[发明专利]推荐商家的方法、装置、电子设备及可读存储介质

说明书

本申请实施例提供了一种推荐商家的方法、装置、电子设备及可读存储介质，旨在使服务端更准确地向用户推荐商家信息，提高用户操作效率。所述方法包括：获得目标用户的用户特征和多个候选商家各自的商家特征；将所述用户特征和所述多个商家特征输入复购率预测模型，得到所述目标用户针对所述多个候选商家中每个候选商家的复购率；根据所述目标用户针对所述多个候选商家中每个候选商家的复购率，向所述目标用户推荐目标商家，所述目标商家为所述多个候选商家中的至少一个。

技术领域

本申请实施例涉及互联网技术领域，尤其涉及一种推荐商家的方法、装置、电子设备及可读存储介质。

背景技术

随着互联挖技术的发展和智能终端设备的普及，越来越多的终端用户通过浏览器或客户端连接至电商平台或O2O(Online To Offline)平台等服务端，以实现网上购物、线上点餐、网上购票等线上交易活动。相关技术中，服务端会根据用户的历史浏览记录主动地向用户推荐商家信息，使用户在不执行搜索操作的情况下，快速地进入目标商家的主页，以此推广目标商家而获得收益并提高用户操作效率。

目前的服务端在向用户推荐商家信息时，通常是根据各商家信息的历史点击率和/或历史转化率，确定历史点击率和/或历史转化率较高的目标商家，并将目标商家的信息推荐给用户。然而，采用目前的这种推荐方式，向用户推荐的商家信息仅能满足服务端当前收益的最大化和用户当前操作效率的最大化，而不能满足服务端长期收益的最大化和用户长期操作效率的最大化。

发明内容

本申请实施例提供一种推荐商家的方法、装置、电子设备及可读存储介质，旨在使服务端更准确地向用户推荐商家信息，以提高服务端长期收益和用户长期操作效率。

本申请实施例第一方面提供了一种推荐商家的方法，所述方法包括：

获得目标用户的用户特征和多个候选商家各自的商家特征；

将所述用户特征和所述多个商家特征输入复购率预测模型，得到所述目标用户针对所述多个候选商家中每个候选商家的复购率；

根据所述目标用户针对所述多个候选商家中每个候选商家的复购率，向所述目标用户推荐目标商家，所述目标商家为所述多个候选商家中的至少一个。

可选地，所述方法还包括构建复购率预测模型。

可选地，所述构建复购率预测模型，包括：

针对已下单的历史用户，获得该历史用户在从下单时间起的预设时间段内的商家浏览记录序列；

针对所述商家浏览记录序列中的每次商家浏览记录，建立该次商家浏览记录对应的训练样本，所述训练样本包括：该次商家浏览记录对应的商家特征、用户特征以及用户复购情况对应的奖励值、下一次商家浏览记录对应的商家特征和用户特征；

根据多次商家浏览记录各自对应的训练样本，构建训练样本集；

基于所述训练样本集，对预设强化学习模型进行训练，得到所述复购率预测模型。

可选地，所述方法还包括：

针对所述商家浏览记录序列中的每次商家浏览记录：

在所述历史用户针对该次商家浏览记录对应的商家下单的情况下，确定用户复购情况对应的奖励值是大于零的值；

在所述历史用户针对该次商家浏览记录对应的商家未下单的情况下，确定用户复购情况对应的奖励值是不大零的值。

可选地，在所述历史用户针对该次商家浏览记录对应的商家下单的情况下，确定用户复购情况对应的奖励值，包括：

在所述历史用户针对该次商家浏览记录对应的商家下单的情况下，确定该历史用户本次下单时间与上次下单时间的下单时间差；