推荐企业的方法及其装置、计算机存储介质、电子终端

技术领域

本申请涉及数据处理技术领域，具体涉及一种推荐企业的方法及其装置、计算机存储介质、电子终端。

背景技术

在用户通过一些应用程序(又称之APP)了解企业信息时，往往需要向用户推荐企业，以增加用户对应用程序的使用时长并增加用户体验，最终达到提高用户粘度的目的。比如，根据用户点击企业的所在城市或所在行业等信息进行过滤，将与点击目标企业相似的其他企业推荐给用户，但是这种推荐方式，推荐的精确度较低。

发明内容

本申请实施例提供一种推荐企业的方法及其装置、计算机存储介质、电子终端，用以克服或者缓解现有技术中存在的上述技术问题。

本申请采用的技术方案为：

一种推荐企业的方法，其包括：

根据目标用户通过应用程序实时了解的企业，构建用于召回第一候选推荐企业的第一召回条件；

根据所述目标用户在设定历史时间范围内了解过的企业，构建用于召回第二候选推荐企业的第二召回条件；

根据所述第一召回条件召回所述第一候选推荐企业，以及根据所述第二召回条件，召回所述第二候选推荐企业；

根据所述第一候选推荐企业以及第二候选推荐企业分别与所述目标用户在设定历史时间范围内了解过的企业的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业。

可选地，所述实时了解的企业包括实时搜索、点击、浏览、关注、监控中任一行为针对的企业；在设定历史时间范围内了解过的企业包括在设定历史时间范围内搜索、点击、浏览、关注、监控中任一行为针对的企业。

可选地，所述根据目标用户通过应用程序实时了解的企业，构建用于召回第一候选推荐企业的第一召回条件，之前包括：获取所述目标用户的实时行为记录，所述实时行为记录包括所述目标用户实时了解的企业的ID，以根据所述实时了解的企业的ID，确定所述目标用户实时了解的企业。

可选地，所述根据所述目标用户在设定历史时间范围内了解过的企业，构建用于召回第二候选推荐企业的第二召回条件，之前包括：获取所述目标用户的历史行为记录，所述历史行为记录包括所述目标用户在设定历史时间范围内了解过的企业的ID，以根据所述了解过的企业的ID，确定所述目标用户在设定历史时间范围内了解过的企业。

可选地，所述根据目标用户通过应用程序实时了解的企业，构建用于召回第一候选推荐企业的第一召回条件，包括：

基于预先建立的企业特征集，确定所述目标用户实时了解的企业的特征；

根据所述目标用户实时了解的企业的特征，构建用于召回第一候选推荐企业的第一召回条件。

可选地，所述根据所述目标用户在设定历史时间范围内了解过的企业，构建用于召回第二候选推荐企业的第二召回条件，包括：

基于预先建立的企业特征集，确定所述目标用户在设定历史时间范围内了解过的企业的特征；

根据所述目标用户在设定历史时间范围内了解过的企业的特征，构建用于召回第二候选推荐企业的第二召回条件。

可选地，所述根据所述目标用户实时了解的企业的特征，构建用于召回第一候选推荐企业的第一召回条件，包括：

根据所述目标用户实时了解的企业的特征中每个特征对应枚举值的比例，构建用于召回第一候选推荐企业的第一召回条件；

根据所述目标用户在设定历史时间范围内了解过的企业的特征，构建用于召回第二候选推荐企业的第二召回条件，包括：根据所述目标用户在设定历史时间范围内了解过的企业的特征中每个特征对应枚举值的比例，构建用于召回第二候选推荐企业的第二召回条件。

可选地，所述根据所述目标用户实时了解的企业的特征中每个特征对应枚举值的比例，构建用于召回第一候选推荐企业的第一召回条件，包括：确定所述目标用户实时了解的企业的特征中每个特征对应枚举值的比例中的最大比例，根据所述最大比例对应的枚举值确定召回第一候选推荐企业的第一召回条件；或者，对所述目标用户实时了解的企业的所有特征对应枚举值的比例按照从高到低排序，取出比例和大于设定比例阈值的前若干个枚举值以构建召回第一候选推荐企业的第一召回条件。

