店铺推荐方法及装置与流程

本发明涉及信息处理技术领域，具体涉及一种店铺推荐方法及装置。

背景技术：

随着信息化社会的发展，人们越来越习惯于使用网络来查找或选择消费店铺，现有技术中，通常是将店铺的招牌菜作为店铺推荐依据，或者将店铺活动或优惠券信息作为店铺推荐依据，又或者依据用户历史浏览记录或者消费记录进行店铺推荐。

这种店铺推荐方法并未考虑用户等待时间，导致很多时候，用户到达推荐的店铺时，正处于店铺的高峰期，需要等很长时间才能落座就餐，或者，后厨订单量太大，导致很长时间未上菜，导致吃一顿饭需要很长时间，造成用户体验差，降低了用户使用推荐功能的积极性。

技术实现要素：

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的店铺推荐方法及装置。

根据本发明的一个方面，提供了一种店铺推荐方法，包括：

根据店铺推荐需求，获取用户位置信息以及用户选择的出行方式信息；

根据用户位置信息以及出行方式信息，筛选得到至少一个候选店铺，评估针对每个候选店铺的用户到店时间；

针对每个候选店铺，根据用户到店时间预测该候选店铺的服务数据；

根据各个候选店铺的服务数据进行店铺推荐。

可选地，根据用户到店时间预测该候选店铺的服务数据进一步包括：

根据用户到店时间、店铺当前人流信息、历史同期人流走势信息和/或当前上菜速度信息预测用户到达店铺时该候选店铺的服务数据。

可选地，服务数据包括：等位时间数据和/或上菜时间数据。

可选地，用户位置信息包括：用户当前位置信息；

根据用户位置信息及出行方式信息，筛选得到至少一个候选店铺进一步包括：

根据用户当前位置信息及出行方式信息筛选在用户当前位置信息预设范围内的至少一个候选店铺。

可选地，用户位置信息包括：用户当前位置信息以及目的地位置信息；

根据用户位置信息以及出行方式信息，筛选得到至少一个候选店铺进一步包括：

筛选在目的地位置信息预设范围内的至少一个候选店铺。

可选地，评估针对每个候选店铺的用户到店时间进一步包括：

根据店铺位置信息、用户当前位置信息、出行方式信息以及路况信息评估针对每个候选店铺的用户到店时间。

可选地，在评估针对每个候选店铺的用户到店时间之前，方法还包括：

根据店铺基础评分，筛选得到店铺基础评分大于或等于预设阈值的至少一个候选店铺。

可选地，根据各个候选店铺的服务数据进行店铺推荐进一步包括：

依据服务数据对至少一个候选店铺进行排序；

根据排序结果，生成包含服务数据的店铺推荐页面。

根据本发明的另一方面，提供了一种店铺推荐装置，包括：

获取模块，适于根据店铺推荐需求，获取用户位置信息以及用户选择的出行方式信息；

处理模块，适于根据用户位置信息以及出行方式信息，筛选得到至少一个候选店铺，评估针对每个候选店铺的用户到店时间；

预测模块，适于针对每个候选店铺，根据用户到店时间预测该候选店铺的服务数据；

推荐模块，适于根据各个候选店铺的服务数据进行店铺推荐。

可选地，预测模块进一步适于：根据用户到店时间、店铺当前人流信息、历史同期人流走势信息和/或当前上菜速度信息预测用户到达店铺时该候选店铺的服务数据。

可选地，服务数据包括：等位时间数据和/或上菜时间数据。

可选地，用户位置信息包括：用户当前位置信息；

处理模块进一步适于：根据用户当前位置信息及出行方式信息筛选在用户当前位置信息预设范围内的至少一个候选店铺。

可选地，用户位置信息包括：用户当前位置信息以及目的地位置信息；

处理模块进一步适于：筛选在目的地位置信息预设范围内的至少一个候选店铺。

可选地，处理模块进一步适于：根据店铺位置信息、用户当前位置信息、出行方式信息以及路况信息评估针对每个候选店铺的用户到店时间。

