一种3D成品推荐方法、设备、装置及存储介质

技术领域

本发明涉及互联网技术领域，尤其涉及一种3D成品推荐方法、设备、装置及存储介质。

背景技术

随着大数据技术和人工智能技术的发展，人们的日常生活早已趋向于快节奏，而快节奏的生活方式自然离不开网络，网络购物、网络交流、网络工作都已成为当下潮流。

随着网络的普及利用，利用网页进行线上产品销售也逐渐成为电商行业竞争的主要方向，但就目前的线上产品推荐效果来说，传统的产品推荐方式主要集中于根据用户历史行为进行购买预测，进而根据预测结果向用户推荐产品，但事实上，用户的需求可能在不断变化，现有技术中，仅根据用户历史行为而做出的产品推荐是不足以满足用户不断变化的购物需求的。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种3D成品推荐方法、设备、装置及存储介质，旨在解决现有技术产品推荐准确率低，用户体验不高的技术问题。

为实现上述目的，本发明提供了一种3D成品推荐方法，所述方法包括以下步骤:

获取待推荐用户在目标页面中的行为数据；

根据所述行为数据确定所述待推荐用户的初始偏好类型及物品期望；

根据所述初始偏好类型及物品期望确定所述待推荐用户的目标物品偏好特征；

根据所述目标物品偏好特征确定目标3D成品，并在所述目标页面上对所述目标3D成品对应的产品信息进行展示。

可选地，所述获取待推荐用户在目标页面中的行为数据包括：

获取待推荐用户在目标页面的点击信息，并记录所述待推荐用户在每次页面点击操作后对应的页面浏览时长；

获取所述页面浏览时长大于预设浏览时长的用户浏览页面，并检测所述待推荐用户在所述用户浏览页面的操作特征；

将所述操作特征作为所述待推荐用户的行为数据。

可选地，所述根据所述行为数据确定所述待推荐用户的初始偏好类型及物品期望，包括：

对所述行为数据进行特征数据提取，并对提取的特征数据进行聚类；

根据聚类结果确定所述待推荐用户的初始偏好类型及物品期望。

可选地，所述对所述行为数据进行特征数据提取，并对提取的特征数据进行聚类之前，包括：

检测所述行为数据中是否具有搜索数据；

若不存在所述搜索数据，则执行所述对所述行为数据进行特征数据提取，并对提取的特征数据进行聚类的步骤。

可选地，所述根据聚类结果确定所述待推荐用户的初始偏好类型及物品期望，具体包括：

根据聚类结果获取聚类后的特征数据簇，并比较各特征数据簇之间的数据量大小；

获取数据量最大的目标特征数据簇，并根据所述目标特征数据簇所对应的产品类别确定所述待推荐用户的初始偏好类型及物品期望。

可选地，所述根据所述初始偏好类型及物品期望确定所述待推荐用户的目标物品偏好特征，包括：

将所述待推荐用户的初始偏好类型及物品期望作为关键信息，并将所述关键信息传输至用户画像信息系统，以查找对应的同类型用户；

获取所述同类型用户的物品偏好特征，并以所述物品偏好特征作为所述待推荐用户的目标物品偏好特征。

可选地，所述根据所述目标物品偏好特征确定目标3D成品，并在所述目标页面上对所述目标3D成品对应的产品信息进行展示，包括：

遍历各同类型用户的物品偏好特征，并根据遍历结果进行物品偏好特征整合，以获取所述同类型用户的共有物品偏好特征；

将所述共有物品偏好特征作为目标物品偏好特征，并根据所述目标物品偏好特征选择目标3D成品；

将所述目标3D成品对应的产品信息进行展示。

此外，为实现上述目的，本发明还提出一种3D成品推荐装置，所述3D成品推荐装置包括：

行为数据获取模块，用于获取待推荐用户在目标页面中的行为数据；

初始偏好确定模块，用于根据所述行为数据确定所述待推荐用户的初始偏好类型及物品期望；

目标偏好确定模块，用于根据所述初始偏好类型及物品期望确定所述待推荐用户的目标物品偏好特征；

产品信息展示模块，用于根据所述目标物品偏好特征确定目标3D成品，并在所述目标页面上对所述目标3D成品对应的产品信息进行展示。

此外，为实现上述目的，本发明还提出一种3D成品推荐设备，所述3D成品推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的的3D成品推荐程序，所述的3D成品推荐程序配置为实现如上文所述的的3D成品推荐方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有的3D成品推荐程序，所述的3D成品推荐程序被处理器执行时实现如上文所述的的3D成品推荐方法的步骤。

