CN110309418A - 推荐内容确定方法、装置、存储介质和计算机设备 - Google Patents
推荐内容确定方法、装置、存储介质和计算机设备 Download PDFInfo
- Publication number
- CN110309418A CN110309418A CN201810388211.5A CN201810388211A CN110309418A CN 110309418 A CN110309418 A CN 110309418A CN 201810388211 A CN201810388211 A CN 201810388211A CN 110309418 A CN110309418 A CN 110309418A
- Authority
- CN
- China
- Prior art keywords
- recommended
- content
- rate
- light exposure
- plan
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001914 filtration Methods 0.000 claims description 71
- 238000004590 computer program Methods 0.000 claims description 26
- 230000000694 effects Effects 0.000 abstract description 19
- 238000010586 diagram Methods 0.000 description 12
- 230000006399 behavior Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请涉及一种推荐内容确定方法、装置、计算机可读存储介质和计算机设备,方法包括:接收用户的请求;获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率;获取根据各待推荐内容的历史点击率数据得到的历史实际点击率;历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率;基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容。该方法能够将优质流量导向对应的推荐内容,使推荐内容曝光的效果最大化,推荐内容的曝光不再是随机的,提高了推荐效果。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种推荐内容确定方法、装置、计算机可读存储介质和计算机设备。
背景技术
随着互联网技术的发展,越来越多的需求方希望能够在网页页面或应用程序页面推广相关内容,为此产生了内容推荐需求。内容推荐需求是指当接收到用户请求时,向用户推荐相关内容。
需求方通过在网站运营方或应用程序运营方购买内容推荐服务,获得曝光量。曝光量是指内容被推荐的次数。为保障需求方的利益,对内容进行推荐时,首先考虑是的曝光量,即传统的内容推荐以保证内容被推荐的次数为前提。这种方式忽略了内容推荐的质量,导致推荐效果差。
发明内容
基于此,有必要针对推荐效果差的技术问题,提供一种推荐内容确定方法、装置、存储介质和计算机设备。
一种推荐内容确定方法,包括:
接收用户的请求;
获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率;
获取根据各待推荐内容的历史点击率数据得到的历史实际点击率;所述历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率;
基于所述预估点击率和所述历史实际点击率,从所述待推荐内容中为所述用户确定推荐内容。
一种推荐内容确定装置,包括:
请求接收模块,用于接收用户的请求;
预估点击率获取模块,用于获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率;
实际点击率获取模块,用于获取根据各待推荐内容的历史点击率数据得到的历史实际点击率;所述历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率;
内容确定模块,用于基于所述预估点击率和所述历史实际点击率,从所述待推荐内容中为所述用户确定推荐内容。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述方法的步骤。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述方法的步骤。
上述的推荐内容确定方法、装置、存储介质和计算机设备,基于预估点击率和历史实际点击率,为用户确定推荐内容,其中,预估点击率基于用户属性与各待推荐内容的匹配度估算得到,历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率。由于预测点击率反应的是用户属性与待推荐内容的匹配程度,而历史实际点击率反应的历史数据中,计划曝光量的待推荐内容被推荐后被用户的点击行为,即用户对推荐内容的接受程度,故而结合匹配度和历史实际点击率,为用户确定推荐内容,能够结合实际的匹配情况和历史点击情况,评估用户请求所对应的流量对于各待推荐内容是否优质,将优质流量导向对应的推荐内容,使推荐内容曝光的效果最大化,推荐内容的曝光不再是随机的,提高了推荐效果。
附图说明
图1为一个实施例中推荐内容确定方法的应用环境示意图;
图2为一个实施例中推荐内容确定方法的流程示意图;
图3为一个实施例中按时段划分的点击率分布示意图;
图4为一个实施例中过滤流量的步骤的流程示意图;
图5为另一个实施例中推荐内容确定方法的应用环境示意图;
图6为一个实施例中内容推荐方法的流程示意图;
图7为一个实施例历史曝光量-点击率关系示意图;
图8为一个实施例中推荐内容确定装置的结构框图;
图9为一个实施例中计算机设备的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
图1为一个实施例中推荐内容确定方法的应用环境图。参照图1,该推荐内容确定方法应用于推荐内容确定系统。该推荐内容确定系统包括用户终端101、日志服务器102和推荐服务器103。其中,用户终端101与推荐服务器103网络连接,日志服务器102与推荐服务器103网络连接。日志服务器102用于存储曝光日志数据和点击日志数据。推荐服务器103接收用户的请求,获取基于用户属性和待推荐内容的匹配度,得到的预估点击率,根据日志服务器的历史数据得到历史实际点击率,基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容。其中,用户终端101具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。日志服务器102和推荐服务器103可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
如图2所示,一种推荐内容确定方法,执行于如图1所示的推荐服务器,该方法包括以下步骤:
S202,接收用户的请求。
具体地,如图1所示的用户终端响应用户操作,向推荐服务器发送用户的请求,例如用户通过用户终端触发向应用程序发送请求,可以是用户通过操作进入与内容推荐相关的应用场景。一个应用场景可以开启应用程序,一个应用场景可以是页面获取请求,例如新闻页面的获取请求,视频页面的获取请求或网页页面的获取请求等。
S204,获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率。
其中,内容与应用程序具体应用场景相关。例如,应用程序可以为兴趣阅读产品,具体应用场景为页面获取,则内容可以为新闻、音乐、游戏、视频或广告等。又例如,应用程序可以为购物平台,具体应用场景为页面获取,则内容可以为购物平台的产品广告等。又例如,应用程序可以为任意应用程序,具体应用场景为启动应用程序,则内容可以为广告等。
