CN108460082A - 一种推荐方法及装置，电子设备 - Google Patents

Abstract

本发明是一种推荐方法及装置，电子设备。本申请推荐方法，属于计算机技术领域，解决现有技术中存在的推荐结果新颖性不稳定，和由于提升了推荐结果的新颖性而导致点击率下降的问题。所述推荐方法包括：根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域，每个所述推荐结果展示区域对应不同的转化目标；通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序。所述方法通过对推荐结果展示区域划分为多个区域，每个区域采用不同的推荐策略对推荐结果进行排序，既保证了预设转化目标，同时兼顾不同用户的个性化浏览需求，进一步提升了用户体验。

Description

一种推荐方法及装置，电子设备

技术领域

本申请涉及计算机技术领域，特别是涉及一种推荐方法及装置，电子设备。

背景技术

推荐系统在当前各类互联网应用里解决因信息过载产生的用户不能快捷发现兴趣物品，或者，推荐物品跟可能感兴趣用户间缺乏有效曝光的问题。推荐系统一般工作流程可以分为召回，排序两部分。召回过程的目标为从总推荐候选中(经常可以达到百万或者千万级别)选择用户可能感兴趣物品集得到推荐物品列表；排序过程的目标为针对用户和推荐物品相应抽取特征，通过模型和规则量化用户对推荐物品感兴趣程度，再根据量化结果对推荐物品列表中的物品进行排序，选择topK结果返回，并在客户端进行展示。为了提升用户新颖性体验，现有技术中，推荐系统通常会对推荐候选结果进行排序是引入新颖性特征，或者，对排序后的结果增加单一规则，全局干预排序结果。然而，新颖性因人而异，很难挖掘和量化新颖独特征，无法保证推荐结果的新颖性；对排序后的结果增加单一规则会给某些需要快速找到经常浏览结果的用户带来不好的用户体验，导致点击率下降。

可见，现有技术中的推荐方法，至少存在推荐结果新颖性不稳定，或者，导致点击率下降的问题。

发明内容

本申请提供一种推荐方法，至少解决现有技术中存在的至少一个问题。

为了解决上述问题，第一方面，本申请实施例提供了一种推荐方法包括：

根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域；

通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序；

其中，每个所述推荐结果展示区域对应不同的转化目标，所述推荐策略与相应推荐结果展示区域对应的所述转化目标匹配。

第二方面，本申请实施例提供了一种推荐装置，包括：

推荐结果展示区域划分模块，用于根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域；

分区域推荐模块，用于通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序；

其中，每个所述推荐结果展示区域对应不同的转化目标，所述推荐策略与相应推荐结果展示区域对应的所述转化目标匹配。

第三方面，本申请实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的推荐方法。

第四方面，本申请实施例提供了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本申请实施例公开的推荐方法的步骤。

本申请实施例公开的推荐方法，通过根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域，其中，每个所述推荐结果展示区域对应不同的转化目标；通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序，所述推荐策略与相应推荐结果展示区域对应的所述转化目标匹配，解决了现有技术中存在的推荐结果新颖性不稳定，和由于提升了推荐结果的新颖性而导致点击率下降的问题。通过结合推荐结果展示位对预设转化目标的转化数据表现，对推荐结果展示区域划分为多个区域，每个区域采用不同的推荐策略对推荐结果进行排序，既保证了预设转化目标，同时兼顾不同用户的个性化浏览需求，进一步提升了用户体验。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术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是本申请实施例一的推荐方法流程图；

图2是本申请实施例二的推荐方法流程图；

图3是本申请实施例三的推荐装置的结构示意图之一；

图4是本申请实施例三的推荐装置的结构示意图之二。

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。

实施例一

本实施例公开的一种推荐方法，如图1所示，该方法包括：步骤110至步骤120。

步骤110，根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域。

其中，每个所述推荐结果展示区域对应不同的转化目标。

本申请实施例中的预设转化目标可以理解为优化推荐算法时的优化目标，例如提升点击率、提升访购率等。推荐结果展示位为客户端展示推荐结果的槽位。通常，推荐系统按照预设的转化目标基于查询词进行搜索和排序后，将由topK个推荐结果组成的推荐结果列表输出至客户端，由客户端按照推荐结果列表的先后顺序，从展示页面的第一个槽位开始，依次向下展示推荐结果列表中的推荐结果，推荐结果列表中的每一个推荐结果对应一个展示位。通常，推荐结果列表前面的推荐结果显示在上部的展示位。越靠近上部展示位，即推荐结果列表前面的推荐结果更符合用户的目标和兴趣，对转化目标影响最大。以预设转化目标为提升推荐结果点击率为例，推荐结果列表前面的推荐结果越符合用户的目标和兴趣，用户点击的可能性越大，推荐结果点击率越高。

