对象推荐方法、装置、设备及存储介质与流程

1.本技术涉及数据处理技术领域，尤其涉及一种对象推荐方法、装置、设备及存储介质。


背景技术：

2.随着科学技术的不断发展，足不出户便可购到所需商品的网络购物方式变得越来越流行，而电商网站是网络购物(简称网购)的载体，其上承载了大量商品的相关信息，人们的网购活动主要在电商网站上完成。
3.目前，为了刺激消费，提高用户的购买欲望，电商网站经常会开展促销活动，例如，优惠券满减，金额满减。以优惠券满减为例，比如，满99减10，满199减50，满199减100等等。用户通常会对这种促销优惠感兴趣，并加购的商品金额满足满减条件时进行下单，而在加购的商品金额不满足满减条件时，从购物车页面进入商品凑单页面，进而从商品凑单页面上展示的推荐商品中选择凑单商品。
4.然而，现有技术中商品凑单页面上展示的推荐商品通常是基于销量和/或评价和/或用户浏览记录等推荐的，用户可能需要耗费较长时间或更换多次筛选条件才能选中满意的商品，存在推荐精度低的问题。


技术实现要素：

5.本技术提供一种对象推荐方法、装置、设备及存储介质，以克服现有对象推荐方案中存在的推荐精度低的问题。
6.第一方面，本技术实施例提供一种对象推荐方法，包括：
7.接收用户的对象推荐请求，所述对象推荐请求包括：目标优惠信息的使用额度信息和已选择对象的当前额度信息；
8.根据所述当前额度信息和所述使用额度信息，对所述目标优惠信息对应资源池中的对象进行排序，得到对象排序结果；
9.基于所述对象排序结果，向所述用户推荐对象。
10.在第一方面的一种可能设计中，所述根据所述当前额度信息和所述使用额度信息，对所述目标优惠信息对应资源池中的对象进行排序，得到对象排序结果，包括：
11.根据所述使用额度信息和所述当前额度信息，确定允许使用所述目标优惠信息所需的差额信息；
12.根据所述目标优惠信息，定位到所述目标优惠信息对应的资源池，所述资源池中的每个对象均具有至少一个优惠标签与所述目标优惠信息相对应；
13.根据所述资源池中每个对象的金额信息与所述差额信息之间的距离信息对所述资源池中的所有对象进行排序，得到对象排序结果。
14.在第一方面的上述可能设计中，所述方法还包括：
15.获取预先配置的排序约束条件；
16.所述根据所述资源池中每个对象的金额信息与所述差额信息之间的距离信息对所述资源池中的所有对象进行排序，得到对象排序结果，包括：
17.根据所述资源池中每个对象的金额信息与所述差额信息之间的距离信息和所述排序约束条件，确定排序约束因子集合；
18.基于所述排序约束因子集合中每个排序因子对所述资源池中的所有对象进行排序，得到对象排序结果。
19.可选的，所述基于所述排序约束因子集合中每个排序因子对所述资源池中的所有对象进行排序，得到对象排序结果，包括：
20.针对所述资源池中的每个对象，计算所述排序约束因子集合中每个约束因子的归一化得分；
21.根据每个约束因子的归一化得分和各个约束因子的权重系数，确定每个约束因子的得分；
22.对所述排序约束因子集合中每个约束因子的得分进行求和，得到所述对象的排序得分。
23.可选的，所述距离信息对应约束因子的权重系数与所述排序约束因子集合中所有约束因子的权重系数和的比值大于预设分值。
24.在第一方面的上述可能设计中，所述排序约束条件包括以下至少一种：对象的浏览量信息、对象的销量信息、对象的评价信息。
25.在第一方面的另一种可能设计中，所述方法还包括：
26.获取用户的对象选择指示，所述对象选择指示包括：至少一个对象的标识信息；
27.根据所述至少一个对象的标识信息，确定每个对象的金额信息；
28.基于所述至少一个对象的金额信息，更新已选择对象的当前额度信息。
29.第二方面，本技术实施例提供一种对象推荐装置，包括：接收模块、处理模块和推荐模块；
30.所述接收模块，用于接收用户的对象推荐请求，所述对象推荐请求包括：目标优惠信息的使用额度信息和已选择对象的当前额度信息；
31.所述处理模块，用于根据所述当前额度信息和所述使用额度信息，对所述目标优惠信息对应资源池中的对象进行排序，得到对象排序结果；
32.所述推荐模块，用于基于所述对象排序结果，向所述用户推荐对象。
33.在第二方面的一种可能设计中，所述处理模块，具体用于：
34.根据所述使用额度信息和所述当前额度信息，确定允许使用所述目标优惠信息所需的差额信息；
35.根据所述目标优惠信息，定位到所述目标优惠信息对应的资源池，所述资源池中的每个对象均具有至少一个优惠标签与所述目标优惠信息相对应；
