推荐语的生成方法及装置与流程

本申请涉及信息技术领域，尤其是涉及到一种推荐语的生成方法及装置。

背景技术：

随着科技的快速发展，生活物质水平不断提高，用户对于对象选择的需求越来越多，为了便于用户选择相应的对象，需要添加对象对应的推荐语并展示给用户，以便用户根据该推荐语能够快速匹配到所需要的对象。

目前，通常会根据对象发布者提供的描述语，生成对象的推荐语并展示给用户。然而，对象发布者提供的描述语大多与对象相关，而与用户关联度不大，因此这种方式很难从用户的角度给出准确合适的推荐语，此外，这种方式生成的推荐语维度较为单一，不利用引起用户的关注，从而导致对象的选择效率低下。

技术实现要素：

有鉴于此，本申请提供了一种推荐语的生成方法及装置，主要目的在于能够生成与用户相匹配的目标维度下的推荐语，以保证生成的推荐语更加准确且适合用户，从而能够提高对象的选择率。

依据本申请的一个方面，提供了一种推荐语的生成方法，该方法包括：

收集用户在不同维度下与对象之间的历史关联数据；

根据所述历史关联数据，确定所述用户与所述对象的不同维度推荐语之间的关联权重；

获取所述关联权重符合预设条件的目标维度；

依据所述目标维度，为所述用户生成所述对象的推荐语。

可选地，所述获取所述关联权重符合预设条件的目标维度，包括：

确定对象针对不同维度推荐语的基础权重；

将所述基础权重和所述关联权重相加，得到所述用户与所述对象的不同维度推荐语之间的总权重；

将所述总权重大于预设权重的维度确定为目标维度。

可选地，所述不同维度包括一级维度，或一级维度与二级维度的总和，其中，所述二级维度为所述一级维度对应的子维度。

可选地，所述收集用户在不同维度下与对象之间的历史关联数据，包括：

收集所述用户在不同维度下与所述对象之间的第一行为数据；

确定所述用户所属的目标人群，并收集所述目标人群在不同维度下与所述对象之间的第二行为数据；

确定所述对象对应的同类对象，并收集所述用户在不同维度下与所述同类对象之间的第三行为数据，以及所述目标人群在不同维度下与所述同类对象之间的第四行为数据；

将所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据，确定为所述历史关联数据。

可选地，所述根据所述历史关联数据，确定所述用户与所述对象的不同维度推荐语之间的关联权重，包括：

分别确定所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据对应的关联权重；

将所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据分别对应的关联权重相加，得到所述用户与所述对象的不同维度推荐语之间的关联权重。

可选地，所述依据所述目标维度，为所述用户生成所述对象的推荐语，包括：

通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语。

可选地，若所述目标维度包括所述对象对应的重量、材料、口味中的至少一种维度，则所述通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语，包括：

获取所述重量、材料、口味中至少一种维度下的原始数据；

根据所述原始数据，为用户生成所述对象对应的推荐语。

可选地，若所述目标维度包括评论信息，则所述通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语，包括：

获取与所述对象相关的评论信息；

利用预设正面词库对所述评论信息进行过滤，得到过滤后的评论信息；

利用预设语法模型对所述过滤后的评论信息进行拼接，得到对象对应的推荐语；或，

利用预设正面词库对所述评论信息中的评论词进行词定位，并将定位后的评论词进行拼接，得到所述对象对应的推荐语。

可选地，若所述目标维度包括下单行为、好评行为和浏览行为中的至少一种维度，则所述通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语，包括：

对下单行为、好评行为和浏览行为中至少一种维度下的原始数据进行统计，得到所述对象对应的第一统计结果；

基于所述第一统计结果和第一预设语法模型，生成所述对象对应的推荐语。

可选地，若所述目标维度包括区域排名、店内排名和品质排名中的至少一种维度，则所述通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语，包括：

