一种推荐信息生成的方法、装置、电子设备及存储介质

技术领域

本申请实施例涉及数据处理技术领域，尤其涉及一种推荐信息生成的方法、装置、电子设备及存储介质。

背景技术

为满足用户多样化的出行需求，一些信息推荐平台除对单个用户的出行方案进行推荐外，还对多人同时出行的场景进行方案推荐。例如，当用户A、用户B以及用户C存在同时出行到某个餐厅聚餐的需求时，信息推荐平台筛选出部分候选餐厅，向用户A、用户B以及用户C进行推荐，以供其选择最终的目标餐厅。

在多人同时出行的场景中，参与者往往分散在各个不同的地方，且各个参与者的爱好和出行习惯不同，导致筛选出的餐厅往往不能满足用户的实际需求。为解决该问题，相关技术中采用一种以距离为主导因素的推荐方法，具体地，在同城多人聚餐的场景中，根据各个用户所在的位置连接形成的多边形，选择多边形中心周边的餐厅进行推荐，如不满足要求，则逐步扩大范围直至推荐成功。

然而，该种方案存在如下多个问题：一、仅仅以距离为主导因素，没有考虑用户采用的交通工具，因而忽略了各个用户实际到达目的地的路程时间，导致推荐结果无法较好满足用户的需求；二只适用于同城的多人就餐场景，无法较好地拓展到其他场景，实施局限性较强。

发明内容

本申请实施例提供一种推荐信息生成的方法、装置、电子设备及存储介质，针对多人同时出行的场景，能够生成更符合用户需求的推荐方案。

本申请实施例第一方面提供了一种推荐信息生成的方法，所述方法包括：

根据多个多用户终端各自设置的出行特征信息，生成多个用户终端各自的候选区域；

根据所述多个用户终端各自的候选区域，确定公共候选区域；

确定距离所述公共候选区域预设范围内的多个候选对象；

将从所述多个候选对象中筛选出的待推荐对象推送给所述多个用户终端。

可选地，获得所述多个用户终端各自的候选区域包括：

针对所述多个用户终端中的任一用户终端，根据该用户终端的出发设置信息、交通工具设置信息、行程时长设置信息，结合获取的交通路况信息，生成该用户终端的初始候选区域；

根据所述多个用户终端各自的初始候选区域的边界，确定公共中心点；

针对所述多个用户终端中的任一用户终端，将该用户终端的初始候选区域中朝向所述公共中心点的部分区域，确定为该用户终端的候选区域；

其中，所述出发设置信息包括：所述用户终端设置的出发位置信息、所述用户终端设置的出发时间信息；所述行程时长设置信息至少包括：所述用户终端设置的最大行程时长信息。

可选地，根据所述多个用户终端各自的候选区域，确定公共候选区域，包括：

在所述多个用户终端各自的候选区域之间存在重叠区域的情况下，将所述重叠区域确定为所述公共候选区域；

在所述多个用户终端各自的候选区域之间不存在重叠区域的情况下，对所述多个用户终端中至少一个用户终端的候选区域进行调整，直至所述多个用户终端各自的候选区域之间存在重叠区域为止，并将所述多个用户终端各自的候选区域之间的重叠区域确定为所述公共候选区域。

可选地，对所述多个用户终端中至少一个用户终端的候选区域进行调整，包括：

以预设时间粒度，递增所述多个用户终端中至少一个用户终端的最大行程时长信息，进而扩大所述多个用户终端中至少一个用户终端的候选区域，直至所述多个用户终端各自的候选区域之间存在重叠区域为止。

可选地，确定距离所述公共候选区域预设范围内的多个候选对象，包括：

以所述公共候选区域内的预设位置为候选对象的搜索起点，搜索并获取所述公共候选区域的边界内的多个可选对象；

按照筛选因子，从所述多个可选对象中筛选多个候选对象，所述筛选因子包括以下至少一者：历史点击量、历史用户评分、历史用户评论数量、近期点击量、近期用户评分、近期用户评论数量；

在从位于所述公共候选区域的初始边界内的各个对象中筛选出的候选对象的数量小于预设数量时，以预设时间粒度，递增所述多个用户终端各自的最大行程时长信息，进而扩大所述公共候选区域的边界，直至筛选出所述预设数量个候选对象。

可选地，确定距离所述公共候选区域预设范围内的多个候选对象，包括：

按照筛选因子的第一系数，对位于所述公共候选区域的初始边界内的各个对象进行第一次筛选，得到第一部分候选对象；

以预设时间粒度，增大所述多个用户终端各自的最大行程时长信息，进而扩大所述公共候选区域的边界；

按照筛选因子的第二系数，对位于所述公共候选区域的扩大后的边界内的各个对象进行第二次筛选，得到第二部分候选对象，所述第二系数大于所述第一系数；

其中，所述第一部分候选对象与所述第二部分候选对象组成所述多个候选对象。

可选地，所述方法还包括：

根据所述多个用户终端各自对所述多个候选对象的偏好度，从所述多个候选对象中筛选出待推荐对象；

针对所述多个用户终端中的任一用户终端，该用户终端对所述多个候选对象的偏好度是按照以下步骤确定：

根据所述多个候选对象各自的特征信息，确定所述多个候选对象各自的向量表示；

根据该用户终端历史对各个对象的操作行为信息，确定该用户终端的向量表示；

将所述多个候选对象中每个候选对象的向量表示与该用户终端的向量表示输入偏好度预测模型，得到该用户终端对该候选对象的偏好度；

其中，所述偏好度预测模型是以样本用户终端的向量表示和样本对象的向量表示为训练样本，对预设模型进行训练而得到的，其中，所述样本对象为所述样本用户终端历史执行预设操作所针对的对象。

