物品推荐方法、装置、服务器、存储介质及产品与流程

1.本技术涉及互联网技术领域，特别涉及一种物品推荐方法、装置、服务器、存储介质及产品。


背景技术：

2.随着互联网技术的日益发展，商家可以将菜品发布到网络平台上销售，这样不仅降低了销售成本，还极大地方便了用户的生活。而由于网络平台上的菜品很多，为了节省用户从海量的菜品中查找用户喜欢的菜品的所需时间，服务器可以为用户推荐其可能感兴趣的菜品。
3.相关技术中，服务器获取最近一个月的用户历史下单的菜品，基于该菜品的特征，推荐与该菜品相似的菜品。然而用户历史下单的菜品也不一定是用户喜欢的，有的可能是第一次尝试但踩坑的菜品；所以基于用户历史下单的菜品为用户推荐菜品会导致推荐的准确性差。


技术实现要素：

4.本技术实施例提供了一种物品推荐方法、装置、服务器、存储介质及产品，能够有效提高为用户推荐物品的准确性。所述技术方案如下：
5.一方面，提供了一种物品推荐方法，所述方法包括：
6.确定目标账号的多个历史行为和每个历史行为的发生时间；
7.将所述多个历史行为中相同的历史行为进行聚合，得到至少一个目标历史行为；
8.基于所述每个历史行为的发生时间，确定每个目标历史行为的频次和最近一次的发生时间；
9.基于所述每个目标历史行为、所述每个目标历史行为的频次和发生时间，为所述目标账号推荐物品。
10.在一种可能的实现方式中，所述基于所述每个目标历史行为、所述每个目标历史行为的频次和发生时间，为所述目标账号推荐物品，包括：
11.对于每个目标历史行为，基于所述目标历史行为的频次，确定所述目标历史行为的权重，所述权重与频次呈正相关性；
12.基于所述目标历史行为的发生时间，确定每个预设时间段内的目标历史行为；
13.基于所述每个目标历史行为的权重，对每个预设时间段内的目标历史行为进行加权求和，得到所述目标账号在所述每个预设时间段内的兴趣特征；
14.基于所述目标账号在所述每个预设时间段内的兴趣特征，为所述目标账号推荐物品。
15.在一种可能的实现方式中，所述基于所述目标历史行为的频次，确定所述目标历史行为的权重，包括：
16.确定所述目标历史行为的发生位置；
17.确定所述发生位置与当前位置之间的距离；
18.基于所述距离和所述频次，确定所述目标历史行为的权重，所述权重与所述距离呈负相关性。
19.在一种可能的实现方式中，所述基于所述目标账号在所述每个预设时间段内的兴趣特征，为所述目标账号推荐物品，包括：
20.确定待推荐的多个物品的物品特征；
21.基于所述物品特征和所述目标账号在所述每个预设时间段内的兴趣特征，确定每个物品的推荐概率；
22.基于所述每个物品的推荐概率，为所述目标账号推荐物品。
23.在一种可能的实现方式中，所述基于所述每个物品的推荐概率，为所述目标账号推荐物品，包括：
24.确定所述多个物品中推荐概率最大的目标物品；
25.向所述目标账号推荐所述目标物品。
26.在一种可能的实现方式中，所述基于所述每个目标历史行为、所述每个目标历史行为的频次和发生时间，为所述目标账号推荐物品，包括：
27.将所述每个目标历史行为、所述每个目标历史行为的频次和发生时间输入推荐模型中，输出为所述目标账号推荐的目标物品；
28.其中，所述推荐模型用于对于每个目标历史行为，基于所述目标历史行为的频次，确定所述目标历史行为的权重，所述权重与频次呈正相关性；基于所述目标历史行为的发生时间，确定每个预设时间段内的目标历史行为；基于所述每个目标历史行为的权重，对每个预设时间段内的目标历史行为进行加权求和，得到所述目标账号在所述每个预设时间段内的兴趣特征；基于所述目标账号在所述每个预设时间段内的兴趣特征，为所述目标账号推荐物品。
29.在一种可能的实现方式中，在所述目标账号为外卖平台对应账号的情况下，所述物品为菜品，所述目标历史行为为菜品下单行为；
30.所述基于所述每个目标历史行为、所述每个目标历史行为的频次和发生时间，为所述目标账号推荐物品，包括：
31.基于每个菜品下单行为、所述每个菜品下单行为的频次和发生时间，为所述目标账号推荐菜品。
32.另一方面，提供了一种物品推荐装置，所述装置包括：
33.第一确定模块，用于确定目标账号的多个历史行为和每个历史行为的发生时间；
34.聚合模块，用于将所述多个历史行为中相同的历史行为进行聚合，得到至少一个目标历史行为；
35.第二确定模块，用于基于所述每个历史行为的发生时间，确定每个目标历史行为的频次和最近一次的发生时间；
36.推荐模块，用于基于所述每个目标历史行为、所述每个目标历史行为的频次和发生时间，为所述目标账号推荐物品。
37.在一种可能的实现方式中，所述推荐模块，包括：
38.第一确定单元，用于对于每个目标历史行为，基于所述目标历史行为的频次，确定
所述目标历史行为的权重，所述权重与频次呈正相关性；
39.第二确定单元，用于基于所述目标历史行为的发生时间，确定每个预设时间段内的目标历史行为；
40.第三确定单元，用于基于所述每个目标历史行为的权重，对每个预设时间段内的目标历史行为进行加权求和，得到所述目标账号在所述每个预设时间段内的兴趣特征；
41.推荐单元，用于基于所述目标账号在所述每个预设时间段内的兴趣特征，为所述目标账号推荐物品。
42.在一种可能的实现方式中，所述第一确定单元，用于：
43.确定所述目标历史行为的发生位置；
44.确定所述发生位置与当前位置之间的距离；
45.基于所述距离和所述频次，确定所述目标历史行为的权重，所述权重与所述距离呈负相关性。
46.在一种可能的实现方式中，所述推荐单元，包括：
47.第一确定子单元，用于确定待推荐的多个物品的物品特征；
48.第二确定子单元，用于基于所述物品特征和所述目标账号在所述每个预设时间段内的兴趣特征，确定每个物品的推荐概率；
