CN111597443A - 内容推荐方法、装置、电子设备及存储介质 - Google Patents

内容推荐方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111597443A
CN111597443A CN202010404190.9A CN202010404190A CN111597443A CN 111597443 A CN111597443 A CN 111597443A CN 202010404190 A CN202010404190 A CN 202010404190A CN 111597443 A CN111597443 A CN 111597443A
Authority
CN
China
Prior art keywords
works
recommendation
types
information
candidate
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.)
Pending
Application number
CN202010404190.9A
Other languages
English (en)
Inventor
季一丁
杨水石
王哲
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.)
Beijing Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet Information Technology 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 Beijing Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN202010404190.9A priority Critical patent/CN111597443A/zh
Publication of CN111597443A publication Critical patent/CN111597443A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search 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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开关于一种内容推荐方法、装置、电子设备及存储介质,属于网络技术领域。所述方法包括:响应于平台账户的推荐请求,从预定类型的作品集中筛选出与所述平台账户相匹配的多个预定类型的作品;获取所述平台账户的候选集,其中,所述候选集中包含多个其他类型的作品和所述多个预定类型的作品;至少基于所述候选集中作品的特征,生成候选集中作品对应的作品推荐序列,其中,所述作品推荐序列中包括部分候选集中的作品,所述作品推荐序列中的作品用于响应于所述推荐请求反馈至所述平台账户。本公开相比于无个性化的随机推荐方式,大大节省了资源,提高了资源利用率。

Description

内容推荐方法、装置、电子设备及存储介质
技术领域
本公开涉及网络技术领域,尤其涉及一种内容推荐方法、装置、电子设备及存储介质。
背景技术
在信息分发平台上发布的新作品,因为携带的属性信息或作品描述信息较少,平台在分发时,会采用随机分配的方式,也即,对于一个待推荐的新作品,平台的推荐系统将新作品随机推荐给一部分用户。
然而,上述采用随机推荐的方式进行作品推荐的技术,很可能作品会被推荐给对该作品并不感兴趣的用户,而用户对于不感兴趣的作品几乎不会有任何反馈,这种无个性化的随机推荐方式导致会造成资源的浪费。
发明内容
本公开提供一种内容推荐方法、装置、电子设备及存储介质,可以大大节省资源,提高资源利用率。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种内容推荐方法,包括:
响应于平台账户的推荐请求,从预定类型的作品集中筛选出与所述平台账户相匹配的多个预定类型的作品,其中,所述预定类型的作品为展示信息符合预定条件的作品,所述展示信息用于记录在历史时间段内作品展示给平台上账户的信息;
获取所述平台账户的候选集,其中,所述候选集中包含多个其他类型的作品和所述多个预定类型的作品;
至少基于所述候选集中作品的特征,生成候选集中作品对应的作品推荐序列,其中,所述作品推荐序列中包括部分候选集中的作品,所述作品推荐序列中的作品用于响应于所述推荐请求反馈至所述平台账户。
在一种可能实现方式中,所述至少基于所述候选集中作品的特征,生成候选集中作品对应的作品推荐序列之后,所述内容推荐方法还包括:
从所述作品推荐序列的前第一数量位的作品中,检测所述预定类型的作品的数量是否大于数量阈值;
如果所述预定类型的作品的数量大于所述数量阈值,从所述前第一数量位的作品中删除部分所述预定类型的作品。
在一种可能实现方式中,所述至少基于所述候选集中作品的特征,生成候选集中作品对应的作品推荐序列,包括:
至少基于所述候选集中作品的特征和所述多个预定类型的作品的推荐调整信息,生成所述作品推荐序列,所述推荐调整信息用于增大所述预定类型的作品被选入所述作品推荐序列中的概率。
在一种可能实现方式中,所述至少基于所述候选集中作品的特征和所述多个预定类型的作品的推荐调整信息,生成所述作品推荐序列,包括:
至少基于所述候选集中作品的特征,确定所述候选集中作品的推荐参数信息;
根据所述候选集中所述多个预定类型的作品的推荐调整信息,调整所述多个预定类型的作品的推荐参数信息;
根据调整后的所述多个预定类型的作品的推荐参数信息和所述多个其他类型的作品的推荐参数信息,选取第二数量的作品生成所述作品推荐序列。
在一种可能实现方式中,所述至少基于所述候选集中作品的特征,确定所述候选集中作品的推荐参数信息,包括:
基于所述候选集中作品的静态特征或反馈行为特征中的至少一项,确定所述候选集中作品的推荐参数信息。
在一种可能实现方式中,所述根据所述候选集中所述多个预定类型的作品的推荐调整信息,调整所述多个预定类型的作品的推荐参数信息,包括下述任一项:
将所述多个预定类型的推荐参数信息乘以各自的推荐调整信息,得到调整后的所述多个预定类型的作品的推荐参数信息;
将所述多个预定类型的推荐参数信息加上各自的推荐调整信息,得到调整后的所述多个预定类型的作品的推荐参数信息。
在一种可能实现方式中,所述多个预定类型的作品的推荐调整信息通过下述步骤得到:
根据所述多个预定类型的作品的反馈行为数据,获取所述多个预定类型的作品的推荐效果信息,所述推荐效果信息用于指示作品的历史推荐达到的效果;
根据所述多个预定类型的作品的推荐效果信息和目标推荐效果信息,获取所述多个预定类型的作品的推荐调整信息。
在一种可能实现方式中,所述根据所述多个预定类型的作品的反馈行为数据,获取所述多个预定类型的作品的推荐效果信息,包括下述任一项:
根据所述多个预定类型的作品的反馈行为数据,确定所述多个预定类型的作品的流量,将所述流量作为所述多个预定类型的作品的推荐效果信息;
根据所述多个预定类型的作品的反馈行为数据,确定所述多个预定类型的作品的流量占总流量的比例,将所述比例作为所述多个预定类型的作品的推荐效果信息。
