CN109145210A - 一种信息推荐的方法、装置及存储介质 - Google Patents

一种信息推荐的方法、装置及存储介质 Download PDF

Info

Publication number
CN109145210A
CN109145210A CN201810942956.1A CN201810942956A CN109145210A CN 109145210 A CN109145210 A CN 109145210A CN 201810942956 A CN201810942956 A CN 201810942956A CN 109145210 A CN109145210 A CN 109145210A
Authority
CN
China
Prior art keywords
information
channel
recommended
target
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810942956.1A
Other languages
English (en)
Other versions
CN109145210B (zh
Inventor
魏安军
张海龙
谢川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yayue Technology Co ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201810942956.1A priority Critical patent/CN109145210B/zh
Publication of CN109145210A publication Critical patent/CN109145210A/zh
Application granted granted Critical
Publication of CN109145210B publication Critical patent/CN109145210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种信息推荐的方法，包括：接收终端发送的信息获取请求，信息获取请求中携带用户标识信息；获取与用户标识信息对应的目标频道，根据与目标频道对应的不同时间段的用户画像，在满足目标函数的收益最大化的条件下确定出目标频道对应的推荐信息的数量，目标函数为与目标频道的类型和不同时间段的用户画像相关联的函数，不同时间段中时长大的时间段包含时长小的时间段；向终端发送目标频道对应数量的推荐信息。本申请技术方案由于在推荐信息时针对一个频道考虑了不同时间段的用户画像，及时关注了用户兴趣需求，而且在确定信息数量时充分考虑了收益最大化，从而确保了推荐的信息更符合用户兴趣需求，提高了点击量。

Description

一种信息推荐的方法、装置及存储介质
技术领域
本申请涉及计算机技术领域，具体涉及一种信息推荐的方法、装置及存储介质。
背景技术
在移动互联网高速发展的今天，越来越多的信息推荐类应用(APP)出现在人们的生活中。这些APP的后台通过收集用户的使用行为，并对使用行为进行统计分析，就可以智能的给用户推荐可能感兴趣的信息，以文章推荐为例：一般而言，正常的用户对于一次推荐的多篇文章，不希望它们的频道太偏离自己的兴趣，同时也不希望太过集中。频道指的是文章所属的领域或类型，例如：体育、汽车等。
在现有的方法中，文章频道多样性控制一般采用策略的方式来控制每个频道的数量。例如，根据用户对频道的兴趣权重来分配频道展示的数量，若当前文章展示位为N个，用户对“娱乐”频道的权重为0.5、对“政治”频道的权重为0.3、对“军事”频道的权重为0.2；则这三个频道的文章数量分别为N×0.5、N×0.3、N×0.2。
由此可见，按照权重的推荐方式，因为在相对长的时间内各个频道的数量基本是不变的，滞后性太强。
发明内容
为了解决信息推荐时对用户的兴趣感知滞后的问题，本申请实施例提供一种信息推荐的方法，可及时根据用户的兴趣需求进行信息推荐。本申请实施例还提供了相应的装置、计算机设备及计算即可读存储介质。
本申请第一方面提供一种信息推荐的方法，包括：
接收终端发送的信息获取请求，所述信息获取请求中携带用户标识信息；
获取与所述用户标识信息对应的目标频道，所述目标频道包括至少一种类型的频道；
根据与所述目标频道对应的不同时间段的用户画像，在满足目标函数的收益最大化的条件下确定出所述目标频道对应的推荐信息的数量，所述用户画像为所述用户标识信息所指示的用户对所述目标频道的兴趣向量，所述目标函数为与所述目标频道的类型和所述不同时间段的用户画像相关联的函数，所述不同时间段中时长大的时间段包含时长小的时间段；
向所述终端发送所述目标频道对应数量的推荐信息。
本申请第二方面提供一种信息推荐的装置，包括：
接收单元，用于接收终端发送的信息获取请求，所述信息获取请求中携带用户标识信息；
获取单元，用于获取与所述接收单元接收的所述用户标识信息对应的目标频道，所述目标频道包括至少一种类型的频道；
确定单元，用于根据与所述获取单元获取的所述目标频道对应的不同时间段的用户画像，在满足目标函数的收益最大化的条件下确定出所述目标频道对应的推荐信息的数量，所述用户画像为所述用户标识信息所指示的用户对所述目标频道的兴趣向量，所述目标函数为与所述目标频道的类型和所述不同时间段的用户画像相关联的函数，所述不同时间段中时长大的时间段包含时长小的时间段；
发送单元，用于向所述终端发送所述确定单元确定的所述目标频道对应数量的推荐信息。
本申请第三方面提供一种计算机设备，所述计算机设备包括：输入/输出(I/O)接口、处理器和存储器，所述存储器中存储有程序指令；
所述处理器用于执行存储器中存储的程序指令，执行上述第一方面所述的方法。
本申请的又一方面提供了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指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。
本申请的又一方面提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。
本申请实施例提供的方案在推荐信息时针对一个频道考虑了多周期画像，也就是不同时间段的用户画像，及时关注了用户兴趣需求，而且在确定信息数量时充分考虑了收益最大化，从而确保了推荐的信息更符合用户兴趣需求，提高了点击量。
附图说明
图1是本申请实施例中信息推荐的系统的一示例示意图；
图2是本申请实施例中信息推荐的一展示界面示意图；
图3是本申请实施例中信息推荐的方法的一实施例示意图；
图4是本申请实施例中信息推荐的方法的另一实施例示意图；
图5是本申请实施例中信息推荐的装置的一实施例示意图；
图6是本申请实施例中信息推荐的装置的另一实施例示意图；
图7是本申请实施例中计算机设备的一实施例示意图。
具体实施方式