可选地，根据所述多个用户终端各自对所述多个候选对象的偏好度，从所述多个候选对象中筛选出待推荐对象，包括：

针对所述多个候选对象中的任一候选对象，确定所述多个用户终端中对该候选对象的偏好度高于预设偏好度的用户终端的数量；

在所述数量低于预设数量时，滤除该候选对象，以筛选出待推荐对象。

可选地，将从所述多个候选对象中筛选出的待推荐对象推送给所述多个用户终端，包括：

针对所述多个用户终端中的任一用户终端，将自所述用户终端的出发位置至所述待推荐对象的位置的行程信息，推荐给该用户终端。

可选地，将从所述多个候选对象中筛选出的待推荐对象推送给所述多个用户终端，包括：

对所述待推荐对象进行分类和整合；

根据所述待推荐对象的类别，对所述待推荐对象的用户终端偏好度进行优先级排序，生成所述待推荐对象的推荐内容；

将所述待推荐对象的推荐内容推送给所述多个用户终端，以供所述多个用户终端从所述待推荐对象中选择出目标对象。

本申请实施例第二方面提供一种推荐信息生成的装置，所述装置包括：

生成模块，用于根据多个多用户终端各自设置的出行特征信息，生成所述多个用户终端各自的候选区域；

第一确定模块，用于根据所述多个用户终端各自的候选区域，确定公共候选区域；

第二确定模块，用于确定距离所述公共候选区域预设范围内的多个候选对象；

推送模块，用于将从所述多个候选对象中筛选出的待推荐对象推送给所述多个用户终端。

本申请实施例第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请第一方面所述的推荐信息生成的方法中的步骤。

本申请实施例第四方面提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行时实现本申请第一方面所述的推荐信息生成的方法中的步骤。

通过本申请提供的推荐信息生成的方法，首先获得多个用户终端各自的候选区域，然后根据多个用户终端各自的候选区域，确定公共候选区域，接着确定距离公共候选区域预设范围内的多个候选对象，最后将从多个候选对象中筛选出的待推荐对象推送给多个用户终端。本申请的推荐信息生成的方法具有如下多个技术效果：

一、由于候选区域是根据用户的出行特征形成的，出行特征是用户根据自身实际情况任意设置的，因而通过各个用户终端的候选区域所形成的公共候选区域来获得候选对象，与相关技术中以距离为主导因素而获得候选对象的方案相比，能筛选出更符合用户实际出行需求的候选对象。

二、由于候选对象的类型可以是多种，例如餐厅、电影院、商场等，因而针对不同的候选对象可以生成不同的推荐方案，与相关技术中仅能对聚餐场景进行方案推荐相比，能适用于多人同时出行的任意场景，能更好地满足用户的出行需求以及增强用户的使用体验。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是相关技术中的推荐信息生成的方法的示意图；

图2是本申请一实施例示出的应用场景示意图；

图3是本申请一实施例示出的一种推荐信息生成的方法的流程图；

图4是本申请一实施例示出的一种公共候选区域示意图；

图5是本申请一实施例示出的一种确定公共候选区域的示意图；

图6是本申请一实施例示出的一种确定候选区域的示意图；

图7是本申请一实施例提供的推荐信息生成的装置的结构框图；

图8是本申请一实施例示出的一种电子设备的示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。

图1是相关技术中的推荐信息生成的方法的示意图。在图1中，位于同一城市X的用户A、用户B、用户C以及用户D需要到某个餐厅聚餐，信息推荐平台在对目标餐厅进行推荐时，在该城市的地图上分别以用户A、用户B、用户C以及用户D为顶点绘制多边形，然后在该多边形的中心位置的周围预设范围内获得餐厅进行推荐。

然而，相关技术中的该种推荐方法存在如下问题：

一、仅仅以距离为主导因素，侧重在各个用户到多边形中心位置的直线距离，没有考虑用户采用的交通工具和交通路线，因而忽略了各个用户实际到达目的地的路程时间；

二、只适用于同城的多人就餐场景，无法较好地拓展到其他场景，实施局限性较强。

为克服相关技术中的问题，本申请提供了一种推荐信息生成的方法。该方法可以应用于多人同城出行场景或者多人非同城出行场景。下面将以多人同城出行场景为例，对本申请的推荐信息生成的方法进行详细说明。

图2是本申请一实施例示出的应用场景示意图。在图2中，信息推荐平台与多个用户终端(包括：用户终端1-用户终端N)通信连接，用于根据多个用户(用户1-用户N)的出行需求，对多个用户同城出行的目的地进行推荐。在本申请中，每个用户通过用户终端与信息推荐平台交互，例如用户1通过用户终端1向信息推荐平台请求服务。

本申请的推荐信息生成的方法应用于图2中的信息推荐平台。图3是本申请一实施例示出的一种推荐信息生成的方法的流程图。参照图3，本申请的推荐信息生成的方法可以包括如下步骤：

步骤S31：根据多个多用户终端各自设置的出行特征信息，生成所述多个用户终端各自的候选区域。

在本实施例中，推荐信息生成的方法的执行主体可以是信息推荐平台。在多人同城出行时，可以由单个用户终端通过信息推荐平台设置需要出行的多个用户终端。

其中，一个用户终端的候选区域表示该用户终端对应的用户所能接受的出行区域。用户可以在用户终端上输入出行特征，例如设置出行交通工具、出行时间或者所能接受的行程时长等信息，信息推荐平台根据这些信息即可分析出该用户对应的候选区域。