可选地，处理模块还适于：根据店铺基础评分，筛选得到店铺基础评分大于或等于预设阈值的至少一个候选店铺。

可选地，推荐模块进一步适于：依据服务数据对至少一个候选店铺进行排序；根据排序结果，生成包含服务数据的店铺推荐页面。

根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；

存储器用于存放至少一可执行指令，可执行指令使处理器执行上述店铺推荐方法对应的操作。

根据本发明的再一方面，提供了一种计算机存储介质，存储介质中存储有至少一可执行指令，可执行指令使处理器执行如上述店铺推荐方法对应的操作。

根据本发明提供的方案，根据店铺推荐需求，获取用户位置信息以及用户选择的出行方式信息；根据用户位置信息以及出行方式信息，筛选得到至少一个候选店铺，评估针对每个候选店铺的用户到店时间；针对每个候选店铺，根据用户到店时间预测该候选店铺的服务数据；根据各个候选店铺的服务数据进行店铺推荐。基于本发明提供的方案，在用户选择推荐的店铺就餐时，可以缩短用户就餐时间，避免用户长时间等待，尤其是对于时间较为紧张的用户，不仅能够让用户在有限的时间内就餐，还能够避免过多占用用户时间，提升了用户体验。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的店铺推荐方法的流程示意图；

图2a示出了根据本发明另一个实施例的店铺推荐方法的流程示意图；

图2b-图2c为店铺推荐页面的示意图；

图3示出了根据本发明一个实施例的店铺推荐装置的结构示意图；

图4示出了根据本发明一个实施例的计算设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示出了根据本发明一个实施例的店铺推荐方法的流程示意图。如图1所示，该方法包括以下步骤：

步骤s100，根据店铺推荐需求，获取用户位置信息以及用户选择的出行方式信息。

在本实施例中，用户可以通过具有店铺推荐功能的应用请求推荐店铺，其中，应用可以是安装在终端设备上的本地程序(nativeapp)，或者还可以是终端设备上的浏览器的一个网页程序(webapp)。

应用可以向用户展示店铺推荐请求页面，在该店铺推荐请求页面中展示各种出行方式选项以及用户位置信息输入选项或位置定位选项，其中，常见的出行方式有以下几种：步行、骑行、公交、驾车等，因此，可以对应地设置上述出行方式的选择选项，并通过店铺推荐请求页面展示给用户，供用户根据实际出行情况进行选择，例如，用户当前是步行前进，则可以选择步行选项；若用户目前的交通工具是共享单车，可以选择骑行选项，这里不再一一列举说明；用户可以手动输入用户位置信息或者通过触发位置定位选项确定用户位置信息，在用户选择出行方式以及确定用户位置信息，可以视为向服务端发送了店铺推荐请求。

在本发明另一种可选实施方式中，该店铺推荐请求页面还可以显示有推荐按钮，在用户选择出行方式以及确定用户位置信息之后，用户触发推荐按钮，即视为向服务端发送了店铺推荐请求，该店铺推荐请求携带有用户位置信息以及用户选择的出行方式信息，服务端根据店铺推荐请求，获取用户位置信息以及用户选择的出行方式信息。

步骤s101，根据用户位置信息以及出行方式信息，筛选得到至少一个候选店铺，评估针对每个候选店铺的用户到店时间。

服务端维护有大量的店铺，这些店铺分布于各个位置，为了能够将合适的店铺推荐给用户，在将店铺推荐给用户之前，需要先进行店铺筛选，具体地，可以根据用户位置信息以及出行方式信息，筛选得到至少一个候选店铺，在筛选得到至少一个候选店铺后，针对每个候选店铺，可以根据用户位置信息以及出行方式信息，评估用户到店时间，其中，用户到店时间是一个预估值，用户到店时间反映了用户大概需要多长时间能够到达候选店铺。