下面结合附图，对本申请的实施例进行描述，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。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本申请实施例提供一种信息推荐的方法，可及时根据用户的兴趣需求进行信息推荐。本申请实施例还提供了相应的装置、计算机设备及计算即可读存储介质。以下分别进行详细说明。
图1为本申请实施例提供的信息推荐的系统的一实施例示意图。
如图1所示，本申请实施例提供的信息推荐的系统包括计算机设备10、网络20和终端30，计算机设备10和终端30通过网络20通信连接。终端30可以为手机、平板电脑和个人计算机(PC，personal computer)等终端。
终端30上可以安装相应的应用(App)，用户可以通过该App浏览信息，在App中浏览信息通常是以文章的形式作为一个主体的。例如：该App可以为“天天快报”，用户可以在终端30上使用该App浏览文章。用户在终端30上所浏览的文章是计算机设备10推送来的，一般在用户刷新App时，终端30就会向计算机设备10发送刷新请求，然后计算机设备10会根据该刷新请求向终端10返回文章供用户浏览。当然，终端10也不限于只在发送刷新请求时才会触发计算机设备10返回文章，其他的类型的信息获取请求都可以触发计算机设备10返回文章。
因为每个用户的阅读喜好不同。因此，每个用户在阅读时所关注的文章频道就不同，为了实现满足用户需求的推荐，计算机设备会收集用户的浏览历史，根据用户画像(User Profile)进行文章推荐，这样可以一定程度上满足用户的个性化需求。用户画像可包括属性和兴趣，本申请实施例中的用户画像侧重用户对频道的兴趣。频道指的是文章所属的领域或类型，例如：娱乐、政治、军事、金融、体育和汽车等。
计算机设备10推荐到终端30上的文章可以通过展示位的形式进行展示。如图2的终端的界面展示图所示，终端30会将计算机设备10推送过来的文章放在展示位上进行展示。因为终端30的屏幕尺寸有限，所以展示位的数量也有限，所以计算机设备10在确定推送给终端30的推荐文章时就需要充分考虑用户的兴趣偏好，尽可能的推荐满足用户需求的文章。
下面结合图3介绍本申请实施例中为尽可能的满足用户需求所提供的文章推荐的方法。
如图3所示，本申请实施例提供的信息推荐的方法的一实施例可以包括：
101、计算机设备接收终端发送的信息获取请求，所述信息获取请求中携带用户标识信息。
该信息获取请求可以是用户启动终端上的App触发的，也可以是用户点击文章触发的。
用户标识信息可以是用户在该App上的注册信息，例如：账号名。也可以是该终端的设备信息，例如：终端的设备号。只要能唯一的标识使用该终端的用户的信息都可以是本申请实施例中的用户标识信息。
102、计算机设备获取与所述用户标识信息对应的目标频道，所述目标频道包括至少一种类型的频道。
频道指的是文章所属的领域或类型，例如：娱乐、政治、军事、金融、体育和汽车等。
目标频道为上述频道的子集，目标频道可以有一个，也可以有多个。
因为每个用户的喜好可能是不同的，所以不同用户的用户标识信息所对应的目标频道可能是不同的。例如：张三喜好“娱乐”、“政治”和“军事”，那么张三的用户标识信息所对应的目标频道可能为“娱乐”、“政治”和“军事”。李四喜好“金融”、“体育”和“汽车”，那么李四的用户标识信息所对应的目标频道可能为“金融”、“体育”和“汽车”。
103、根据与所述目标频道对应的不同时间段的用户画像，在满足目标函数的收益最大化的条件下确定出所述每个目标频道对应的推荐信息的数量。
所述用户画像为所述用户标识信息所指示的用户对所述目标频道的兴趣向量。针对用户的目标频道的兴趣向量都可以从该用户在历史浏览记录中得到。
所述目标函数为与所述目标频道的类型和所述不同时间段的用户画像相关联的函数，所述不同时间段中时长大的时间段包含时长小的时间段。
不同时间段指的是不同长度的时间段，各时间段可以互为子集，例如：有四个时间段：
第一个时间段的时长为一天。
第二个时间段的时长为三天。
第三个时间段的时长为一周。
第四个时间段的时长为一个月。
那么这些时间段可以理解为是从当前时间为起点向前的时长。如果以天为单位，那么用户在7月6日发起的信息获取请求所使用的四个时间段中：
第一时间段则可以为7月5日一天。
第二时间段则可以为从7月3日至7月5日三天。
第三时间段则可以为从6月29日至7月5日这一周。
第四时间段则可以为从6月6日到7月5日这一个月。
用户画像可以用向量的形式表示，每个时间段在不同目标频道有不同的用户画像，也就是有不同的兴趣向量。不同时间段在不同目标频道的兴趣向量主要是计算机设备根据这个时间段在该频道的浏览记录计算出的。
以上不同时间段的各目标频道的用户画像可以参阅如下表1进行理解：
表1：不同时间段的各目标频道的用户画像
目标频道1 目标频道2 目标频道3
时间段1 w11 w21 w31
时间段2 w12 w22 w32
时间段3 w13 w23 w33
时间段4 w14 w24 w34
以上表1的时间段和目标频道只是举例说明，实际文章推荐过程中时间段的数量和目标频道的数量根据实际情况确定，不应将表1中时间段的数量和目标频道的数量理解为是对实际文章推荐过程中时间段的数量和目标频道的数量的限定。
目标函数为与目标频道的类型和不同时间段的用户画像相关联的函数，在文章选择时，如果一个频道的文章选择过多，就可能造成目标函数的收益下降，因此，为保证目标函数的收益最大化，计算机设备依据该目标函数会调整各个目标频道的推荐文章数量，从而在目标函数收益最大化的情况下确定出每个目标频道对应的推荐文章的数量。
104、向所述终端发送所述每个目标频道对应数量的推荐文章。
本申请实施例提供的方案在推荐信息时针对一个频道考虑了多周期画像，也就是不同时间段的用户画像，及时关注了用户兴趣需求，而且在确定信息数量时充分考虑了收益最大化，从而确保了推荐的信息更符合用户兴趣需求，提高了点击量。
可选地，在上述实施例的基础上，本申请实施例提供的信息推荐的方法的另一实施例中，所述根据与所述目标频道对应的不同时间段的用户画像，在满足目标函数的收益最大化的条件下确定出所述每个目标频道对应的推荐信息的数量，可以包括：
根据所述每个目标频道对应的不同时间段的用户画像，以及所述每个目标频道的用户画像的权重从候选信息中选取待推荐信息；
根据所述待推荐信息所属的目标频道，以及所述待推荐信息的被点击信息，确定所述目标函数的收益；
以所述目标函数的收益最大化为目标，在所述每个目标频道的待推荐信息数量不大于该目标频道最大推荐信息数量的范围内调整所述每个目标频道中的待推荐信息，以得到所述每个目标频道的推荐信息，以及所述每个目标频道的推荐信息的数量。
本申请实施例中，还是以信息是文章为例来进行说明，候选文章可以用集合的形式表示为A＝{a1,...,an}，其中，ai表示该集合A中的一篇文章，每篇文章只属于一个频道，可以用ai∈{0,1}d的形式表示，其中d的长度表示目标频道的种类数。若ai属于“娱乐”频道，则在“娱乐”频道ai的取值为1，其他目标频道ai的取值为0。在同一时间段，用户画像的数量与目标频道的数量相同，也是长度为d。