其中,待推荐内容是通过购买/配置流量推荐服务,获取优先推荐服务的内容。流量推荐服务对应流量推荐场景,用户的请求对应一个流量。当获取到用户的请求时,能够将待推荐内容推荐给用户,对于被推荐的内容而言,得到了获得了该用户的流量的可能,得到了一次曝光。通常,对购买/配置流量推荐服务的待推荐内容,配置有流量配置参数,包括曝光量和推广周期等。
具体地,曝光量是指待推荐内容的被推荐次数。推广周期是指对待推荐内容根据曝光量进行推广的时间段,通常待推荐内容的推荐次数需要在这个时间段内达到曝光量。例如,传统的内容推荐方式,在规定的推广周期内按曝光量,对各待推荐内容进行推荐。例如,视频提供方在社交平台购买了流量推荐服务,曝光量为七万,推广周期为一周。传统的方式是将一万的曝光量分七天投放,即每天将每天向一万用户推荐该视频内容。
预估点击率是指向某个用户推荐该内容后,预估的用户点击该内容的可能概率,基于用户属性与各待推荐内容的匹配度进行估计。具体地,可对用户属性进行分析,分类形成用户画像,基于用户画像与待推荐内容的匹配度确定。即用户画像与待推荐内容的匹配度越高,预估点击率也越高。其中,用户属性可通过注册资料和用户的历史访问记录进行分析得到,包括用户的兴趣标签、年龄、性别等。
例如,A内容上传者,主要上传美食餐饮类视频;B内容上传者,主要上传服装类视频。用户请求一个视频,该用户对美食比较感兴趣,但对服装不感兴趣。此时该请求流量投放给A就是一个优质流量,投放给B就是一个劣质流量。本实施例中,根据用户属性与各待推荐内容的匹配度,能够判断出当前流量投放给不同内容的相对价值。
S206,获取根据各待推荐内容的历史点击率数据得到的历史实际点击率;历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率。
其中,历史点击率数据是指根据各待推荐内容的历史曝光量和历史点击量得到的点击率数据。点击率等于点击量与曝光量的比值。在历史数据中,随着曝光量的变化,点击率随着变化。
历史实际点击率为待推荐内容的计划曝光量所对应的点击率。例如,待推荐内容的计划曝光量为一万,根据历史点击率数据,历史曝光量为一万的曝光量所对应的点击率作为历史实际点击率。历史实际点击率的含义是,假设当前单位时间的流量全部给待推荐内容i的话,点击率超过历史实际点击率对应的曝光量,数目正好等于待推荐内容i的计划曝光量。
历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率,反应的历史数据中,计划曝光量的待推荐内容被推荐后被用户的点击行为,即用户对推荐内容的接受程度。
S208,基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容。
具体地,在实际应用中,以历史实际点击率为参照,可根据预估点击率和历史实际点击率的关系,结合需求筛选待推荐内容,为用户确定推荐内容。
一种实施方式中,根据历史实际点击率进行筛选,过滤掉预估点击率小于历史实际点击率的待推荐内容,进而从剩下的待推荐内容中选择预估点击率最高的内容向用户推荐。另一种实施方式中,计算预估点击率和历史实际点击率的比值,将比值最高的内容向用户推荐。
上述的推荐内容确定方法,基于预估点击率和历史实际点击率,为用户确定推荐内容,其中,预估点击率基于用户属性与各待推荐内容的匹配度估算得到,历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率。由于预测点击率反应的是用户属性与待推荐内容的匹配程度,而历史实际点击率反应的历史数据中,计划曝光量的待推荐内容被推荐后被用户的点击行为,即用户对推荐内容的接受程度,故而结合匹配度和历史实际点击率,为用户确定推荐内容,能够结合实际的匹配情况和历史点击情况,评估用户请求所对应的流量对于各待推荐内容是否优质,将优质流量导向对应的推荐内容,使推荐内容曝光的效果最大化,推荐内容的曝光不再是随机的,提高了推荐效果。
为了合理地分配为待推荐内容购买/配置的流量总量,达到较好的推荐效果。在一个实施例中,将一天分为多个时间段,并细化每个时间段的计划曝光量。计划曝光量是指每个时间段为待推荐内容所配制的推广次数。其中,时间段的长短可以根据需要设置。例如,结合历史点击率进行将一天划分为多个时间段。各时间段的计划曝光量,可以日曝光量的基础上,灵活设置。
其中,划分时间段的意义在于,能够精确地按时间段对流量进行导向,满足内容按时间段推荐的需求。时间段的划分可按小时进行划分,也可根据历史点击率数据进行划分。具体地,根据待推荐内容的历史投放信息,绘制全天内点击率和时间关系图。一个实施例的点击率和时间关系图如图3所示。根据点击率时和时间关系图中,点击率变化的程度,划分时间段,使得每个时间段的平均点击率变化相对平缓。统计时,选取的点击率数据时间较长,例如一个月,这样划分的结果更稳定。
当天剩余计划曝光量为待推荐内容的当天计划曝光量减去当天的已曝光量。其中当天计划曝光量可按照曝光量和推广周期平均得到。例如,曝光量为七万,推广周期为一周,则当天计划曝光量为一万。若当前时间段(例如9点前),待推荐内容的已曝光量为三千,则当天剩余计划曝光量为七千。
当前时间段的历史点击率,是指在点击率和时间关系图中的当前时间段的历史点击率。以当前时间段为9点为例,则当前时间段的历史点击率为点击率和时间关系图中9点所对应的点击率。
当天剩余时间段的历史点击率是指根据历史点击率数据中全天在当前时间段时所剩余的时间段的历史平均点击率。以当前时间段为9点为例,当天剩余时间段的历史点击率是指9点至24点的历史平均点击率。
本实施例中,当前时间段的计划曝光量根据各待推荐内容当前时间段的计划曝光量和当天剩余计划曝光量关系,以及当前时间段的历史点击率和当天剩余时间段的历史点击率的关系得到。具体地,当前时间段的计划曝光量与当天剩余计划曝光量的关系,应当与当前时间段的历史点击率和当天剩余时间段的历史点击率的关系一致。例如,当前时间段的计划曝光量在当天剩余计划曝光量的占比,应当接近于当前时间段的历史点击率在当天剩余时间段的历史点击率的占比。
本实施例中,根据当前时间段的历史点击率和当天剩余时间段的历史点击率的关系,推测当前时间段的计划曝光量和当天剩余计划曝光量关系,即根据历史实际点击率的情况安排当前时间段的计划曝光量,能够使计划曝光量与实际点击情况对应,避免无效投放。
具体地,获取当前时间段的计划曝光量的方式包括:获取流量分配服务器发送的各待推荐内容的当前时间段的计划曝光量。
本实施例中,由流量分配服务器计算当前时间段的计划曝光量。其中,流量分配服务器与推荐服务器网络连接,流量分配服务器按时间段对各待推荐内容进行计划曝光量的离线计算,并在将计算结果发送至推荐服务器。具体地,流量分配服务器计算各待推荐内容的计划曝光量的方式,包括:
获取待推荐内容的当天剩余计划曝光量、当前时间段的历史点击率和当天剩余时间段的历史点击率;
以最小化当前时间段的计划曝光量在当天剩余计划曝光量的占比,和当前时间段的历史点击率在当天剩余时间段的历史点击率的占比的差民为目标,以当前时间段的计划曝光量与当天剩余计划曝光总量的相对关系为约束条件,计算得到各待推荐内容的当前时间段的计划曝光量。
具体地,根据各待推荐内容的当天剩余计划曝光量,以该时间段的历史平均点击率为参考,建立二次规划模型,最小化当前时间段的计划曝光量在当天剩余计划曝光量的占比,和当前时间段的历史点击率在当天剩余时间段的历史点击率的占比的差异。
记Fi为待推荐内容i的当天剩余计划曝光量,bi为待推荐内容i的当前时间段的计划曝光量。ci为当前时间段的历史点击率在当天剩余时间段的历史点击率的占比,H为所有待推荐内容的当天剩余计划曝光量。则可以建立二次规划模型:
min∑(bi/Fi-ci)^2
s.t.∑bi=H
Fi>=bi>=0
该模型是二次目标函数,线性约束的凸优化问题,可以采用SGD算法求解上述二次规划模型,计算各待推荐内容的当前时间段的计划曝光量bi。