在一种可能实现方式中,所述根据所述多个预定类型的作品的推荐效果信息和目标推荐效果信息,获取所述多个预定类型的作品的推荐调整信息,包括:
根据所述多个预定类型的作品的推荐效果信息与目标推荐效果信息的误差和目标关系数据,获取所述多个预定类型的作品的推荐调整信息,所述目标关系数据用于表示误差与推荐调整信息之间的关系。
在一种可能实现方式中,所述至少基于所述候选集中作品的特征,生成候选集中作品对应的作品推荐序列之后,所述内容推荐方法还包括:
对所述作品推荐序列中的作品进行推荐;
根据所述作品推荐序列中所述多个预定类型的作品的反馈行为数据,获取所述多个预定类型的作品的推荐效果信息;
如果所述多个预定类型的作品中任一作品的推荐效果信息达到目标推荐效果信息,从所述预定类型的作品集中删除所述任一作品。
在一种可能实现方式中,所述预定条件为下述任一种:
根据所述展示信息确定的作品的展示次数小于目标次数;
根据所述展示信息确定的作品的流量小于目标流量。
根据本公开实施例的第二方面,提供一种内容推荐装置,包括:
筛选模块,被配置为执行响应于平台账户的推荐请求,从预定类型的作品集中筛选出与所述平台账户相匹配的多个预定类型的作品,其中,所述预定类型的作品为展示信息符合预定条件的作品,所述展示信息用于记录在历史时间段内作品展示给平台上账户的信息;
获取模块,被配置为执行获取所述平台账户的候选集,其中,所述候选集中包含多个其他类型的作品和所述多个预定类型的作品;
生成模块,被配置为执行至少基于所述候选集中作品的特征,生成候选集中作品对应的作品推荐序列,其中,所述作品推荐序列中包括部分候选集中的作品,所述作品推荐序列中的作品用于响应于所述推荐请求反馈至所述平台账户。
在一种可能实现方式中,所述内容推荐装置还包括:
检测模块,被配置为执行从所述作品推荐序列的前第一数量位的作品中,检测所述预定类型的作品的数量是否大于数量阈值;
删除模块,被配置为执行如果所述预定类型的作品的数量大于所述数量阈值,从所述前第一数量位的作品中删除部分所述预定类型的作品。
在一种可能实现方式中,所述生成模块被配置为执行:
至少基于所述候选集中作品的特征和所述多个预定类型的作品的推荐调整信息,生成所述作品推荐序列,所述推荐调整信息用于增大所述预定类型的作品被选入所述作品推荐序列中的概率。
在一种可能实现方式中,所述生成模块被配置为执行:
至少基于所述候选集中作品的特征,确定所述候选集中作品的推荐参数信息;
根据所述候选集中所述多个预定类型的作品的推荐调整信息,调整所述多个预定类型的作品的推荐参数信息;
根据调整后的所述多个预定类型的作品的推荐参数信息和所述多个其他类型的作品的推荐参数信息,选取第二数量的作品生成所述作品推荐序列。
在一种可能实现方式中,所述生成模块被配置为执行:
基于所述候选集中作品的静态特征或反馈行为特征中的至少一项,确定所述候选集中作品的推荐参数信息。
在一种可能实现方式中,所述生成模块被配置为执行下述任一项:
将所述多个预定类型的推荐参数信息乘以各自的推荐调整信息,得到调整后的所述多个预定类型的作品的推荐参数信息;
将所述多个预定类型的推荐参数信息加上各自的推荐调整信息,得到调整后的所述多个预定类型的作品的推荐参数信息。
在一种可能实现方式中,所述获取模块还被配置为执行:
根据所述多个预定类型的作品的反馈行为数据,获取所述多个预定类型的作品的推荐效果信息,所述推荐效果信息用于指示作品的历史推荐达到的效果;
根据所述多个预定类型的作品的推荐效果信息和目标推荐效果信息,获取所述多个预定类型的作品的推荐调整信息。
在一种可能实现方式中,所述获取模块被配置为执行下述任一项:
根据所述多个预定类型的作品的反馈行为数据,确定所述多个预定类型的作品的流量,将所述流量作为所述多个预定类型的作品的推荐效果信息;
根据所述多个预定类型的作品的反馈行为数据,确定所述多个预定类型的作品的流量占总流量的比例,将所述比例作为所述多个预定类型的作品的推荐效果信息。
在一种可能实现方式中,所述获取模块被配置为执行:
根据所述多个预定类型的作品的推荐效果信息与目标推荐效果信息的误差和目标关系数据,获取所述多个预定类型的作品的推荐调整信息,所述目标关系数据用于表示误差与推荐调整信息之间的关系。
在一种可能实现方式中,所述内容推荐装置还包括:
推荐模块,被配置为执行对所述作品推荐序列中的作品进行推荐;
所述获取模块还被配置为执行根据所述作品推荐序列中所述多个预定类型的作品的反馈行为数据,获取所述多个预定类型的作品的推荐效果信息;
删除模块,被配置为执行如果所述多个预定类型的作品中任一作品的推荐效果信息达到目标推荐效果信息,从所述预定类型的作品集中删除所述任一作品。
在一种可能实现方式中,所述预定条件为下述任一种:
根据所述展示信息确定的作品的展示次数小于目标次数;
根据所述展示信息确定的作品的流量小于目标流量。
根据本公开实施例的第三方面,提供一种电子设备,包括:
一个或多个处理器;
用于存储所述一个或多个处理器可执行指令的一个或多个存储器;
其中,所述一个或多个处理器被配置为执行所述指令,以实现如第一方面或第一方面的任一种可能实现方式所述的内容推荐方法。
根据本公开实施例的第四方面,提供了一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如第一方面或第一方面的任一种可能实现方式所述的内容推荐方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,当所述计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备能够执行如第一方面或第一方面的任一种可能实现方式所述的内容推荐方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
通过响应于平台账户的推荐请求,从预定类型的作品集中筛选出与平台账户相匹配的多个预定类型的作品,将多个预定类型的作品和多个其他类型的作品组成候选集,至少基于候选集中作品的特征,生成作品推荐序列,从而可以作为对推荐请求的响应,反馈至平台账户。上述技术方案对于预定类型的作品,在推荐过程中考虑了作品的特征,增加了推荐过程中的个性化,使得这类作品很可能被推荐给对其感兴趣的用户,从而得到相应的反馈,相比于无个性化的随机推荐方式,大大节省了资源,提高了资源利用率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种内容推荐方法的实施环境示意图;
图2是根据一示例性实施例示出的一种内容推荐方法的流程图;
图3是根据一示例性实施例示出的一种内容推荐方法的流程图;
图4是根据一示例性实施例示出的一种PID控制器的示意图;
图5是根据一示例性实施例示出的一种控制系统的示意图;
图6是根据一示例性实施例示出的一种推荐场景下的控制系统的示意图;
图7是根据一示例性实施例示出的一种推荐场景下的控制系统的示意图;
图8是根据一示例性实施例示出的一种内容推荐装置的框图;
图9是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种内容推荐方法的实施环境示意图,如图1所示,该实施环境包括终端101和服务器102。
终端101可以是智能手机、平板电脑、便携式计算机和台式计算机等设备。终端101上可以安装有目标应用,用户可以基于该目标应用浏览互联网上的内容。
