[发明专利]一种信息推荐的方法、装置及设备

权利要求书

1.一种信息推荐的方法，包括：

获取静态信息以及动态信息，所述静态信息包括用户的固定信息和/或各服务信息对应的固定信息，所述动态信息包括各历史服务信息被各用户执行操作的操作记录和/或所述用户当前时刻所处环境的环境属性信息中的至少一种；

将所述静态信息输入到预先训练的WideDeep模型中的Wide线性模型中，将所述动态信息输入到预先训练的WideDeep模型中的Deep深度学习模型中，以得到所述WideDeep模型的输出结果；根据所述输出结果，确定推荐给所述用户的服务信息。

2.如权利要求1所述的方法，所述用户的固定信息包括：所述用户的年龄、学历、性别、住址、所述用户执行业务的业务类别中的至少一种；

所述各服务信息对应的固定信息包括：发布所述各服务信息的各服务商所处的地区、所述各服务信息的有效时间、所述各服务商对应的店铺数、所述各服务商对应的商家规模、所述各服务商展示各服务信息的模板形式中的至少一种；

所述用户在当前时刻所处环境的环境属性信息包括：所述当前时刻的天气信息、所述用户在当前时刻所处的位置与所述各服务商之间的距离、当前的月份、当前的季节、当前节日信息中的至少一种；

所述操作记录包括：各历史服务信息被各用户执行浏览的次数、各历史服务信息被用户执行使用操作的次数、各历史服务信息被用户执行选取操作的次数中的至少一种。

3.如权利要求1所述的方法，所述WideDeep模型的输出结果包括：所述WideDeep模型针对所述各服务信息得出的推荐评分；

根据所述输出结果，确定推荐给所述用户的服务信息，具体包括：

将不小于设定推荐评分的服务信息推荐给所述用户。

4.如权利要求1所述的方法，训练所述WideDeep模型，具体包括：

将历史数据拆分成训练样本和验证样本；

通过所述训练样本对所述WideDeep模型进行训练，并通过所述验证样本对训练后的WideDeep模型进行验证。

5.如权利要求4所述的方法，将历史数据拆分成训练样本和验证样本，具体包括：

将位于设定时间之前的历史数据作为训练样本，将位于所述设定时间之后的历史数据作为验证样本。

6.如权利要求1所述的方法，所述方法还包括：每过预设时间段，将所述时间段内的历史数据作为训练样本和验证样本，对所述WideDeep模型进行训练，将训练得到的WideDeep模型及时进行线上更新。

7.如权利要求1所述的方法，所述方法还包括：推荐确定出的所述服务器信息至所述用户。

8.如权利要求1至7中任一所述的方法，所述服务信息包括：优惠券。

9.一种信息推荐的装置，包括：

信息获取模块，获取静态信息以及动态信息，所述静态信息包括用户的固定信息和/或各服务信息对应的固定信息，所述动态信息包括各历史服务信息被各用户执行操作的操作记录和/或所述用户当前时刻所处环境的环境属性信息中的至少一种；

输入模块，将所述静态信息输入到预先训练的WideDeep模型中的Wide线性模型中，将所述动态信息输入到预先训练的WideDeep模型中的Deep深度学习模型中，以得到所述WideDeep模型的输出结果；

信息推荐模块，根据所述输出结果，确定推荐给所述用户的服务信息。

10.如权利要求9所述的装置，所述WideDeep模型的输出结果包括：所述WideDeep模型针对所述各服务信息得出的推荐评分；

所述信息推荐模块，将不小于设定推荐评分的服务信息推荐给所述用户。

11.一种信息推荐的设备，设备包括一个或多个存储器以及处理器，所述存储器存储程序，并且被配置成由所述一个或多个处理器执行以下步骤：

获取静态信息以及动态信息，所述静态信息包括用户的固定信息和/或各服务信息对应的固定信息，所述动态信息包括各历史服务信息被各用户执行操作的操作记录和/或所述用户当前时刻所处环境的环境属性信息中的至少一种；；

将所述静态信息输入到预先训练的WideDeep模型中的Wide线性模型中，将所述动态信息输入到预先训练的WideDeep模型中的Deep深度学习模型中，以得到所述WideDeep模型的输出结果；

根据所述输出结果，确定推荐给所述用户的服务信息。