本申请涉及计算机技术领域，特别是涉及一种产品排序方法及装置，电子设备、存储介质。
背景技术：
当前ota(onlinetravelagency在线旅行社)网站都提供了搜索、筛选以及推荐功能，其可以根据用户的查询词或者筛选条件或者用户偏好情况检索出符合条件的酒店集合，并对这些酒店进行排序之后展示给用户，从而帮助用户快速找到合适的酒店。例如，采用距离优先、高价优先、低价优先、评分优先、销量优先等排序方式对酒店进行排序，以给出符合用户需求的酒店集合。然而，实际应用过程中，用户的需求很复杂，例如还需要快速、准确地酒店下的一个或者多个子产品。类似其他应用领域，如美容，到店餐饮领域，同样涉及仅根据一级产品的属性进行排序的问题。
可见，现有技术中，仅根据一级产品的属性进行排序，不能有效满足用户实际中更复杂的需求的问题。
技术实现要素：
为了解决上述问题，第一方面，本申请实施例提供了一种产品排序方法包括：
根据一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品，以及所述可售二级产品所属二级产品类型；
基于所述可售二级产品和所述二级产品类型，确定所述一级产品的一级产品特征和目标用户的用户偏好特征；
根据所述一级产品特征和用户偏好特征，对所述一级产品进行排序。
第二方面，本申请实施例提供了一种产品排序装置，包括：
可售二级产品和二级产品类型确定模块，用于根据一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品，以及所述可售二级产品所属二级产品类型；
一级产品特征和用户偏好特征确定模块，用于基于所述可售二级产品和所述二级产品类型，确定所述一级产品的一级产品特征和目标用户的用户偏好特征；
排序模块，用于根据所述一级产品特征和用户偏好特征，对所述一级产品进行排序。
第三方面，本申请实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的产品排序方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时本申请实施例公开的产品排序方法的步骤。
本申请实施例公开的产品排序方法，通过根据一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品，以及所述可售二级产品所属二级产品类型，然后，基于所述可售二级产品和所述二级产品类型，确定所述一级产品的一级产品特征和目标用户的用户偏好特征，并根据所述一级产品特征和用户偏好特征，对所述一级产品进行排序，解决了现有技术中对一级产品进行排序时，单纯考虑一级产品特征进行排序，导致排序结果不实用的问题。本申请实施例公开的产品排序方法，通过结合一级产品下挂的二级产品的实时信息和基于二级产品的一级产品特征、用户偏好特征，从产品信息角度结合用户偏好进行产品排序，能够快速帮助用户找到合适的一级产品下挂的二级产品，有效提升了产品排序的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例一的产品排序方法流程图；
图2是本申请实施例二的产品排序方法流程图；
图3是本申请的产品排序方法在一个具体应用场景中的应用示意图；
图4是本申请实施例三的产品排序装置结构示意图之一；
图5是本申请实施例三的产品排序装置的结构示意图之二。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例一
本实施例公开的一种产品排序方法，如图1所示，该方法包括：步骤110至步骤130。
步骤110，根据一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品，以及所述可售二级产品所属二级产品类型。
本申请实施例中公开的产品排序方法，适用于下挂二级产品的一级产品排序，可广泛应用于酒店领域、美容领域、餐饮领域等。例如酒店领域的一级产品包括酒店、下挂的二级产品包括房间；美容领域的一级产品包括商家、二级产品包括美容项目；餐饮领域的一级产品包括餐厅、二级产品包括菜品等。本申请的实施例中，以排序方法应用于酒店领域为例，详细说明排序方法的具体实施方式。其中，一级产品为酒店，二级产品为酒店下挂的房间。