49.推荐子单元，用于基于所述每个物品的推荐概率，为所述目标账号推荐物品。
50.在一种可能的实现方式中，所述推荐子单元，用于：
51.确定所述多个物品中推荐概率最大的目标物品；
52.向所述目标账号推荐所述目标物品。
53.在一种可能的实现方式中，所述推荐模块，用于：
54.将所述每个目标历史行为、所述每个目标历史行为的频次和发生时间输入推荐模型中，输出为所述目标账号推荐的目标物品；
55.其中，所述推荐模型用于对于每个目标历史行为，基于所述目标历史行为的频次，确定所述目标历史行为的权重，所述权重与频次呈正相关性；基于所述目标历史行为的发生时间，确定每个预设时间段内的目标历史行为；基于所述每个目标历史行为的权重，对每个预设时间段内的目标历史行为进行加权求和，得到所述目标账号在所述每个预设时间段内的兴趣特征；基于所述目标账号在所述每个预设时间段内的兴趣特征，为所述目标账号推荐物品。
56.在一种可能的实现方式中，在所述目标账号为外卖平台对应账号的情况下，所述物品为菜品，所述目标历史行为为菜品下单行为；所述推荐模块，用于：
57.基于每个菜品下单行为、所述每个菜品下单行为的频次和发生时间，为所述目标账号推荐菜品。
58.另一方面，提供了一种服务器，所述服务器包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述至少一条程序代码由所述一个或多个处理器加载并执行，以实现上述任一实现方式所述的物品推荐方法。
59.另一方面，提供了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至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现上述任一实现方式所述的物品推荐方法。
60.另一方面，提供了一种计算机程序产品，所述计算机程序产品包括至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现上述任一实现方式所述的物品推荐方法。
61.本技术实施例提供的技术方案的有益效果至少包括：
62.本技术实施例提供了一种物品推荐方法，该方法将多个历史行为中相同的历史行为进行聚合，这样就能够确定每个历史行为的频次，而历史行为的频次越高，说明用户长期偏好该历史行为，即历史行为的频次能够有效代表用户的长期兴趣偏好；且由于历史行为的最近一次的发生时间能够代表用户的短期兴趣偏好，这样结合历史行为的频次和最近一次的发生时间为用户推荐物品，能够有效提高为用户推荐物品的准确性。
附图说明
63.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
64.图1是本技术实施例提供的一种实施环境的示意图；
65.图2是本技术实施例提供的一种物品推荐方法的流程图；
66.图3是本技术实施例提供的一种物品推荐方法的流程图；
67.图4是本技术实施例提供的一种历史行为序列的示意图；
68.图5是本技术实施例提供的一种序列长度的示意图；
69.图6是本技术实施例提供的一种序列长度的示意图；
70.图7是本技术实施例提供的一种目标历史行为的示意图；
71.图8是本技术实施例提供的一种物品推荐方法的流程图；
72.图9是本技术实施例提供的一种推荐模型的示意图；
73.图10是本技术实施例提供的一种物品推荐装置的框图；
74.图11是本技术实施例提供的一种终端的框图；
75.图12是本技术实施例提供的一种服务器的框图。
具体实施方式
76.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
77.本技术的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同信息，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们的任意变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
78.本技术实施例提供了一种物品推荐方法的实施环境，参见图1，该实施环境包括终端10和服务器20；终端10和服务器20之间通过无线或有线网络连接。每个终端10上安装由服务器20提供服务的目标应用，且每个终端10能够通过该目标应用实现例如数据传输、信
息交互等功能。在一些实施例中，目标应用为终端10操作系统中的应用，或者为第三方提供的应用。例如，目标应用可以为外卖应用、购物应用等。
79.在一些实施例中，服务器20提供用于点外卖的外卖平台，终端10上安装有与外卖平台对应的外卖应用，用户通过该外卖应用注册该外卖平台对应的目标账号。服务器20用于基于该外卖平台上注册的目标账号点外卖的历史行为，确定向该目标账号推荐的目标外卖，该目标外卖可以为菜品、饮品或甜点等中的至少一种。当用户基于该外卖平台点外卖时，终端10通过其上安装的外卖应用从服务器20获取目标外卖并向目标账号推荐该目标外卖；例如，终端10的外卖应用界面上显示该目标外卖。
80.在一些实施例中，服务器20提供用于购物的购物平台，终端10上安装有与购物平台对应的购物应用，用户通过该购物应用注册该购物平台对应的目标账号。服务器20用于基于该购物平台上注册的目标账号购物的历史行为，确定向该目标账号推荐的目标物品，该目标物品可以为家具、衣服、鞋、包等中的至少一种。当用户基于该购物平台购物时，终端10通过其上安装的购物应用从服务器20获取目标物品并向目标账号推荐该目标物品；例如，终端10的购物应用界面上显示该目标物品。
