CN111898028B - 一种实体对象推荐方法、装置及存储介质 - Google Patents
一种实体对象推荐方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111898028B CN111898028B CN202010790248.8A CN202010790248A CN111898028B CN 111898028 B CN111898028 B CN 111898028B CN 202010790248 A CN202010790248 A CN 202010790248A CN 111898028 B CN111898028 B CN 111898028B
- Authority
- CN
- China
- Prior art keywords
- entity object
- entity
- user
- objects
- content
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012216 screening Methods 0.000 claims abstract description 49
- 230000006399 behavior Effects 0.000 claims description 68
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开是关于一种实体对象推荐方法、装置及存储介质。其中,一种实体对象推荐方法,包括:确定对实体对象进行筛选后的实体对象;根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象;基于所述第一实体对象的内容标签,确定出针对用户的第二实体对象;基于所述第二实体对象,向用户推荐实体对象。通过本公开对召回层数据的筛选,可以为用户推荐更加优质的实体对象,并且可以为曝光低的优质实体对象提高阅读量。
Description
技术领域
本公开涉及数据处理领域,尤其涉及一种实体对象推荐方法、装置及存储介质。
背景技术
由于互联网的兴起,在终端各种页面浏览阅读中,页面的浏览需求呈现大幅度增长。而在这些页面中,实体对象推荐的方法也越来越多。
在相关技术中,实体对象推荐的方法,仅仅是根据终端用户的行为偏好以及点击率进行推荐,无法为用户提供优质内容,曝光度较低的实体对象的阅读量低。
发明内容
为克服相关技术中存在的问题,本公开提供一种实体对象推荐方法、装置及存储介质。
根据本公开实施例的第一方面,提供一种实体对象推荐方法,包括:
确定对实体对象进行筛选后的实体对象;根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象;基于所述第一实体对象的内容标签,确定出针对用户的第二实体对象;基于所述第二实体对象,向用户推荐实体对象。
在一种实施方式中,确定对实体对象进行筛选后得到的实体对象,包括:
响应于专家人员对存在有用户行为的实体对象的筛选操作,得到对实体对象进行筛选后的实体对象。
在一种实施方式中,所述第一实体对象的内容标签基于专家人员对筛选后的实体对象的设置内容标签操作确定。
在一种实施方式中,根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象,包括:
确定筛选后的实体对象的用户隐式数据;基于所述用户隐式数据确定实体对象的点击率,并基于所述点击率对实体对象进行排序;选取所述点击率高于预设阈值的实体对象,作为存入召回层内容池的第一实体对象。
在一种实施方式中,基于所述第一实体对象的内容标签,确定出针对用户的第二实体对象,包括:
在所述第一实体对象中筛选出在指定历史时间内存在有用户行为的实体对象;对存在有用户历史行为的实体对象,针对每一用户,按照内容标签的数量对内容标签进行排序,并基于排序后的内容标签,选择排序在前的设定个内容标签的实体对象,作为针对用户的第二实体对象。
在一种实施方式中,基于所述第二实体对象,向用户推荐实体对象,包括:
在所述第二实体对象中过滤掉用户已读实体对象,并向用户推荐过滤后的第二实体对象。
在一种实施方式中,所述向用户推荐过滤后的第二实体对象,包括:
对过滤后的对象进行多样化操作后,向用户推荐多维度的第二实体对象。
根据本公开实施例的第二方面,提供一种实体对象推荐装置,包括:
确定模块,用于确定对实体对象进行筛选后的实体对象;根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象;基于所述第一实体对象的内容标签,确定出针对用户的第二实体对象;推荐模块,用于基于所述第二实体对象,向用户推荐实体对象。
在一种实施方式中,所述确定模块用于:
响应于专家人员对存在有用户行为的实体对象的筛选操作,得到对实体对象进行筛选后的实体对象。
在一种实施方式中,所述确定模块用于:
基于专家人员对筛选后的实体对象的设置内容标签操作确定第一实体对象的内容标签。
在一种实施方式中,所述确定模块用于:
确定筛选后的实体对象的用户隐式数据;基于所述用户隐式数据确定实体对象的点击率,并基于所述点击率对实体对象进行排序;选取所述点击率高于预设阈值的实体对象,作为存入召回层内容池的第一实体对象。
在一种实施方式中,所述确定模块用于:
在所述第一实体对象中筛选出在指定历史时间内存在有用户行为的实体对象;对存在有用户历史行为的实体对象,针对每一用户,按照内容标签的数量对内容标签进行排序,并基于排序后的内容标签,选择排序在前的设定个内容标签的实体对象,作为针对用户的第二实体对象。
在一种实施方式中,所述推荐模块用于:
在所述第二实体对象中过滤掉用户已读实体对象,并向用户推荐过滤后的第二实体对象。
在一种实施方式中,所述推荐模块用于:
对过滤后的对象进行多样化操作后,向用户推荐多维度的第二实体对象。
根据本公开实施例的第三方面,提供一种实体对象推荐装置,包括:
处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:执行第一方面或第一方面任意一种实施方式中所述的实体对象推荐方法。
根据本公开实施例的第四方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行第一方面或第一方面任意一种实施方式中所述的实体对象推荐方法。
本公开的实施例提供的技术方案可以包括以下有益效果:确定对实体对象进行筛选后的实体对象,可以实现对优质实体对象进行筛选。根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象,并基第一实体对象的内容标签,确定出针对用户的第二实体对象,基于第二实体对象,向用户推荐实体对象,可以实现为用户推荐相应的优质实体对象,进一步增加了优质实体对象的曝光度。
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。
图1是根据一示例性实施例示出的一种实体对象推荐方法的流程图。
图2是根据一示例性实施例示出的又一种实体对象推荐方法的流程图。
图3是根据一示例性实施例示出的另一种实体对象推荐方法的流程图。
图4是根据一示例性实施例示出的一种实体对象推荐装置的框图。
图5是根据一示例性实施例示出的一种用于实体对象推荐的装置的框图。
图6是根据一示例性实施例示出的一种用于实体对象推荐的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。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。
随着互联网的兴起和终端的快速发展,用户可以基于终端浏览不同的网页。用户可以通过在不同的应用中查看网页获取不同的信息,来满足用户的需求。例如,用户可以通过社交应用阅读查看实时的新闻,了解最新的动态,可以通过购物应用阅读查看需求购买的商品等。因此用户的阅读量大幅提升,并且基于每一用户阅读需求的增长和不同的兴趣爱好,终端网页可以推荐不同的网页实体对象给用户。实现网页实体对象的个性化展示,以提高网络实体对象的点击率,改善网络实体对象投放效果和页面的访问量,是研究的热点。