在另一个实施例中,待推荐内容的计划曝光量为当前单位时间的计划曝光量。具体地,为了合理地分配为待推荐内容购买/配置的流量总量,达到较好的推荐效果。本实施例中,将推广周期为分多个单位时间,并细化每个单位时间的计划曝光量。其中,单位时间可以为天,也可以为时间段。计划曝光量是指每个单位时间为待推荐内容所配制的推广次数。
一种实施方式中,当前单位时间为天,则日计划曝光量可以为根据流量总量和推广周期平均确定的曝光量。例如,流量总量为七万,推广周期为一周,则计划曝光量为一万。
一种实施方式中,当前单位时间为时间段,其中时间段的长短,可以根据需要设置。各时间段的计划曝光量,可以日曝光量的基础上,灵活设置。此时,确定各待推荐内容的历史实际点击率的方式包括:获取各待推荐内容的当前单位时间的计划曝光量;根据各待推荐内容的历史曝光量-点击率关系,确定计划曝光量所对应的历史实际点击率。
其中,点击率为点击量和曝光量的比值。点击率反应的是向用户推荐内容后,被用户的点击行为,即被点击总次数。曝光量是内容的被推荐总次数。历史实际点击率是根据待推荐内容的历史实际点击量和曝光量计算得到的实际点击率,能够反应用户对曝光的推荐内容的点击行为。
计划曝光量所对应的历史点击率,即根据历史曝光量-点击率关系,计划曝光量所对应的历史点击率。根据计划曝光量所对应的历史实际点击率可确定投放点击率阈值。投放点击率阈值是指,假设当前单位时间的流量全部给待推荐内容i的话,点击率超过最优投放点击率对应的曝光量,数目正好等于计划曝光量。即,计划曝光量所对应的历史实际点击率表明根据历史数据,假设当前单位时间的流量全部给待推荐内容i的话,历史的实际点击率。推荐服务器根据这个历史实际点击率,尽量把优质的流量分配给每个待推荐内容。
可以理解是的,为使待推荐内容的历史曝光量-点击率关系与单位时间的计划曝光量对应,待推荐内容的历史曝光量-点击率关系的时间单位应当与计划曝光量的时间单位一致。
在一个实施例中,在基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容的步骤之前,还包括为待推荐内容过滤不符合要求的用户的请求的步骤。
其中,为待推荐内容过滤不符合要求的用户的请求是指,为各待推荐内容过滤该用户请求的流量,即不为用户推荐待推荐内容。过滤用户请求的目的是使待推荐内容推荐给曝光效果更好的用户,提高曝光效果。通常,为待推荐内容过滤不符合要求的用户的请求,是在推荐内容的点击率较低或是当前时间段的总曝光量已用完的情况下。
具体地,如图4所示,为待推荐内容过滤不符合要求的用户的请求的步骤包括:
S402,判断全部待推荐内容的预估点击率是否小于过滤阈值点击率。若是,则执行步骤S404,若否,则执行步骤S403。
其中,过滤阈值点击率是指确定的、用于评估一个流量对于待推荐内容而言是否劣质的标准。具体地,过滤阈值点击率可以为一个经验值,也可以根据历史数据统计得到。在实际应用中,将预估点击率与过滤阈值点击率进行比较,若预估点击率小于过滤阈值点击率,则认为用户流量对于该待推荐内容不好,用户点击的可能性低。若全部待推荐内容的预估点击率都小于过滤阈值点击率,则认为该流量对各待推荐内容都不好。
S403,获取根据各待推荐内容的历史点击率数据得到的历史实际点击率。
若任意一个待推荐内容的预估点击率不小于过滤阈值点击率,则确定历史实际点击率,根据历史实际点击率进行内容推荐。
S404,根据当前单位时间的历史曝光总量和当前时间段的已曝光量,确定预计剩余曝光总量。
具体地,预计剩余曝光总量是当前单位时间的历史曝光总量与当前单位时间的已曝光量之差。其中,当前单位时间的历史曝光总量为各待推荐内容的当前单位时间的历史曝光量的总和。当前单位时间的历史曝光量是指一段时间内当前单位时间的历史曝光总的平均值。例如,对于待推荐内容i,当前单位时间为九点,当前单位时间的历史曝光总量为三个月内,在九点这个时间段待推荐内容i的平均曝光量。
S406,根据当前单位时间的计划曝光总量和当前单位时间的已曝光量,确定剩余计划曝光总量。
当前单位时间的计划曝光总量为各待推荐的当前单位时间的计划曝光量总和。剩余计划曝光总量为当前单位时间计划曝光总量与当前单位时间的已曝光量之差。即当前单位时间各待推荐内容的未曝光量之和。
S408,判断预计剩余曝光总量是否大于计划曝光总量,若是,则执行步骤S410,若否,则执行步骤S403。
S410,为各待推荐内容过滤用户的请求。
在全部待推荐内容的预估点击率小于过滤阈值点击率的情况小,以当前单位时间的剩余计划曝光总量为边界,若预计剩余曝光总量大于计划曝光总量,则过滤该用户的请求,不将待推荐内容向用户推荐。通过上述的方法,能够过滤掉了劣质流量,提高曝光效果。
具体地,确定过滤阈值点击率的方式包括:
根据当前单位时间的历史曝光总量和当前单位时间的计划曝光总量,确定超出当前单位时间的计划曝光总量的过滤曝光量;根据历史曝光量-点击率关系,确定过滤曝光量所对应的过滤阈值点击率。
其中,当前单位时间的历史曝光总量为各待推荐内容的当前单位时间的历史曝光量的总和。当前单位时间的历史曝光量是指一段时间内当前单位时间的历史曝光总的平均值。例如,对于待推荐内容i,当前单位时间为九点,当前单位时间的历史曝光总量为三个月内,在九点这个时间段待推荐内容i的平均曝光量。当前单位时间的计划曝光总量,是指全部待推荐内容的当前单位时间的计划曝光量总和。
当前单位时间的历史曝光总量与当前单位时间的计划曝光总量之差,得到的超出当前单位时间的计划曝光总量的过滤曝光量。过滤曝光量表示根据历史数据评估的超额曝光量,即确定超出当前单位时间的计划曝光总量的曝光量,为不希望分配的曝光量。根据历史曝光量-点击率关系,确定超出过滤曝光量所对应的过滤阈值点击率。
本实施例中,根据历史点击率数据确定过滤阈值点击率,根据过滤阈值点击量,能够将劣质流量放弃,提高曝光效果。
在另一个实施例中,基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容的步骤,包括:
确定预估点击率和历史实际点击率的比值;将最高比值对应的待推荐内容,确定为用户的推荐内容。
预测点击率反应的是用户属性与待推荐内容的匹配程度,而历史实际点击率反应的历史数据中,计划曝光量的待推荐内容被推荐后被用户的点击行为,即用户对推荐内容的接受程度。因此,根据预估点击率和历史实际点击率的比值,能够评估用户请求所对应的流量对于各待推荐内容是否优质。预估点击率和历史实际点击率的比值越高,表示流量对该待推荐内容越优质,将流量投放给比值最大的待推荐内容。
在另一个实施例中,在获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率之后,还包括:若待推荐内容的剩余计划曝光量为零,则过滤待推荐内容。
根据待推荐内容的剩余计划曝光量,过滤待推荐内容的实质,是如果待推荐内容的计划曝光量已消耗完毕,则对应的待推荐内容不参与内容推荐。其中剩余计划曝光量可以为曝光总量,也可以为当前单位时间的计划曝光量,还可以为当前时间段的计划曝光量。以当前单位时间为时间段为例,当前单位时间的剩余计划曝光量等于当前单位时间的计划曝光量减去当前单位时间的已曝光量。例如,当前单位时间为九点,则当前时间段的剩余计划曝光量为当前时间段的计划曝光量(例如三千)减去九点之间的已曝光量。若当前时间段的计划曝光量为零,则表示待推荐内容的当前时间段的曝光量已消耗完毕,则在当前时间段不对对应的待推荐内容进行推荐。
本实施例中,根据当前单位时间段的剩余计划曝光量对待推荐内容进行过滤,提高推荐效果。
在另一个实施例中,在基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容之后,还包括:向用户推荐确定的推荐内容。即,将确定的推荐内容发送至用户终端。推荐内容可以为新闻、音乐、游戏、视频或广告等。
在另一个实施例中,在向用户推荐确定的推荐内容之后,还包括:更新推荐内容的已曝光量和剩余计划曝光量;获取用户对推荐内容的点击数据。
即本实施例中,对于推荐的内容,更新推荐内容的已曝光量和剩余计划曝光量,获取用户对推荐内容的点击数据,以监控曝光数据和点击数据。根据曝光数据可监控是否与计划曝光数据一致,根据点击数据,可确定推荐效果。
图5为一个实施例的推荐内容确定方法的应用环境示意图。如图5所示,该应用环境包括日志服务器501,内容数据库502、流量数据库503、流量分配服务器504、推荐服务器505、点击率预估服务器506和应用服务器507。其中,日志服务器501、内容数据库502和流量数据库503分别与流量分配服务器504网络连接,流量分配服务器504和流量数据库分别与推荐服务器505网络连接。
应用服务器507与用户终端网络连接,接收用户请求。应用服务器507与点击率预估服务器506连接,点击率预估服务器506基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率。点击率预估服务器506与推荐服务器505连接,将预估点击率发送至推荐服务器。
日志服务器501可采用分布式处理平台(例如spark平台)处理曝光日志数据和点击日志数据。内容数据库502用于对待推荐内容进行管理。流量数据库503实时对推荐服务器推荐的内容的曝光数据和点击数据进行读写处理。其中,流量数据库为推荐服务器的内存数据库。
流量分配服务器504根据日志服务器501、内容数据库502以及流量数据库503的数据,确定当前时间段的计划曝光量,并将当前时间段的计划曝光量发送至推荐服务器505。
具体地,流量分配服务器504确定各待推荐内容的当前时间段的计划曝光量的方式为:获取待推荐内容的当天剩余计划曝光量、当前时间段的历史点击率和当天剩余时间段的历史点击率;以最小化当前时间段的计划曝光量在当天剩余计划曝光量的占比,和当前时间段的历史点击率在当天剩余时间段的历史点击率的占比为目标,以当前时间段的计划曝光总量与当前时间段的剩余计划曝光总量的相对关系为约束条件,计算得到各待推荐内容的当前时间段的计划曝光量。本实施例中,根据当前时间段的历史点击率和当天剩余时间段的历史点击率的关系,推测当前时间段的计划曝光量和当天剩余计划曝光量关系,即根据历史实际点击率的情况安排当前时间段的计划曝光量,能够使计划曝光量与实际点击情况对应,避免无效投放。
图6为一个实施例的内容推荐方法的流程示意图。该方法执行于图5所示的推荐服务器。具体地,该方法包括:
S602,接收用户的请求。
具体地,如图1所示的用户终端响应用户操作,向应用服务器发送用户的请求。一个应用场景可以开启应用程序。
S604,获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率。
预估点击率是指向某个用户推荐该内容后,预估的用户点击该内容的可能概率,基于用户属性与各待推荐内容的匹配度进行估计。具体地,可对用户属性进行分析,分类形成用户画像,基于用户画像与待推荐内容的匹配度确定。即用户画像与待推荐内容的匹配度越高,预估点击率也越高。其中,用户属性可通过注册资料和用户的历史访问记录进行分析得到,包括用户的兴趣标签、年龄、性别等。
S606,判断待推荐内容的当前单位时间的剩余计划曝光量是否为零。若是,则执行步骤S608。
S608,过滤待推荐内容。
根据待推荐内容的剩余计划曝光量,过滤待推荐内容的实质,是如果待推荐内容的计划曝光量已消耗完毕,则对应的待推荐内容不参与内容推荐。其中剩余计划曝光量可以为曝光总量,也可以为当前单位时间的计划曝光量,还可以为当前时间段的计划曝光量。以当前单位时间为时间段为例,当前单位时间的剩余计划曝光量等于当前单位时间的计划曝光量减去当前单位时间的已曝光量。例如,当前单位时间为九点,则当前时间段的剩余计划曝光量为当前时间段的计划曝光量(例如三千)减去九点之间的已曝光量。若当前时间段的计划曝光量为零,则表示待推荐内容的当前时间段的曝光量已消耗完毕,则在当前时间段不对对应的待推荐内容进行推荐。
S610,获取历史实际点击率和过滤阈值点击率。
历史实际点击率是根据待推荐内容的历史实际点击量和曝光量计算得到的实际点击率,能够反应用户对曝光的推荐内容的点击行为。计划曝光量所对应的历史点击率,即根据历史曝光量-点击率关系,计划曝光量所对应的历史点击率。根据计划曝光量所对应的历史实际点击率可确定投放点击率阈值。投放点击率阈值是指,假设当前单位时间的流量全部给待推荐内容i的话,点击率超过最优投放点击率对应的曝光量,数目正好等于计划曝光量。即,计划曝光量所对应的历史实际点击率表明根据历史数据,假设当前单位时间的流量全部给待推荐内容i的话,历史的实际点击率,如图7所示。推荐服务器根据这个历史实际点击率,尽量把优质的流量分配给每个待推荐内容。
过滤阈值点击率是指确定的、用于评估一个流量对于待推荐内容而言是否劣质的标准。
具体地,确定过滤阈值点击率的方式包括:
根据当前单位时间的历史曝光总量和当前单位时间的计划曝光总量,确定超出当前单位时间的计划曝光总量的过滤曝光量;根据历史曝光量-点击率关系,确定过滤曝光量所对应的过滤阈值点击率。
其中,当前单位时间的历史曝光总量为各待推荐内容的当前单位时间的历史曝光量的总和。当前单位时间的历史曝光量是指一段时间内当前单位时间的历史曝光总的平均值。例如,对于待推荐内容i,当前单位时间为九点,当前单位时间的历史曝光总量为三个月内,在九点这个时间段待推荐内容i的平均曝光量。当前单位时间的计划曝光总量,是指全部待推荐内容的当前单位时间的计划曝光量总和。
当前单位时间的历史曝光总量与当前单位时间的计划曝光总量之差,得到的超出当前单位时间的计划曝光总量的过滤曝光量。过滤曝光量表示根据历史数据评估的超额曝光量,即确定超出当前单位时间的计划曝光总量的曝光量,为不希望分配的曝光量。根据历史曝光量-点击率关系,确定超出过滤曝光量所对应的过滤阈值点击率,如图7所示。
S612,判断全部待推荐内容的预估点击率是否小于过滤阈值点击率。若是,则执行步骤S614,若否,则执行步骤S613。
具体地,过滤阈值点击率可以为一个经验值,也可以根据历史数据统计得到。在实际应用中,将预估点击率与过滤阈值点击率进行比较,若预估点击率小于过滤阈值点击率,则认为用户流量对于该待推荐内容不好,用户点击的可能性低。若全部待推荐内容的预估点击率都小于过滤阈值点击率,则认为该流量对各待推荐内容都不好。
S614,根据当前单位时间的历史曝光总量和当前时间段的已曝光量,确定预计剩余曝光总量。
具体地,预计剩余曝光总量是当前单位时间的历史曝光总量与当前单位时间的已曝光量之差。S616,根据当前单位时间的计划曝光总量和当前单位时间的已曝光量,确定剩余计划曝光总量。
剩余计划曝光总量为当前单位时间计划曝光总量与当前单位时间的已曝光量之差。即当前单位时间各待推荐内容的未曝光量之和。
S618,判断预计剩余曝光总量是否大于计划曝光总量,若是,则执行步骤S620,若否,则执行步骤S613。
S620,为各待推荐内容过滤用户的请求。
在全部待推荐内容的预估点击率小于过滤阈值点击率的情况小,以当前单位时间的剩余计划曝光总量为边界,若预计剩余曝光总量大于计划曝光总量,则过滤该用户的请求,不将待推荐内容向用户推荐。通过上述的方法,能够过滤掉了劣质流量,提高曝光效果。
S613,基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容。
步骤S613之后,执行步骤S615,向用户推荐确定的推荐内容。即,将确定的推荐内容发送至用户终端。推荐内容可以为新闻、音乐、游戏、视频或广告等。
上述的内容推荐方法,在对各个待推荐内容都保证曝光量的同时,大大提升了推荐的质量,点击率显著提升。同时,可按时间段在任意指定的投放时间范围,而不需要增加投放预算。
一种推荐内容确定装置,如图7所示,包括:
请求接收模块702,用于接收用户的请求。
预估点击率获取模块704,用于获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率。
实际点击率获取模块706,用于获取根据各待推荐内容的历史点击率数据得到的历史实际点击率;历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率。
内容确定模块708,用于基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容。
上述的推荐内容确定装置,基于预估点击率和历史实际点击率,为用户确定推荐内容,其中,预估点击率基于用户属性与各待推荐内容的匹配度估算得到,历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率。由于预测点击率反应的是用户属性与待推荐内容的匹配程度,而历史实际点击率反应的历史数据中,计划曝光量的待推荐内容被推荐后被用户的点击行为,即用户对推荐内容的接受程度,故而结合匹配度和历史实际点击率,为用户确定推荐内容,能够结合实际的匹配情况和历史点击情况,评估用户请求所对应的流量对于各待推荐内容是否优质,将优质流量导向对应的推荐内容,使推荐内容曝光的效果最大化,推荐内容的曝光不再是随机的,提高了推荐效果
在另一个实施例中,计划曝光量的确定方式包括:根据各待推荐内容当前时间段的计划曝光量和当天剩余计划曝光量关系,以及当前时间段的历史点击率和当天剩余时间段的历史点击率的关系,确定各待推荐内容的当前时间段的计划曝光量。
具体地,推荐内容确定装置还包括计划曝光量获取模块,用于获取流量分配服务器发送的各待推荐内容的当前时间段的计划曝光量。其中,流量分配服务器计算各待推荐内容的计划曝光量的方式,包括:
获取待推荐内容的当天剩余计划曝光量、当前时间段的历史点击率和当天剩余时间段的历史点击率;
以最小化当前时间段的计划曝光量在当天剩余计划曝光量的占比,和当前时间段的历史点击率在当天剩余时间段的历史点击率的占比的差异为目标,以当前时间段的计划曝光量与当天剩余计划曝光量的相对关系为约束条件,计算得到各待推荐内容的当前时间段的计划曝光量。
在另一个实施例中,推荐内容确定装置还包括:
第一曝光总量确定模块,用于在全部待推荐内容的预估点击率小于过滤阈值点击率时,根据当前单位时间的历史曝光总量和当前单位时间的已曝光量,确定预计剩余曝光总量。
第二曝光总量确定模块,用于根据当前单位时间的计划曝光总量和当前单位时间的已曝光量,确定剩余计划曝光总量。
流量过滤模块,用于在预计剩余曝光总量大于计划曝光总量时,为各待推荐内容过滤用户的请求。
具体地,推荐内容确定装置还包括过滤阈值点击率确定模块,用于根据当前单位时间的历史曝光总量和当前单位时间的计划曝光总量,确定超出当前单位时间的计划曝光总量的过滤曝光量,根据历史点击率数据,确定过滤曝光量所对应的过滤阈值点击率。
在另一个实施例中,内容确定模块708,用于确定预估点击率和历史实际点击率的比值,将最高比值对应的待推荐内容,确定为用户的推荐内容。在另一个实施例中,内容过滤模块,用于在待推荐内容的剩余计划曝光量为零时,过滤待推荐内容。
在另一个实施例中,推荐内容确定装置还包括:
推荐模块,用于向用户推荐确定的推荐内容。
在另一个实施例中,推荐内容确定装置还包括:
监控模块,用于更新推荐内容的已曝光量和剩余计划曝光量,并获取用户对推荐内容的点击数据。
图9示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的推荐服务器。如图9所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现推荐内容确定方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行推荐内容确定方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的推荐内容确定装置可以实现为一种计算机程序的形式,计算机程序可在如图9所示的计算机设备上运行。计算机设备的存储器中可存储组成该推荐内容确定装置的各个程序模块,比如,图8所示的请求接收模块、预估点击率获取模块和实际点击率获取模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的推荐内容确定方法中的步骤。
例如,图9所示的计算机设备可以通过如图8所示的推荐内容确定装置中的请求接收模块执行接收用户的请求的步骤。计算机设备可通过预估点击率获取模块执行获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率的步骤。计算机设备可通过实际点击率获取模块执行获取根据各待推荐内容的历史点击率数据得到的历史实际点击率的步骤。
一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
接收用户的请求;
获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率;
获取根据各待推荐内容的历史点击率数据得到的历史实际点击率;历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率;
基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容。
在另一个实施例中,计划曝光量的确定方式包括:根据各待推荐内容当前时间段的计划曝光量和当天剩余计划曝光量关系,以及当前时间段的历史点击率和当天剩余时间段的历史点击率的关系,确定各待推荐内容的当前时间段的计划曝光量。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下步骤:获取流量分配服务器发送的各待推荐内容的当前时间段的计划曝光量;
流量分配服务器计算各待推荐内容的当前时间段的计划曝光量的方式,包括:
获取待推荐内容的当天剩余计划曝光量、当前时间段的历史点击率和当天剩余时间段的历史点击率;
以最小化当前时间段的计划曝光量在当天剩余计划曝光量的占比,和当前时间段的历史点击率在当天剩余时间段的历史点击率的占比的差异为目标,以当前时间段的计划曝光量与当天剩余计划曝光量的相对关系为约束条件,计算得到各待推荐内容的当前时间段的计划曝光量。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下步骤:
若全部待推荐内容的预估点击率小于过滤阈值点击率,则
根据当前单位时间的历史曝光总量和当前单位时间的已曝光量,确定预计剩余曝光总量;
根据当前单位时间的计划曝光总量和当前单位时间的已曝光量,确定剩余计划曝光总量;
若预计剩余曝光总量大于计划曝光总量,则为各待推荐内容过滤用户的请求。
在另一个实施例中,确定过滤阈值点击率的方式包括:
根据当前单位时间的历史曝光总量和当前单位时间的计划曝光总量,确定超出当前单位时间的计划曝光总量的过滤曝光量;
根据历史点击率数据,确定过滤曝光量所对应的过滤阈值点击率。
在另一个实施例中,基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容,包括:
确定预估点击率和历史实际点击率的比值;
将最高比值对应的待推荐内容,确定为用户的推荐内容。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下步骤:
若待推荐内容的剩余计划曝光量为零,则过滤待推荐内容。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下步骤:
向用户推荐确定的推荐内容。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下步骤:
更新推荐内容的已曝光量和剩余计划曝光量;
获取用户对推荐内容的点击数据。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
接收用户的请求;
获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率;
获取根据各待推荐内容的历史点击率数据得到的历史实际点击率;历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率;
基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容。
在另一个实施例中,计划曝光量的确定方式包括:根据各待推荐内容当前时间段的计划曝光量和当天剩余计划曝光量关系,以及当前时间段的历史点击率和当天剩余时间段的历史点击率的关系,确定各待推荐内容的当前时间段的计划曝光量。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下步骤:获取流量分配服务器发送的各待推荐内容的当前时间段的计划曝光量;
流量分配服务器计算各待推荐内容的当前时间段的计划曝光量的方式,包括:
获取待推荐内容的当天剩余计划曝光量、当前时间段的历史点击率和当天剩余时间段的历史点击率;
以最小化当前时间段的计划曝光量在当天剩余计划曝光量的占比,和当前时间段的历史点击率在当天剩余时间段的历史点击率的占比的差异为目标,以当前时间段的计划曝光量与当天剩余计划曝光量的相对关系为约束条件,计算得到各待推荐内容的当前时间段的计划曝光量。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下步骤:
若全部待推荐内容的预估点击率小于过滤阈值点击率,则
根据当前单位时间的历史曝光总量和当前单位时间的已曝光量,确定预计剩余曝光总量;
根据当前单位时间的计划曝光总量和当前单位时间的已曝光量,确定剩余计划曝光总量;
若预计剩余曝光总量大于计划曝光总量,则为各待推荐内容过滤用户的请求。
在另一个实施例中,确定过滤阈值点击率的方式包括:
根据当前单位时间的历史曝光总量和当前单位时间的计划曝光总量,确定超出当前单位时间的计划曝光总量的过滤曝光量;
根据历史点击率数据,确定过滤曝光量所对应的过滤阈值点击率。
在另一个实施例中,基于预估点击率和历史实际点击率,从待推荐内容中为用户确定推荐内容,包括:
确定预估点击率和历史实际点击率的比值;
将最高比值对应的待推荐内容,确定为用户的推荐内容。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下步骤:
若待推荐内容的剩余计划曝光量为零,则过滤待推荐内容。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下步骤:
向用户推荐确定的推荐内容。
在另一个实施例中,计算机程序被处理器执行时,使得处理器执行以下步骤:
更新推荐内容的已曝光量和剩余计划曝光量;
获取用户对推荐内容的点击数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (15)
1.一种推荐内容确定方法,包括:
接收用户的请求;
获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率;
获取根据各待推荐内容的历史点击率数据得到的历史实际点击率;所述历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率;
基于所述预估点击率和所述历史实际点击率,从所述待推荐内容中为所述用户确定推荐内容。
2.根据权利要求1所述的方法,其特征在于,所述计划曝光量的确定方式包括:根据各所述待推荐内容当前时间段的计划曝光量和当天剩余计划曝光量关系,以及当前时间段的历史点击率和当天剩余时间段的历史点击率的关系,确定各待推荐内容的当前时间段的计划曝光量。
3.根据权利要求2所述的方法,其特征在于,获取当前时间段的计划曝光量的方式包括:获取流量分配服务器发送的各待推荐内容的当前时间段的计划曝光量;
所述流量分配服务器计算各待推荐内容的当前时间段的计划曝光量的方式,包括:
获取所述待推荐内容的当天剩余计划曝光量、当前时间段的历史点击率和当天剩余时间段的历史点击率;
以最小化当前时间段的计划曝光量在当天剩余计划曝光量的占比,和当前时间段的历史点击率在当天剩余时间段的历史点击率的占比的差异为目标,以当前时间段的计划曝光量与当天剩余计划曝光量的相对关系为约束条件,计算得到各待推荐内容的当前时间段的计划曝光量。
4.根据权利要求1所述的方法,其特征在于,所述基于所述预估点击率和所述历史实际点击率,从所述待推荐内容中为所述用户确定推荐内容之前,还包括:
若全部待推荐内容的预估点击率小于过滤阈值点击率,则
根据当前单位时间的历史曝光总量和当前单位时间的已曝光量,确定预计剩余曝光总量;
根据当前单位时间的计划曝光总量和当前单位时间的已曝光量,确定剩余计划曝光总量;
若所述预计剩余曝光总量大于所述计划曝光总量,则为各所述待推荐内容过滤所述用户的请求。
5.根据权利要求4所述的方法,其特征在于,确定所述过滤阈值点击率的方式包括:
根据当前单位时间的历史曝光总量和当前单位时间的计划曝光总量,确定超出当前单位时间的计划曝光总量的过滤曝光量;
根据所述历史点击率数据,确定所述过滤曝光量所对应的过滤阈值点击率。
6.根据权利要求1所述的方法,其特征在于,所述基于所述预估点击率和所述历史实际点击率,从所述待推荐内容中为所述用户确定推荐内容,包括:
确定所述预估点击率和所述历史实际点击率的比值;
将最高比值对应的待推荐内容,确定为所述用户的推荐内容。
7.根据权利要求1所述的方法,其特征在于,若所述待推荐内容的剩余计划曝光量为零,则过滤所述待推荐内容。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述方法还包括,向所述用户推荐确定的推荐内容。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
更新所述推荐内容的已曝光量和剩余计划曝光量;
获取所述用户对所述推荐内容的点击数据。
10.一种推荐内容确定装置,包括:
请求接收模块,用于接收用户的请求;
预估点击率获取模块,用于获取基于用户属性与各待推荐内容的匹配度,估算得到的用户对各待推荐内容的预估点击率;
实际点击率获取模块,用于获取根据各待推荐内容的历史点击率数据得到的历史实际点击率;所述历史实际点击率为历史点击率数据中待推荐内容的计划曝光量所对应的点击率;
内容确定模块,用于基于所述预估点击率和所述历史实际点击率,从所述待推荐内容中为所述用户确定推荐内容。
11.根据权利要求10所述的装置,其特征在于,所述计划曝光量的确定方式包括:根据各所述待推荐内容当前时间段的计划曝光量和当天剩余计划曝光量关系,以及当前时间段的历史点击率和当天剩余时间段的历史点击率的关系,确定各待推荐内容的当前时间段的计划曝光量。
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:
第一曝光总量确定模块,用于在全部待推荐内容的预估点击率小于过滤阈值点击率时,根据当前单位时间的历史曝光总量和当前单位时间的已曝光量,确定预计剩余曝光总量;
第二曝光总量确定模块,用于根据当前单位时间的计划曝光总量和当前单位时间的已曝光量,确定剩余计划曝光总量;
流量过滤模块,用于在所述预计剩余曝光总量大于所述计划曝光总量时,为各所述待推荐内容过滤所述用户的请求。
13.根据权利要求10所述的装置,其特征在于,内容过滤模块,用于在所述待推荐内容的剩余计划曝光量为零时,过滤所述待推荐内容。
14.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至9中任一项所述方法的步骤。
15.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810388211.5A CN110309418B (zh) | 2018-04-26 | 2018-04-26 | 推荐内容确定方法、装置、存储介质和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810388211.5A CN110309418B (zh) | 2018-04-26 | 2018-04-26 | 推荐内容确定方法、装置、存储介质和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110309418A true CN110309418A (zh) | 2019-10-08 |
CN110309418B CN110309418B (zh) | 2024-02-06 |
Family
ID=68073912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810388211.5A Active CN110309418B (zh) | 2018-04-26 | 2018-04-26 | 推荐内容确定方法、装置、存储介质和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110309418B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782286A (zh) * | 2019-10-25 | 2020-02-11 | 上海喜马拉雅科技有限公司 | 广告推送方法、装置、服务器及计算机可读存储介质 |
CN110909176A (zh) * | 2019-11-20 | 2020-03-24 | 腾讯科技(深圳)有限公司 | 数据推荐方法、装置、计算机设备以及存储介质 |
CN110910201A (zh) * | 2019-10-18 | 2020-03-24 | 中国平安人寿保险股份有限公司 | 信息推荐的控制方法、装置、计算机设备及存储介质 |
CN111079006A (zh) * | 2019-12-09 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 一种消息推送方法、装置、电子设备及介质 |
CN111079000A (zh) * | 2019-11-25 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 内容处理方法、装置、设备及存储介质 |
CN111460283A (zh) * | 2020-03-06 | 2020-07-28 | 拉扎斯网络科技(上海)有限公司 | 信息处理方法、装置、电子设备及计算机可读存储介质 |
CN111539763A (zh) * | 2020-04-14 | 2020-08-14 | 支付宝(杭州)信息技术有限公司 | 一种广告投放的优化方法、装置及电子设备 |
CN111597443A (zh) * | 2020-05-13 | 2020-08-28 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN111881365A (zh) * | 2020-07-23 | 2020-11-03 | 苏州跃盟信息科技有限公司 | 内容推荐方法及装置 |
CN112435091A (zh) * | 2020-11-23 | 2021-03-02 | 百果园技术(新加坡)有限公司 | 推荐内容的选择方法、装置、设备及存储介质 |
CN112784147A (zh) * | 2019-11-04 | 2021-05-11 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置、设备及系统 |
CN112822281A (zh) * | 2021-01-21 | 2021-05-18 | 中国平安人寿保险股份有限公司 | 流量分配方法、装置、终端设备及计算机可读存储介质 |
CN113360770A (zh) * | 2021-06-30 | 2021-09-07 | 北京百度网讯科技有限公司 | 内容推荐的方法、装置、设备以及存储介质 |
CN113554458A (zh) * | 2021-07-13 | 2021-10-26 | 北京奇艺世纪科技有限公司 | 一种对象推送方法和装置、电子设备和存储介质 |
CN113572802A (zh) * | 2021-01-18 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 对象流量的控制方法、装置及介质 |
CN114677168A (zh) * | 2022-03-11 | 2022-06-28 | 百果园技术(新加坡)有限公司 | 一种资源推荐方法、装置、设备及介质 |
CN116193206A (zh) * | 2023-04-25 | 2023-05-30 | 北京小糖科技有限责任公司 | 优质内容筛选方法、装置、终端设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007133047A1 (en) * | 2006-05-16 | 2007-11-22 | Kt Corporation | Context related advertisement/information exposure method and recommendation service system using the same |
CN104965890A (zh) * | 2015-06-17 | 2015-10-07 | 深圳市腾讯计算机系统有限公司 | 广告推荐的方法和装置 |
CN105447724A (zh) * | 2015-12-15 | 2016-03-30 | 腾讯科技(深圳)有限公司 | 内容项推荐方法及装置 |
CN106777396A (zh) * | 2017-03-01 | 2017-05-31 | 合网络技术(北京)有限公司 | 一种推广信息的投放方法及装置 |
CN107545444A (zh) * | 2016-06-23 | 2018-01-05 | 腾讯科技(深圳)有限公司 | 一种业务广告数据推荐方法以及装置 |
-
2018
- 2018-04-26 CN CN201810388211.5A patent/CN110309418B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007133047A1 (en) * | 2006-05-16 | 2007-11-22 | Kt Corporation | Context related advertisement/information exposure method and recommendation service system using the same |
CN104965890A (zh) * | 2015-06-17 | 2015-10-07 | 深圳市腾讯计算机系统有限公司 | 广告推荐的方法和装置 |
CN105447724A (zh) * | 2015-12-15 | 2016-03-30 | 腾讯科技(深圳)有限公司 | 内容项推荐方法及装置 |
CN107545444A (zh) * | 2016-06-23 | 2018-01-05 | 腾讯科技(深圳)有限公司 | 一种业务广告数据推荐方法以及装置 |
CN106777396A (zh) * | 2017-03-01 | 2017-05-31 | 合网络技术(北京)有限公司 | 一种推广信息的投放方法及装置 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910201A (zh) * | 2019-10-18 | 2020-03-24 | 中国平安人寿保险股份有限公司 | 信息推荐的控制方法、装置、计算机设备及存储介质 |
CN110782286A (zh) * | 2019-10-25 | 2020-02-11 | 上海喜马拉雅科技有限公司 | 广告推送方法、装置、服务器及计算机可读存储介质 |
CN110782286B (zh) * | 2019-10-25 | 2023-08-18 | 上海喜马拉雅科技有限公司 | 广告推送方法、装置、服务器及计算机可读存储介质 |
CN112784147A (zh) * | 2019-11-04 | 2021-05-11 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置、设备及系统 |
CN110909176A (zh) * | 2019-11-20 | 2020-03-24 | 腾讯科技(深圳)有限公司 | 数据推荐方法、装置、计算机设备以及存储介质 |
CN111079000A (zh) * | 2019-11-25 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 内容处理方法、装置、设备及存储介质 |
CN111079000B (zh) * | 2019-11-25 | 2021-10-19 | 腾讯科技(深圳)有限公司 | 内容处理方法、装置、设备及存储介质 |
CN111079006B (zh) * | 2019-12-09 | 2024-05-10 | 腾讯科技(深圳)有限公司 | 一种消息推送方法、装置、电子设备及介质 |
CN111079006A (zh) * | 2019-12-09 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 一种消息推送方法、装置、电子设备及介质 |
CN111460283A (zh) * | 2020-03-06 | 2020-07-28 | 拉扎斯网络科技(上海)有限公司 | 信息处理方法、装置、电子设备及计算机可读存储介质 |
CN111539763A (zh) * | 2020-04-14 | 2020-08-14 | 支付宝(杭州)信息技术有限公司 | 一种广告投放的优化方法、装置及电子设备 |
CN111597443A (zh) * | 2020-05-13 | 2020-08-28 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备及存储介质 |
CN111881365A (zh) * | 2020-07-23 | 2020-11-03 | 苏州跃盟信息科技有限公司 | 内容推荐方法及装置 |
CN112435091A (zh) * | 2020-11-23 | 2021-03-02 | 百果园技术(新加坡)有限公司 | 推荐内容的选择方法、装置、设备及存储介质 |
CN112435091B (zh) * | 2020-11-23 | 2024-03-29 | 百果园技术(新加坡)有限公司 | 推荐内容的选择方法、装置、设备及存储介质 |
CN113572802A (zh) * | 2021-01-18 | 2021-10-29 | 腾讯科技(深圳)有限公司 | 对象流量的控制方法、装置及介质 |
CN113572802B (zh) * | 2021-01-18 | 2024-03-15 | 腾讯科技(深圳)有限公司 | 对象流量的控制方法、装置及介质 |
CN112822281A (zh) * | 2021-01-21 | 2021-05-18 | 中国平安人寿保险股份有限公司 | 流量分配方法、装置、终端设备及计算机可读存储介质 |
CN112822281B (zh) * | 2021-01-21 | 2022-08-12 | 中国平安人寿保险股份有限公司 | 流量分配方法、装置、终端设备及计算机可读存储介质 |
CN113360770A (zh) * | 2021-06-30 | 2021-09-07 | 北京百度网讯科技有限公司 | 内容推荐的方法、装置、设备以及存储介质 |
CN113360770B (zh) * | 2021-06-30 | 2024-04-12 | 北京百度网讯科技有限公司 | 内容推荐的方法、装置、设备以及存储介质 |
CN113554458B (zh) * | 2021-07-13 | 2023-09-01 | 北京奇艺世纪科技有限公司 | 一种对象推送方法和装置、电子设备和存储介质 |
CN113554458A (zh) * | 2021-07-13 | 2021-10-26 | 北京奇艺世纪科技有限公司 | 一种对象推送方法和装置、电子设备和存储介质 |
CN114677168A (zh) * | 2022-03-11 | 2022-06-28 | 百果园技术(新加坡)有限公司 | 一种资源推荐方法、装置、设备及介质 |
CN116193206B (zh) * | 2023-04-25 | 2023-08-22 | 北京小糖科技有限责任公司 | 优质内容筛选方法、装置、终端设备及存储介质 |
CN116193206A (zh) * | 2023-04-25 | 2023-05-30 | 北京小糖科技有限责任公司 | 优质内容筛选方法、装置、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110309418B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110309418A (zh) | 推荐内容确定方法、装置、存储介质和计算机设备 | |
KR101228965B1 (ko) | 무선 장치 자산을 경매하고 무선 장치들에 자산 할당 옵션을 제공하기 위한 방법 | |
CN106651458B (zh) | 一种广告反作弊方法和装置 | |
JP5394915B2 (ja) | オンライン広告のための分散アーキテクチャ | |
US11330111B2 (en) | Distributed ledger system for management and tracking of exchanges of wireless services between wireless service providers | |
US20130275232A1 (en) | Method and apparatus for providing social interactive video service | |
CN110955838A (zh) | 房源推荐处理方法、装置、终端及计算机可读存储介质 | |
CN109166033A (zh) | 贷款额度计算方法、装置、计算机设备和存储介质 | |
CN109788031A (zh) | 业务数据获取方法、装置、计算机设备和存储介质 | |
CN109409693A (zh) | 一种商业合作模式推荐方法及相关设备 | |
US10789615B1 (en) | Customized targeting framework | |
CN111553740A (zh) | 流量分配方法及装置、电子设备、计算机存储介质 | |
CN115146437A (zh) | 工程预算处理方法、装置、计算机设备及存储介质 | |
CN109447399A (zh) | 申请方等级计算方法、装置、计算机设备和存储介质 | |
CN115375339A (zh) | 多媒体信息推荐方法、装置和设备及计算机存储介质 | |
US20120331051A1 (en) | System and method for designing and managing social media campaigns | |
CN109214663B (zh) | 计算业务引流的方法、装置、计算机设备和存储介质 | |
US10672038B1 (en) | Audience data in audio advertising | |
CN111815374B (zh) | 一种广告投放方法、装置、电子设备及介质 | |
KR101397185B1 (ko) | 광고 관리 시스템 및 광고 관리 방법 | |
CN107979478B (zh) | 一种客户体验指标的确定方法及装置 | |
US20210049677A1 (en) | System and method for electronic rental platform | |
CN114463044A (zh) | 广告计划调整方法、装置、计算机设备及存储介质 | |
CN112581295A (zh) | 基于字段拆分的产品数据处理方法、装置、设备和介质 | |
CN114140203A (zh) | 数据确定方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |