CN102819804A - 一种商品信息的推送方法及设备 - Google Patents

Abstract

本申请公开了一种商品信息的推送方法及设备，包括：除根据用户设备的操作行为向用户设备推送感兴趣的商品信息外，还根据商品信息的第一预设指标和第二预设指标确定的商品信息的支持度，从用户设备感兴趣的商品信息所属类目下补足若干数量的高支持度的商品信息，并将用户设备感兴趣的商品信息以及补足的商品信息推送给用户设备，使得向用户设备既推送预设类型的商品信息又推送常规商品信息的过程中，只需要进行一次商品信息的确定过程，有效减少了对系统资源的占用，使有限的系统资源能够为更多的进程提供资源。

Description

一种商品信息的推送方法及设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种商品信息的推送方法及设备。

背景技术

在用户设备访问各类服务网站时，特别是用户设备访问购物网站时，购物网站会对之前一段时间内用户设备在购物网站中的操作行为进行学习，以此来确定用户设备感兴趣的商品，进而将这些用户设备感兴趣商品的商品信息推送给用户设备，以提高用户设备对网站的访问效率。

网站向用户设备推送商品信息的过程如下：

第一步：根据用户设备在最近的设定时长内对网站的操作行为，确定用户设备感兴趣的商品。

本步骤中的操作行为包括但不限于：用户设备浏览包含某些商品信息的网页、用户设备收藏包含某些商品信息的网页、用户设备完成针对某商品的交易等。

网站内存储的日志信息中记录了用户设备的各种操作行为，对这些操作行为进行分析，确定用户设备感兴趣的商品集合。例如，用户设备浏览、收藏页面中的商品信息所表示商品是用户设备感兴趣的商品，用户设备交易的商品也可看作是用户设备感兴趣的商品。

第二步：根据商品信息的相关性，确定与用户设备感兴趣的商品相关的其他商品。

商品信息的相关性是表示商品相似程度的信息，例如，对于属于相同叶子类目下的商品信息，可以将商品名称相似度较高的商品看作是与用户设备感兴趣的商品相关的商品。

这些用户设备感兴趣的商品的商品信息以及其他相关商品的商品信息都是待推送给用户设备的商品信息。

第三步：若第二步确定的待推送给用户设备的商品信息的数量较少，则可进行商品信息的补足。

这里对商品信息的补足是指基于商品的某项指标，将与用户设备感兴趣的商品属于相同叶子类目下的其他商品的商品信息补充作为推送给用户设备的商品信息。为了使推送给用户设备的商品信息有利于用户设备对商品的了解，在进行商品信息进行补充时，可以根据商品的某项指标对对应的商品信息进行排序，对指标较优的商品对应的商品信息作为补足的商品信息。

所述商品的某项指标可以是商品销售量、商品的上架时间、商品的热度(包括商品信息被点击查看的频率)等。

第四步：将满足数量要求的商品信息推送给用户设备，针对每一商品信息，具体推送的内容包括：商品的名称、价格、卖家名称、卖家用户申请的即时通信账号是否在线、商品信息的统一资源定位符(Uniform Resource Locator，URL)等。

上述向用户设备推送商品信息的过程是针对网站中常规的商品信息而言的，而网站中的商品信息还可以进一步包括P4P商品信息。

所述P4P商品信息是指将常规商品信息按效果付费(Pay for performance)的商品信息，发布商品信息的卖家用户按照关键词竞价，在竞价成功后该关键词对应的商品信息即为P4P信息，当买家用户通过该关键词搜索到对应P4P商品信息并点击浏览相应页面时，卖家用户需要对此点击浏览过程付费。

网站在向用户设备推送商品信息时，除了按照上述方式推送常规的商品信息外，还需要推送P4P商品信息，推送P4P商品信息的过程为：

第一步：根据用户设备在最近的设定时长内对网站的操作行为确定用户设备感兴趣的商品，进而确定进行P4P商品搜索的关键词。

在本步骤中，确定的关键词与用户设备感兴趣的商品相关。

第二步：根据所述关键词在网站的广告系统中进行P4P商品信息的搜索，确定出待推送给用户设备的P4P商品信息。

此时，确定的P4P商品信息的URL与扣费系统关联，称之为eURL。

第三步：若第二步确定的待推送给用户设备的P4P商品信息的数量较少，则可进行商品信息的补足。

本步骤的补足方式与针对常规商品信息的补足方式相似，所不同的是在广告系统中进行P4P商品信息的补足。

第四步：将满足数量要求的P4P商品信息推送给用户设备。

在目前的商品信息推送过程中，可以仅推送常规商品信息，也可以仅推送P4P商品信息，还可以按照固定比例同时推送常规商品信息和P4P商品信息。在按照固定比例同时推送常规商品信息和P4P商品信息时，由于P4P商品信息的数量一般远少于常规商品信息的数量，因此，若所述固定比例中P4P商品信息的数量过多，则可能使得向用户设备推送的商品信息并不是用户设备实际需求的商品信息，使商品信息的推送效果减弱；若所述固定比例中P4P商品信息的数量过少，则达不到网站生成P4P商品信息的盈利目的。

并且，在推送常规商品信息和P4P商品信息时，网站中用于向用户设备推送商品信息的设备需要分别进行两次商品信息的确定过程，一次是确定发送给用户设备常规商品信息，另一次是确定发送给用户设备的P4P商品信息，也就是说，系统需要为常规商品信息的确定过程以及P4P商品信息的确定过程分别分配系统资源，使得目前的商品信息推送过程占用的系统资源过多。