可选地，所述根据所述目标用户在设定历史时间范围内了解过的企业的特征中每个特征对应枚举值的比例，构建用于召回第二候选推荐企业的第二召回条件，包括：确定所述目标用户在设定历史时间范围内了解过的企业的特征中每个特征对应枚举值的比例中的最大比例，根据所述最大比例对应的枚举值，确定召回第二候选推荐企业的第二召回条件；或者，对所述所述目标用户在设定历史时间范围内了解过的企业的所有特征对应枚举值的比例按照从高到低排序，取出比例和大于设定比例阈值的前若干个枚举值以构建召回第二候选推荐企业的第二召回条件。

可选地，所述根据所述第一召回条件召回所述第一候选推荐企业，包括：将匹配于所述第一召回条件对应枚举值的企业作为所述第一候选推荐企业并召回；

所述根据所述第二召回条件，召回所述第二候选推荐企业包括：将匹配于所述第二召回条件对应枚举值的企业作为所述第二候选推荐企业并召回。

可选地，所述方法还包括：对所述第一候选推荐企业对应特征的枚举值进行向量化，得到第一候选推荐企业特征向量；对所述第二候选推荐企业对应特征的枚举值进行向量化，得到第二候选推荐企业特征向量；对所述目标用户在设定历史时间范围内了解过的企业对应的特征进行向量化，得到历史企业特征向量；

所述根据所述第一候选推荐企业以及第二候选推荐企业分别与所述目标用户在设定历史时间范围内了解过的企业的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户，包括：

根据所述第一候选推荐企业特征向量、所述第二候选推荐企业特征向量分别与所述历史企业特征向量的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业。

可选地，若存在多个第一候选推荐企业、多个第二候选推荐企业、多个所述目标用户在设定历史时间范围内了解过的企业，第一候选推荐企业特征向量、所述第二候选推荐企业特征向量、所述历史企业特征向量的个数分别与所述第一候选推荐企业、所述第二候选推荐企业、所述目标用户在设定历史时间范围内了解过的企业的数量相等；

所述根据所述第一候选推荐企业特征向量、所述第二候选推荐企业特征向量分别与所述历史企业特征向量的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业，包括：

针对每个第一候选推荐企业向量，计算其与各个历史企业向量的相似度，并求取第一相似度平均值；

针对每个第二候选推荐企业向量，计算其与各个历史企业向量的相似度，并求取第二相似度平均值；

根据所有所述第一候选推荐企业向量对应的第一相似度平均值以及所有所述第二候选推荐企业向量对应的第二相似度平均值，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业。

可选地，所述根据每个所述第一候选推荐企业向量对应的第一相似度平均值以及每个所述第二候选推荐企业向量对应的第二相似度平均值，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业，包括：

对所有所述第一候选推荐企业向量对应的第一相似度平均值按照从高到低排序，以从所述第一候选推荐企业中筛选出若干个企业；

对所有所述第二候选推荐企业向量对应的第二相似度平均值从高到低排序，以从所述第二候选推荐企业中筛选出若干个企业；

从所述第一候选推荐企业中筛选出的企业和所述第二候选推荐企业中筛选出的企业组成推荐给所述目标用户的企业。

一种推荐企业的装置，其包括：

第一构建单元，用于根据目标用户通过应用程序实时了解的企业，构建用于召回第一候选推荐企业的第一召回条件；

第二构建单元，用于根据所述目标用户在设定历史时间范围内了解过的企业，构建用于召回第二候选推荐企业的第二召回条件；

召回单元，用于根据所述第一召回条件召回所述第一候选推荐企业，以及根据所述第二召回条件，召回所述第二候选推荐企业；

推荐单元，用于根据所述第一候选推荐企业以及第二候选推荐企业分别与所述目标用户在设定历史时间范围内了解过的企业的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业。