在本实施例中，不同用户对应的用户位置信息不同，用户所选择的出行方式不同，因此，筛选得到的候选店铺不同，评估得到的用户到店时间不同。

步骤s102，针对每个候选店铺，根据用户到店时间预测该候选店铺的服务数据。

在评估针对每个候选店铺的用户到店时间之后，针对每个候选店铺，可以根据用户到店时间预测该候选店铺的服务数据，其中，服务数据包括：等位时间数据和/或上菜时间数据，等位时间数据反映了用户到达店铺后需要等待多长时间才可以落座就餐，上菜时间数据反映了用户落座后，需要等待多长时间商家才会将菜品上桌。

举例说明，根据步骤s101评估得到用户到达候选店铺a需要20分钟，在本步骤将预测20分钟后候选店铺a的服务数据，例如，当前时间为11:00，这里预测是候选店铺a在11:20时的服务数据。

步骤s103，根据各个候选店铺的服务数据进行店铺推荐。

在根据用户到店时间预测该候选店铺的服务数据之后，可以根据各个候选店铺的服务数据进行店铺推荐，以供用户根据服务数据选择店铺就餐。

根据本发明上述实施例提供的方法，根据店铺推荐需求，获取用户位置信息以及用户选择的出行方式信息；根据用户位置信息以及出行方式信息，筛选得到至少一个候选店铺，评估针对每个候选店铺的用户到店时间；针对每个候选店铺，根据用户到店时间预测该候选店铺的服务数据；根据各个候选店铺的服务数据进行店铺推荐。基于本发明提供的方案，在用户选择推荐的店铺就餐时，可以缩短用户就餐时间，避免用户长时间等待，尤其是对于时间较为紧张的用户，不仅能够让用户在有限的时间内就餐，还能够避免过多占用用户时间，提升了用户体验。

图2a示出了根据本发明另一个实施例的店铺推荐方法的流程示意图。如图2a所示，该方法包括以下步骤：

步骤s200，根据店铺推荐需求，获取用户位置信息以及用户选择的出行方式信息。

服务端在接收到店铺推荐请求后，从该店铺推荐请求中提取出用户位置信息以及用户选择的出行方式信息，其中，出行方式信息包括：步行、骑行、公交、驾车等。

步骤s201，根据用户位置信息以及出行方式信息，筛选得到至少一个候选店铺。

服务端维护有大量的店铺，这些店铺分布于各个位置，为了能够将合适的店铺推荐给用户，在将店铺推荐给用户之前，需要先进行店铺筛选，其中，用户位置信息包括：用户当前位置信息或者用户当前位置信息及目的地位置信息，筛选店铺时需要参考的筛选条件与用户位置信息相关，例如，若用户位置信息包括：用户当前位置信息，则可以将出行方式信息作为筛选条件之一；若用户位置信息包括：用户当前位置信息及目的地位置信息，则将用户位置信息作为筛选条件，在进行店铺筛选时，可以不再参考出行方式信息。

出行方式信息决定了筛选店铺的范围，例如，若出行方式信息为步行时，用户不可能走太远的地方，这种情况下，筛选范围小；若出行方式信息为驾车时，由于开车速度快，用户可以去稍微远一点的地方，筛选范围大。

用户位置信息作为筛选店铺时，位置参考依据，即，筛选哪个位置附近的店铺。

下面结合具体实施方式，详细说明如何进行店铺筛选：

在本发明一种可选实施方式中，若用户位置信息包括：用户当前位置信息(表示用户当前所处的位置)，那么在筛选店铺时，可以根据用户当前位置信息及出行方式信息筛选在用户当前位置信息预设范围内的至少一个候选店铺，这里筛选得到的至少一个候选店铺是在用户当前位置信息预设范围内的店铺，该预设范围由出行方式信息决定，例如，用户出行方式为步行，那么筛选得到的至少一个候选店铺应该距离用户当前位置信息较近，例如以用户当前位置为圆心的1公里以内的店铺，这样能够避免用户走太远的距离；若用户出行方式为驾车，那么筛选得到的至少一个候选店铺可以距离用户当前位置信息稍远一些，例如以用户当前位置为圆心的5公里以内的店铺，从而丰富用户的选择，这里仅是举例说明，本领域技术人员可以根据实际需要设置预设范围。