相关技术中,在终端展示的网页中进行各种实体对象的推荐方法各种各样,对于实体对象创作者的需求也与日俱增。其中,基于终端网页进行实体对象的推荐,一种实施方式中采用如下方法:首先,计算实体对象之间的相似度,然后,根据实体对象之间的相似度和用户的历史行为生成实体对象推荐列表,并显示实体对象推荐列表,以供用户选择并查看。例如,用户终端上安装有购物相关的应用,用户基于该购物相关的应用进行搜索和/阅读商品信息。根据用户历史一段时间内搜索或者阅读的商品信息,可以获取到用户的历史行为。进一步根据用户的历史行为可以确定出用户行为偏好,进而在当前时间段根据用户行为偏好,为用户推荐与用户行为偏好相似相似的商品。
但是在相关技术中,对于冷门实体对象存在推荐不足的情况,冷门实体对象推荐不足可能会导致一些物品无法得到曝光,曝光度较低的实体对象的阅读量低,进而无法达到最大化阅读量的目的,更加无法给创作者支持,尤其是无法为用户提供优质实体对象。
有鉴于此,本公开提供一种实体对象推荐方法,针对于优质实体对象以及曝光度较低的实体对象,经过机器的筛选以及专家人员的双重筛选,确保优质实体对象的曝光量,并根据用户的兴趣爱好将相应的优质实体对象推荐至用户的实体对象推荐列表中。不仅提高了优质实体对象的曝光度,还可以给予实体对象创作者以支持。
需要说明的是,本公开涉及的实体对象可以是视频、新闻、电子书籍、网络文章、资讯以及论坛帖子等网络内容,还可以指商品。这些实体对象可以通过网络被用户查看和读取。
下面将结合实施例对本公开提供的实体对象推荐方法进一步进行说明。
图1是根据一示例性实施例示出的一种实体对象推荐方法的流程图。如图1所示,实体对象推荐方法用于终端中,或者也可以是应用于其他设备,本公开实施例不做限定。参阅图1所示,实体对象推荐方法包括以下步骤S11至步骤S14。
在步骤S11中,确定对实体对象进行筛选后的实体对象。
在本公开实施例中,对实体对象的筛选包括两部分,首先利用机器算法对实体对象进行初步筛选。需要理解的是,机器算法可以理解成为一个算法模型,其输入为所有的实体对象,输出为满足预设要求的实体对象。利用算法模型,将得到的所有实体对象输入至算法模型,输出为初步筛选之后的实体对象。
进一步地,根据初步筛选之后得到的实体对象,再执行专家人员对实体对象进行的筛选操作,得到具有优质内容的实体对象,最终确定对实体对象进行筛选后的实体对象。本公开中增加专家人员对实体对象进行筛选的操作,保证了筛选后的实体对象内容优质,进一步确保一些冷门但是内容优质的实体对象可以推送至用户。换言之,本公开实施例中通过专家人员的人工筛选,增加了对冷门实体对象的推荐,保证了冷门的实体对象的曝光度,进一步实现了对创作者的支持。
在步骤S12中,根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象。
在本公开实施例中,对筛选后的实体对象进行点击率的计算,并根据计算的实体对象的点击率进行排序。根据排序之后的实体对象确定点击率较高的实体对象存入召回层内容池。其中,本公开为方便描述,将确定的点击率较高并存入召回层内容池中的实体对象称为第一实体对象。
需要说明的是,本公开中涉及的召回层内容池可以理解为是一个数据库,该数据库用于根据用户的历史行为数据,为用户在海量的信息中粗选一批待推荐的内容,挑选出一个小的候选集,相当于粗排序。本公开实施例中将确定的第一实体对象放入召回层内容池中,相当于将确定的第一实体对象存入预先确定的一个数据库中。通常,在服务端存在有针对全部用户进行实体对象推荐的召回层内容池,该召回层内容池通过网络给各用户推荐实体内容,可以理解为全部用户的实体对象来源均为召回层内容池。本公开为方便描述将服务端存在的包括全部用户的实体对象的召回层内容池称为第一召回层内容池。其中,针对于每一用户存在有对应的召回层内容池,本公开为方便描述将与每一用户对应的召回层内容池称为第二召回层内容池。
在步骤S13中,基于第一实体对象的内容标签,确定出针对用户的第二实体对象。