综上所述，目前网站向用户设备主动推送商品信息的过程中，还存在常规商品信息和P4P商品信息的比例不好控制，且商品信息推送过程占用的系统资源过多的问题。

发明内容

本申请目的在于：提供一种商品信息的推送方法及设备，用以解决现有技术中存在的商品信息推送过程占用的系统资源过多的问题。

一种商品信息的推送方法，包括：

根据用户设备在设定时长内操作过的商品信息，确定待推送给用户设备的商品信息；

在已确定的商品信息的数量小于阈值时，从已确定的商品信息所属类目下再选择设定数量的支持度最高的商品信息，所述支持度是根据商品信息的第一预设指标和设定的第二预设指标确定的，且所述已确定的商品信息的数量和选择的商品信息之和不小于所述阈值；

将所述已确定的商品信息和选择的商品信息推送给所述用户设备。

一种商品信息的推送设备，包括：

第一信息确定模块，用于根据用户设备在设定时长内操作过的商品信息，确定待推送给用户设备的商品信息；

第二信息确定模块，用于在已确定的商品信息的数量小于阈值时，从已确定的商品信息所属类目下再选择设定数量的支持度最高的商品信息，所述支持度是根据商品信息的第一预设指标和设定的第二预设指标确定的，且所述已确定的商品信息的数量和选择的商品信息之和不小于所述阈值；

推送模块，用于将所述已确定的商品信息和选择的商品信息推送给所述用户设备。

本申请有益效果如下：

通过本申请实施例的方案，除了根据用户设备的操作行为向用户设备推送感兴趣的商品信息外，还根据商品信息的第一预设指标和第二预设指标确定的商品信息的支持度，从用户设备感兴趣的商品信息所属类目下补足若干数量的高支持度的商品信息，并将用户设备感兴趣的商品信息以及补足的商品信息推送给用户设备，使得向用户设备既推送预设类型的商品信息又推送常规商品信息的过程中，只需要进行一次商品信息的确定过程，有效减少了对系统资源的占用，使有限的系统资源能够为更多的进程提供资源。

附图说明

图1为本申请实施例一商品信息的推送方法步骤示意图；

图2为本申请实施例二商品信息的推送方法的步骤示意图；

图3为行为偏好度与时间的衰减趋势示意图；

图4为本申请实施例三商品信息的推送设备结构示意图；

图5为本申请实施例三网络系统架构示意图；

图6为本申请实施例三网络系统架构示意图。

具体实施方式

为了在同时向用户设备推送常规的商品信息以及其他预设类型商品信息的过程中，减少系统资源的占用，本申请实施例提出一种新的商品信息的推送方案，除了根据用户设备的操作行为向用户设备推送感兴趣的商品信息外，还根据商品信息的第一预设指标和第二预设指标确定的商品信息的支持度，从用户设备感兴趣的商品信息所属类目下补足若干数量的高支持度的商品信息，并将用户设备感兴趣的商品信息以及补足的商品信息推送给用户设备。一方面，推送给用户设备的商品信息中根据第一预设指标的高低，携带了部分常规商品信息和部分其他预设类型的商品信息，使推送的商品信息中其他预设类型(如P4P类型)商品信息的比例能够协调商品信息的推送效果以及网站生成P4P商品信息的盈利目的；另一方面，向用户设备既推送其他预设类型商品信息又推送常规商品信息的过程中，只需要进行一次商品信息的确定过程，有效减少了对系统资源的占用，使有限的系统资源能够为更多的进程提供资源。

需要说明的是，本申请中涉及的第一预设指标可以是指与商品信息类型相关的指标，如P4P指标；第二预设指标是指不满足第一预设指标的其他指标，如非P4P指标。本申请后续各实施例以第一预设指标为P4P指标，第二预设指标为非P4P指标为例进行说明，但本申请并不局限于P4P这一种与商品信息类型相关的指标。

本申请中涉及的除商品信息的常规类型外的其他预设类型，可以是商品信息可存在的各种类型，如P4P类型，P4P类型的商品信息称之为P4P商品信息。本申请后续各实施例以向用户设备推送P4P类型的商品信息为例进行说明，但本申请并不局限于P4P这一类型。

本申请各实施例中涉及的P4P商品信息可有两种状态：第一种状态是“P4P在线”，表示参与了关键词竞价的商品信息还可以继续被点击扣费，也就是说，“P4P在线”状态的商品信息是指当前仍然是P4P类型的商品信息，此时的P4P类型的商品信息还具有有效的扣费链接(eURL)。第二种状态是“P4P下线”，表示参与了关键词竞价的商品信息用于点击扣费的金额已经被扣完，也就是说，“P4P下线”状态的商品信息是指以前曾经是P4P类型的商品信息，但现在已经不是P4P类型的商品信息。

下面结合说明书附图对本申请实施例的方案进行详细描述。

实施例一

如图1所示，为本申请实施例一中商品信息的推送方法步骤示意图，所述方法包括以下步骤：

步骤101：根据用户设备在设定时长内操作过的商品信息，确定待推送给用户设备的商品信息。

在本步骤的方案中，当用户设备访问网站时，网站内的推送设备将查询相关的日志信息，确定需要为该用户设备推送的商品信息。

推送设备在确定需要为用户设备推送的商品信息时，首先会对之前的设定时长内用户设备对网站访问时生成的操作信息进行学习，确定用户设备最感兴趣的商品，进而将用户设备最感兴趣的商品的商品信息作为待推送给用户设备的商品信息。