若从A中选出k篇文章，则可表示为Ak，为使目标函数的收益最大化，目标函数的收益最大化，也就是频道多样性收益最大化，则有：其中：
其中，g(Ak,w)表示频道多样性的收益指标。
Ak表示k篇文章组成的集合。
w表示多个不同时间段的用户画像的集合。
wc表示某个目标频道在某个时间段的用户画像，例如：表1中的w11至w34中的一个。
表示集合Ak中各文章对应的目标频道的数量所组成的向量。
表示集合Ak中各文章的点击预测得分的和。
表示集合Ak中所有文章在周期画像wc下的边际效益收益。
其中，函数log(1+λx)/λ为次模函数，会随着x的增加其函数值的增益不断减小，即边际效益递减。将作为函数的自变量可以理解为：若总是选择同一个频道的文章，该收益会不断减小，越来越难达到收益最大化；不如选择其它频道的文章来保持高的增益从而最大化收益。
<·,·>表示向量的内积。故该项整体的含义为边际效益的递减会根据用户的频道兴趣来决定强度，一般而言，兴趣越强的频道受到递减的影响越小。
λc为周期画像wc的边际效益递减因子，其值越小线性越强，即递减越弱，反之递减越强。
αc表示用户画像wc在多样性控制收益中的权重，值越大表明该用户画像的控制越强，即越可能按照该用户画像去挑选文章。
以上最大化收益的目标函数需要满足以下限制条件：
其中，表示集合Ak中目标频道为j的数量，即第一个限制条件的意思为在一次推荐结果中每个目标频道的推荐文章数目最大不超过Nd，最小为0。
可选地，所述在所述目标频道的待推荐信息数量不大于该目标频道最大推荐信息数量的范围内调整所述每个目标频道中的待推荐信息时，所述方法还可以包括：
获取所述每个待推荐信息的标签，所述标签用于表示所述待推荐信息的实体，所述实体为所述待推荐信息中的参与对象；
根据所述每个待推荐信息的标签调整所述每个目标频道的待推荐信息，其中，同一标签的待推荐信息的数量不大于最大相同标签信息数量。
本申请实施例中，还是以信息是文章为例进行说明，即使同一频道的文章也可能有多种不同的方向，如：“娱乐”频道的文章可能有的是与电视机相关的，有的是与综艺节目相关的，有的是与某位演员相关的，为了避免同一频道的文章都集合中某一点上，所以可以通过标签进行区分，针对同一标签限定最大相同标签文章数量。该限制条件可以用如下关系表示：
其中，t(ai)表示文章ai标题中的标签，用one-hot向量表示，其长度为整体标签集合的大小T。
表示集合Ak中标签为p的数量，即第二个限制条件的意思为在一次推荐结果中同一标签的推荐文章的数目最大不超过Nt，最小为0。
本申请实施例中，考虑到不同时间段中用户画像会随着用户在线的行为进行动态更新，所以目标函数中的权重αc也应该在线的动态改变。所以，本申请实施例提供的信息推荐的方法还可以包括：
以接收到所述信息获取请求为起点，统计所述终端前M次刷新后被点击的所有推荐信息的频道分布，所述M为正整数；
根据所述频道分布中的每个频道中被点击的推荐信息的平均点击率、所述每个频道的所述被点击的推荐信息在所述所有推荐信息中的占比、所述每个频道的用户画像，更新所述每个频道的用户画像的权重，所述每个频道包含所述每个目标频道。
本申请实施例中，还是以信息是文章为例进行说明，可以根据如下公式
更新wc对应的αc。
其中，
hit_ctr表示在用户画像wc中，所述频道分布中的每个频道中被点击的推荐文章的平均点击率。
hit_rate表示在用户画像wc中，所述频道分布中每个频道的被点击的推荐文章在所述所有推荐文章中的占比。
hit_weight表示每个频道的用户画像。
α为初始值，每个频道的初始值都相同。
由以上方案可知，如果某个用户画像对应的频道在历史展示中有更多的展现，则表示该频道的点击率高，则得分应越高，即权重αc也应该越高。举个例子来说，若某个用户画像中的“娱乐”和“政治”频道都有在用户历史中展现，且点击率都为10％，但在该周期画像中用户对“娱乐”的兴趣高于“政治”。通常来说，用户兴趣高的点击率越高，但在上述场景下，“政治”和“娱乐”的点击率持平，说明用户更偏向于兴趣低的“政治”，故“政治”频道的权重αc应该调的更高。
可选地，本申请实施例中，所述获取与所述用户标识信息对应的目标频道，可以包括：
根据所述用户标识信息确定目标兴趣广泛度类型；
根据所述兴趣广泛度类型确定所述用户标识信息所对应的目标频道的数量；
根据所述用户标识信息所对应的被点击信息的信息确定与所述数量对应的所述目标频道。
本申请实施例中，每个用户的目标频道并不是一层不变的，计算机设备会根据用户的浏览历史不断更新各用户的目标频道的数量以及目标频道。该确定目标频道的数量时可以根据用户标识信息查找该用户的兴趣广泛度类型，用户的兴趣广泛度类型可以预先划分为几种，每种兴趣广泛度类型会对应不同的频道数量，然后再根据用户历史浏览的信息的信息，如文章的信息确定相应的目标频道。
可选地，本申请实施例提供的信息推荐的方法的另一实施例中，所述根据所述用户标识信息确定目标兴趣广泛度类型，可以包括：
根据所述用户标识信息确定头部兴趣权重，所述头部兴趣权重为各个频道中最大的兴趣权重；
根据所述头部兴趣权重，以及兴趣权重与兴趣广泛度类型之间的对应关系，确定所述用户标识信息所对应的目标兴趣广泛度类型。
本申请实施例中，可以通过头部兴趣权重进行兴趣广泛度类型的划分，考虑到不同用户对推荐结果中频道种类的偏好不同，例如：在兴趣广泛度人群划分时，可以根据用户在频道上的头部兴趣权重划分成四类人群，其中头部兴趣权重的范围为(0,1]，该值越大说明用户的兴趣越单一，越小说明用户的兴趣越广泛，具体划分方式可以为：
头部兴趣权重∈(0.00,0.25)，则为兴趣重度广泛用户群；
头部兴趣权重∈[0.25,0.50)，则为兴趣中度广泛用户群；
头部兴趣权重∈[0.50,0.75)，则为兴趣中度单一用户群；
头部兴趣权重∈[0.75,1.00]，则为兴趣重度单一用户群。
当然，上述四种划分方式只是举例说明，本申请实施例中不限定头部兴趣权重与兴趣广泛度类型之间对应关系的数量。
以上面划分方式为例，根据用户标识信息确定各频道的兴趣权重后，就可以找到最大的兴趣权重，也就是头部兴趣权重，从而根据头部兴趣权重所落入的方位，确定该用户标识信息所对应的目标兴趣广泛度类型，也就是兴趣广泛度用户群。进而可以根据该所落入的用户群确定目标频道的数量。例如：兴趣广泛度用户群与对应的频道的数量的对应关系可以参阅表2的示例进行理解。
表2：兴趣广泛度用户群与对应的频道的数量的对应关系
兴趣广泛度用户群 频道的数量
兴趣重度广泛用户群 8
兴趣中度广泛用户群 6
兴趣中度单一用户群 4
兴趣重度单一用户群 2
当然，表2中只是举例进行说明，关于兴趣广泛度用户群与对应的频道的数量的对应关系不限定与表2中的具体数量。
可选地，本申请实施例提供的信息推荐的方法的另一实施例中，所述根据所述用户标识信息所对应的被点击信息的信息确定与所述数量对应的所述目标频道，包括：