在本公开实施例中,根据用户在历史时间内对实体对象进行的行为操作,确定存在用户行为的实体对象。例如,根据用户对实体对象的点击、点赞、评论等行为,确定具有以上其中一种行为或几种行为的实体对象。其中,具有用户行为的实体对象,可以理解为是存在用户行为的实体对象。
其中,存在用户行为的实体对象,通常是具有对应的内容标签的,并且该内容标签是由专家人员根据实体对象内容设置的。专家人员设置的内容标签具有不同的类别,不同内容标签类别表征不同的实体对象内容。本公开实施例中根据存在用户历史行为的实体对象,得到每一实体对象属于的内容标签类别,确定一类或一类以上具有用户历史行为的实体对象对应的内容标签。根据确定的内容标签,在第一实体对象中获取确定的内容标签下的实体对象。本公开为方便描述将在第一实体对象中获取确定的内容标签下的实体对象称为第二实体对象。其中,第二实体对象存放于第二召回层内容池中。由于实体对象的内容标签是由专家人员设置的,因此获取内容标签的实体对象,可以更加准确的得到对内容标签对应的实体对象。
进一步地,针对于每一个用户,获取存在用户行为的实体对象。根据用户在历史时间内进行的历史行为,可以确定出具有用户历史行为的实体对象,以及具有用户历史行为的实体对象对应的内容标签。根据获取的具有用户历史行为的实体对象对应的内容标签,获取第一召回层内容池中的第一实体对象中符合具有用户历史行为的实体对象对应的内容标签的所有实体对象,将获取的实体对象放入第二召回层内容池中。其中,第二召回层内容池中的实体对象为针对用户推荐实体对象的来源实体对象。
在步骤S14中,基于第二实体对象,向用户推荐实体对象。
本公开实施例提供的实体对象推荐方法,确定对实体对象进行筛选后的实体对象,可以实现对优质实体对象进行筛选。根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象,并基第一实体对象的内容标签,确定出针对用户的第二实体对象,基于第二实体对象,向用户推荐实体对象,可以实现为用户推荐相应的优质实体对象,进一步增加了优质实体对象的曝光度。
在本公开实施例中,根据用户历史行为,可以确定用户的行为偏好。其中用户历史行为包括对通过网络浏览的实体对象进行点击、点赞、评论等其中一种行为或几种行为。用户的历史行为可以用于表征用户的行为偏好,根据用户的历史行为可以判断出用户对哪些实体对象的感兴趣程度较高,对哪些实体对象的感兴趣程度较低。
一种实施方式中,根据用户的行为偏好确定由专家人员设置的内容标签。在第二实体对象中获取符合确定由专家人员设置的内容标签的实体对象。基于符合用户内容标签的实体对象,通过网络在相应的网页中向用户推荐符合用户行为偏好的实体对象。
在上述实体对象推荐方法中,在筛选实体对象的过程中,增加专家人员进行筛选,确保了具有优质内容的实体对象得到最大程度的曝光。
本公开下述实施例对确定对实体对象进行筛选后得到的实体对象进行进一步说明。
在本公开实施例中,检测专家人员对存在有用户行为的实体对象的筛选操作。响应于检测到专家人员对实体对象的筛选操作,可以确定对实体对象进行筛选后的实体对象。一示例中,检测专家人员对实体对象的选取操作或者删除操作,则响应于检测到专家人员对实体对象的选取操作或者删除操作,选取或者删除检测到专家人员选中的实体对象,最终得到对实体对象进行筛选后的实体对象。基于专家人员的选取或者删除操作选取实体对象,可以避免具有优质内容的实体对象由于曝光度低导致的推送失败。进一步保证了对具有优质内容的实体对象的推送,对创作者的支持。
一种实施方式中,本公开以社交应用为例进行说明。例如,在社交应用中,本公开为更加形象,这里将实体对象称为帖子。在社交应用某一帖子的内容为介绍某地区的景区,但是由于曝光的低,便带有某明星话题,来增加阅读量甚至于点击率。因此,由于本公开加入了专家人员的筛选,有效的减少了劣质内容的实体对象。更进一步讲,由于在筛选过程中,加入人工筛选操作,可以更加有效的确保实体对象的优质内容,避免了用户在网页浏览实体对象时读取到不符合用户行为偏好的实体对象。
基于上述实施例筛选得到的实体对象,本公开实施例对根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象进行说明。