用户设备对网站访问时生成的操作信息包括：用户设备的操作行为、操作行为的发生次数、操作行为的对象(即操作过的商品信息)。例如：用户设备在之前的设定时长内访问网站时，用户设备点击并浏览了3个页面，其中每个页面中的内容为一个商品的商品信息。因此，网站中的日志设备记录的用户设备的操作信息为：操作行为-浏览页面；操作次数-3次，操作过的商品信息-商品信息1、商品信息2、商品信息3。

推送设备读取用户设备的操作信息后，将用户设备实际操作过的商品信息作为用户设备最感兴趣的商品信息。

在本步骤的方案中，推送设备除了将用户设备实际操作过的商品信息作为用户设备感兴趣的商品信息，还可以将与用户设备实际操作过的商品信息有高相关度的其他商品信息也作为用户设备感兴趣的商品信息。

在本实施例的方案中，商品信息之间的相关度是通过具体的数值来衡量商品之间的相关性大小，计算商品信息之间的相关度的方式有多种，例如：根据商品信息中的内容相似程度来计算相关度，或是根据商品信息中某些特定的关键词的相似程度来计算相关度等。

在本步骤101的方案执行后，推送设备已经根据用户设备在设定时长内的操作信息确定若干个商品信息，由于这些商品信息与用户设备的行为直接或间接相关，是用户感兴趣的商品信息，因此，步骤101中确定的待推送给用户设备的商品信息可以称之为基准商品信息。

若用户设备在设定时长内是对网站内的常规商品信息进行的操作，则得到的基准商品信息也可是常规商品信息，若用户设备在设定时长内是对网站内的P4P商品信息进行的操作，则得到的基准商品信息也可包含P4P商品信息。

步骤102：判断基准商品信息的数量是否小于阈值，若是，则执行步骤103；否则，直接将基准商品信息推送给所述用户设备。

在本步骤的方案中，当推送设备已确定基准商品信息后，还要进一步判断基准商品信息的数量是否足够，其判断依据是基准商品信息的数量是否小于阈值，若小于，表示已确定的基准商品信息的数量不够，需要进行商品信息的补足；否则，已确定的基准商品信息的内容是用户设备感兴趣的内容，且数量也已足够，可以直接向用户设备推送。

所述阈值可以有多种方式确定，包括但不限于以下两种方式：

方式一：由用户设备确定。

在本方式一下，用户设备向网站请求信息推送业务后，或是网站为用户设备开通信息推送业务后，用户设备通过网站提供的会话窗口向网站输入每次推送的商品信息的数量。例如，用户设备要求每次推送10个商品信息，每个商品信息中携带对应商品的名称、价格、卖家名称、卖家用户申请的即时通信账号是否在线、商品信息所在页面的URL。

方式二：由推送设备确定。

在本方式二下，推送设备预先确定每次向用户设备推送的商品信息的数量。例如，推送设备推送给用户设备的商品信息是将各商品信息的简要说明和URL以列表形式展示给用户设备，则推送设备可预先确定列表中商品信息的数量，作为本步骤的判定依据。

步骤103：从已确定的商品信息所属类目下再选择设定数量的支持度最高的商品信息。

在本步骤的方案中，由于步骤101中的基准商品信息是根据用户设备实际的操作信息确定的，可认为是用户设备感兴趣的商品信息，因此，用户设备感兴趣的商品信息所在的类目也可以看作是用户感兴趣的类目(较优的选择用户设备感兴趣的商品信息所在的叶子类目)，从用户感兴趣的类目下继续选择用于补足的商品信息，可以使的选择出的商品信息尽可能地满足用户设备的访问需求。

所述支持度是反映商品信息多方面重要程度的参数，根据商品信息的P4P指标和设定的非P4P指标进行运算，对商品信息的多方面重要程度进行平衡，使得优质卖家用户提供商品的商品信息、被用户设备操作频繁的商品信息(即热度较高的商品信息)，以及更有可能交易商品的商品信息作为高支持度的商品信息，优先推送给用户设备，使得推送给用户设备的商品信息是相对优质的商品信息。

在本步骤中，所述选择的商品信息的数量为设定数量，该设定数量根据步骤101中确定的基准商品信息的数量来确定，该设定数量的最小值为所述阈值与基准商品信息的数量之差。

步骤104：将基准商品信息和选择的商品信息推送给所述用户设备。

在本申请实施例的方案中，网站中的所有商品信息存储在两个子系统中，其中一个子系统是广告引擎子系统，在该广告引擎子系统中存储了各“P4P在线”状态的商品信息；另一个子系统是商品信息实时子系统，在该商品信息实时子系统中存储了常规商品信息。

由于P4P商品信息是指：对常规商品信息按照关键词竞价后，该关键词对应的P4P商品信息，因此，存储在广告引擎子系统中的P4P商品信息也同时存储在商品信息实时子系统中，所不同的是，同一商品信息存储在广告引擎子系统和商品信息实时子系统中的URL不同，这是因为存储在广告引擎子系统中的P4P商品信息在被点击时需要进行点击扣费，因此，存储在广告引擎子系统中的P4P商品信息的是能够进行点击扣费的eURL。

推送设备在本步骤的具体执行过程为：

第一步：将基准商品信息的ID和选择的商品信息ID发送给网站中的商品信息实时子系统，根据基准商品信息的ID和选择的商品信息ID确定基准商品信息和选择的商品信息的内容。

所述商品信息的内容是需要向用户设备展示的内容，包括：商品的名称、价格、图片、卖家名称、卖家用户申请的即时通信账号是否在线、URL。

第二步：再将基准商品信息的ID和选择的商品信息ID发送给网站中的广告引擎子系统，根据商品信息ID判断所述基准商品信息和选择的商品信息中是否存在当前是P4P类型的商品信息，也就是“P4P在线”状态的商品信息。

