领域

本发明实施例涉及互联网技术领域，尤其涉及一种活动推荐方法、装置、电子设备和存储介质。

背景技术

目前电商平台为了刺激用户在平台消费，经常会选择推送一系列活动，以进行促销和增大用户的粘性。而在C2M(Customer-to-Manufacturer，用户直连制造)模式下，不仅电商平台会举办活动，制造商即商家本身也会举办活动，但现有技术无法帮助商家寻找潜在的对其活动感兴趣的用户。目前进行平台活动推荐常用的方式通常是：采用主动式的弹窗或短信向用户密集推送单一活动；采用被动式的广告位推荐，给用户尽量多的曝光活动，以让用户自行进行选择；人工对用户进行画像分群，对不同群体的用户进行个性化推荐；通过已有智能算法模型对用户进行分类，对不同分类的用户进行不同的推荐。

但针对上述的前两种方式，所有用户被集中推送活动，而不同用户对不同活动的倾向性有很大的差异，很多时候用户对推送的活动并不感兴趣，而弹出的弹窗还会破坏用户的浏览体验；针对第三种方式由于数据处理量较大，因此需要较高的成本；而针对第四种方式则由于理论模型处理实际数据时由于适应性差，会出现计算缓慢效果差的问题，因此现有的活动推荐方式并不能满足用户的实际需求。

发明内容

本发明实施例提供了一种活动推荐方法、装置、电子设备和存储介质，以实现活动的准确推荐，以提示用户的体验效果。

第一方面，本发明实施例提供了一种活动推荐方法，包括：

根据待测用户的历史参与活动信息确定待测用户的用户类型，其中，用户类型包括第一类型用户或第二类型用户，并且第一类型用户历史参与活动数量大于第二类型用户；

根据用户类型，将待测用户的数据输入对应的指定模型进行预测，获得活动推荐列表，其中，指定模型包括LSTM模型和神经网络分类器模型；

根据活动推荐列表对待测用户进行活动推荐。

第二方面，本发明实施例提供了一种活动推荐装置，包括：

待测用户的类型确定模块，用于根据待测用户的历史参与活动信息确定待测用户的用户类型，其中，用户类型包括第一类型用户或第二类型用户，并且第一类型用户历史参与活动数量大于第二类型用户；

活动推荐列表获得模块，用于根据用户类型，将待测用户的数据输入对应的指定模型进行预测，获得活动推荐列表，其中，指定模型包括LSTM模型和神经网络分类器模型；

活动推荐模块，用于根据活动推荐列表对待测用户进行活动推荐。

第三方面，本发明实施例还提供了一种电子设备，电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明任意实施例的方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例的方法。