图2是根据一示例性实施例示出的一种实体对象推荐方法的流程图。如图2所示,根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象,包括步骤S21至步骤S23。
在步骤S21中,确定筛选后的实体对象的用户隐式数据。
在本公开实施例中,用户的隐式数据可以包括点击、点赞和评论行为等其中的一种或几种。基于筛选后的实体对象,针对每一实体对象获取有关于该实体对象的点击、点赞和评论行为。
在步骤S22中,基于用户隐式数据确定实体对象的点击率,并基于实体对象的点击率对实体对象进行排序。
在本公开实施例中,点击率的计算方式为实体对象点击量和实体对象曝光量的比值。点击率的高低用于表征用户对该实体对象的感兴趣程度。并且用户对实体对象的感兴趣程度与点击率的比值是成正比关系的。实体对象的点击率越高,则表示用户对该实体对象的感兴趣程度越大。实体对象的点击率越低,则表示用户对该实体对象的感兴趣程度越小。
一种实施方式中,采用spark(分布式计算)流式计算框架,获取存在有用户隐式数据的实体对象。针对用户的隐式数据,例如,用户对实体对象进行的点击,点赞、评论行为,将有用户行为数据的实体对象曝光量和点击量进行离线统计。根据统计的实体对象的曝光量和点击量计算每一实体对象对应的点击率。根据计算的每一实体对象对应的点击率对实体对象进行排序。
本公开在基于第一实体对象的内容标签,确定出针对用户的第二实体对象之前,由专家人员对实体对象进行设置内容标签操作。下面将对实体对象设置对应的内容标签进行说明。
在本公开实施例中,专家人员根据筛选得到的实体对象,进一步确定实体对象的内容标签属性。根据每一实体对象的内容标签属性对实体对象进行设置内容标签操作。响应于检测到的对实体对象进行设置内容标签操作,对每一实体对象完成设置对应的内容标签。换言之,专家人员在读取或者查看实体对象之后,可以明确实体对象的内容属性,再执行设置内容标签操作。使得设置的实体对象内容标签更加符合实体对象的内容属性。
在上述实体对象推荐方法中,对实体对象设置对应的内容标签实现了对实体对象的分类。进一步完善了实体对象的内容标签体系,提升基于内容标签的推荐算法的准确率和召回率。
在步骤S23中,选取点击率高于预设阈值的实体对象,作为存入召回层内容池的第一实体对象。
在本公开实施例中,基于实体对象的点击率设置预设阈值,本公开为方便描述将预设阈值采用字母M进行代替。其中M可以根据实际情况确定具体数值。
一种实施方式中,根据点击率对实体对象进行排序后,利用预设阈值点击率M对实体对象的点击率进行比较。将点击率高于预设阈值点击率M的实体对象作为第一实体对象,存入第一召回层内容池中。
上述实体对象推荐方法中,存入召回层内容池中的第一实体对象均为点击率较高的实体对象。将这些点击率高的实体对象作为向用户推荐实体对象的来源,可以更好的为用户推荐优质内容的实体对象。
下面本公开将结合实施例对基于第一实体对象的内容标签,确定出针对用户的第二实体对象的过程进行说明。
图3是根据一示例性实施例示出的一种实体对象推荐方法的流程图。如图3所示,基于所述第一实体对象的内容标签,确定出针对用户的第二实体对象,包括步骤S31至步骤S33。
在步骤S31中,在第一实体对象中筛选出在指定历史时间内存在有用户行为的实体对象。
在本公开实施例中,在指定历史时间段内获取存在有用户行为的实体对象。例如指定历史时间段可以为近一周时间,或者近10天时间,若超出指定时间段则认为是已失效的存在有用户行为的实体对象。基于存在有用户历史行为的实体对象,确定对存在有用户历史行为的实体对象对应的内容标签,得到至少一类内容标签。基于得到的内容标签从第一实体对象中获取与确定的内容标签相符合的实体对象。
进一步地,以电子书籍为例进行说明。例如存在有用于行为的实体对象为《心理学与生活》,则该实体对象对应的内容标签为心理学,根据心理学的标签从第一实体对象中选取与心理学标签相符合的实体对象。
在步骤S32中,对存在有用户历史行为的实体对象,针对每一用户,按照内容标签的数量对内容标签进行排序。