若存在“P4P在线”状态的商品信息，则读取广告引擎子系统中“P4P在线”状态的商品信息的eURL，并替换第一步已得到商品信息的内容中的URL。

第三步：将基准商品信息和选择的商品信息推送给用户设备，此时，若推送的商品信息存在“P4P在线”状态的商品信息，则“P4P在线”状态的商品信息的内容中携带的是eURL。

需要说明的是，本步骤也不限于先将基准商品信息的ID和选择的商品信息ID发送给网站中的广告引擎子系统，确定其中“P4P在线”状态的商品信息，并在“P4P在线”状态的商品信息中携带eURL，然后再将基准商品信息的ID和选择的商品信息ID发送给网站中的商品信息实时子系统，根据基准商品信息的ID和选择的商品信息ID确定基准商品信息和选择的商品信息的内容。

通过本申请实施例一的方案，在向用户设备推送商品信息时，首先根据用户设备的操作信息确定用户感兴趣的基准商品信息，进而再从该基准商品信息所属的类目按照支持度的高度中选择高支持度的商品信息，由于在选择高支持度商品信息时兼顾了商品信息的P4P指标和非P4P指标，因此，选择的商品信息一方面能够协调商品信息的推送效果以及网站对P4P商品信息的盈利目的，另一方面，只需要进行一次信息查询过程，有效减少了对系统资源的占用，使有限的系统资源能够为更多的进程提供资源。

实施例二

本申请实施例二通过一个具体的实例对实施例一的方案进行详细说明。

在实施例一的方案中，推送设备直接根据用户设备在所述设定时长内操作过的商品信息来确定用户设备感兴趣的基准商品信息。较优地，本申请实施例二在实施例一的基础上，提出优选用户设备感兴趣的类目，进而在该类目下确定用户设备感兴趣的基准商品信息。如图2所示，为本申请实施例二中商品信息的推送方法的步骤示意图，所述方法包括以下步骤：

步骤201：根据用户设备在所述设定时长内操作过的商品信息，以及对各商品信息的操作行为，确定待推送给用户设备的商品信息所属类目。

由于每个商品都属于某个类目，因此，用户设备对商品信息的操作都可以归属到对某个类目的操作，本步骤的目的在于根据设定时长内用户设备的操作信息，确定哪些类目是用户设备操作的类目，作为确定用户设备感兴趣的类目的判断依据，进而运算确定各个类目对用户设备的重要度，并将重要度高的类目作为推送给用户设备的商品信息所属类目。

由于网站中包含的商品信息所属类目众多，因此，本申请实施例二的方案中，通过以下具体方式来说明针对类目j运算支持度的过程，所述类目j是网站中包含的商品信息所属的一个类目。

第一步：确定用户设备在所述设定时长内针对类目j的操作信息，以及在将所述设定时长按照时间顺序划分为M段时长后，每段时长内用户设备针对类目j的操作信息，所述M为正整数。

由于网站中的日志设备记录了相对较长的设定时长内(如30天)用户设备的操作信息，而用户设备在1周前感兴趣的商品在1周后不一定仍然感兴趣，因此，本步骤中首先将所述设定时长划分为相对较短的多段时长，例如，划分前的设定时长为30天，将该设定时长划分为30段，每段时长为1天，针对划分后的较短时段，可以将该时段内用户设备的兴趣可看作是不变的。

第二步：针对划分后的每段时长和类目j，确定用户设备在一段时长内的行为支持度。

在第二步的执行方案中，以第i段时长(称之为时段i)为例，来说明用户设备在第i段时长内针对类目j的行为支持度的计算方式。

首先，确定用户设备在第i段时长内对类目j的操作信息，包括对类目j的操作行为以及每项操作行为的发生次数。

用户设备对类目j感兴趣的程度可以通过用户设备在访问网站时对类目j的一系列操作行为来体现，同时，用户设备作为为卖家用户服务的设备或作为为买家用户服务的设备，其行为有所不同。

例如：用户设备作为为买家用户服务的设备时，用户设备的行为有：浏览、收藏属于类目j下的商品信息的页面、通过浏览的页面查看卖家用户的即时通信联系方式、通过查看的联系方式对与卖家用户进行即时通信联系。用户设备作为为卖家用户服务的设备时，用户设备的行为有：发布类目j下的商品信息的页面等。

不论用户设备是作为为买家用户服务的设备还是为卖家用户服务的设备，用户设备对类目j的操作都可以反映用户设备对类目j感兴趣的程度。

然后，为时段i内的每项操作行为确定权重。

由于不同的操作行为代表的用户设备对类目感兴趣的程度不同，因此，可以为每种操作行为设定一个权重，来表示该操作行为所反映的用户设备感兴趣的程度。例如，假设用户设备在时段i内的操作行为有3项(每一项操作行为的发生次数可能有1次也可能多次)，分别为浏览、收藏、交易，则分别确定浏览行为的权重为w1、收藏行为的权重为w2、交易行为的权重为w3。

一般情况下，用户设备对页面的浏览所反映用户设备对该页面内的商品信息感兴趣的程度不一定很高，但用户设备收藏、交易过的商品信息是用户设备感兴趣的商品信息的可能性很大，因此，可以设定w2＝w3＞w1。

接着，确定时段i内的每项操作行为发生的次数。

仍以浏览、收藏、交易行为为例，根据日志设备记录的日志信息可以确定：浏览行为的发生次数为x1、收藏行为的发生次数为x2、交易行为的发生次数为x3，此时，可以得到如表1所示的行为列表。