在预设时间段内对所述对象的区域排名、店内排名或者品质排名进行统计，得到所述对象对应的第二统计结果；

根据所述第二统计结果和第二预设语法模型，生成所述对象对应的推荐语。

可选地，在所述依据所述目标维度，为所述用户生成所述对象的推荐语之后，所述方法还包括：

若所述对象存在多个目标维度推荐语，则分别统计标记有多个目标维度推荐语的对象对应的历史点击量；

基于所述历史点击量，对所述多个目标维度推荐语进行排序，根据排序结果确定进行展示的目标维度推荐语。

可选地，在所述依据所述目标维度，为所述用户生成所述对象的推荐语之后，所述方法还包括：

根据所述目标维度，判定是否需要对所述对象的推荐语进行突出展示；

若确定需要对所述对象的推荐语进行突出展示，则添加所述推荐语对应的突出展示标记，并对添加标记后的推荐语进行展示。

依据本申请的另一方面，提供了一种推荐语的生成装置，该装置包括：

收集单元，用于收集用户在不同维度下与对象之间的历史关联数据；

确定单元，用于根据所述历史关联数据，确定所述用户与所述对象的不同维度推荐语之间的关联权重；

获取单元，用于获取所述关联权重符合预设条件的目标维度；

生成单元，用于依据所述目标维度，为所述用户生成所述对象的推荐语。

可选地，所述获取单元包括：确定模块和相加模块，

所述确定模块，用于确定对象针对不同维度推荐语的基础权重；

所述相加模块，用于将所述基础权重和所述关联权重相加，得到所述用户与所述对象的不同维度推荐语之间的总权重；

所述确定模块，还用于将所述总权重大于预设权重的维度确定为目标维度。

可选地，所述不同维度包括一级维度，或一级维度与二级维度的总和，其中，所述二级维度为所述一级维度对应的子维度。

可选地，所述收集单元包括：收集模块和确定模块，

所述收集模块，用于收集所述用户在不同维度下与所述对象之间的第一行为数据；

所述收集模块，还用于确定所述用户所属的目标人群，并收集所述目标人群在不同维度下与所述对象之间的第二行为数据；

所述收集模块，还用于确定所述对象对应的同类对象，并收集所述用户在不同维度下与所述同类对象之间的第三行为数据，以及所述目标人群在不同维度下与所述同类对象之间的第四行为数据；

所述确定模块，用于将所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据，确定为所述历史关联数据。

可选地，所述确定单元包括：确定模块和相加模块，

所述确定模块，用于分别确定所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据对应的关联权重；

所述相加模块，用于将所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据分别对应的关联权重相加，得到所述用户与所述对象的不同维度推荐语之间的关联权重。

可选地，所述生成单元，具体用于通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语。

可选地，若所述目标维度包括所述对象对应的重量、材料、口味中的至少一种维度，则所述生成单元包括：获取模块和生成模块，

所述获取模块，用于获取所述重量、材料、口味中至少一种维度下的原始数据；

所述生成模块，用于根据所述原始数据，为用户生成所述对象对应的推荐语。

可选地，若所述目标维度包括评论信息，则所述生成单元包括：获取模块、过滤模块和拼接模块，

所述获取模块，用于获取与所述对象相关的评论信息；

所述过滤模块，用于利用预设正面词库对所述评论信息进行过滤，得到过滤后的评论信息；

所述拼接模块，用于利用预设语法模型对所述过滤后的评论信息进行拼接，得到对象对应的推荐语；或，利用预设正面词库对所述评论信息中的评论词进行词定位，并将定位后的评论词进行拼接，得到所述对象对应的推荐语。

可选地，若所述目标维度包括下单行为、好评行为和浏览行为中的至少一种维度，则所述生成单元包括：统计模块和生成模块，

所述统计模块，用于对下单行为、好评行为和浏览行为中至少一种维度下的原始数据进行统计，得到所述对象对应的第一统计结果；

所述生成模块，用于基于所述第一统计结果和第一预设语法模型，生成所述对象对应的推荐语。

可选地，若所述目标维度包括区域排名、店内排名和品质排名中的至少一种维度，则所述生成单元包括：统计模块和生成模块，

所述统计模块，用于在预设时间段内对所述对象的区域排名、店内排名或者品质排名进行统计，得到所述对象对应的第二统计结果；

所述生成模块，用于根据所述第二统计结果和第二预设语法模型，生成所述对象对应的推荐语。

可选地，所述装置还包括：统计单元，

所述统计单元，用于若所述对象存在多个目标维度推荐语，则分别统计标记有多个目标维度推荐语的对象对应的历史点击量；

所述确定单元，还用于基于所述历史点击量，对所述多个目标维度推荐语进行排序，根据排序结果确定进行展示的目标维度推荐语。

可选地，所述装置还包括：判定单元和展示单元，

所述判定单元，用于根据所述目标维度，判定是否需要对所述对象的推荐语进行突出展示；

所述展示单元，用于若确定需要对所述对象的推荐语进行突出展示，则添加所述推荐语对应的突出展示标记，并对添加标记后的推荐语进行展示。

依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述推荐语的生成方法。

依据本申请再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质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上述推荐语的生成方法。

借由上述技术方案，本申请提供的一种推荐语的生成方法及装置，与目前根据对象发布者提供的描述语生成推荐语的方式相比，本申请通过收集用户在不同维度下与对象之间的历史关联数据；并根据所述历史关联数据，确定所述用户与所述对象的不同维度推荐语之间的关联权重；与此同时，获取所述关联权重符合预设条件的目标维度；最终依据所述目标维度，为所述用户生成所述对象的推荐语，由此通过收集用户在不同维度下与对象之间的历史关联数据，能够生成与用户相匹配的目标维度下的推荐语，从而能够保证生成的推荐语与用户紧密关联，更加适合用户，以此增加对象对用户的吸引力度，提高对象的选择率。

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

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示出了本申请实施例提供的一种推荐语的生成方法的流程示意图；

图2示出了本申请实施例提供的另一种推荐语的生成方法的流程示意图；

图3示出了本申请实施例提供的一种推荐语示意图；

图4示出了本申请实施例提供的另一种推荐语示意图；

图5示出了本申请实施例提供的一种推荐语的生成装置的结构示意图；

图6示出了本申请实施例提供的另一种推荐语的生成装置的结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

为了解决现有技术中生成的推荐语与用户关联度不大，且维度较为单一的问题。本实施例提供了一种推荐语的生成方法，如图1所示，该方法包括：

步骤101、收集用户在不同维度下与对象之间的历史关联数据。

本实施例的执行主体为能够生成推荐语的客户端设备或者服务端设备，客户端侧包括智能手机、平板电脑等智能终端上安装的具有交易功能的应用程序(application，app)、或小程序、或公众号、或web端应用程序等。