在本发明一种可选实施方式中，用户位置信息包括：用户当前位置信息(表示用户当前所处的位置)以及目的地位置信息(表示用户想去的位置)，目的地位置信息体现了用户的目的地，在这种情况下，筛选的应该是目的地附近的店铺，因此，可以筛选在目的地位置信息预设范围内的至少一个候选店铺，例如，以目的地位置为圆心的1公里以内的店铺。

步骤s202，根据店铺基础评分，筛选得到店铺基础评分大于或等于预设阈值的至少一个候选店铺。

为了保证用户能够在良好的就餐环境下就餐，并且能够品尝到美味的菜品，可以基于店铺基础评分对步骤s201得到的至少一个候选店铺再次进行筛选，其中，店铺基础评分是对店铺的一个综合评分，是对店铺的菜品、环境、服务等各方面的综合评价，具体地，可以根据用户评论、店铺相册、店铺所属区域等计算店铺基础评分，店铺相册数越多，店铺基础评分越高，店铺所属区域决定了店铺环境，通常情况下，商圈内店铺的环境优于市场、学校附近店铺的环境，因此，商圈内店铺的店铺基础评分高于市场、学校附近店铺的店铺基础评分。

步骤s203，根据店铺位置信息、用户当前位置信息、出行方式信息以及路况信息评估针对每个候选店铺的用户到店时间。

在筛选得到店铺基础评分大于或等于预设阈值的至少一个候选店铺之后，获取这些候选店铺的店铺位置信息，根据店铺位置信息及用户当前位置信息可以计算出两个位置之间的距离，出行方式信息及路况信息决定了用户行进速度，因此，根据店铺位置信息、用户当前位置信息、出行方式信息以及路况信息可以评估针对每个候选店铺的用户到店时间。其中，用户到店时间是一个预估值，用户到店时间反映了用户大概需要多长时间能够到达候选店铺。

路况信息反映的是道路拥堵或畅通情况，路况信息包括以下几种：畅通、基本畅通、轻度拥堵、中度拥堵、严重拥堵，不同的路况信息决定了用户行进速度不同，从而根据路况信息评估得到的用户到店时间不同。

常见的出行方式有以下几种：步行、骑行、公交、驾车等，不同的出行方式决定了用户行进速度不同，从而根据出行方式信息评估得到的用户到店时间不同。

其中，出行方式为步行时，用户行走于人行道，因此，并无道路畅通或拥堵之分，因此，出行方式信息为步行出行方式时，可以不在考虑路况信息，或者将路况信息认定为畅通。

在本发明一种可选实施方式中，在评估针对每个候选店铺的用户到店时间时，还可以结合天气信息进行评估，例如，天气状况不同，决定了用户行进速度不同，天气为晴时，用户行进速度快，天气为雨时，用户行进速度慢，从而评估得到的用户到店时间不同，举例说明，在下雨天，驾车出行，由于雨水对驾驶员视线的影响，导致行驶速度较晴天时的行驶速度慢。

在本步骤中，可以通过调用第三方数据来获取路况信息、天气信息，这里不再详细赘述。

步骤s204，根据用户到店时间、店铺当前人流信息、历史同期人流走势信息和/或当前上菜速度信息预测用户到达店铺时该候选店铺的服务数据。

本实施例目的是为了提升用户就餐体验，减少用户等待时间，使用户能够尽快就餐，节省用户时间，因此，需要预测用户到达店铺时，该候选店铺的服务数据，其中，服务数据包括：等位时间数据和/或上菜时间数据，等位时间数据反映了用户到达店铺后需要等待多长时间才可以落座就餐，上菜时间数据反映了用户落座后，需要等待多长时间商家才会将菜品上桌。