操作行为	权重	发生次数
			浏览	w1	x1
收藏	w2	x2
			交易	w3	x3
……	……	……

表1

最后，将针对类目j的时段i内操作行为权重以及操作行为的发生次数加权求和，得到时段i内针对类目j的行为支持度。

本步骤具体通过公式(1)计算时段i内的行为支持度：

Y_ij＝w_1j*x_1j+...+w_nj*x_nj   (1)

其中：其中：Y_i表示第i段时长针对类目j的行为支持度；w_1j、w_nj表示用户设备针对类目j的第1个操作行为至第n个操作行为的权重；x_1j、x_nj表示用户设备针对类目j的第1个操作行为至第n个操作行为的发生次数。

第三步：针对划分后的每段时长和类目j，确定用户设备在一段时长内的行为偏好度。

在第三步的执行方案中，以划分后得到的第t段时长为例，来说明用户设备在一段时长内的行为偏好度的计算方式。

由于用户设备对类目j的偏好会随着时间衰减，在30天的设定时长内，最初几天用户设备所表现出的偏好类目与最近几天用户设备表现出的偏好类目可以很不同，但最近几天的偏好类目更加能够反映当前用户设备的实际偏好。因此，随着时间的变化，第t段时长内用户设备的影响程度可以如公式(2)所示：

P(t)＝K₁+(exp(-t-K₂)/K₃)

其中：P(t)表示第t段时长内行为偏好度；K₁、K₂、K₃表示预设的参数。

所述K₁、K₂、K₃可以根据本步骤应用的场景不同或其他的数据不同而不同。例如，假设需要的用户的行为偏好度与时间的衰减趋势如图3所示的指数模型表示。

从图3中可以看出，若设定时长为30天，划分为30段，每段时长为1天的情况下，由于设定时长是按照时间页序进行划分的，因此，30天前的时段为时段30，29天前的时段为时段29，以此类推，最近一天的时段为时段1。

随着时间的推移，越临近当前时段，该时段的偏好对用户设备类目的偏好影响就越大，其影响趋势的抛物线如图3所示。例如，30天前的时段30对当前用户设备感兴趣的类目的影响程度约等于0，而最近一天的时段1对当前用户设备感兴趣的类目的影响程度约等于1。

本步骤中的K₁、K₂、K₃的取值可以根据对图3所示的指数模型进行拟合后确定。

优选地，当第三步计算出的数值很小的行为偏好度时，表示当前计算的类目对用户设备感兴趣的类目几乎没有影响，如果将所有计算出的行为偏好度都进行第四步的运算，可能会导致运算量非常大。因此，本步骤对行为偏好度的大小进行门限值过滤，将小于门限值的行为偏好度过滤掉，不进行下一步的运算。

第四步：通过以下公式确定用户设备对类目j的重要度。

假设在第二步中确定M个时段内，针对类目j，用户设备在每个时段的行为支持度为Y_1j～Y_Mj，在第三步中确定M个时段内，针对类目j，用户设备在每个时段的行为偏好度为P(1j)～P(Mj)，则类目j对用户设备的重要度V(j)可以通过公式(3)计算确定：

V(j)＝P(1j)*Y_1j+...+P(Mj)*Y_Mj  (3)

通过上述第一步至第四步的方案，给出了针对类目j对用户设备的重要度V(j)，网站中的其他类目对用户设备的支持度的算法相同。

在确定每一类目对用户设备的支持度后，可以将重要度较高(达到设定值)的N个类目作为用户设备感兴趣的类目，所述N为正整数。

步骤202：从步骤201中确定的类目中选择至少一个类目，并在选择的类目下确定基准商品信息。

在步骤201中确定的类目可能有多个，因此，本步骤中可以在每一确定的类目下确定基准商品信息，也可以从中选择部分类目进行基准商品信息的确定。

步骤203：从基准商品信息所属的类目下选择设定数量的支持度最高的商品信息，作为补足的商品信息。

本实施例中的P4P指标为：商品信息在所述设定时长内是P4P商品信息的时长占所述设定时长的比例，或商品信息在所述设定时长内作为P4P商品信息所产生的费用。非P4P指标为：商品信息所表示商品的质量、商品信息被浏览的频率、商品信息已发布时长或发布商品信息的卖家用户等级。

本实施例二以某类目下的商品信息A为例，来说明确定商品信息支持度的方式：

第一步：确定商品信息A的每个P4P指标和每个非P4P指标。

同一类目下的商品信息之间的P4P指标和非P4P指标可以相同也可以不同，在本步骤中，确定的是表示商品信息A综合指标的P4P指标和非P4P指标。假设本步骤确定的P4P指标为：商品信息A在所述设定时长内是P4P商品信息的时长占所述设定时长的比例、商品信息A在所述设定时长内作为P4P商品信息所产生的费用。非P4P指标为：商品信息所表示商品的质量、商品信息被浏览的频率、商品信息已发布时长和发布商品信息的卖家用户等级。

第二步：将商品信息A的每个指标分别进行归一化。

本步骤的目的是对每个指标进行梳理，由于不同的指标表示商品信息A在某一方面的状态，而各个指标的含义以及具体的数值差别很大，如果不对指标进行归一化梳理，则指标之间无法进行运算、比较等操作。因此，本步骤对每个指标归一化为[0，P(正整数)]的整型数值，根据归一化后数值的大小来反映商品信息A在某一指标上的状态。