本发明通过获取待推荐用户在目标页面中的行为数据；根据所述行为数据确定所述待推荐用户的初始偏好类型及物品期望；根据所述初始偏好类型及物品期望确定所述待推荐用户的目标物品偏好特征；根据所述目标物品偏好特征确定目标3D成品，并在所述目标页面上对所述目标3D成品对应的产品信息进行展示。由此，本发明通过用户在浏览网页时产生的行为数据确定用户的初始偏好类型及物品期望，进一步根据所述初始偏好类型及物品期望确定用户的目标物品偏好特征，再进一步由所述目标物品偏好特征确定可向用户推荐的目标3D成品。与现有技术相比，本发明的推荐方式更能满足用户随时变化的购物期望，保证了推荐准确率的同时也提高了用户体验。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的3D成品推荐设备的结构示意图；

图2为本发明3D成品推荐方法第一实施例的流程示意图；

图3为本发明3D成品推荐方法第二实施例的流程示意图；

图4为本发明3D成品推荐方法第三实施例的流程示意图；

图5为本发明3D成品推荐装置一实施例涉及的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的3D成品推荐设备结构示意图。

如图1所示，该3D成品推荐设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对3D成品推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及3D成品推荐程序。

在图1所示的3D成品推荐设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明3D成品推荐设备中的处理器1001、存储器1005可以设置在3D成品推荐设备中，所述3D成品推荐设备通过处理器1001调用存储器1005中存储的3D成品推荐程序，并执行本发明实施例提供的3D成品推荐方法。

本发明实施例提供了一种3D成品推荐方法，参照图2，图2为本发明一种3D成品推荐方法第一实施例的流程示意图。

本实施例中，所述3D成品推荐方法包括以下步骤：

步骤S10：获取待推荐用户在目标页面中的行为数据。

需要说明的是，本发明方法的执行主体可以是具有数据处理、网络通信以及程序运行功能的计算机设备，例如个人电脑、智能手机，或者其他具有相似功能的电子设备。所述目标页面可以是用户根据自己当前的需求类型在搜索引擎上打开的任意网页，例如：A用户计划去旅游，打开了某旅游网站，那么，当所述用户进入旅游网站所对应的网页时，该网页就可被称为旅游目标页面。又如：B用户计划健身，打开了健身网或者其他专为健身服务的任意网站，当所述用户进入健身网站所对应的网页时，该网页就可被称为健身目标页面。所述行为数据可以是能表征用户在进行网页操作行为时产生的数据。

可以理解的是，当用户进行页面浏览时会产生很多数据，例如：页面浏览时长、光标停留时长、点击的链接或是搜索等操作都会产生对应数据，而上述用户操作而产生的数据都可作为用户的行为数据。通过对这些数据的获取，可以进一步分析得到上述用户对页面的兴趣程度。当然，具体数据的获取组合可根据具体实施场景具体设定，本实施例对此不做限定。

步骤S20：根据所述行为数据确定所述待推荐用户的初始偏好类型及物品期望。

需要说明的是，所述初始偏好类型可以是表征用户需求的具体类别，例如旅游类、运动类。所述物品期望是表征所述用户在这个类别中所期望拥有的物品，例如某A用户的初始偏好类型是旅游类，那么，旅游时所需要的物品都可以被称为是A用户的物品期望，但由于相关物品种类繁多，因此要根据A用户的行为数据进一步确定该用户具体的物品期望。