具体地，在预测服务数据之前，需要先获取各个候选店铺在多个维度的数据，例如，获取店铺当前人流信息、历史同期人流走势信息和/或当前上菜速度信息，其中，店铺当前人流信息反映的是店铺当前的人流量，可以根据下单情况、店铺当前是否有空余座位以及排号情况来确定店铺当前人流信息；历史同期人流走势信息反映了人流变化情况，人流量是增大还是减小的趋势；当前上菜速度信息反映了后厨处理订单情况。本实施例中的服务端需要与店铺点餐系统、后厨处理系统打通，从而便于确定店铺当前人流信息、历史同期人流走势信息、当前上菜速度信息。

在获取到店铺当前人流信息、历史同期人流走势信息和/或当前上菜速度信息之后，可以根据用户到店时间、店铺当前人流信息、历史同期人流走势信息和/或当前上菜速度信息预测用户到达店铺时该候选店铺的服务数据。

举例说明，根据步骤s203评估得到用户到达候选店铺a需要20分钟，在本步骤将预测20分钟后候选店铺a的服务数据，例如，当前时间为11:00，根据昨天或者之前一段时间内得到的店铺a在时间段11:00-11:20的历史同期人流走势信息、候选店铺a当前的人流信息及当前的上菜速度信息，来预测11:20时，候选店铺a的服务数据。

需要说明的是，在参考历史同期人流走势信息预测候选店铺的服务数据时，应该将工作日时间与节假日时间区分开，例如，当前时间是节假日，而前一日是工作日，在参考历史同期人流走势信息时，应该是确定上周同期的人流走势信息，而不再是昨天(工作日)同期的人流走势信息；当前时间是工作日，而前一日是节假日，在参考历史同期人流走势信息时，应该是确定上周同期的人流走势信息，而不再是昨天(节假日)同期的人流走势信息。

在本发明一种可选实施方式中，在预测候选店铺的服务数据时，还可以结合天气信息进行评估，例如，天气状况不同，人流走势信息也会有所不同，从而预测得到的服务数据不同，提升了预测的精准性，进而提升了推荐的准确性，提高用户体验。

步骤s205，依据服务数据对至少一个候选店铺进行排序。

在预测得到用户到达店铺时该候选店铺的服务数据之后，可以依据服务数据对候选店铺进行排序，例如，按照等位时间数据由小至大，或者上菜时间数据由小至大对至少一个候选店铺进行排序。

步骤s206，根据排序结果，生成包含服务数据的店铺推荐页面。

在依据服务数据对至少一个候选店铺进行排序后，可以根据排序后的至少一个候选店铺，生成包含服务数据的店铺推荐页面，如图2b或图2c所示，将生成的店铺推荐页面返回给应用，展示在终端设备上，供用户根据服务数据选择就餐店铺，用户可以根据自己的时间选择合适的店铺，例如，若用户时间较为紧张可以选择店铺a，不需要等位；若用户时间较为充裕，可以接受等位，用户可以根据能接受的等位时间选择店铺b或店铺c或店铺d或店铺e；再例如，用户可以根据上菜时间选择合适的店铺。

