车辆推荐方法、装置、电子设备及存储介质与流程

1.本发明涉及智能决策领域，尤其涉及一种车辆推荐方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着信息科技的发展，人们的生活水平不断提高，越来越多的家庭有置换车的需求，以保障基本的交通出行，提高生活的便利度。目前，置换车推荐通常是基于用户线上或线下的车辆浏览数据进行置换车推荐，但是在实际业务场景中，许多用户为了保障个人数据的隐私性，会存在虚假数据的填写现象，这样容易导致置换车辆推荐的准确度不高。


技术实现要素：

3.本发明提供一种车辆推荐方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高车辆推荐的准确性。
4.为实现上述目的，本发明提供的一种车辆推荐方法，包括：
5.获取车辆推荐用户及对应的用户信息，对所述用户信息进行特征提取，得到特征用户信息，根据所述特征用户信息，标记所述车辆推荐用户的车辆需求阶段；
6.基于所述车辆需求阶段，利用车辆推荐模型中的召回层采集所述车辆推荐用户的偏好车型；
7.利用所述车辆推荐模型中的决策层对所述偏好车型和所述车辆推荐用户进行属性交叉，得到所述偏好车型和车辆推荐用户的叶子属性节点；
8.利用所述车辆推荐模型中的拟合层对所述叶子属性节点进行偏好拟合，得到所述偏好车型与所述车辆推荐用户的偏好概率，并根据所述偏好概率，从所述偏好车型中选取满足预设条件的偏好车型推荐给所述车辆推荐用户。
9.可选地，所述对所述用户信息进行特征提取，得到特征用户信息，包括：
10.对所述用户信息进行去重处理，计算去重后的所述用户信息中每个用户数据的信息权重；
11.选取所述信息权重大于预设阈值的用户数据，根据选取的用户数据，生成特征用户信息。
12.可选地，所述根据所述特征用户信息，标记所述车辆推荐用户的车辆需求阶段，包括：
13.获取所述特征用户信息的用户属性，根据所述用户属性，识别所述车辆推荐用户的用车节点；
14.根据所述用车节点，确定所述车辆推荐用户的车辆需求阶段。
15.可选地，所述基于所述车辆需求阶段，利用车辆推荐模型中的召回层采集所述车辆推荐用户的偏好车型，包括：
16.基于所述车辆需求阶段，确定所述车辆推荐用户的用户属性，利用所述召回层的
编码模块对所述用户属性进行特征分支，得到至少两个分支属性；
17.统计每个所述分支属性的历史车型购买数量，并选取所述历史车型购买数量大于预设数量的历史车型，得到每个所述分支属性的历史偏好车型；
18.利用所述召回层的排序模块对所述历史偏好车型进行数量排序，得到所述用户属性的偏好车型排序表，根据所述偏好车型排序表，生成所述车辆推荐用户的偏好车型。
19.可选地，所述利用所述车辆推荐模型中的决策层对所述偏好车型和所述车辆推荐用户进行属性交叉，得到所述偏好车型和车辆推荐用户的叶子属性节点，包括：
20.查询所述车辆推荐用户中所有的分支属性，利用所述决策层中的决策树算法构建所述分支属性与所述偏好车型的决策树；
21.利用所述决策层中的线性回归函数确定所述分支属性与所述偏好车型在所述决策树中叶子索引位置，生成所述偏好车型和所述车辆推荐用户的叶子属性节点。
22.可选地，所述利用所述车辆推荐模型中的拟合层对所述叶子属性节点进行偏好拟合，得到所述偏好车型与所述车辆推荐用户的偏好概率，包括：
23.利用所述拟合层中的激活函数计算所述叶子属性节点中分支属性与偏好车型的分支偏好概率；
24.利用所述拟合层中的拟合函数拟合所述分支偏好概率，得到所述偏好车型与所述车辆推荐用户的偏好概率。
25.可选地，所述拟合函数包括：
[0026][0027]
其中，r
im
表示车辆推荐用户对偏好车型的偏好概率，表示学习率，l(y
i
,f(x
i
)表示损失函数，y
i
表示第i个分支属性的偏好车型的偏好概率，f(x
i
)表示决策树中第i个区域函数， f(x)表示决策树中的区域函数，f
m
‑
1()
表示决策树中的区域拟合函数。
[0028]
为了解决上述问题，本发明还提供一种车辆推荐装置，所述装置包括：
[0029]
需求阶段标记模块，用于获取车辆推荐用户及对应的用户信息，对所述用户信息进行特征提取，得到特征用户信息，根据所述特征用户信息，标记所述车辆推荐用户的车辆需求阶段；
[0030]
偏好车型采集模块，用于基于所述车辆需求阶段，利用车辆推荐模型中的召回层采集所述车辆推荐用户的偏好车型；