一种计算机存储介质，所述计算机存储介质上存储有计算机可执行程序，所述计算机可执行程序被运行以实施本申请实施例任一所述的方法。

一种电子终端，其特征在于，所述电子终端包括存储器以及处理器，所述存储器上用于存储计算机可执行程序，所述处理器用于运行所述计算机可执行程序以实施本申请实施例任一所述的方法。

本申请实施例中，通过根据目标用户通过应用程序实时了解的企业，构建用于召回第一候选推荐企业的第一召回条件；根据所述目标用户在设定历史时间范围内了解过的企业，构建用于召回第二候选推荐企业的第二召回条件；根据所述第一召回条件召回所述第一候选推荐企业，以及根据所述第二召回条件，召回所述第二候选推荐企业；根据所述第一候选推荐企业以及第二候选推荐企业分别与所述目标用户在设定历史时间范围内了解过的企业的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业，从而增加了向用户推荐企业的精确度。

附图说明

图1为本申请实施例一种推荐企业的方法流程示意图；

图2为本申请实施例中构建第一召回条件的流程示意图；

图3为本申请实施例中构建第二召回条件的流程示意图；

图4为本申请实施例中基于向量的相似度筛选出推荐给所述目标用户的企业的流程示意图；

图5为本申请实施例中基于相似度均值筛选出推荐给所述目标用户的企业的流程示意图；

图6为本申请实施例一种推荐企业的装置的结构示意图；

图7为本申请实施例中电子终端的结构示意图。

具体实施方式

为使本申请要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本申请实施例中，通过根据目标用户通过应用程序实时了解的企业，构建用于召回第一候选推荐企业的第一召回条件；根据所述目标用户在设定历史时间范围内了解过的企业，构建用于召回第二候选推荐企业的第二召回条件；根据所述第一召回条件召回所述第一候选推荐企业，以及根据所述第二召回条件，召回所述第二候选推荐企业；根据所述第一候选推荐企业以及第二候选推荐企业分别与所述目标用户在设定历史时间范围内了解过的企业的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业，从而增加了向用户推荐企业的精确度。

图1为本申请实施例一种推荐企业的方法流程示意图；如图1所示，其包括：

S101、根据目标用户通过应用程序实时了解的企业，构建用于召回第一候选推荐企业的第一召回条件；

可选地，所述目标用户实时了解企业可以通过用户使用应用程序实现。比如使用查询企业、法人信息的应用程序。

可选地，所述实时了解的企业包括实时搜索、点击、浏览、关注、监控中任一行为针对的企业。此处，实时搜索、点击、浏览、关注、监控仅仅是可实现实时了解的用户行为举例，并未唯一性限定。

可选地，在本实施例或者其他实施例中，所述步骤S101根据目标用户通过应用程序实时了解的企业，构建用于召回第一候选推荐企业的第一召回条件，之前还可以包括：获取所述目标用户的实时行为记录，所述实时行为记录包括所述目标用户实时了解的企业的ID，以根据所述实时了解的企业的ID，确定所述目标用户实时了解的企业。

可选地，具体可以从目标用户使用应用程序的实时日志中获取所述目标用户的实时行为记录。当然，从目标用户使用应用程序的实时日志中获取所述目标用户的实时行为记录，仅仅是示例，并非唯一性限定，比如还可以从专用于记录实时行为的实时记录表中去获取。此处，实时行为记录实时记录在所述实时日志或者实时记录表中，以保证实时行为记录的实时性。

图2为本申请实施例中构建第一召回条件的流程示意图；如图2所示，步骤S101中根据目标用户通过应用程序实时了解的企业，构建用于召回第一候选推荐企业的第一召回条件，包括：

S111、基于预先建立的企业特征集，确定所述目标用户实时了解的企业的特征；

可选地，在一具体应用场景中，所述步骤S111中的企业特征集包括企业的多个特征，比如包括但不限于企业所在城市、所属行业、公司类型、注册状态、是否上市、注册资本等。此处，所述企业特征集中的特征数量仅仅是示例，并未唯一性限定，实际上其具体可以应用场景的需求灵活配置，比如通过指定或者人工智能学习的方式来配置。

