本技术涉及互联网,尤其涉及一种热点信息的处理方法、装置、服务器和可读存储介质。
背景技术:
1、随着互联网技术的发展,越来越多的用户在网上商城购物。用户在浏览网上商城时,网上商城可以推送各种各样的物品给用户。网上商城的物品种类很多,通常会从中选择出一些用户感兴趣的物品,推送给用户,例如基于当前网络上的一些热议话题/热点事件,为用户推荐相关的物品。
2、现有技术中,在基于网络热议话题/热点事件进行物品推送时,主要是由人工预先获取网络上的热点信息,基于热点信息筛选出相关的物品集合,然后再从物品集合中选取出物品推送给用户。
3、但是,现有技术的这种方式需要人工实时监测热点信息,并由人工筛选物品,整个过程费时费力,涉及到的人工成本高。
技术实现思路
1、本技术提供一种热点信息的处理方法、装置、服务器和可读存储介质,用于解决现有物品推送过程中,人工成本高的问题。
2、第一方面,本技术实施例提供一种热点信息的处理方法,包括:
3、获取第一网站的热点物品,确定所述热点物品对应的应用场景信息,所述热点物品为所述第一网站中用户关注度达到预设阈值的物品;
4、从第二网站中获取热点信息,在所述热点信息中确定出与所述应用场景信息相关联的目标热点信息;
5、根据所述目标热点信息和所述应用场景信息,获取潜在物品需求,所述潜在物品需求用于指示用户在所述第一网站中感兴趣的物品。
6、在第一方面的一种可能设计中,所述获取第一网站的热点物品,包括:
7、获取所述用户对所述第一网站中物品的历史行为,所述历史行为包括浏览行为、搜索行为、下单行为和收藏行为中的至少一种;
8、根据所述历史行为的次数和所述预设阈值,从所述第一网站的物品中选取出热点物品。
9、在第一方面的另一种可能设计中,所述确定所述热点物品对应的应用场景信息,包括:
10、获取所述热点物品的物品信息,所述物品信息包括标题信息和属性信息;
11、根据所述标题信息和属性信息,获取所述热点物品的应用场景信息。
12、在第一方面的再一种可能设计中,所述根据所述标题信息和属性信息,获取所述热点物品的应用场景信息,包括:
13、从所述标题信息中提取得到场景分词,所述场景分词为描述所述热点物品的应用场景的词语;
14、获取所述属性信息中的预设属性,得到所述预设属性对应的属性值;
15、将所述场景分词与所述属性值进行组合,得到所述应用场景信息。
16、在第一方面的又一种可能设计中,所述在所述热点信息中确定出与所述应用场景信息相关联的目标热点信息,包括:
17、根据所述热点信息和所述应用场景信息,对预设模型进行训练得到第一目标模型;
18、根据所述第一目标模型,从所述热点信息中确定出与所述应用场景信息关联的目标热点信息。
19、在第一方面的又一种可能设计中,所述根据所述热点信息和所述关联信息,对预设模型进行训练得到第一目标模型,包括:
20、对所述热点信息进行向量化,得到所述热点信息的表征向量;
21、对所述应用场景信息进行向量化,得到应用场景信息的表征向量;
22、获取所述热点信息的表征向量与所述应用场景信息的表征向量的距离;
23、根据所述距离,确定所述预设模型的正样本和负样本,所述正样本和负样本用于作为所述预设模型的训练数据;
24、根据所述预设模型的训练数据,对所述预设模型进行训练得到第一目标模型。
25、在第一方面的又一种可能设计中,所述对所述热点信息进行向量化,得到所述热点信息的表征向量,包括:
26、对所述热点信息进行分词得到至少一个热点分词;
27、对每个热点分词进行向量化,得到每个热点分词对应的分词向量;
28、根据每个热点分词对应的分词向量,获取所述热点信息的表征向量。
29、在第一方面的又一种可能设计中,所述对所述应用场景信息进行向量化,得到应用场景信息的表征向量,包括:
30、获取所述应用场景信息的场景名称和所述应用场景信息中包含的物品,所述应用场景信息中包含有至少一个物品信息;
31、对所述场景名称进行向量化,得到所述场景名称的表征向量;
32、对所述物品信息进行向量化,所述物品信息的表征向量;
33、根据所述场景名称的表征向量和所述物品信息的表征向量,得到所述应用场景信息的表征向量。
34、在第一方面的又一种可能设计中,所述根据所述距离,确定所述预设模型的正样本和负样本,包括:
35、获取所述距离大于预设距离的热点信息,作为所述预设模型的正样本;
36、选取所述距离小于或等于预设距离的热点信息,作为所述预设模型的负样本。
37、在第一方面的又一种可能设计中,所述根据所述预设模型的训练数据,对所述预设模型进行训练得到第一目标模型,包括:
38、根据所述预设模型的正样本和负样本,对所述预设模型进行训练得到初始模型;
39、根据所述初始模型对距离小于或等于预设距离的热点信息进行打分,得到每个距离小于或等于预设距离的热点信息对应的得分;
40、从距离小于或等于预设距离的热点信息中选取出得分大于预设分数阈值的热点信息,更新至所述正样本中;
41、从距离小于或等于预设距离的热点信息中选取出得分小于或等于预设分数的热点信息,更新至所述负样本中;
42、根据所述更新之后的正样本和负样本,对所述初始模型进行训练,得到所述第一目标模型。
43、在第一方面的又一种可能设计中,所述根据所述目标热点信息和所述应用场景信息,获取潜在物品需求,包括:
44、根据所述应用场景信息,在所述第二网站获取与所述应用场景信息关联的热点信息集合;
45、根据所述热点信息集合,对预设分类模型进行训练得到第二目标模型;
46、根据所述目标热点信息、所述应用场景信息和所述第二目标模型,获取所述潜在物品需求。
47、第二方面,本技术实施例提供一种热点信息的处理装置,包括:
48、物品获取模块,用于获取第一网站的热点物品,确定所述热点物品对应的应用场景信息,所述热点物品为所述第一网站中用户关注度达到预设阈值的物品;
49、信息关联模块,用于从第二网站中获取热点信息,在所述热点信息中确定出与所述应用场景信息相关联的目标热点信息;
50、需求获取模块,用于根据所述目标热点信息和所述应用场景信息,获取潜在物品需求,所述潜在物品需求用于指示用户在所述第一网站中感兴趣的物品。
51、第三方面,本技术实施例提供一种服务器,包括:处理器,以及与所述处理器通信连接的存储器;
52、所述存储器存储计算机执行指令;
53、所述处理器执行所述存储器存储的计算机执行指令,以实现如上所述的方法。
54、第四方面,本技术实施例提供一种可读存储介质,所述可读存储介质中存储有计算机指令,所述计算机指令被处理器执行时用于实现如上述的方法。
55、第五方面,本技术实施例提供一种程序产品,包括计算机指令,该计算机指令被处理器执行时实现如上所述的方法。
56、本技术实施例提供的热点信息的处理方法、装置、服务器和可读存储介质,通过获取第一网站中关注度较高的热门物品,并从其他网络站点获取热点信息,在这些热点信息中找到与热点物品的购物场景关联度高的目标热点,分析出潜在的物品需求,不需要人工实时监测其他网络站点的热点信息以及在购物网站中凭主观臆测选择热点物品集合,降低人工成本。