在具体实施中，当用户进行请求操作时，会产生一系列URL链接，而URL包含很多组成部分，其中，URL中的参数部分是访问页面的重要信息参考部分，从“？”开始到“#”为止之间的部分为参数部分，又称搜索部分、查询部分，例如：某URL的参数部分为“？ID＝24618#”，可知用户需要的目标数据是ID为24618的目标物品，又如某URL的参数部分为“？keyword＝电脑#”，可直接推断，所述用户以电脑为关键词进行了搜索，可大致判断所述用户的初始偏好类型是电子产品类，且以电脑为物品期望方向。因此，通过获取用户点击的链接URL数据，可作为判断用户期望方向的一个标准。

在一些实施例中，还可以根据用户的浏览时长来判断用户的物品期望。

需要说明的是，页面生命周期可抽象为三个动作：进入、活跃状态切换、离开。通过监控这三个动作，然后在对应触发的事件中记录时间戳，由此可确定用户在当前页面的浏览时长。进一步通过比较所述页面浏览时长，时间越长的页面内容对应的物品及该物品的同类型物品都可作为用户的期望物品。

需要补充的是，页面停留时长并不能等于页面浏览时长，浏览时会伴随状态切换，例如刷新、点击、链接更换等操作，而停留时长仅仅表示的是用户打开页面的总时长，在这段时间内，用户是否进行了其他事件是无法得知的，因此，对于活跃状态切换的时间戳获取可进一步提高用户期望判定的准确性。

为了便于理解，本实施例对步骤S20举例进行具体说明。

例如：某A用户计划去旅游，因此他通过搜索引擎进入了某旅游网站，在该网站中，A用户进行了页面浏览，点击了一日游，此时，后台数据会相应生成一链接，其中参数部分为tm＝i02&q＝一日游&tf＝ejyry，进一步地，所述用户先后点击并浏览了三亚一日游与成都一日游的有关内容，通过数据获取，三亚一日游的浏览时长为40分钟，成都一日游的浏览时长为20分钟，且点击了包含天气、雨伞、防晒霜的链接。通过对以上数据的获取分析，可得到待推荐用户的初始偏好类型为旅游，物品期望是去三亚旅游所需的物品，例如防晒霜等。

步骤S30：根据所述初始偏好类型及物品期望确定所述待推荐用户的目标物品偏好特征。

需要说明的是，所述目标物品偏好特征可以是系统经过数据分析，得到的可向用户进行推荐的最满足客户需求的物品偏好特征，并不代表所述目标物品偏好特征是用户的主观意愿。

在具体实现中，所述待推荐用户的目标物品偏好特征的确定可以是用户画像系统。根据所述初始偏好类型及物品期望查找用户画像系统中的其他用户，进一步根据其他用户的物品偏好特征确定所述待推荐用户的目标物品偏好特征。

为了便于理解，本实施例对步骤S30举例进行具体说明。

例如：待推荐用户的初始偏好类型为旅游，物品期望是去三亚旅游所需的物品，例如防晒霜。以三亚旅游初始偏好类型、以防晒霜为物品期望输入至用户画像系统，获取到去三亚旅游偏好防晒霜的用户也偏好太阳伞，因此，可确定太阳伞为所述待推荐用户的目标物品偏好特征。

步骤S40：根据所述目标物品偏好特征确定目标3D成品，并在所述目标页面上对所述目标3D成品对应的产品信息进行展示。

需要说明的是，所述目标3D成品是经过分析得到的最满足用户期望的目标3D产品，以3D立体形式展示于对应页面上，包括产品样式与产品信息，在具体实现中，用户可进行旋转，拉拽等操作查看所述3D成品的全景图像。展示位置可以是页面的任意地方，如右上角或左下角，当然，用户也可以根据自己的现实场景需要自动拖拽进行位置调整，本实施例对此不加以限定。

在具体实现中，所述展示的目标3D成品可以是一个，也可以是多个，具体产品数量可根据实际情景具体选定。

本实施例通过获取待推荐用户在目标页面中的行为数据；根据所述行为数据确定所述待推荐用户的初始偏好类型及物品期望；根据所述初始偏好类型及物品期望确定所述待推荐用户的目标物品偏好特征；根据所述目标物品偏好特征确定目标3D成品，并在所述目标页面上对所述目标3D成品对应的产品信息进行展示。由此，本发明通过用户在浏览网页时产生的行为数据确定用户的初始偏好类型及物品期望，进一步根据所述初始偏好类型及物品期望确定用户的目标物品偏好特征，再进一步由所述目标物品偏好特征确定可向用户推荐的目标3D成品，较传统的基于用户历史行为进行推荐的方式而言，本发明在一定程度上提高了推荐准确率，也提高了用户体验感。

进一步地，为了解决所述待推荐用户在浏览时产生的数据量过大，数据分析效率过低的技术问题，所述步骤S10，可以细化为：

获取待推荐用户在目标页面的点击信息，并记录所述待推荐用户在每次页面点击操作后对应的页面浏览时长；

获取所述页面浏览时长大于预设浏览时长的用户浏览页面，并检测所述待推荐用户在所述用户浏览页面的操作特征；

将所述操作特征作为所述待推荐用户的行为数据。

可以理解的是，用户操作特征是通过行为数据直接表现的，用户具体做了哪些操作且各操作有什么特点是无法直接获知的，因此，通过获取操作特征对应的数据，在对数据进行分析可间接获得用户感兴趣的内容。

容易理解的是，页面浏览时长越长，说明用户对于此页面的兴趣度较高，相反，浏览时长较短，说明用户对该页面的兴趣度较低，又可能是用户误点而产生的行为，因此，仅对页面浏览时长大于预设浏览时长的页面进行操作特征的检验，可进一步减少无效信息的干扰，进一步提高推荐准确度。

在具体实现中，所述预设浏览时长的时间设定可根据具体场景具体设定，本发明对此不加以限定。通过预设浏览时长的设定，可实现初步的数据清洗，在很大程度上减少了无关数据的干扰，提高数据分析效率的同时也提高了物品推荐准确率。

参考图3，图3为本发明一种3D成品推荐方法第二实施例的流程示意图。

基于上述第一实施例，本实施例3D成品推荐方法，步骤S20具体包括：

步骤S201：对所述行为数据进行特征数据提取，并对提取的特征数据进行聚类。

需要说明的是，所述特征数据是能表征用户期望方向的数据，所述聚类是将数据分类到不同的类或者簇，同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。通过聚类，可将用户产生的大量行为数据进行数据清洗分类，以便于获取目标信息。

为了便于理解，本实施例对步骤S201举例进行具体说明。

例如：某A用户在旅游网站进行了多个页面浏览，包括目的地为上海、安徽、福建、江西、武汉、山东、广东、浙江，所述对目的地的浏览数据即为提取的行为数据，经过数据聚类，得到当簇数为2时的聚类结果为Cluster 0：安徽、福建、江西、武汉、山东，Cluster 1：广东、上海、浙江。

步骤S202：根据聚类结果确定所述待推荐用户的初始偏好类型及物品期望。

需要说明的是，所述聚类结果可以表征各簇之间的数据多少以及聚类标准，例如，上述示例中，Cluster 1簇省份经济较为发达，消费水平较高聚集为一簇，Cluster 0簇省份经济发展一般，消费水平较低聚集为另一簇。根据聚类结果，由于在用户浏览的所有省份中，经济消费水平一般的省份居多，因此可判定A用户旅游的意向省份为经济消费水平一般的省份，进一步根据A用户在各省份相关内容的浏览时长，确定所述A用户的期望省份。

在一些实施例中，所述对所述行为数据进行特征数据提取，并对提取的特征数据进行聚类之前，包括：

检测所述行为数据中是否具有搜索数据；

若不存在所述搜索数据，则执行所述对所述行为数据进行特征数据提取，并对提取的特征数据进行聚类的步骤。

易于理解的是，搜索操作表征的是用户的直接意愿，当用户有清晰的目标或者对某东西有一定的了解愿望时才会进行搜索操作，因此，用户的搜索内容都表明了用户的直接期望，此时，根据搜索内容可直接确定所述推荐用户的初始偏好类型及物品期望。