可选地，在一具体应用场景中，步骤S111中基于预先建立的企业特征集，确定所述目标用户实时了解的企业的特征，具体可以包括：所述目标用户实时了解的企业信息中提取符合预先建立的企业特征集中的特征，将提取到特征作为所述目标用户实时了解的企业的特征。

S121、根据所述目标用户实时了解的企业的特征，构建用于召回第一候选推荐企业的第一召回条件。

可选地，在一具体应用场景中，所述步骤S121中根据所述目标用户实时了解的企业的特征，构建用于召回第一候选推荐企业的第一召回条件，包括：

根据所述目标用户实时了解的企业的特征中每个特征对应枚举值的比例，构建用于召回第一候选推荐企业的第一召回条件。

可选地，在一具体应用场景中，所述每个特征对应的枚举值比如直接为该特征出现的次数，对于特征为所在城市来说，实时了解的所有企业中有4个在北京、3个在上海、2个在深圳、1个在武汉，即对应的枚举值分别为北京、上海、深圳、武汉，其对应的比例分别为0.4、0.3、0.2、0.1。即，在根据所述目标用户实时了解的企业的特征中每个特征对应枚举值的比例，构建用于召回第一候选推荐企业的第一召回条件可以包括：确定所述目标用户实时了解的企业的特征中每个特征对应的枚举值；根据枚举值来计算每个枚举值出现的比例，以构建用于召回第一候选推荐企业的第一召回条件，从而准确地反映用户的历史兴趣。

可选地，在一具体应用场景中，根据枚举值来计算每个枚举值出现的比例，以构建用于召回第一候选推荐企业的第一召回条件可以包括：

确定所述目标用户实时了解的企业的特征中每个特征对应枚举值的比例中的最大比例，根据所述最大比例对应的枚举值确定召回第一候选推荐企业的第一召回条件，比如直接将最大比例枚举值作为召回第一候选推荐企业的第一召回条件；或者，对所述目标用户实时了解的企业的所有特征对应枚举值的比例按照从高到低排序，取出比例和大于设定比例阈值的前若干个枚举值以构建召回第一候选推荐企业的第一召回条件，比如直接将前若干个枚举值作为召回第一候选推荐企业的第一召回条件。

以特征为所在城市为例，实时了解的所有企业中有4个在北京、3个在上海、2个在深圳、1个在武汉，其中比例最大的为北京，则直接将所在城市为北京的作为第一召回条件。或者，比如对比例从高到低进行排序得到：0.4、0.3、0.2、0.1，同时如果设定比例阈值为0.5的话，则可以直接将所在城市为北京和上海作为第一召回条件。此处，设定比例阈值和具体的比例仅仅是示例，并未唯一性限定。

S102、根据所述目标用户在设定历史时间范围内了解过的企业，构建用于召回第二候选推荐企业的第二召回条件；

可选地，在设定历史时间范围内了解过的企业包括在设定历史时间范围内搜索、点击、浏览、关注、监控中任一行为针对的企业。此处，在设定历史时间范围内搜索、点击、浏览、关注、监控仅仅是可实现实时了解的用户行为举例，并未唯一性限定。

可选地，在本实施例或者其他实施例中，所述根据所述目标用户在设定历史时间范围内了解过的企业，构建用于召回第二候选推荐企业的第二召回条件，之前包括：获取所述目标用户的历史行为记录，所述历史行为记录包括所述目标用户在设定历史时间范围内了解过的企业的ID，以根据所述了解过的企业的ID，确定所述目标用户在设定历史时间范围内了解过的企业。

可选地，具体可以从目标用户使用应用程序的历史日志中获取所述目标用户的历时行为记录。当然，从目标用户使用应用程序的历史日志中获取所述目标用户的历时行为记录，仅仅是示例，并非唯一性限定，比如还可以从专用于记录历时行为的历史记录表中去获取。此处，历时行为记录并不一定要求实时记录在所述历时日志或者历时记录表中，但是只要保证使用历时行为记录之前已经存在于所述历时日志或者历时记录表中即可，从而提高数据处理冗余性，降低资源消耗。

图3为本申请实施例中构建第二召回条件的流程示意图；如图3所示，步骤S102中所述根据所述目标用户在设定历史时间范围内了解过的企业，构建用于召回第二候选推荐企业的第二召回条件，包括：

S112、基于预先建立的企业特征集，确定所述目标用户在设定历史时间范围内了解过的企业的特征；

可选地，在一具体应用场景中，所述步骤S112中的企业特征集同样可以包括企业的多个特征，比如包括但不限于企业所在城市、所属行业、公司类型、注册状态、是否上市、注册资本等。此处，所述企业特征集中的特征数量仅仅是示例，并未唯一性限定，实际上其具体可以应用场景的需求灵活配置，比如通过指定或者人工智能学习的方式来配置。

但是，在其他具体用场景中，所述步骤S112和所述步骤S111中的企业特征集包括的具体特征也可以不同，比如具体可以根据推荐的精确度要求，以及特征的数据质量来确定。所述步骤S112和所述步骤S111中的企业特征集可以是动态调整的，或者，也可以是静态不变的。

可选地，在一具体应用场景中，步骤S112中基于预先建立的企业特征集，确定所述目标用户在设定历史时间范围内了解过的企业的特征，具体可以包括：所述目标用户在设定历史时间范围内了解过的企业信息中提取符合预先建立的企业特征集中的特征，将提取到特征作为所述目标用户在设定历史时间范围内了解过的企业的特征。

S122、根据所述目标用户在设定历史时间范围内了解过的企业的特征，构建用于召回第二候选推荐企业的第二召回条件。

可选地，在一具体应用场景中，所述步骤S122中根据所述目标用户在设定历史时间范围内了解过的企业的特征，构建用于召回第二候选推荐企业的第二召回条件，包括：根据所述目标用户在设定历史时间范围内了解过的企业的特征中每个特征对应枚举值的比例，构建用于召回第二候选推荐企业的第二召回条件。

类似上述步骤S121，在一具体应用场景中，根据所述目标用户在设定历史时间范围内了解过的企业的特征中每个特征对应枚举值的比例，构建用于召回第二候选推荐企业的第二召回条件，可以包括：确定所述目标用户在设定历史时间范围内了解过的企业的特征中每个特征对应的枚举值；根据枚举值来计算每个枚举值出现的比例，以构建用于召回第二候选推荐企业的第二召回条件，从而准确地反映用户的实时兴趣。

可选地，在一具体应用场景中，根据枚举值来计算每个枚举值出现的比例，以构建用于召回第二候选推荐企业的第二召回条件可以包括：

确定所述目标用户在设定历史时间范围内了解过的企业的特征中每个特征对应枚举值的比例中的最大比例，根据所述最大比例对应的枚举值，确定召回第二候选推荐企业的第二召回条件，比如直接将最大比例枚举值作为召回第二候选推荐企业的第二召回条件；或者，对所述所述目标用户在设定历史时间范围内了解过的企业的所有特征对应枚举值的比例按照从高到低排序，取出比例和大于设定比例阈值的前若干个枚举值以构建召回第二候选推荐企业的第二召回条件，比如直接将前若干个枚举值作为召回第二候选推荐企业的第二召回条件。有关构建第二召回条件的具体示例性解释类似上述构建第一召回条件的示例。

此处，需要说明是，在另外一些实施例实施例中，也可以将出现过的所有枚举值第一召回条件，第二召回条件，从而省去计算比例的过程。

S103、根据所述第一召回条件召回所述第一候选推荐企业，以及根据所述第二召回条件，召回所述第二候选推荐企业；

可选地，在一具体应用场景中，所述根据所述第一召回条件召回所述第一候选推荐企业，包括：将匹配于所述第一召回条件对应枚举值的企业作为所述第一候选推荐企业并召回。比如将匹配于所述第一召回条件对应枚举值的企业作为所述第一候选推荐企业并召回。比如第一召回条件对应枚举值为北京的话，从后台数据库中获取企业所在城市为北京的，作为第一候选推荐企业。