81.在一些实施例中，服务器20提供用于购买保险的保险平台，终端10上安装有与保险平台对应的保险应用，用户通过该保险应用注册该保险平台对应的目标账号。服务器20用于基于该保险平台注册的目标账号的历史行为，确定向该目标账号推荐的目标保险产品。当用户基于该保险平台购买保险时，终端10通过其上安装的保险应用从服务器20获取目标保险产品并向目标账号推荐该目标保险产品；例如，终端10上的保险应用界面上显示该目标保险产品。
82.终端10为手机、平板电脑和pc(personal computer)设备等设备中的至少一种。服务器20可以为一台服务器、由多台服务器组成的服务器集群、云服务器、云计算平台和虚拟化中心中的至少一种。
83.本技术实施例提供了一种物品推荐方法，参见图2，方法包括：
84.步骤201：确定目标账号的多个历史行为和每个历史行为的发生时间；
85.步骤202：将多个历史行为中相同的历史行为进行聚合，得到至少一个目标历史行为；
86.步骤203：基于每个历史行为的发生时间，确定每个目标历史行为的频次和最近一次的发生时间；
87.步骤204：基于每个目标历史行为、每个目标历史行为的频次和发生时间，为目标账号推荐物品。
88.在一种可能的实现方式中，基于每个目标历史行为、每个目标历史行为的频次和发生时间，为目标账号推荐物品，包括：
89.对于每个目标历史行为，基于目标历史行为的频次，确定目标历史行为的权重，权重与频次呈正相关性；
90.基于目标历史行为的发生时间，确定每个预设时间段内的目标历史行为；
91.基于每个目标历史行为的权重，对每个预设时间段内的目标历史行为进行加权求和，得到目标账号在每个预设时间段内的兴趣特征；
92.基于目标账号在每个预设时间段内的兴趣特征，为目标账号推荐物品。
93.在一种可能的实现方式中，基于目标历史行为的频次，确定目标历史行为的权重，包括：
94.确定目标历史行为的发生位置；
95.确定发生位置与当前位置之间的距离；
96.基于距离和频次，确定目标历史行为的权重，权重与距离呈负相关性。
97.在一种可能的实现方式中，基于目标账号在每个预设时间段内的兴趣特征，为目标账号推荐物品，包括：
98.确定待推荐的多个物品的物品特征；
99.基于物品特征和目标账号在每个预设时间段内的兴趣特征，确定每个物品的推荐概率；
100.基于每个物品的推荐概率，为目标账号推荐物品。
101.在一种可能的实现方式中，基于每个物品的推荐概率，为目标账号推荐物品，包括：
102.确定多个物品中推荐概率最大的目标物品；
103.向目标账号推荐目标物品。
104.在一种可能的实现方式中，基于每个目标历史行为、每个目标历史行为的频次和发生时间，为目标账号推荐物品，包括：
105.将每个目标历史行为、每个目标历史行为的频次和发生时间输入推荐模型中，输出为目标账号推荐的目标物品；
106.其中，推荐模型用于对于每个目标历史行为，基于目标历史行为的频次，确定目标历史行为的权重，权重与频次呈正相关性；基于目标历史行为的发生时间，确定每个预设时间段内的目标历史行为；基于每个目标历史行为的权重，对每个预设时间段内的目标历史行为进行加权求和，得到目标账号在每个预设时间段内的兴趣特征；基于目标账号在每个预设时间段内的兴趣特征，为目标账号推荐物品。
107.在一种可能的实现方式中，在目标账号为外卖平台对应账号的情况下，物品为菜品，目标历史行为为菜品下单行为；
108.基于每个目标历史行为、每个目标历史行为的频次和发生时间，为目标账号推荐物品，包括：
109.基于每个菜品下单行为、每个菜品下单行为的频次和发生时间，为目标账号推荐菜品。
110.本技术实施例提供了一种物品推荐方法，参见图3，方法包括：
111.步骤301：终端向服务器发送推荐请求。
112.其中，推荐请求携带目标账号的标识信息，目标账号为终端上安装的由服务器提供服务的目标应用的注册账号。在一种实现方式中，在向服务器发送推荐请求时，终端的用户会通过移动终端的应用界面上“推荐”虚拟按键或类似功能键的点击操作，触发推荐请求发送至服务器。在另一种实现方式中，在终端上的目标应用启动时，触发推荐请求发送至服务器。在本技术实施例中，对触发推荐请求的具体实现方式不做具体限定。
113.步骤302：服务器接收推荐请求，确定目标账号的多个历史行为和每个历史行为的发生时间。
114.需要说明的是，服务器确定的目标历史行为的行为类型对应具体的应用场景，服务器确定的多个历史行为的行为类型可以根据需要进行设定并更改；可选的，行为类型为下单行为、收藏行为或点击行为等。服务器在确定目标账号的多个历史行为之前，需要对目标账号的全部历史行为进行筛选。例如，对于外卖场景，需要确定的多个历史行为为下单行为，则仅筛选出下单行为，而将账号登录、收藏商家、取消订单等不是下单行为的历史行为滤除。需要说明的一点是，服务器获取用户的历史行为是经用户授权后获取的。
115.在一种实现方式中，多个历史行为依次排列构成历史行为序列，该历史行为序列的排列方式可以按照需要进行设定并更改。可选的，多个历史行为按照时间顺序排列。参见图4，图4为多个历史行为依次排列构成的历史行为序列示意图，该序列中包括相同的历史行为和不同的历史行为。
116.需要说明的是，该多个历史行为包括目标账号的长期历史行为；可选的，该多个历史行为覆盖该目标账号全年的历史行为；或者，该多个历史行为覆盖该目标账号自注册之日起的全部历史行为。而相关技术中仅基于用户的短期历史行为为目标账号推荐物品，如基于目标账号3天内的历史行为对目标账号推荐物品，或基于目标账号一周内的历史行为为目标账号推荐物品。由于用户的短期历史行为数据仅能代表用户在近期的短时间内的兴趣偏好，而用户的长期历史行为数据同样可以反映用户的兴趣偏好；相关技术中仅通过短期的部分历史行为数据来为目标账号推荐物品，会降低推荐的物品的准确性。而在本技术实施例中，基于用户的长期历史行为为目标账号推荐物品，涵盖数据范围广，进而能够提高推荐的物品的准确性。例如，在外卖场景中，待推荐的物品为菜品，目标账号对菜品的复点、复购的比例更高，这样，在为目标账号推荐菜品时，基于目标账号的长期历史行为为目标账号推荐菜品，能够使本次推荐预估的菜品更加准确。