36.根据所述资源池中每个对象的金额信息与所述差额信息之间的距离信息对所述资源池中的所有对象进行排序，得到对象排序结果。
37.在第二方面的上述可能设计中，所述处理模块，还用于获取预先配置的排序约束条件；
38.所述处理模块，用于根据所述资源池中每个对象的金额信息与所述差额信息之间
的距离信息对所述资源池中的所有对象进行排序，得到对象排序结果，具体为：
39.所述处理模块，具体用于根据所述资源池中每个对象的金额信息与所述差额信息之间的距离信息和所述排序约束条件，确定排序约束因子集合，并基于所述排序约束因子集合中每个排序因子对所述资源池中的所有对象进行排序，得到对象排序结果。
40.可选的，所述处理模块，用于基于所述排序约束因子集合中每个排序因子对所述资源池中的所有对象进行排序，得到对象排序结果，具体为：
41.所述处理模块，具体用于：
42.针对所述资源池中的每个对象，计算所述排序约束因子集合中每个约束因子的归一化得分；
43.根据每个约束因子的归一化得分和各个约束因子的权重系数，确定每个约束因子的得分；
44.对所述排序约束因子集合中每个约束因子的得分进行求和，得到所述对象的排序得分。
45.可选的，所述距离信息对应约束因子的权重系数与所述排序约束因子集合中所有约束因子的权重系数和的比值大于预设分值。
46.可选的，所述排序约束条件包括以下至少一种：对象的浏览量信息、对象的销量信息、对象的评价信息。
47.在第二方面的另一种可能设计中，所述处理模块，还用于获取用户的对象选择指示，所述对象选择指示包括：至少一个对象的标识信息，根据所述至少一个对象的标识信息，确定每个对象的金额信息，基于所述至少一个对象的金额信息，更新已选择对象的当前额度信息。
48.第三方面，本技术实施例还提供一种服务器，包括处理器、存储器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方面以及各可能设计所述的方法。
49.第四方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行第一方面以及各可能设计所述的方法。
50.本技术实施例提供的对象推荐方法、装置、设备及存储介质，通过接收用户的对象推荐请求，根据对象推荐请求中包括的目标优惠信息的使用额度信息和已选择对象的当前额度信息，对目标优惠信息对应资源池中的对象进行排序，并基于得到的对象排序结果向用户推荐对象。该技术方案中，当基于目标优惠信息的使用额度信息和已选择对象的当前额度信息的差额信息对对象进行排序时，用户能够快速准确的确定出中意的商品，提供了商品推荐的精度。
附图说明
51.图1是本技术提供的对象推荐方法的应用场景示意图；
52.图2为本技术实施例提供的对象推荐方法实施例一的流程示意图；
53.图3为图2所示实施例中用户发出对象推荐请求的跳转界面示意图；
54.图4为本技术实施例提供的对象推荐方法实施例二的流程示意图；
55.图5为本技术实施例提供的对象推荐方法实施例三的流程示意图；
56.图6为本技术实施例提供的对象推荐方法中对象排序的实现框图；
57.图7为本技术实施例提供的对象推荐方法实施例四的流程示意图；
58.图8为本技术实施例提供的对象推荐装置实施例的结构示意图；
59.图9为本技术实施例提供的用于执行对象推荐方法的服务器的结构示意图。
具体实施方式
60.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
61.在介绍本技术的技术方案之前，首先结合本技术的一个具体应用场景引出现有技术存在的问题以及本技术的技术构思过程。
62.示例性的，以下以本技术提供的对象推荐方法应用于商品推荐进行说明。具体的，随着电子商务业务的快速发展，网络购物已成为一种购物趋势。为了刺激消费，大多数的电商网站可以采取一些策略，例如，通过发布一些优惠信息来提高用户的购买欲望。
63.示例性的，电商网站采取的策略信息中最常用的是优惠满减活动，例如，领券满减，金额满减，不管哪一种形式，均需要确定用户选择的商品总金额大于设定的使用额度。例如，满99减10，满200减10，满199减50，满199减100，满299减150等等。可以理解的是，本技术实施例并不对目标优惠信息的使用额度信息和可减金额信息的具体数额进行限定，其可以根据实际应用场景确定，此处不再赘述。