在本公开实施例中,与上述实施例涉及的spark流式计算框架相同,对于具有用户历史行为的实体对象,同样采用spark流式计算框架,统计用户在一段时间内存在有用户行为的实体对象,以及获取与存在有用户行为的实体对象对应的内容标签。
一种实施方式中,针对于每一用户,获取存在有用户历史行为的实体对象,以及确定与获取存在有用户历史行为的实体对象对应的内容标签。统计每一内容标签下存在有用户历史行为的实体对象的数量,根据统计的每一内容标签下存在有用户历史行为的实体对象的数量对内容标签进行排序,确定用户行为偏好。例如,针对于某一用户,根据该用户的历史行为确定存在有用户历史行为的实体对象对应的内容标签有X个,则内容标签X1下相应的实体对象的数量为a,内容标签X2下相应的实体对象的数量为b,内容标签X3下相应的实体对象的数量为c,以此类推。根据a,b,c,的数值对内容标签X1,内容标签X2和内容标签X3进行排序,若a>b>c,则用户最爱去读的实体内容依次为内容标签X1,内容标签X2和内容标签X3。
上述实施例涉及的实体对象推荐方法中,通过统计用户感兴趣的内容标签种类,确定用户的行为偏好,进而确定为用户推荐的实体内容。通过本公开使得为用户推荐的实体内容更加符合用户的喜好。
在步骤S33中,基于排序后的内容标签,选择排序在前的设定个内容标签的实体对象,作为针对用户的第二实体对象。
在本公开实施例中,针对于每一用户的内容标签进行排序后,确定用户感兴趣的前N类内容标签。其中N为预设选取个数,并且N为自然数,N的数值可以根据实际情况确定。
在一种实施方式中,根据确定的用户行为偏好的N类内容标签,获取该N类内容标签下的实体对象,将获取的实体对象作为第二实体对象,用户找回层内容池中,也就是上述实施例涉及到的第二召回层内容池。
在上述实体对象推荐方法中,针对于每一用户有对应的第二召回层内容池,可以提高推荐用户实体对象效率,减少第一召回层内容池的压力。
在本公开实施例中,用户基于终端显示界面进行触控操作,发出实体对象推荐请求。终端在接收到用户发出的实体对象推荐请求后,获取具有用户历史行为的实体对象对应的内容标签,确定用户感兴趣的内容标签种类。
一种实施方式中,基于第二实体对象以及确定的用户感兴趣的内容标签种类,向用户推荐实体对象之前,对获取的第二实体对象进行过滤处理。进一步地,对获取的实体对象进行过滤包括:获取用户已读的历史实体对象,利用Talos(无线传感终端)消息队列,对用户已读的历史实体对象进行存储,以及对用户已读的历史实体对象进行维护。在用户的召回层数据将用户已读的历史实体对象进行过滤。避免了用户读取到相同的实体对象内容。
基于对第二实体对象进行过滤操作之后,对过滤后的第二实体对象进行feed流融合处理。进一步地,feed流融合包括:将基于召回层数据的实体对象进行过滤后,得到的用户未读实体对象的数据进行融合,将融合后的数据作为推荐给用户的实体对象的整体数据流输出。
其中,feed流融合:指持续更新并呈现给用户实体对象内容的信息流。feed流融合可以理解为是一种聚合信息的实体对象推荐方式,通过feed流可以把动态实时的传播给用户,是实体对象获取信息流的一种有效方式。在本公开实施例中,可通过feed流融合的方式向目标对象推荐内容。
其中,本公实施例中feed流推荐模式包括:推模式、拉模式和推拉模式。
本公开实施例一种实施方式中,feed流推荐模式包括推模式,以用户A关注用户B为例进行简单介绍。
例如,用户A关注了用户B,用户B每发送一个动态,后台遍历用户B的粉丝,则往他们粉丝的feed里面推送一条动态。
本公开实施例另一种实施方式中,feed流推荐模式包括拉模式,以用户A关注用户B为例进行简单介绍。
例如,用户A关注了用户B,用户B每发送一个动态,应用后台遍与推模式相反,拉模式则是,用户每次刷新feed第一页,都去遍历关注的人,把最新的动态拉取回来。
本公开实施例另一种实施方式中,feed流推荐模式包括推拉模式,以用户A关注用户B为例进行简单介绍。