其中，对象具体可以为菜品，也可以为其他类型的商品、货品或者服务等。所述不同维度可包括一级维度，或一级维度与二级维度的总和，所述二级维度为所述一级维度对应的子维度，一级维度可包括对象属性、用户评价、用户行为和榜单排名等维度，对象属性对应的二级维度具体包括对象的各个属性标签。

例如，对象具体为菜品，若菜品对应的一级维度为菜品属性，则菜品对应的二级维度包括菜品对应的质量、热量、原材料、所属菜系、制作方式、口味等；用户行为对应的二级维度具体包括用户的下单行为、好评行为和浏览行为等；榜单排名对应的二级维度具体包括区域榜单数据、店内榜单数据等维度，其中，区域榜单数据对应的下一级维度具体可包括对象对应的销量排名榜单、人气飙升排名榜单和好评排名榜单等。

对于本实施例，当用户在客户端浏览对象或者客户端对用户进行对象推荐时，会生成对象对应的推荐语展示给用户，以便用户根据该推荐语能够快速匹配到自己所需的对象，提高对象的选择率，为了保证生成的推荐语与用户紧密关联，需要先收集用户在上述不同维度下与对象之间的历史关联数据。

其中，历史关联数据可包括：用户在不同维度下与对象之间的行为数据，用户所属人群在不同维度下与对象之间的行为数据，用户在不同维度下与同类对象之间的行为数据，以及用户所属人群在不同维度下与同类对象之间的行为数据等。这些行为数据具体可包括用户的加购行为数据、复购行为数据、下单行为数据和点击行为数据等，根据上述行为数据能够确定用户在不同维度下与对象之间的关联数据。

例如，对象可为菜品，在为用户进行菜品推荐时，分别收集用户与标记有菜品属性、用户评价、用户行为、榜单排名数据推荐语的菜品之间的历史关联数据。具体收集用户与标记有菜品属性推荐语的菜品之间的历史关联数据时，可首先收集用户针对标记有菜品属性推荐语的菜品的加购行为数据、复购行为数据、下单行为数据和点击行为数据，之后确定用户所属人群，收集这类人群针对标记有菜品属性推荐语的菜品的加购行为数据、复购行为数据、下单行为数据和点击行为数据，接着确定菜品所属类别，收集用户针对标记有菜品属性推荐语的这类菜品的加购行为数据、复购行为数据、下单行为数据和点击行为数据，最后收集这类人群针对标记有菜品属性推荐语的这类菜品的加购行为数据、复购行为数据、下单行为数据和点击行为数据。

依据上述收集的行为数据，能够确定用户与标记有菜品属性推荐语的菜品之间的历史关联数据，进一步地按照上述方式，能够分别确定用户与标记有用户评价推荐语的菜品之间的历史关联数据，用户与标记有用户行为推荐语的菜品之间的历史关联数据，以及用户与标记有榜单排名数据推荐语的菜品之间的历史关联数据，以便根据该历史关联数据，确定用户与菜品的不同维度推荐语之间的关联权重。

步骤102、根据所述历史关联数据，确定所述用户与所述对象的不同维度推荐语之间的关联权重。

对于本实施例，为了能够生成与用户最匹配的推荐语，保证用户与生成的推荐语之间的关联度，需要计算用户与对象的不同维度推荐语之间的关联权重。

具体地，收集用户在不同维度下与对象之间的行为数据，用户所属人群在不同维度下与对象之间的行为数据，用户在不同维度下与同类对象之间的行为数据，以及用户所属人群在不同维度下与同类对象之间的行为数据，根据收集的行为数据大小，确定各个行为数据对应的关联权重，将各个行为数据对应的关联权重相加，得到用户与对象的不同维度推荐语之间的关联权重。

例如，在确定用户与菜品的用户行为推荐语之间的关联权重时，首先根据用户与标记有用户行为推荐语的菜品之间的第一行为数据大小，确定第一行为数据对应的关联权重。

具体地，可以根据第一行为数据所处的数据范围，确定其对应的关联权重，如当第一行为数据大于0且小于10时，确定第一行为数据对应的关联权重为1；当第一行为数据大于等于10小于20时，确定第一行为数据对应的关联权重为2；当第一行为数据大于等于20小于30时，确定第一行为数据对应的关联权重为3，若收集的第一行为数据中用户的加购行为次数、复购行为次数、下单行为次数和点击行为次数累加之和为25，则确定第一行为数据对应的关联权重为3。同理，可以根据用户所属人群与标记有用户行为推荐语的菜品之间的第二行为数据大小，确定第二行为数据对应的关联权重，之后根据用户与标记有用户行为推荐语的同类菜品之间的第三行为数据大小，确定第三行为数据对应的关联权重，最后根据用户所属人群与标记有用户行为数据推荐语的同类菜品之间的第四行为数据大小，确定第四行为数据对应的关联权重，将各个行为数据对应的关联权重相加，得到用户与菜品的用户行为推荐语之间的关联权重。