在申请的一些实施例中，当目标用户登录ota(在线旅行社)页面或应用，并输入查询条件后，ota平台首先根据用户查询请求召回相关的酒店(即一级产品)，根据已有粗排分数进行初步过滤。具体实施时，ota平台会按照初筛策略筛选出预设数量(如200家)的酒店作为进一步推荐的目标酒店，即一级产品。
然后，根据目标用户输入的入住酒店时间、离开酒店时间，获取初筛得到的目标酒店的实时信息。其中，所述实时信息包括但不限于：房态、价格。例如，从房态服务获取每个目标酒店下挂的各个产品的房态，同时，从价格服务获取每个目标酒店下挂的各个产品的价格。其中，房态用于指示产品当前是否可预订，价格用于指示产品的当前价格。
根据目标酒店的实时数据，可以确定当前可售二级产品(如可预定房间)，本申请针对可预订酒店进行排序。进一步的，通过对可售二级产品按照预先设置的二级产品类型进行分类，可以确定所述可售二级产品所属二级产品类型。具体到本实施例中，二级产品类型可以为房型、床型、窗型、餐食类型等类型下的任意一个子类型，例如，二级产品类型可以为大床、双床、有窗等。每个可预定产品可以属于多个二级产品类型，例如，某一可预定房间可以属于四个二级产品类型，分别为：商务房、大床、有窗、有早餐。
步骤120，基于所述可售二级产品和所述二级产品类型，确定所述一级产品的一级产品特征和目标用户的用户偏好特征。
进一步的，基于所述可售二级产品和所述二级产品类型，分别确定所述一级产品(即目标酒店)的一级产品特征和目标用户的用户偏好特征。
具体实施时，所述一级产品的一级产品特征是根据每个一级产品的可售二级产品的实时信息，如：价格、库存、历史销量和历史销售价格等数据中的一项或多项确定的可售二级产品的预设信息；以及，按照各二级产品类型，对各二级产品类型下的可售二级产品的实时价格、库存、历史销量和历史销售价格等数据中的一项或多项确定的可售二级产品的预设信息。所述预设信息包括但不限于以下任意一项或多项：可售二级产品的最低价、均价、价格中位数、所述一级产品下销量最高的产品是否可预订、所述可售二级产品中销量最高的可售二级产品在所述一级产品下所有产品中的销量排名、所述可售二级产品中销量最高的所述可售二级产品对应的历史总销量和均价、各所述可售二级产品的历史总销量、可售二级产品中历史上有销量的产品占比、所述可售二级产品的占比。
具体实施时，用户偏好特征是根据用户偏好的二级产品类型的价格、库存等数据确定的用户特征数据。本申请具体实施时，根据目标用户在历史的一段时间内对ota平台上酒店下挂的房间(即二级产品)的浏览记录、购买记录，计算用户对不同二级产品类型，如不同房型、不同床型、不同窗型、不同餐食类型的房间的偏好分数，然后根据偏好分数确定目标用户偏好的二级产品类型。然后，根据可售二级产品的实时库存和价格进一步确定用户偏好的二级产品类型的库存和价格，作为用户偏好特征。
步骤130，根据所述一级产品特征和用户偏好特征，对所述一级产品进行排序。
具体实施时，可以将所述一级产品特征和用户偏好特征，输入预先训练的排序模型，得到每个一级产品对于所述目标用户的排序得分，然后，再根据所述排序得分对所述一级产品进行排序。当通过预先训练的排序模型基于所述一级产品特征和用户偏好特征确定排序得分时，首先需要训练所述排序模型。具体实施时，以指定时间段内的酒店销量数据和用户历史行为数据中提取的一级产品特征和用户偏好特征作为训练样本，然后通过机器学习的方法训练所述排序模型。
具体实施时，还可以通过计算所述一级产品特征和用户偏好特征的相似度的方法，对所述一级产品进行排序，本申请对此不做限定。
本申请实施例公开的产品排序方法，通过根据一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品，以及所述可售二级产品所属二级产品类型，然后，基于所述可售二级产品和所述二级产品类型，确定所述一级产品的一级产品特征和目标用户的用户偏好特征，并根据所述一级产品特征和用户偏好特征，对所述一级产品进行排序，解决了现有技术中对一级产品进行排序时，单纯考虑一级产品特征进行排序，导致排序结果不实用的问题。本申请实施例公开的产品排序方法，通过结合一级产品下挂的二级产品的实时信息和基于二级产品的一级产品特征、用户偏好特征，从产品信息角度结合用户偏好进行产品排序，能够快速帮助用户找到合适的一级产品下挂的二级产品，有效提升了产品排序的准确性。
实施例二
本实施例公开的一种产品排序方法，如图2所示，该方法包括：步骤210至步骤240。
步骤210，训练排序模型。
本实施例中，以通过预设排序模型，根据所述一级产品特征和用户偏好特征，对所述一级产品进行排序举例说明根据所述一级产品特征和用户偏好特征，对所述一级产品进行排序的具体方案。本实施例中，为了便于读者理解，依然以一级产品为酒店，二级产品为酒店下挂的房间举例阐述技术方案。
首先，通过记录每一次展示的酒店的一级产品特征和目标用户的用户偏好特征，构建训练样本。然后，将每次展示的酒店的一级产品特征和目标用户的用户特征组合得到的排序特征作为一条样本，有消费行为的酒店对应的排序特征作为正样本，没有消费行为的酒店对应的排序特征作为负样本。具体实施时，所述展示的酒店的一级产品特征和目标用户的用户偏好特征的获取方法参见以下描述，此处不再赘述。
具体实施时，还可以结合其他特征训练排模型。例如，基于一级产品特征、用户偏好特征、用户基本特征(如用户注册时间、年龄、在平台的消费均价、历史消费的订单数等)、酒店基本特征(如酒店历史销量、评分、点击率等)、用户-酒店交叉特征(如用户历史上是否点击过或者购买过酒店)，以及上下文特征(如请求时间等)等中的任意一项或多项训练排序模型。
之后，基于上述训练样本，通过训练机器学习模型，例如基于xgboost训练模型，得到排序模型。
最后，将所述排序模型应用于线上排序。
具体实施时，排序模型的训练可以是一个迭代更新的过程。即在产品排序过程中，不断搜集排序特征作为训练样本，定期更新训练所述排序模型。
步骤220，根据一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品，以及所述可售二级产品所属二级产品类型。
具体实施时，根据一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品，以及所述可售二级产品所属二级产品类型，包括：根据所述一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品；通过对所述可售二级产品进行聚合，确定所述可售二级产品所属二级产品类型。具体到本实施例中，所述二级产品类型包括：房型、床型、床型、餐食类型中的至少一个类别。
实时信息用于指示产品当前是否可预订，价格用于指示产品的当前价格。具体实施时，根据每个一级产品下的所有产品的实时数据，可以确定所述一级产品下的所有可售二级产品。例如，可以得到酒店1下挂的二级产品a可预订，酒店1下挂的二级产品b可预订，酒店2下挂的二级产品c可预订等等。
由于不同一级产品对各自下挂的产品设置的名称、二级产品类型等产品属性会有所不同，为了排序的准确性，通过对一级产品下挂的可售二级产品进行聚合，确定所有一级产品下可售二级产品的涉及的二级产品类型，并进一步确定每个可售二级产品所属的二级产品类型。
不同应用领域的二级产品类型根据实际应用场景确定。具体到本实施例中，二级产品类型包括但不限于：房型、床型、窗型以及餐食类型中的任意一项或多项。本申请的实施例中，以二级产品类型包括：房型、床型、窗型以及餐食类型举例说明确定二级产品类型的具体技术方案。具体实施时，每个二级产品类型进一步包括至少一个基本类型，例如：房型进一步分为7个基本类型，分别为：大床间、单人间、双床间、三人间、套房、独栋和床位房；床型进一步分为：一张大床、两张大床、一张大床+一张小床、两张小床等基本类型；窗型进一步分为：有窗、无窗、部分有窗三个基本类型；餐食类型进一步分为：含早餐、无早餐等基本类型。
具体实施时，根据产品名称中包括的关键字，按照预设规则确定每个可售二级产品所属房型。例如：如果产品名称中包含“床位”，则确定该二级产品的产品类型为“床位房”，如果产品名称中包含“别墅”或“独栋”，则确定该二级产品的二级产品类型为“独栋”；如果产品名称中包含“套房”，则确定该二级产品的二级产品类型为“套房”；如果产品名称中包含“三人房”、“三人间”、“三床房”、“3人房”，则确定该二级产品的二级产品类型为“三人间”；如果产品名称中包含“双床”、“双人间”、“双人床房”、“双人房”、“标准间”、“标准房”、“标间”、“双标房”、“雙人房”、“2人房”、“標準房”，则确定该二级产品的二级产品类型为“双床间”；如果产品名称中包含“单人房”、“单人间”、“单间”、“单床房”，则确定该二级产品的二级产品类型为“单人间”；如果产品名称中包含“大床房”、“圆床房”、“大床间”、“高级大床”，则确定该二级产品的二级产品类型为“大床间”。通过结合设置的产品房型信息和名称信息确定产品所属二级产品类型，可以避免商家上传的房型和产品名称存在不一致的情况，提升排序的准确性。
具体实施时，可以通过对二级产品类型进行编码以构造可售二级产品的一级产品特征。例如，房型下的基本类型编码分别为：0＝大床间,1＝单人间,2＝双床间,3＝三人间,4＝套房,5＝独栋,6＝床位房；床型类型下的基本类型编码分别为：0＝一张大床，1＝两张大床，2＝两张小床等；窗型类型下的基本类型编码分别表示为：0＝有窗，1＝无窗，2＝部分有窗；餐食类型下的基本类型编码分别表示为：0＝含早餐，1＝无早餐等。具体实施时可以根据表示方便为不同二级产品类型进行编码，也可以按照各二级产品类型的产品在所有酒店中覆盖的产品的比例，从高到低的顺序，有小到大依次编码。
通过基于二级产品类型对可售二级产品进行分类，可以确定每个二级产品类型的可售二级产品的数量，也可以确定当前可售二级产品所涉及的二级产品类型，二级产品类型的取值范围为相应的基本类型中的一个。
步骤230，基于所述可售二级产品和所述二级产品类型，确定所述一级产品的一级产品特征和目标用户的用户偏好特征。
基于所述可售二级产品和二级产品类型，可以进一步确定每个一级产品的基于产品的一级产品特征和目标用户基于产品的用户偏好特征。
具体实施时，基于所述可售二级产品和所述二级产品类型，确定所述一级产品的一级产品特征，包括：确定所述可售二级产品的预设信息，作为所述一级产品的一级产品特征；确定各所述二级产品类型的所述可售二级产品的预设信息，作为所述一级产品的一级产品特征。所述预设信息包括但不限于以下任意一项或多项：可售二级产品的最低价、均价、价格中位数、所述一级产品下销量最高的产品是否可预订、所述可售二级产品中销量最高的可售二级产品在所述一级产品下所有产品中的销量排名、所述可售二级产品中销量最高的所述可售二级产品对应的历史总销量和均价、各所述可售二级产品的历史总销量、可售二级产品中历史上有销量的产品占比、所述可售二级产品的占比。
具体实施时，确定所述可售二级产品的预设信息，作为所述一级产品的一级产品特征，包括：根据所述可售二级产品的实时价格，确定所述一级产品下可售二级产品最低价、均价、价格中位数；根据所述一级产品下挂的二级产品的历史数据，确定所述一级产品下销量最高的产品是否可预订；根据所述一级产品下挂的二级产品的历史数据，确定所述可售二级产品中销量最高的可售二级产品在所述一级产品下所有产品中的销量排名；根据所述一级产品下挂的二级产品的历史数据，确定所述可售二级产品中销量最高的所述可售二级产品对应的历史总销量和均价；根据所述一级产品下挂的二级产品的历史数据，确定各所述可售二级产品的历史总销量；根据所述一级产品下挂的二级产品的历史数据，确定所述一级产品下挂的可售二级产品中历史上有销量的产品占比；确定所述一级产品的所述可售二级产品的占比；将上述信息作为所述一级产品的部分一级产品特征。
具体实施时，确定各所述二级产品类型的所述可售二级产品的预设信息，作为所述一级产品的一级产品特征，包括：对于每个一级产品，分别确定各二级产品类型的可售二级产品；对于每个二级产品类型下的可售二级产品，分别执行以下操作，以确定基于二级产品类型的一级产品特征：根据所述可售二级产品的实时价格，确定所述一级产品下可售二级产品最低价、均价、价格中位数；根据所述一级产品下挂的二级产品的历史数据，确定所述一级产品下销量最高的产品是否可预订；根据所述一级产品下挂的二级产品的历史数据，确定所述可售二级产品中销量最高的可售二级产品在所述一级产品下所有产品中的销量排名；根据所述一级产品下挂的二级产品的历史数据，确定所述可售二级产品中销量最高的所述可售二级产品对应的历史总销量和均价；根据所述一级产品下挂的二级产品的历史数据，确定各所述可售二级产品的历史总销量；根据所述一级产品下挂的二级产品的历史数据，确定所述一级产品下挂的可售二级产品中历史上有销量的产品占比；确定所述一级产品的所述可售二级产品的占比；将上述信息作为所述一级产品的部分一级产品特征。
具体实施时，基于所述可售二级产品和所述二级产品类型，确定目标用户的用户偏好特征，包括：将目标用户偏好的二级产品类型的所述可售二级产品的库存和价格，作为所述目标用户的用户偏好特征。具体实施时，对于目标用户偏好的某一二级产品类型(如有窗房)，找到所述一级产品中该二级产品类型对应的可售二级产品(即可预订的有窗房)，统计可售二级产品的数量，得到该二级产品类型的所述可售二级产品的库存信息；进一步的，基于该二级产品类型的所述可售二级产品(即可预订的有窗房)的实时价格，确定该二级产品类型的所述可售二级产品的均价、最低价、中位价格等信息。按照此方法，分别确定每个所述二级产品类型(如有窗房、大床间、含早餐房)的所述可售二级产品的库存信息和价格信息。最后，将所述目标用户偏好的所有二级产品类型的库存信息和价格信息，作为所述目标用户的用户偏好特征。
具体实施时，所述将目标用户偏好的二级产品类型的所述可售二级产品的库存和价格，作为所述目标用户的用户偏好特征之前，还包括：根据目标用户对所述二级产品类型产品的历史行为数据，确定所述目标用户对各所述二级产品类型的偏好得分；根据所述偏好得分，确定所述目标用户偏好的所述二级产品类型。具体实施时，对于每个用户，根据用户对各二级产品类型的产品的浏览和购买数据，可以确定用户偏好的二级产品类型。例如，首先确定用户对各房型的偏好分数，然后，将偏好分数最高的房型作为用户偏好的房型。按照此方法，可以得到用户偏好的床型、窗型、餐食类型。
进一步的，所述根据目标用户对所述二级产品类型产品的历史行为数据，确定所述目标用户对各所述二级产品类型的偏好得分的步骤，包括：根据公式
下面以确定所述目标用户对房型的偏好得分为例，详细说明确定用户对某一二级产品类型的偏好得分的技术方案。
首先，获取用户user在过去一段时间(如3个月)内对大床间的浏览记录和购买记录。然后，确定上述3个月内的浏览记录中，每个月内用户浏览大床间的记录数，以及，确定上述3个月内的购买记录中，每个月内用户购买大床间的记录数。假设每个月的浏览记录从前到后分别为：m1,m2和m3，每个月的购买记录从前到后分别为：n1,n2和n3,假设时间t表示距离当前时间的月数，则用户对大床间的偏好得分为：
score(user,大床间)＝λ3×(ω1×m1+ω2×n1)+λ2×(ω1×m2+ω2×n2)+λ1×(ω1×m3+ω2×n3)。
按照上述方法，可以分别确定用户对每个二级产品类型的偏好得分。
进一步的，对于同一类别的二级产品类型，选择偏好得分最高的二级产品类型作为用户偏好的一个二级产品类型。例如，目标用户对大床间的偏好得分为0.9，对单人间的偏好得分为0.8,对双床间的偏好得分为0.7,对三人间的偏好得分为0.2,对套房的偏好得分为0.5,对独栋的偏好得分为0,对床位房的偏好得分为0，则确定用于对房型类别的偏好为大床间。
对于ota平台而言，浏览数据和购买数据最能体现用户偏好，因此，本申请根据用户浏览和购买酒店产品的历史行为数据，确定用户偏好。
具体实施时，也可以有ota平台定期根据用户历史行为数据确定每个用户对平台上每个二级产品类型的偏好得分。然后，当需要对酒店进行排序时，可根据当前可售二级产品所述的二级产品类型，进一步确定当前用户偏好的二级产品类型。
步骤240，根据所述一级产品特征和用户偏好特征，对所述一级产品进行排序。
具体实施时，将每一个所述一级产品的所述一级产品特征和所述目标用户的用户偏好特征组合为一组输入特征数据，输入至预先训练的排序模型，得到每个一级产品对于所述目标用户的排序得分。然后，再根据所述排序得分对所述一级产品进行排序。因为模型训练时采用的正样本是用户购买或浏览的产品所述酒店的特征，因此，每条特征数据的排序得分反映了目标用户对该条特征数据对应的一级产品的感兴趣程度。最后，按照排序得分对所有一级产品进行排序，排序结果与所述目标用户对所述一级产品的感兴趣程度匹配。
以在酒店领域通过本申请实施例公开的排序方法对一级产品进行排序为例，本申请的设计思想如图3所示，通过二级产品的在线特征、离线特征构一级产品特征，用于训练模型和在线预测。具体实施时，首先，基于酒店特征构建训练集，以训练排序模型，然后，将训练得到的模型应用于线上，基于与训练排序模型时同类别的酒店特征(即在线特征、离线特征)对目标酒店进行排序。其中，离线特征根据：酒店下挂的二级产品(如房间)的销量统计信息、价格统计信息、房型信息等级算得到，还包括从用户对二级产品偏好中挖掘得到的特征；在线特征为根据以及产品下挂的二级产品的实时信息确定的产品特征以及其他特征，例如包括：根据产间房态、实时价格计算得到的特征、根据房型和库存等计算得到的特征、根据用户偏好的房型的库存和价格计算得到的特征等。