64.通常情况下，当用户基于需求从电商网站承载的商品中选择目标商品并加入购物车后，若由于购物车内的已选择商品的总金额不满足目标优惠信息的使用额度信息而无法使用优惠券时，用户可以通过操作终端设备的界面，从购物车页面跳转到凑单页面，进而从目标优惠信息对应的商品池中选择凑单商品，以便能够使用该目标优惠信息。
65.目前，电商网站上设定的商品推荐策略通常是默认推荐销量较高或者好评比较高的商品，或者推荐用户历史浏览记录相关的，但是推荐的商品价格常常高于使用优惠券还需要的金额，这时用户可能需要耗费较长时间或更换多次筛选条件才能选中满意的商品，存在推荐精度低的问题。也即，现有的商品推荐方法没有根据优惠券的使用差额来推荐商品，很难实现精心凑单(比如，目标优惠信息的使用额度信息为199，而购物车中选择的所有商品的总金额恰好为199元)。
66.举个例子：若用户想要使用满199减100的美妆护肤优惠券，且此时购物车商品金额已经为190元，还差9元即可使用优惠券。现有技术中，电商网站优先推荐销量较高的或者好评较高的商品，用户可以手动的根据价格筛选或排序来选择凑单商品；如果筛选条件为根据价格从低到高排序，而当遇到低价的商品比较多时，用户需要滑动终端设备的屏幕很多次，才能找到合适商品；如果用户根据筛选条件筛选的商品中没有满意的商品，则还需要更换多次筛选条件，总之用户会花费更多的时间去凑单，存在由于商品推荐精度低而致使用户体验差的问题。
67.针对上述问题，发明人通过研究发现，如果电商网站优先推荐最接近差额的商品，
用户选中商品并下单的时间会大大缩短，即减少了用户搜索商品的时间，提高了用户体验。
68.具体的，本技术实施例提供了一种对象推荐方法，在接收到用户的对象推荐请求时，根据对象推荐请求中包括的目标优惠信息的使用额度信息和已选择对象的当前额度信息，对目标优惠信息对应资源池中的对象进行排序，并基于得到的对象排序结果向用户推荐对象。该技术方案中，当基于目标优惠信息的使用额度信息和已选择对象的当前额度信息的差额信息对对象进行排序时，用户能够快速准确的确定出中意的商品，提供了商品推荐的精度。
69.值得说明的是，在本技术的实施例中，对象指的是电商网站中承载的商品，相应的，该对象推荐方法是筛选商品并执行推荐的过程。
70.示例性的，图1是本技术提供的对象推荐方法的应用场景示意图。如图1所示，该应用场景可以包括：至少一个终端设备(图1示出了三个终端设备，分别为终端设备111、终端设备112、终端设备113)、网络12和服务器13。其中，每个终端设备与服务器13均可以通过网络12进行通信。
71.可选的，当用户需要下单时，利用终端设备11通过网络12向服务器13发送对象推荐请求，服务器13可以根据对象推荐请求包括的目标优惠信息的使用额度信息和已选择对象的当前额度信息对目标优惠信息对应资源池中的对象进行排序得到对象排序结果，从而基于该对象排序结果，通过网络12向该用户使用的终端设备11推荐排序在前的对象。
72.需要说明的是，附图1仅是本技术实施例提供的一种应用场景的示意图，本技术实施例不对图1中包括的设备进行限定，也不对图1中设备之间的位置关系进行限定，例如，在图1所示的应用场景中，还可以包括数据存储设备，该数据存储设备相对服务器13可以是外部存储器，也可以是集成在服务器13中的内部存储器。
73.下面，通过具体实施例对本技术的技术方案进行详细说明。需要说明的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
74.图2为本技术实施例提供的对象推荐方法实施例一的流程示意图。该方法以图1所示应用场景中的服务器作为执行主体进行解释说明。如图2所示，该方法可以包括如下步骤：
75.s201、接收用户的对象推荐请求，该对象推荐请求包括：目标优惠信息的使用额度信息和已选择对象的当前额度信息。
76.在本技术的实施例中，用户通过终端设备浏览目标网站的对象，例如，浏览电商网站上的商品，并有下单的需求时，用户发现已选择对象可以对应到至少一种优惠信息，即已选择对象满足上述至少一种优惠信息的使用条件。
77.可选的，本技术的实施例中，将用户想要使用的一种优惠信息称为目标优惠信息。相应的，若用户在目标网站上已经挑选了目标对象，但是用户当前已选择对象的当前额度信息并不满足目标优惠信息的使用额度信息，即若用户只下单已选择对象并不能享受目标优惠信息的优惠，这时，用户可以通过终端设备发出对象推荐请求，以使服务器推荐该目标优惠信息对应的至少一个对象，以使得用户选择后能够满足该目标优惠信息的使用条件。