具体实施时，可以通过分析用户对推荐结果列表的历史行为数据，确定在满足预设转化目标的情况下，用户预设行为针对的推荐结果所分布的展示位范围，并根据所述展示位范围，确定至少两个推荐结果展示区域。

步骤120，通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序。

根据用户历史行为数据和预设转化目标确定了至少两个推荐结果展示区域之后，每个推荐结果展示区域对应不同的转化目标。其中，预设转化目标可以为一个，也可以为多个，所述预设转化目标选自于所述转化目标。例如，所述转化目标包括：提升点击率、在提升点击率的基础上提升新颖性，则所述预设转化目标可以设置为提升点击率。具体实施时，每个推荐结果展示区域对应的推荐结果列表中的推荐结果，采用不同的推荐策略进行推荐。所述推荐策略与相应推荐结果展示区域对应的所述转化目标匹配。

以预设转化目标为提升点击率为例，靠近客户端推荐结果展示页面顶端的推荐结果展示区域中显示的推荐结果，以提升点击率为目标；而靠近客户端推荐结果展示页面底端的推荐结果展示区域中显示的推荐结果，则在提升点击率的基础上增加了提升新颖性的目标。具体实施时，靠近客户端推荐结果展示页面顶端的推荐结果展示区域中显示的推荐结果，采用以提升点击率为目标的推荐策略进行推荐排序；而对于靠近客户端推荐结果展示页面底端的推荐结果展示区域中显示的推荐结果，则采用以提升新颖性为目标的推荐策略进行推荐排序。这样，可以动态调整推荐结果展示页面展示的推荐结果的展示位置，以满足不同用户的浏览需求。

本申请实施例公开的推荐方法，通过根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域，其中，每个所述推荐结果展示区域对应不同的转化目标；通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序，所述推荐策略与相应推荐结果展示区域对应的所述转化目标匹配，解决了现有技术中存在的推荐结果新颖性较低，和由于提升了推荐结果的新颖性而导致点击率下降的问题。通过结合推荐结果展示位对预设转化目标的影响，对推荐结果展示区域划分为多个区域，每个区域采用不同的推荐策略对推荐结果进行排序，既保证了预设转化目标，同时兼顾不同用户的个性化浏览需求，进一步提升了用户体验。

现有技术中，推荐系统的排序模型本身设计目标依然是提升点击率，访购率等转化率指标。新颖性和转化率指标并不强相关，甚至常存在相反表现，因此加入新颖特征可能会导致转化效果下降或者在自动选择特征类模型(eg.xgboost)中，新颖性特征不能被采用，进而不能提高新颖性的现象。同时，由于新颖性特征较难挖掘，因此，即便某些模型采纳了新颖性特征，推荐结果也不甚稳定。本申请实施例公开的推荐方法，与现有技术中通过在推荐模型中增加新颖性特征相比，以及对推荐结果列表统一施加新颖性规则相比，不影响现有推荐转化指标的推荐结果，新颖的推荐结果仅对既有新颖性需求的用户起作用，兼顾了推荐结果转户目标和用户的新颖性需求。

实施例二

如图2所示，在本申请另一实施例公开的推荐方法，包括：步骤210至步骤230。

步骤210，获取推荐结果列表。

现有技术中，当用户进入包含推荐模块的客户端后，推荐服务器接收客户端发送的推荐请求，以用户标识、当前位置和查询词等作为输入的推荐参数调用推荐服务。推荐服务器根据接收到的推荐参数，挖掘召回候选集，并对召回候选集中的物料进行过滤或者按照预设推荐规则进行数据转换。之后，推荐服务器通过预设的推荐模型对召回候选集中的数据进行特征提取和计算推荐得分，并按照推荐得分由高到低的顺序对召回候选集中的物料从前到后排序。最后，推荐服务器将排序后的前K个物料组成推荐结果列表，输出给发送推荐请求的客户端。