此外，该店铺推荐页面还包括：预点餐选项，用户可以提前点餐，供店铺提前备餐。

根据本发明上述实施例提供的方法，获取用户位置信息以及用户选择的出行方式信息之后，先根据用户位置信息以及出行方式信息初步筛选店铺，再根据店铺基础评分再次筛选店铺，不仅能够保证向用户推荐距离合适的店铺，还能够保证推荐给用户的店铺质量，使用户品尝到美味的菜品；根据店铺位置信息、用户当前位置信息、出行方式信息以及路况信息评估针对每个候选店铺的用户到店时间，根据用户到店时间、店铺当前人流信息、历史同期人流走势信息和/或当前上菜速度信息预测用户到达店铺时该候选店铺的服务数据，依据服务数据对至少一个候选店铺进行排序，根据排序结果，生成包含服务数据的店铺推荐页面，能够保证用户选择推荐的店铺就餐时，可以缩短用户就餐时间，避免用户长时间等待，尤其是对于时间较为紧张的用户，不仅能够让用户在有限的时间内就餐，还能够避免过多占用用户时间，，提升了用户体验。

图3示出了根据本发明一个实施例的店铺推荐装置的结构示意图。如图3所示，该装置包括：获取模块300、处理模块310、预测模块320、推荐模块330。

获取模块300，适于根据店铺推荐需求，获取用户位置信息以及用户选择的出行方式信息。

处理模块310，适于根据用户位置信息以及出行方式信息，筛选得到至少一个候选店铺，评估针对每个候选店铺的用户到店时间。

预测模块320，适于针对每个候选店铺，根据用户到店时间预测该候选店铺的服务数据。

推荐模块330，适于根据各个候选店铺的服务数据进行店铺推荐。

可选地，预测模块320进一步适于：根据用户到店时间、店铺当前人流信息、历史同期人流走势信息和/或当前上菜速度信息预测用户到达店铺时该候选店铺的服务数据。

可选地，服务数据包括：等位时间数据和/或上菜时间数据。

可选地，用户位置信息包括：用户当前位置信息；

处理模块310进一步适于：根据用户当前位置信息及出行方式信息筛选在用户当前位置信息预设范围内的至少一个候选店铺。

可选地，用户位置信息包括：用户当前位置信息以及目的地位置信息；

处理模块310进一步适于：筛选在目的地位置信息预设范围内的至少一个候选店铺。

可选地，处理模块310进一步适于：根据店铺位置信息、用户当前位置信息、出行方式信息以及路况信息评估针对每个候选店铺的用户到店时间。

可选地，处理模块310还适于：根据店铺基础评分，筛选得到店铺基础评分大于或等于预设阈值的至少一个候选店铺。

可选地，推荐模块330进一步适于：依据服务数据对至少一个候选店铺进行排序；根据排序结果，生成包含服务数据的店铺推荐页面。

根据本发明上述实施例提供的装置，根据店铺推荐需求，获取用户位置信息以及用户选择的出行方式信息；根据用户位置信息以及出行方式信息，筛选得到至少一个候选店铺，评估针对每个候选店铺的用户到店时间；针对每个候选店铺，根据用户到店时间预测该候选店铺的服务数据；根据各个候选店铺的服务数据进行店铺推荐。基于本发明提供的方案，在用户选择推荐的店铺就餐时，可以缩短用户就餐时间，避免用户长时间等待，尤其是对于时间较为紧张的用户，不仅能够让用户在有限的时间内就餐，还能够避免过多占用用户时间，提升了用户体验。

本申请实施例还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的店铺推荐方法。

图4示出了根据本发明一个实施例的计算设备的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。

如图4所示，该计算设备可以包括：处理器(processor)402、通信接口(communicationsinterface)404、存储器(memory)406、以及通信总线408。

其中：

处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。

通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。

处理器402，用于执行程序410，具体可以执行上述店铺推荐方法实施例中的相关步骤。

具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。

处理器402可能是中央处理器cpu，或者是特定集成电路asic(applicationspecificintegratedcircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。

存储器406，用于存放程序410。存储器406可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。

程序410具体可以用于使得处理器402执行上述任意方法实施例中的店铺推荐方法。程序410中各步骤的具体实现可以参见上述店铺推荐实施例中的相应步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的店铺推荐设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。