信息推荐与获取方法、设备及存储介质与流程
本申请涉及互联网技术领域，尤其涉及一种信息推荐与获取方法、设备及存储介质。
背景技术：
零售业的快速发展催生了全渠道、多场景一体化的新零售模式。在新零售模式下，基于机器学习的方法越来越多的应用于商品点击通过率(clickthroughrate，ctr)、点击转化率(clickvaluerate，cvr)或成交总额(grossmerchandisevolume，gmv)的预估环节，不断提升估计准确率；在预估完成后，可根据多目标的要求，为用户进行个性化商品推荐，试图最大化ctr、cvr或gmv等指标。
目前，通常的做法是根据历史数据预估商品的点击概率如ctr或cvr，按照点击概率将商品进行排序，挑选点击概率最高的商品向用户进行推荐。但是，由于用户访问app或网页具有随机性，仅基于点击概率可能无法准确地向用户进行商品推荐，例如可能出现向用户推荐无效商品的情况，导致用户无法购买所推荐的商品，降低用户体验。
技术实现要素：
本申请的多个方面提供一种信息推荐与获取方法、设备及存储介质，用以更加准确地向用户进行库存资源推荐，降低无效资源的推荐概率，提高用户体验。
本申请实施例提供一种信息推荐方法，包括：接收终端设备发送的页面请求，所述页面请求包括用户标识，所述用户标识用于标识发起页面请求操作的目标用户；获取可在线上交易的至少一种库存资源的紧缺度信息和当前库存信息，并预测所述目标用户对所述至少一种库存资源的偏好信息；根据所述至少一种库存资源的紧缺度信息、当前库存信息以及所述目标用户对所述至少一种库存资源的偏好信息，从所述至少一种库存资源中选择目标库存资源；将所述目标库存资源的信息发送给所述终端设备，以供所述终端设备在所述目标用户请求的页面上展示所述目标库存资源的信息。
本申请实施例还提供一种信息获取方法，包括：响应页面请求操作，向服务端设备发送页面请求，所述页面请求包括用户标识，所述用户标识用于标识发起所述页面请求操作的目标用户；接收所述服务端设备返回的目标库存资源的信息，并在所述目标用户请求的页面上展示所述目标库存资源的信息；其中，所述目标库存资源是所述服务端设备根据可线上交易的至少一种库存资源的紧缺度信息、当前库存信息以及所述目标用户对所述至少一种库存资源的偏好信息从中选择出的。
本申请实施例还提供一种服务端设备，包括：存储器和处理器；所述存储器，用于存储计算机程序或指令；所述处理器，与所述存储器耦合，用于执行所述计算机程序或指令，以用于：接收终端设备发送的页面请求，所述页面请求包括用户标识，所述用户标识用于标识发起页面请求操作的目标用户；获取可在线上交易的至少一种库存资源的紧缺度信息和当前库存信息，并预测所述目标用户对所述至少一种库存资源的偏好信息；根据所述至少一种库存资源的紧缺度信息、当前库存信息以及所述目标用户对所述至少一种库存资源的偏好信息，从所述至少一种库存资源中选择目标库存资源；将所述目标库存资源的信息发送给所述终端设备，以供所述终端设备在所述目标用户请求的页面上展示所述目标库存资源的信息。
本申请实施例还提供一种终端设备，包括：存储器、处理器和显示器；所述存储器，用于存储计算机程序或指令；所述处理器，与所述存储器耦合，用于执行所述计算机程序或指令，以用于：响应页面请求操作，向服务端设备发送页面请求，所述页面请求包括用户标识，所述用户标识用于标识发起所述页面请求操作的目标用户；接收所述服务端设备返回的目标库存资源的信息，并在所述目标用户请求的页面上展示所述目标库存资源的信息；所述显示器，用于显示所述目标用户请求的页面；其中，所述目标库存资源是所述服务端设备根据可线上交易的至少一种库存资源的紧缺度信息、当前库存信息以及所述目标用户对所述至少一种库存资源的偏好信息从中选择出的。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被处理器执行时，可致使所述处理器实现本申请实施例提供的信息推荐或获取方法中的步骤。
本申请实施例还提供一种计算机程序产品，包括计算机程序/指令，当所述计算机程序/指令被处理器执行时，致使所述处理器实现本申请实施例提供的信息推荐或获取方法中的步骤。
在本申请实施例中，针对可线上交易的库存资源，将前端推荐与供应链端的库存信息相结合，同时融合库存资源的紧缺度信息、当前库存信息以及目标用户对库存资源的偏好信息等多维度信息，实现一种基于库存平衡的信息推荐方法，该方法可在几乎不增加计算负担的前提下，融入供应链管理视角的库存信息，可从全局视角针对用户进行个性化推荐，有利于更加准确地向用户进行库存资源推荐，降低无效资源的推荐概率，提高用户体验，同时提升整体零售收益。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请示例性实施例提供的一种交易数据处理系统的结构示意图；
图2为本申请示例性实施例提供的预估商品的影子价格的流程示意图；
图3为本申请例性实施例提供的一种信息推荐方法的流程示意图；
图4为本申请示例性实施例提供的一种信息获取方法的流程示意图；
图5为本申请示例性实施例提供的一种服务端设备的结构示意图；
图6为本申请示例性实施例提供的一种终端设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅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做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。
在现有新零售模式下，在向用户进行商品推荐时存在无法准确向用户推荐商品的问题。针对现有技术问题，本申请实施例提供一种信息推荐方法，该方法不仅可针对电商领域中可在线上交易且具有库存信息的商品进行个性化推荐，也可以用于对其它可在线上交易且具有库存信息的资源对象进行个性化推荐。在本申请实施例中，将电商领域中可在线上交易且具有库存信息的商品，以及其它可在线上交易且有库存信息的资源对象，统称为库存资源，并针对可线上交易的库存资源，将前端推荐与供应链端的库存信息相结合，同时融合库存资源的紧缺度信息、当前库存信息以及目标用户对库存资源的偏好信息等多维度信息，实现一种基于库存平衡的信息推荐方法，该方法可在几乎不增加计算负担的前提下，融入供应链管理视角的库存信息，可从全局视角针对用户进行个性化推荐，有利于更加准确地向用户进行库存资源推荐，降低无效资源的推荐概率，提高用户体验。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本申请示例性实施例提供的一种交易数据处理系统的结构示意图。如图1所示，该交易数据处理系统100包括：终端设备101、服务端设备102以及库存管理设备103；服务端设备102与终端设备101和库存管理设备103进行通信连接。
其中，服务端设备102与终端设备101和库存管理设备103之间的通信连接可以是无线连接方式，也可以是有线连接方式。若服务端设备102通过移动网络与终端设备101或库存管理设备103通信连接，该移动网络的网络制式可以为2g(gsm)、2.5g(gprs)、3g(wcdma、td-scdma、cdma2000、utms)、4g(lte)、4g+(lte+)、5g、wimax等中的任意一种。