由此按照上述方式能够确定用户与对象的不同维度推荐语之间的关联权重，以便根据该关联权重大小，确定与用户最匹配的目标维度，以便生成的目标维度下的推荐语最适合用户，与用户紧密关联。

步骤103、获取所述关联权重符合预设条件的目标维度。

其中，目标维度可以包括至少一个维度，对于本实施例，在计算出用户与对象的不同维度推荐语之间的关联权重之后，可以根据计算的关联权重大小，对各个关联权重进行排序，将排名处于预设名次范围内的关联权重对应的维度确定为目标维度，也可以将排名最靠前的关联权重对应的维度确定为目标维度，还可以将关联权重处于预设权重范围内的关联权重对应的维度确定目标维度，针对确定目标维度的具体方式本实施例不作具体限定。

步骤104、依据所述目标维度，为所述用户生成所述对象的推荐语。

对于本实施例，在确定与用户相匹配的一级目标维度之后，在该一级目标维度的基础上，继续确定与用户相匹配的二级目标维度。具体地，收集用户在不同二级维度下与对象之间的历史关联数据，并根据该历史关联数据，确定用户与对象的不同二级维度推荐语之间的关联权重，之后获取关联权重符合预设条件的二级目标维度，依据二级目标维度，为用户生成对象的推荐语。

例如，一级目标维度可为用户行为，用户行为对应的二级维度包括用户的下单行为、好评行为和浏览行为，分别收集用户与标记有下单行为推荐语的对象之间的历史关联数据，用户与标记有好评为推荐语的对象之间的历史关联数据，以及用户与标记有浏览行为推荐语的对象之间的历史关联数据。

该历史关联数据具体包括：用户在不同二级维度下与对象之间的行为数据，用户所属人群在不同二级维度下与对象之间的行为数据；用户在不同二级维度下与这类对象之间的行为数据，以及用户所属人群在不同二级维度下与这类对象之间的行为数据，进而根据各个行为数据，确定用户与对象的不同二级维度推荐语之间的关联权重，并确定关联权重符合预设条件的二级目标维度，二级目标维度的确定过程与一级维度的确定过程相同，最终根据确定的二级目标维度，为用户生成推荐语。由此会导致针对同一对象，不同用户看到的推荐语是不同的，能够保证生成的推荐语与用户具有较高的匹配度和关联度。

在根据二级目标维度生成推荐语的过程中，不同二级目标目标维度对应的推荐语生成方式不同。例如，若二级目标维度为菜品原材料，则直接获取商家录入的菜品属性信息，并提取菜品属性信息中的原材料信息作为推荐语展示给用户。

再比如，若二级目标维度为好评行为，则获取针对菜品的评论信息，通过定位关联词确定用户的好评信息，并对好评信息的次数进行累加，根据累加结果和特定的语法模型，为用户生成针对该菜品的用户行为推荐语。

再比如，若二级目标维度为用户评价，则获取针对菜品的评论信息，通过对该评论信息进行过滤和重组，为用户生成针对该菜品的用户评价推荐语。

再比如，若二级目标维度为区域榜单数据，则可以统计菜品对应的区域销量排名、区域人气飙升排名和区域好评量排名，根据统计结果和特定的语法模型，为用户生成针对该菜品的区域榜单数据推荐语。

本实施例提供的一种推荐语的生成方法，与目前根据对象发布者提供的描述语生成推荐语的方式相比，本实施例通过收集用户在不同维度下与对象之间的历史关联数据；并根据所述历史关联数据，确定所述用户与所述对象的不同维度推荐语之间的关联权重；与此同时，获取所述关联权重符合预设条件的目标维度；最终依据所述目标维度，为所述用户生成所述对象的推荐语，由此通过收集用户在不同维度下与对象之间的历史关联数据，能够生成与用户相匹配的目标维度下的推荐语，从而能够保证生成的推荐语与用户紧密关联，更加适合用户，以此增加对象对用户的吸引力度，提高对象的选择率。

进一步的，作为上述实施例具体实施方式的细化和扩展，提供了另一种推荐语的生成方法，如图2所示，该方法包括：

步骤201、收集用户在不同维度下与对象之间的历史关联数据。

对于本实施例，为了确定与对象最匹配的目标维度，需要收集用户在不同维度下与对象之间的历史关联数据，针对该历史关联数据的收集过程，作为一种可选实施方式，步骤201具体包括：收集所述用户在不同维度下与所述对象之间的第一行为数据；确定所述用户所属的目标人群，并收集所述目标人群在不同维度下与所述对象之间的第二行为数据；确定所述对象对应的同类对象，并收集所述用户在不同维度下与所述同类对象的第三行为数据，以及所述目标人群在不同维度下与所述同类对象的第四行为数据；将所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据，确定为所述历史关联数据。