117.步骤303：服务器将多个历史行为中相同的历史行为进行聚合，得到至少一个目标历史行为。
118.需要说明的是，每个历史行为携带第一标识，该第一标识用于标记该历史行为，不同历史行为的第一标识不同，相同历史行为的第一标识相同。在该步骤中，服务器基于每个历史行为的第一标识，将相同的历史行为进行聚合，得到至少一个目标历史行为。需要说明的是，每个目标历史行为携带第二标识，该第二标识用于标记该目标历史行为，不同的目标历史行为第二标识不同。可选的，第二标识与第一标识相同。
119.参见图5，图5为每个目标账号的多个历史行为未进行聚合的序列长度，横坐标为目标账号的比例，纵坐标为目标账号的序列长度，从图中可知，99％的目标账号的序列长度在1978字节。参见图6，图6为每个目标账号的多个历史行为进行聚合后得到的至少一个目标历史行为的序列长度，可以看出，聚合后99％的目标账号的序列长度在479字节，相比于聚合前的序列长度显著降低。
120.在本技术实施例中，通过对相同的历史行为进行聚合，能够有效降低目标账号的历史行为的序列长度，进而能够提高对多个历史行为的处理效率，有效解决了长期历史行为直接引入导致的为目标账号推荐物品耗时较长的问题。
121.步骤304：服务器基于每个历史行为的发生时间，确定每个目标历史行为的频次和最近一次的发生时间。
122.需要说明的是，在至少一个目标历史行为的数量为多个的情况下，多个目标历史
行为构成压缩序列，该压缩序列中包括多个不同的目标历史行为，且保留了每个目标历史行为的频次和最近一次的发生时间。参见图7，图7为保留每个目标历史行为的频次和最近一次的发生时间的目标历史行为的意图。
123.步骤305：服务器基于每个目标历史行为、每个目标历史行为的频次和发生时间，确定为目标账号推荐的目标物品。
124.该步骤的具体实现方式与步骤801-804相同，在此不再赘述。
125.在一种实现方式中，在目标账号为外卖平台对应账号的情况下，物品为菜品，目标历史行为为菜品下单行为；则服务器基于每个菜品下单行为、每个菜品下单行为的频次和发生时间，为目标账号推荐菜品。
126.步骤306：服务器向终端推荐该目标物品。
127.在一种实现方式中，服务器向终端发送该目标物品的信息，以向终端推荐该目标物品。
128.步骤307：终端展示该目标物品。
129.其中，终端接收该目标物品的信息后，基于该信息将目标物品在目标应用的应用界面上进行展示，以为目标账号推荐该目标物品。在本技术实施例中，对目标物品的具体展示形式不做具体限定。可选的，可以以目标物品为主附带物品的商家信息，具体的展示形式由用户对展示的偏好选择决定。
130.本技术实施例提供了一种物品推荐方法，该方法将多个历史行为中相同的历史行为进行聚合，这样就能够确定每个历史行为的频次，而历史行为的频次越高，说明用户长期偏好该历史行为，即历史行为的频次能够有效代表用户的长期兴趣偏好；且由于历史行为的最近一次的发生时间能够代表用户的短期兴趣偏好，这样结合历史行为的频次和最近一次的发生时间为用户推荐物品，能够有效提高为用户推荐物品的准确性。
131.本技术实施例提供了一种物品推荐方法，参见图8，该方法包括：
132.步骤801：服务器对于每个目标历史行为，基于目标历史行为的频次，确定目标历史行为的权重。
133.其中，权重与频次呈正相关性；频次越大，权重越大，频次越小，权重越小。该步骤包括以下步骤(1)-(3)：
134.(1)服务器确定目标历史行为的发生位置。
135.其中，目标历史行为的发生位置为基于蜂窝网络确定的位置。
136.可选的，目标历史行为为外卖场景中的菜品下单行为，则对应的发生位置为基于蜂窝网络确定的菜品商家的位置。
137.(2)服务器确定发生位置与当前位置之间的距离。
138.其中，当前位置为基于蜂窝网络确定的位置。可选的，发生位置与当前位置之间的距离为直线距离
139.(3)服务器基于距离和频次，确定目标历史行为的权重。
140.其中，权重与距离呈负相关性；即距离越大，权重越小，距离越小，权重越大。
141.需要说明的是，在一些场景如外卖场景中，推荐的菜品的商家是基于lbs(location based services，围绕地理位置数据而展开的服务)召回的，因此每个历史行为的发生位置对当前位置的影响也是不同的，即目标历史行为的发生位置对目标历史行为的
权重具有一定影响。而在本技术实施例中，服务器基于距离和频次确定目标历史行为的权重，能够提高确定的权重的准确性。
142.在该步骤中，服务器获取待推荐物品集合，待推荐物品集合中包括事先确定的待推荐的多个物品，该待推荐的多个物品为待向目标账号推荐的候选物品。需要说明的是，不同的待推荐的物品对于每个目标历史行为的权重是不同的。服务器分别确定每个待推荐的物品对于每个目标历史行为的权重。在一种实现方式中，当前位置为待推荐的物品的当前位置，如外卖场景中为待推荐的菜品的商家位置。对于每个待推荐的物品对应的每个目标历史行为的权重，服务器基于该目标历史行为的发生位置与待推荐的物品的当前位置之间的距离、目标历史行为的频次，确定该目标历史行为相对于该待推荐的物品的权重。
143.步骤802：服务器基于目标历史行为的发生时间，确定每个预设时间段内的目标历史行为。
144.需要说明的是，每个预设时间段为当前时间之前一段时间内的时间段，每个预设时间段可以根据需要进行设定并更改；可选的，每个预设时间段包括当前时间之前3天内的时间段、一周内的时间段、半月内的时间段、一月内的时间段、半年内的时间段、一年内的时间段等。在另一种实现方式中，每个预设时间段包括当前时间之前3天内的时间段、3天至一周内的时间段、一周至半月内的时间段、半月至一月内的时间段、一月至半年内的时间段、半年至一年内的时间段等。