服务器102可以是一个服务器,也可以是由若干个服务器组成的服务器集群,还可以是云计算平台或虚拟化中心等。服务器102用于为目标应用提供后台服务,例如,服务器102可以向终端101发送推荐给用户的内容。
终端101可以通过无线网络或有线网络与服务器102相连,使得终端101与服务器102之间可以进行数据交互。
终端101可以泛指多个终端中的一个,本领域技术人员可以知晓,上述终端的数量可以更多或更少。比如上述终端可以仅为一个,或者上述终端为几十个或几百个,或者更多数量,此时上述实施环境中还包括其他终端。本公开实施例对终端的数量和类型不做限定。
图2是根据一示例性实施例示出的一种内容推荐方法的流程图,如图2所示,内容推荐方法用于电子设备中,包括以下步骤。
在步骤S21中,响应于平台账户的推荐请求,从预定类型的作品集中筛选出与该平台账户相匹配的多个预定类型的作品,其中,该预定类型的作品为展示信息符合预定条件的作品,该展示信息用于记录在历史时间段内作品展示给平台上账户的信息。
在步骤S22中,获取该平台账户的候选集,其中,该候选集中包含多个其他类型的作品和该多个预定类型的作品。
在步骤S23中,至少基于该候选集中作品的特征,生成候选集中作品对应的作品推荐序列,其中,该作品推荐序列中包括部分候选集中的作品,该作品推荐序列中的作品用于响应于该推荐请求反馈至该平台账户。
本公开实施例提供的方法,通过响应于平台账户的推荐请求,从预定类型的作品集中筛选出与该平台账户相匹配的多个预定类型的作品,将多个预定类型的作品和多个其他类型的作品组成候选集,至少基于该候选集中作品的特征,生成作品推荐序列,从而可以作为对推荐请求的响应,反馈至平台账户。上述技术方案对于预定类型的作品,在推荐过程中考虑了作品的特征,增加了推荐过程中的个性化,使得这类作品很可能被推荐给对其感兴趣的用户,从而得到相应的反馈,相比于无个性化的随机推荐方式,大大节省了资源,提高了资源利用率。
在一种可能实现方式中,该至少基于该候选集中作品的特征,生成候选集中作品对应的作品推荐序列之后,该内容推荐方法还包括:
从该作品推荐序列的前第一数量位的作品中,检测该预定类型的作品的数量是否大于数量阈值;
如果该预定类型的作品的数量大于该数量阈值,从该前第一数量位的作品中删除部分该预定类型的作品。
在一种可能实现方式中,该至少基于该候选集中作品的特征,生成候选集中作品对应的作品推荐序列,包括:
至少基于该候选集中作品的特征和该多个预定类型的作品的推荐调整信息,生成该作品推荐序列,该推荐调整信息用于增大该预定类型的作品被选入该作品推荐序列中的概率。
在一种可能实现方式中,该至少基于该候选集中作品的特征和该多个预定类型的作品的推荐调整信息,生成该作品推荐序列,包括:
至少基于该候选集中作品的特征,确定该候选集中作品的推荐参数信息;
根据该候选集中该多个预定类型的作品的推荐调整信息,调整该多个预定类型的作品的推荐参数信息;
根据调整后的该多个预定类型的作品的推荐参数信息和该多个其他类型的作品的推荐参数信息,选取第二数量的作品生成该作品推荐序列。
在一种可能实现方式中,该至少基于该候选集中作品的特征,确定该候选集中作品的推荐参数信息,包括:
基于该候选集中作品的静态特征或反馈行为特征中的至少一项,确定该候选集中作品的推荐参数信息。
在一种可能实现方式中,该根据该候选集中该多个预定类型的作品的推荐调整信息,调整该多个预定类型的作品的推荐参数信息,包括下述任一项:
将该多个预定类型的推荐参数信息乘以各自的推荐调整信息,得到调整后的该多个预定类型的作品的推荐参数信息;
将该多个预定类型的推荐参数信息加上各自的推荐调整信息,得到调整后的该多个预定类型的作品的推荐参数信息。
在一种可能实现方式中,该多个预定类型的作品的推荐调整信息通过下述步骤得到:
根据该多个预定类型的作品的反馈行为数据,获取该多个预定类型的作品的推荐效果信息,该推荐效果信息用于指示作品的历史推荐达到的效果;
根据该多个预定类型的作品的推荐效果信息和目标推荐效果信息,获取该多个预定类型的作品的推荐调整信息。
在一种可能实现方式中,该根据该多个预定类型的作品的反馈行为数据,获取该多个预定类型的作品的推荐效果信息,包括下述任一项:
根据该多个预定类型的作品的反馈行为数据,确定该多个预定类型的作品的流量,将该流量作为该多个预定类型的作品的推荐效果信息;
根据该多个预定类型的作品的反馈行为数据,确定该多个预定类型的作品的流量占总流量的比例,将该比例作为该多个预定类型的作品的推荐效果信息。
在一种可能实现方式中,该根据该多个预定类型的作品的推荐效果信息和目标推荐效果信息,获取该多个预定类型的作品的推荐调整信息,包括:
根据该多个预定类型的作品的推荐效果信息与目标推荐效果信息的误差和目标关系数据,获取该多个预定类型的作品的推荐调整信息,该目标关系数据用于表示误差与推荐调整信息之间的关系。
在一种可能实现方式中,该至少基于该候选集中作品的特征,生成候选集中作品对应的作品推荐序列之后,该内容推荐方法还包括:
对该作品推荐序列中的作品进行推荐;
根据该作品推荐序列中该多个预定类型的作品的反馈行为数据,获取该多个预定类型的作品的推荐效果信息;
如果该多个预定类型的作品中任一作品的推荐效果信息达到目标推荐效果信息,从该预定类型的作品集中删除该任一作品。
在一种可能实现方式中,该预定条件为下述任一种:
根据该展示信息确定的作品的展示次数小于目标次数;
根据该展示信息确定的作品的流量小于目标流量。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
上述图2所示的流程为本公开实施例的基本流程,下面基于该基本流程对本公开实施例的详细流程进行介绍。
图3是根据一示例性实施例示出的一种内容推荐方法的流程图,如图3所示,内容推荐方法用于电子设备中,该电子设备可以是图1对应的实施例中的服务器102,内容推荐方法包括以下步骤。
在步骤S31中,电子设备响应于平台账户的推荐请求,从预定类型的作品集中筛选出与该平台账户相匹配的多个预定类型的作品。
其中,平台账户可以是用户登录作品平台的账户,作品可以是指作品生产者在平台上发布的作品,如视频作品、音频作品、文字作品等任一种形式的作品。该预定类型的作品为展示信息符合预定条件的作品,该展示信息用于记录在历史时间段内作品展示给平台上账户的信息。
针对平台账户的推荐请求,该推荐请求可以由平台账户所属用户在终端上进行操作,如作品浏览操作,触发终端向电子设备发送该推荐请求。
针对预定类型的作品,在一种可能实现方式中,该预定条件为下述任一种:根据展示信息确定的作品的展示次数小于目标次数;或者,根据展示信息确定的作品的流量小于目标流量。通过在响应于推荐请求时,筛选展示次数小于目标次数或流量小于目标流量的作品,使得该类作品可以被选入候选集,从而增大这类作品被推荐的概率。
电子设备可以根据平台账户的属性特征,从预定类型的作品集中筛选出与该平台账户相匹配的多个预定类型的作品。属性特征可以包括基本属性特征和历史行为特征,基本属性特征可以包括年龄、性别、地区、兴趣等,历史行为特征可以包括对作品的浏览行为特征、点击行为特征、点赞行为特征等。
在步骤S32中,电子设备获取该平台账户的候选集,其中,该候选集中包含多个其他类型的作品和该多个预定类型的作品。