若未进行搜索操作，表明用户没有直接期望方向，此时可根据用户点击、浏览等操作特征产生的数据进行数据聚类分析，进一步确定用户的初始偏好类型及物品期望。

在具体实现中，所述根据聚类结果确定所述待推荐用户的初始偏好类型及物品期望，具体包括：

根据聚类结果获取聚类后的特征数据簇，并比较各特征数据簇之间的数据量大小；

获取数据量最大的目标特征数据簇，并根据所述目标特征数据簇所对应的产品类别确定所述待推荐用户的初始偏好类型及物品期望。

需要说明的是，所述特征数据簇是表征用户行为的特征数据类，易于理解的是，所述数据量大小可判定所述用户对某一簇特征的期望指数，数据量大的簇可认为是用户的期望簇。

例如：A用户在进行目的地为上海、安徽、福建、江西、武汉、山东、广东、浙江浏览时，获取到对应省份的浏览时长为，上海13分钟、安徽15分钟、福建15分钟、江西20分钟、武汉10分钟、山东10分钟、广东8分钟、浙江10分钟。聚类后得到结果，Cluster 2：安徽15分钟、福建15分钟、江西20分钟，Cluster:3：武汉10分钟，Cluster 4：上海13分钟，Cluster 5：广东8分钟、浙江10分钟，聚类标准为浏览时长是否大于10min和经济是否发达，根据聚类结果，可确定用户的期望簇为Cluster 2，进一步地，可确定用户的偏好省份为江西。进一步根据用户的行为数据，获取A用户在江西省进行的浏览数据，以确定A用户的物品期望。

本实施例通过对用户行为数据的获取，并对所述行为数据进行聚类、分析，根据聚类结果确定用户的初始偏好类型及物品期望。由此，实现了对海量数据的有用提取，达到了由行为数据确定用户的初始偏好类型及物品期望的目的。

基于上述第二实施例，本发明针对目标物品偏好特征的确定及目标3D成品的展示提出了第三实施例。

参考图4，图4为本发明一种3D成品推荐方法第三实施例的流程示意图基于上述第二实施例，本实施例3D成品推荐方法，步骤S30具体包括：

步骤S301：将所述待推荐用户的初始偏好类型及物品期望作为关键信息，并将所述关键信息传输至用户画像信息系统，以查找对应的同类型用户；

需要说明的是，所述用户画像是真实用户的虚拟代表，是建立在一系列真实数据(Marketing data,Usability data)之上的用户模型。由于不同类型的网站提取的用户画像各有侧重点，特别地，本实施例中所述用户画像系统会包含用户的兴趣特征，比如体育类、娱乐类、美食类、理财类、旅游类、房产类、汽车类等等。

在具体实现中，将关键信息传输至用户画像信息系统，查找与用户对应的同类型用户，所述同类型用户可以为包含了所述初始偏好类型及物品期望的所有用户，查找方式可以为模糊查找。

为了便于理解，本实施例对步骤S301举例进行具体说明。

例如：某A用户的关键信息为旅游、江西、亲子，将以上关键信息输入至用户画像系统，查找到进行江西亲子旅游的有同类型用户B、同类型用户C和同类型用户D，且BCD用户的物品清单分别为，同类型用户B：防蚊喷雾、小号电水壶、湿巾、帽子、洗手液，同类型用户C：小号电水壶、帽子、洗手液、防蚊喷雾、健胃消食片，同类型用户D：小号电水壶、帽子、雨伞、湿巾、防蚊喷雾。

步骤S302：获取所述同类型用户的物品偏好特征，并以所述物品偏好特征作为所述待推荐用户的目标物品偏好特征。

易于理解的是，有相同目的的同类型用户需要的物品也具有很大的相似度，例如，去三亚、海南等地旅游必备防晒霜，因此，可以根据用户画像系统中同类型用户的物品偏好特征来推断待推荐用户的目标物品偏好特征。

