CN108710635B - 一种内容推荐方法及装置 - Google Patents

Abstract

本申请公开了一种内容推荐方法及装置。该方法包括：确定第一推荐内容；根据用户行为记录和内容推荐记录获得第二推荐内容；监测所述第二推荐内容中用户点击事件；根据用户点击事件获得用户反馈内容；根据所述用户反馈内容调整所述第一推荐内容。该装置包括：第一推荐模块，用于确定第一推荐内容；第二推荐模块，用于根据用户行为记录和内容推荐记录获得第二推荐内容；监测模块，用于监测所述第二推荐内容中用户点击事件；反馈模块，用于根据用户点击事件获得用户反馈内容；调整模块，用于根据所述用户反馈内容调整所述第一推荐内容。本申请解决了推荐的资讯难以兼顾热度和实效性的技术问题。

Description

一种内容推荐方法及装置

技术领域

本申请涉及信息搜索技术领域，具体而言，涉及一种内容推荐方法及装置。

背景技术

随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过 载的时代。推荐系统就是解决信息过载的重要工具，它是根据用户的信息需求、 兴趣等，将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。和 搜索引擎相比推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发 现用户的兴趣点，从而引导用户发现自己的信息需求。热门推荐是推荐系统主 要的组成部分，在推荐系统的完备性上有着重要的作用，但现有热门推荐技术 往往难以同时兼顾热度，多样性，新颖性，实效性等问题，尤其在资讯领域往 往难以兼顾热度和实效性的需求。

针对相关技术中推荐的内容难以兼顾热度和实效性的问题，目前尚未提 出有效的解决方案。

发明内容

本申请的主要目的在于提供一种内容推荐方法及装置，以解决推荐的内 容难以兼顾热度和实效性的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种内容推荐方 法。

根据本申请的内容推荐方法包括：确定第一推荐内容；根据用户行为记 录和内容推荐记录获得第二推荐内容；监测所述第二推荐内容中用户点击事 件；根据用户点击事件获得用户反馈内容；根据所述用户反馈内容调整所述第 一推荐内容。

进一步的，根据用户行为记录和内容推荐记录获得第二推荐内容包括：根 据所述用户行为记录统计每条所述用户行为记录的第一特征信息；将所述特征 信息进行归一化，得到第二特征信息；将所述第二特征信息乘以时间权重后排 序获得所述第二推荐内容。

进一步的，监测所述第二推荐内容中用户点击事件包括：每天一次统计所 述第二推荐内容的展示数和点击数，得到离线统计数据；在第一预设时间内计 算所述第二推荐内容的展示数和点击数，得到增量统计数据。

进一步的，根据用户点击事件获得用户反馈内容包括：在第二预设时间内 计算所述第二推荐内容的点击率。

进一步的，根据所述用户反馈内容调整所述第一推荐内容包括：运用威尔 逊区间计算所述点击率的威尔逊得分；根据所述威尔逊得分调整所述第一推荐 内容。

为了实现上述目的，根据本申请的另一方面，提供了一种内容推荐装 置。

根据本申请的内容推荐装置包括：第一推荐模块，用于确定第一推荐内 容；第二推荐模块，用于根据用户行为记录和内容推荐记录获得第二推荐内容； 监测模块，用于监测所述第二推荐内容中用户点击事件；反馈模块，用于根据 用户点击事件获得用户反馈内容；调整模块，用于根据所述用户反馈内容调整 所述第一推荐内容。

进一步的，所述第二推荐模块包括：统计单元，用于根据所述用户行为 记录统计每条所述用户行为记录的第一特征信息；归一化单元，用于将所述特 征信息进行归一化，得到第二特征信息；排序单元，用于将所述第二特征信息 乘以时间权重后排序获得所述第二推荐内容。

进一步的，所述监测模块包括：离线统计单元，用于每天一次统计所述 第二推荐内容的展示数和点击数，得到离线统计数据；增量统计单元，用于在 第一预设时间内计算所述第二推荐内容的展示数和点击数，得到增量统计数据。