根据所述用户标识信息所对应的被点击信息的信息，确定每个频道的信息点击率和继续刷新推荐结果的概率都满足推荐条件的频道作为备选频道；
从所述备选频道中选择所述信息点击率和所述继续刷新推荐结果的概率的综合排名在前N的频道确定为所述目标频道，所述N为所述目标频道的数量，所述N为正整数。
本申请实施例中，还是以信息是文章为例进行说明，在确定了目标频道的数量后，就需要根据该用户标识信息所对应的浏览历史确定用户感兴趣的频道，也就是根据用户标识信息所对应的被点击文章的信息，确定备选频道，备选的频道可能很多，可以选择文章点击率和继续刷新推荐结果的概率都满足推荐条件的频道作为备选频道，文章点击率为某个频道下的被点击文章的总量除以文章的展现总量，继续刷新推荐结果的概率为某个频道的推荐文章中，用户继续往下刷新的总次数除以出现该频道种类数的刷新的总次数。
可选地，本申请实施例提供的信息推荐的方法的另一实施例中，所述方法还可以包括：
根据所述每个目标频道的信息点击率和所述继续刷新推荐结果的概率设置所述每个目标频道最大推荐信息数量。
本申请实施例中，可以根据每个目标频道的信息点击率和所述继续刷新推荐结果的概率设置每个目标频道的Nd，也就是如果信息点击率和所述继续刷新推荐结果的概率都较大，则表示用户很喜欢这个频道，这可以把这个频道的Nd设置的大一些。
以上本申请实施例提供的方案还可以参阅图4进行理解。
如图4所示，可以根据用户的头部兴趣权重确定进行兴趣广泛度人群划分，然后根据划分的结果确定目标频道的数量。再根据用户所属的兴趣广泛度人群、用户的浏览记录以及不同时间段的用户画像调整wc对应的权重αc。更新权重αc后可以利用上述进行频道多样性控制，频道多样性控制是采用贪婪算法求解，从而确定出在目标函数收益最大化的情况下的各目标频道的推荐信息的数量。其中，在确定目标频道时还需要依据频道类型的关联数据，关联数据也就是该用户在各频道的信息点击率和继续刷新推荐结果的概率。该用户在各频道的信息点击率和继续刷新推荐结果的概率可以通过天级别的用户行为日志进行挖掘得到。
与图4相关兴趣广泛度人群划分、模型参数αc调整，频道多样性控制和频道类型的关联数据都可以参阅上述相应部分的描述进行理解，本处不再重复赘述。
以上描述了信息推荐的方法，下面结合附图描述本申请实施例中的信息推荐的装置以及计算机设备。
如图5所示，本申请实施例提供的信息推荐的装置40包括：
接收单元401，用于接收终端发送的信息获取请求，所述信息获取请求中携带用户标识信息；
获取单元402，用于获取与所述接收单元401接收的所述用户标识信息对应的目标频道，所述目标频道包括至少一种类型的频道；
确定单元403，用于根据与所述获取单元402获取的所述目标频道对应的不同时间段的用户画像，在满足目标函数的收益最大化的条件下确定出所述目标频道对应的推荐信息的数量，所述用户画像为所述用户标识信息所指示的用户对所述目标频道的兴趣向量，所述目标函数为与所述目标频道的类型和所述不同时间段的用户画像相关联的函数，所述不同时间段中时长大的时间段包含时长小的时间段；
发送单元404，用于向所述终端发送所述确定单元403确定的所述目标频道对应数量的推荐信息。
本申请实施例提供的方案在推荐信息时针对一个频道考虑了多周期画像，也就是不同时间段的用户画像，及时关注了用户兴趣需求，而且在确定信息数量时充分考虑了收益最大化，从而确保了推荐的信息更符合用户兴趣需求，提高了点击量。
可选地，所述确定单元403用于：
根据所述目标频道对应的不同时间段的用户画像，以及所述目标频道的用户画像的权重从候选信息中选取待推荐信息；
根据所述待推荐信息所属的目标频道，以及所述待推荐信息的被点击信息，确定所述目标函数的收益；
以所述目标函数的收益最大化为目标，在所述目标频道的待推荐信息数量不大于该目标频道最大推荐信息数量的范围内调整所述目标频道中的待推荐信息，以得到所述目标频道的推荐信息，以及所述目标频道的推荐信息的数量。
可选地，所述确定单元403还用于：
在所述目标频道的待推荐信息数量不大于该目标频道最大推荐信息数量的范围内调整所述目标频道中的待推荐信息时，获取所述每个待推荐信息的标签，所述标签用于表示所述待推荐信息的实体，所述实体为所述待推荐信息中的参与对象；
根据所述每个待推荐信息的标签调整所述目标频道的待推荐信息，其中，同一标签的待推荐信息的数量不大于最大相同标签信息数量。
可选地，如图6所示，本申请实施例提供的信息推荐的装置40的另一实施例中，所述装置40还包括：
统计单元405，用于以接收到所述信息获取请求为起点，统计所述终端前M次刷新后被点击的所有推荐信息的频道分布，所述M为正整数；
更新单元406，用于根据所述统计单元405统计的所述频道分布中的每个频道中被点击的推荐信息的平均点击率、所述每个频道的所述被点击的推荐信息在所述所有推荐信息中的占比、所述每个频道的用户画像，更新所述每个频道的用户画像的权重，所述每个频道包含所述目标频道。
可选地，所述获取单元402用于：
根据所述用户标识信息确定目标兴趣广泛度类型；
根据所述兴趣广泛度类型确定所述用户标识信息所对应的目标频道的数量；
根据所述用户标识信息所对应的被点击信息的信息确定与所述数量对应的所述目标频道。
可选地，所述获取单元402用于：
根据所述用户标识信息确定头部兴趣权重，所述头部兴趣权重为各个频道中最大的兴趣权重；
根据所述头部兴趣权重，以及兴趣权重与兴趣广泛度类型之间的对应关系，确定所述用户标识信息所对应的目标兴趣广泛度类型。
可选地，所述获取单元402用于：
根据所述用户标识信息所对应的被点击信息的信息，确定每个频道的信息点击率和继续刷新推荐结果的概率都满足推荐条件的频道作为备选频道；
从所述备选频道中选择所述信息点击率和所述继续刷新推荐结果的概率的综合排名在前N的频道确定为所述目标频道，所述N为所述目标频道的数量，所述N为正整数。
可选地，所述获取单元402还用于：
根据所述目标频道的信息点击率和所述继续刷新推荐结果的概率设置所述目标频道最大推荐信息数量。
以上，本申请实施例提供的信息推荐的装置40都可以参阅上述图1至图4部分的相应描述进行理解，本处不再重复赘述。
图7是本申请实施例提供的计算机设备50的结构示意图。所述计算机设备50包括处理器510、存储器540和输入输出(I/O)接口530，存储器540可以包括只读存储器和随机存取存储器，并向处理器510提供操作指令和数据。存储器540的一部分还可以包括非易失性随机存取存储器(NVRAM)。
在一些实施方式中，存储器540存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集:
在本申请实施例中，在信息推荐的过程中，通过调用存储器540存储的操作指令(该操作指令可存储在操作系统中)，
接收终端发送的信息获取请求，所述信息获取请求中携带用户标识信息；
获取与所述用户标识信息对应的目标频道，所述目标频道包括至少一种类型的频道；
根据与所述目标频道对应的不同时间段的用户画像，在满足目标函数的收益最大化的条件下确定出所述目标频道对应的推荐信息的数量，所述用户画像为所述用户标识信息所指示的用户对所述目标频道的兴趣向量，所述目标函数为与所述目标频道的类型和所述不同时间段的用户画像相关联的函数，所述不同时间段中时长大的时间段包含时长小的时间段；