例如，不同维度分别为用户行为和榜单排名数据，收集用户与标记有用户行为推荐语的菜品之间的历史关联数据，以及用户与标记有榜单排名数据推荐语的菜品之间的历史关联数据。具体收集用户与标记有用户行为推荐语的菜品之间的历史关联数据时，首先收集用户针对标记有用户行为推荐语的菜品的第一行为数据，之后收集用户所属人群针对标记有用户行为推荐语的菜品的第二行为数据，接着收集用户针对标记有用户行为推荐语的菜品的第三行为数据，最终收集用户所属人群针对标记有用户行为推荐语的菜品的第四行为数据，第一行为数据、第二行为数据、第三行为数据和第四行为数据分别包括加购行为数据、复购行为数据、下单行为数据和点击行为数据，之后根据第一行为数据、第二行为数据、第三行为数据和第四行为数据中的至少一种数据，确定用户与标记有用户行为推荐语的菜品之间的历史关联数据，同理，按照上述方式能够确定用户与标记有榜单排名数据的菜品之间的历史关联数据，以便根据该历史关联数据，确定用户与菜品的不同维度推荐语之间的关联权重。

步骤202、根据所述历史关联数据，确定所述用户与所述对象的不同维度推荐语之间的关联权重。

对于本实施例，为了确定用户与对象的不同维度推荐语之间的关联权重，步骤202具体包括：分别确定所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据对应的关联权重；将所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据分别对应的关联权重相加，得到所述用户与所述对象的不同维度推荐语之间的关联权重。其中，在确定不同维度推荐语对应的关联权重时，可以根据任一行为数据对应的关联权重，确定不同维度推荐语对应的关联权重，也可以将第一行为数据、第二行为数据、第三行为数据和第四行为数据中任意几种行为数据对应的关联权重相加，得到不同维度推荐语对应的关联权重。

例如，在确定用户与菜品的榜单排名数据推荐语之间的关联权重时，首先根据用户与标记有区域榜单数据推荐语的菜品之间的第一行为数据大小，确定第一行为数据对应的关联权重。具体地，可以根据第一行为数据所处的数据范围，确定其对应的关联权重，如当第一行为数据大于0且小于10时，确定第一行为数据对应的关联权重为1；当第一行为数据大于等于10小于20时，确定第一行为数据对应的关联权重为2；当第一行为数据大于等于20小于30时，确定第一行为数据对应的关联权重为3，若收集的第一行为数据中用户的加购行为次数、复购行为次数、下单行为次数和点击行为次数累加之和为25，则确定第一行为数据对应的关联权重为3，同理，可以根据用户所属人群与标记有区域榜单数据推荐语的菜品之间的第二行为数据大小，确定第二行为数据对应的关联权重，之后根据用户与标记有区域榜单数据推荐语的同类菜品之间的第三行为数据大小，确定第三行为数据对应的关联权重，最后根据用户所属人群与标记有区域榜单数据推荐语的同类菜品之间的第四行为数据大小，确定第四行为数据对应的关联权重，将各个行为数据对应的关联权重相加，得到用户与菜品的区域榜单数据推荐语之间的关联权重。

步骤203、获取所述关联权重符合预设条件的目标维度。

对于本实施例，如果用户为新用户，则无法收集该用户的历史关联数据，因此无法依据该历史关联数据，确定与该用户相匹配的目标维度，为了同样能够针对新用户生成相应的推荐语，在确定目标维度时，可以依据对象针对不同维度推荐语的基础权重，确定与用户相匹配的目标维度，进而为新用户生成推荐语；如果该用户不是新用户，可以根据计算的关联权重和基础权重，共同确定与用户相匹配的目标维度，进而为用户生成相应的推荐语，基于此，步骤203具体包括：确定对象针对不同维度推荐语的基础权重；将所述基础权重和所述关联权重相加，得到所述用户与所述对象的不同维度推荐语之间的总权重；将所述总权重大于预设权重的维度确定为目标维度。

具体地，在确定新用户对应的目标维度时，由于无法收集该用户的历史关联数据，则可以收集同类人群在不同维度下与对象之间的历史关联数据，依据该同类人群对应的历史关联数据，确定对象针对不同维度推荐语的基础权重，例如，新用户为减脂型用户，收集减脂型人群在不同维度下与对象之间的历史关联数据，根据减脂型人群对应的历史关联数据，确定对象针对不同维度推荐语的基础权重，并获取基础权重符合预设条件的目标维度，如榜单排名数据对应的基础权重最大，将榜单排名数据确定为目标维度，再比如，榜单排名数据和用户行为对应的基础权重在预设权重范围内，将榜单排名数据和用户行为确定为目标维度。

进一步地，如果用户不是新用户，则可以将关联权重与相应的基础权重相加，得到所述用户与所述对象的不同维度推荐语之间的总权重，例如，将榜单排名数据对应的基础权重和用户与榜单排名数据推荐语之间的关联权重相加，得到用户与榜单排名数据之间的总权重，同理，可以得到用户与用户行为之间的总权重，用户与商品属性之间的总权重，并将最大总权重对应的维度确定为目标维度，依据该目标维度为用户生成相应的推荐语。由此按照上述方式，不仅能够为老用户生成推荐语，也能够为新用户生成推荐语。