电子设备在筛选出多个预定类型的作品后,可以获取多个其他类型的作品,将该多个其他类型的作品和该多个预定类型的作品组成候选集。该预定类型和其他类型可以通过作品的类型标签确定。针对该多个其他类型的作品的获取过程,该多个其他类型的作品可以由电子设备进行正常的召回处理得到,例如,电子设备可以从作品数据库中,选取与该平台账户匹配的多个其他类型的作品,该作品数据库用户存储各个用户发布到平台上的作品。
步骤S31和步骤S32通过对预定类型的作品进行单独召回,也称为强制召回,确保该预定类型的作品可以进入候选集。除了预定类型的作品以外,电子设备还可以正常召回其他类型的作品,从而组成候选集,进而基于候选集执行后续步骤。
在步骤S33中,电子设备至少基于该候选集中作品的特征,确定该候选集中作品的推荐参数信息。
该推荐参数信息可以用于确定作品被推荐的概率,例如,该推荐参数信息的一种形式可以是得分,得分越大被推荐的概率越大,得分还可以用于确定作品的排序位次,得分越大排序位次越靠前。
在一种可能实现方式中,该步骤S33包括:基于该候选集中作品的静态特征或反馈行为特征中的至少一项,确定该候选集中作品的推荐参数信息。通过结合作品自身具备的静态特征和用户对作品的反馈行为特征,来获取作品的推荐参数信息,可以提高推荐参数信息的准确性。
其中,作品的静态特征可以是作品在发布时即具有的特征,如封面、标题、描述信息等。反馈行为特征是指作品推荐给用户后用户进行反馈行为的特征,可以基于用户对作品的反馈行为数据生成。
电子设备可以将该候选集中作品的上述特征输入到目标模型,输出该候选集中作品各自的推荐参数信息,例如,该目标模型可以排序模型,输出的推荐参数信息可以为得分。该排序模型可以由电子设备采用机器学习方法,基于训练数据进行训练得到。其中,该训练数据可以包括样本作品的静态特征和反馈行为特征。
可选地,除了基于候选集中作品的特征以外,还可以结合平台账户的属性特征,确定该候选集中作品的推荐参数信息,这样可以进一步提高推荐参数信息的准确性。
在步骤S34中,电子设备根据该候选集中该多个预定类型的作品的推荐调整信息,调整该多个预定类型的作品的推荐参数信息,该推荐调整信息用于增大该预定类型的作品被选入作品推荐序列中的概率。
电子设备在获取到候选集中作品的推荐参数信息后,可以对其中的多个预定类型的作品的推荐参数信息进行调整。在一种可能实现方式中,该步骤S34可以包括下述任一项:将该多个预定类型的推荐参数信息乘以各自的推荐调整信息,得到调整后的该多个预定类型的作品的推荐参数信息;或者,将该多个预定类型的推荐参数信息加上各自的推荐调整信息,得到调整后的该多个预定类型的作品的推荐参数信息。通过相乘或相加任一种方式,对预定类型的作品的推荐参数信息进行调整,可以提高调整的灵活性。
针对该多个预定类型的作品的推荐调整信息,在一种可能实现方式中,该多个预定类型的作品的推荐调整信息通过下述步骤得到:
步骤a、根据该多个预定类型的作品的反馈行为数据,获取该多个预定类型的作品的推荐效果信息,该推荐效果信息用于指示作品的历史推荐达到的效果。
在一种可能实现方式中,该步骤a包括下述任一项:根据该多个预定类型的作品的反馈行为数据,确定该多个预定类型的作品的流量,将该流量作为该多个预定类型的作品的推荐效果信息;或者,根据该多个预定类型的作品的反馈行为数据,确定该多个预定类型的作品的流量占总流量的比例,将该比例作为该多个预定类型的作品的推荐效果信息。通过根据预定类型的作品的反馈行为数据,获取流量或流量占比作为推荐效果信息,提高了获取推荐效果信息的灵活性。
其中,反馈行为数据是指用户对作品进行反馈行为的数据,其中,反馈行为可以包括曝光(浏览)、点击、点赞、转发、收藏和分享中的任一种行为,相应地,反馈行为数据可以包括曝光行为数据、点击行为数据、点赞行为数据、转发行为数据、收藏行为数据和分享行为数据中的任一种行为数据。
作品的流量可以通过用户对作品的反馈行为数据统计得到,该流量可以包括曝光量、点击率、点赞量、转发量、收藏量、分享量或其他任一种可以准确测量的量。电子设备在历史上对任一预定类型的作品进行推荐后,可以接收终端发送的反馈行为数据,对该反馈行为数据进行统计,得到该预定类型的作品的流量或流量占总流量的比例,作为该预定类型的作品的推荐效果信息。其中,该终端可以是指电子设备向其推荐了该预定类型的作品的一个或多个终端,该终端在接收到该预定类型的作品后,可以显示该预定类型的作品,终端的用户可以对该预定类型的作品进行上述任一种反馈行为,终端可以基于用户的反馈行为生成反馈行为数据并发送给电子设备。
针对将流量作为推荐效果信息的情况,电子设备可以按照预设流量统计方式,统计该预定类型的作品的流量,例如,该预设流量统计方式可以为将进行了反馈行为的用户数量作为该预定类型的作品的流量,或将进行反馈行为的次数作为该预定类型的作品的流量,本公开实施例对流量的统计方式不做限定。以反馈行为数据包括曝光行为数据,流量为曝光量为例,电子设备可以根据曝光行为数据统计得到该预定类型的作品的曝光量。
针对将流量占总流量的比例作为推荐效果信息的情况,该总流量可以是历史推荐的作品的总流量,电子设备可以根据历史推荐的作品的反馈行为数据,统计作品的总流量,然后计算该预定类型的作品的流量占总流量的比例。以反馈行为数据包括曝光行为数据,流量为曝光量为例,电子设备可以计算该预定类型的作品的曝光量占总曝光量的比例。
步骤b、根据该多个预定类型的作品的推荐效果信息和目标推荐效果信息,获取该多个预定类型的作品的推荐调整信息。
其中,推荐调整信息用于在推荐过程中给预定类型的作品进行加权,以增大预定类型的作品被推荐给平台账户的概率。
电子设备在获取到该多个预定类型的作品的推荐效果信息后,可以根据该多个预定类型的作品的推荐效果信息与目标推荐效果信息的误差情况,获取该多个预定类型的作品的推荐调整信息。该多个预定类型的作品的推荐效果信息可以相同,也可以不同,该多个预定类型的作品的目标推荐效果信息可以相同,也可以不同,相应地,该多个预定类型的作品的推荐调整信息可以相同,也可以不同。
在一种可能实现方式中,该步骤b包括:根据该多个预定类型的作品的推荐效果信息与目标推荐效果信息的误差和目标关系数据,获取该多个预定类型的作品的推荐调整信息,该目标关系数据用于表示误差与推荐调整信息之间的关系。
该目标关系数据可以根据误差获取到推荐调整信息。对于任一预定类型的作品,电子设备在获取到该预定类型的作品的推荐效果信息与目标推荐效果信息的误差后,可以根据该误差和目标关系数据,得到对应的推荐调整信息。通过采用一个目标关系数据来根据误差获取推荐调整信息,提供了一种快速获取推荐调整信息的方式。
在一种可能实现方式中,根据该多个预定类型的作品的推荐效果信息与目标推荐效果信息的误差和目标关系数据,获取该多个预定类型的作品的推荐调整信息,包括:对于任一预定类型的作品,根据该预定类型的作品的推荐效果信息与目标推荐效果信息的误差,获取该误差与比例控制系数的第一乘积、该误差对时间的积分与积分控制系数的第二乘积或者该误差对时间的微分与微分控制系数的第三乘积中的至少一项乘积;将该至少一项乘积之和作为该误差对应的得分调整参数。