145.在该步骤中，服务器基于当前时间与每个目标历史行为的最近一次发生时间之间的时间差，确定每个预设时间段内的目标历史行为。这样，通过基于目标历史行为最近一次的发生时间与当前时间之间的时间差，对多个目标历史行为进行划分，实现了将每个目标历史行为的时间差离散化为唯一数值，使得每个目标历史行为对应一个唯一的时间差，进而能够基于该唯一的时间差将目标历史行为划分到对应的预设时间段内。
146.步骤803：服务器基于每个目标历史行为的权重，对每个预设时间段内的目标历史行为进行加权求和，得到目标账号在每个预设时间段内的兴趣特征。
147.其中，兴趣特征的表现形式为特征向量。需要说明的是，每个目标历史行为的权重对于不同的待推荐的物品是不同的；因此在该步骤中，服务器对于每个待推荐的物品，分别执行步骤803，得到每个待推荐的物品在每个预设时间段内的兴趣特征。
148.需要说明的是，目标账号在不同时间段内的历史行为的作用、对应的兴趣偏好是不同的，仅通过一个时间段的兴趣特征难以刻画目标账号在不同时间段对应的兴趣偏好。而在本技术实施例中通过划分不同预设时间段的目标历史行为，进而基于多个预设时间段的目标历史行为得到多个预设时间段的兴趣特征，实现了对多个目标历史行为的精细划分，这样，基于历史行为的发生时间来提取目标账号的兴趣特征，考虑了目标账号的兴趣变化，相比单一时间段的兴趣特征表达能力更强、特征表达更加丰富。
149.步骤804：服务器基于目标账号在每个预设时间段内的兴趣特征，为目标账号推荐物品。
150.该步骤包括以下步骤(1)-(3)：
151.(1)服务器确定待推荐的多个物品的物品特征。
152.需要说明的是，待推荐的多个物品为步骤801中获取的待推荐集合中的多个物品。在该步骤中，服务器分别对多个物品进行特征向量提取，得到多个物品的物品特征；可选
的，该物品特征表现形式为特征向量。
153.(2)服务器基于物品特征和目标账号在每个预设时间段内的兴趣特征，确定每个物品的推荐概率。
154.在该步骤中，对于每个待推荐的物品，服务器基于物品特征、该待推荐的物品在每个预设时间段内的兴趣特征，确定该待推荐的物品的推荐概率。
155.在一些实施例中，服务器还基于物品的物品特征、该待推荐的物品在每个预设时间段内的兴趣特征、目标账号对应的用户特征和待推荐的物品的辅助特征，确定该待推荐的物品的推荐概率。可选的，用户特征包括用户的性别特征、年龄特征、职业特征等中的至少一项，辅助特征包括待推荐的物品对应的商家品牌特征、营业时间特征等中的至少一项。
156.(3)服务器基于每个物品的推荐概率，为目标账号推荐物品。
157.在该步骤中，服务器确定多个物品中推荐概率最大的目标物品；服务器为目标账号推荐该目标物品。
158.在一些实施例中，本技术实施例通过以下方式实现：服务器将每个目标历史行为、每个目标历史行为的频次和发生时间输入推荐模型中，输出为目标账号推荐的目标物品。
159.其中，推荐模型用于对于每个目标历史行为，基于目标历史行为的频次，确定目标历史行为的权重，权重与频次呈正相关性；基于目标历史行为的发生时间，确定每个预设时间段内的目标历史行为；基于每个目标历史行为的权重，对每个预设时间段内的目标历史行为进行加权求和，得到目标账号在每个预设时间段内的兴趣特征；基于目标账号在每个预设时间段内的兴趣特征，为目标账号推荐物品。其中，推荐模型为根据服务器预存的所有注册的账号的历史行为进行训练得到的模型。
160.在一些实施例中，服务器还将待推荐的物品、待推荐的物品的当前位置、每个目标历史行为、每个目标历史行为的频次、发生时间和其他特征输入推荐模型中，确定待推荐的物品中的目标物品，为目标账号推荐该目标物品；其他特征为目标历史行为或待推荐为物品的特征，在此不做具体限定。参见图9，图9为该实施例的推荐模型的示意图。服务器将多个目标历史行为组成的压缩序列、每个目标历史行为的频次、发生时间和发生位置、待推荐的物品、待推荐的物品的当前位置和其他特征输入推荐模型，推荐模型的嵌入层分别提取多个目标历史行为组成的压缩序列、每个目标历史行为的频次、发生时间和发生位置、待推荐的物品、待推荐的物品的当前位置和其他特征的特征向量，分别得到压缩序列特征向量、频次特征向量、发生时间特征向量、发生位置特征向量、物品特征向量、当前位置特征向量和其他特征向量。对于每个目标历史行为，推荐模型的注意力层基于该目标历史行为的特征向量、频次特征向量、发生位置特征向量、物品特征向量、当前位置特征向量和其他特征向量，生成每个目标历史行为的权重。推荐模型的时序聚合行为模块基于多个目标历史行为的发生时间，得到每个预设时间段内的目标历史行为，并基于每个目标历史行为的权重，对每个预设时间段内的目标历史行为的特征向量和权重加权求和，得到目标账号在每个预设时间段的兴趣特征。推荐模型的全连接层结合待推荐的物品的多个兴趣特征、待推荐的物品的特征向量和辅助特征，并依次通过至少两个函数层，得到待推荐的物品的推荐概率。推荐模型确定多个待推荐的物品中推荐概率最大的目标物品，通过输出层输出该目标物品。
161.需要说明的是，现有技术中由于模型的性能问题，在为目标账号推荐物品时，仅基
于多个历史行为中与待推荐的物品品类相同的历史行为来为目标账号推荐物品，由于与待推荐的物品品类不同的历史行为同样可以反映目标账号对应的兴趣偏好，这样，仅基于与待推荐的物品品类相同的历史行为来为目标账号推荐物品，并没有覆盖目标账号的全部历史行为，存在信息缺失，进而使得为目标账号推荐物品的准确性低；例如在外卖场景中，火锅类的菜品下单行为对于甜点类的菜品下单行为同样具有对兴趣偏好的影响。而在本技术实施例中，多个历史行为为全品类的历史行为，这样通过引入目标账号在全品类的历史行为，进而能够提高对目标账号推荐物品的准确性。