可选地，在一具体应用场景中，所述根据所述第二召回条件，召回所述第二候选推荐企业包括：将匹配于所述第二召回条件对应枚举值的企业作为所述第二候选推荐企业并召回。比如将匹配于所述第二召回条件对应枚举值的企业作为所述第二候选推荐企业并召回。比如将企业上市状态为已上市的，作为第二候选推荐企业。

S104、根据所述第一候选推荐企业以及第二候选推荐企业分别与所述目标用户在设定历史时间范围内了解过的企业的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业。

具体地，在一具体应用场景中，为了提高推荐的精确度，第一候选推荐企业和第二候选推荐企业会对应有多个特征，因此，所述方法还包括：对所述第一候选推荐企业对应特征的枚举值进行向量化，得到第一候选推荐企业特征向量；对所述第二候选推荐企业对应特征的枚举值进行向量化，得到第二候选推荐企业特征向量；对所述目标用户在设定历史时间范围内了解过的企业对应的特征进行向量化，得到历史企业特征向量。此处进行向量化的处理过程比如在步骤S104之前执行。实现向量化具体手段比如为二值化处理。

进一步地，在一具体应用场景中，若存在多个第一候选推荐企业、多个第二候选推荐企业、多个所述目标用户在设定历史时间范围内了解过的企业，第一候选推荐企业特征向量、所述第二候选推荐企业特征向量、所述历史企业特征向量的个数分别与所述第一候选推荐企业、所述第二候选推荐企业、所述目标用户在设定历史时间范围内了解过的企业的数量相等。

为此，步骤S104中根据所述第一候选推荐企业以及第二候选推荐企业分别与所述目标用户在设定历史时间范围内了解过的企业的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户，包括：

根据所述第一候选推荐企业特征向量、所述第二候选推荐企业特征向量分别与所述历史企业特征向量的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业。

当存在多个第一候选推荐企业、多个第二候选推荐企业、多个所述目标用户在设定历史时间范围内了解过的企业时，为了提高推荐的准确度，如图4所示，为本申请实施例中基于向量的相似度筛选出推荐给所述目标用户的企业的流程示意图；即：所述步骤S104中根据所述第一候选推荐企业特征向量、所述第二候选推荐企业特征向量分别与所述历史企业特征向量的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业，包括：

S114、针对每个第一候选推荐企业向量，计算其与各个历史企业向量的相似度，并求取第一相似度平均值；

S124、针对每个第二候选推荐企业向量，计算其与各个历史企业向量的相似度，并求取第二相似度平均值；

S134、根据所有所述第一候选推荐企业向量对应的第一相似度平均值以及所有所述第二候选推荐企业向量对应的第二相似度平均值，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业。

步骤S114和步骤S124中，计算相似度时具体可以计算向量之间的余弦相似度，结果为dist，由于0<＝dist<＝1，所以该值越接近1，表示相似度越高；越接近0，表示相似度越低，具体计算方式可参见下述公式(1)：

上述公式(1)中，x

此处，余弦相似度仅仅是示例，在其他实施例中，也可以使用欧氏距离等其他能计算向量相似度的方法。

具体地，在一应用场景中，一个第一候选推荐企业向量与一个历史企业向量之间会存在一个相似度，由于存在多个历史企业向量，因此，会存在多个相似度，据此求取该多个相似度的算数平均值，或者几何平均值，作为第一相似度平均值。第二相似度平均值类似，比如为对应多个相似度的算数平均值，或者几何平均值。

具体地，在一应用场景中，为了提高推荐的准确度，如图5所示，为本申请实施例中基于相似度均值筛选出推荐给所述目标用户的企业的流程示意图；即：所述根据每个所述第一候选推荐企业向量对应的第一相似度平均值以及每个所述第二候选推荐企业向量对应的第二相似度平均值，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业，包括：