该目标关系数据可以是一个目标函数,用于根据输入的误差输出对应的推荐调整信息。该目标函数的具体形式可以是一个PID(P-I-D,比例-积分-微分)控制器,PID控制器由比例单元(P)、积分单元(I)和微分单元(D)组成,PID控制器的比例单元(P)、积分单元(I)和微分单元(D)分别对应目前误差、过去累计误差及未来误差。比例单元P对应的控制系数为比例控制系数Kp,积分单元I对应的控制系数为积分控制系数Ki,微分单元D对应的控制系数为微分控制系数Kd。PID控制器的算法执行流程非常直观和简单,即利用反馈来检测偏差信号,并通过偏差信号来控制被控量。而控制器本身就是比例、积分、微分三个环节的加和。参见图4,图4是根据一示例性实施例示出的一种PID控制器的示意图,图4中的r(t)为目标值(设置值),e(t)为误差(error),KPe(t)为第一乘积,
Figure BDA0002490659310000141
为第二乘积,
Figure BDA0002490659310000142
为第三乘积,u(t)为第一乘积、第二乘积和第三乘积之和,y(t)为执行模块处理后的输出值。在应用该PID控制器时,图4中的目标值可以为该目标推荐效果信息。
需要说明的是,PID控制器可以是一个不计状态的比例控制器,也可以在内存中保留状态实现微分项和积分项的功能。例如,当PID控制器可以是一个比例控制器时,电子设备可以获取第一乘积作为该误差对应的推荐调整信息。当PID控制器保留状态实现微分项的功能时,电子设备可以获取第一乘积以及第二乘积之和作为该误差对应的推荐调整信息。当PID控制器保留状态实现微分项和积分项的功能时,电子设备可以获取第一乘积、第二乘积以及第三乘积之和作为该误差对应的推荐调整信息。通过选择PID控制器,利用其控制算法获取误差对应的推荐调整信息,具有算法简单、鲁棒性好、可靠性高等特点。
通过根据该多个预定类型的作品的反馈行为数据,获取该多个预定类型的作品的推荐效果信息,进而根据推荐效果信息与目标推荐效果信息的误差情况,获取对应的推荐调整信息,该推荐调整信息可以随着每次推荐过程不断调整,从而使得推荐效果信息不断接近目标推荐效果信息,最终保持稳定。在一些可能实施例中,电子设备也可以采用预设的推荐调整信息作为多个预定类型的作品的推荐调整信息。
在步骤S35中,电子设备根据调整后的该多个预定类型的作品的推荐参数信息和该多个其他类型的作品的推荐参数信息,选取第二数量的作品生成该作品推荐序列。
其中,该作品推荐序列中包括部分候选集中的作品,该作品推荐序列中的作品用于响应于该推荐请求反馈至该平台账户。
电子设备可以根据调整后的多个预定类型的作品的推荐参数信息和多个其他类型的作品的推荐参数信息,按照推荐参数信息从大到小的顺序,对该多个预定类型的作品和多个其他类型的作品进行排序,将排序位于前第二数量位的作品组成作品推荐序列。通过在推荐过程中,使用预定类型的作品的推荐调整信息进行加权,可以提高预定类型的作品的推荐参数信息,提高该预定类型的作品被选取生成作品推荐序列的概率,还可以提高预定类型的作品在作品推荐序列中的排序位次,使得该预定类型的作品越容易曝光。
可选地,电子设备也可以根据调整后的多个预定类型的作品的推荐参数信息和多个其他类型的作品的推荐参数信息,将该多个预定类型的作品和多个其他类型的作品中,推荐参数信息大于阈值的作品组成作品推荐序列。其中,电子设备还可以对推荐参数信息大于阈值的作品进行排序,推荐参数信息越大排序越靠前。
步骤S33至步骤S35是电子设备至少基于该候选集中作品的特征,生成候选集中作品对应的作品推荐序列的一种可能实现方式。通过至少基于候选集中作品的特征和多个预定类型的作品的推荐调整信息,生成作品推荐序列,由于推荐调整信息可以增大预定类型的作品被选入作品推荐序列中的概率,也即是提高了预定类型的作品被推荐的概率。
在一种可能实现方式中,电子设备执行步骤S35后,本公开实施例提供的方法还可以包括:从该作品推荐序列的前第一数量位的作品中,检测该预定类型的作品的数量是否大于数量阈值;如果该预定类型的作品的数量大于该数量阈值,从该前第一数量位的作品中删除部分该预定类型的作品。
电子设备在生成作品推荐序列后,可以统计前第一数量位的作品中预定类型的作品的数量,将统计得到的数量与数量阈值进行比较,判断该数量是否大于数量阈值,如果是,则删除部分预定类型的作品,使得预定类型的作品的数量小于或等于该数量阈值。通过控制预定类型的作品的数量,可以保证一次推荐中不会有太多预定类型的作品位于前面。
在一种可能实现方式中,电子设备执行步骤S35后,本公开实施例提供的方法还可以包括:对该作品推荐序列中的作品进行推荐;根据该作品推荐序列中该多个预定类型的作品的反馈行为数据,获取该多个预定类型的作品的推荐效果信息;如果该多个预定类型的作品中任一作品的推荐效果信息达到目标推荐效果信息,从该预定类型的作品集中删除该任一作品。
电子设备在得到作品推荐序列后,可以将作品推荐序列推荐给平台账户,然后根据该平台账户所属用户对该作品推荐序列中预定类型的作品的反馈行为数据,获取预定类型的作品的推荐效果信息,获取推荐效果信息的方式在前面步骤中已有说明,此处不再赘述。如果任一预定类型的作品的推荐效果信息达到目标推荐效果信息,则电子设备可以从预定类型的作品集中删除该作品,之后再接收到推荐请求时,该作品将不再被强制召回,而是可以与其他作品一样进行正常的召回处理。通过当预定类型的作品的推荐效果达到预期,如预定类型的作品在推荐系统中的曝光达到预期后,自动从扶持这一路中自动退出,也即是,电子设备将不再对该作品进行强制召回,可以不再占据被扶持的流量。
本公开实施例提供的上述技术方案通过监控预定类型的作品的推荐效果信息,如曝光量,来生成推荐调整信息(boost),通过调节推荐调整信息,可以保证推荐效果信息维持稳定,这是个负反馈控制问题。
下面从系统的角度,对上述技术方案进行说明。参见图5,图5是根据一示例性实施例示出的一种控制系统的示意图,如图5所示,该控制系统中可以包括控制器501、控制对象502和检测反馈回路503,其中,控制器501可以是图4所示的PID控制器,控制对象502用于控制预定类型的作品的推荐效果信息,检测反馈回路503用于提供反馈量。图5中的给定量即为预定类型的作品的目标推荐效果信息,输出量或反馈量均为预定类型的作品的推荐效果信息,误差(偏差)即为推荐效果信息与目标推荐效果信息之间的差值。扰动量用于指示系统能够抵抗扰动的能力。
图5所示的控制系统可以应用到推荐场景中,参见图6,图6是根据一示例性实施例示出的一种推荐场景下的控制系统的示意图,如图6所示,控制系统的元素可以包括控制器601、控制对象602、检测反馈回路603和控制变量(被控变量)604。
其中,控制器601可以选择图4所示的PID控制器。控制对象602可以是执行召回、排序等推荐操作的“RECO-LEAF”模块,是推荐系统的核心计算模块,在本控制问题中,接收控制器601的推荐调整信息(boost),产出最终的推荐结果,如作品推荐序列。检测反馈回路603通过检测app(应用)端上报的日志统计量,如反馈行为数据,获取目前控制变量的检测值(预定类型的作品的推荐效果信息)与设定值(目标推荐效果信息)计算得到误差。
图6中的控制对象602可以包括召回模块和排序模块,在一种可能实现方式中,图6中的控制器601也可以包含在控制对象602中。参见图7,图7是根据一示例性实施例示出的一种推荐场景下的控制系统的示意图,如图7所示,控制系统可以包括控制对象701、应用客户端702和客户端日志消费模块703,控制对象701的输入包括设定值和客户端日志消费模块703对客户端日志(如曝光日志)统计后上报的控制变量的检测值,控制对象701计算两种输入之间的误差后,生成作为推荐调整信息的boost,然后提供给排序模块,排序模块接收召回模块的输出,并利用boost给预定类型的作品进行加权,使得该预定类型的作品优先在排序中被推荐出来,然后输出推荐结果,应用客户端702接收到推荐结果后产生客户端日志。客户端日志消费模块703还可以判断控制变量的检测值是否达到设定值,得到控制变量的达标情况,将达标情况提供给召回模块,如果达标,则召回模块可以不再对预定类型的作品进行强制召回。
在推荐效果方面,本公开实施例提供的技术方案,针对推荐侧指标,对比相关技术中的随机分配策略,作品的点击率的提升情况可以为:+146%和+4.38pp(百分点);消费指标的提升情况可以为:人均播放时长+0.477%,甚至更高可以达到+0.698%,总点击率的提升情况可以为:+1.492%和+0.085pp;留存指标的提升情况可以为:用户一日留存率的提升情况可以为:+0.291%和0.152pp,用户三日留存率的提升情况可以为:+0.319%和0.136pp,用户七日留存率的提升情况可以为:+0.335%和0.124pp。
针对运营侧作者(UP主)的涨粉情况,上述技术方案的策略应用在作者签约保量方面,如表1中的数据所示,保量期间,策略期的单作者增粉量511,较对照期增长170.4%,策略期的千次曝光增粉量4.7个,较对照期提升102.8%。其中,千次曝光增粉量=保量期间作者增粉总量(整体粉丝增量)/保量稿件曝光量。
表1
Figure BDA0002490659310000171
本公开实施例提供的技术方案可以解决推荐系统的无个性化分发问题,充分利用作品具备的静态特征信息,甚至是只有少量用户反馈的特征,增加在推荐过程中的个性化,可以在一定程度上提高作品的推荐效率。作品可以分发给很大可能会反馈的用户,对推荐模型训练的增益较大;作品曝光给感兴趣的用户能真正意义上让生产者有“涨粉”、“增加人气”的收益。
本公开实施例提供的方法,通过响应于平台账户的推荐请求,从预定类型的作品集中筛选出与该平台账户相匹配的多个预定类型的作品,将多个预定类型的作品和多个其他类型的作品组成候选集,至少基于该候选集中作品的特征,生成作品推荐序列,从而可以作为对推荐请求的响应,反馈至平台账户。上述技术方案对于预定类型的作品,在推荐过程中考虑了作品的特征,增加了推荐过程中的个性化,使得这类作品很可能被推荐给对其感兴趣的用户,从而得到相应的反馈,相比于无个性化的随机推荐方式,大大节省了资源,提高了资源利用率。
图8是根据一示例性实施例示出的一种内容推荐装置的框图。参照图8,该装置包括筛选模块801,获取模块802和生成模块803。
筛选模块801被配置为执行响应于平台账户的推荐请求,从预定类型的作品集中筛选出与该平台账户相匹配的多个预定类型的作品,其中,该预定类型的作品为展示信息符合预定条件的作品,该展示信息用于记录在历史时间段内作品展示给平台上账户的信息;
获取模块802被配置为执行获取该平台账户的候选集,其中,该候选集中包含多个其他类型的作品和该多个预定类型的作品;
生成模块803被配置为执行至少基于该候选集中作品的特征,生成候选集中作品对应的作品推荐序列,其中,该作品推荐序列中包括部分候选集中的作品,该作品推荐序列中的作品用于响应于该推荐请求反馈至该平台账户。
在一种可能实现方式中,该内容推荐装置还包括:
检测模块,被配置为执行从该作品推荐序列的前第一数量位的作品中,检测该预定类型的作品的数量是否大于数量阈值;
删除模块,被配置为执行如果该预定类型的作品的数量大于该数量阈值,从该前第一数量位的作品中删除部分该预定类型的作品。
在一种可能实现方式中,该生成模块803被配置为执行:
至少基于该候选集中作品的特征和该多个预定类型的作品的推荐调整信息,生成该作品推荐序列,该推荐调整信息用于增大该预定类型的作品被选入该作品推荐序列中的概率。
在一种可能实现方式中,该生成模块803被配置为执行:
至少基于该候选集中作品的特征,确定该候选集中作品的推荐参数信息;
根据该候选集中该多个预定类型的作品的推荐调整信息,调整该多个预定类型的作品的推荐参数信息;
根据调整后的该多个预定类型的作品的推荐参数信息和该多个其他类型的作品的推荐参数信息,选取第二数量的作品生成该作品推荐序列。
在一种可能实现方式中,该生成模块803被配置为执行:
基于该候选集中作品的静态特征或反馈行为特征中的至少一项,确定该候选集中作品的推荐参数信息。
在一种可能实现方式中,该生成模块803被配置为执行下述任一项:
将该多个预定类型的推荐参数信息乘以各自的推荐调整信息,得到调整后的该多个预定类型的作品的推荐参数信息;
将该多个预定类型的推荐参数信息加上各自的推荐调整信息,得到调整后的该多个预定类型的作品的推荐参数信息。
在一种可能实现方式中,该获取模块802还被配置为执行:
根据该多个预定类型的作品的反馈行为数据,获取该多个预定类型的作品的推荐效果信息,该推荐效果信息用于指示作品的历史推荐达到的效果;
根据该多个预定类型的作品的推荐效果信息和目标推荐效果信息,获取该多个预定类型的作品的推荐调整信息。
在一种可能实现方式中,该获取模块802被配置为执行下述任一项:
根据该多个预定类型的作品的反馈行为数据,确定该多个预定类型的作品的流量,将该流量作为该多个预定类型的作品的推荐效果信息;
根据该多个预定类型的作品的反馈行为数据,确定该多个预定类型的作品的流量占总流量的比例,将该比例作为该多个预定类型的作品的推荐效果信息。
在一种可能实现方式中,该获取模块802被配置为执行:
根据该多个预定类型的作品的推荐效果信息与目标推荐效果信息的误差和目标关系数据,获取该多个预定类型的作品的推荐调整信息,该目标关系数据用于表示误差与推荐调整信息之间的关系。
在一种可能实现方式中,该内容推荐装置还包括:
推荐模块,被配置为执行对该作品推荐序列中的作品进行推荐;
该获取模块802还被配置为执行根据该作品推荐序列中该多个预定类型的作品的反馈行为数据,获取该多个预定类型的作品的推荐效果信息;
删除模块,被配置为执行如果该多个预定类型的作品中任一作品的推荐效果信息达到目标推荐效果信息,从该预定类型的作品集中删除该任一作品。
在一种可能实现方式中,该预定条件为下述任一种:
根据该展示信息确定的作品的展示次数小于目标次数;
根据该展示信息确定的作品的流量小于目标流量。
本公开实施例中,通过响应于平台账户的推荐请求,从预定类型的作品集中筛选出与该平台账户相匹配的多个预定类型的作品,将多个预定类型的作品和多个其他类型的作品组成候选集,至少基于该候选集中作品的特征,生成作品推荐序列,从而可以作为对推荐请求的响应,反馈至平台账户。上述技术方案对于预定类型的作品,在推荐过程中考虑了作品的特征,增加了推荐过程中的个性化,使得这类作品很可能被推荐给对其感兴趣的用户,从而得到相应的反馈,相比于无个性化的随机推荐方式,大大节省了资源,提高了资源利用率。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图9是根据一示例性实施例示出的一种电子设备的框图,该电子设备900可因配置或性能不同而产生比较大的差异,可以包括一个或多个处理器(Central ProcessingUnits,CPU)901和一个或多个存储器902,其中,该存储器902中存储有至少一条指令,该至少一条指令由该处理器901加载并执行以实现上述各个方法实施例提供的内容推荐方法。当然,该电子设备还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该电子设备还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器902,上述指令可由电子设备900的处理器901执行以完成上述方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,该非临时性计算机可读存储介质可以是ROM(Read-Only Memory,ROM,只读内存)、RAM(Random Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,只读光盘)、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品,该计算机程序产品中的指令可由电子设备900的处理器901执行以完成上述方法。