向所述终端发送所述目标频道对应数量的推荐信息。
本申请实施例提供的方案在推荐信息时针对一个频道考虑了多周期画像，也就是不同时间段的用户画像，及时关注了用户兴趣需求，而且在确定信息数量时充分考虑了收益最大化，从而确保了推荐的信息更符合用户兴趣需求，提高了点击量。
处理器510控制计算机设备50的操作，处理器510还可以称为CPU(CentralProcessing Unit，中央处理单元)。存储器540可以包括只读存储器和随机存取存储器，并向处理器510提供指令和数据。存储器540的一部分还可以包括非易失性随机存取存储器(NVRAM)。具体的应用中计算机设备50的各个组件通过总线系统520耦合在一起，其中总线系统520除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都标为总线系统520。
上述本申请实施例揭示的方法可以应用于处理器510中，或者由处理器510实现。处理器510可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器510中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器510可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器540，处理器510读取存储器540中的信息，结合其硬件完成上述方法的步骤。
可选地，处理器510用于：
根据所述目标频道对应的不同时间段的用户画像，以及所述目标频道的用户画像的权重从候选信息中选取待推荐信息；
根据所述待推荐信息所属的目标频道，以及所述待推荐信息的被点击信息，确定所述目标函数的收益；
以所述目标函数的收益最大化为目标，在所述目标频道的待推荐信息数量不大于该目标频道最大推荐信息数量的范围内调整所述目标频道中的待推荐信息，以得到所述目标频道的推荐信息，以及所述目标频道的推荐信息的数量。
可选地，处理器510用于：
在所述目标频道的待推荐信息数量不大于该目标频道最大推荐信息数量的范围内调整所述目标频道中的待推荐信息时，获取所述每个待推荐信息的标签，所述标签用于表示所述待推荐信息的实体，所述实体为所述待推荐信息中的参与对象；
根据所述每个待推荐信息的标签调整所述目标频道的待推荐信息，其中，同一标签的待推荐信息的数量不大于最大相同标签信息数量。
可选地，处理器510还用于：
以接收到所述信息获取请求为起点，统计所述终端前M次刷新后被点击的所有推荐信息的频道分布，所述M为正整数；
根据所述频道分布中的每个频道中被点击的推荐信息的平均点击率、所述每个频道的所述被点击的推荐信息在所述所有推荐信息中的占比、所述每个频道的用户画像，更新所述每个频道的用户画像的权重，所述每个频道包含所述目标频道。
可选地，处理器510用于：
根据所述用户标识信息确定目标兴趣广泛度类型；
根据所述兴趣广泛度类型确定所述用户标识信息所对应的目标频道的数量；
根据所述用户标识信息所对应的被点击信息的信息确定与所述数量对应的所述目标频道。
可选地，处理器510用于：
根据所述用户标识信息确定头部兴趣权重，所述头部兴趣权重为各个频道中最大的兴趣权重；
根据所述头部兴趣权重，以及兴趣权重与兴趣广泛度类型之间的对应关系，确定所述用户标识信息所对应的目标兴趣广泛度类型。
可选地，处理器510用于：
根据所述用户标识信息所对应的被点击信息的信息，确定每个频道的信息点击率和继续刷新推荐结果的概率都满足推荐条件的频道作为备选频道；
从所述备选频道中选择所述信息点击率和所述继续刷新推荐结果的概率的综合排名在前N的频道确定为所述目标频道，所述N为所述目标频道的数量，所述N为正整数。
可选地，处理器510还用于：
根据所述目标频道的信息点击率和所述继续刷新推荐结果的概率设置所述目标频道最大推荐信息数量。
上对计算机设备50的描述可以参阅图1至图4部分的描述进行理解，本处不再重复赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
以上对本申请实施例所提供的文章推荐的方法、装置、计算机设备以及计算机可读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。

Claims (15)

1.一种信息推荐的方法，其特征在于，包括：
接收终端发送的信息获取请求，所述信息获取请求中携带用户标识信息；
获取与所述用户标识信息对应的目标频道，所述目标频道包括至少一种类型的频道；
根据与所述目标频道对应的不同时间段的用户画像，在满足目标函数的收益最大化的条件下确定出所述目标频道对应的推荐信息的数量，所述用户画像为所述用户标识信息所指示的用户对所述目标频道的兴趣向量，所述目标函数为与所述目标频道的类型和所述不同时间段的用户画像相关联的函数，所述不同时间段中时长大的时间段包含时长小的时间段；
向所述终端发送所述目标频道对应数量的推荐信息。
2.根据权利要求1所述的方法，其特征在于，所述根据与所述目标频道对应的不同时间段的用户画像，在满足目标函数的收益最大化的条件下确定出所述目标频道对应的推荐信息的数量，包括：
根据所述目标频道对应的不同时间段的用户画像，以及所述目标频道的用户画像的权重从候选信息中选取待推荐信息；
根据所述待推荐信息所属的目标频道，以及所述待推荐信息的被点击信息，确定所述目标函数的收益；
以所述目标函数的收益最大化为目标，在所述目标频道的待推荐信息数量不大于该目标频道最大推荐信息数量的范围内调整所述目标频道中的待推荐信息，以得到所述目标频道的推荐信息，以及所述目标频道的推荐信息的数量。
3.根据权利要求2所述的方法，其特征在于，所述在所述目标频道的待推荐信息数量不大于该目标频道最大推荐信息数量的范围内调整所述目标频道中的待推荐信息时，所述方法还包括：
获取所述每个待推荐信息的标签，所述标签用于表示所述待推荐信息的实体，所述实体为所述待推荐信息中的参与对象；
根据所述每个待推荐信息的标签调整所述目标频道的待推荐信息，其中，同一标签的待推荐信息的数量不大于最大相同标签信息数量。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
以接收到所述信息获取请求为起点，统计所述终端前M次刷新后被点击的所有推荐信息的频道分布，所述M为正整数；
根据所述频道分布中的每个频道中被点击的推荐信息的平均点击率、所述每个频道的所述被点击的推荐信息在所述所有推荐信息中的占比、所述每个频道的用户画像，更新所述每个频道的用户画像的权重，所述每个频道包含所述目标频道。
5.根据权利要求2-4任一所述的方法，其特征在于，所述获取与所述用户标识信息对应的目标频道，包括：
根据所述用户标识信息确定目标兴趣广泛度类型；
根据所述兴趣广泛度类型确定所述用户标识信息所对应的目标频道的数量；