进一步地，确定了目标物品偏好特征之后还包括：

根据所述目标物品偏好特征确定目标3D成品，并在所述目标页面上对所述目标3D成品对应的产品信息进行展示。

进一步地，所述根据所述目标物品偏好特征确定目标3D成品，并在所述目标页面上对所述目标3D成品对应的产品信息进行展示，具体包括：

遍历各同类型用户的物品偏好特征，并根据遍历结果进行物品偏好特征整合，以获取所述同类型用户的共有物品偏好特征；

将所述共有物品偏好特征作为目标物品偏好特征，并根据所述目标物品偏好特征选择目标3D成品；

将所述目标3D成品对应的产品信息进行展示。

容易想到的是，同类型用户都选择的物品一定是在用户需求范围内的。遍历同类型用户的物品偏好特征，得到所有同类型用户的共有物品偏好特征，进一步可确定所述待推荐用户的目标物品偏好特征的范围。

在具体实现中，通过对同类型用户的物品进行遍历，以查询各同类型用户的具体物品偏好特征。例如：对上述用户B、用户C、用户D的物品偏好特征进行遍历，得到共有物品为：帽子、小号电水壶、防蚊喷雾。那么，帽子、小号电水壶、防蚊喷雾即为待推荐用户的目标物品偏好特征。

进一步地，通过获取用户画像系统中同类型用户对共有物品的使用频数，以使用频数最高的物品作为可向用户推荐的产品。

例如：对于上述例子中，获取到在用户画像系统中同类型用户BCD使用帽子、小号电水壶、防蚊喷雾的总频数分别为：10次、5次、8次，由此，可确定帽子为可向用户推荐的目标3D成品。

本实施例通过将获取的关键信息输入至用户画像系统，以查找同类型用户，并进一步根据同类型用户的物品偏好特征从而确定待推荐用户的目标物品偏好特征，并根据目标物品偏好特征选择目标3D成品进行展示推荐。基于此，本实施例以同类型用户的物品偏好特征为推荐标准，在减少用户查找时间的同时又向用户准确推荐了产品，提高了用户体验感。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有3D成品推荐程序，所述3D成品推荐程序被处理器执行时实现如上文所述的3D成品推荐方法的步骤。

参照图5，图5为本发明3D成品推荐装置一实施例涉及的结构框图。如图5所示，本发明实施例提出的3D成品推荐装置包括：

行为数据获取模块10，用于获取待推荐用户在目标页面中的行为数据；

初始偏好确定模块20，用于根据所述行为数据确定所述待推荐用户的初始偏好类型及物品期望；

目标偏好确定模块30，用于根据所述初始偏好类型及物品期望确定所述待推荐用户的目标物品偏好特征；

产品信息展示模块40，用于根据所述目标物品偏好特征确定目标3D成品，并在所述目标页面上对所述目标3D成品对应的产品信息进行展示。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

本实施例通过获取待推荐用户在目标页面中的行为数据；根据所述行为数据确定所述待推荐用户的初始偏好类型及物品期望；根据所述初始偏好类型及物品期望确定所述待推荐用户的目标物品偏好特征；根据所述目标物品偏好特征确定目标3D成品，并在所述目标页面上对所述目标3D成品对应的产品信息进行展示。由此，本发明通过用户在浏览网页时产生的行为数据确定用户的初始偏好类型及物品期望，进一步根据所述初始偏好类型及物品期望确定用户的目标物品偏好特征，再进一步由所述目标物品偏好特征确定可向用户推荐的目标3D成品。较传统的基于用户历史行为进行推荐的方式而言，本发明实现了在用户不知道具体需求时的物品个性化推荐，在满足用户需求的同时还提高了推荐准确度，提高了用户体验感。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的3D成品推荐方法，此处不再赘述。

此外，需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

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上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。