本公开所涉及的用户信息可以为经用户授权或者经过各方充分授权的信息。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种内容推荐方法,其特征在于,所述内容推荐方法包括:
响应于平台账户的推荐请求,从预定类型的作品集中筛选出与所述平台账户相匹配的多个预定类型的作品,其中,所述预定类型的作品为展示信息符合预定条件的作品,所述展示信息用于记录在历史时间段内作品展示给平台上账户的信息;
获取所述平台账户的候选集,其中,所述候选集中包含多个其他类型的作品和所述多个预定类型的作品;
至少基于所述候选集中作品的特征,生成候选集中作品对应的作品推荐序列,其中,所述作品推荐序列中包括部分候选集中的作品,所述作品推荐序列中的作品用于响应于所述推荐请求反馈至所述平台账户。
2.根据权利要求1所述的内容推荐方法,其特征在于,所述至少基于所述候选集中作品的特征,生成候选集中作品对应的作品推荐序列之后,所述内容推荐方法还包括:
从所述作品推荐序列的前第一数量位的作品中,检测所述预定类型的作品的数量是否大于数量阈值;
如果所述预定类型的作品的数量大于所述数量阈值,从所述前第一数量位的作品中删除部分所述预定类型的作品。
3.根据权利要求1所述的内容推荐方法,其特征在于,所述至少基于所述候选集中作品的特征,生成候选集中作品对应的作品推荐序列,包括:
至少基于所述候选集中作品的特征和所述多个预定类型的作品的推荐调整信息,生成所述作品推荐序列,所述推荐调整信息用于增大所述预定类型的作品被选入所述作品推荐序列中的概率。
4.根据权利要求3所述的内容推荐方法,其特征在于,所述至少基于所述候选集中作品的特征和所述多个预定类型的作品的推荐调整信息,生成所述作品推荐序列,包括:
至少基于所述候选集中作品的特征,确定所述候选集中作品的推荐参数信息;
根据所述候选集中所述多个预定类型的作品的推荐调整信息,调整所述多个预定类型的作品的推荐参数信息;
根据调整后的所述多个预定类型的作品的推荐参数信息和所述多个其他类型的作品的推荐参数信息,选取第二数量的作品生成所述作品推荐序列。
5.根据权利要求3所述的内容推荐方法,其特征在于,所述多个预定类型的作品的推荐调整信息通过下述步骤得到:
根据所述多个预定类型的作品的反馈行为数据,获取所述多个预定类型的作品的推荐效果信息,所述推荐效果信息用于指示作品的历史推荐达到的效果;
根据所述多个预定类型的作品的推荐效果信息和目标推荐效果信息,获取所述多个预定类型的作品的推荐调整信息。
6.根据权利要求5所述的内容推荐方法,其特征在于,所述根据所述多个预定类型的作品的推荐效果信息和目标推荐效果信息,获取所述多个预定类型的作品的推荐调整信息,包括:
根据所述多个预定类型的作品的推荐效果信息与目标推荐效果信息的误差和目标关系数据,获取所述多个预定类型的作品的推荐调整信息,所述目标关系数据用于表示误差与推荐调整信息之间的关系。
7.根据权利要求1所述的内容推荐方法,其特征在于,所述至少基于所述候选集中作品的特征,生成候选集中作品对应的作品推荐序列之后,所述内容推荐方法还包括:
对所述作品推荐序列中的作品进行推荐;
根据所述作品推荐序列中所述多个预定类型的作品的反馈行为数据,获取所述多个预定类型的作品的推荐效果信息;
如果所述多个预定类型的作品中任一作品的推荐效果信息达到目标推荐效果信息,从所述预定类型的作品集中删除所述任一作品。
8.一种内容推荐装置,其特征在于,所述内容推荐装置包括:
筛选模块,被配置为执行响应于平台账户的推荐请求,从预定类型的作品集中筛选出与所述平台账户相匹配的多个预定类型的作品,其中,所述预定类型的作品为展示信息符合预定条件的作品,所述展示信息用于记录在历史时间段内作品展示给平台上账户的信息;
获取模块,被配置为执行获取所述平台账户的候选集,其中,所述候选集中包含多个其他类型的作品和所述多个预定类型的作品;
生成模块,被配置为执行至少基于所述候选集中作品的特征,生成候选集中作品对应的作品推荐序列,其中,所述作品推荐序列中包括部分候选集中的作品,所述作品推荐序列中的作品用于响应于所述推荐请求反馈至所述平台账户。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
用于存储所述一个或多个处理器可执行指令的一个或多个存储器;
其中,所述一个或多个处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的内容推荐方法。
10.一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至7中任一项所述的内容推荐方法。
CN202010404190.9A 2020-05-13 2020-05-13 内容推荐方法、装置、电子设备及存储介质 Pending CN111597443A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010404190.9A CN111597443A (zh) 2020-05-13 2020-05-13 内容推荐方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010404190.9A CN111597443A (zh) 2020-05-13 2020-05-13 内容推荐方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN111597443A true CN111597443A (zh) 2020-08-28

Family

ID=72192246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010404190.9A Pending CN111597443A (zh) 2020-05-13 2020-05-13 内容推荐方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111597443A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112199523A (zh) * 2020-09-29 2021-01-08 北京字节跳动网络技术有限公司 一种作品分发方法、装置、计算机设备及存储介质