步骤204、通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语。

其中，不同的目标维度对应的预设推荐语生成语法不同，对于本实施例，在确定与用户相匹配的一级目标维度之后，需要继续确定与用户相匹配的二级目标维度，二级目标维度的具体确定过程与一级目标维度的确定过程相同，再次不再赘述。

在具体应用场景中，如果二级目标维度包括对象对应的重量、材料、口味中的至少一种维度，则所述通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语，包括：获取所述重量、材料、口味中至少一种维度下的原始数据；根据所述原始数据，为用户生成所述对象对应的推荐语。

例如，一级目标维度为菜品属性，二级目标维度为菜品对应的材料，则可以获取商家发布的菜品描述信息，将该菜品描述信息作为原始数据，从原始数据中提取菜品对应的材料，为用户生成菜品对应的推荐语。如西红柿炒蛋包括西红柿和鸡蛋，则可以将材料标签“西红柿和鸡蛋”作为推荐语展示给用户，进一步地，可以收集用户针对西红柿炒蛋的历史行为数据，包括用户针对西红柿炒蛋的加购次数、复购次数、下单次数和点击次数，通过分析用户针对西红柿炒蛋的历史行为数据，如果确定当优先展示材料标签“西红柿”时，用户的加购、复购、下单和点击操作更加频繁，说明用户针对西红柿的兴趣程度更高，则可以将材料标签“西红柿”优先展示给用户，之后展示“鸡蛋”。

在具体应用场景中，如果目标二级维度包括评论信息，则所述通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语，包括：获取与所述对象相关的评论信息；利用预设正面词库对所述评论信息进行过滤，得到过滤后的评论信息；利用预设语法模型对所述过滤后的评论信息进行拼接，得到对象对应的推荐语；或者利用预设正面词库对所述评论信息中的评论词进行词定位，并将定位后的评论词进行拼接，得到所述对象对应的推荐语。其中，预设正面词库中包括褒义词汇。

如图3所示，二级目标维度为评论信息，菜品为妙香烤鱼，收集与妙香烤鱼相关的评论信息，利用预设正面词库对评论信息中的正面评论词进行定位，将包含该正面评论词的语句提出出来，之后利用预设语法模型对提取出来的语句进行拼接。

例如，提取出来的语句包括“妙香烤鱼”、“味道不错”和“下次还点”，利用预设语法模型将其进行组成，为用户生成推荐语“妙香烤鱼，味道不错，下次还点”。此外，还可以直接将定位到的正面评论词提取出来，并进行拼接，例如，提取的正面评论词包括“好词”和“非常嫩”，将评论此与菜品名称拼接之后，为用户生成推荐语“妙香烤鱼，非常好吃，非常嫩”。由此可以按照上述两种方式生成评论信息推荐语，并展示给用户，以便用户根据该推进语能够快速找到所需的菜品，提高菜品的下单率。

在具体应用场景中，如果二级目标维度包括下单行为、好评行为和浏览行为中的至少一种维度，则所述通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语，包括：对下单行为、好评行为和浏览行为中至少一种维度下的原始数据进行统计，得到所述对象对应的第一统计结果；基于所述第一统计结果和第一预设语法模型，生成所述对象对应的推荐语。

如图3所示，二级目标维度为下单行为，则收集大量用户针对该对象的下单行为数据，并对该下单行为数据进行统计，如收集7天内针对该对象下单的用户数量为100人，根据第一预设语法模型，为用户生成下单行为推荐语“7天内100人下单”。再比如，二级目标维度为好评行为，则收集大量用户针对该对象的好评行为数据，并对该好评行为数据进行统计，如收集1个月内有200人给出好评，根据第一预设语法模型，为用户生成好评行为推荐语“近期内200人给出好评”。再比如，二级目标维度为用户推荐，则收集大量用户针对该对象的推荐行为数据，并对该推荐行为数据进行统计，当推荐行为数据超过预设数量时，根据第一预设语法模型，为用户生成点评推荐语“点评网友推荐”。

在具体应用场景中，如果二级目标维度包括区域排名、店内排名和品质排名中的至少一种维度，则所述通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语，包括：在预设时间段内对所述对象的区域排名、店内排名或者品质排名进行统计，得到所述对象对应的第二统计结果；根据所述第二统计结果和第二预设语法模型，生成所述对象对应的推荐语。其中，区域排名包括对象在该区域内的销量排名、人气飙升排名和好评排名，店内排名包括对象在店铺内的销量排名、人气飙升排名和好评排名，本实施例中的店铺为能够通过软件和硬件相结合进行进行线上交易的店铺。

具体地，在预设时间段内对对象在某区域的销量数据、销量增长数据和好评数据进行统计，并根据该统计结果进行排名，如果对象对应的排序名次处于预设范围内，则根据该排名结果生成相应的推荐语。

例如，统计一个月内所有菜品在普陀区的销量数据，并根据该销量数据从高到低进行排名，针对排名前5的菜品，根据其对应的排名结果，为用户生成相应的区域榜单数据推荐语，如图4所示，土豆牛肉的销量数据在普陀区排名第5，根据该排名结果，为用户生成推荐语“普陀区土豆牛肉订单量第5名”，同理统计菜品在一周内的销量增长数据，并根据该销量增长数据从高到低进行排序，针对排名处于预设名次内的菜品，根据其对应的排名结果，为用户生成相应的区域榜单数据推荐语，如“普陀区土豆牛肉人气飙升第1名”，此外，还可以根据好评数据的统计结果进行排名，针对排名处于预设名次内的菜品，根据其对应的排序结果，为用户生成相应的区域榜单数据推荐语，如“普陀区土豆牛肉好评榜第2名”。

同理，在预设时间段内对对象在店铺内的销量数据、销量增长数据和好评数据进行统计，并根据该统计结果进行排名，如果对象对应的排序名次处于预设范围内，则根据该排名结果生成相应的推荐语，例如，“本店订单量第一名”，“本店好评第2名”，“本店人气飙升第1名”。

进一步地，还可以根据对象对应的销量数据和好评数据，判定对象是否属于优质品类，根据判定结果，生成对象对应的推荐语，并展示给用户，具体地，可以筛选出销量数据大于预设销量数据，且好评率大于预设好评率的对象，如果该对象对应的销量排名和好评率排名能够处于预设排名范围，则确定该对象优质品类，在向用户推荐该对象时，可以生成对象对应的推荐语，如“意大利面优质商品”。由此按照上述方式能够生成榜单排名数据推荐语，以便通过该榜单排名数据推荐语，使用快能够快速匹配到自己需要的对象，提高对象的选择率。

步骤205、根据所述目标维度，判定是否需要对所述对象的推荐语进行突出展示。

对于本实施例，为能够方便用户区分对象的推荐语和其他信息，可以采用与其他信息不同的展示方式对生成的推荐语进行展示，例如，通过黄底红字的形式展示推荐语，此外，为了能够进一步地引起用户的关注度，需要对某些维度的推荐语进行突出展示，例如，如果生成的推荐语为区域榜单数据推荐语，则需要对该推荐语进行突出展示，以便提高用户的关注度。

步骤206、若确定需要对所述对象的推荐语进行突出展示，则添加所述推荐语对应的突出展示标记，并对添加标记后的推荐语进行展示。

对于本实施例，若所述对象存在多个目标维度推荐语，则分别统计标记有多个目标维度推荐语的对象对应的历史点击量；基于所述历史点击量，对所述多个目标维度推荐语进行排序，根据排序结果确定进行展示的目标维度推荐语。

例如，对象同时存在区域榜单数据推荐语和店内榜单数据推荐语，如果标记有区域榜单数据推荐语和店内榜单数据推荐语的对象的历史点击量均大于预设点击量，根据该历史点击量的大小，对区域榜单推荐语和店内榜单推荐语进行排序，仅将排在首位的推荐语展示给用户，还可以按照排名顺序对区域榜单推荐语和店内榜单推荐语进行排列展示，进一步地，如果标记有区域榜单数据推荐语和店内榜单数据推荐语的对象的历史点击量均小于或者等于预设点击量，则可以随机选取区域榜单推荐语或者店内榜单推荐语展示给用户，也可以对区域榜单推荐语和店内榜单推荐语进行随机排列，并将排列后的推荐语展示给用户。

本实施例提供的另一种推荐语的生成方法，与目前根据对象发布者提供的描述语生成推荐语的方式相比，本实施例通过收集用户在不同维度下与对象之间的历史关联数据；并根据所述历史关联数据，确定所述用户与所述对象的不同维度推荐语之间的关联权重；与此同时，获取所述关联权重符合预设条件的目标维度；最终依据所述目标维度，为所述用户生成所述对象的推荐语，由此通过收集用户在不同维度下与对象之间的历史关联数据，能够生成与用户相匹配的目标维度下的推荐语，从而能够保证生成的推荐语与用户紧密关联，更加适合用户，以此增加对象对用户的吸引力度，提高对象的选择率。

进一步的，作为图1和图2所示方法的具体实现，本实施例提供了一种推荐语的生成装置，如图5所示，该装置包括：收集单元31、确定单元32、获取单元33和生成单元34。

所述收集单元31，可以用于收集用户在不同维度下与对象之间的历史关联数据。

所述确定单元32，可以用于根据所述历史关联数据，确定所述用户与所述对象的不同维度推荐语之间的关联权重。

所述获取单元33，可以用于获取所述关联权重符合预设条件的目标维度。

所述生成单元34，可以用于依据所述目标维度，为所述用户生成所述对象的推荐语。

在具体应用场景中，为了确定为目标维度，如图6所示，所述获取单元33，包括确定模块331和相加模块332。

所述确定模块331，可以用于确定对象针对不同维度推荐语的基础权重。

所述相加模块332，可以用于将所述基础权重和所述关联权重相加，得到所述用户与所述对象的不同维度推荐语之间的总权重。

所述确定模块331，还可以用于将所述总权重大于预设权重的维度确定为目标维度。

进一步地，为了收集历史行为数据，所述收集单元31，包括：收集模块311和确定模块312。

所述收集模块311，可以用于收集所述用户在不同维度下与所述对象之间的第一行为数据。

所述收集模块311，还可以用于确定所述用户所属的目标人群，并收集所述目标人群在不同维度下与所述对象之间的第二行为数据。

所述收集模块311，还可以用于确定所述对象对应的同类对象，并收集所述用户在不同维度下与所述同类对象的第三行为数据，以及所述目标人群在不同维度下与所述同类对象的第四行为数据。