S1341、对所有所述第一候选推荐企业向量对应的第一相似度平均值按照从高到低排序，以从所述第一候选推荐企业中筛选出若干个企业；

S1342、对所有所述第二候选推荐企业向量对应的第二相似度平均值从高到低排序，以从所述第二候选推荐企业中筛选出若干个企业；

S1342、从所述第一候选推荐企业中筛选出的企业和所述第二候选推荐企业中筛选出的企业组成推荐给所述目标用户的企业。

此处，需要说明的是，步骤S1341和步骤S1342之间并无特定时序关系，步骤S1341可以在步骤S1342之前，或者之后，或者并行执行。

具体地，在一具体应用场景中，为了降低数据处理量，提高数据处理效率，规定推荐给所述目标用户的企业总数量c，以及其中从所述第一候选推荐企业中筛选出的企业的数量r1，从所述第二候选推荐企业中筛选出的企业的数量r2，则执行步骤S1341时，第一相似度平均值按照从高到低排序后，按照第一相似度平均值从高到底从中选择出前c*r1/(r1+r2)个企业作为筛选出的一部分企业；执行步骤S1342时，第二相似度平均值按照从高到低排序后，按照第二相似度平均值从高到底从中选择出前c*r2/(r1+r2)个企业作为筛选出的另一部分企业；c*r1/(r1+r2)个企业和c*r2/(r1+r2)个企业组成推荐给所述目标用户的企业。

图6为本申请实施例一种推荐企业的装置的结构示意图；如图6所示，其包括：

第一构建单元601，用于根据目标用户通过应用程序实时了解的企业，构建用于召回第一候选推荐企业的第一召回条件；

第二构建单元602，用于根据所述目标用户在设定历史时间范围内了解过的企业，构建用于召回第二候选推荐企业的第二召回条件；

召回单元603，用于根据所述第一召回条件召回所述第一候选推荐企业，以及根据所述第二召回条件，召回所述第二候选推荐企业；

推荐单元604，用于根据所述第一候选推荐企业以及第二候选推荐企业分别与所述目标用户在设定历史时间范围内了解过的企业的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业。

可选地，在一具体应用场景中，所述实时了解的企业包括实时搜索、点击、浏览、关注、监控中任一行为针对的企业；在设定历史时间范围内了解过的企业包括在设定历史时间范围内搜索、点击、浏览、关注、监控中任一行为针对的企业。

可选地，在一具体应用场景中，所述装置还可以包括：第一记录获取单元，用于在根据目标用户通过应用程序实时了解的企业，构建用于召回第一候选推荐企业的第一召回条件，之前获取所述目标用户的实时行为记录，所述实时行为记录包括所述目标用户实时了解的企业的ID，以根据所述实时了解的企业的ID，确定所述目标用户实时了解的企业。

可选地，在一具体应用场景中，所述装置还可以包括：第二记录获取单元，用于在所述根据所述目标用户在设定历史时间范围内了解过的企业，构建用于召回第二候选推荐企业的第二召回条件，之前获取所述目标用户的历史行为记录，所述历史行为记录包括所述目标用户在设定历史时间范围内了解过的企业的ID，以根据所述了解过的企业的ID，确定所述目标用户在设定历史时间范围内了解过的企业。

可选地，在一具体应用场景中，所述第一构建单元601具体用于：基于预先建立的企业特征集，确定所述目标用户实时了解的企业的特征；以及根据所述目标用户实时了解的企业的特征，构建用于召回第一候选推荐企业的第一召回条件。

可选地，在一具体应用场景中，所述第二构建单元602具体用于：基于预先建立的企业特征集，确定所述目标用户在设定历史时间范围内了解过的企业的特征；以及根据所述目标用户在设定历史时间范围内了解过的企业的特征，构建用于召回第二候选推荐企业的第二召回条件。

可选地，在一具体应用场景中，所述第一构建单元601具体用于：根据所述目标用户实时了解的企业的特征中每个特征对应枚举值的比例，构建用于召回第一候选推荐企业的第一召回条件；以及根据所述目标用户在设定历史时间范围内了解过的企业的特征，构建用于召回第二候选推荐企业的第二召回条件，包括：根据所述目标用户在设定历史时间范围内了解过的企业的特征中每个特征对应枚举值的比例，构建用于召回第二候选推荐企业的第二召回条件。