在本实施例中，交易数据处理系统100可以面向用户提供一些可交易的资源对象，所述交易包括但不限于：购买、采购、交换或兑换等，所述资源对象可以是电商领域中的各种商品，也可以是其它可线上交易的货物、原材料或劳动力资源、电子影视资源等。这些资源对象都具有数量属性，可通过资源仓库104对这些资源对象进行存储和管理，故可将这些资源对象称为库存资源。若资源对象是各种有形的商品、货物或原材料等实体对象，则该资源仓库可以是设置某些位置的物理仓库或容纳空间；若资源对象是电子化影视资源等虚拟对象，则资源仓库可以是具有一定信息存储或记录功能的存储空间，例如可以是磁盘、硬盘或数据库等。其中，库存管理设备103对应于资源仓库104，主要负责对存放于资源仓库104中的库存资源的库存信息进行维护和管理，例如可根据库存资源的交易过程动态更新当前库存信息，并负责管理补货相关的事宜和信息等，例如确定补货时间、补货数量以及发出补货通知等。库存资源的库存信息主要是指库存资源的库存量。
在本实施例中，在终端设备101和服务端设备102的相互配合下，用户可以对交易数据处理系统100提供的库存资源进行交易操作，这里的交易操作包括线上交易操作或线上线下结合的交易操作。其中，用户使用的终端设备例如可以是智能手机、平板电脑、个人电脑、穿戴设备等。终端设备101上安装有可供用户进行线上和/或线下交易的应用软件，该应用软件可以是应用程序(app)、客户端、小程序或sdk等，终端设备101运行应用软件可向用户提供线上和/或线下交易功能。例如，以电商领域中的商品为例，用户可以通过终端设备101上的app发起线上交易操作，例如用户可以在线选购商品、加购物车、在线下单以及在线支付等，还可以在线发表评价等。或者，用户也可以在线下门店选购线下商品，并通过终端设备101上的app扫描功能扫描所选购的线下商品的二维码或条码信息，获取线下商品的价格等属性信息，并形成电子订单进行在线支付，实现线上线下结合的交易操作。或者，用户也可以在线上选择线下门店在售的商品，在线下单，完成支付，之后由门店人员负责在线下门店拣货并配送给用户，实现线上线下结合的交易操作。
其中，服务端设备102可以是在网络虚拟环境中进行资源交易处理的服务器，通常是指利用网络进行线上资源交易的服务器，用户通常需要在该服务器进行身份信息的注册，以利用注册的账号进行库存资源的购买、兑换等交易行为，例如可以是各电商平台或线上交易网站的交易服务器，也可以是第三方服务器。在物理实现上，服务端设备102可以是任何能够提供计算服务，响应服务请求，并进行处理的设备，例如可以是常规服务器、云服务器、云主机、虚拟中心、服务器阵列等。服务器的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类似。
在本实施例中，对任何类型的库存资源，用户通过终端设备101和服务端设备102进行线上交易或线上线下结合交易的过程相同或相似。为了便于理解和描述，在本系统实施例中，以库存资源是电商领域中的商品为例对本实施例系统100的工作原理进行说明。在电商领域中，基于本实施例的系统100，用户通过终端设备101可以线上浏览商家提供的商品信息，并确定在线选购哪些商品。或者，在线下购物的情况下，用户也可以通过终端设备101线上浏览商家提供的商品信息，然后在线下门店内选购相中的商品。无论是哪种购物方式，为了用户能够更便捷、更高效地通过终端设备101从众多商品信息中获取自己所需的商品信息，服务端设备102还具有信息推荐功能，可以通过终端设备101向用户推荐更加符合用户需求的商品信息，缩小用户需要浏览的商品信息的数量，这样用户就不用在众多库商品信息中逐个浏览、逐个挑选，可以直接在所推荐的少量商品信息中进行挑选，从而花费较少时间、更加高效地选出所需的商品信息，有利于提高用户体验。
具体地，如图1中的①所示，用户通过终端设备101发起页面请求操作，终端设备101响应于页面请求操作，向服务端设备102发送页面请求，并在该页面请求中携带用户标识，该用户标识用于标识发起页面请求操作的用户，这样服务端设备102能够据此针对该用户进行个性化信息推荐。进一步，如图1中的②-⑤所示，服务端设备102针对该用户进行个性化地商品推荐，并将推荐的目标商品的信息返回给终端设备101，关于个性化推荐过程在后续展开描述。进一步，如图1中的⑥所示，终端设备101在接收到服务端设备102返回的目标商品的信息之后，向用户显示所请求的页面，与此同时在用户所请求的页面上展示目标商品的信息，目标商品中包含用户喜欢或所需商品的概率更高，便于用户快速从目标商品中选购所需的商品，节约浏览商品的时间，提高购物效率和购物体验。
进一步可选地，终端设备101在用户所请求的页面上展示目标商品的信息时，可以采用随机展示的方式，在用户所请求的页面上展示目标商品的信息；或者，也可以按照用户对目标商品的偏好程度从高到底，依次在用户所请求的页面上展示目标商品的信息；或者，也可以按照目标商品的紧缺度从低到高的顺序，依次在用户所请求的页面上展示目标商品的信息；或者，也可以按照目标商品当前库存信息从高到低的顺序，依次在用户所请求的页面上展示目标商品的信息；或者，也可以同时结合目标商品的当前库存信息、紧缺度信息以及用户对目标商品的偏好信息中的至少两种，计算出目标商品的优先级，按照目标商品的优先级从高到低的顺序，依次在用户所请求的页面上展示目标商品的信息。
在本实施例中，终端设备101上安装有购物类的应用软件，通过运行该应用软件，终端设备101可向用户提供应用页面，根据应用软件的类型的不同，应用页面可以是app页面，也可以是小程序页面，还可以是浏览器页面。在一可选实施例中，无论是哪种类型的应用软件，可以将该应用软件所提供的各个页面均嵌入推荐功能，即无论用户请求哪个页面，终端设备101与服务端设备102相互配合均会为该用户进行个性化的商品推荐，并由终端设备101将所推荐的目标商品的信息展示在用户所请求的页面上。除此之外，也可以在部分页面嵌入推荐功能，这样只有用户在请求嵌入了推荐功能的特定页面时，终端设备101和服务端设备102才会相互配合为该用户进行个性化的商品推荐，并由终端设备101将所推荐的目标商品的信息展示在用户所请求的特定页面上。在本实施例中，并不对嵌入了推荐功能的特定页面进行限定，例如可以是应用软件提供的首页面、购物车页面、群组页面或用户详情页面等。下面举例说明：
例如，可在应用首页面嵌入推荐功能，则在用户请求应用首页面时，终端设备101可响应于用户发起的请求应用首页面的操作，向服务端设备102发送页面请求，以请求服务端设备102针对该用户进行个性化信息推荐并返回所推荐的目标商品的信息；终端设备101渲染出应用首页面，在向用户展示应用首页面的同时，在该应用首页面上展示服务端设备102返回的目标商品的信息，以引导用户从目标商品中选购所需的商品。其中，显示有目标商品信息的应用首页面的示例如图1所示。需要说明的是，用户可以通过点击终端设备101上应用软件的图标，请求启动该应用软件，若在通过应用软件的图标启动应用软件的情况下会默认进入应用首页面，则用户点击应用软件的图标相当于发起了请求应用首页面的操作。或者，在应用软件提供了首页面跳转功能的情况下，用户也可以在当前应用页面上点击指向首页面的导航标签，发起跳转到应用首页面的操作，该操作也相当于发起了请求应用首页面的操作。
又例如，可在购物车页面嵌入推荐功能，则在用户请求购物车页面时，终端设备101可响应于用户发起的请求购物车页面的操作，向服务端设备102发送页面请求，以请求服务端设备102针对该用户进行个性化信息推荐并返回所推荐的目标商品的信息；终端设备101渲染出购物车页面，在向用户展示购物车页面的同时，在该购物车页面上展示服务端设备102返回的目标商品的信息，以引导用户从目标商品中选购所需的商品。其中，显示有目标商品信息的购物车页面的示例如图1所示。可选地，在应用软件提供了购物车页面跳转功能的情况下，用户也可以在当前应用页面上点击指向购物车页面的导航标签，发起跳转到购物车页面的操作，该操作相当于发起了请求购物车页面的操作。或者，在各页面上也可以显示购物车图标或浮窗，用户点击购物车图标或浮窗也可发起请求购物车页面的操作。
又例如，可以在购物软件的群组页面嵌入推荐功能，则在用户请求群组页面时，终端设备101可响应于用户发起的请求群组页面的操作，向服务端设备102发送页面请求，以请求服务端设备102针对该用户进行个性化信息推荐并返回所推荐的目标商品的信息；终端设备101渲染出群组页面，在向用户展示群组页面的同时，在该群组页面上展示服务端设备102返回的目标商品的信息，以引导用户从目标商品中选购所需的商品。可选地，在应用软件提供了群组页面跳转功能的情况下，用户也可以在当前应用页面上点击指向群组页面的导航标签，发起跳转到群组页面的操作，该操作相当于发起了请求群组页面的操作。
又例如，可以在用户个人详情页上嵌入推荐功能，则在用户请求个人详情页时，终端设备101可响应于用户发起的请求个人详情页的操作，向服务端设备102发送页面请求，以请求服务端设备102针对该用户进行个性化信息推荐并返回所推荐的目标商品的信息；终端设备101渲染出个人详情页，在向用户展示个人详情页的同时，在该个人详情页上展示服务端设备102返回的目标商品的信息，以引导用户从目标商品中选购所需的商品。可选地，在应用软件提供了个人详情页跳转功能的情况下，用户也可以在当前应用页面上点击指向个人详情页的导航标签，例如各应用中常见的“我的”标签，发起跳转到个人详情页的操作，该操作相当于发起了请求个人详情页的操作。
无论是上述哪种方式，在用户请求嵌入了推荐功能的页面时，终端设备101可响应于页面请求操作，向服务端设备102发送页面请求，并在该页面请求中携带用户标识；对服务端设备102来说，可接收终端设备101发送的页面请求，从该页面请求中获取用户标识，根据该用户标识确定发起页面请求的用户。为了便于区分和描述，在本申请下述实施例中，将发起页面请求操作的用户称为目标用户。在确定目标用户之后，服务端设备102可以为目标用户进行个性化的商品推荐。
在本实施例中，服务端设备102确定可参与线上交易的至少一种商品，这些商品可以是商家提供的全部商品，也可以是商家提供的部分商品，对此不做限定。这些商品来自于商家的资源仓库中，资源仓库可以是一个，也可以是多个，可以是门店的仓库，也可以是区域级的仓库，对此不做限定。进一步，为了对目标用户进行个性化的商品推荐，可以考虑目标用户的个性化需求，有针对性地向目标用户进行商品推荐。除此之外，在本实施例中，考虑到线下线上交易融合的应用需求，在向目标用户进行商品推荐的过程中，除了考虑目标用户的个性化需求之外，还结合营销端的库存信息，将商家前端的营销策略与后端库存决策相结合，可在全局收益管理的视角进行前后端的联合优化推荐。
具体地，如图1中的②和③所示，服务端设备102在接收到页面请求之后，一方面获取至少一种商品的紧缺度信息和当前库存信息；另一方面预测目标用户对至少一种商品的偏好信息。其中，可以从库存管理设备103实时获取当前库存信息。关于至少一种商品的紧缺度信息可以实时获取，或者，也可以预先离线获取并保存下来，例如可以周期性获取至少一种商品的紧缺度信息并进行保存，这样在每次使用时，可以直接获取最新保存的至少一种商品的紧缺度信息即可。相应地，关于目标用户对至少一种商品的偏好信息可以实时预测，或者，也可以预先离线预测出并保存下来，这样在每次使用时可以直接获取最新保存的目标用户对至少一种商品的偏好信息。在1中，以实时预测目标用户对至少一种商品的偏好信息为例进行图示，但并不限于此。之后，如图1中的④所示，服务端设备102根据至少一种商品的紧缺度信息、当前库存信息以及目标用户对至少一种商品的偏好信息，从至少一种商品中选择目标商品；进一步，如图1中的⑤所示，服务端设备102将所选择的目标商品的信息返回给终端设备101，以供终端设备101在目标用户所请求的页面上展示目标商品的信息，如图1中的⑥所示。
在向用户推荐商品时，如果单纯依据用户对商品的偏好，那么在大多用户都偏好同一种商品，会向大多数用户都推荐该商品，这样在该种商品库存不足的情况下，就会发生无效商品推荐的情况，即有一部分用户被推荐了该种商品但却因为库存不足而无法购买到所推荐的商品，这会严重影响用户的购物体验，也会降低用户对推荐系统的信任度，无法充分发挥推荐系统的优势。而在本申请实施例中，同时结合目标用户的偏好、商品的紧缺程度以及库存信息，不再单纯依据用户对商品的偏好，在商品紧缺、库存不足的情况下，可以折中向用户推荐其它商品，有利于更加合理地的向用户推荐商品，可以减少发生无效商品推荐的情况，在提高用户购物效率的同时还可保证用户的购物体验。
在本申请上述或下述各实施例中，在实时或预先预测目标用户对至少一种库存资源的偏好信息时，服务端设备102可以根据用户标识，获取目标用户的画像数据；目标用户的画像数据至少包括：目标用户的基本属性信息以及目标用户的历史交易行为数据；其中，目标用户的基本属性信息包括但不限于：目标用户的消费能力、教育背景等等；目标用户的历史交易行为数据包括但不限于：历史交易行为的类型例如购买、加购物车、支付、评论等，历史交易行为涉及的商品属性，历史交易行为的时间、发生频次等等。进一步，服务端设备102根据目标用户的画像数据实时或预先预测目标用户对至少一种商品的偏好信息。更进一步，服务端设备102可以同时根据目标用户的画像数据和至少一种商品的基本属性信息，实时或预先预测目标用户对至少一种商品的偏好信息。每种商品的基本属性信息包括但不限于：品类、品牌、规格、价格，品牌调性、商品的销售情况等等。优选地，考虑到目标用户画像数据中的历史交易行为数据会随着时间的推移而动态变化，可以在每次需要向目标用户进行商品推荐时，获取目标用户最新的画像数据，根据最新的画像数据，或者同时根据最新的画像数据和至少一种商品的基本属性信息，实时预测目标用户对至少一种商品的偏好信息，这可提高预测结果的准确性。
在一可选实施例中，可以预先训练一偏好预测模型，则服务端设备102可以调用该偏好预测模型实时或预先预测目标用户对至少一种商品的偏好信息。具体地，服务端设备102可以将目标用户的画像数据和至少一种商品的基本属性信息输入偏好预测模型，由偏好预测模型输出目标用户对至少一种商品的偏好信息。
进一步可选地，可以采用目标用户对至少一种商品的cvr和ctr表示目标用户对至少一种商品的偏好信息，但并不限于此。例如，也可以通过目标用户对至少一种商品的cvr或ctr表示目标用户对至少一种商品的偏好信息。当然，也可以使用除cvr和ctr之外的其它参数，例如目标用户对商品的偏好度，或者目标用户与商品的匹配度等参数来表示目标用户对各商品的偏好信息。在采用目标用户对至少一种商品的cvr和ctr表示目标用户对至少一种商品的偏好信息的情况下，服务端设备102可以根据目标用户的画像数据预测目标用户对至少一种商品的cvr和ctr。进一步可选地，在采用偏好预测模型的情况下，该偏好预测模型可以是一个能够同时预测cvr和ctr的模型，也可以同时包括cvr预测模型和ctr预测模型。
在得到目标用户对至少一种商品的cvr和ctr之后，服务端设备102可以根据至少一种库存资源的紧缺度信息、当前库存信息以及目标用户对至少一种商品的cvr和ctr，从至少一种商品中选择目标商品，并将目标商品的信息返回给终端设备101，以供终端设备101在目标用户所请求的页面上展示目标商品的信息。
在本申请上述或下述各实施例中，在根据至少一种商品的紧缺度信息、当前库存信息以及目标用户对至少一种商品的偏好信息，从至少一种商品中选择目标库存资源的一种方式，包括：
首先，根据至少一种商品的紧缺度信息和目标用户对至少一种商品的偏好信息，确定至少一种商品的期望收益。
可选地，在采用目标用户对商品的cvt和ctr表示目标用户对商品的偏好信息的情况下，上述根据至少一种商品的紧缺度信息和目标用户对至少一种商品的偏好信息，确定至少一种商品的期望收益的方式包括：根据至少一种商品的紧缺度信息对至少一种商品的价格属性进行修正，以得到至少一种商品的修正价格；根据目标用户对至少一种商品的cvr和ctr，以及至少一种商品的修正价格，确定至少一种商品的期望收益。
接着，根据至少一种商品的当前库存信息，对至少一种商品的期望收益进行修正。
可选地，上述根据至少一种商品的当前库存信息，对至少一种商品的期望收益进行修正，包括：根据至少一种商品的当前库存信息和初始库存信息，生成至少一种商品的库存惩罚因子；利用至少一种商品的库存惩罚因子，对至少一种商品的期望收益进行修正。例如，针对每种商品，可以根据该商品的当前库存信息与初始库存信息的比值，计算该商品的库存惩罚因子；进而，利用该商品的库存惩罚因子与该商品的期望收益相乘，得到该商品的修正后的期望收益。
最后，根据至少一种商品修正后的期望收益，从至少一种商品中选择目标商品。
可选地，可以根据至少一种商品修正后的期望收益从大到小的顺序，对至少一种商品进行排序，之后，选择排序最靠前的若干个商品作为目标商品。或者，也可以选择修正后的期望收益在设定收益范围内的商品作为目标商品。本申请实施例对根据至少一种商品修正后的期望收益选择目标商品的具体实现方式不做限定。
在得到目标商品之后，服务端设备102可将目标商品的信息返回给终端设备101，以供终端设备101将目标商品的信息展示在目标用户所请求的页面上，这样用户就可以从目标商品中选购所需的商品，省时、高效，且商家也可获得最大收益。可选地，终端设备101在展示目标商品的信息时，可以根据目标商品的修正后的期望收益，按照修正后的期望收益从高到低的顺序，依次在用户请求的页面上展示目标商品的信息。其中，目标商品的信息包括但不限于：目标商品的图片、名称、价格、重量或数量以及相关的优惠信息或优惠策略等。
在本申请上述或下述各实施例中，可以采用商品的影子价格来反应商品的紧缺度信息。商品的影子价格可以反映商品紧缺的真实状况，且短缺商品的影子价格较高，也就是说，某种商品的影子价格越高，表明这种商品的紧缺程度越大。进一步，在本申请实施例中，服务端设备102可以以历史用户对至少一种商品的历史偏好信息作为数据基础，运用线性规划方法预估至少一种商品的影子价格。进一步可选地，在历史用户数量较多的情况下，历史用户对至少一种商品的历史偏好信息的数据基础会很大，鉴于此，可以对历史用户对至少一种商品的历史偏好信息进行抽样，以得到抽样历史用户对至少一种商品的历史偏好信息；基于抽样历史用户对至少一种商品的历史偏好信息，对未来到达用户对至少一种商品的偏好进行估计，从而得到至少一种商品的影子价格，这可以降低计算量，提高计算效率。
进一步，考虑到至少一种商品的紧缺度会受到多种因素的影响，可能是动态变化的，故可以在每次接收到页面请求时，可基于抽样历史用户对至少一种商品的历史偏好信息实时预估至少一种商品的影子价格，或者，也可以基于抽样历史用户对至少一种商品的历史偏好信息周期性地预估至少一种商品的影子价格，这样可以提高基于商品的影子价格进行商品推荐的准确度，又可避免仅计算一次影子价格无法准确刻画商品推荐效果的不足。当然，考虑到计算效率和计算资源的问题，优选地，可以周期性地预估至少一种商品的影子价格。鉴于此，服务端设备102运用线性规划方法周期性预估至少一种商品的影子价格的一种详细实施方式，如图2所示，包括以下操作：
抽样操作：对历史用户对至少一种商品的历史偏好信息进行抽样，以得到抽样历史用户对至少一种商品的历史偏好信息。
在抽样操作中，可以周期性地从历史用户对至少一种商品的历史偏好信息中，抽取部分历史用户对至少一种商品的历史偏好信息，由于被抽取出来的部分历史用户对至少一种商品的历史偏好信息将用于指导后续的推荐过程，因此应具有代表性，能够尽可能地反映未来到达用户对至少一种商品的偏好信息。未来到达用户是指未来通过终端设备101发起页面请求的用户。
在一可选实施例中，可以采用历史用户对至少一种商品的历史cvr和历史ctr表示历史用户对至少一种商品的历史偏好信息。基于此，可以周期性地从历史数据中抽取部分历史用户的ctr和cvr，表示为
进一步可选地，针对当前时间窗，可以根据历史同期时间窗内出现的历史用户的数量，预测当前时间窗内可能到达的用户数量，记为kcur；根据当前时间窗内可能到达的用户数量kcur，从历史同期时间窗内出现的历史用户中进行抽样，以得到抽样历史用户。例如，当前时间窗为早上7:00-8:00，则可以从最近一周内每天早上7:00-8:00这段时间内出现的历史用户中进行抽样，或者也可以从最近10天内每天早上7:00-8:00这段时间内出现的历史用户中进行抽样。可选地，抽样历史用户的数量为kcur，但不限于此。进一步，从历史用户对至少一种商品的历史偏好信息中，获取抽样历史用户对至少一种商品的历史偏好信息，例如cvr和ctr。
线性规划模型构建操作：基于抽取出的历史用户对至少一种商品的历史偏好信息和至少一种商品的价格属性，构建以至少一种商品的推荐概率为决策变量，以抽样历史用户在当前时间窗内对至少一种商品的期望收益最大为目标的线性规划模型。
在一可选实施例中，采用历史用户对商品的cvr和ctr表示历史用户对商品的历史偏好信息，则所构建出的线性规划模型的目标函数可采用如下公式进行表达：