根据所述用户标识信息所对应的被点击信息的信息确定与所述数量对应的所述目标频道。
6.根据权利要求5所述的方法，其特征在于，所述根据所述用户标识信息确定目标兴趣广泛度类型，包括：
根据所述用户标识信息确定头部兴趣权重，所述头部兴趣权重为各个频道中最大的兴趣权重；
根据所述头部兴趣权重，以及兴趣权重与兴趣广泛度类型之间的对应关系，确定所述用户标识信息所对应的目标兴趣广泛度类型。
7.根据权利要求5所述的方法，其特征在于，所述根据所述用户标识信息所对应的被点击信息的信息确定与所述数量对应的所述目标频道，包括：
根据所述用户标识信息所对应的被点击信息的信息，确定每个频道的信息点击率和继续刷新推荐结果的概率都满足推荐条件的频道作为备选频道；
从所述备选频道中选择所述信息点击率和所述继续刷新推荐结果的概率的综合排名在前N的频道确定为所述目标频道，所述N为所述目标频道的数量，所述N为正整数。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
根据所述目标频道的信息点击率和所述继续刷新推荐结果的概率设置所述目标频道最大推荐信息数量。
9.一种信息推荐的装置，其特征在于，包括：
接收单元，用于接收终端发送的信息获取请求，所述信息获取请求中携带用户标识信息；
获取单元，用于获取与所述接收单元接收的所述用户标识信息对应的目标频道，所述目标频道包括至少一种类型的频道；
确定单元，用于根据与所述获取单元获取的所述目标频道对应的不同时间段的用户画像，在满足目标函数的收益最大化的条件下确定出所述目标频道对应的推荐信息的数量，所述用户画像为所述用户标识信息所指示的用户对所述目标频道的兴趣向量，所述目标函数为与所述目标频道的类型和所述不同时间段的用户画像相关联的函数，所述不同时间段中时长大的时间段包含时长小的时间段；
发送单元，用于向所述终端发送所述确定单元确定的所述目标频道对应数量的推荐信息。
10.根据权利要求9所述的装置，其特征在于，
所述确定单元用于：
根据所述目标频道对应的不同时间段的用户画像，以及所述目标频道的用户画像的权重从候选信息中选取待推荐信息；
根据所述待推荐信息所属的目标频道，以及所述待推荐信息的被点击信息，确定所述目标函数的收益；
以所述目标函数的收益最大化为目标，在所述目标频道的待推荐信息数量不大于该目标频道最大推荐信息数量的范围内调整所述目标频道中的待推荐信息，以得到所述目标频道的推荐信息，以及所述目标频道的推荐信息的数量。
11.根据权利要求10所述的装置，其特征在于，
所述确定单元还用于：
在所述目标频道的待推荐信息数量不大于该目标频道最大推荐信息数量的范围内调整所述目标频道中的待推荐信息时，获取所述每个待推荐信息的标签，所述标签用于表示所述待推荐信息的实体，所述实体为所述待推荐信息中的参与对象；
根据所述每个待推荐信息的标签调整所述目标频道的待推荐信息，其中，同一标签的待推荐信息的数量不大于最大相同标签信息数量。
12.根据权利要求10所述的装置，其特征在于，所述装置还包括：
统计单元，用于以接收到所述信息获取请求为起点，统计所述终端前M次刷新后被点击的所有推荐信息的频道分布，所述M为正整数；
更新单元，用于根据所述统计单元统计的所述频道分布中的每个频道中被点击的推荐信息的平均点击率、所述每个频道的所述被点击的推荐信息在所述所有推荐信息中的占比、所述每个频道的用户画像，更新所述每个频道的用户画像的权重，所述每个频道包含所述目标频道。
13.根据权利要求10-12任一所述的装置，其特征在于，
所述获取单元用于：
根据所述用户标识信息确定目标兴趣广泛度类型；
根据所述兴趣广泛度类型确定所述用户标识信息所对应的目标频道的数量；
根据所述用户标识信息所对应的被点击信息的信息确定与所述数量对应的所述目标频道。
14.一种计算机设备，其特征在于，所述计算机设备包括：输入/输出(I/O)接口、处理器和存储器，所述存储器中存储有程序指令；
所述处理器用于执行存储器中存储的程序指令，执行如权利要求1-8中任一所述的方法。
15.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在计算机设备上运行时，使得所述计算机设备执行如权利要求1-8中任一项所述的方法。
CN201810942956.1A 2018-08-17 2018-08-17 一种信息推荐的方法、装置及存储介质 Active CN109145210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810942956.1A CN109145210B (zh) 2018-08-17 2018-08-17 一种信息推荐的方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810942956.1A CN109145210B (zh) 2018-08-17 2018-08-17 一种信息推荐的方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN109145210A true CN109145210A (zh) 2019-01-04
CN109145210B CN109145210B (zh) 2023-03-21

Family

ID=64789926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810942956.1A Active CN109145210B (zh) 2018-08-17 2018-08-17 一种信息推荐的方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN109145210B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918570A (zh) * 2019-03-18 2019-06-21 智者四海（北京）技术有限公司 内容推荐方法、装置、存储介质及内容处理方法
CN109947821A (zh) * 2019-03-14 2019-06-28 腾讯科技（深圳）有限公司 报告信息的生成方法、显示方法、装置、设备及存储介质
CN110162698A (zh) * 2019-04-18 2019-08-23 腾讯科技（深圳）有限公司 一种用户画像数据处理方法、装置及存储介质
CN110321478A (zh) * 2019-05-27 2019-10-11 腾讯科技（北京）有限公司 一种信息推荐方法、装置、设备及介质
CN110602514A (zh) * 2019-09-12 2019-12-20 腾讯科技（深圳）有限公司 一种直播频道的推荐方法、装置、电子设备及存储介质
CN111984856A (zh) * 2019-07-25 2020-11-24 北京嘀嘀无限科技发展有限公司 信息推送方法、装置、服务器及计算机可读存储介质