[0031]
属性交叉模块，用于利用所述车辆推荐模型中的决策层对所述偏好车型和所述车辆推荐用户进行属性交叉，得到所述偏好车型和车辆推荐用户的叶子属性节点；
[0032]
车辆推荐模块，用于利用所述车辆推荐模型中的拟合层对所述叶子属性节点进行偏好拟合，得到所述偏好车型与所述车辆推荐用户的偏好概率，并根据所述偏好概率，从所述偏好车型中选取满足预设条件的偏好车型推荐给所述车辆推荐用户。
[0033]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0034]
至少一个处理器；以及，
[0035]
与所述至少一个处理器通信连接的存储器；其中，
[0036]
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以实现上述所述的车辆推荐方法。
[0037]
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的车辆推荐方法。
[0038]
本发明实施例首先获取车辆推荐用户及对应的用户信息，及对所述用户信息进行特征提取，得到特征用户信息，可以筛选出所述用户信息中的一些无用数据，提高后续数据处理速度，并根据所述特征用户信息，标记所述车辆推荐用户的车辆需求阶段，可以识别出所述车辆推荐用户的用户阶段，锁定车辆推荐用户的用车范围，从而实现车辆准确推荐；其次，本发明实施例基于所述车辆需求阶段，利用车辆推荐模型中的召回层采集所述车辆推荐用户的偏好车型，以保障后续车辆推荐的前提，及避免因车辆推荐用户构造虚假信息造成车辆推荐不准确的现象，并利用所述车辆推荐模型中的决策层对所述偏好车型和所述车辆推荐用户进行属性交叉，得到所述偏好车型和车辆推荐用户的叶子属性节点，可以将所述偏好车型与所述车辆推荐用户每个用户属性的分支属性建立对应关系，从而提高后续车辆推荐的准确率；进一步地，本发明实施例利用所述所述车辆推荐模型中的拟合层对所述叶子变量节点进行偏好拟合，得到所述偏好车型与所述车辆推荐用户的偏好概率，并根据所述偏好概率，从所述偏好车型中选取满足预设的偏好车型推荐给所述车辆推荐用户，可以计算所述叶子变量节点中每个分支属性与所述偏好车型的偏好概率，从而拟合车辆推荐用户和偏好车型的偏好概率，以进一步地提高车辆推荐的准确率。因此，本发明提出的一种车辆推荐方法、装置、电子设备以及计算机可读存储介质可以提高车辆推荐的准确性。
附图说明
[0039]
图1为本发明一实施例提供的车辆推荐方法的流程示意图；
[0040]
图2为本发明一实施例中图1提供的车辆推荐方法中其中一个步骤的详细流程示意图；
[0041]
图3为本发明一实施例提供的叶子属性节点生成的部分示意图；
[0042]
图4为本发明一实施例提供的车辆推荐装置的模块示意图；
[0043]
图5为本发明一实施例提供的实现车辆推荐方法的电子设备的内部结构示意图；
[0044]
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
[0045]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0046]
本技术实施例提供一种车辆推荐方法。所述车辆推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述车辆推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
[0047]
参照图1所示，为本发明一实施例提供的车辆推荐方法的流程示意图。在本发明实施例中，所述车辆推荐方法包括：
[0048]
s1、获取车辆推荐用户及对应的用户信息，对所述用户信息进行特征提取，得到特征用户信息，根据所述特征用户信息，标记所述车辆推荐用户的车辆需求阶段。
[0049]
本发明实施例中，所述车辆推荐用户是指有用车需求的用户，如经常进行打车服务的用户、线上和/或线下进行车辆浏览的用户，所述用户信息包括基本信息和车辆交易信息，其中，所述基本信息包括：姓名、年龄、性别以及个人资产等，所述车辆交易信息包括用车行为数据、线上车辆浏览记录以及线下车辆咨询数据等。进一步地，本发明实施例通过对所述用户信息进行特征提取，以筛选出所述用户信息中的一些无用数据，提高后续数据处理速度。
[0050]