示例地，用户A设置的出行交通工具为公交车，出发地点为B地，所能接受的行程时长为30分钟。假设B地附近的公交车有01、02、03共3路，01路公交车从B地出发行驶30分钟所途经的区域为D1，02路公交车从B地出发行驶30分钟所途径的区域为D2，03路公交车从B地出发行驶30分钟所途径的区域为D3，那么用户A对应的候选区域为D1、D2以及D3的并集。其中，公交车的单个站点可以到达的区域可以是以该站点为圆心，预设距离为半径所形成的区域，该公交车所途经的区域是该公交车所途经的各个站点所能到达的区域的并集。当然，公交车的单个站点可以到达的区域还可以根据其它规则设置，本实施例对此不作具体限制。

步骤S32：根据所述多个用户终端各自的候选区域，确定公共候选区域。

在本实施例中，在获得每个用户的候选区域之后，可以获得各个用户终端各自的候选区域的交集，即公共候选区域。

步骤S33：确定距离所述公共候选区域预设范围内的多个候选对象。

在本实施例中，候选对象是指用户的出行目的地。出行目的地可以是多种类型，例如餐厅、娱乐场所、商场等，本实施例对此不作具体限制。在用户指定候选对象的类型后，信息推荐平台可以在距离公共候选区域预设范围内确定出符合该类型的候选对象。

其中，距离公共候选区域预设范围内的区域如图4所示，包含灰色的初始公共候选区域和白色环状的扩展区域两部分，图4是本申请一实施例示出的一种公共候选区域示意图。预设范围可以根据实际需求设置，例如预设范围是1千米时，可以获得距离公共候选区域1千米内的区域内的多个候选对象；预设范围是2千米时，可以获得距离公共候选区域2千米内的区域内的多个候选对象。预设范围可以任意设置的目的是：保证获得的候选对象的数量可以满足需求。

步骤S34：将从所述多个候选对象中筛选出的待推荐对象推送给所述多个用户终端。

在本实施例中，可以对多个候选对象进行筛选，获得待推荐对象，然后将待推荐对象推荐给各个用户终端，以便于各个用户进一步做出决策以选择最终出行的目的地。

其中，在对多个候选对象进行筛选时，可以设置多种筛选条件，例如筛选条件可以是：用户评分不低于4.5分(本申请的用户评分以总分为5分为例)、近一周的历史点击量不低于5千、评论数量不低于1万等，本实施例对筛选条件的设置不作具体限制。

图5是本申请一实施例示出的一种确定公共候选区域的示意图。结合图5，示例地，以用户A、用户B、用户C以及用户D均在城市X且需要到某个餐厅聚餐为例，用户A在用户终端上设置的出行特征为：公交车出行、出发时刻为16:30、出发地为地点X、行程时长不超过30分钟，信息推荐平台根据用户A设置的出行特征获得用户A的候选区域A。用户B在用户终端上设置的出行特征为：地铁出行、出发时刻为16:00、出发地为地点Y、行程时长不超过40分钟，信息推荐平台根据用户B设置的出行特征获得用户B的候选区域B。用户C在用户终端上设置的出行特征为：地铁出行、出发时刻为17:00、出发地为地点Z、行程时长不超过20分钟，信息推荐平台根据用户C设置的出行特征获得用户C的候选区域C。用户D在用户终端上设置的出行特征为：轿车出行、出发时刻为17:10、出发地为地点M、行程时长不超过25分钟，信息推荐平台根据用户D设置的出行特征获得用户D的候选区域D。信息推荐平台获得候选区域A、候选区域B、候选区域C以及候选区域D的公共候选区域，然后从距离公共候选区域1千米的区域内筛选出多个候选餐厅，再在多个候选餐厅中筛选出用户评分大于4.5分的候选餐厅，作为待推荐餐厅。最后将待推荐餐厅分别推荐给用户A-用户D。用户A-用户D可以进一步在待推荐餐厅中选择一个目标餐厅作为聚餐地点。

通过本实施例的推荐信息生成的方法，首先获得多个用户终端各自的候选区域，然后根据多个用户终端各自的候选区域，确定公共候选区域，接着确定距离公共候选区域预设范围内的多个候选对象，最后将从多个候选对象中筛选出的待推荐对象推送给多个用户终端，以供用户决策。该方法具有如下多个技术效果：

一、由于候选区域是根据用户的出行特征形成的，出行特征是用户根据自身实际情况任意设置的，因而通过各个用户终端的候选区域所形成的公共候选区域来获得候选对象，与相关技术中仅以距离为主导因素而获得候选对象的方案相比，能筛选出更符合用户实际出行需求的候选对象。

二、由于候选对象的类型可以是多种，例如餐厅、娱乐场所、商场等，因而针对不同的候选对象可以生成不同的推荐方案，与相关技术中仅能对聚餐场景进行方案推荐相比，能适用于多人同时出行的任意场景，能更好地满足用户的出行需求以及增强用户的使用体验。

