[发明专利]物流信息推荐方法、装置、设备及存储介质

说明书

本发明涉及物流技术领域，公开了一种物流信息推荐方法、装置、设备及存储介质，用于根据目标用户不同时间段的兴趣特征，进行个性化物流信息推荐，提高推荐准确度和推荐效率。物流信息推荐方法包括：接收用户终端发送的当前推荐请求数据；获取目标用户的历史数据和初始物流信息序列；对目标用户属性信息和目标用户的历史数据进行特征提取，得到目标用户的属性特征标签、物流信息特征标签和在多个时间段的兴趣特征信息；对初始物流信息序列进行协同过滤，得到候选物流信息序列；根据当前推荐请求数据、在多个时间段的兴趣特征信息和候选物流信息序列，生成推荐物流信息。

技术领域

本发明涉及物流技术领域，尤其涉及一种物流信息推荐方法、装置、设备及存储介质。

背景技术

大数据时代背景下，互联网数据爆炸式增长给用户带来信息超载和资源迷向的问题，用户在大量数据面前无法明确自己的信息需求并获得相应的信息资源。基于人工智能技术的推荐系统一定程度上解决了信息超载和资源迷向的问题，推荐系统是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。与搜索引擎相比，推荐系统通过统计用户点击、浏览、转发、购买等行为，研究用户的兴趣偏好，人工智能学习相应的特征数据，针对每个场景进行个性化推荐，引导用户发现自己的信息需求。

在现有的物流信息推荐方法中，没有将用户行为的发生的时间特征纳入考虑，无法根据用户会话在不同用户阶段周期阶段所发生的时间，进行个性化推荐，推荐准确度不高，推荐效率低。

发明内容

本发明提供了一种物流信息推荐方法、装置、设备及存储介质，用于根据目标用户不同时间段的兴趣特征，进行个性化物流信息推荐，提高推荐准确度和推荐效率。

本发明第一方面提供了一种物流信息推荐方法，包括：接收用户终端发送的当前推荐请求数据，当前推荐请求数据包括目标用户属性信息；根据目标用户属性信息，获取目标用户的历史数据和初始物流信息序列；对目标用户属性信息和目标用户的历史数据进行特征提取，得到目标用户的属性特征标签、物流信息特征标签和在多个时间段的兴趣特征信息；根据目标用户的属性特征标签和物流信息特征标签对初始物流信息序列进行协同过滤，得到候选物流信息序列；根据当前推荐请求数据、在多个时间段的兴趣特征信息和候选物流信息序列，生成第一推荐物流信息。

在一种可行的实施方式中，对目标用户属性信息和目标用户的历史数据进行特征提取，得到目标用户的属性特征标签、物流信息特征标签和在多个时间段的兴趣特征信息，包括：对目标用户属性信息进行特征提取，得到目标用户的属性特征标签；对目标用户的历史数据进行特征提取，得到物流信息特征标签，历史数据包括历史物流信息序列、访问历史物流信息序列的时间信息、访问后的用户行为信息；对访问历史物流信息序列的时间信息和物流信息特征标签进行时序分析，得到物流信息时间序列；将目标用户的历史数据和物流信息时间序列输入预置的兴趣特征模型，得到目标用户在多个时间段的兴趣特征信息。

在一种可行的实施方式中，将目标用户的历史数据和物流信息时间序列输入预置的兴趣特征模型，得到目标用户在多个时间段的兴趣特征信息，包括：根据历史数据的时间信息和访问后的用户行为信息，将历史数据分为多个时间段，得到多个时间段的历史数据；将多个时间段的历史数据和物流信息时间序列输入预置的兴趣特征模型，确定目标用户在每个时间段的短期兴趣特征，得到目标用户在多个时间段的短期兴趣特征；根据目标用户的短期兴趣特征和历史数据，得到目标用户的长期兴趣特征；将目标用户在多个时间段的短期兴趣特征和目标用户的长期兴趣特征进行融合，得到目标用户在多个时间段的兴趣特征信息。

在一种可行的实施方式中，根据历史数据的时间信息和访问后的用户行为信息，将历史数据分为多个时间段，得到多个时间段的历史数据，包括：根据访问后的用户行为信息，确定目标用户是否执行过预设行为，预设行为包括按照优先级排序的多个预设行为；若目标用户执行过预设行为，则根据预设行为的优先级，确定目标用户的用户生命周期阶段；根据历史数据的时间信息和用户生命周期阶段，将历史数据分为多个时间段，得到多个时间段的历史数据。