作为本发明的一个实施例，所述对所述用户信息进行特征提取，得到特征用户信息，包括：对所述用户信息进行去重处理，计算去重后的所述用户信息中每个用户数据的信息权重，选取所述信息权重大于预设阈值的用户数据，根据选取的用户数据，生成特征用户信息。
[0051]
一个可选实施例中，所述对所述用户信息进行去重处理，得到去重用户信息，包括：计算所述用户信息中任意两个用户数据的相似度，若所述相似度不大于预设相似度，则同时保留所述两个用户数据，若所述相似度大于预设相似度，则删除所述两个用户数据中任意一个用户数据。
[0052]
需要说明的是，本发明实施例在计算所述用户信息中任意两个用户数据的相似度的相似度之前，还包括：利用hash算法将所述用户信息中的用户数据转换成对应hash值，以实现后续数据相似度的计算。
[0053]
一个可选实施例中，利用下述公式计算去重后的所述用户信息中每个用户数据的信息权重：
[0054][0055]
其中，c
i
表示用户数据的信息权重，e
i
表示用户信息中第i个用户数据，表示用户信息中第i个用户数据的特征向量协方差，trace()表示空间滤波函数。
[0056]
一个可选实施例中，所述预设阈值设置为0.65，也可以根据实际业务场景设置。
[0057]
应该了解，在所述特征用户信息中包含的用户数据能够了解车辆推荐用户的用户属性，如喜爱车型、品牌、性别、年龄等，但是无法了解车辆推荐用户的车辆需求阶段，即无法清晰的了解车辆推荐用户的用车阶段(如购车阶段、换车阶段、结婚阶段、购房阶段以及育子阶段等)，因此，本发明实施例根据所述特征用户信息，标记所述车辆推荐用户的车辆需求阶段，以识别出所述车辆推荐用户的用车阶段，锁定车辆推荐用户的用车范围，从而实现车辆准确推荐。
[0058]
作为本发明的一个实施例，所述根据所述特征用户信息，标记所述车辆推荐用户的车辆需求阶段，包括：获取所述特征用户信息的用户属性，根据所述用户属性，识别所述车辆推荐用户的用车节点，根据所述用车节点，确定所述车辆推荐用户的车辆需求阶段。
[0059]
示例性，所述特征用户信息的用户属性为：男、30岁、无车、新婚，则可以识别该特征用户信息的车辆推荐用户处于：刚需用车节点，从而可以确定该特征用户信息的车辆推荐用户的车辆需求阶段为：高潜购车阶段。
[0060]
进一步地，为保障所述特征用户信息的隐私性和安全性，所述特征用户信息还可存储于一区块链节点中。
[0061]
s2、基于所述车辆需求阶段，利用车辆推荐模型中的召回层采集所述车辆推荐用
户的偏好车型。
[0062]
本发明实施例中，所述车辆推荐模型用于采集所述车辆推荐用户的偏好车型及计算偏好车型与车辆推荐用户的偏好概率，其通过点击率预估网络(ctr，click
‑
through
‑
rate) 构建，包括召回层、决策层以及拟合层，所述召回层用于采集所述车辆推荐用户的偏好车型，所述决策层用于构建所述偏好车型与所述车辆推荐用户的决策树，以识别所述偏好车型与所述车辆推荐用户的属性节点，所述拟合层用于对所述偏好车型与所述车辆推荐用户的属性节点进行残差拟合，以计算所述偏好车型与所述车辆推荐用户的偏好概率。
[0063]
作为本发明的一个实施例，参阅图2所示，所述基于所述车辆需求阶段，利用车辆推荐模型中的召回层采集所述车辆推荐用户的偏好车型，包括：
[0064]
s201、基于所述车辆需求阶段，确定所述车辆推荐用户的用户属性，利用所述召回层的编码模块对所述用户属性进行特征分支，得到至少两个分支属性；
[0065]
s202、统计每个所述分支属性的历史车型购买数量，并选取所述历史车型购买数量大于预设数量的历史车型，得到每个所述分支属性的历史偏好车型；
[0066]
s203、利用所述召回层的排序模块对所述历史偏好车型进行数量排序，得到所述用户属性的偏好车型排序表，根据所述偏好车型排序表，生成所述车辆推荐用户的偏好车型。
[0067]
一个可选实施例中，所述基于所述车辆需求阶段，确定所述车辆推荐用户的用户属性，包括：获取所述车辆需求阶段的用车节点，根据所述用车节点，确定所述车辆推荐用户的用户属性，如所述用车节点为预备购车节点，则该车辆推荐用户的用户属性可以为：性别、年龄、车辆品牌以及车辆颜色等。
[0068]
一个可选实施例中，所述用户属性的特征分支是将每个用户属性拆分至少两个特征属性，以提高偏好车型的召回数量，例如所述用户属性为性别，则对该用户属性进行特征分支为：男和女，应该了解的是，所述用户属性为离线性特征(如年龄)或连续性特征(如点击率)，由于计算机只能处理数字编码，故本发明通过所述编码实现所述用户属性的特征分支，以保障后续数据的正常加载处理。
[0069]
一个可选实施例中，所述分支属性的历史车型购买数量可以通过查询车辆网站和/或线下车辆销售网点的车辆购买数据生成，所述预设数量设置为200，也可以根据实际业务场景设置。
[0070]
进一步应该了解的是，在每个分支属性的历史偏好车型中会存在相同历史偏好车型，如分支属性为男存在历史偏好车型“a”，在分支属性为女也存在历史偏好车型“b”，因此，本发明实施例通过所述排序模块对所述历史偏好车型进行数量排序，以建立所述分支属性对应用户属性的历史偏好车型排序表，从而生成所述用户属性对应车辆推荐用户的历史偏好车型排序表。
[0071]
s3、利用所述车辆推荐模型中的决策层对所述偏好车型和所述车辆推荐用户进行属性交叉，得到所述偏好车型和车辆推荐用户的叶子属性节点。
[0072]
应该了解，所述偏好车型是基于所述车辆推荐用户中用户属性的分支属性生成，由于在所述车辆推荐用户中会存在多个用户属性，且每个用户属性又包含多个分支属性，若是直接根据上述s2中建立的历史偏好车型排序表向车辆推荐用户进行车辆推荐，这样会受车辆推荐用户中单个用户属性或分支属性影响，从而会影响车辆推荐的准确性，因此，本
发明实施例利用所述车辆推荐模型中的决策层对所述偏好车型和所述车辆推荐用户进行属性交叉，以将所述偏好车型与所述车辆推荐用户每个用户属性的分支属性建立对应关系，提高车辆推荐的准确率。
[0073]
作为本发明的一个实施例，所述利用所述车辆推荐模型中的决策层对所述偏好车型和所述车辆推荐用户进行属性交叉，得到所述偏好车型和车辆推荐用户的叶子属性节点，包括：查询所述车辆推荐用户中所有的分支属性，利用所述决策层中的决策树算法构建所述分支属性与所述偏好车型的决策树，利用所述决策层中的线性回归函数确定所述分支属性与所述偏好车型在所述决策树中叶子索引位置，生成所述偏好车型和所述车辆推荐用户的叶子属性节点。
[0074]
其中，所述决策树算法可以为xgboost算法，所述回归函数可以为relu线性函数。
[0075]
参阅图3所示，是本发明一实施例提供的叶子属性节点生成的部分示意图。本发明实施例中，所述图3包括分支属性a、b、c，及偏好车型i、ii、iii，其中，所述分支属性a 与偏好车型i、ii、ii连接，所述偏好车型i与所述分支属性b及所述分支属性c连接，所述所述偏好车型ii与所述分支属性b及所述分支属性c连接，所述偏好车型iii与所述分支属性b及所述分支属性c连接。
[0076]
s4、利用所述车辆推荐模型中的拟合层对所述叶子属性节点进行偏好拟合，得到所述偏好车型与所述车辆推荐用户的偏好概率，并根据所述偏好概率，从所述偏好车型中选取满足预设条件的偏好车型推荐给所述车辆推荐用户。
[0077]
本发明实施例中，利用所述所述车辆推荐模型中的拟合层对所述叶子属性节点进行偏好拟合，以计算所述叶子属性节点中每个分支属性与所述偏好车型的偏好概率，从而拟合车辆推荐用户和偏好车型的偏好概率，提高车辆推荐的准确率。
[0078]
作为本发明的一个实施例，所述利用所述车辆推荐模型中的拟合层对所述叶子属性节点进行偏好拟合，得到所述偏好车型与所述车辆推荐用户的偏好概率，包括：利用所述拟合层中的激活函数计算所述叶子属性节点中分支属性与偏好车型的分支偏好概率，利用所述拟合层中的拟合函数拟合所述分支偏好概率，得到所述偏好车型与所述车辆推荐用户的偏好概率。
[0079]
一个可选实施例中，所述激活函数包括：
[0080][0081]
其中，y(x)表示分支属性对偏好车型的分支偏好概率，x表示偏好车型，e表示无限不循环小数
[0082]
一个可选实施例中，所述拟合函数包括：
[0083][0084]
其中，r
im
表示车辆推荐用户对偏好车型的偏好概率，表示学习率，l(y
i
,f(x
i
)表示损失函数，y
i
表示第i个分支属性的偏好车型的偏好概率，f(x
i
)表示决策树中第i个区域函数， f(x)表示决策树中的区域函数，f
m
‑
1()
表示决策树中的区域拟合函数。
[0085]
进一步地，本发明实施例从所述偏好车型中选取所述偏好概率大于预设偏好概率的偏好车型作为推荐车辆推送至所述车辆推荐用户，可选的，所述预设偏好概率设置为
0.7，也可以根据实际业务场景设置。
[0086]
本发明实施例首先获取车辆推荐用户及对应的用户信息，及对所述用户信息进行特征提取，得到特征用户信息，可以筛选出所述用户信息中的一些无用数据，提高后续数据处理速度，并根据所述特征用户信息，标记所述车辆推荐用户的车辆需求阶段，可以识别出所述车辆推荐用户的用户阶段，锁定车辆推荐用户的用车范围，从而实现车辆准确推荐；其次，本发明实施例基于所述车辆需求阶段，利用车辆推荐模型中的召回层采集所述车辆推荐用户的偏好车型，以保障后续车辆推荐的前提，及避免因车辆推荐用户构造虚假信息造成车辆推荐不准确的现象，并利用所述车辆推荐模型中的决策层对所述偏好车型和所述车辆推荐用户进行属性交叉，得到所述偏好车型和车辆推荐用户的叶子属性节点，可以将所述偏好车型与所述车辆推荐用户每个用户属性的分支属性建立对应关系，从而提高后续车辆推荐的准确率；进一步地，本发明实施例利用所述所述车辆推荐模型中的拟合层对所述叶子变量节点进行偏好拟合，得到所述偏好车型与所述车辆推荐用户的偏好概率，并根据所述偏好概率，从所述偏好车型中选取满足预设的偏好车型推荐给所述车辆推荐用户，可以计算所述叶子变量节点中每个分支属性与所述偏好车型的偏好概率，从而拟合车辆推荐用户和偏好车型的偏好概率，以进一步地提高车辆推荐的准确率。因此，本发明提出的一种车辆推荐方法可以提高车辆推荐的准确性。
[0087]
如图4所示，是本发明车辆推荐装置的功能模块图。
[0088]
本发明所述车辆推荐装置100可以安装于电子设备中。根据实现的功能，所述车辆推荐装置可以包括需求阶段标记模块101、偏好车型采集模块102、属性交叉模块103以及车辆推荐模块104。本发所述模块也可以称之为单元，是指一种能够被电子设备1处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备1的存储器中。
[0089]
在本实施例中，关于各模块/单元的功能如下：
[0090]
所述需求阶段标记模块101，用于获取车辆推荐用户及对应的用户信息，对所述用户信息进行特征提取，得到特征用户信息，根据所述特征用户信息，标记所述车辆推荐用户的车辆需求阶段；
[0091]
所述偏好车型采集模块102，用于基于所述车辆需求阶段，利用车辆推荐模型中的召回层采集所述车辆推荐用户的偏好车型；
[0092]
所述属性交叉模块103，用于利用所述车辆推荐模型中的决策层对所述偏好车型和所述车辆推荐用户进行属性交叉，得到所述偏好车型和车辆推荐用户的叶子属性节点；
[0093]
所述车辆推荐模块104，用于利用所述车辆推荐模型中的拟合层对所述叶子属性节点进行偏好拟合，得到所述偏好车型与所述车辆推荐用户的偏好概率，并根据所述偏好概率，从所述偏好车型中选取满足预设条件的偏好车型推荐给所述车辆推荐用户。
[0094]
详细地，本发明实施例中所述车辆推荐装置100中的所述各模块在使用时采用与上述的图1至图3中所述的车辆推荐方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
[0095]
如图5所示，是本发明实现车辆推荐方法的电子设备1的结构示意图。
[0096]
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如车辆推荐程序。
[0097]
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(control unit)，利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器 11内的程序或者模块(例如执行车辆推荐程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
[0098]
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(securedigital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如车辆推荐程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0099]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称 pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0100]