CN112199586A (zh) * 2020-09-29 2021-01-08 北京字节跳动网络技术有限公司 一种作品分发方法、装置、计算机设备及存储介质
CN114254193A (zh) * 2021-12-20 2022-03-29 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
CN116719992A (zh) * 2023-05-26 2023-09-08 百度(中国)有限公司 资源推荐方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108052591A (zh) * 2017-12-11 2018-05-18 广东欧珀移动通信有限公司 信息推荐方法、装置、移动终端及计算机可读存储介质
US20180240030A1 (en) * 2016-03-18 2018-08-23 Youku Internet Technology (Beijing) Co., Ltd. Content recommendation method, apparatus and system
CN109492153A (zh) * 2018-10-18 2019-03-19 平安科技(深圳)有限公司 一种产品推荐方法和装置
CN110309418A (zh) * 2018-04-26 2019-10-08 腾讯科技(北京)有限公司 推荐内容确定方法、装置、存储介质和计算机设备
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180240030A1 (en) * 2016-03-18 2018-08-23 Youku Internet Technology (Beijing) Co., Ltd. Content recommendation method, apparatus and system
CN108052591A (zh) * 2017-12-11 2018-05-18 广东欧珀移动通信有限公司 信息推荐方法、装置、移动终端及计算机可读存储介质
CN110309418A (zh) * 2018-04-26 2019-10-08 腾讯科技(北京)有限公司 推荐内容确定方法、装置、存储介质和计算机设备
CN109492153A (zh) * 2018-10-18 2019-03-19 平安科技(深圳)有限公司 一种产品推荐方法和装置
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

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112199523A (zh) * 2020-09-29 2021-01-08 北京字节跳动网络技术有限公司 一种作品分发方法、装置、计算机设备及存储介质
CN112199586A (zh) * 2020-09-29 2021-01-08 北京字节跳动网络技术有限公司 一种作品分发方法、装置、计算机设备及存储介质
CN114254193A (zh) * 2021-12-20 2022-03-29 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
CN116719992A (zh) * 2023-05-26 2023-09-08 百度(中国)有限公司 资源推荐方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111597443A (zh) 内容推荐方法、装置、电子设备及存储介质
CN110225373B (zh) 一种视频审核方法、装置及电子设备
CN110781321B (zh) 一种多媒体内容推荐方法及装置
WO2020011068A1 (zh) 用于执行机器学习过程的方法和系统
CN103718166B (zh) 信息处理设备、信息处理方法
US10715478B2 (en) Event-based comment grouping for content items
CN109948023A (zh) 推荐对象获取方法、装置及存储介质
US20150039620A1 (en) Creating personalized and continuous playlists for a content sharing platform based on user history
US9495645B2 (en) Method and system of iteratively autotuning prediction parameters in a media content recommender
US20190303403A1 (en) System and method for producing a customized video file
US11216518B2 (en) Systems and methods of providing recommendations of content items
US9268669B2 (en) Application quality testing time predictions
US20210185386A1 (en) Video playing method and apparatus, electronic device, and storage medium
US11521277B2 (en) System for serving shared content on a video sharing web site
CN112241327A (zh) 分享信息处理方法、装置、存储介质与电子设备
US20180253485A1 (en) Latent user communities
US20230069999A1 (en) Method and apparatus for updating recommendation model, computer device and storage medium
WO2020258773A1 (zh) 确定推送用户群的方法、装置、设备及存储介质
CN112202849A (zh) 内容分发方法、装置、电子设备和计算机可读存储介质
US11144179B2 (en) Next user interaction prediction
US20210312331A1 (en) Dynamic video content optimization
US20240107125A1 (en) System and method for modelling access requests to multi-channel content sharing platforms
CN111683280A (zh) 视频处理方法、装置及电子设备
CN112905879A (zh) 推荐方法、装置、服务器以及存储介质
CN112565902B (zh) 一种视频推荐方法、装置及电子设备

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