其中，推荐结果列表中的每个推荐结果对应一个推荐得分。推荐结果列表按照推荐得分由高到低的顺序从前到后排列。推荐结果的推荐得分通过预设的推荐模型计算得到。通常，所述推荐得分与相应推荐结果的点击率正相关。

本申请具体实施时，在所述推荐服务器生成推荐结果列表后，在将所述推荐结果列表输出给发送推荐请求的客户端之前，获取所述推荐结果列表。

步骤220，根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域。

其中，每个所述推荐结果展示区域对应不同的转化目标。

具体实施时，通过对每个展示位所有用户的历史行为数据进行分析，可以确定整体用户行为的规律。例如，通过对用户过去一段时间(eg.十天到一个月)点击或下单的推荐结果的展示位分布情况进行聚类，观察用户对展示位使用习惯。同时，可以按天聚合相同数据观察该分布天间展示位分布情况波动是否剧烈。经过对用户预设历史行为数据进行分析，可以得出用户点击或购买主要分布在推荐结果列表靠前位置，点击在推荐结果列表较靠后位置有较厚的长尾分布。进而分析可以得出用户可以分为在头部推荐快速浏览决策的购买选择型用户和会对较长推荐进行浏览探索的浏览型用户。对浏览型用户，提高新颖性有助于提高用户体验。

因此，为了在保障转化目标的前提下，提升推荐系统对浏览行用户的新颖性，本申请根据各展示位上用户的点击、购买等行为的预设转化目标的转化数据表现，将推荐结果展示区域划分为多个区域，以便在不同的区域采用不同的推荐策略进行结果推荐，以满足不同用户的浏览需求。

具体实施时，可以通过分析用户对推荐结果列表的历史行为数据，确定在满足预设转化目标的情况下，用户预设行为针对的推荐结果所分布的展示位范围，并根据所述展示位范围，确定至少两个推荐结果展示区域。本实施例中，假设所述推荐结果展示区域至少包括：第一推荐结果展示区域和第二推荐结果展示区域，所述根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域，包括：根据用户历史行为数据，确定满足预设转化目标的推荐结果所分布的展示位，作为第一推荐结果展示区域；将所述推荐结果展示位中，所述第一推荐结果展示区域之外的展示位，确定为第二推荐结果展示区域。

以所述预设转化目标为提升点击率举例，推荐系统根据点击率预估模型计算候选推荐结果的点击率得分之后，按照点击率得分由高到低的顺序返回topK个推荐结果组成的推荐结果列表。客户端将所述推荐结果列表在页面的展示位中从上到下进行展示。通常，购买选择型用户会点击或购买展示在页面顶端的展示位中的推荐结果。因此，可以通过分析指定概率(如80％)的购买行为所针对的推荐结果的展示位分布位置范围，可以确定作为以提升点击率为目标的推荐结果展示区，即第一推荐结果展示区域。

进一步的，所述根据用户历史行为数据，确定满足预设转化目标的推荐结果所分布的展示位，作为第一推荐结果展示区域，包括：根据用户历史行为数据，确定预设用户行为所针对的推荐结果展示位的累计分布信息；根据所述累计分布信息，确定满足预设用户行为分布条件的展示位范围，作为第一推荐结果展示区域；其中，所述预设用户行为是与所述预设转化目标正相关的行为。所述预设用户行为包括：点击推荐结果和购买推荐结果中的至少一项。

具体实施时，以预设用户行为包括：点击推荐结果和购买推荐结果举例，通过计算点击和购买行为的展示位累计分布函数曲线(如CDF，cumulativedistribution function曲线)，确定预设用户行为所针对的推荐结果展示位的累计分布信息。例如，取过去10天的点击日志和购买日志，对于点击日志和购买日志，分别计算展示位累计分布函数曲线f_点击和f_购买；然后，分别确定85％的点击行为发生的展示位范围[L₁,L₂]和85％的购买行为发生的展示位范围[L₃,L₄]；最后，取展示位范围中最后一个位置作为不同推荐展示区域的分界位置，即取L₁、L₂、L₃、L₄中的最大值所对应的展示位位置作为不同推荐展示区域的分界位置。比如在前10推荐位置就得到了购买的85％，前20推荐位置得到点击的85％，则推荐展示区域的分界位置为前数第20个展示位即前20个展示位为第一推荐结果展示区域，第21个及以后的展示位为第二推荐结果展示区域。第一推荐结果展示区域为决策较快的购买选择型用户主要的应用场景，也是浏览型用户应用场景之一，第二推荐结果展示区域主要为有更强浏览需求的浏览型用户应用场景。

具体实施时，也可以通过对点击和购买日志针对的展示位进行综合分析，以确定点击和购买行为主要分布的展示位区域，并进一步确定各推荐结果展示区域。

具体实施时，根据业务需求，还可以设置其他转化目标，如转化目标为访购率。其中，所述预设转化目标选自于所述转化目标。例如，所述转化目标包括：提升访购率、在提升访购率的基础上提升新颖性，则所述预设转化目标可以设置为提升访购率。

具体实施时，还可以设置多个转化目标，例如：所述转化目标包括：提升访购率、在提升访购率的基础上提升新颖性、在提升访购率和新颖性的基础上保证查全，则所述预设转化目标可以设置为提升访购率和在提升访购率的基础上提升新颖性。具体实施时，每个转化目标对应一个推荐结果展示区域。例如，客户端展示页面最顶端推荐结果展示区域对应提升访购率目标，中间推荐结果展示区域对应提升新颖性目标，最底端推荐结果展示区域对应查全目标。当需要确定多个推荐结果展示区域时，可以首先根据首要转化目标(如提升访购率)确定最顶端的推荐结果展示区域，然后，再根据次要转化目标(如在提升访购率的基础上提升新颖性)对展示位中除首要转化目标对应的推荐结果展示区域以外的区域进行进一步划分，直至每个转化目标都对应一个推荐结果转化区域。在确定每个转化目标对应的推荐结果展示区域，可以参见前述描述，根据所述转化目标正相关的用户历史行为数据的展示位分布信息确定所述推荐结果展示区域。

步骤230，通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序。

根据用户历史行为数据和预设转化目标确定了至少两个推荐结果展示区域之后，每个推荐结果展示区域对应不同的转化目标。具体实施时，每个推荐结果展示区域对应的推荐结果列表中的推荐结果，采用不同的推荐策略进行推荐。所述推荐策略与相应推荐结果展示区域对应的所述转化目标匹配。

以预设转化目标为提升点击率为例，靠近客户端推荐结果展示页面顶端的第一推荐结果展示区域中显示的推荐结果，以提升点击率为目标具体实施时，按照以提升点击率为目标的推荐策略对推荐结果进行推荐排序；而靠近客户端推荐结果展示页面底端的第二推荐结果展示区域中显示的推荐结果，则以提升新颖性为目标，具体实施时，按照以提升新颖性为目标的推荐策略对推荐结果进行推荐排序。

具体实施时，所述通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序，包括：通过与预设转化目标对应的推荐策略，对与所述第一推荐结果展示区域对应的推荐结果进行重新排序。例如，对第一推荐结果展示区域对应的推荐结果列表中的推荐结果通过点击率预估模型进行重排序。具体实施时，若获取的推荐结果列表中的推荐结果的推荐得分是通过点击率预估模型得到的，按照推荐得分进行排序的推荐结果列表已经符合预设转化目标，则可以不再对第一推荐结果展示区域对应的推荐结果列表中的推荐结果进行重排序。

具体实施时，所述通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序，包括：通过提升新颖性的推荐策略，对与所述第二推荐结果展示区域对应的推荐结果进行重新排序。例如，通过新颖性预估模型预估与所述第二推荐结果展示区域对应的推荐结果的新颖性得分，并基于原有推荐得分和新颖性得分对相应的推荐结果进行重新排序。

进一步的，所述通过提升新颖性的推荐策略，对与所述第二推荐结果展示区域对应的推荐结果进行重新排序，包括：根据实时获取的推荐数据，确定预设时间段内对用户的推荐信息；根据所述推荐信息，确定与所述第二推荐结果展示区域对应的各推荐结果对当前用户的新颖性权重；结合所述新颖性权重，对与所述第二推荐结果展示区域对应的各推荐结果进行重新排序。

具体实施时，可以通过实时获取用户对已有推荐结果的反馈，进一步确定用户的新颖性权重。例如，一分钟前，推荐系统给用户推荐的推荐结果了150个推荐结果，用户曝光(即看见)了30个，点击了5个，推荐系统将实时获取当前用户对推荐结果的反馈数据，然后把用户对每个推荐结果不同的反应记录下来。比如，在推荐结果列表中，对于“麦当劳”这一推荐结果，用户A曝光了3次，点击了1次，推荐系统将记录1条用户A的反馈数据，所述反馈数据包括：用户A的用户标识、麦当劳的用户标识、麦当劳的曝光次数、所有推荐结果的曝光次数、用户A点击麦当劳的次数、各次点击的时间戳、各次曝光时间戳等。推荐系统实时获取所有用户对已有推荐结果的反馈，然后，进一步确定所述推荐结果列表中与所述第二推荐结果展示区域对应的各推荐结果对当前用户的推荐信息。其中，所述推荐信息至少包括：与所述第二推荐结果展示区域对应的所有推荐结果对当前用户的总曝光次数，与所述第二推荐结果展示区域对应的每个推荐结果对当前用户的曝光次数。

然后，根据实时获取的推荐信息，确定用户的新颖性。进一步可选的，所述结合所述新颖性权重，对与所述第二推荐结果展示区域对应的各推荐结果进行重新排序，包括：将与所述第二推荐结果展示区域对应的各推荐结果的推荐得分增加相应的新颖性得分，其中，所述新颖性得分为所述推荐结果的推荐得分与相应所述新颖性权重的乘积；根据增加新颖性得分后的推荐得分，对与所述第二推荐结果展示区域对应的各推荐结果，进行重新排序。

具体实施时，所述根据所述推荐信息，确定与所述第二推荐结果展示区域对应的各推荐结果对当前用户的新颖性权重，包括：将与所述第二推荐结果展示区域对应的每个推荐结果，依次作为当前推荐结果，并对每个当前推荐结果分别执行以下操作：根据所述推荐信息中所述当前推荐结果对当前用户的曝光次数、所述推荐信息中所有推荐结果对所述当前用户的总曝光次数，计算所述当前推荐结果对所述当前用户的新颖性权重。例如，根据UCB(上置信度边界)公式计算每一推荐结果对当前用户的新颖性情况。利用UCB是为了在尝试更多推荐结果,在加大推荐新颖性的同时，选择有更高置信度会发生转化的推荐结果保留。具体实施时，可以通过公式计算每个推荐结果对当前用户的新颖性权重α，其中，n_j为当前推荐结果对当前用户的总曝光次数，n为所有推荐结果对当前用户的总曝光次数。比如当前用户早上打开某一具有推荐模块的应用2次，总共曝光了100个推荐结果，麦当劳曝光了5次，那么对麦当劳来说n就是100，n_j就是5。本申请通过实时收集对用户曝光过的推荐结果，将其曝光次数置于分母，计算只针对该用户的推荐结果新颖性权重，在推荐最终排序时利用该权重提升新颖推荐结果的位置,提高用户新颖性体验。

然后，根据确定的每个推荐结果对当前用户的新颖性权重，确定各推荐结果对当前用户的新颖性得分，具体实施时，可以通过公式score＝(1+α)CtrScore计算每个推荐结果的新颖性得分，其中，CtrScore为推荐系统在生成推荐结果列表时计算的每个推荐结果的推荐得分。最后，根据增加了新颖性得分的推荐得分score对第二推荐结果展示区域对应的推荐结果列表中的每个推荐结果进行重新排序。

之后，将重新排序后的推荐结果列表输出至发送推荐请求的客户端。

本申请实施例公开的推荐方法，通过根据所述转化目标正相关的用户历史行为数据的展示位分布信息确定所述推荐结果展示区域，提升了推荐结果展示区域划分的准确性。通过根据用户对已推荐结果的实时推荐信息计算推荐结果对用户的新颖性，对于具有新颖性需求的用户，实现了根据用户的反馈进行实时个性化推荐。现对于现有技术中，利用离线用户行为调整推荐结果新颖性存在更新数据隔天，用间隔较长时间数据改善新颖性，不能及时发现最近几个小时内向用户多次曝光但是用户不感兴趣的物品，导致新颖性改善不够及时的问题，进一步提升了用户体验。

实施例三

本实施例公开的一种资源配置装置，如图3所示，所述装置包括：

推荐结果展示区域划分模块310，用于根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域；

分区域推荐模块320，用于通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序；

其中，每个所述推荐结果展示区域对应不同的转化目标，所述推荐策略与相应推荐结果展示区域对应的所述转化目标匹配。

可选的，如图4所示，所述推荐结果展示区域划分模块310，进一步包括：

第一推荐结果展示区域确定单元3101，用于根据用户历史行为数据，确定满足预设转化目标的推荐结果所分布的展示位，作为第一推荐结果展示区域；

第二推荐结果展示区域确定单元3102，用于将所述推荐结果展示位中，所述第一推荐结果展示区域之外的展示位，确定为第二推荐结果展示区域。

可选的，所述第一推荐结果展示区域确定单元3101进一步用于：

根据用户历史行为数据，确定预设用户行为所针对的推荐结果展示位的累计分布信息；

根据所述累计分布信息，确定满足预设用户行为分布条件的展示位范围，作为第一推荐结果展示区域；

其中，所述预设用户行为是与所述预设转化目标正相关的行为。

可选的，如图4所示，所述分区域推荐模块320进一步包括：

第一推荐单元3201，用于通过与预设转化目标对应的推荐策略，对与所述第一推荐结果展示区域对应的推荐结果进行重新排序；和/或,

第二推荐单元3202，用于通过提升新颖性的推荐策略，对与所述第二推荐结果展示区域对应的推荐结果进行重新排序。

可选的，所述第二推荐单元3202进一步用于：

根据实时获取的推荐数据，确定预设时间段内对用户的推荐信息；

根据所述推荐信息，确定与所述第二推荐结果展示区域对应的各推荐结果对当前用户的新颖性权重；

结合所述新颖性权重，对与所述第二推荐结果展示区域对应的各推荐结果进行重新排序。

可选的，所述结合所述新颖性权重，对与所述第二推荐结果展示区域对应的各推荐结果进行重新排序，包括：

将与所述第二推荐结果展示区域对应的各推荐结果的推荐得分增加相应的新颖性得分，其中，所述新颖性得分为所述推荐结果的推荐得分与相应所述新颖性权重的乘积；

根据增加新颖性得分后的推荐得分，对与所述第二推荐结果展示区域对应的各推荐结果，进行重新排序。

可选的，所述推荐信息至少包括：推荐结果的曝光次数，所述根据所述推荐信息，确定与所述第二推荐结果展示区域对应的各推荐结果对当前用户的新颖性权重，包括：将与所述第二推荐结果展示区域对应的每个推荐结果，依次作为当前推荐结果，并对每个当前推荐结果分别执行以下操作：根据所述推荐信息中所述当前推荐结果对当前用户的曝光次数、所述推荐信息中所有推荐结果对所述当前用户的总曝光次数，计算所述当前推荐结果对所述当前用户的新颖性权重。

本申请实施例公开的推荐装置，通过根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域，其中，每个所述推荐结果展示区域对应不同的转化目标；通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序，所述推荐策略与相应推荐结果展示区域对应的所述转化目标匹配，解决了现有技术中存在的推荐结果新颖性不稳定，和由于提升了推荐结果的新颖性而导致点击率下降的问题。通过结合推荐结果展示位对预设转化目标的影响，对推荐结果展示区域划分为多个区域，每个区域采用不同的推荐策略对推荐结果进行排序，既保证了预设转化目标，同时兼顾不同用户的个性化浏览需求，进一步提升了用户体验。

进一步的，本申请实施例公开的推荐装置，通过根据所述转化目标正相关的用户历史行为数据的展示位分布信息确定所述推荐结果展示区域，提升了推荐结果展示区域划分的准确性。通过根据用户对已推荐结果的实时推荐信息计算推荐结果对用户的新颖性，对于具有新颖性需求的用户，实现了根据用户的反馈进行实时个性化推荐。现对于现有技术中，利用离线用户行为调整推荐结果新颖性存在更新数据隔天，用间隔较长时间数据改善新颖性，不能及时发现最近几个小时内向用户多次曝光但是用户不感兴趣的物品，导致新颖性改善不够及时的问题，进一步提升了用户体验。

相应的，本申请还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例一和实施例二所述的推荐方法。所述电子设备可以为PC机、移动终端、个人数字助理、平板电脑等。

本申请还公开了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实施例一和实施例二所述的推荐方法的步骤。

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。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。

以上对本申请提供的一种推荐方法及装置进行了详细介绍，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。

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各实施方式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实现。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

Claims (10)

1.一种推荐方法，其特征在于，包括：

根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域；

通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序；

其中，每个所述推荐结果展示区域对应不同的转化目标，所述推荐策略与相应推荐结果展示区域对应的所述转化目标匹配。

2.根据权利要求1所述的方法，其特征在于，所述推荐结果展示区域至少包括：第一推荐结果展示区域和第二推荐结果展示区域，所述根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域的步骤，包括：

根据用户历史行为数据，确定满足预设转化目标的推荐结果所分布的展示位，作为第一推荐结果展示区域；

将所述推荐结果展示位中，所述第一推荐结果展示区域之外的展示位，确定为第二推荐结果展示区域。

3.根据权利要求2所述的方法，其特征在于，所述根据用户历史行为数据，确定满足预设转化目标的推荐结果所分布的展示位，作为第一推荐结果展示区域的步骤，包括：

根据用户历史行为数据，确定预设用户行为所针对的推荐结果展示位的累计分布信息；

根据所述累计分布信息，确定满足预设用户行为分布条件的展示位范围，作为第一推荐结果展示区域；

其中，所述预设用户行为是与所述预设转化目标正相关的行为。

4.根据权利要求2或3所述的方法，其特征在于，所述通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序的步骤，包括：

通过与预设转化目标对应的推荐策略，对与所述第一推荐结果展示区域对应的推荐结果进行重新排序；和/或,

通过提升新颖性的推荐策略，对与所述第二推荐结果展示区域对应的推荐结果进行重新排序。

5.根据权利要求4所述的方法，其特征在于，所述通过提升新颖性的推荐策略，对与所述第二推荐结果展示区域对应的推荐结果进行重新排序的步骤，包括：

根据实时获取的推荐数据，确定预设时间段内对用户的推荐信息；

根据所述推荐信息，确定与所述第二推荐结果展示区域对应的各推荐结果对当前用户的新颖性权重；

结合所述新颖性权重，对与所述第二推荐结果展示区域对应的各推荐结果进行重新排序。

6.根据权利要求5所述的方法，其特征在于，所述结合所述新颖性权重，对与所述第二推荐结果展示区域对应的各推荐结果进行重新排序的步骤，包括：

将与所述第二推荐结果展示区域对应的各推荐结果的推荐得分增加相应的新颖性得分，其中，所述新颖性得分为所述推荐结果的推荐得分与相应所述新颖性权重的乘积；

根据增加新颖性得分后的推荐得分，对与所述第二推荐结果展示区域对应的各推荐结果，进行重新排序。

7.根据权利要求5所述的方法，其特征在于，所述推荐信息至少包括：推荐结果的曝光次数，所述根据所述推荐信息，确定与所述第二推荐结果展示区域对应的各推荐结果对当前用户的新颖性权重的步骤，包括：

将与所述第二推荐结果展示区域对应的每个推荐结果，依次作为当前推荐结果，并对每个当前推荐结果分别执行以下操作：根据所述推荐信息中所述当前推荐结果对当前用户的曝光次数、所述推荐信息中所有推荐结果对所述当前用户的总曝光次数，计算所述当前推荐结果对所述当前用户的新颖性权重。

8.一种推荐装置，其特征在于，包括：

推荐结果展示区域划分模块，用于根据推荐结果展示位对预设转化目标的转化数据表现，确定至少两个推荐结果展示区域；

分区域推荐模块，用于通过相应的推荐策略，对每个所述推荐结果展示区域对应的推荐结果进行重新排序；

其中，每个所述推荐结果展示区域对应不同的转化目标，所述推荐策略与相应推荐结果展示区域对应的所述转化目标匹配。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任意一项所述的推荐方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7任意一项所述的推荐方法的步骤。