78.例如，用户将已选择对象添加至购物车后，服务器确定已选择对象能够使用领券满减或者直接满减的优惠信息，例如，领券满199减100的目标优惠信息，再检测购物车中已
选择对象中可使用该目标优惠信息的对象的总额度信息是否大于或等于199，若是，则满足目标优惠信息的使用条件，服务器允许用户使用该目标优惠信息，用户直接提交订单并支付即可；若否，服务器不允许使用该目标优惠信息，这时，用户可以通过终端设备向服务器发送对象推荐请求，以使服务器推荐一些对象供用户选择。
79.示例性的，图3为图2所示实施例中用户发出对象推荐请求的跳转界面示意图。如图3所示，用户通过操作终端设备使得终端设备的界面处于购物车页面，并已选中某些对象，例如，对象1和对象2，但是对象1和对象2的总额度信息不满足目标优惠信息的使用额度信息，即满199减100中的199，这时，用户可以点击终端设备界面上的凑单选项，从而使得终端设备的界面跳转到凑单界面，即用户发出了对象推荐请求，且该对象推荐请求中携带了目标优惠信息的使用额度信息和已选择对象的当前额度信息。
80.通过在对象推荐请求中携带目标优惠信息的使用额度信息和已选择对象的当前额度信息，能够提高服务器推荐对象的准确度。
81.s202、根据当前额度信息和使用额度信息，对目标优惠信息对应资源池中的对象进行排序，得到对象排序结果。
82.在本技术的实施例中，服务器通过对接收到的用户的对象推荐请求进行解析，可以确定出目标优惠信息的使用额度信息和已选择对象的当前额度信息。一方面，服务器可以根据目标优惠信息的使用额度信息和已选择对象的当前额度信息确定出使用该目标优惠信息所需的差额信息，另一方面，服务器可以基于该目标优惠信息在该网站中的总资源池，从中筛选出可使用该目标优惠信息的所有对象，即得到目标优惠信息对应资源池。
83.可选的，服务器可以基于使用该目标优惠信息所需的差额信息和预设的排序算法对目标优惠信息对应资源池中所有对象进行排序，从而得到对象排序结果。
84.值得说明的是，在本技术的实施例中，预设的排序算法中利用了使用该目标优惠信息所需的差额信息，因而，该对象排序结果中考虑了对象的额度信息与所需差额信息之间距离的关系，从而使得用户能够快速确定出满足上述差额信息的对象。
85.s203、基于上述对象排序结果，向用户推荐对象。
86.在本技术的实施例中，服务器通过对目标优惠信息对应资源池中的对象进行排序得到对象排序结果后，服务器可以按照排序由前往后的顺序向用户推荐对象。
87.示例性的，服务器向用户的终端设备推荐对象时，可以根据终端设备的用户界面能够显示的对象数量批量推荐，这样终端设备可以依次在终端设备的用户界面依次展示服务器推荐的对象，从而供用户进行选择。
88.示例性的，参照图3所示，终端设备显示界面上展示的对象m排在对象n之前，对象n排在对象n之前。这样，用户可以从界面显示的对象中选择中意的对象或继续下滑选择对象。示例性的，在图3中，用户选中了对象m和对象p。
89.本技术实施例提供的对象推荐方法，通过接收用户的对象推荐请求，根据对象推荐请求中包括的目标优惠信息的使用额度信息和已选择对象的当前额度信息，对目标优惠信息对应资源池中的对象进行排序，并基于得到的对象排序结果向用户推荐对象。该技术方案中，当基于目标优惠信息的使用额度信息和已选择对象的当前额度信息的差额信息对对象进行排序时，用户能够快速准确的确定出中意的商品，提供了商品推荐的精度。
90.示例性的，在上述实施例的基础上，图4为本技术实施例提供的对象推荐方法实施
例二的流程示意图。如图4所示，上述s202可以通过如下步骤实现：
91.s401、根据上述使用额度信息和当前额度信息，确定允许使用该目标优惠信息所需的差额信息。
92.在本技术的实施例中，该方案的应用场景是由于已选择对象的当前额度信息小于目标优惠信息的使用额度信息，使得用户下单时不能使用该目标优惠信息，因而，用户通过终端设备向服务器发送对象推荐请求的场景下。
93.可选的，为了在后续执行对象排序时能够将所需的差额信息作为一个排序条件，服务器在获取到目标优惠信息的使用额度信息和已选择对象的当前额度信息时，可以利用目标优惠信息的使用额度信息减去已选择对象的当前额度信息，从而确定允许使用该目标优惠信息所需的差额信息。
94.s402、根据上述目标优惠信息，定位到目标优惠信息对应的资源池。
95.其中，该资源池中的每个对象均具有至少一个优惠标签与该目标优惠信息相对应。