162.需要说明的是，将本技术实施例提供的方法应用在外卖场景中，ctr(click-through-rate，点击通过率)提高了1.08％，cvr(click rate，点击量)提高了0.26％，cpm(cost per mille，消费量)提高了2.63％，roi(return on investment，投资回报率)降低了1.25％，gmv(gross merchandise volume，成交额)提高了1.35％，可知，通过本技术实施例提供的方法推荐物品，能够有效提高推荐物品的准确性和实用性。
163.本技术实施例提供了一种物品推荐方法，该方法将多个历史行为中相同的历史行为进行聚合，这样就能够确定每个历史行为的频次，而历史行为的频次越高，说明用户长期偏好该历史行为，即历史行为的频次能够有效代表用户的长期兴趣偏好；且由于历史行为的最近一次的发生时间能够代表用户的短期兴趣偏好，这样结合历史行为的频次和最近一次的发生时间为用户推荐物品，能够有效提高为用户推荐物品的准确性。
164.本技术实施例还提供了一种物品推荐装置，参见图10，装置包括：
165.第一确定模块1001，用于确定目标账号的多个历史行为和每个历史行为的发生时间；
166.聚合模块1002，用于将多个历史行为中相同的历史行为进行聚合，得到至少一个目标历史行为；
167.第二确定模块1003，用于基于每个历史行为的发生时间，确定每个目标历史行为的频次和最近一次的发生时间；
168.推荐模块1004，用于基于每个目标历史行为、每个目标历史行为的频次和发生时间，为目标账号推荐物品。
169.在一种可能的实现方式中，推荐模块1004，包括：
170.第一确定单元，用于对于每个目标历史行为，基于目标历史行为的频次，确定目标历史行为的权重，权重与频次呈正相关性；
171.第二确定单元，用于基于目标历史行为的发生时间，确定每个预设时间段内的目标历史行为；
172.第三确定单元，用于基于每个目标历史行为的权重，对每个预设时间段内的目标历史行为进行加权求和，得到目标账号在每个预设时间段内的兴趣特征；
173.推荐单元，用于基于目标账号在每个预设时间段内的兴趣特征，为目标账号推荐物品。
174.在一种可能的实现方式中，第一确定单元，用于：
175.确定目标历史行为的发生位置；
176.确定发生位置与当前位置之间的距离；
177.基于距离和频次，确定目标历史行为的权重，权重与距离呈负相关性。
178.在一种可能的实现方式中，推荐单元，包括：
179.第一确定子单元，用于确定待推荐的多个物品的物品特征；
180.第二确定子单元，用于基于物品特征和目标账号在每个预设时间段内的兴趣特征，确定每个物品的推荐概率；
181.推荐子单元，用于基于每个物品的推荐概率，为目标账号推荐物品。
182.在一种可能的实现方式中，推荐子单元，用于：
183.确定多个物品中推荐概率最大的目标物品；
184.向目标账号推荐目标物品。
185.在一种可能的实现方式中，推荐模块1004，用于：
186.将每个目标历史行为、每个目标历史行为的频次和发生时间输入推荐模型中，输出为目标账号推荐的目标物品；
187.其中，推荐模型用于对于每个目标历史行为，基于目标历史行为的频次，确定目标历史行为的权重，权重与频次呈正相关性；基于目标历史行为的发生时间，确定每个预设时间段内的目标历史行为；基于每个目标历史行为的权重，对每个预设时间段内的目标历史行为进行加权求和，得到目标账号在每个预设时间段内的兴趣特征；基于目标账号在每个预设时间段内的兴趣特征，为目标账号推荐物品。
188.在一种可能的实现方式中，在目标账号为外卖平台对应账号的情况下，物品为菜品，目标历史行为为菜品下单行为；推荐模块1004，用于：
189.基于每个菜品下单行为、每个菜品下单行为的频次和发生时间，为目标账号推荐菜品。
190.图11示出了本技术一个示例性实施例提供的终端1100的结构框图。该终端1100可以是便携式移动终端，比如：智能手机、平板电脑、mp3播放器(moving picture experts group audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving picture experts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端1100还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
191.通常，终端1100包括有：处理器1101和存储器1102。
192.处理器1101可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1101可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1101也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1101可以集成有gpu(graphics processing unit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1101还可以包括ai(artificial intelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。
193.存储器1102可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1102还可包括高速随机存取存储器，以及非易失性存储器，比如一个