以P4P指标为例，来说明本实施例的归一化处理方式：

假设商品信息A在所述设定时长内是P4P商品信息的时长占所述设定时长的比例为rat1，则该商品信息A在此P4P指标的归一化数值为rat1*u1，所述u1为设定的权重系数，使得商品信息A在此P4P指标的归一化为[0，5]的整型数值。

另外，对于多个P4P指标，也可以整合为一个P4P贡献度的指标，归一化运算方式为：

假设商品信息A在所述设定时长内是P4P商品信息的时长占所述设定时长的比例为rat1，商品信息A在所述设定时长内作为P4P商品信息所产生的费用为m1，则该商品信息A在两个P4P指标的归一化数值为rat1*u1+m1*u2，所述u2为设定的权重系数，此时，两个P4P指标归一化为一个P4P贡献度的指标，P4P贡献度的指标是[0，5]的整型数值。

第三步：确定为每个P4P指标和每个非P4P指标分别设定的权重。

在本步骤中，根据指标对于商品信息A状态的影响大小来设定权重。例如，由于P4P指标表示商品信息A在P4P业务上的状态，而P4P业务涉及网站重要的利益，因此，可以将P4P指标分配较大的权重，其他指标分配较小的权重，各权重之和为1。此时，可以得到如表2所示的列表。

指标	归一化数值	权重
			P4P贡献度	[0，5]的整型数值	u1
商品的质量	[0，5]的整型数值	u2
			商品信息被浏览的频率	[0，5]的整型数值	u3
商品信息已发布时长	[0，5]的整型数值	u4
			卖家用户等级	[0，5]的整型数值	u5
卖家用户活跃度	[0，5]的整型数值	u6

表2

第四步：对各指标归一化得到的数值以及为指标分别设定的权重加权求和，得到商品信息A的支持度。

通过以上方式确定商品信息A的支持度后，还可以按照相同方式计算同一类目下其他商品的支持度，并按照支持度的大小对商品信息进行排序，选择设定数量的支持度最高的商品信息。

商品信息的支持度随着时间的变化可能会不断改变，因此，可以周期性地计算商品信息的支持度，针对同一类目下各商品信息的排序也可能会发生变化，在执行本步骤203时，按照基准商品信息所属的类目下当前的支持度排序的页序，选择商品信息。

需要说明的是，在步骤202确定的基准商品信息，并在步骤203中选择补足的商品信息时，根据基准商品信息的来源不同，在步骤203中选择补足的商品信息也有所不同。

例如，若步骤202中确定的基准商品信息是用户设备最近浏览过的商品的商品信息，则以这些基准商品选择补足的商品信息过程可以是非上下文推送。

若步骤202中确定的基准商品信息是用户设备将某个商品的名称加入进货单后，在进货单页面的该商品的商品信息时基准商品信息，则以这些基准商品选择补足的商品信息过程可以是上下文推送。

步骤204：将从用户感兴趣的类目下确定的基准商品信息和补足商品信息推送给用户设备。

实施例三

本申请实施例三还提供一种商品信息的推送设备，如图4所示，包括第一信息确定模块11、第二信息确定模块12和推送模块13，其中：第一信息确定模块11用于根据用户设备在设定时长内操作过的商品信息，确定待推送给用户设备的商品信息；第二信息确定模块12用于在已确定的商品信息的数量小于阈值时，从已确定的商品信息所属类目下再选择设定数量的支持度最高的商品信息，所述支持度是根据商品信息的P4P指标和设定的非P4P指标确定的，且所述已确定的商品信息的数量和选择的商品信息之和不小于所述阈值；推送模块13用于将所述已确定的商品信息和选择的商品信息推送给所述用户设备。

还包括类目确定模块14，用于根据用户设备在所述设定时长内操作过的商品信息，以及对各商品信息的操作行为，确定待推送给用户设备的商品信息所属类目。则所述第一信息确定模块11具体用于从所述类目确定模块确定的类目中选择至少一个类目，并在选择的类目下确定待推送给用户设备的商品信息。

还包括支持度确定模块15，用于将商品信息的每个P4P指标和每个设定的非P4P指标分别归一化为数值，并将预先为每个P4P指标和每个非P4P指标设定的权重，以及各指标归一化的数值加权求和，得到商品信息的支持度，以便于第二信息确定模块12可以根据支持度确定模块15计算出的支持度，从已确定的商品信息所属类目下再选择设定数量的支持度最高的商品信息。

具体地，所述类目确定模块14，包括划分子模块21、执行子模块22、重要度计算子模块23和确定子模块24，其中：划分子模块21用于将所述设定时长划分为M段；执行子模块22用于针对划分后的每段时长，执行以下操作，直至划分后的每段时长都执行完毕：根据用户设备在该段时长内的操作信息，分别确定用户设备在该段时长内，针对各类目的行为支持度，以及针对各类目的行为偏好度；重要度计算子模块23用于通过以下公式确定各类目的重要度：

V(j)＝P(1j)*Y_1j+...+P(Mj)*Y_Mj

确定子模块24用于将对该用户设备的重要度最高的N个类目作为待推送给用户设备的商品信息所属类目，所述M、N为正整数。

其中：V(j)表示类目j对该用户设备的重要度；P(1j)～P(Mj)分别表示用户设备在第1段时长至第M段时长内针对类目j的行为偏好度；Y_1j～Y_Mj分别表示用户设备在第1段时长至第M段时长内针对类目j的行为支持度；