96.在本技术的实施例中，服务器根据对象推荐请求获取到目标优惠信息时，可以查询网站中每个对象具有的优惠标签，确定出与该目标优惠信息相对应的优惠标签以及具有该优惠标签的所有对象，这些对象组成了目标优惠信息对应的资源池。
97.可选的，在实际应用中，为了刺激用户的消费，加速用户的下单，可能会为每个对象设定至少一个优惠标签，例如，满减、领券满减、满n件打m折(n和m均为整数，其可根据实际需要设定)等。若想使用上述目标优惠信息，则需要根据对象具有的优惠标签，确定优惠标签与目标优惠信息相对应所有对象，进而得到目标优惠信息对应的资源池。
98.可以理解的是，在实际应用中，s401和s402可以同时执行，也可以分别执行，在分别执行时，可以先执行s401再执行s402，也可以先执行s402再执行s401，本技术实施例并不对上述s401和s402的具体执行顺序进行限定，其可以根据实际情况设定，此处不作过多赘述。
99.s403、根据资源池中每个对象的金额信息与上述差额信息之间的距离信息对资源池中的所有对象进行排序，得到对象排序结果。
100.示例性的，由于资源池中对象的金额信息差别很大，有的对象金额小于差额信息很多，有的对象金额大于差额信息很多，但也有很多对象的金额与差额信息比较接近。为了将与对象金额与差额信息比较接近的对象排在所有对象的前面，可以首先计算资源池中每个对象的金额信息与上述差额信息之间的距离信息，然后再根据该距离信息对资源池中的对象进行排序，从而将金额与差额信息最接近的对象排在所有对象的前面，生成对象排序结果。
101.本技术实施例提供的对象推荐方法，根据使用额度信息和当前额度信息，确定允许使用该目标优惠信息所需的差额信息，根据该目标优惠信息，定位到该目标优惠信息对应的资源池，根据该资源池中每个对象的金额信息与差额信息之间的距离信息对资源池中的所有对象进行排序，得到对象排序结果。该技术方案中，基于所需的差额信息和对象金额信息之间的距离信息对资源池中的对象进行排序，能够将与差额信息接近的对象排在前面，降低了用户查找耗费的时间，为后续对象的准确推荐提供了条件。
102.可选的，在上述图4所示实施例的基础上，图5为本技术实施例提供的对象推荐方
法实施例三的流程示意图。在图5所示的实施例中，该方法还可以包括如下步骤：
103.s501、获取预先配置的排序约束条件。
104.在实际应用中，为了进一步提高对象推荐的精度和用户的粘性，服务器中通常预先配置有排序约束条件，以便在用户发出对象推荐请求时，服务器能够及时获取到该排序约束条件。
105.示例性的，在本技术的实施例中，上述排序约束条件包括以下至少一种：对象的浏览量信息、对象的销量信息、对象的评价信息。
106.其中，对象的浏览量信息可以是该用户在当前时刻之前的第一预设时间段内曾经浏览对象的次数信息。对象的销量信息可以是在当前时刻之前的第二预设时间段内的对象销量信息，对象的评价信息可以是在当前时刻之前的第三预设时间段内的对象好评率信息。
107.可选的，第一预设时间段、第二预设时间段和第三预设时间段的时长可以相同，也可以不同，其对应的时间段可以是相同的时间段，也可以是不同的时间段。关于第一预设时间段、第二预设时间段和第三预设时间段的具体实现可以根据实际情况确定，此处不再赘述。
108.可理解，本技术实施例并不限定排序约束条件的具体实现形式和数量，其还可以有其他的表现形式，此处不再赘述。
109.可选的，该步骤s501可以在上述s403之前执行，也可以在s401或s402之前执行，关于s501的具体执行时间不做限定。示例性的，在图5所示的实施例中，以s501在s402之后、s403之前执行进行举例说明。
110.相应的，上述s403可以通过如下步骤实现：
111.s502、根据该资源池中每个对象的金额信息与差额信息之间的距离信息和上述排序约束条件，确定排序约束因子集合。
112.在本技术的实施例中，由于对象的金额、对象的浏览量信息、对象的销量信息、对象的评价信息均可能是用户选择对象想要考虑的因素，因而，服务器在对资源池中的对象排序时，可以基于资源池中每个对象的金额信息与差额信息之间的距离信息和上述排序约束条件包括的至少一个约束因子，确定出执行对象排序的所有排序约束因子，即排序约束因子集合。
113.s503、基于排序约束因子集合中每个排序因子对资源池中的所有对象进行排序，得到对象排序结果。