或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1102中的非暂态的计算机可读存储介质用于存储至少一个程序代码，该至少一个程序代码用于被处理器1101所执行以实现本技术中方法实施例提供的物品推荐方法。
194.在一些实施例中，终端1100还可选包括有：外围设备接口1103和至少一个外围设备。处理器1101、存储器1102和外围设备接口1103之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1103相连。具体地，外围设备包括：射频电路1104、显示屏1105、摄像头组件1106、音频电路1107、定位组件1108和电源1109中的至少一种。
195.外围设备接口1103可被用于将i/o(input/output，输入/输出)相关的至少一个外围设备连接到处理器1101和存储器1102。在一些实施例中，处理器1101、存储器1102和外围设备接口1103被集成在同一芯片或电路板上；在一些其他实施例中，处理器1101、存储器1102和外围设备接口1103中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
196.射频电路1104用于接收和发射rf(radio frequency，射频)信号，也称电磁信号。射频电路1104通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1104将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路1104包括：天线系统、rf收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1104可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2g、3g、4g及5g)、无线局域网和/或wifi(wireless fidelity，无线保真)网络。在一些实施例中，射频电路1104还可以包括nfc(near field communication，近距离无线通信)有关的电路，本技术对此不加以限定。
197.显示屏1105用于显示ui(user interface，用户界面)。该ui可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1105是触摸显示屏时，显示屏1105还具有采集在显示屏1105的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1101进行处理。此时，显示屏1105还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏1105可以为一个，设置在终端1100的前面板；在另一些实施例中，显示屏1105可以为至少两个，分别设置在终端1100的不同表面或呈折叠设计；在另一些实施例中，显示屏1105可以是柔性显示屏，设置在终端1100的弯曲表面上或折叠面上。甚至，显示屏1105还可以设置成非矩形的不规则图形，也即异形屏。显示屏1105可以采用lcd(liquid crystal display，液晶显示屏)、oled(organic light-emitting diode,有机发光二极管)等材质制备。
198.摄像头组件1106用于采集图像或视频。可选地，摄像头组件1106包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及vr(virtual reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件1106还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于
不同色温下的光线补偿。
199.音频电路1107可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1101进行处理，或者输入至射频电路1104以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端1100的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1101或射频电路1104的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路1107还可以包括耳机插孔。
200.定位组件1108用于定位终端1100的当前地理位置，以实现导航或lbs(location based service，基于位置的服务)。定位组件1108可以是基于美国的gps(global positioning system，全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
201.电源1109用于为终端1100中的各个组件进行供电。电源1109可以是交流电、直流电、一次性电池或可充电电池。当电源1109包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
202.在一些实施例中，终端1100还包括有一个或多个传感器1110。该一个或多个传感器1110包括但不限于：加速度传感器1111、陀螺仪传感器1112、压力传感器1113、指纹传感器1114、光学传感器1115以及接近传感器1116。