所述确定模块312，可以用于将所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据，确定为所述历史关联数据。

进一步地，为了确定用户与对象的不同维度推荐语之间的关联权重，所述确定单元32，包括：确定模块321和相加模块322。

所述确定模块321，可以用于分别确定所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据对应的关联权重。

所述相加模块322，可以用于将所述第一行为数据、和/或所述第二行为数据、和/或所述第三行为数据、和/或所述第四行为数据分别对应的关联权重相加，得到所述用户与所述对象的不同维度推荐语之间的关联权重。

在具体应用场景中，所述生成单元34，具体可以用于通过所述目标维度对应的预设推荐语生成语法，为所述用户生成所述对象的推荐语。

进一步地，若所述目标维度包括所述对象对应的重量、材料、口味中的至少一种维度，则所述生成单元34包括：获取模块341和生成模块342。

所述获取模块341，可以用于获取所述重量、材料、口味中至少一种维度下的原始数据。

所述生成模块342，可以用于根据所述原始数据，为用户生成所述对象对应的推荐语。

进一步地，若所述目标维度包括评论信息，则所述生成单元34包括：获取模块341、过滤模块343和拼接模块344。

所述获取模块341，可以用于获取与所述对象相关的评论信息。

所述过滤模块343，可以用于利用预设正面词库对所述评论信息进行过滤，得到过滤后的评论信息。

所述拼接模块344，可以用于利用预设语法模型对所述过滤后的评论信息进行拼接，得到对象对应的推荐语。

所述拼接模块344，还可以用于利用预设正面词库对所述评论信息中的评论词进行词定位，并将定位后的评论词进行拼接，得到所述对象对应的推荐语。

进一步地，若所述目标维度包括下单行为、好评行为和浏览行为中的至少一种维度，则所述生成单元34包括：统计模块345和生成模块346。

所述统计模块345，可以用于对下单行为、好评行为和浏览行为中至少一种维度下的原始数据进行统计，得到所述对象对应的第一统计结果。

所述生成模块346，可以用于基于所述第一统计结果和第一预设语法模型，生成所述对象对应的推荐语。

进一步地，若所述目标维度包括区域排名、店内排名和品质排名中的至少一种维度，则所述生成单元34包括：统计模块345和生成模块346。

所述统计模块345，可以用于在预设时间段内对所述对象的区域排名、店内排名或者品质排名进行统计，得到所述对象对应的第二统计结果。

所述生成模块346，可以用于根据所述第二统计结果和第二预设语法模型，生成所述对象对应的推荐语。

进一步地，确定进行展示的目标维度推荐语，所述装置还包括统计单元35。

所述统计单元35，可以用于若所述对象存在多个目标维度推荐语，则分别统计标记有多个目标维度推荐语的对象对应的历史点击量。

所述确定单元32，还可以用于基于所述历史点击量，对所述多个目标维度推荐语进行排序，根据排序结果确定进行展示的目标维度推荐语。

进一步地，为了对推荐语进行突出展示，所述装置还包括判定单元36和展示单元37。

所述判定单元36，可以用于根据所述目标维度，判定是否需要对所述对象的推荐语进行突出展示。

所述展示单元37，可以用于若确定需要对所述对象的推荐语进行突出展示，则添加所述推荐语对应的突出展示标记，并对添加标记后的推荐语进行展示。

需要说明的是，本实施例提供的一种推荐语的生成装置所涉及各功能单元的其它相应描述，可以参考图1和图2中的对应描述，在此不再赘述。

基于上述如图1和图2所示方法，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述如图1和图2所示的推荐语的生成方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，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)执行本申请各个实施场景的方法。

基于上述如图1和图2所示的方法，以及图5和图6所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，具体可以为平板电脑、智能手机、智能手表、智能手环、或其他网络设备等，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1和图2所示的推荐语的生成方法。

可选的，上述实体设备都还可以包括用户接口、网络接口、摄像头、射频(radiofrequency，rf)电路，传感器、音频电路、wi-fi模块等等。用户接口可以包括显示屏(display)、输入单元比如键盘(keyboard)等，可选用户接口还可以包括usb接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如wi-fi接口)等。

本领域技术人员可以理解，本实施例提供的一种客户端设备结构并不构成对这种实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述两个实体设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。

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通过收集用户在不同维度下与对象之间的历史关联数据；并根据所述历史关联数据，确定所述用户与所述对象的不同维度推荐语之间的关联权重；与此同时，获取所述关联权重符合预设条件的目标维度；最终依据所述目标维度，为所述用户生成所述对象的推荐语，由此通过收集用户在不同维度下与对象之间的历史关联数据，能够生成与用户相匹配的目标维度下的推荐语，从而能够保证生成的推荐语与用户紧密关联，更加适合用户，以此增加对象对用户的吸引力度，提高对象的选择率。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。