114.示例性的，服务器可以基于排序约束因子集合中每个排序因子，针对资源池中的每个对象，分别计算每个排序因子的得分，进而基于所有排序因子的得分确定每个对象的总分值，最后按照总得分从高到低的顺序进行排序，得到对象排序结果。
115.示例性的，图6为本技术实施例提供的对象推荐方法中对象排序的实现框图。如图6所示，本技术实施例以排序约束因子集合包括每个对象的金额信息与差额信息之间的距离信息d＝|y-p|、对象浏览量pv，对象在预设时间段内的销量信息sc、对象好评率re进行解释说明。其中，y是使用目标优惠信息所需的差额，p是对象的金额。
116.具体的，结合图6所示的框图，s503的具体实现步骤如下：
117.a1、针对资源池中的每个对象，计算排序约束因子集合中每个约束因子的归一化
得分。
118.示例性的，服务器中会存储每个对象的信息，例如，金额信息、销量信息、好评率信息、用户浏览信息等，在服务器要计算每个约束因子的归一化得分时，首先获取每个对象的信息，然后利用最大-最小的归一化处理方法，对排序约束因子集合中每个约束因子进行的归一化处理，得到每个约束因子的归一化得分。
119.例如，在资源池中的所有对象中，假设对象金额信息与差额信息之间的最大距离值为d_max，对象金额信息与差额信息之间的最小距离值为d_min；最大的对象浏览量为pv_max，最小的对象浏览量为pv_min；在预设时间段内的最大销量值为sc_max，最大销量值为sc_min，最高的对象好评率为re_max，最低的对象好评率为re_min。
120.因而，参照图6所示，针对资源池的某个对象，其对应的距离信息为d，对象浏览量为pv，对象销量值为sc，对象好评率为re，则该对象对应的距离信息的归一化得分为d
′
＝(d-d_min)/(d_max-d_min)，该对象对应的对象浏览量的归一化得分为pv
′
＝(pv-pv_min)/(pv_max-pv_min)，该对象对应的对象销量值的归一化得分为sc
′
＝(sc-sc_min)/(sc_max-sc_min)，该对象对应的对象好评率的归一化得分为re
′
＝(re-re_min)/(re_max-re_min)。
121.a2、根据每个约束因子的归一化得分和各个约束因子的权重系数，确定每个约束因子的得分。
122.在本技术的实施例中，为了表征不同约束因子对对象排序的影响程度，通常情况下，服务器中还会为每个约束因子预先配置一个权重系数，利用该权重系数乘以对应预设因子的归一化得分，可以计算出每个约束因子的得分。
123.示例性的，参照图6所示，假设距离信息的权重系数为w1，对象浏览量的权重系数为w2，对象销量值的权重系数为w3，对象好评率的权重系数为w4。因而，对于资源池中的每个对象，该对象对应的距离信息的得分为w1
×
d
′
，该对象对应的对象浏览量的得分为w2
×
pv
′
，该对象对应的对象销量值的得分为w3
×
sc
′
，该对象对应的对象好评率的得分为w4
×
re
′
。
124.可选的，在本技术的实施例中，距离信息对应约束因子的权重系数与该排序约束因子集合中所有约束因子的权重系数和的比值大于预设分值。
125.具体的，为了保证得到的对象排序结果与差额信息具有较高的相关性，距离信息的权重系数w1与排序约束因子集合中所有约束因子的权重系数和sum(w1，w2，w3，w4)满足如下关系w1/sum(w1，w2，w3，w4)＞预设分值。可选的，该预设分值可以是0.4。该预设分值还可以取其他的数值，其可以根据实际需求设定，此处不再赘述。
126.a3、对排序约束因子集合中每个约束因子的得分进行求和，得到对象的排序得分。
127.可选的，针对资源池中的每个对象，在确定出每个约束因子的得分后，可以计算所有约束因子的总和，例如，将该对象对应的距离信息的得分为w1
×
d
′
、该对象对应的对象浏览量的得分为w2
×
pv
′
、该对象对应的对象销量值的得分为w3
×
sc
′
以及该对象对应的对象好评率的得分为w4
×
re
′
进行求和，得到该对象的排序得分s＝w1
×
d
′
w2
×
pv
′
w3
×
sc
′
w4
×
re
′
。
128.本技术实施例提供的对象推荐方法，通过获取预先配置的排序约束条件，根据资源池中每个对象的金额信息与差额信息之间的距离信息和排序约束条件，确定排序约束因子集合，进而基于该排序约束因子集合中每个排序因子对资源池中的所有对象进行排序，