本申请实施例公开的产品排序方法，通过根据一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品，以及所述可售二级产品所属二级产品类型，然后，基于所述可售二级产品和所述二级产品类型，确定所述一级产品的一级产品特征和目标用户的用户偏好特征，并根据所述一级产品特征和用户偏好特征，对所述一级产品进行排序，解决了现有技术中对一级产品进行排序时，单纯考虑一级产品特征进行排序，导致排序结果不实用的问题。本申请实施例公开的产品排序方法，通过在一级产品列表页结合一级产品下挂的二级产品的实时信息和基于二级产品的一级产品特征、用户偏好特征，从产品信息角度结合用户偏好进行产品排序，能够快速帮助用户找到合适的一级产品下挂的二级产品，有效提升了产品排序的准确性。
实施例三
本实施例公开的一种产品排序装置，如图4所示，所述装置包括：
可售二级产品和二级产品类型确定模块410，用于根据一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品，以及所述可售二级产品所属二级产品类型；
一级产品特征和用户偏好特征确定模块420，用于基于所述可售二级产品和所述二级产品类型，确定所述一级产品的一级产品特征和目标用户的用户偏好特征；
排序模块430，用于根据所述一级产品特征和用户偏好特征，对所述一级产品进行排序。
可选的，如图5所示，所述一级产品特征和用户偏好特征确定模块420，包括：
第一一级产品特征确定子模块4201，用于确定所述可售二级产品的预设信息，作为所述一级产品的一级产品特征；
第二一级产品特征确定子模块4202，用于确定各所述二级产品类型的所述可售二级产品的预设信息，作为所述一级产品的一级产品特征。
可选的，如图5所示，所述一级产品特征和用户偏好特征确定模块420，还包括：
用户偏好特征确定子模块4203，用于将目标用户偏好的二级产品类型的所述可售二级产品的库存和价格，作为所述目标用户的用户偏好特征。
可选的，如图5所示，所述一级产品特征和用户偏好特征确定模块420，还包括：
偏好得分确定子模块4204，用于根据目标用户对所述二级产品类型产品的历史行为数据，确定所述目标用户对各所述二级产品类型的偏好得分；
偏好二级产品类型确定子模块4205，用于根据所述偏好得分，确定所述目标用户偏好的所述二级产品类型。
可选的，所述偏好得分确定子模块4204进一步用于：根据公式
具体到酒店应用场景，对于ota平台而言，浏览数据和购买数据最能体现用户偏好，因此，本申请根据用户浏览和购买酒店产品的历史行为数据，确定用户偏好。
可选的，所述可售二级产品和二级产品类型确定模块410进一步用于：
根据所述一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品；
通过对所述可售二级产品进行聚合，确定所述可售二级产品所属二级产品类型。
本实施例是与实施例一和实施例二对应的装置实施例，所述装置中的各模块和子模块的具体实施方式，参见实施例一和实施例二中相应的部分，本实施例不再赘述。
本申请实施例公开的产品排序装置，通过根据一级产品下挂的二级产品的实时数据，确定所述一级产品下挂的可售二级产品，以及所述可售二级产品所属二级产品类型，然后，基于所述可售二级产品和所述二级产品类型，确定所述一级产品的一级产品特征和目标用户的用户偏好特征，并根据所述一级产品特征和用户偏好特征，对所述一级产品进行排序，解决了现有技术中对酒店产品进行排序时，单纯考虑一级产品特征进行排序，导致排序结果不实用的问题。本申请是实施例公开的产品排序装置，通过结合一级产品下挂的二级产品的实时信息和基于二级产品的一级产品特征、用户偏好特征，从产品信息角度结合用户偏好进行产品排序，能够快速帮助用户找到合适的一级产品下挂的二级产品，有效提升了产品排序的准确性。
相应的，本申请还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例一和实施例二所述的产品排序方法。所述电子设备可以为pc机、移动终端、个人数字助理、平板电脑等。
本申请还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例一和实施例二所述的产品排序方法的步骤。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上对本申请提供的一种产品排序方法及装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。