进一步的，所述反馈模块包括：点击率计算单元，用于在第二预设时间 内计算所述第二推荐内容的点击率。

进一步的，所述调整模块包括：得分计算单元，用于运用威尔逊区间计 算所述点击率的威尔逊得分；调整单元，用于根据所述威尔逊得分调整所述第 一推荐内容。

在本申请实施例中，采用用户在线实时点击的行为，通过反馈模块和 调整模块，将用户反馈的信息作用到热门推荐的结果上，实现对热门推荐 结果自动调整，从而产生更精确的结果，以保证结果的热门程度；通过时 间权重的计算，产品信息的分布分析和算法本身的优化来提高热门推荐结 果的多样性，新颖性和实效性等。进而解决了资讯领域难以兼顾热度和实 效性的需求的技术问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本 申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及 其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的内容推荐方法示意图；以及

图2是根据本申请实施例的内容推荐装置示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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 描述的实施例仅仅是本申请一部分的实施例，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做出创造性劳动前提下所获得的所 有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语术语 “包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如， 包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列 出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、 产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、 “内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置 关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申 请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方 位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于 表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或 连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在 本申请中的具体含义。

此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广 义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连 接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两 个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可 以根据具体情况理解上述术语在本申请中的具体含义。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征 可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

如图1所示，本申请涉及一种内容推荐方法，该内容推荐方法包括：

步骤S101，确定第一推荐内容；

步骤S102，根据用户行为记录和内容推荐记录获得第二推荐内容；

步骤S103，监测所述第二推荐内容中用户点击事件；

步骤S104，根据用户点击事件获得用户反馈内容；

步骤S105，根据所述用户反馈内容调整所述第一推荐内容。

其中，步骤S102，根据用户行为记录和内容推荐记录获得第二推荐内容 包括：根据所述用户行为记录统计每条所述用户行为记录的第一特征信息；将 所述特征信息进行归一化，得到第二特征信息；将所述第二特征信息乘以时间 权重后排序获得所述第二推荐内容。

优选的，通过用户行为记录，统计每个资讯(指的是具体的产品或者是文 章)的第一特征信息，其中，第一特征信息至少包括：该资讯被点击过的次数 (view)、被收藏过的次数(share)、被转发过的次数(forward)、被评论过的次数 (comment)等等；还有资讯本身的一些信息，比如资讯的发表时间、资讯的评 分等，所有对产品有正反馈或负反馈的信息都可以统计做为特征计算。

在本申请的实施例中将资讯作为推荐内容进行详细的举例说明。

将所有资讯的某一个特征作为一个数列(比如所有产品的点击次数)，根 据如下计算公式进行归一化：

其中，n为资讯的个数，f_orgin为这个资讯的该特征的原始值，f_norm为这个 资讯归一化以后的值。

归一化是为了避免某些特征的绝对值特别大，而对最终的排序造成过大的 影响，举个例子，比如资讯只以资讯的时间戳和资讯被操作过的次数作为特征 值，那么由于时间戳的绝对值远远大于该资讯被操作过的次数，最后排序时， 结果可能几乎都是根据时间来排序的，归一化使得每个特征都在同一个数量级 上来进行比较，更能准确的表现该特征在最后排序中所占的比重；而每个特征 的权重(e_i)该怎么确定呢，有2种方法，第一种就是根据经验值来确定这种 行为的权重应该是多少，或者可以在实际运用中通过调整这个值来观察最终排 序对推荐结果的影响，从而判定权重是多少；第二种也可以用机器学习最优化的方式来确定参数值。

同时，还需要考虑资讯的实效性，通过时间因子来控制结果中资讯的实 效性，计算时间权重的公式如下：

其中t_cur为当前的时间戳，t为资讯的时间戳(通常为资讯生成的时间戳， 也可能是发布时间等等)，t_w为该资讯的时间权重值。

每个资讯的各个特征值已经归一化为一个(0，1)之间的值，然后将每个 资讯的各个特征值乘以该特征的权重(即加权)再乘以时间权重t_i，算出该资 讯的x_{item_score}，公式如下：