结合以上实施例，在一种实施方式中，本申请还提供了一种获得多个用户终端各自的候选区域的方法。具体地，上述步骤S31可以包括：

针对所述多个用户终端中的任一用户终端，根据该用户终端的出发设置信息、交通工具设置信息、行程时长设置信息，结合获取的交通路况信息，生成该用户终端的初步候选区域；

根据所述多个用户终端各自的初始候选区域的边界，确定公共中心点；

针对所述多个用户终端中的任一用户终端，将该用户终端的初始候选区域中朝向所述公共中心点的部分区域，确定为该用户终端的候选区域。

其中，所述出发设置信息包括：所述用户终端设置的出发位置信息、所述用户终端设置的出发时间信息；所述行程时长设置信息至少包括：所述用户终端设置的最大行程时长信息。

在本实施例中，用户可以通过自身携带的终端设备设置出行特征，其中，终端设备可以是手机、平板、个人电脑等，本实施例对此不作具体限制。出行特征可以包括：出发设置信息、交通工具设置信息、行程时长设置信息等，其中，出发设置信息可以包括出发时间、出发位置等，交通工具设置信息可以包括：地铁、公交车、自行车等，行程时长设置信息可以包括用户可接受的最大行程时长等。

在本实施例中，由于交通工具行驶方向包括正向和反向，因此用户通过交通工具出行时涉及的初步候选区域包括正反两个方向，如图6所示，图6是本申请一实施例示出的一种确定候选区域的示意图。在图6中，用户A-用户D的用户终端对应的初步候选区域为长方形区域，黑色圆点为用户A-用户D的初始候选区域的边界的公共中心点；每个初始候选区域中位于虚线圆框内的区域为朝向公共中心点的部分区域，例如用户A的初步候选区域中位于虚线圆框内的区域为用户A的用户终端的候选区域，用户B的初步候选区域中位于虚线圆框内的区域为用户B的用户终端的候选区域，用户C的初步候选区域中位于虚线圆框内的区域为用户C的用户终端的候选区域，用户D的初步候选区域中位于虚线圆框内的区域为用户D的用户终端的候选区域。

在实际实施时，虚线圆框的半径可以根据实际需求设置，用户A-用户D的用户终端对应的初步候选区域的形状也可能因交通工具的行驶路线的不同而不同。其次，本申请也可以采用其它方法选择每个初始候选区域中朝向公共中心点的部分区域，本实施例对此不作具体限制。具体实施时，可以结合出行特征和交通路况信息，生成候选区域。例如，当用户设置的出发时间位于周一至周五晚上5-7点之间时，由于该段时间属于下班高峰时段，因而，交通较为拥堵，导致部分交通工具的交通效率受到影响，例如公交车、自行车、轿车等行驶速度下降，因此，在生成候选区域时，需要考虑交通工具在特殊时间段的行驶速度，合理计算最大行程时长所能到达的区域。

通过本实施例，根据用户设置的出行特征生成候选区域，由于出行特征多样化且用户可以根据自身特征任意设置出行特征，因此，所生成的候选区域能最大程度地满足各个用户实际的出行需求。而相关技术仅以距各个用户距离相同的区域为公共候选区域，没有考虑用户的出发设置信息、交通工具设置信息、行程时长设置信息等，也没有结合交通路况信息，导致最终确定的候选对象较为粗糙，无法涵盖用户的心仪对象。因此，本申请的推荐信息生成的方法能较好地满足用户的出行需求，有效增强用户的使用体验。

结合以上实施例，在一种实施方式中，本申请还提供了一种确定公共候选区域的方法。具体地，上述步骤S32可以包括：

在所述多个用户终端各自的候选区域之间存在重叠区域的情况下，将所述重叠区域确定为所述公共候选区域。

在所述多个用户终端各自的候选区域之间不存在重叠区域的情况下，对所述多个用户终端中至少一个用户终端的候选区域进行调整，直至所述多个用户终端各自的候选区域之间存在重叠区域为止，并将所述多个用户终端各自的候选区域之间的重叠区域确定为所述公共候选区域。

在本实施例中，如果生成的各个用户终端的候选区域之间存在重叠区域，即交集区域，可以直接将该重叠区域作为公共候选区域。反之，如果生成的各个用户终端的候选区域之间不存在重叠区域，可以对其中的部分或者全部用户终端的候选区域进行调整，直到存在重叠区域，然后再将重叠区域作为公共候选区域。

在具体实施时，在对用户终端的候选区域进行调整时，可以预先向用户终端发送出行特征调整请求，如果用户允许调整出行特征，可以通过对出行时间、出行地点、交通工具、最大行程时长等进行调整，直到各个用户终端的候选区域存在重叠区域。当然，也可以首先进行调整，再将调整结果分别发送到各个用户终端，使得用户自行决策最终的调整方案。

其中，在调整出行特征时，针对不同的用户，可以采用不同的调整方案。例如，针对用户A，可以对其出行时间进行调整以避开出行高峰时段，或者对其交通方式进行调整以采用行驶速度更快的交通工具，再或者对其最大行程时长进行调整以扩大到达区域。在调整时，既可以对单个特征进行调整，也可以对多个特征进行调整，例如既可以只对出行时间进行调整，也可以对出行时间和交通工具同时进行调整等，本实施例对此不作具体限制。

在本实施例中，可以采用预设算法生成候选区域，然后采用预设调整算法调整生成的候选区域，本实施例对预设算法和预设调整算法不作具体限制。

在本实施例中，在各个候选区域不存在重叠区域时，可以通过调整已生成的候选区域从而获得重叠区域，进而获得公共候选区域和候选对象，保证推荐信息生成的方法的顺利执行。

在一种实施方式中，在对多个用户终端中至少一个用户终端的候选区域进行调整时，可以采用如下步骤：

以预设时间粒度，递增所述多个用户终端中至少一个用户终端的最大行程时长信息，进而扩大所述多个用户终端中至少一个用户终端的候选区域，直至所述多个用户终端各自的候选区域之间存在重叠区域为止。