所述执行子模块22，包括行为支持度子模块31和行为偏好度子模块32，其中：行为支持度子模块31用于通过以下公式确定用户设备在各段时长内，针对各类目的行为支持度：

Y_ij＝w_1j*x_1j+...+w_nj*x_nj

其中：Y_i表示第i段时长针对类目j的行为支持度；w_1j、w_nj表示用户设备针对类目j的第1个操作行为至第n个操作行为的权重；x_1j、x_nj表示用户设备针对类目j的第1个操作行为至第n个操作行为的发生次数；

行为偏好度子模块32用于通过以下公式确定用户设备在各段时长内，针对各类目的行为偏好度：

P(t)＝K₁+(exp(-t-K₂)/K₃)

其中：P(t)表示第t段时长内行为偏好度；K₁、K₂、K₃表示预设的参数。

所述推送模块13，包括判断子模块41和操作子模块42，其中：判断子模块41用于判断所述已确定的商品信息和选择的商品信息中是否存在当前是P4P类型的商品信息；操作子模块42用于若存在当前是P4P类型的商品信息，则在P4P类型的商品信息中携带扣费链接后，将所述已确定的商品信息和选择的商品信息推送给所述用户设备。

本实施例三中的推送设备是能够执行实施例一和实施例二各步骤的设备，具有能够实现实施例一和实施例二各步骤的功能部件，此处不再赘述。

实施例四

本申请实施例提供了一种实施例三中推送设备的应用场景，如图5所示的应用在Linux的网络系统架构，包括：用户设备、网站服务器、推送设备、广告引擎子系统和商品信息实时子系统。

用户设备登陆网站服务器后，通过网站服务器提供的web页面向网站内的推送设备提出推送请求(AJAX Request Offer)，并在其中携带用户设备的标识(ID)。

推送设备内部各逻辑模块运行后，从广告引擎子系统和商品信息实时子系统获取需要向用户设备推送的商品信息的各项内容，并通过响应消息(JsonResponse Offer)，将商品信息的各项内容通过规定的格式向用户设备展示。

如图6所示，是将图5的系统架构模块化后的示意图，从图6中可以看出，用户设备通过网站服务器对外的接口与网站服务器进行推送业务应用的交互。

网站服务器内的推送设备可以划分为三个层面：

层面一是模型层，包括重要度计算子模块23、行为支持度子模块31和行为偏好度子模块32，通过对已建模的模型进行运算，确定实现推送过程的各项参数。除此之外，模型层内还可以包括用于第一信息确定模块11中，用于计算商品信息相关度的子模块，以便于将与用户设备实际操作过的商品信息有高相关度的其他商品信息也作为基准商品信息。

层面二是数据层，包括：类目确定模块14和支持度确定模块15，用于根据模型层计算出的结果确定用户偏好的类目以及各类目下商品信息的支持度。

除此之外，数据层内还可以包括标识商品相关度的列表，是根据模型层内计算商品信息相关度的子模块的计算结果生成的。

层面三是应用层，包括第一信息确定模块11、第二信息确定模块12和推送模块13，其中第一信息确定模块11获得基准商品信息后，若基准商品信息的数量不够，需要进行商品信息的不足，则第二信息确定模块12根据数据层提供的信息确定补足的需要向用户设备推送的商品信息，并从广告引擎子系统和商品信息实时子系统获取需要向用户设备推送的商品信息的各项内容。最后，由推送模块13通过网站服务器的对外接口向用户设备推送用户展示的商品信息。

通过本申请各实施例提供的方案，在向用户设备主动推送商品信息时，根据用户设备感兴趣的类目以及该类目下优质的商品信息作为补足的商品信息推送给用户设备，使得推送给用户设备的商品信息的有效性得到有力保障；同时，在确定需要向用户设备推送的商品信息时，只需要为确定过程分配一次查询资源，无需分别为常规商品信息的查询和P4P商品信息的查询分别分配资源，减少了系统资源的占用；同时，补足的商品信息协调了商品信息的推送效果以及网站对P4P商品信息的盈利目的。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (13)

1.一种商品信息的推送方法，其特征在于，包括：

根据用户设备在设定时长内操作过的商品信息，确定待推送给用户设备的商品信息；

在已确定的商品信息的数量小于阈值时，从所述已确定的商品信息所属类目下再选择设定数量的支持度最高的商品信息，所述支持度是根据商品信息的第一预设指标和设定的第二预设指标确定的，且所述已确定的商品信息的数量和选择的商品信息的数量之和不小于所述阈值；

将所述已确定的商品信息和选择的商品信息推送给所述用户设备。

2.如权利要求1所述的方法，其特征在于，确定待推送给用户设备的商品信息之前，所述方法还包括：

根据用户设备在所述设定时长内操作过的商品信息，以及对各商品信息的操作行为，确定待推送给用户设备的商品信息所属类目；

确定待推送给用户设备的商品信息，具体包括：

从确定的类目中选择至少一个类目，并在选择的类目下确定待推送给用户设备的商品信息。

3.如权利要求1所述的方法，其特征在于，所述第一预设指标为：商品信息在所述设定时长内是预设类型商品信息的时长占所述设定时长的比例，或商品信息在所述设定时长内作为预设类型商品信息所产生的费用；