CN112307339A (zh) * 2020-10-30 2021-02-02 中国平安人寿保险股份有限公司 基于用户画像的推荐信息生成方法、装置及计算机设备
CN112351345A (zh) * 2020-11-04 2021-02-09 深圳Tcl新技术有限公司 推荐内容的控制方法及装置、智能电视机、存储介质
CN112468853A (zh) * 2020-11-26 2021-03-09 未来电视有限公司 电视资源推荐方法、装置、计算机设备及存储介质
CN112579896A (zh) * 2020-12-16 2021-03-30 中国平安人寿保险股份有限公司 一种信息推荐方法、装置、电子设备及存储介质
CN112633976A (zh) * 2020-12-21 2021-04-09 高晓惠 基于大数据和云业务的数据处理方法及云业务服务器
CN112804567A (zh) * 2021-01-04 2021-05-14 青岛聚看云科技有限公司 一种显示设备、服务器及视频推荐的方法
CN113326434A (zh) * 2021-06-15 2021-08-31 深圳前海微众银行股份有限公司 一种信息推荐方法、设备及存储介质
CN114117195A (zh) * 2020-08-31 2022-03-01 北京达佳互联信息技术有限公司 内容推荐方法、装置、设备和存储介质
CN114117193A (zh) * 2020-08-26 2022-03-01 腾讯科技（深圳）有限公司 更新内容推荐池中内容的控制方法、装置、设备及介质
CN114286999A (zh) * 2019-11-05 2022-04-05 深圳市欢太科技有限公司 推送内容的处理方法、装置、电子设备以及存储介质
CN115129985A (zh) * 2022-06-27 2022-09-30 北京字跳网络技术有限公司 一种数据处理方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140280116A1 (en) * 2013-03-12 2014-09-18 Verizon Patent And Licensing, Inc. Social network-based automated program channel recommender
CN104168510A (zh) * 2014-05-14 2014-11-26 录可系统公司 偏好频道节目动态推荐方法及系统
CN105912620A (zh) * 2016-04-07 2016-08-31 乐视控股（北京）有限公司 一种个性化多媒体推荐方法和装置
US20170026703A1 (en) * 2014-04-02 2017-01-26 What's On India Media Private Limited Method and System for Customer Management
CN107454442A (zh) * 2017-09-07 2017-12-08 广州优视网络科技有限公司 一种推荐视频的方法和装置
CN108038237A (zh) * 2017-12-27 2018-05-15 广州市云润大数据服务有限公司 一种信息推荐方法与系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140280116A1 (en) * 2013-03-12 2014-09-18 Verizon Patent And Licensing, Inc. Social network-based automated program channel recommender
US20170026703A1 (en) * 2014-04-02 2017-01-26 What's On India Media Private Limited Method and System for Customer Management
CN104168510A (zh) * 2014-05-14 2014-11-26 录可系统公司 偏好频道节目动态推荐方法及系统
CN105912620A (zh) * 2016-04-07 2016-08-31 乐视控股（北京）有限公司 一种个性化多媒体推荐方法和装置
CN107454442A (zh) * 2017-09-07 2017-12-08 广州优视网络科技有限公司 一种推荐视频的方法和装置
CN108038237A (zh) * 2017-12-27 2018-05-15 广州市云润大数据服务有限公司 一种信息推荐方法与系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YI GU等: ""Visualization and recommendation of large image collections toward effective sensemaking"", 《INFORMATION VISUALIZATION》 *
吴明礼等: "用户画像在内容推送中的研究与应用", 《电脑知识与技术》 *
廖国琼等: "基于位置社会网络的双重细粒度兴趣点推荐", 《计算机研究与发展》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109947821A (zh) * 2019-03-14 2019-06-28 腾讯科技（深圳）有限公司 报告信息的生成方法、显示方法、装置、设备及存储介质
CN109918570A (zh) * 2019-03-18 2019-06-21 智者四海（北京）技术有限公司 内容推荐方法、装置、存储介质及内容处理方法
CN110162698A (zh) * 2019-04-18 2019-08-23 腾讯科技（深圳）有限公司 一种用户画像数据处理方法、装置及存储介质
CN110162698B (zh) * 2019-04-18 2023-10-20 腾讯科技（深圳）有限公司 一种用户画像数据处理方法、装置及存储介质
CN110321478A (zh) * 2019-05-27 2019-10-11 腾讯科技（北京）有限公司 一种信息推荐方法、装置、设备及介质
CN111984856A (zh) * 2019-07-25 2020-11-24 北京嘀嘀无限科技发展有限公司 信息推送方法、装置、服务器及计算机可读存储介质
CN110602514A (zh) * 2019-09-12 2019-12-20 腾讯科技（深圳）有限公司 一种直播频道的推荐方法、装置、电子设备及存储介质
CN114286999A (zh) * 2019-11-05 2022-04-05 深圳市欢太科技有限公司 推送内容的处理方法、装置、电子设备以及存储介质
CN114117193A (zh) * 2020-08-26 2022-03-01 腾讯科技（深圳）有限公司 更新内容推荐池中内容的控制方法、装置、设备及介质