进一步，在构建线性规划模型的过程中，还可以考虑商品库存的平均分配和每次最多可推荐的商品数量的约束，构建线性规划模型的约束条件。具体地：结合当前时间窗内可能到达的用户数量kcur以及至少一种商品的当前库存信息，确定至少一种商品在当前时间窗内的分配量
上述公式(1)表示抽样历史用户在当前时间窗内对n个商品的期望收益最大化；其中，
在上述公式(1)中，xiu为决策变量，且满足
上述公式(2)是对商品库存平衡要求的体现，在当前时间窗口开始时的初始库存适当调整后分配给每个时间窗，并且要求第i个商品在当前时间窗内销售给ts个用户的总数量应小于或等于该商品在当前时间窗内的分配量，
上述公式(3)时对每次可向用户推荐的商品数量不超过最大数量的体现，其中，k表示每次最多可向用户推荐的商品数量。
线性规模模型求解操作：基于对偶理论，对上述线性规划模型进行求解以得到至少一种商品的影子价格，每种商品的影子价格是该商品的推荐概率的对偶值，反映该商品的紧缺度。其中，商品的紧缺度也反映了该商品的受欢迎度。关于基于对偶理论对上述线性规划模型进行求解的过程，本申请实施例不做详细描述。
在采用上述方式，得到每个商品的影子价格之后，在当前时间窗内，当有目标用户针对嵌入推荐功能的页面发起页面请求时，服务端设备102根据该页面请求中携带的用户标识，一方面根据该用户标识对应的画像数据和至少一种商品的基本属性信息，预测目标用户对至少一种商品的cvr和ctr，记为
在上述实施例中，将影子价格与库存平衡两个因素进行了有机结合，综合了线性规划的建模能力、对偶理论的理论基础以及库存平衡算法的动态性。在构建计算影子价格的线性规划模型时，合理地对有限的商品库存进行了缩放，通过周期性求解基于历史数据的线性规划问题，以动态更新商品影子价格，并引入基于实时库存的库存惩罚因子，实时地调整各商品的期望收益指标，不仅可适当减少由于仅考虑库存平衡带来的保守性，还可以克服在单周期内影子价格始终处于静态而无法体现用户差异性的缺陷，有利于更加准确地进行商品推荐，可保证商家收益不受损失。另外，由于库存平衡算法运用的简便性，可以在几乎不增加额外计算负担的前提下，融入供应链管理视角的库存信息，有助于从全局视角考虑个性化推荐问题。再者，在本申请实施例中，充分考虑到供应链端和物流运作的特性，使得前端的商品推荐与商品库存管理相结合，从商家角度来看，不再单纯基于购买概率或者单品期望利润进行商品推荐，而是融合了供应链端的商品库存进行商品推荐，通过显式地引入实时库存水平信息进行个性化商品推荐，可最大化商家的gmv。
在实际应用中，大多数商品都具有有效期，有些商品的有效期较长，有些商品的有效期较短，商品需要在有效期内进行销售。尤其是一些生鲜品，例如蔬菜、鲜奶、肉类等，这些商品的有效期较短，腐烂后无法销售。商品的有效期对商品的影子价格具有一定影响。基于此，在本申请一些可选实施例中，在计算商品的影子价格的过程中，还可引入商品的残值信息，该残值信息是由商品的有效期确定的。其中，每种商品都有一个残值信息，不同商品的残值信息不同，商品的有效期越长，其残值信息越大，反之，商品的有效期越短，其残值信息越小，甚至有一些商品，例如鱼类、鲜奶、肉类等，其残值信息还可能是负值。
可选地，可以预先根据商品的有效期，采用对应的残值确定规则确定每种商品的残值信息。例如，假设一款商品早上售价为10元，那么到晚上的售价降为6原，该款商品的残值信息为6元。或者，一款商品早上售价为15元，到晚上需要将该商品加工成其它食品，加工后的食品售价为5元，则该款商品的残值信息为5元。这里确定商品残值信息的方式仅为示例，并不限于此。
其中，引入商品的残值信息时预估商品影子价格的过程与图2所示未引入商品的残值信息时预估商品的影子价格的过程相似，区别主要在于线性规划模型的构建过程。其中，在引入商品的残值信息的情况下，构建线性规划模型的过程包括：
目标函数的构建：根据抽样历史用户对至少一种商品的历史偏好信息、至少一种商品的价格属性以及至少一种商品的推荐概率，生成历史用户在当前时间窗内对至少一种商品的基础期望收益函数；根据至少一种商品的残值信息和至少一种商品的当前库存信息，生成至少一种商品在当前时间窗内的损失期望收益函数；以最大化基础期望收益函数和损失期望收益函数之和作为线性规划模型的目标函数。该目标函数可表示为如下公式(4)：
上述公式(1)表示最大化基础期望收益函数和损失期望收益函数之和；其中，
约束条件的构建：考虑商品库存的平均分配、商品的剩余库存和每次最多可推荐的商品数量的约束，构建线性规划模型的约束条件。具体地：结合当前时间窗内可能到达的用户数量kcur以及至少一种商品的当前库存信息，确定至少一种商品在当前时间窗内的分配量
上述公式(5)是对商品库存平衡要求的体现，在当前时间窗口开始时的初始库存适当调整后分配给后续各时间窗，并且要求第i个商品在当前时间窗内销售给ts个用户的总数量和第i个商品的剩余库存信息之和应小于或等于该商品在当前时间窗内的分配量，
同理，可以基于对偶理论，对上述线性规划模型进行求解以得到至少一种商品的影子价格。在得到至少一种商品的影子价格之后，基于至少一种商品的影子价格、当前库存信息以及目标用户对至少一种商品的cvr和ctr进行商品推荐的过程，与前述实施例相同，在此不再赘述。
在本申请上述或下述实施例中，并不对计算库存惩罚因子所采用的计算函数f(x)进行限定。f(x)可以是任意的非递减凹函数，且满足f(0)＝0，f(1)＝1。在一可选实施例中，可以采用
在本申请下述可选实施例中，在计算库存惩罚因子的过程中，除了考虑商品的当前库存信息和初始库存信息之外，还可以考虑对库存信息有影响的其它信息，融合多源信息进行库存惩罚因子的计算。
在可选实施例s1中，考虑初始库存
考虑到至少一种商品可能支持多种交易渠道，交易渠道是指用户可以在线购买商品的一种渠道，包括但不限于：商家自己研发的小程序、app，以及与商家协作的第三方的app、小程序等。商家自己研发的小程序、app、第三方的小程序、第三方的app属于不同的交易渠道。为了便于区分和描述，将目标用户发起页面请求所使用的交易渠道称为目标交易渠道，将不同于目标交易渠道的交易渠道称为其它交易渠道。
在该情况下，在计算库存惩罚因子时，可以同时考虑当前时间窗的初始库存
在使用至少一种商品当前在其它交易渠道上的预测交易信息之前，可以基于至少一种商品在其它交易渠道上的历史交易信息，预测基于至少一种商品当前在其它交易渠道上的预测交易信息。对任一种商品而言，其在其它交易渠道上的历史交易信息包括但不限于：交易时间(例如工作日、周末、节假日)、交易量、交易商品的特征、该交易渠道当时的流量信息、该交易渠道当时采用的营销信息等。
在可选实施例s2中，考虑初始库存
在可选实施例s1的基础上，进一步考虑至少一种商品当前在其它交易渠道上的预测交易信息
基于上述，在本实施例中，库存惩罚函数f(x)中的参数x与
在可选实施例s3中，考虑初始库存