在本实施例中，最大出行时长信息是适用于所有用户终端的可扩大候选区域的特征，因此，为简化调整过程，提升调整效率，可以只对出行特征中的最大行程时长进行调整。

示例地，用户终端A、用户终端B以及用户终端C各自的最大行程时长分别为20分钟、30分钟以及40分钟，预设时间粒度为5分钟，当对用户终端A、用户终端B以及用户终端C的候选区域进行调整时，可以将用户终端A、用户终端B以及用户终端C各自的最大行程时长分别调整为25分钟、35分钟以及45分钟，如果调整后仍旧不存在重叠区域，接着将用户终端A、用户终端B以及用户终端C各自的最大行程时长分别调整为30分钟、40分钟以及50分钟，以此类推，直到存在重叠区域。

通过本实施例，可以直接调整最大行程时长进而扩大候选区域，以获得公共候选区域，可有效简化调整过程，提升调整效率。

结合以上实施例，在一种实施方式中，本申请还提供了一种确定距离公共候选区域预设范围内的多个候选对象的方法。具体地，上述步骤S33可以包括：

以所述公共候选区域内的预设位置为候选对象的搜索起点，搜索并获取所述公共候选区域的边界内的多个可选对象。

按照筛选因子，从所述多个可选对象中筛选多个候选对象，所述筛选因子包括以下至少一者：历史点击量、历史用户评分、历史用户评论数量、近期点击量、近期用户评分、近期用户评论数量。

在从位于所述公共候选区域的初始边界内的各个对象中筛选出的候选对象的数量小于预设数量时，以预设时间粒度，递增所述多个用户终端各自的最大行程时长信息，进而扩大所述公共候选区域的边界，直至筛选出所述预设数量个候选对象。

在本实施例中，在获得公共候选区域后，可以搜索出该公共候选区域的初始边界内的符合候选对象类型的所有的可选对象，接着按照筛选因子，从所有可选对象中筛选出多个候选对象。当筛选出的候选对象的数量小于预设数量时，通过递增多个用户终端各自的最大行程时长信息扩大公共候选区域的边界，然后在扩大后的边界内的区域继续筛选候选对象，直到筛选出的候选对象的数量不小于预设数量。递增最大行程时长以扩大公共候选区域的边界的实施原理可参照前文所述，本实施例对此不作具体限制。其中，以图4为例，扩大后的边界是指外圆边界，扩大后的边界内的区域是指图4中的白色环状区域和灰色圆形区域之和。

其中，根据筛选因子可以得到多个筛选条件，例如筛选因子是历史点击量时，筛选条件可以是历史点击量不低于2万。筛选因子是历史用户评分时，筛选条件可以是历史用户评分不低于4.6分。筛选因子是历史用户评论数量时，筛选条件可以是历史用户评论数量不低于1万。筛选因子是近期点击量时，筛选条件可以是近一周历史点击量不低于2千。筛选因子是近期用户评分时，筛选条件可以是近一周用户评分不低于4.6分。筛选因子是近期用户评论数量时，筛选条件可以是近一周用户评论数量不低于500条。本实施例对筛选因子和筛选条件不作具体限制。

其中，筛选因子可以是是分析用户的历史行为数据获得，历史行为数据可以从用户注册的线上平台获得，本实施例对线上平台的类型以及从线上平台获得历史行为数据的方式不作具体限制。

示例地，以用户选择的候选对象的类型是火锅店，预设数量是30为例，首先筛选出公共候选区域的初始边界内的所有火锅店，作为可选火锅店，得到50个可选火锅店，接着按照历史用户评分不低于4.6的筛选条件从50个可选火锅店中进一步筛选出候选火锅店，得到20个候选火锅店，由于候选火锅店的数量小于预设数量30，因此进一步扩大公共候选区域的边界，在扩大后的边界的区域内继续筛选出之前未搜索过的评分不低于4.6的火锅店，得到新的15个候选火锅店，因而最终得到的候选火锅店的数量为35，大于预设数量30，满足条件。

在本实施例中，如果严格按照各个用户设置的出行特征筛选出的候选对象的数量较少，丰富度和优质度不够，因此，可以在对原有公共候选区域的边界进行扩大，在扩大后边界内继续筛选一部分候选对象，以提升候选对象的丰富度且增大涵盖优质候选对象的概率。由于筛选条件可以根据需求任意设置，例如考虑候选对象的用户评分、用户点击量等用户历史行为，在确定多个候选对象后对候选对象进一步筛选，可以筛选出更符合用户实际出行需求的待推荐对象。

结合以上实施例，在一种实施方式中，本申请还提供了另一种确定距离公共候选区域预设范围内的多个候选对象的方法。具体地，上述步骤S33可以包括：

按照筛选因子的第一系数，对位于所述公共候选区域的初始边界内的各个对象进行第一次筛选，得到第一部分候选对象。

以预设时间粒度，增大所述多个用户终端各自的最大行程时长信息，进而扩大所述公共候选区域的边界。

按照筛选因子的第二系数，对位于所述公共候选区域的扩大后的边界内的各个对象进行第二次筛选，得到第二部分候选对象，所述第二系数大于所述第一系数。

其中，所述第一部分候选对象与所述第二部分候选对象组成所述多个候选对象。

在本实施例中，对位于公共候选区域的初始边界内的各个对象进行筛选，可以获得第一部分候选对象，对位于公共候选区域的扩大后的边界内且初始边界外的各个对象进行筛选，可以获得第二部分候选对象。筛选第二部分候选对象时使用的第二系数比筛选第一部分候选对象时使用的第一系数大，表示第二部分候选对象的筛选条件比第一部分候选对象的筛选条件更为严格，保证第二部分候选对象比第一部分候选对象更为优质。