可选地，在一具体应用场景中，所述第一构建单元601具体用于：确定所述目标用户实时了解的企业的特征中每个特征对应枚举值的比例中的最大比例，根据所述最大比例对应的枚举值确定召回第一候选推荐企业的第一召回条件；或者，对所述目标用户实时了解的企业的所有特征对应枚举值的比例按照从高到低排序，取出比例和大于设定比例阈值的前若干个枚举值以构建召回第一候选推荐企业的第一召回条件。

可选地，在一具体应用场景中，所述第二构建单元602具体用于：确定所述目标用户在设定历史时间范围内了解过的企业的特征中每个特征对应枚举值的比例中的最大比例，根据所述最大比例对应的枚举值，确定召回第二候选推荐企业的第二召回条件；或者，对所述所述目标用户在设定历史时间范围内了解过的企业的所有特征对应枚举值的比例按照从高到低排序，取出比例和大于设定比例阈值的前若干个枚举值以构建召回第二候选推荐企业的第二召回条件。

可选地，在一具体应用场景中，所述召回单元603具体用于：将匹配于所述第一召回条件对应枚举值的企业作为所述第一候选推荐企业并召回；

可选地，在一具体应用场景中，所述召回单元603还具体用于：将匹配于所述第二召回条件对应枚举值的企业作为所述第二候选推荐企业并召回。

可选地，在一具体应用场景中，所述装置还包括向量化单元，用于对所述第一候选推荐企业对应特征的枚举值进行向量化，得到第一候选推荐企业特征向量；对所述第二候选推荐企业对应特征的枚举值进行向量化，得到第二候选推荐企业特征向量；对所述目标用户在设定历史时间范围内了解过的企业对应的特征进行向量化，得到历史企业特征向量；

可选地，在一具体应用场景中，所述推荐单元604具体用于：根据所述第一候选推荐企业特征向量、所述第二候选推荐企业特征向量分别与所述历史企业特征向量的相似度，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业。

可选地，在一具体应用场景中，若存在多个第一候选推荐企业、多个第二候选推荐企业、多个所述目标用户在设定历史时间范围内了解过的企业，第一候选推荐企业特征向量、所述第二候选推荐企业特征向量、所述历史企业特征向量的个数分别与所述第一候选推荐企业、所述第二候选推荐企业、所述目标用户在设定历史时间范围内了解过的企业的数量相等；

可选地，在一具体应用场景中，所述推荐单元604具体用于：针对每个第一候选推荐企业向量，计算其与各个历史企业向量的相似度，并求取第一相似度平均值；针对每个第二候选推荐企业向量，计算其与各个历史企业向量的相似度，并求取第二相似度平均值；以及根据所有所述第一候选推荐企业向量对应的第一相似度平均值以及所有所述第二候选推荐企业向量对应的第二相似度平均值，从所述第一候选推荐企业和所述第二候选推荐企业中筛选出推荐给所述目标用户的企业。

可选地，在一具体应用场景中，所述推荐单元604具体用于：对所有所述第一候选推荐企业向量对应的第一相似度平均值按照从高到低排序，以从所述第一候选推荐企业中筛选出若干个企业；对所有所述第二候选推荐企业向量对应的第二相似度平均值从高到低排序，以从所述第二候选推荐企业中筛选出若干个企业；以及从所述第一候选推荐企业中筛选出的企业和所述第二候选推荐企业中筛选出的企业组成推荐给所述目标用户的企业。

本申请实施例还提供一种计算机存储介质，所述计算机存储介质上存储有计算机可执行程序，所述计算机可执行程序被运行以实施本申请实施例任一所述推荐企业的方法。

图7为本申请实施例中电子终端的结构示意图；如图7所示，电子终端包括：存储器701以及处理器702，所述存储器上存储有计算机可执行程序，所述处理器用于运行所述计算机可执行程序以实施本申请任一实施例中的任一所述推荐企业的方法。

以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。