在可选实施例s2的基础上，进一步考虑线下库存信息向线上同步存在一定滞后的问题。例如，在库存管理人员在11:00更新了库存信息，并在11:20将更新后的库存信息同步给服务端设备102，在11:00-11:20这段时间内在线下交易渠道上可能会出售一定数量的商品，如果在11:20这一刻依旧按照11:00的库存信息进行处理，将会存在误差。鉴于此，在计算库存惩罚因子的过程中进一步考虑对商品在线下库存信息向线上同步期间内的“保护水平”(protectionlevel)，以防止按照滞后的库存信息进行商品推荐后用户购买所推荐商品时出现无库存的情况，降低用户购物感受。以11:00-11:20这段时间为例，该段时间即为线下库存信息向线上同步的期间。在本实施例中，将对商品在线下库存信息向线上同步期间内的“保护水平”称为商品在线下库存信息向线上同步期间内的预测交易信息。对于第i个商品，将该商品在当前线下库存信息向线上同步期间内的预测交易信息记为pli。
可选地，可以根据每种商品在历史线下库存信息向线上同步期间内的历史交易信息，预测每种商品在当前线下库存信息向线上同步期间内的预测交易信息。例如，对于第i个商品，可以统计该商品在近期一个月内在线下库存信息向线上同步期间内的销售量，根据近一个月内在线下库存信息向线上同步期间内的销售量，预测该商品在当前线下库存信息向线上同步期间内的销售量。
对每种商品而言，在得到该商品在当前线下库存信息向线上同步期间内的预测交易信息之后，在针对该商品计算库存惩罚因子时，可以去除已经在线下库存信息向线上同步期间内被销售的商品数量(即预测交易信息)，这样在基于库存惩罚因子为线上用户推荐商品时，在库存水平比较低时，便不会推送相应商品，避免用户购买所推荐商品时出现无库存的情况。
基于上述，在本实施例中，库存惩罚函数f(x)中的参数x与
在上述可选实施例s3中，同时考虑了预测交易信息
在采用上述各可选实施例得到至少一种商品的库存惩罚因子之后，基于至少一种商品的库存惩罚因子，可以对至少一种商品的期望收益进行修正；进而基于至少一种商品的修正后的期望收益，向目标用户推荐目标商品。这些操作与前述实施例相同，在此不再赘述。
在上述各可选实施例中，引入额外的预测交易信息，并考虑预测存在偏差情况下，可以更加准确地计算出库存惩罚因子，有利于提高基于库存惩罚因子进行商品推荐的准确度，更加合理地向用户推荐商品，降低出现无效商品推荐的概率。
进一步，在本申请实施例中，对本申请实施例进行了离线仿真，得到本申请实施例在商家收益、库存等指标具有以下有益结果：
1、本申请实施例的方案可以兼顾用户偏好和用户到达的平稳性，而且随着用户偏好和用户达到的强度平稳性越差，商家gmv的提升越明显；仿真实验中，相对于已有推荐方法，采用本申请实施例方案后的gmv的提升最高能够达到1％，甚至2％。
2、在初始库存量与当日用户期望购买的商品数量相当的情况下，采用本申请实施例方案在gmv指标上的提升效果尤为明显。
图3为本申请示例性实施例提供的一种信息推荐方法的流程示意图。如图3所示，该方法包括：
31、接收终端设备发送的页面请求，页面请求包括用户标识，用户标识用于标识发起页面请求操作的目标用户；
32、获取可在线上交易的至少一种库存资源的紧缺度信息和当前库存信息，并预测目标用户对至少一种库存资源的偏好信息；
33、根据至少一种库存资源的紧缺度信息、当前库存信息以及目标用户对至少一种库存资源的偏好信息，从至少一种库存资源中选择目标库存资源；
34、将目标库存资源的信息发送给终端设备，以供终端设备在目标用户请求的页面上展示目标库存资源的信息。
在一可选实施例中，获取可在线上操作的至少一种库存资源的紧缺度信息，包括：基于历史用户对可在线上交易的至少一种库存资源的历史偏好信息，预估至少一种库存资源的影子价格；其中，每种库存资源的影子价格反映该库存资源的紧缺度。
进一步可选地，基于历史用户对可在线上交易的至少一种库存资源的历史偏好信息，预估至少一种库存资源的影子价格，包括：对历史用户对至少一种库存资源的历史偏好信息进行抽样，以得到抽样历史用户对至少一种库存资源的历史偏好信息；基于抽样历史用户对至少一种库存资源的历史偏好信息，对未来到达用户对至少一种库存资源的偏好进行估计，以得到至少一种库存资源的影子价格。
进一步可选地，对历史用户对至少一种库存资源的历史偏好信息进行抽样，以得到抽样历史用户对至少一种库存资源的历史偏好信息，包括：针对当前时间窗，根据历史同期时间窗内出现的历史用户的数量，预测当前时间窗内可能到达的用户数量；根据当前时间窗内可能到达的用户数量，从历史同期时间窗内出现的历史用户中进行抽样，以得到抽样历史用户；
从历史用户对至少一种库存资源的历史偏好信息中，获取抽样历史用户对至少一种库存资源的历史偏好信息。
进一步可选地，基于抽样历史用户对至少一种库存资源的历史偏好信息，对未来到达用户对至少一种库存资源的偏好进行估计，以得到至少一种库存资源的影子价格，包括：
基于抽样历史用户对至少一种库存资源的历史偏好信息和至少一种库存资源的价格属性，构建以至少一种库存资源的推荐概率为决策变量，以抽样历史用户在当前时间窗内对至少一种库存资源的期望收益最大为目标的线性规划模型；
基于对偶理论，对线性规划模型进行求解以得到至少一种库存资源的影子价格，每种库存资源的影子价格是该库存资源的推荐概率的对偶值，反映该库存资源的紧缺度。
进一步可选地，在构建线性规划模型过程中，还包括：
结合当前时间窗内可能到达的用户数量以及至少一种库存资源的当前库存信息，确定至少一种库存资源在当前时间窗内的分配量；
根据至少一种库存资源在当前时间窗内的分配量和每次最多可推荐的库存资源量，构建线性规划模型的约束条件。
进一步可选地，基于抽样历史用户对至少一种库存资源的历史偏好信息和至少一种库存资源的价格属性，构建以至少一种库存资源的推荐概率为决策变量，以抽样历史用户在当前时间窗内对至少一种库存资源的期望收益最大为目标的线性规划模型，包括：
根据抽样历史用户对至少一种库存资源的历史偏好信息、至少一种库存资源的价格属性以及至少一种库存资源的推荐概率，生成历史用户在当前时间窗内对至少一种库存资源的基础期望收益函数；
根据至少一种库存资源的残值信息和至少一种库存资源的当前库存信息，生成至少一种库存资源在当前时间窗内的损失期望收益函数，库存资源的残值信息是根据库存资源的有效期确定的；
以最大化基础期望收益函数和损失期望收益函数之和作为线性规划模型的目标函数。
在一可选实施例中，根据至少一种库存资源的紧缺度信息、当前库存信息以及目标用户对至少一种库存资源的偏好信息，从至少一种库存资源中选择目标库存资源，包括：
根据至少一种库存资源的紧缺度信息和目标用户对至少一种库存资源的偏好信息，确定至少一种库存资源的期望收益；
根据至少一种库存资源的当前库存信息，对至少一种库存资源的期望收益进行修正；
根据至少一种库存资源修正后的期望收益，从至少一种库存资源中选择目标库存资源。
进一步可选地，预测目标用户对至少一种库存资源的偏好信息，包括：基于目标用户的画像数据，预测目标用户对至少一种库存资源的点击通过率和点击转化率。相应地，根据至少一种库存资源的紧缺度信息和目标用户对至少一种库存资源的偏好信息，确定至少一种库存资源的期望收益，包括：根据至少一种库存资源的紧缺度信息对至少一种库存资源的价格属性进行修正，以得到至少一种库存资源的修正价格；根据目标用户对至少一种库存资源的点击通过率和点击转化率，以及至少一种库存资源的修正价格，确定至少一种库存资源的期望收益。
进一步可选地，根据至少一种库存资源的当前库存信息，对至少一种库存资源的期望收益进行修正，包括：
根据至少一种库存资源的当前库存信息和初始库存信息，生成至少一种库存资源的库存惩罚因子；
利用至少一种库存资源的库存惩罚因子，对至少一种库存资源的期望收益进行修正。
进一步可选地，根据至少一种库存资源的当前库存信息和初始库存信息，生成至少一种库存资源的库存惩罚因子，包括：
获取至少一种库存资源对应的至少一种预测交易信息，至少一种预测交易信息包括至少一种库存资源当前在其它交易渠道上的预测交易信息和/或至少一种库存资源在当前线下库存信息向线上同步期间内的预测交易信息；
根据至少一种库存资源的当前库存信息、初始库存信息以及至少一种库存资源对应的至少一种预测交易信息，生成至少一种库存资源的库存惩罚因子；
其中，其它交易渠道是指至少一种库存资源所支持的多种交易渠道中除目标交易渠道之外的交易渠道，目标交易渠道是指终端设备发起页面请求所使用的交易渠道。
进一步可选地，获取至少一种库存资源当前在其它交易渠道上的预测交易信息，包括：基于至少一种库存资源在其它交易渠道上的历史交易信息，预测至少一种库存资源当前在其它交易渠道上的预测交易信息；
相应地，获取至少一种库存资源在当前线下库存信息向线上同步期间内的预测交易信息，包括：根据至少一种库存资源在历史线下库存信息向线上同步期间内的历史交易信息，预测至少一种库存资源在当前线下库存信息向线上同步期间内的预测交易信息。
进一步可选地，在使用至少一种库存资源当前在其它交易渠道上的预测交易信息之前，还包括：根据至少一种库存资源当前在其它交易渠道上的预测交易信息的标准差，对至少一种库存资源当前在其它交易渠道上的预测交易信息进行修正。
在一可选实施例中，上述至少一种库存资源为商品，相应地，目标用户请求的页面为购物应用的首页面、购物车页面、群组页面或用户详情页面。
在本申请方法实施例中，以库存资源为描述对象展开描述，但其与以商品为对象进行描述的过程相同或详细，故关于上述各步骤的详细实现和描述，可参见前述系统实施例，在此不再赘述。
在本实施例中，针对可线上交易的库存资源，将前端推荐与供应链端的库存信息相结合，同时融合库存资源的紧缺度信息、当前库存信息以及目标用户对库存资源的偏好信息等多维度信息，实现一种基于库存平衡的信息推荐方法，该方法可在几乎不增加计算负担的前提下，融入供应链管理视角的库存信息，有利于从全局视角针对用户进行个性化推荐，有利于更加准确地向用户进行库存资源推荐，降低无效资源的推荐概率，提高用户体验。
图4为本申请示例性实施例提供的一种信息获取方法的流程示意图。如图4所示，该方法包括：
41、响应页面请求操作，向服务端设备发送页面请求，页面请求包括用户标识，用户标识用于标识发起页面请求操作的目标用户；
42、接收服务端设备返回的目标库存资源的信息，并在目标用户请求的页面上展示目标库存资源的信息；其中，目标库存资源是服务端设备根据可线上交易的至少一种库存资源的紧缺度信息、当前库存信息以及目标用户对至少一种库存资源的偏好信息从中选择出的。
关于服务端设备根据至少一种库存资源的紧缺度信息、当前库存信息以及目标用户对至少一种库存资源的偏好信息从中选择目标库存资源并将目标库存资源的信息返回给终端设备的详细实现过程可参见前述实施例，在此不再赘述。
需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤41至步骤42的执行主体可以为设备a；又比如，步骤41的执行主体可以为设备a，步骤42的执行主体可以为设备b；等等。
另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如41、42等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
图5为本申请示例性实施例提供的一种服务端设备的结构示意图。如图5所示，服务端设备，包括：存储器51、处理器52以及通信组件53。
存储器51，用于存储计算机程序，并可被配置为存储其它各种数据以支持在服务端设备上的操作。这些数据的示例包括用于在服务端设备上操作的任何应用程序或方法的指令，消息，图片，视频等。
存储器51可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
处理器52，与存储器51耦合，用于执行存储器51中的计算机程序，以用于：
通过通信组件53接收终端设备发送的页面请求，页面请求包括用户标识，用户标识用于标识发起页面请求操作的目标用户；获取可在线上交易的至少一种库存资源的紧缺度信息和当前库存信息，并预测目标用户对至少一种库存资源的偏好信息；根据至少一种库存资源的紧缺度信息、当前库存信息以及目标用户对至少一种库存资源的偏好信息，从至少一种库存资源中选择目标库存资源；通过通信组件53将目标库存资源的信息发送给终端设备，以供终端设备在目标用户请求的页面上展示目标库存资源的信息。
在一可选实施例中，处理器52在获取可在线上操作的至少一种库存资源的紧缺度信息时，具体用于：基于历史用户对可在线上交易的至少一种库存资源的历史偏好信息，预估至少一种库存资源的影子价格；其中，每种库存资源的影子价格反映该库存资源的紧缺度。
进一步可选地，处理器52在基于历史用户对可在线上交易的至少一种库存资源的历史偏好信息，预估至少一种库存资源的影子价格时，具体用于：对历史用户对至少一种库存资源的历史偏好信息进行抽样，以得到抽样历史用户对至少一种库存资源的历史偏好信息；基于抽样历史用户对至少一种库存资源的历史偏好信息，对未来到达用户对至少一种库存资源的偏好进行估计，以得到至少一种库存资源的影子价格。
进一步，处理器52在对历史用户对至少一种库存资源的历史偏好信息进行抽样时，具体用于：
针对当前时间窗，根据历史同期时间窗内出现的历史用户的数量，预测当前时间窗内可能到达的用户数量；
根据当前时间窗内可能到达的用户数量，从历史同期时间窗内出现的历史用户中进行抽样，以得到抽样历史用户；
从历史用户对至少一种库存资源的历史偏好信息中，获取抽样历史用户对至少一种库存资源的历史偏好信息。
进一步，处理器52在基于抽样历史用户对至少一种库存资源的历史偏好信息，对未来到达用户对至少一种库存资源的偏好进行估计，以得到至少一种库存资源的影子价格时，具体用于：
基于抽样历史用户对至少一种库存资源的历史偏好信息和至少一种库存资源的价格属性，构建以至少一种库存资源的推荐概率为决策变量，以抽样历史用户在当前时间窗内对至少一种库存资源的期望收益最大为目标的线性规划模型；
基于对偶理论，对线性规划模型进行求解以得到至少一种库存资源的影子价格，每种库存资源的影子价格是该库存资源的推荐概率的对偶值，反映该库存资源的紧缺度。
进一步可选地，处理器52在在构建线性规划模型过程中，还用于：结合当前时间窗内可能到达的用户数量以及至少一种库存资源的当前库存信息，确定至少一种库存资源在当前时间窗内的分配量；根据至少一种库存资源在当前时间窗内的分配量和每次最多可推荐的库存资源量，构建线性规划模型的约束条件。
进一步可选地，处理器52在构建以至少一种库存资源的推荐概率为决策变量，以抽样历史用户在当前时间窗内对至少一种库存资源的期望收益最大为目标的线性规划模型时，具体用于：
根据抽样历史用户对至少一种库存资源的历史偏好信息、至少一种库存资源的价格属性以及至少一种库存资源的推荐概率，生成历史用户在当前时间窗内对至少一种库存资源的基础期望收益函数；
根据至少一种库存资源的残值信息和至少一种库存资源的当前库存信息，生成至少一种库存资源在当前时间窗内的损失期望收益函数，库存资源的残值信息是根据库存资源的有效期确定的；
以最大化基础期望收益函数和损失期望收益函数之和作为线性规划模型的目标函数。
在一可选实施例中，处理器52在根据至少一种库存资源的紧缺度信息、当前库存信息以及目标用户对至少一种库存资源的偏好信息，从至少一种库存资源中选择目标库存资源时，具体用于：
根据至少一种库存资源的紧缺度信息和目标用户对至少一种库存资源的偏好信息，确定至少一种库存资源的期望收益；
根据至少一种库存资源的当前库存信息，对至少一种库存资源的期望收益进行修正；
根据至少一种库存资源修正后的期望收益，从至少一种库存资源中选择目标库存资源。
进一步可选地，处理器52在预测目标用户对至少一种库存资源的偏好信息时，具体用于：基于目标用户的画像数据，预测目标用户对至少一种库存资源的点击通过率和点击转化率；
相应地，处理器52在根据至少一种库存资源的紧缺度信息和目标用户对至少一种库存资源的偏好信息，确定至少一种库存资源的期望收益时，具体用于：根据至少一种库存资源的紧缺度信息对至少一种库存资源的价格属性进行修正，以得到至少一种库存资源的修正价格；根据目标用户对至少一种库存资源的点击通过率和点击转化率，以及至少一种库存资源的修正价格，确定至少一种库存资源的期望收益。
进一步可选地，处理器52在根据至少一种库存资源的当前库存信息，对至少一种库存资源的期望收益进行修正时，具体用于：根据至少一种库存资源的当前库存信息和初始库存信息，生成至少一种库存资源的库存惩罚因子；利用至少一种库存资源的库存惩罚因子，对至少一种库存资源的期望收益进行修正。
进一步可选地，处理器52在根据至少一种库存资源的当前库存信息和初始库存信息，生成至少一种库存资源的库存惩罚因子时，具体用于：
获取至少一种库存资源对应的至少一种预测交易信息，至少一种预测交易信息包括至少一种库存资源当前在其它交易渠道上的预测交易信息和/或至少一种库存资源在当前线下库存信息向线上同步期间内的预测交易信息；
根据至少一种库存资源的当前库存信息、初始库存信息以及至少一种库存资源对应的至少一种预测交易信息，生成至少一种库存资源的库存惩罚因子；
其中，其它交易渠道是指至少一种库存资源所支持的多种交易渠道中除目标交易渠道之外的交易渠道，目标交易渠道是指终端设备发起页面请求所使用的交易渠道。
进一步可选地，处理器52在获取至少一种库存资源当前在其它交易渠道上的预测交易信息时，具体用于：基于至少一种库存资源在其它交易渠道上的历史交易信息，预测至少一种库存资源当前在其它交易渠道上的预测交易信息；
相应地，处理器52在获取至少一种库存资源在当前线下库存信息向线上同步期间内的预测交易信息时，具体用于：根据至少一种库存资源在历史线下库存信息向线上同步期间内的历史交易信息，预测至少一种库存资源在当前线下库存信息向线上同步期间内的预测交易信息。
进一步可选地，处理器52在使用至少一种库存资源当前在其它交易渠道上的预测交易信息之前，还用于：根据至少一种库存资源当前在其它交易渠道上的预测交易信息的标准差，对至少一种库存资源当前在其它交易渠道上的预测交易信息进行修正。
在一可选实施例中，上述页面为购物应用的首页面、购物车页面、群组页面或用户详情页面；上述至少一种库存资源为商品。
进一步，如图5所示，该服务端设备还包括：电源组件54等其它组件。图5中仅示意性给出部分组件，并不意味着服务端设备只包括图5所示组件。
相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序被处理器执行时，致使处理器能够实现上述方法实施例中可由服务端设备执行的各步骤。
相应地，本申请实施例还提供一种计算机程序产品，包括计算机程序/指令，当计算机程序/指令被处理器执行时，致使处理器能够实现上述方法实施例中可由服务端设备执行的各步骤。
图6为本申请示例性实施例提供的一种终端设备的结构示意图。如图6所示，该终端设备包括：存储器61、处理器62以及通信组件63。
存储器61，用于存储计算机程序，并可被配置为存储其它各种数据以支持在终端设备上的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，消息，图片，视频等。
存储器61可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
处理器62，与存储器61耦合，用于执行存储器61中的计算机程序，以用于：
响应页面请求操作，向服务端设备发送页面请求，所述页面请求包括用户标识，所述用户标识用于标识发起所述页面请求操作的目标用户；
接收所述服务端设备返回的目标库存资源的信息，并在所述目标用户请求的页面上展示所述目标库存资源的信息；
其中，所述目标库存资源是所述服务端设备根据可线上交易的至少一种库存资源的紧缺度信息、当前库存信息以及所述目标用户对所述至少一种库存资源的偏好信息从中选择出的。
进一步，如图6所示，该终端设备还包括：显示器64、音频组件65、电源组件66等其它组件。图6中仅示意性给出部分组件，并不意味着终端设备只包括图6所示组件。
相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序被处理器执行时，致使处理器能够实现上述方法实施例中可由终端设备执行的各步骤。
相应地，本申请实施例还提供一种计算机程序产品，包括计算机程序/指令，当计算机程序/指令被处理器执行时，致使处理器能够实现上述方法实施例中可由终端设备执行的各步骤。
上述图5和图6中的通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如wifi，2g、3g、4g/lte、5g等移动通信网络，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
上述图6中的显示器包括屏幕，其屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
上述图5和图6中的电源组件，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
上述图6中的音频组件，可被配置为输出和/或输入音频信号。例如，音频组件包括一个麦克风(mic)，当音频组件所在设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中，音频组件还包括一个扬声器，用于输出音频信号。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
- 还没有人留言评论。精彩留言会获得点赞！