设定的第二预设指标为：商品信息所表示商品的质量、商品信息被浏览的频率、商品信息已发布时长或发布商品信息的卖家用户等级。

4.如权利要求1所述的方法，其特征在于，通过以下方式确定商品信息的支持度：

将商品信息的每个第一预设指标和每个设定的第二预设指标分别归一化为数值；

将预先为每个第一预设指标和每个第二预设指标设定的权重，以及各指标归一化的数值加权求和，得到商品信息的支持度。

5.如权利要求2所述的方法，其特征在于，确定待推送给用户设备的商品信息所属类目，具体包括：

将所述设定时长划分为M段，针对划分后的每段时长，执行以下操作，直至划分后的每段时长都执行完毕：

根据用户设备在该段时长内的操作信息，分别确定用户设备在该段时长内，针对各类目的行为支持度，以及针对各类目的行为偏好度；

在对划分后的每段时长都执行完毕以上操作后，通过以下公式确定各类目的重要度：

V(j)＝P(1j)*Y_1j+...+P(Mj)*Y_Mj

其中：V(j)表示类目j对该用户设备的重要度；P(1j)～P(Mj)分别表示用户设备在第1段时长至第M段时长内针对类目j的行为偏好度；Y_1j～Y_Mj分别表示用户设备在第1段时长至第M段时长内针对类目j的行为支持度；

将对该用户设备的重要度最高的N个类目作为待推送给用户设备的商品信息所属类目；

所述M、N为正整数。

6.如权利要求5所述的方法，其特征在于，通过以下公式确定用户设备在各段时长内，针对各类目的行为支持度：

Y_ij＝w_1j*x_1j+...+w_nj*x_nj

其中：Y_i表示第i段时长针对类目j的行为支持度；w_1j、w_nj表示用户设备针对类目j的第1个操作行为至第n个操作行为的权重；x_1j、x_nj表示用户设备针对类目j的第1个操作行为至第n个操作行为的发生次数；

通过以下公式确定用户设备在各段时长内，针对各类目的行为偏好度：

P(t)＝K₁+(exp(-t-K₂)/K₃)

其中：P(t)表示第t段时长内行为偏好度；K₁、K₂、K₃表示预设的参数。

7.如权利要求1～6任一所述的方法，其特征在于，将所述已确定的商品信息和选择的商品信息推送给所述用户设备，具体包括：

判断所述已确定的商品信息和选择的商品信息中是否存在当前是预设类型的商品信息；

若存在，则在预设类型的商品信息中携带扣费链接后，将所述已确定的商品信息和选择的商品信息推送给所述用户设备。

8.一种商品信息的推送设备，其特征在于，包括：

第一信息确定模块，用于根据用户设备在设定时长内操作过的商品信息，确定待推送给用户设备的商品信息；

第二信息确定模块，用于在已确定的商品信息的数量小于阈值时，从已确定的商品信息所属类目下再选择设定数量的支持度最高的商品信息，所述支持度是根据商品信息的第一预设指标和设定的第二预设指标确定的，且所述已确定的商品信息的数量和选择的商品信息之和不小于所述阈值；

推送模块，用于将所述已确定的商品信息和选择的商品信息推送给所述用户设备。

9.如权利要求8所述的设备，其特征在于，还包括：

类目确定模块，用于根据用户设备在所述设定时长内操作过的商品信息，以及对各商品信息的操作行为，确定待推送给用户设备的商品信息所属类目；

所述第一信息确定模块，具体用于从所述类目确定模块确定的类目中选择至少一个类目，并在选择的类目下确定待推送给用户设备的商品信息。

10.如权利要求8所述的设备，其特征在于，还包括：

支持度确定模块，用于将商品信息的每个第一预设指标和每个设定的第二预设指标分别归一化为数值，并将预先为每个第一预设指标和每个第二预设指标设定的权重，以及各指标归一化的数值加权求和，得到商品信息的支持度。

11.如权利要求9所述的设备，其特征在于，所述类目确定模块，包括：

划分子模块，用于将所述设定时长划分为M段；

执行子模块，用于针对划分后的每段时长，执行以下操作，直至划分后的每段时长都执行完毕：根据用户设备在该段时长内的操作信息，分别确定用户设备在该段时长内，针对各类目的行为支持度，以及针对各类目的行为偏好度；

重要度计算子模块，用于通过以下公式确定各类目的重要度：

V(j)＝P(1j)*Y_1j+...+P(Mj)*Y_Mj

其中：V(j)表示类目j对该用户设备的重要度；P(1j)～P(Mj)分别表示用户设备在第1段时长至第M段时长内针对类目j的行为偏好度；Y_1j～Y_Mj分别表示用户设备在第1段时长至第M段时长内针对类目j的行为支持度；

确定子模块，用于将对该用户设备的重要度最高的N个类目作为待推送给用户设备的商品信息所属类目，所述M、N为正整数。

12.如权利要求11所述的设备，其特征在于，所述执行子模块，包括：

行为支持度子模块，用于通过以下公式确定用户设备在各段时长内，针对各类目的行为支持度：

Y_ij＝w_1j*x_1j+...+w_nj*x_nj

其中：Y_i表示第i段时长针对类目j的行为支持度；w_1j、w_nj表示用户设备针对类目j的第1个操作行为至第n个操作行为的权重；x_1j、x_nj表示用户设备针对类目j的第1个操作行为至第n个操作行为的发生次数；

行为偏好度子模块，用于通过以下公式确定用户设备在各段时长内，针对各类目的行为偏好度：

P(t)＝K₁+(exp(-t-K₂)/K₃)

其中：P(t)表示第t段时长内行为偏好度；K₁、K₂、K₃表示预设的参数。

13.如权利要求8～12任一所述的设备，其特征在于，所述推送模块，包括：

判断子模块，用于判断所述已确定的商品信息和选择的商品信息中是否存在当前是设定类型的商品信息；

操作子模块，用于若存在当前是设定类型的商品信息，则在设定类型的商品信息中携带扣费链接后，将所述已确定的商品信息和选择的商品信息推送给所述用户设备。

Images