其中，x_{item_score}为该资讯计算出来的值，f_i为该资讯第i个特征归一化后的 特征值，e_i为该资讯第i个特征的权重。

按照上面给每个资讯计算的x_{item_score}排序，取前面1024个资讯(一般长度 为1024)，生成初步的热门推荐结果hot_all_list；再根据每个资讯的分类，将 资讯加入所属分类的list，对每个分类list按照x_{item_score}排序，同样取一定长度， 生成分类热门结果hot_{cate}_list(假设某个分类为1，则结果为hot_1_list)；统 计一下各个分类的资讯数量在全体资讯数量所占的比例，按比例最低的取一， 依次从各个分类热门中分别取出相应数量的资讯，最后生成一个具有多样性的 候选集diverse_list，比如分类cate1，cate2，cate3的资讯数量所占比例为1∶2∶3， 则从cate3的分类热门中取出前三个资讯，再从cate2的分类热门取出前两个 资讯，再从cate1的分类热门中取出最前面的一个资讯，然后有继续取cate1 的前三个，以此类推，直至取满长度(长度根据实际情况来确定，一般为1024)为止。

时效性上，时间因子能够保证推荐结果有足够的实效性，热门计算模块每 天用最近几天的行为数据计算第二推荐结果；针对资讯类或者是直播类的应 用，可以增加小时级，用最近几个小时甚至最近多少分钟，以增量更新的方式 来生成热门推荐结果，以保证实效性。

其中，步骤S103，监测所述第二推荐内容中用户点击事件包括：每天一 次统计所述第二推荐内容的展示数和点击数，得到离线统计数据；在第一预设 时间内计算所述第二推荐内容的展示数和点击数，得到增量统计数据。

优选的，从第一推荐内容和用户行为记录去统计计算前一天的每个资讯的 pv(展示数)、click(点击数)，每天计算前一天的数据，输出保存到数据库以 供后面的模块使用。

从第一推荐内容和用户行为记录去统计计算当天的每个资讯的pv(展示 数)、click(点击数)，每5分钟(具体的频率根据日志更新的频率来决定)以 增量更新的方式计算一次，将结果输出保存到数据库以供后面的模块使用。

其中，步骤S104，根据用户点击事件获得用户反馈内容包括：在第二预 设时间内计算所述第二推荐内容的点击率。

优选的，从步骤S105输出的统计数据中获取离线统计每个资讯近3天的 pv，click，当天的结果从统计的增量更新模块输出的结果中获取，其他天的从 离线统计模块中获取。用该资讯近3天的pv，click加权累加的结果来计算这 个资讯的ctr(点击率)值，。具体，total_pv的计算公式如下：

其中，pv_i为第i天的pv；w_i为第i天的时间权重，w_i的值为：

click的计算公式如下：

其中，click_i为第i天的click；w_i为第i天的时间权重同上；

计算ctr：

其中，步骤S105，根据所述用户反馈内容调整所述第一推荐内容包括： 运用威尔逊区间计算所述点击率的威尔逊得分；根据所述威尔逊得分调整所述 第一推荐内容。

优选的，运用威尔逊区间去计算每个资讯的wilson_score值，具体的计算公 式如下：

这里的pv指的是上面计算的total_pv。

运用威尔逊区间的作用是提高计算结果的置信度，弥补pv过小的影响。 如果pv比较大，就说明结果具有较高的置信度，不需要很大的修正，如果 pv比较小，就说明不一定可信，必须进行较大的修正。比如一篇文章展示 了10次，点击了8次，点击率是80％；第二篇文章展示了1000次，点击 了800次，点击率也是80％，但显然第二篇比第一篇有较高的置信度，wilson 区间的目的就在于，对pv较小的资讯进行衰减处理。

根据上述计算出来的每个资讯的wilson_score，对第一推荐内容调整顺序， 生成新的热门推荐结果，将新的结果保存回第二推荐模块保存结果的地方。

该步骤每15分钟运行一次，每次运行都运用统计增量更新模块的最新 结果来调整热门推荐结果的顺序，让当前比较热门的结果尽可能及时的展 示出来。

基于用户反馈内容的结果对第一推荐内容进行调整，输出最终的热门 推荐结果。第一推荐结果生成的结果大概有几百都几万不等，这个通常可 以灵活控制，但最终展示到用户面前的热门推荐结果往往只有几个或者几 十个，确定最终选择的推荐资讯及推荐顺序的步骤如下：

首先，根据实际客户端展示的版面确定展示的数量。一般能展示多少 都是固定的，通常为5个或者10个，这里暂时假设为10个推荐位。

其次，按照位置顺序，前五个和第七第九个位置依次展示点击反馈计 算出来的结果。其实这几个位置的结果是由热门推荐计算模块，点击反馈 模块相互协作来完成的。当初始的时候，由热门推荐计算模块先生成结果 展示在前端，然后点击反馈模块根据实时的在线统计的结果，动态的改变 这几个位置的实际推荐结果。这样做的目的是使真正热门的东西能够及时 的展示出来，一旦新闻热度上升，就能够及时的将这类结果及时的展示出来，对于那些渐渐过时或者热度下降的新闻就逐渐降低曝光的机会。

最后，在剩余的位置，则展示在热门推荐计算模块中具有多样性的热 门推荐结果diverse_list，类别过滤后的结果。类别过滤，是为了保证这几 个位置展示的资讯跟其他位置的资讯不是同样的分类，来提高推荐结果的 多样性，同时点击反馈可以调整这里的顺序，只需要保证分类和其他位置 不同即可。

如图2所示，该内容推荐装置包括：第一推荐模块1，用于确定第一推荐 内容；第二推荐模块2，用于根据用户行为记录和内容推荐记录获得第二推荐 内容；监测模块3，用于监测所述第二推荐内容中用户点击事件；反馈模块4， 用于根据用户点击事件获得用户反馈内容；调整模块5，用于根据所述用户反 馈内容调整所述第一推荐内容。

优选的，所述第二推荐模块2包括：统计单元，用于根据所述用户行为 记录统计每条所述用户行为记录的第一特征信息；归一化单元，用于将所述特 征信息进行归一化，得到第二特征信息；排序单元，用于将所述第二特征信息 乘以时间权重后排序获得所述第二推荐内容。

优选的，所述监测模块3包括：离线统计单元，用于每天一次统计所述 第二推荐内容的展示数和点击数，得到离线统计数据；增量统计单元，用于在 第一预设时间内计算所述第二推荐内容的展示数和点击数，得到增量统计数据。

优选的，所述反馈模块4包括：点击率计算单元，用于在第二预设时间 内计算所述第二推荐内容的点击率。

优选的，所述调整模块5包括：得分计算单元，用于运用威尔逊区间计 算所述点击率的威尔逊得分；调整单元，用于根据所述威尔逊得分调整所述第 一推荐内容。

该装置工作原理如下所述：利用线上用户实时点击反馈的方法来调整最终 热门推荐结果的方式，可以及时的将热门信息展示出来，让用户体验到不断变 化的结果，同时可以提高整体热门推荐结果的热门程度。以增量更新的方式以 及时间因子惩罚的方式，同时结合点击反馈的调整，可以保证热门推荐结果的 热门程度的同时，兼顾热门推荐的实效性。利用产品分类分布情况，与点击反 馈相结合生成的结果可以在保证热门推荐结果质量的同时，兼顾热门推荐结果 的多样性，增加其他分类产品曝光的机会。

从以上的描述中，可以看出，本申请实现了如下技术效果：在保证热门 推荐结果质量的同时，兼顾热门推荐结果的多样性，增加其他分类产品曝 光的机会。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领 域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则 之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之 内。

Claims (8)

1.一种内容推荐方法，其特征在于，包括：

确定第一推荐内容；

根据用户行为记录和内容推荐记录获得第二推荐内容；

所述根据用户行为记录和内容推荐记录获得第二推荐内容包括：根据所述用户行为记录统计每条所述用户行为记录的第一特征信息，所述第一特征信息至少包括：所述推荐内容被点击过的次数、被收藏过的次数、被转发过的次数、被评论过的次数；

监测所述第二推荐内容中用户点击事件；

根据用户点击事件获得用户反馈内容；

所述根据用户点击事件获得用户反馈内容包括：使用预设时间内的展示数和点击数加权累计的结果来计算第二推荐内容的点击率；

根据所述用户反馈内容调整所述第一推荐内容；

所述根据所述用户反馈内容调整所述第一推荐内容包括：运用威尔逊区间计算所述点击率的威尔逊得分；根据所述威尔逊得分对第一推荐内容调整顺序，生成新的热门推荐结果；

根据用户行为记录和内容推荐记录获得第二推荐内容包括：

根据所述用户行为记录统计每个资讯的第一特征信息；

将所述第一特征信息进行归一化，得到第二特征信息；

根据以下计算公式进行归一化处理：

其中，n为资讯的个数，f_orgin为资讯的第一特征信息的原始值，f_norm为所有资讯的第一特征信息经过归一化处理后得到的值；

将每个资讯的各个特征值乘以所述特征的权重再乘以时间权重，计算出所述资讯的项目得分；

计算时间权重的公式如下：

其中tcur为当前的时间戳，t为资讯的时间戳，tw为所述资讯的时间权重值；

先根据计算出的所述资讯的项目得分将所述资讯进行排序，并生成初步推荐结果；

再根据每个资讯的分类，将资讯加入所属分类的列表，并根据项目得分对每个分类列表进行排序，生成分类热门结果；

统计一下各个分类的资讯数量在全体资讯数量所占的比例，依次从各个分类热门中分别取出相应数量的资讯，来生成一个具有多样性的候选集。

2.根据权利要求1所述的内容推荐方法，其特征在于，监测所述第二推荐内容中用户点击事件包括：

每天一次统计所述第二推荐内容的展示数和点击数，得到离线统计数据；

在第一预设时间内计算所述第二推荐内容的展示数和点击数，得到增量统计数据。

3.根据权利要求1所述的内容推荐方法，其特征在于，根据用户点击事件获得用户反馈内容包括：

在第二预设时间内计算所述第二推荐内容的点击率。

4.根据权利要求1所述的内容推荐方法，其特征在于，根据所述用户反馈内容调整所述第一推荐内容包括：

运用威尔逊区间计算所述点击率的威尔逊得分；

根据所述威尔逊得分调整所述第一推荐内容。

5.一种内容推荐装置，其特征在于，包括：

第一推荐模块，用于确定第一推荐内容；

第二推荐模块，用于根据用户行为记录和内容推荐记录获得第二推荐内容；

所述根据用户行为记录和内容推荐记录获得第二推荐内容包括：根据所述用户行为记录统计每条所述用户行为记录的第一特征信息，所述第一特征信息至少包括：所述推荐内容被点击过的次数、被收藏过的次数、被转发过的次数、被评论过的次数；

监测模块，用于监测所述第二推荐内容中用户点击事件；

反馈模块，用于根据用户点击事件获得用户反馈内容；

所述根据用户点击事件获得用户反馈内容包括：使用预设时间内的展示数和点击数加权累计的结果来计算第二推荐内容的点击率；

调整模块，用于根据所述用户反馈内容调整所述第一推荐内容；

所述根据所述用户反馈内容调整所述第一推荐内容包括：运用威尔逊区间计算所述点击率的威尔逊得分；根据所述威尔逊得分对第一推荐内容调整顺序，生成新的热门推荐结果；

所述第二推荐模块包括：

统计单元，用于根据所述用户行为记录统计每个资讯的第一特征信息；

归一化单元，用于将所述第一特征信息进行归一化，得到第二特征信息；

根据以下计算公式进行归一化处理：

其中，n为资讯的个数，f_orgin为资讯的第一特征信息的原始值，f_norm为所有资讯的第一特征信息经过归一化处理后得到的值；

排序单元，用于将每个资讯的各个特征值乘以所述特征的权重再乘以时间权重，计算出所述资讯的项目得分；

计算时间权重的公式如下：

其中tcur为当前的时间戳，t为资讯的时间戳，tw为所述资讯的时间权重值；

先根据计算出的所述资讯的项目得分将所述资讯进行排序，并生成初步推荐结果；

再根据每个资讯的分类，将资讯加入所属分类的列表，并根据项目得分对每个分类列表进行排序，生成分类热门结果；

统计一下各个分类的资讯数量在全体资讯数量所占的比例，依次从各个分类热门中分别取出相应数量的资讯，来生成一个具有多样性的候选集。

6.根据权利要求5所述的内容推荐装置，其特征在于，所述监测模块包括：

离线统计单元，用于每天一次统计所述第二推荐内容的展示数和点击数，得到离线统计数据；

增量统计单元，用于在第一预设时间内计算所述第二推荐内容的展示数和点击数，得到增量统计数据。

7.根据权利要求5所述的内容推荐装置，其特征在于，所述反馈模块包括：

点击率计算单元，用于在第二预设时间内计算所述第二推荐内容的点击率。

8.根据权利要求5所述的内容推荐装置，其特征在于，所述调整模块包括：

得分计算单元，用于运用威尔逊区间计算所述点击率的威尔逊得分；

调整单元，用于根据所述威尔逊得分调整所述第一推荐内容。

Images