[发明专利]推荐项目的方法和装置

权利要求书

1.一种推荐项目的方法，其特征在于，包括：

获取第一用户的请求数据，确定满足所述请求数据的m个新项目，并根据所述m个新项目对应的出价数据对所述m个新项目进行排序，得到所述m个新项目的排序数据，所述m个新项目是在预设时段内接收的项目，m为正整数；

根据所述m个新项目的排序数据生成所述第一用户的推荐列表。

2.根据权利要求1所述的方法，其特征在于，在所述确定满足所述请求数据的m个新项目之前，所述方法还包括：

获取在所述预设时段内接收的M个新项目的属性数据，M为大于m的正整数；

所述确定满足所述请求数据的m个新项目包括：

根据所述M个新项目的属性数据，从所述M个新项目中确定满足所述请求数据的m个新项目。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

获取N个历史项目的属性数据，N为正整数；

获取X个用户的行为数据，X为正整数；

使用深度学习技术，对所述N个历史项目的属性数据和所述X个用户的行为数据进行训练，得到推荐模型；

在所述获取第一用户的请求数据之后，所述方法还包括：

根据所述N个历史项目的属性数据，确定满足所述请求数据的n个历史项目的属性数据，n为小于N的正整数；

将所述请求数据和所述n个历史项目的属性数据输入所述推荐模型，得到n个历史项目的排序因子；

其中，所述根据所述m个新项目的排序数据，生成所述第一用户的推荐列表，包括：

根据所述m个新项目的排序数据和所述n个历史项目的排序因子，生成所述第一用户的推荐列表。

4.根据权利要求3所述的方法，其特征在于，所述使用深度学习技术，对所述X个用户的行为数据和所述N个历史项目的属性数据进行训练，得到推荐模型，包括：

对所述X个用户的行为数据和所述N个历史项目的属性数据进行特征变换；

使用深度学习技术，对特征变换后的所述X个用户的行为数据和所述N个历史项目的属性数据进行训练，得到所述推荐模型。

5.根据权利要求4所述的方法，其特征在于，所述对所述X个用户的行为数据和所述N个历史项目的属性数据进行特征变换包括：

确定所述X个用户的行为数据的数据类型分别对应的用户行为统计值，并确定所述N个历史项目的属性数据的数据类型分别对应的用户行为统计值；

将所述X个用户的行为数据的数据类型分别对应的数据替换为所述X个用户的行为数据的数据类型分别对应的用户行为统计值，并将所述N个历史项目的属性数据的数据类型分别对应的数据替换为所述N个历史项目的属性数据的数据类型分别对应的用户行为统计值。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述项目为应用App。

7.一种推荐项目的方法，其特征在于，包括：

获取第一用户的请求数据；

确定满足所述请求数据的m个项目，m为正整数；

根据预先得到的推荐模型确定所述m个项目的排序，所述推荐模型是采用深度学习技术得到的；

根据所述m个项目的排序，生成所述第一用户的推荐列表。

8.根据权利要求7所述的方法，其特征在于，在所述根据预先得到的推荐模型确定所述m个项目的排序之前，所述方法还包括：

获取X个用户的行为数据，X为正整数；

获取M个项目的属性数据，M为正整数；

使用深度学习技术，对所述X个用户的行为数据和所述M个项目的属性数据进行训练，得到所述推荐模型。

9.根据权利要求8所述的方法，其特征在于，所述使用深度学习技术，对所述X个用户的行为数据和所述M个项目的属性数据进行训练，得到所述推荐模型，包括：

对所述X个用户的行为数据和所述M个项目的属性数据进行特征变换；

使用深度学习技术，对特征变换后的所述X个用户的行为数据和所述M个项目的属性数据进行训练，得到所述推荐模型。