所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi
‑
fi接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备1之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light
‑
emitting diode，有机发光二极管) 触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
[0101]
图5仅示出了具有部件的电子设备1，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0102]
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、wi
‑
fi模块等，在此不再赘述。
[0103]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0104]
所述电子设备1中的所述存储器11存储的车辆推荐程序是多个计算机程序的组
合，在所述处理器10中运行时，可以实现：
[0105]
获取车辆推荐用户及对应的用户信息，对所述用户信息进行特征提取，得到特征用户信息，根据所述特征用户信息，标记所述车辆推荐用户的车辆需求阶段；
[0106]
基于所述车辆需求阶段，利用车辆推荐模型中的召回层采集所述车辆推荐用户的偏好车型；
[0107]
利用所述车辆推荐模型中的决策层对所述偏好车型和所述车辆推荐用户进行属性交叉，得到所述偏好车型和车辆推荐用户的叶子属性节点；
[0108]
利用所述车辆推荐模型中的拟合层对所述叶子属性节点进行偏好拟合，得到所述偏好车型与所述车辆推荐用户的偏好概率，并根据所述偏好概率，从所述偏好车型中选取满足预设条件的偏好车型推荐给所述车辆推荐用户。
[0109]
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
[0110]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)。
[0111]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备1的处理器所执行时，可以实现：
[0112]
获取车辆推荐用户及对应的用户信息，对所述用户信息进行特征提取，得到特征用户信息，根据所述特征用户信息，标记所述车辆推荐用户的车辆需求阶段；
[0113]
基于所述车辆需求阶段，利用车辆推荐模型中的召回层采集所述车辆推荐用户的偏好车型；
[0114]
利用所述车辆推荐模型中的决策层对所述偏好车型和所述车辆推荐用户进行属性交叉，得到所述偏好车型和车辆推荐用户的叶子属性节点；
[0115]
利用所述车辆推荐模型中的拟合层对所述叶子属性节点进行偏好拟合，得到所述偏好车型与所述车辆推荐用户的偏好概率，并根据所述偏好概率，从所述偏好车型中选取满足预设条件的偏好车型推荐给所述车辆推荐用户。
[0116]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0117]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0118]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0119]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在
不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0120]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0121]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0122]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
[0123]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。