物品搭配方法、装置及存储介质与流程

1.本发明实施例涉及电商及互联网技术领域，尤其涉及一种物品搭配方法、装置及存储介质。


背景技术：

2.随着互联网红利的消失，精细化运营变得尤为重要，精细化运营的前提是发现用户的兴趣。在此基础上，便可进行精准投放等一系列营销活动。在电商场景，发现用户兴趣即为选品。从用户侧划分，可分为对单用户的选品和多用户的选品，对单用户的选品即物品推荐技术，已有一套比较成熟的框架和理论体系。然而对多用户的选品，现有研究相对较少。
3.现有技术中，对于多用户的选品有两种方案，一种是根据物品的销量等指标信息挑选热度更高的物品。但是这种方法主观性太强，无法考虑到用户群体的属性及行为特点等信息，挑选的物品与多用户的匹配度低。另一种是利用现有物品推荐框架对多用户中的单用户进行选品，得到各个单用户的选品结果，最后在结果层面对各单用户的选品结果进行聚合。这种方法虽然在单用户选品时充分考虑了用户的特性，但在聚合时只是将单用户的选品结果进行叠加，没有考虑到多用户群体的特性，聚合后挑选的物品与多用户的匹配度低。


技术实现要素：

4.本发明实施例提供的一种物品搭配方法、装置及存储介质，可以提高挑选的搭配物品与多目标群组之间的匹配度。
5.本发明的技术方案是这样实现的：
6.本发明实施例提供了一种物品搭配方法，包括：
7.获取第一时间段内的多个物品的第一特征数据；所述第一时间段为当前时刻之前的预设时间段；
8.利用预测模型对所述多个物品的第一特征数据进行预测处理，得到所述多个物品的在第二时间段内的第一预测值；所述第二时间段为当前时刻之后的预设时间段；
9.计算得到目标群组对应所述多个物品中每个物品的贡献度；所述贡献度表征所述目标群组对应每个物品的预测值占比信息；所述目标群组为搭配物品的对象群组；
10.基于所述第一预测值和所述贡献度，并结合所述多个物品的使用场景对应的业务信息，在所述多个物品中推选所述目标群组的搭配物品，并发送给终端。
11.上述方案中，所述获取第一时间段内的多个物品的第一特征数据，包括：
12.获取所述第一时间段内的活跃对象和与所述活跃对象具有行为关系的所述多个物品；
13.从预设物品数据库中，获取所述多个物品的第一特征数据。
14.上述方案中，所述第一特征数据包括：所述多个物品的价值数据、所述多个物品的
浏览量数据和所述多个物品的业务交易数据中的至少一个。
15.上述方案中，所述计算得到目标群组对应所述多个物品中每个物品的贡献度之前，所述方法还包括：
16.统计获取固定时间段内的目标群组对应每个物品的预测值、每个物品的总预测值；所述固定时间段为当前时刻之前的预设时间段；
17.所述计算得到目标群组对应所述多个物品中每个物品的贡献度，包括：
18.将统计获取的所述每个物品的预测值比上所述每个物品的总预测值，得到所述贡献度。
19.上述方案中，所述述基于所述第一预测值和所述贡献度，并结合所述多个物品的使用场景对应的业务信息，在所述多个物品中推选所述目标群组的搭配物品，并发送给终端，包括：
20.将所述每个物品对应的所述第一预测值和所述贡献度相乘，计算得到所述每个物品的第二预测值；
21.获取所述目标群组的目标业务信息，在所述多个物品中确定与所述目标业务信息匹配的业务信息对应的中间物品；
22.基于所述中间物品的第二预测值，在所述中间物品中推选所述搭配物品，并发送给所述终端。
23.上述方案中，所述业务信息包括：所述多个物品的类别信息、所述多个物品的业务经营方式信息、所述多个物品的运输方式信息和所述多个物品的原产地信息中的至少一个。
24.上述方案中，所述目标业务信息包括：至少一个子目标业务信息；
25.所述获取所述目标群组的目标业务信息，在所述多个物品中确定与所述目标业务信息匹配的业务信息对应的中间物品，包括：
26.获取所述目标群组的所述至少一个子目标业务信息，在所述多个物品中确定，与所述至少一个子目标业务信息中的每个子目标业务信息都匹配的业务信息对应的所述中间物品。
27.上述方案中，所述基于所述中间物品的第二预测值，在所述中间物品中推选所述搭配物品，并发送给所述终端，包括：
28.将所述中间物品的第二预测值按照顺序进行排列，推选前n名的第二预测值对应的中间物品为所述搭配物品，并发送给所述终端；n为大于等于1的正整数。
29.上述方案中，所述目标业务信息包括：至少一个子目标业务信息；
30.所述获取所述目标群组的目标业务信息，在所述多个物品中确定与所述目标业务信息匹配的业务信息对应的中间物品，包括：
31.获取所述目标群组的所述至少一个子目标业务信息，在所述多个物品中确定，与所述至少一个子目标业务信息中的每个子目标业务信息分别对应匹配的业务信息对应的至少一组中间物品。
32.上述方案中，所述基于所述中间物品的第二预测值，在所述中间物品中推选所述搭配物品，包括：
33.将所述至少一组中间物品中的每组中间物品的第二预测值按照顺序进行排列；
34.推选每组中间物品中的前m名物品，形成对应每组中间物品的中间搭配物品；m为大于等于1的正整数；
35.将所述中间搭配物品组合形成所述搭配物品，并发送给所述终端。
36.上述方案中，所述获取第一时间段内的多个物品的特征数据之前，所述方法还包括：
37.获取第三时间段内的多个样本物品的第二特征数据；所述第三时间段为当前时刻之前且不和所述第一时间段重叠的预设时间段；
38.通过所述多个样本物品的第二特征数据对模型进行预测训练，得到所述预测模型。
39.上述方案中，所述获取第三时间段内的多个样本物品的第二特征数据，包括：
40.获取所述第三时间段内的样本活跃对象和与所述样本活跃对象具有行为关系的所述多个样本物品；
41.在预设物品数据库中，获取所述多个样本物品的第二特征数据。
42.本发明实施例还提供了一种物品搭配装置，包括：
43.数据获取单元，用于获取第一时间段内的多个物品的特征数据；所述第一时间段为当前时刻之前的预设时间段；第一处理单元，用于利用预测模型对所述多个物品的特征数据进行预测处理，得到所述多个物品的在第二时间段内的第一预测值；所述第二时间段为当前时刻之后的预设时间段；
44.第二处理单元，用于计算得到目标群组对应所述多个物品中每个物品的贡献度；所述贡献度表征所述目标群组对应每个物品的预测值占比信息；所述目标群组为搭配物品的对象群组；
45.搭配单元，用于基于所述第一预测值和所述贡献度，并结合所述多个物品的使用场景对应的业务信息，在所述多个物品中推选所述目标群组的搭配物品，并发送给终端。
46.本发明实施例还提供了一种物品搭配装置，包括存储器和处理器，所述存储器存储有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上述方法中的步骤。
47.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，该计算机程序被处理器执行时实现上述方法中的步骤。
48.本发明实施例中，通过获取第一时间段内的多个物品的第一特征数据，利用预测模型进行预测处理得到多个物品的第一预测值；再计算得到目标群组对应多个物品中每个物品的贡献度，基于贡献度和第一预测值，结合多个物品的使用场景对应的业务信息，在多个物品中推选搭配物品，由于本发明将目标群组看作一个整体来获取搭配物品，结合了近期的第一时间段内的物品的第一特征数据与目标群组对应每个物品的交易情况，进行预测计算得到搭配物品，充分地考虑了目标群组对应每个物品的交易情况，从而得到的搭配物品误差较小，所以搭配物品与目标群组的匹配度较高。
附图说明
49.图1为本发明公开实施例提供的物品搭配装置的一个可选的结构示意图；
50.图2为本发明公开实施例提供的物品搭配方法的一个可选的效果示意图；
51.图3为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图；
52.图4为本发明公开实施例提供的物品搭配方法的一个可选的效果示意图；
53.图5为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图；
54.图6为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图；
55.图7为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图；
56.图8为本发明公开实施例提供的物品搭配方法的一个可选的效果示意图；
57.图9为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图；
58.图10为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图；
59.图11为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图；
60.图12为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图；
61.图13为本发明公开实施例提供的物品搭配装置的结构示意图；
62.图14为本发明公开实施例提供的物品搭配装置的一种硬件实体示意图。
具体实施方式
63.为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明的技术方案进一步详细阐述，所描述的实施例不应视为对本发明的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
64.在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
65.如果发明文件中出现“第一/第二”的类似描述则增加以下的说明，在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本发明实施例能够以除了在这里图示或描述的以外的顺序实施。
66.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
67.图1为本发明公开实施例提供的物品搭配装置的一个可选的结构示意图。
68.本发明实施例提供了一种物品搭配装置，包括全量预测模块1、迁移预测模块2和场景配置模块3。其中，全量预测模块1，用于基于当前时刻的前一时间段内的活跃用户，预测计算出各个物品的未来一段时间内的预测值。迁移预测模块2，用于基于目标群组，对全量预测模块1预测计算出的各个物品的预测值进行迁移计算，得到了目标群组对应各个物品的预测值。场景配置模块3，用于基于目标群组所属的应用场景的要求和限制，对目标群组对应各个物品的预测值进行排序，并按照场景对物品的特殊限制进行过滤，输出一定量的物品列表为目标群组的搭配物品。例如，目标群组的目标物品类别为手机，则场景配置模块3会挑选类别为手机的物品，然后进行预测值排序，获取目标群组的搭配物品。
69.结合图2，全量预测模块1在预测得到预测值之前，首先需要基于过去一段时间段内的物品训练预测模型。
70.本发明实施例中，一商家在未来7天内将会有一促销活动，全量预测模块则需要预测出未来7天内的各个物品的预测值其中，sku1为第1个物品的编码信息，score1为第1个物品的预测值。sku
‑
n为第n个物品的编码信息，score
‑
n为第n个物品的预测值。
71.全量预测模块为了预测各个物品的预测值首先需要训练预测模型。全量预测模块1获取过去7天内的活跃客户端，也就是过去7天内在线状态的客户端。全量预测模型1在预设物品池圈选出活跃客户端相关的多个物品，也就是活跃客户端浏览过的或者购买过的多个物品。全量预测模块1对该多个物品进行特征加工，也就是提取出多个物品的特征数据形成训练集。特征数据包括：物品的价格、浏览量和销量。全量预测模块1通过训练集进行预测模型的模型训练，直到预测模型函数收敛，形成模型文件。全量预测模块1的预测模型构造完成。
72.全量预测模块1在物品池圈选近期的活跃客户端相关的物品进行销量预测。全量预测模块1获取预测当天的活跃客户端，并查找出当天的活跃客户端相关的多个物品。全量预测模块1对当天的活跃客户端相关的多个物品进行特征加工。提取出当天的活跃客户端相关的多个物品的特征数据，形成预测集。并将该特征数据输入预测模型进行预测，得到了当天的活跃客户端相关的多个物品未来7天的预测值
73.可以通过公式(1)表示未来7天内的各个物品的预测值可以通过公式(1)表示未来7天内的各个物品的预测值
74.其中，表示第i个物品未来7天的预测值，date
now
1表示第1天，date
now
7表示第7天，n表示n个物品。
75.本发明实施例中，全量预测模块1训练的预测模型可以为树模型(extreme gradient boosting，xgboost)。
76.本发明实施例中，迁移预测模块2针对当天的活跃客户端相关的多个物品，获取目标群组分别对应该多个物品的过去7天内的销量，同时迁移预测模块2获取了预设物品数据库中的该多个物品过去7天内的销量。迁移预测模块2将目标群组对应每个物品的销量除以预设物品数据库中对应物品的销量，得到了每个物品的贡献度weight
i
。可以通过公式(2)来计算获取贡献度weight
i
。
[0077][0078]
其中，weight
i
为第i个物品的贡献度，sale
i
为目标群组对应第i个物品的销量，为预设物品数据库中第i个物品的销量。迁移预测模块2将目标群组对应第i个物品的销量除以预设物品数据库中第i个物品的销量，可以得到第i个物品的贡献度weight
i
。
[0079]
迁移预测模块2将每个物品未来7天的销量预测值乘以对应的贡献度weight
i
，可以得到目标群组对应多个物品的预测值pried
i
。可以通过公式(3)计算得到目标群组对应多个物品的预测值pried
i
。
[0080][0081]
其中，pried
i
为目标群组对应第i个物品的预测值，weight
i
为目标群组对应第i个物品的贡献度，为已经预测的第i个物品的预测值。迁移预测模型将迁移预测模型weight
i
乘以第i个物品的预测值可以得到目标群组对应第i个物品的预测销量。
[0082]
场景配置模块3，将迁移预测模块计算出来的多个物品的预测销量进行排序，再挑选预测销量前n名作为目标群组的搭配物品。
[0083]
本发明实施例中，场景配置模块3，可以挑选出目标群组对应的多个目标类别的物品，然后分别将多个目标类别的物品的预测销量进行排序，再挑选多个目标类别的物品的预测销量前n名的物品作为目标群组的搭配物品。
[0084]
图3为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图，将结合图3示出的步骤进行说明。
[0085]
s01、获取第一时间段内的多个物品的第一特征数据。
[0086]
本发明实施例中，物品搭配装置中预先存储有预设物品数据库。预设物品数据库中存储有：物品的特征数据。其中特征数据包括：物品的价值数据、物品的浏览量数据、物品的业务交易数据和物品的编码数据。物品搭配装置在预设物品数据库中获取当前时刻之前的第一时间段内的多个物品的第一特征数据。物品搭配装置可以通过该多个物品的第一特征数据预测获取未来一段时间内的多个物品分别对应的预测值。
[0087]
本发明实施例中，第一时间段为当前时刻之前的预设时间段；其中，第一时间段可以为进行预测当天的时间段。第一时间段还可以为进行预测的当天之前的n天内的时间段，n为大于1的正整数。
[0088]
本发明实施例中，物品搭配装置可以在用户终端的后端服务器中提取出第一时间段内的活跃对象。活跃对象为第一时间段内在线浏览过物品或者交易过物品的用户终端。物品搭配装置在预设物品数据库中提取出活跃对象在线浏览过或者交易过的物品的第一特征数据。
[0089]
需要说明的是，物品搭配装置在通过该多个物品的第一特征数据预测获取未来一段时间内的预测值之前，物品搭配装置需要训练预测模型。物品搭配装置获取过去m时间段内的活跃对象，也就是过去m天内在线状态的对象。物品搭配装置在预设物品数据库圈选出与活跃对象具有行为关系的多个物品。物品搭配装置对该多个物品进行特征加工提取出该多个物品的特征数据形成训练集。物品搭配装置通过训练集进行预测模型的模型训练，直到预测模型函数收敛，形成模型文件。预测模型构造完成。其中，m时间段和第一时间段的时间相互不重叠。
[0090]
s02、利用预测模型对多个物品的第一特征数据进行预测处理，得到多个物品的在第二时间段内的第一预测值。
[0091]
本发明实施例中，物品搭配装置将第一时间段内的多个物品的第一特征数据输入训练好的预测模型，通过预测模型输出多个物品对应的第二时间段内的第一预测值。
[0092]
本发明实施例中，第二时间段为当前时刻之后的预设时间段。第二时间段可以为预测当前时刻之后的一段时间，同样的可以为n天，n为大于等于1的正整数。第一预测值表征的是多个物品在第二时间段内预测交易的数量。
[0093]
s03、计算得到目标群组对应多个物品中每个物品的贡献度。
[0094]
本发明实施例中，物品搭配装置首先获取目标群组固定时间段内对应多个物品中的每个物品的交易值，与固定时间段内的多个物品中的每个物品的总交易值的比值，该比值为目标群组对应每个物品的贡献度。本发明实施例中，固定时间段为当前时刻之前的预设时间段。固定时间段与第一时间段不重叠。其中，目标群组为需要搭配物品的用户群组。目标群组可以为多个用户的客户端组成的群组。
[0095]
本发明实施例中，物品搭配装置可以通过目标群组的后端服务获取目标群组固定时间段内对应多个物品中的每个物品的交易值。
[0096]
s04、基于第一预测值和贡献度，并结合多个物品的使用场景对应的业务信息，在多个物品中推选目标群组的搭配物品，并发送给终端。
[0097]
本发明实施例中，物品搭配装置可以基于每个物品对应的第一预测值和贡献度计算出该物品对应的第二预测值。物品搭配装置预先获取目标群组的目标业务信息。物品搭配装置在多个物品中挑选与目标业务信息匹配的业务信息对应的一组物品，物品搭配装置在该组物品中挑选第二预测值前n名物品为目标群组的搭配物品。物品搭配装置在预设物品数据库中提取出搭配物品信息，通过预先与目标群组中的终端建立的通信线路发送给各个终端。n为大于等于1的正整数。
[0098]
例如，目标群组需要的目标业务信息为电子产品。物品搭配装置在上述多个物品中挑选出电子产品，并将该电子产品的第二预测值按照从大到小进行排序，物品搭配装置提取第二预测值前n名的物品作为目标群组的搭配物品。
[0099]
本发明实施例中，业务信息还可以包括：物品的类别信息、物品的业务经营模式信息、物品的原产地信息、物品的运输方式信息中的至少一个。
[0100]
结合图4，物品搭配装置800预先和目标群组中的终端1、终端2建立通信线路201。其中，终端1为移动终端，终端2为电脑。目标群组可以通过预先建立的通信线路201向物品搭配装置200发送目标业务信息。物品搭配装置200通过通信线路201接收目标业务信息。物品搭配装置200通过通信线路201将每个终端对应的搭配物品的信息发送给终端。
[0101]
本发明实施例中，通过获取第一时间段内的多个物品的第一特征数据，利用预测模型进行预测处理得到多个物品的第一预测值；再计算得到目标群组对应多个物品中每个物品的贡献度，基于贡献度和第一预测值，结合多个物品的使用场景对应的业务信息，在多个物品中推选搭配物品，由于本发明将目标群组看作一个整体来获取搭配物品，结合了近期的第一时间段内的物品的第一特征数据与目标群组对应每个物品的交易情况，进行预测计算得到搭配物品，充分地考虑了目标群组对应每个物品的交易情况，从而得到的搭配物品误差较小，所以搭配物品与目标群组的匹配度较高。
[0102]
在一些实施例中，参见图5，图5为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图，图3示出的s01可以通过s05至s06实现，将结合各步骤进行说明。
[0103]
s05、获取第一时间段内的活跃对象和与活跃对象具有行为关系的多个物品。
[0104]
本发明实施例中，终端与物品搭配装置的后端服务器预先连接，当终端上线之后，物品搭配装置会获取终端上线的信息。进而物品搭配装置可以在后端服务器中查找到第一时间段内在线的终端作为活跃对象。后端服务器会存储活跃对象在第一时间段内交易或者浏览过的物品的信息，进而物品搭配装置可以在后端服务器中获取第一时间段内的与活跃
对象具有行为关系的多个物品。
[0105]
本发明实施例中，具有行为关系表征的是活跃对象交易了或者浏览了该物品的关系。
[0106]
s06、从预设物品数据库中，获取多个物品的第一特征数据。
[0107]
本发明实施例中，物品搭配装置在预设物品数据库中提取上述活跃对象在第一时间段内交易或者浏览过的物品的第一特征数据。其中，第一特征数据可以包括：活跃对象在第一时间段内交易或者浏览过的物品的编码数据、价值数据、浏览量数据和业务交易数据中的至少一个。
[0108]
在一些实施例中，参见图6，图6为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图，图3示出的s03之前还包括s07，将结合各步骤进行说明。
[0109]
s07、统计获取固定时间段内的目标群组对应每个物品的交易值、每个物品的总交易值。
[0110]
本发明实施例中，物品搭配装置在目标群组中的每个终端的后端服务器中获取固定时间段内对应多个物品中的每个物品的交易值。同时物品搭配装置在所有的终端的后端服务器中获取固定时间段内的多个物品中的每个物品的总交易值。
[0111]
在一些实施例中，参见图6，图6为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图，图3示出的s03还可以通过s08实现，将结合各步骤进行说明。
[0112]
s08、将统计获取的每个物品的交易值比上每个物品的总交易值，得到贡献度。
[0113]
本发明实施例中，物品搭配装置将目标群组固定时间段内对应多个物品中的每个物品的交易值比上对应的物品的总交易值，可以得到对应物品的贡献度。
[0114]
本发明实施例中，物品搭配装置在后端服务器中获取目标群组固定时间段内对应多个物品中的每个物品的交易值。同时物品搭配装置获取固定时间段内的活跃对象，并提取出该活跃对象在固定时间段内的对应多个物品中的每个物品的总交易值。物品搭配装置将目标群组固定时间段内对应多个物品中的每个物品的交易值比上获取客户端对应的物品的总交易值，可以得到对应物品的贡献度。
[0115]
本发明实施例中，交易值为目标群组在固定时间段内对应多个物品中的每个物品的交易的数量。总交易值为固定时间段内多个物品中的每个物品的交易的总数量。
[0116]
在一些实施例中，参见图7，图7为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图，图3示出的s04可以通过s09至s11实现，将结合各步骤进行说明。
[0117]
s09、将每个物品对应的所述第一预测值和贡献度相乘，计算得到每个物品的第二预测值。
[0118]
本发明实施例中，物品搭配装置将多个物品中的每个物品的贡献度与该物品对应的第一预测值相乘，可以得到对应每个物品的第二预测值。
[0119]
本发明实施例中，第二预测值表征的是对于目标群组，该多个物品中的每个物品在第二时间段内的交易量。
[0120]
s10、获取目标群组的目标业务信息，在多个物品中确定与目标业务信息匹配的业务信息对应的中间物品。
[0121]
本发明实施例中，物品搭配装置通过与目标群组预先建立的通信线路201获取目标群组的目标业务信息。物品搭配装置在多个物品中，基于多个物品的类别信息挑选与目
标群组的目标业务信息匹配的物品作为目标群组的中间物品。
[0122]
本发明实施例中，物品的业务信息包括：多个物品的类别信息、多个物品的业务经营方式信息、多个物品的运输方式信息和多个物品的原产地信息中的至少一个。
[0123]
s11、基于中间物品的第二预测值，在中间物品中推选搭配物品，并发送给终端。
[0124]
本发明实施例中，物品搭配装置在多个物品中，基于多个物品的业务信息挑选对应目标群组的目标业务信息的中间物品。物品搭配装置可以在中间物品中按大小顺序挑选前n个第二预测值对应的中间物品，作为搭配物品。物品搭配装置再将搭配物品的信息发送给终端。
[0125]
本发明实施例中，物品搭配装置可以在中间物品中，基于中间物品的交易模式信息挑选对应目标群组的目标交易模式信息的物品，作为准物品。物品搭配装置将准物品的第二预测值按照从大到小的顺序进行排列，挑选第二预测值前n名的准物品作为目标群组的搭配物品。
[0126]
同样的，物品搭配装置可以在多个物品中挑选与目标群组的目标原产地信息匹配的物品作为搭配物品。或者物品搭配装置可以在多个物品中挑选与目标群组的目标运输方式信息搭配的物品作为搭配物品。
[0127]
本发明实施例中，结合图8，目标群组包括第一目标群组和第二目标群组。其中，第一目标群组的目标类别信息为耳机，第二目标群组的目标类别信息为手机。物品搭配装置在多个物品中挑选出类别信息为耳机的物品作为第一目标群组的第一中间物品。物品搭配装置挑选第一中间物品中的第二预测值前n/2名，作为第一目标群组的第一搭配物品。物品搭配装置在多个物品中挑选出类别信息为手机的物品作为第二目标群组的第二中间物品。物品搭配装置挑选第二中间物品中的第二预测值前n/2名，作为第二目标群组的第二搭配物品。物品搭配装置将第一搭配物品和第二搭配物品组合，作为目标群组的搭配物品。物品搭配装置将搭配物品的信息发送给目标群组中的每个终端。
[0128]
本发明实施例中，物品搭配装置将中间物品的第二预测值按照从大到小的顺序进行排列。进而形成了中间物品的物品序列。物品搭配装置挑选物品序列中的前n名的第二预测值对应的中间物品作为目标群组的搭配物品。其中，n为大于等于1的正整数。
[0129]
本发明实施例中，物品搭配装置将中间物品的第二预测值与销量阈值作比较，若一个物品的第二预测值大于销量阈值，物品搭配装置则挑选该物品为搭配物品。物品搭配装置将中间物品中的每个物品与销量阈值进行比较，从而挑选搭配物品，直至物品搭配装置挑选到足够数量的搭配物品。
[0130]
在一些实施例中，参见图9，图9为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图，图7示出的s10至s11可以通过s12至s13实现，将结合各步骤进行说明。
[0131]
s12、获取所述目标群组的至少一个子目标业务信息，在多个物品中确定，与至少一个子目标业务信息中的每个子目标业务信息都匹配的业务信息对应的中间物品。
[0132]
本发明实施例中，物品搭配装置通过与目标群组预先建立的通信线路201获取目标群组的至少一个子目标业务信息。其中，至少一个子目标业务信息可以为1个子目标业务信息或者多个子目标业务信息。物品搭配装置在多个物品中挑选出与至少一个子目标业务信息中的每个子目标业务信息都匹配的业务信息对应的物品为中间物品。
[0133]
本发明实施例中，至少一个子目标业务信息可以为n个子目标业务信息。物品搭配
装置通过与目标群组预先建立的通信线路201获取目标群组的n个子目标业务信息。其中，多个物品中的物品的业务信息也可以为与子目标业务信息对应相同的数量n个。物品搭配装置在多个物品中挑选与目标群组的第1个子目标业务信息匹配的业务信息对应的物品，形成了第1组物品。其中，n为大于1的正整数。
[0134]
本发明实施例中，物品搭配装置继续获取目标群组的第i 1个子目标业务信息，物品搭配装置在上次挑选过程中建立的第i组物品中确定与第i 1个子目标业务信息匹配的第i 1个业务信息对应的第i 1组物品。直至，物品搭配装置在第n
‑
1组物品中确定与第n个子目标业务信息匹配的第n个业务信息对应的第n组物品时停止。中间物品就是第n组物品。
[0135]
也就是说，物品搭配装置获取了最后一个子目标业务信息，在前一组物品中，挑选与最后一个子目标业务信息匹配的业务信息的物品为中间物品。其中，i为大于等于1小于n的正整数。
[0136]
本发明实施例中，目标群组的子目标业务信息可以包括：电子产品、原产地为广东和运输方式为空运的业务信息。物品搭配装置首先在多个物品中挑选出电子产品作为第1组物品。物品搭配装置然后在第一组物品中挑选出原产地为广东的物品为第二组物品。物品搭配装置最后在第二组物品中挑选出运输方式为空运的物品形成了第三组物品。其中，第三组物品就是中间物品。
[0137]
s13、将中间物品的第二预测值按照顺序进行排列，推选前n名的第二预测值对应的中间物品为搭配物品，并发送给终端。
[0138]
本发明实施例中，物品搭配装置按照中间物品的第二预测值的大小顺序，挑选第二预测值前n名对应的中间物品作为搭配物品。物品搭配装置将搭配物品的信息发送给目标群组的每个终端。
[0139]
本发明实施例中，物品搭配装置将中间物品的第二预测值按照从大到小的顺序进行排列。进而形成了中间物品的物品序列。物品搭配装置挑选物品序列中的前n名作为目标群组的搭配物品。
[0140]
在一些实施例中，参见图10，图10为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图，图7示出的s10至s11可以通过s14至s17实现，将结合各步骤进行说明。
[0141]
s14、获取目标群组的至少一个子目标业务信息，在多个物品中确定，与至少一个子目标业务信息中的每个子目标业务信息分别对应匹配的业务信息对应的至少一组中间物品。
[0142]
本发明实施例中，物品搭配装置通过与目标群组预先建立的通信线路201获取目标群组的至少一个子目标业务信息。其中，至少一个子目标业务信息可以为1个子目标业务信息或者多个子目标业务信息。物品搭配装置在多个物品中挑选出与至少一个子目标业务信息中的每个子目标业务信息分别匹配的业务信息对应的物品为至少一组中间物品。
[0143]
本发明实施例中，物品搭配装置通过与目标群组预先建立的通信线路201依次获取目标群组的m个子目标业务信息。物品搭配装置在多个物品中挑选与目标群组的第t个子目标业务信息匹配的业务信息对应的物品，形成了第t组物品。其中，m为大于1的正整数。t为大于等于1小于m的正整数。
[0144]
物品搭配装置继续获取目标群组的第t 1个子目标业务信息，在多个物品中确定
与第t 1个子目标业务信息匹配的业务信息对应的第t 1组中间物品。直至，物品搭配装置在多个物品中挑选与第m个子目标业务信息匹配的业务信息对应的第m组物品时停止。至少一组中间物品就是m组物品，也就是第1组物品至第m组物品的集合。
[0145]
本发明实施例中，目标群组的至少一个子目标业务信息可以包括：手机和耳机。物品搭配装置首先在多个物品中挑选出手机作为第1组物品。物品搭配装置再在多个物品中挑选出耳机作为第2组物品。至少一组中间物品就是第1组物品和第2组物品的组合。
[0146]
s15、将至少一组中间物品中的每组中间物品的第二预测值按照顺序进行排列。
[0147]
本发明实施例中，物品搭配装置将至少一组中间物品中的每组中间物品的第二预测值按照从大到小的顺序进行排列。物品搭配装置也可以将m组中间物品中的每组中间物品的第二预测值按照从小到大的顺序进行排列。
[0148]
s16、推选每组中间物品中的前m名的第二预测值对应的中间物品，形成对应每组中间物品的中间搭配物品。
[0149]
本发明实施例中，物品搭配装置挑选至少一组中间物品中每组中间物品的第二预测值，按照从大到小的顺序前m名的中间物品，形成了对应每组中间物品的中间搭配物品。
[0150]
其中，m为物品搭配装置在多个物品中挑选出的每组中间物品的物品数量。本发明实施例中，例如，当目标群组需要100个搭配物品，至少一组中间物品的组的个数为5。物品搭配装置需要在每组中间物品中挑选出第二预测值前20名的中间物品，作为每组对应的中间搭配物品。
[0151]
s17、将中间搭配物品组合形成搭配物品，并发送给终端。
[0152]
本发明实施例中，物品搭配装置获取每组的中间搭配物品对应的物品信息，将该信息聚合，发送给目标群组中的每个终端。
[0153]
在一些实施例中，参见图11，图11为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图，图3示出的s01之前还包括s18至s19实现，将结合各步骤进行说明。
[0154]
s18、获取第三时间段内的多个样本物品的第二特征数据。
[0155]
本发明实施例中，在预测模型对第一特征数据进行预测之前，还需要对预测模型进行大量的预测训练。预测模型未完成预测训练之前为初始预测模型。物品搭配装置在预设物品数据库中获取当前时刻之前的第三时间段内的多个样本物品的第二特征数据。物品搭配装置可以通过该多个样本物品的第二特征数据训练初始预测模型。
[0156]
本发明实施例中，第三时间段为当前时刻之前的预设时间段；第二特征数据表征多个物品的价值信息和行为信息。其中，第三时间段可以为进行预测的当天之前的k天内的时间段，k为大于1的正整数。且第三时间段和第一时间段不重叠。是为了保证防止特征穿越，导致预测模型预测不准确。
[0157]
本发明实施例中，物品搭配装置可以在后端服务器中提取出第三时间段内的样本活跃对象。样本活跃对象为第三时间段内在线浏览过物品或者交易过物品的用户终端。物品搭配装置在预设物品数据库中提取出样本活跃对象在线浏览过或者交易过的多个样本物品的第二特征数据。
[0158]
s19、通过多个样本物品的第二特征数据对模型进行预测训练，得到预测模型。
[0159]
在本发明实施例中，模型的一次预测训练可以用以下几个阶段表示：前向传播阶段、反向传播阶段和更新权值阶段。前向传播阶段是第二特征数据从输入层输入向后一直
传输到输出层。反向传播阶段是从输出层向前一直传输到输入层。本发明实施例中，物品搭配装置在前向传播阶段将第二特征数据输入至待训练的模型的网络结构中。模型的网络结构基于第二特征数据的真实结果通过损失函数计算出该第二特征数据对应的损失。若当前损失大于损失阈值，模型的网络结构将基于当前损失通过输出层，向中间层、输入层逐层反传，按梯度下降的方式修正各层的权值。当模型的网络结构各层的权值修正之后，模型的网络结构会继续对下一个第二特征数据进行训练。通过训练模型得到预测模型的过程一直进行到的模型计算的当前损失不大于损失阈值时为止，或者模型训练的次数达到预先设定的训练次数时为止。从而得到了训练完成的预测模型。
[0160]
在一些实施例中，参见图12，图12为本发明公开实施例提供的物品搭配方法的一个可选的流程示意图，图11示出的s18还可以通过s20至s21实现，将结合各步骤进行说明。
[0161]
s20、获取第三时间段内的样本活跃对象和与样本活跃对象具有行为关系的多个样本物品。
[0162]
本发明实施例中，终端与物品搭配装置的后端服务器预先连接，当终端上线之后，物品搭配装置会获取终端上线的信息。进而物品搭配装置可以在后端服务器中查找到第三时间段内在线的终端作为样本活跃对象。后端服务器会存储样本活跃对象在第三时间段内交易或者浏览过的物品的信息，进而物品搭配装置可以在后端服务器中获取第三时间段内的与样本活跃对象具有行为关系的多个样本物品。
[0163]
s21、在预设物品数据库中，获取多个样本物品的第二特征数据。
[0164]
本发明实施例中，物品搭配装置在预设物品数据库中提取上述样本活跃对象在第三时间段内交易或者浏览过的样本物品的第二特征数据。其中，第二特征数据可以包括：样本活跃对象在第三时间段内交易或者浏览过的样本物品的编码数据、价值数据、浏览量数据和业务交易数据中的至少一个。
[0165]
本发明实施例中，通过获取第三时间段内的多个样本物品的第二特征数据，通过第二特征数据对模型进行预测训练，由于本发明实施例中，物品搭配装置获取了预设时间段内的样本活跃对象对应的样本物品的第二特征数据，该特征数据是用户经常交易的物品的特征数据，所以通过该特征数据训练模型，可以提高预测模型的预测效果。
[0166]
图13为本发明公开实施例提供的物品搭配装置的结构示意图。
[0167]
本发明实施例还提供了一种物品搭配装置，包括：数据获取单元803、第一处理单元804、第二处理单元805和搭配单元806。
[0168]
数据获取单元803，用于获取第一时间段内的多个物品的特征数据；第一时间段为当前时刻之前的预设时间段；第一处理单元804，用于利用预测模型对多个物品的特征数据进行预测处理，得到多个物品的在第二时间段内的第一预测值；第二时间段为当前时刻之后的预设时间段；
[0169]
第二处理单元805，用于计算得到目标群组对应多个物品中每个物品的贡献度表征目标群组对应每个物品的预测值占比信息；目标群组为搭配物品的对象群组；
[0170]
搭配单元806，用于基于第一预测值和贡献度，并结合多个物品的使用场景对应的业务信息，在多个物品中推选目标群组的搭配物品，并发送给终端。
[0171]
本发明实施例中，物品搭配装置800的数据获取单元803用于获取第一时间段内的活跃对象和与活跃对象具有行为关系的多个物品；从预设物品数据库中，获取多个物品的
第一特征数据。第一特征数据包括：多个物品的价值数据、多个物品的浏览量数据和多个物品的业务交易数据中的至少一个。
[0172]
本发明实施例中，物品搭配装置800的第二处理单元805用于统计获取固定时间段内的目标群组对应每个物品的交易值、每个物品的总交易值；固定时间段为当前时刻之前的预设时间段。。还用于将统计获取的每个物品的交易值比上每个物品的总交易值，得到贡献度
[0173]
本发明实施例中，物品搭配装置800的搭配单元806用于将每个物品对应的第一预测值和贡献度相乘，计算得到每个物品的第二预测值；获取目标群组的目标业务信息，在多个物品中确定与目标业务信息匹配的业务信息对应的中间物品；基于中间物品的第二预测值，在中间物品中推选搭配物品，并发送给终端。业务信息包括：多个物品的类别信息、多个物品的业务经营方式信息、多个物品的运输方式信息和多个物品的原产地信息中的至少一个。
[0174]
本发明实施例中，物品搭配装置800的搭配单元806用于获取目标群组的至少一个子目标业务信息，在多个物品中确定，与至少一个子目标业务信息中的每个子目标业务信息都匹配的业务信息对应的中间物品。将中间物品的第二预测值按照顺序进行排列，推选前n名的第二预测值对应的中间物品为搭配物品，并发送给终端；n为大于等于1的正整数。
[0175]
本发明实施例中，物品搭配装置800的搭配单元806用于获取目标群组的至少一个子目标业务信息，在多个物品中确定，与至少一个子目标业务信息中的每个子目标业务信息分别对应匹配的业务信息对应的至少一组中间物品。将至少一组中间物品中的每组中间物品的第二预测值按照顺序进行排列；推选每组中间物品中的前m名物品，形成对应每组中间物品的中间搭配物品；将中间搭配物品组合形成搭配物品，并发送给终端。m为大于等于1的正整数。
[0176]
本发明实施例中，物品搭配装置800的数据获取单元803用于获取第三时间段内的多个样本物品的第二特征数据；第三时间段为当前时刻之前且不和第一时间段重叠的预设时间段；物品搭配装置800的第一处理单元804通过多个样本物品的第二特征数据对模型进行预测训练，得到预测模型。
[0177]
本发明实施例中，物品搭配装置800的数据获取单元803获取第三时间段内的样本活跃对象和与样本活跃对象具有行为关系的多个样本物品；在预设物品数据库中，获取多个样本物品的第二特征数据。
[0178]
本发明实施例中，通过数据获取单元获取第一时间段内的多个物品的第一特征数据，通过第一处理单元利用预测模型进行预测处理得到多个物品的第一预测值；再通过第二处理单元计算得到目标群组对应多个物品中每个物品的贡献度，通过搭配单元基于贡献度和第一预测值，结合多个物品的使用场景对应的业务信息，在多个物品中推选搭配物品，由于本发明将目标群组看作一个整体来获取搭配物品，结合了近期的第一时间段内的物品的第一特征数据与目标群组对应每个物品的交易情况，进行预测计算得到搭配物品，充分地考虑了目标群组对应每个物品的交易情况，从而得到的搭配物品误差较小，所以搭配物品与目标群组的匹配度较高。
[0179]
需要说明的是，本发明实施例中，如果以软件功能模块的形式实现上述的集群构建及订阅信息处理方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读
取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台物品搭配设备(可以是个人计算机等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。
[0180]
对应地，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法中的步骤。
[0181]
对应地，本发明实施例提供一种物品搭配装置800，包括存储器802和处理器801，所述存储器802存储有可在处理器801上运行的计算机程序，所述处理器801执行所述程序时实现上述方法中的步骤。
[0182]
这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本发明存储介质和设备实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。
[0183]
需要说明的是，图14为本发明公开实施例提供的物品搭配装置的一种硬件实体示意图，如图14所示，该物品搭配装置800的硬件实体包括：处理器801和存储器802，其中；
[0184]
处理器801通常控制物品搭配装置800的总体操作。
[0185]
存储器802配置为存储由处理器801可执行的指令和应用，还可以缓存待处理器801以及物品搭配装置800中各模块待处理或已经处理的数据(例如，图像数据、音频数据、语音通信数据和视频通信数据)，可以通过闪存(flash)或随机访问存储器(random access memory，ram)实现。
[0186]
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本发明的各种实施例中，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，而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0187]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0188]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0189]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
[0190]
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0191]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。
[0192]
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、磁碟或者光盘等各种可以存储程序代码的介质。
[0193]
以上所述，仅为本发明的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。