示例地，当筛选因子是历史点击量时，第一系数可以是1千，第二系数可以是2千；再示例地，当筛选因子是历史用户评分时，第一系数可以是4.5分，第二系数可以是4.6分。

以图4为例，在图4中，白色环状部分表示用于筛选第二部分候选对象的区域(扩大后的边界内且初始边界外)，阴影部分表示用于筛选第一部分候选对象的区域(初始边界内)。第一部分候选对象与第二部分候选对象组成公共候选区域的扩大后的边界内的多个候选对象。

在一种实施场景中，如果完全从初始公共候选区域筛选候选对象并向用户推荐，可能存在用户并无心仪的对象的情况，此时可以适当扩大公共候选区域，筛选出部分虽然未在初始公共候选区域但是相较于初始公共候选区域中的各个候选对象更为优质的候选对象并向用户推荐，以丰富用户的选择。

通过本实施例，不仅可以在初始公共候选区域内筛选出一部分候选对象，还可以从扩大后的公共候选区域内筛选出另一部分更为优质的候选对象，提升了候选对象的丰富度且增大了涵盖优质候选对象的概率。

结合以上实施例，本申请还提供了一种从候选对象中筛选出待推荐对象的方法。具体地，该方法可以包括：

根据所述多个用户终端各自对所述多个候选对象的偏好度，从所述多个候选对象中筛选出待推荐对象。

针对所述多个用户终端中的任一用户终端，该用户终端对所述多个候选对象的偏好度是按照以下步骤确定：

根据所述多个候选对象各自的特征信息，确定所述多个候选对象各自的向量表示；

根据该用户终端历史对各个对象的操作行为信息，确定该用户终端的向量表示；

将所述多个候选对象中每个候选对象的向量表示与该用户终端的向量表示输入偏好度预测模型，得到该用户终端对该候选对象的偏好度；

其中，所述偏好度预测模型是以样本用户终端的向量表示和样本对象的向量表示为训练样本，对预设模型进行训练而得到的，其中，所述样本对象为所述样本用户终端历史执行预设操作所针对的对象。

在本实施例中，可以首先训练得到偏好度预测模型，训练过程为：获得多个样本对象，根据各个样本对象各自的特征信息获得各个样本对象各自的向量表示；获得多个样本用户终端，根据各个样本用户终端对各个样本对象的历史操作行为信息获得各个样本用户终端的向量表示；利用各个样本对象的向量表示和各个样本用户终端的向量表示对神经网络模型进行训练，获得偏好度预测模型。

在获得单个用户终端对多个候选对象的偏好度时，可以根据该用户终端对多个候选对象的历史操作行为信息获得该用户终端的向量表示，然后根据各个候选对象各自的特征信息获得各个候选对象各自的向量表示；接着将该用户终端的向量表示和各个候选对象各自的向量表示输入到偏好度预测模型，即可获得用户终端对每一个候选对象的偏好度。接着，从所有候选对象中筛选出偏好度的值大于预设偏好度值的候选对象作为待推荐对象。

示例地，在获得用户终端X对候选对象1-候选对象4的偏好度时，可以根据用户终端X分别对候选对象1-候选对象4的历史操作行为信息获得用户终端X的向量表示V

在本实施例中，通过偏好度预测模型获得每一个用户终端对多个候选对象的偏好度，然后根据各个用户终端各自对多个候选对象的偏好度，筛选出待推荐对象，能有效提升用户对待推荐对象的满意程度，增强用户的使用体验。

结合以上实施例，在一种实施方式中，在获得各个用户终端对多个候选对象的偏好度之后，还可以根据偏好度对候选对象进行滤除操作，删除大部分用户都不感兴趣的候选对象。具体地，根据所述多个用户终端各自对所述多个候选对象的偏好度，从所述多个候选对象中筛选出待推荐对象，可以包括：

针对所述多个候选对象中的任一候选对象，确定所述多个用户终端中对该候选对象的偏好度高于预设偏好度的用户终端的数量。

在所述数量低于预设数量时，滤除该候选对象，以筛选出待推荐对象。

在本实施例中，针对每一个候选对象，如果偏好度高于预设偏好度的用户终端的数量低于预设数量，表示大部分用户对该候选对象不感兴趣，那么可以滤除该候选对象，最终将剩余的未滤除的候选对象作为待推荐对象。

在另一种实施方式中，还可以采取如下方式进行滤除，包括：如果偏好度低于预设偏好度的用户终端的数量高于预设数量，表示大部分用户对该候选对象的感兴趣程度较低，那么可以滤除该候选对象，最终将剩余的未滤除的候选对象作为待推荐对象。

上述两种滤除方式在实际执行时可以采取任意一种，本实施例对此不作具体限制。

在本实施例中，并没有直接将偏好度高于预设偏好度的候选对象作为待推荐对象，而是对偏好度高于预设偏好度的所有候选对象再次进行筛选，滤除掉大部分用户不感兴趣的候选对象，将剩余的偏好度高于预设偏好度的候选对象作为待推荐对象，能有效提升用户对待推荐对象的满意程度，增强用户的使用体验。

结合以上实施例，在一种实施方式中，本申请还提供了一种将待推荐对象推送给多个用户终端的方法。具体地，将从所述多个候选对象中筛选出的待推荐对象推送给所述多个用户终端，可以包括：

针对所述多个用户终端中的任一用户终端，将自所述用户终端的出发位置至所述待推荐对象的位置的行程信息，推荐给该用户终端。

在本实施例中，待推荐对象的数量可以是多个，信息推荐平台在获得多个待推荐对象之后，将每一个待推荐对象及其行程信息推荐给每一个用户终端。其中，行程信息可以包括：用户终端的出发位置至各个待推荐对象的位置的时长、交通方式、出发时间等。其中，行程信息可以有多种展现方式，例如可以将出发位置、待推荐对象的位置、交通路线、途径的景点、景点的图片、待推荐对象的图片、天气、温馨提示等结合音乐生成视频解说，以丰富行程信息的内容，增强用户的出行体验，本实施例对具体如何生成行程信息不作限制。

示例地，用户终端包括用户终端1-用户终端3，待推荐对象包括待推荐对象1-待推荐对象5，针对用户终端1，信息推荐平台向其发送的行程信息包括：用户终端1的出发位置至待推荐对象1的位置的行程信息-用户终端1的出发位置至待推荐对象5的位置的行程信息共5类行程信息。同理，针对用户终端2，信息推荐平台向其发送的行程信息包括：用户终端2的出发位置至待推荐对象1的位置的行程信息-用户终端2的出发位置至待推荐对象5的位置的行程信息共5类行程信息。

通过本实施例，将各个待推荐对象及其行程信息发送到各个用户终端，使得用户可以进一步选择最终的待推荐对象，为用户的决策提供了便利。

结合以上实施例，在一种实施方式中，本申请还提供了一种将待推荐对象推送给多个用户终端的方法。具体地，该方法可以包括：

对所述待推荐对象进行分类和整合。

根据所述待推荐对象的类别，对所述待推荐对象的用户终端偏好度进行优先级排序，生成所述待推荐对象的推荐内容。

将所述待推荐对象的推荐内容推送给所述多个用户终端，以供所述多个用户终端从所述待推荐对象中选择出目标对象。

在本实施例中，待推荐对象的数量可以是很多个，且待推荐对象可以具有多种类型，每一种类型的待推荐对象又可以划分为多个子类的待推荐对象。例如，当待推荐对象的类型是餐厅时，又可以划分为火锅、烧烤、串串等多种菜系，当待推荐对象的类型是娱乐活动时，又可以划分为跳舞、温泉、棋牌、电影等。

因此，针对一个类型的所有待推荐对象，可以将其划分为多个子类型，并整合每一个子类型下的所有的待推荐对象。由于每一个待推荐对象具有偏好度，因此，针对每一个子类型的待推荐对象，可以按照偏好度由高到低的顺序进行排序，最终将各个子类型及其对应的排序好的各个待推荐对象作为推荐内容。

示例地，待推荐对象的类型是餐厅，数量为30，其中，火锅店的数量为10，烧烤店的数量为15，串串店的数量为5，那么针对10个火锅店，按照偏好度的高低顺序进行排序，针对15个烧烤店，按照偏好度的高低顺序进行排序，针对5个串串店，按照偏好度的高低顺序进行排序，最终得到推荐内容。将推荐内容发送给各个用户终端后，用户便可看到火锅店、烧烤店、串串店共3个子类型的餐厅，点击火锅店后，可以查看到各个火锅店，由于各个火锅店是按照偏好度高低顺序排列的，因此用户优先看到的是大部分用户感兴趣的火锅店。

通过本实施例，在向用户终端发送待推荐对象时，首先对待推荐对象进行分类和整合，并按照用户的感兴趣程度排序，使得用户可以更为方便地查看各个待推荐对象，为用户的决策提供了便利。

在一种实施方式中，在向用户终端发送待推荐内容后，信息推荐平台还可以为各个用户终端提供决策服务，例如向各个用户终端发送可以提供的各项服务，这些服务可以包括：投票服务、掷骰子服务、猜拳。费用分摊服务、自动下团购单服务等，为多个用户协商确定最终的目标对象增加趣味性，同时提供便利，提升用户的使用体验。

以上给出了在多人同城出行场景下的推荐信息生成的方法，该方法也可以扩展到多人非同城出行场景，只需在交通工具中增加火车、飞机、动车等，用户可接受行程时长以天为单位，在生成行程信息的时候，可以结合住宿、景点、门票、到餐等生成视频解说。在该场景下推生成荐信息的原理，与本申请中生成推荐信息的原理相同，在此不作赘述。

基于同一发明构思，本申请一实施例提供一种推荐信息生成的装置700。参考图700，图7是本申请一实施例提供的推荐信息生成的装置的结构框图。如图7所示，该推荐信息生成的装置700包括：

生成模块701，用于根据多个多用户终端各自设置的出行特征信息，生成所述多个用户终端各自的候选区域；

第一确定模块702，用于根据所述多个用户终端各自的候选区域，确定公共候选区域；

第二确定模块703，用于确定距离所述公共候选区域预设范围内的多个候选对象；

推送模块704，用于将从所述多个候选对象中筛选出的待推荐对象推送给所述多个用户终端。

可选地，所述生成模块701包括：

生成子模块，用于针对所述多个用户终端中的任一用户终端，根据该用户终端的出发设置信息、交通工具设置信息、行程时长设置信息，结合获取的交通路况信息，生成该用户终端的初始候选区域；