203.加速度传感器1111可以检测以终端1100建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1111可以用于检测重力加速度在三个坐标轴上的分量。处理器1101可以根据加速度传感器1111采集的重力加速度信号，控制显示屏1105以横向视图或纵向视图进行用户界面的显示。加速度传感器1111还可以用于游戏或者用户的运动数据的采集。
204.陀螺仪传感器1112可以检测终端1100的机体方向及转动角度，陀螺仪传感器1112可以与加速度传感器1111协同采集用户对终端1100的3d动作。处理器1101根据陀螺仪传感器1112采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变ui)、拍摄时的图像稳定、游戏控制以及惯性导航。
205.压力传感器1113可以设置在终端1100的侧边框和/或显示屏1105的下层。当压力传感器1113设置在终端1100的侧边框时，可以检测用户对终端1100的握持信号，由处理器1101根据压力传感器1113采集的握持信号进行左右手识别或快捷操作。当压力传感器1113设置在显示屏1105的下层时，由处理器1101根据用户对显示屏1105的压力操作，实现对ui界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
206.指纹传感器1114用于采集用户的指纹，由处理器1101根据指纹传感器1114采集到的指纹识别用户的身份，或者，由指纹传感器1114根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1101授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1114可以被设
置在终端1100的正面、背面或侧面。当终端1100上设置有物理按键或厂商logo时，指纹传感器1114可以与物理按键或厂商logo集成在一起。
207.光学传感器1115用于采集环境光强度。在一个实施例中，处理器1101可以根据光学传感器1115采集的环境光强度，控制显示屏1105的显示亮度。具体地，当环境光强度较高时，调高显示屏1105的显示亮度；当环境光强度较低时，调低显示屏1105的显示亮度。在另一个实施例中，处理器1101还可以根据光学传感器1115采集的环境光强度，动态调整摄像头组件1106的拍摄参数。
208.接近传感器1116，也称距离传感器，通常设置在终端1100的前面板。接近传感器1116用于采集用户与终端1100的正面之间的距离。在一个实施例中，当接近传感器1116检测到用户与终端1100的正面之间的距离逐渐变小时，由处理器1101控制显示屏1105从亮屏状态切换为息屏状态；当接近传感器1116检测到用户与终端1100的正面之间的距离逐渐变大时，由处理器1101控制显示屏1105从息屏状态切换为亮屏状态。
209.本领域技术人员可以理解，图11中示出的结构并不构成对终端1100的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
210.图12是本公开实施例提供的一种服务器的框图，该服务器1200可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)1201和一个或一个以上的存储器1202，其中，存储器1202用于存储可执行程序代码，处理器1201被配置为执行上述可执行程序代码，以实现上述各个方法实施例提供的物品推荐方法。当然，该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器还可以包括其他用于实现设备功能的部件，在此不做赘述。
211.在示例性实施例中，还提供了一种包括程序代码的存储介质，例如包括程序代码的存储器1202，上述程序代码可由服务器1200的处理器1201执行以完成上述业务请求的方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，非临时性计算机可读存储介质可以是rom(read-only memory，只读存储器)、ram(random access memory，随机存取存储器)、cd-rom(compact disc read-only memory，只读光盘)、磁带、软盘和光数据存储设备等。
212.本技术实施例还提供了一种计算机可读存储介质，计算机可读存储介质中存储至少一条程序代码，至少一条程序代码由处理器加载并执行，以实现上述任一实现方式的物品推荐方法。
213.本技术实施例还提供了一种计算机程序产品，计算机程序产品包括至少一条程序代码，至少一条程序代码由处理器加载并执行，以实现上述任一实现方式的物品推荐方法。
214.在一些实施例中，本技术实施例所涉及的计算机程序产品可被部署在一个服务器上执行，或者在位于一个地点的多个服务器上执行，又或者，在分布在多个地点且通过通信网络互连的多个服务器上执行，分布在多个地点且通过通信网络互连的多个服务器可以组成区块链系统。
215.本技术实施例提供了一种物品推荐方法，该方法将多个历史行为中相同的历史行为进行聚合，这样就能够确定每个历史行为的频次，而历史行为的频次越高，说明用户长期偏好该历史行为，即历史行为的频次能够有效代表用户的长期兴趣偏好；且由于历史行为的最近一次的发生时间能够代表用户的短期兴趣偏好，这样结合历史行为的频次和最近一
次的发生时间为用户推荐物品，能够有效提高为用户推荐物品的准确性。
216.以上仅为本技术的可选实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。