得到对象排序结果。该技术方案，对资源池中的商品进行排序时，再结合对象浏览量、对象销量和对象好评率等因素对资源池中的对象进行排序，能够进一步提高推荐对象的精确度，为缩短用户选择对象的时间奠定了基础。
129.可选的，在上述图5所示实施例的基础上，图7为本技术实施例提供的对象推荐方法实施例四的流程示意图。如图7所示，该方法还可以包括如下步骤：
130.s701、获取用户的对象选择指示，该对象选择指示包括：至少一个对象的标识信息。
131.在本技术的实施例中，用户可以通过终端设备的用户界面选择服务器推荐的某个对象，例如，用户选择了至少一个对象，这时终端设备会首先确定至少一个对象的标识并生成对象选择指示，然后将其发送至服务器，从而服务器可以获取到上述用户选择的至少一个对象的标识信息。
132.s702、根据上述至少一个对象的标识信息，确定每个对象的金额信息。
133.在本实施例中，服务器中存储的每个对象均具有唯一的标识信息，因而，服务器在获取到用户选择的至少一个对象的标识信息时，能够定位每个对象的基本信息，从而确定出每个对象的金额信息。
134.s703、基于上述至少一个对象的金额信息，更新已选择对象的当前额度信息。
135.在本实施例中，当用户选择至少一个对象且确定每个对象的金额信息时，可以每个对象的金额信息叠加到上述已选择对象的当前额度信息中，即更新已选择对象的当前额度信息，为后续服务器判定是否可以使用目标优惠信息提供条件。
136.本技术实施例提供的对象推荐方法，通过获取用户的对象选择指示，该对象选择指示包括至少一个对象的标识信息，根据至少一个对象的标识信息，确定每个对象的金额信息，再基于至少一个对象的金额信息，更新已选择对象的当前额度信息，其可以为用户是否继续执行对象选择提供参考。
137.下述为本技术装置实施例，可以用于执行本技术方法实施例。对于本技术装置实施例中未披露的细节，请参照本技术方法实施例。
138.图8为本技术实施例提供的对象推荐装置实施例的结构示意图。该装置可以集成在服务器上，也可以通过服务器实现。如图8所示，该装置可以包括：接收模块801、处理模块802和推荐模块803。
139.其中，接收模块801，用于接收用户的对象推荐请求，所述对象推荐请求包括：目标优惠信息的使用额度信息和已选择对象的当前额度信息；
140.处理模块802，用于根据所述当前额度信息和所述使用额度信息，对所述目标优惠信息对应资源池中的对象进行排序，得到对象排序结果；
141.推荐模块803，用于基于所述对象排序结果，向所述用户推荐对象。
142.示例性的，在本技术的一种可能设计中，处理模块802，具体用于：
143.根据所述使用额度信息和所述当前额度信息，确定允许使用所述目标优惠信息所需的差额信息；
144.根据所述目标优惠信息，定位到所述目标优惠信息对应的资源池，所述资源池中的每个对象均具有至少一个优惠标签与所述目标优惠信息相对应；
145.根据所述资源池中每个对象的金额信息与所述差额信息之间的距离信息对所述
资源池中的所有对象进行排序，得到对象排序结果。
146.示例性的，在本技术的该种可能设计中，处理模块802，还用于获取预先配置的排序约束条件；
147.相应的，处理模块802，用于根据所述资源池中每个对象的金额信息与所述差额信息之间的距离信息对所述资源池中的所有对象进行排序，得到对象排序结果，具体为：
148.处理模块802，具体用于根据所述资源池中每个对象的金额信息与所述差额信息之间的距离信息和所述排序约束条件，确定排序约束因子集合，并基于所述排序约束因子集合中每个排序因子对所述资源池中的所有对象进行排序，得到对象排序结果。
149.可选的，处理模块802，用于基于所述排序约束因子集合中每个排序因子对所述资源池中的所有对象进行排序，得到对象排序结果，具体为：
150.处理模块802，具体用于：
151.针对所述资源池中的每个对象，计算所述排序约束因子集合中每个约束因子的归一化得分；
152.根据每个约束因子的归一化得分和各个约束因子的权重系数，确定每个约束因子的得分；
153.对所述排序约束因子集合中每个约束因子的得分进行求和，得到所述对象的排序得分。
154.示例性的，所述距离信息对应约束因子的权重系数与所述排序约束因子集合中所有约束因子的权重系数和的比值大于预设分值。
155.在本技术的实施例中，所述排序约束条件包括以下至少一种：对象的浏览量信息、对象的销量信息、对象的评价信息。
156.示例性的，在本技术的再一种可能设计中，处理模块802，还用于获取用户的对象选择指示，所述对象选择指示包括：至少一个对象的标识信息，根据所述至少一个对象的标识信息，确定每个对象的金额信息，基于所述至少一个对象的金额信息，更新已选择对象的当前额度信息。
157.本技术实施例提供的装置，可用于执行图2至图7所示实施例中的方法，其实现原理和技术效果类似，在此不再赘述。
158.需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，处理模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上处理模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
159.例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(application specific integrated circuit，asic)，或，一个
或多个微处理器(digital signal processor，dsp)，或，一个或者多个现场可编程门阵列(field programmable gate array，fpga)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(central processing unit，cpu)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，soc)的形式实现。
160.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
161.图9为本技术实施例提供的用于执行对象推荐方法的服务器的结构示意图。如图9所示，该服务器可以包括：处理器91、存储器92、通信接口93和系统总线94。其中，存储器92和通信接口93通过系统总线94与处理器91连接并完成相互间的通信，存储器92用于存储计算机执行指令，通信接口93用于和其他设备进行通信，处理器91执行上述计算机执行指令时实现如上述图2至图7所示实施例的方案。
162.该图9中提到的系统总线可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(random access memory，ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
163.上述的处理器可以是通用处理器，包括中央处理器cpu、网络处理器(network processor，np)等；还可以是数字信号处理器dsp、专用集成电路asic、现场可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
164.可选的，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当其在计算机上运行时，使得计算机执行如上述图2至图7所示实施例的方法。
165.可选的，本技术实施例还提供一种运行指令的芯片，所述芯片用于执行上述图2至图7所示实施例的方法。
166.本技术实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中，至少一个处理器可以从该计算机可读存储介
质中读取计算机程序，该至少一个处理器执行所述计算机程序时可实现上述图2至图7所示实施例的方法。
167.本技术中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b的情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系；在公式中，字符“/”，表示前后关联对象是一种“相除”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。
168.可以理解的是，在本技术的实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本技术的实施例的范围。在本技术的实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术的实施例的实施过程构成任何限定。
169.最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。