第一确定子模块，用于根据所述多个用户终端各自的初始候选区域的边界，确定公共中心点；

第二确定子模块，用于针对所述多个用户终端中的任一用户终端，将该用户终端的初始候选区域中朝向所述公共中心点的部分区域，确定为该用户终端的候选区域；

其中，所述出发设置信息包括：所述用户终端设置的出发位置信息、所述用户终端设置的出发时间信息；所述行程时长设置信息至少包括：所述用户终端设置的最大行程时长信息。

可选地，所述第一确定模块702包括：

第三确定子模块，用于在所述多个用户终端各自的候选区域之间存在重叠区域的情况下，将所述重叠区域确定为所述公共候选区域；

调整模块，用于在所述多个用户终端各自的候选区域之间不存在重叠区域的情况下，对所述多个用户终端中至少一个用户终端的候选区域进行调整，直至所述多个用户终端各自的候选区域之间存在重叠区域为止，并将所述多个用户终端各自的候选区域之间的重叠区域确定为所述公共候选区域。

可选地，所述调整模块包括：

第一调整子模块，用于以预设时间粒度，递增所述多个用户终端中至少一个用户终端的最大行程时长信息，进而扩大所述多个用户终端中至少一个用户终端的候选区域，直至所述多个用户终端各自的候选区域之间存在重叠区域为止。

可选地，所述第一确定模块702包括：

搜索模块，用于以所述公共候选区域内的预设位置为候选对象的搜索起点，搜索并获取所述公共候选区域的边界内的多个可选对象；

第一筛选子模块，用于按照筛选因子，从所述多个可选对象中筛选多个候选对象，所述筛选因子包括以下至少一者：历史点击量、历史用户评分、历史用户评论数量、近期点击量、近期用户评分、近期用户评论数量；

第二筛选子模块，用于在从位于所述公共候选区域的初始边界内的各个对象中筛选出的候选对象的数量小于预设数量时，以预设时间粒度，递增所述多个用户终端各自的最大行程时长信息，进而扩大所述公共候选区域的边界，直至筛选出所述预设数量个候选对象。

可选地，所述第一确定模块包括：

第三筛选子模块，用于按照筛选因子的第一系数，对位于所述公共候选区域的初始边界内的各个对象进行第一次筛选，得到第一部分候选对象；

第二调整子模块，用于以预设时间粒度，增大所述多个用户终端各自的最大行程时长信息，进而扩大所述公共候选区域的边界；

第四筛选子模块，用于按照筛选因子的第二系数，对位于所述公共候选区域的扩大后的边界内的各个对象进行第二次筛选，得到第二部分候选对象，所述第二系数大于所述第一系数；

其中，所述第一部分候选对象与所述第二部分候选对象组成所述多个候选对象。

可选地，所述装置700还包括：

筛选模块，用于根据所述多个用户终端各自对所述多个候选对象的偏好度，从所述多个候选对象中筛选出待推荐对象；

针对所述多个用户终端中的任一用户终端，该用户终端对所述多个候选对象的偏好度是按照以下步骤确定：

根据所述多个候选对象各自的特征信息，确定所述多个候选对象各自的向量表示；

根据该用户终端历史对各个对象的操作行为信息，确定该用户终端的向量表示；

将所述多个候选对象中每个候选对象的向量表示与该用户终端的向量表示输入偏好度预测模型，得到该用户终端对该候选对象的偏好度；

其中，所述偏好度预测模型是以样本用户终端的向量表示和样本对象的向量表示为训练样本，对预设模型进行训练而得到的，其中，所述样本对象为所述样本用户终端历史执行预设操作所针对的对象。

可选地，所述筛选模块包括：

第四确定子模块，用于针对所述多个候选对象中的任一候选对象，确定所述多个用户终端中对该候选对象的偏好度高于预设偏好度的用户终端的数量；

滤除模块，用于在所述数量低于预设数量时，滤除该候选对象，以筛选出待推荐对象。

可选地，所述推送模块包括：

第一推送子模块，用于针对所述多个用户终端中的任一用户终端，将自所述用户终端的出发位置至所述待推荐对象的位置的行程信息，推荐给该用户终端。

可选地，所述推送模块604包括：

整合模块，用于对所述待推荐对象进行分类和整合；

排序模块，用于根据所述待推荐对象的类别，对所述待推荐对象的用户终端偏好度进行优先级排序，生成所述待推荐对象的推荐内容；

第二推送子模块，用于将所述待推荐对象的推荐内容推送给所述多个用户终端，以供所述多个用户终端从所述待推荐对象中选择出目标对象。

基于同一发明构思，本申请另一实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请上述任一实施例所述的方法中的步骤。

基于同一发明构思，本申请另一实施例提供一种电子设备800，如图8所示。图8是本申请一实施例示出的一种电子设备的示意图。该电子设备包括存储器802、处理器801及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行时实现本申请上述任一实施例所述的方法中的步骤。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例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，本申请实施例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。

本申请实施例是参照根据本申请实施例的方法、终端设备(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终端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终端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终端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终端设备上，使得在计算机或其他可编程终端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终端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。

尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。

以上对本申请所提供的一种推荐信息生成的方法、装置、电子设备及存储介质，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。