CN114117195A (zh) * 2020-08-31 2022-03-01 北京达佳互联信息技术有限公司 内容推荐方法、装置、设备和存储介质
CN112307339A (zh) * 2020-10-30 2021-02-02 中国平安人寿保险股份有限公司 基于用户画像的推荐信息生成方法、装置及计算机设备
CN112307339B (zh) * 2020-10-30 2023-11-03 中国平安人寿保险股份有限公司 基于用户画像的推荐信息生成方法、装置及计算机设备
CN112351345A (zh) * 2020-11-04 2021-02-09 深圳Tcl新技术有限公司 推荐内容的控制方法及装置、智能电视机、存储介质
CN112468853A (zh) * 2020-11-26 2021-03-09 未来电视有限公司 电视资源推荐方法、装置、计算机设备及存储介质
CN112579896A (zh) * 2020-12-16 2021-03-30 中国平安人寿保险股份有限公司 一种信息推荐方法、装置、电子设备及存储介质
CN112633976A (zh) * 2020-12-21 2021-04-09 高晓惠 基于大数据和云业务的数据处理方法及云业务服务器
CN112804567A (zh) * 2021-01-04 2021-05-14 青岛聚看云科技有限公司 一种显示设备、服务器及视频推荐的方法
CN113326434B (zh) * 2021-06-15 2023-03-03 深圳前海微众银行股份有限公司 一种信息推荐方法、设备及存储介质
CN113326434A (zh) * 2021-06-15 2021-08-31 深圳前海微众银行股份有限公司 一种信息推荐方法、设备及存储介质
CN115129985A (zh) * 2022-06-27 2022-09-30 北京字跳网络技术有限公司 一种数据处理方法、装置、设备及存储介质
WO2024001694A1 (zh) * 2022-06-27 2024-01-04 北京字跳网络技术有限公司 数据处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN109145210B (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
CN109145210B (zh) 一种信息推荐的方法、装置及存储介质
US11288702B1 (en) Exploration in a real time messaging platform
US11409717B1 (en) Overspend control in a messaging platform
CN110941740B (zh) 视频推荐方法及计算机可读存储介质
CN110929052B (zh) 多媒体资源推荐方法、装置、电子设备及存储介质
US9892431B1 (en) Temporal features in a messaging platform
CN109903086B (zh) 一种相似人群扩展方法、装置及电子设备
CN111767429B (zh) 一种视频推荐方法、装置及电子设备
KR101700352B1 (ko) 이력적 검색 결과들을 사용한 향상된 문서 분류 데이터 생성
Epure et al. Recommending personalized news in short user sessions
US10275782B2 (en) Variation of minimum advertisement relevance quality threshold based on search query attributes
US20090049127A1 (en) System and method for invitation targeting in a web-based social network
US10769677B1 (en) Temporal features in a messaging platform
US11048764B2 (en) Managing under—and over-represented content topics in content pools
KR102141674B1 (ko) 모델을 이용한 콘텐츠 분포의 최적화
US10747836B2 (en) Apparatus and methods for controlling and optimizing information distribution between users in an information exchange
CN111858969B (zh) 多媒体数据推荐方法、装置、计算机设备和存储介质
US10062101B2 (en) Maximizing the propensity of content consumption according to content complexity and content consumption time
Ding et al. Whole page optimization with global constraints
CN113327151A (zh) 商品对象推荐方法、装置、计算机设备及存储介质
CN110147481B (zh) 媒体内容推送方法、装置及存储介质
US20190073606A1 (en) Dynamic content optimization
CN114600125A (zh) 相同组内跨异类子组的鲁棒模型性能
CN115034826A (zh) 一种广告投放方法、装置、电子设备及可读存储介质
JP6921925B2 (ja) パラメータ調整方法、装置、サーバ、コンピュータ可読記憶媒体及びコンピュータプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20221130

Address after: 1402, Floor 14, Block A, Haina Baichuan Headquarters Building, No. 6, Baoxing Road, Haibin Community, Xin'an Street, Bao'an District, Shenzhen, Guangdong 518000

Applicant after: Shenzhen Yayue Technology Co.,Ltd.

Address before: 518057 Tencent Building, No. 1 High-tech Zone, Nanshan District, Shenzhen City, Guangdong Province, 35 floors

Applicant before: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant