[发明专利]信息推荐方法、装置和设备

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取用户的相关信息和N张骑行卡中每张骑行卡的相关信息，所述N为大于等于2的整数；

根据所述用户的相关信息、所述N张骑行卡中每张骑行卡的相关信息和目标概率统计模型，获得M种排序中每种排序下每张骑行卡的用户购买概率；其中，所述M种排序为所述N张骑行卡的M种不同排序，所述M为大于等于2的整数；

根据每种排序下每张骑行卡的用户购买概率，获取所述用户的所述N张骑行卡的推荐排序；

向终端设备发送所述用户的所述N张骑行卡的推荐排序，所述推荐排序用于所述终端设备根据所述推荐排序在显示界面显示所述N张骑行卡。

2.根据权利要求1所述的方法，其特征在于，所述根据所述用户的相关信息、所述N张骑行卡中每张骑行卡的相关信息和目标概率统计模型，获得M种排序中每种排序下每张骑行卡的用户购买概率，包括：

根据所述用户的相关信息、所述N张骑行卡中每张骑行卡的相关信息、所述每种排序的排序信息和所述目标概率统计模型，获得该种排序下每张骑行卡的用户购买概率。

3.根据权利要求1所述的方法，其特征在于，所述根据每种排序下每张骑行卡的用户购买概率，获取所述用户的所述N张骑行卡的推荐排序，包括：

根据每种排序下每张骑行卡的用户购买概率以及每张骑行卡的购买金额，获得该种排序的用户购买期望值；

根据所述M种排序中每种排序的用户购买期望值，确定所述用户的所述N张骑行卡的推荐排序。

4.根据权利要求3所述的方法，其特征在于，所述根据所述M种排序中每种排序的用户购买期望值，确定所述用户的所述N张骑行卡的推荐排序，包括：

根据所述M种排序中每种排序的用户购买期望值，确定最大的用户购买期望值；

将最大的用户购买期望值所对应的排序，确定为所述推荐排序。

5.根据权利要求3所述的方法，其特征在于，所述根据每种排序下每张骑行卡的用户购买概率以及每张骑行卡的购买金额，获得该种排序的用户购买期望值，包括：

获取每种排序下，每张骑行卡的用户购买概率与购买金额的乘积；

将所述N张骑行卡的用户购买概率与购买金额的乘积之和，确定为该种排序的用户购买期望值。

6.根据权利要求3-5任一项所述的方法，其特征在于，所述骑行卡的购买金额是由所述骑行卡的应付金额与所述用户的折扣金额确定的。

7.根据权利要求1-5任一项所述的方法，其特征在于，所述用户的相关信息包括：用户画像信息、用户的骑行需求信息、用户的历史付费信息中任一项或组合。

8.根据权利要求1-5任一项所述的方法，其特征在于，所述目标概率统计模型，包括：机器学习模型。

9.根据权利要求8所述的方法，其特征在于，还包括：

获取K个样本用户的相关信息、每个样本用户的所述N张骑行卡的排序及在该排序下各张骑行卡的样本购买概率、所述N张骑行卡中每张骑行卡的相关信息；其中，所述K为大于等于M的整数，所述K个样本用户的所述N张骑行卡的排序包括所述M种排序；

根据所述K个样本用户的相关信息、所述每个样本用户的所述N张骑行卡的排序及在该排序下各张骑行卡的样本购买概率、所述N张骑行卡中每张骑行卡的相关信息，对初始机器学习模型进行训练，获得所述目标概率统计模型中的机器学习模型。

10.根据权利要求9所述的方法，其特征在于，所述目标概率统计模型，还包括：保序回归模型。