本公开实施例中涉及的推拉模式可以理解为是在线推,离线拉。如果用户B的粉丝几百上千万,则与用户A发布动态同时在线的也有几百、几千或者几万。类似于用户B这类粉丝数量多的,用户数量较少,只需要推给在线的粉丝,离线的粉丝上线后,再去拉取动态即可。但是,针对于每一用户均存在利用Talos(无线传感终端)消息队列,对用户已读的历史实体对象进行存储。本公开实施例中针对用户保存自身发过的动态以及Feed动态,来完成推与拉。
例如用户A关注了用户B,用户B发布动态则将动态推进用户A的feed。对feed流进行保存。另:如果有Feed新消息数提示的需求,可以在推拉的同时进行增加,刷新feed时清空即可。Feed流可以更新推荐给用户的实体对象。
本公开最后基于feed流融合之后的第二实体对象进行多样化处理得到最终推荐给用户的实体对象。将得到的实体对象发送至用户的实体对象推送列表,根据每一实体对象的点击率,由高到低在用户的实体对象推荐列表中进行排序,并在用户终端的显示界面进行显示,用户可通过终端对推荐的实体对象进行预览。
本公开实施例中向用户推荐实体对象时可以进行多样化处理。
其中,本公开一示例中,多样化处理包括:对实体对象基于实体对象所属的类别、话题以及创作者等一个或多个数据维度进行多样化处理,避免了连续输出重合性较大的实体对象,能够增加用户的体验感。
例如,在获取用户推荐的实体内容时,从所属类别、话题以及创作者等数据维度中均存在有同一实体对象,则对该实体对象进行多维度处理,减少用户基于终端网页浏览读取到相同的实体对象。
本公开实施例提供的实体对象推荐方法,确定对实体对象进行筛选后的实体对象,可以实现对优质实体对象进行筛选。根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象,并基于第一实体对象的内容标签,确定出针对用户的第二实体对象,基于第二实体对象,向用户推荐实体对象,可以实现为用户推荐相应的优质实体对象,进一步增加了优质实体对象的曝光度。更进一步的,本公开实施例提供的实体对象推荐方法,不仅基于优质实体对象以及曝光度较低的实体对象,经过机器的筛选以及专家人员的双重筛选,确保优质实体对象的曝光量,并根据用户的历史行为确定出用户的兴趣爱好,并将与用户的兴趣爱好相匹配的优质实体对象推荐至用户的实体对象推荐列表中,不仅提高了优质实体对象的曝光度,还可以给予实体对象创作者以支持,以实现使得推荐给用户的实体对象更加优质。
基于相同的构思,本公开实施例还提供一种实体对象推荐装置。
可以理解的是,本公开实施例提供的实体对象推荐装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤,本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本公开实施例的技术方案的范围。
图4是根据一示例性实施例示出的一种实体对象推荐装置100的框图。参照图4,该装置包括确定模块110和推荐模块120。
确定模块110,用于确定对实体对象进行筛选后的实体对象;根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象;基于所述第一实体对象的内容标签,确定出针对用户的第二实体对象。推荐模块120,用于基于所述第二实体对象,向用户推荐实体对象。
在一种实施方式中,确定模块110用于,响应于专家人员对存在有用户行为的实体对象的筛选操作,得到对实体对象进行筛选后的实体对象。
在一种实施方式中,确定模块110用于,确定筛选后的实体对象的用户隐式数据,所述用户隐式数据包括点击、点赞和评论行为;基于所述用户隐式数据确定实体对象的点击率,并基于所述点击率对实体对象进行排序;选取所述点击率高于预设阈值的实体对象,作为存入召回层内容池的第一实体对象。
在一种实施方式中,所述确定模块110用于,在所述第一实体对象中筛选出在指定历史时间内存在有用户行为的实体对象;对存在有用户历史行为的实体对象,针对每一用户,按照内容标签的数量对内容标签进行排序,并基于排序后的内容标签,选择排序在前的设定个内容标签的实体对象,作为针对用户的第二实体对象。
在一种实施方式中,所述推荐模块120用于,在所述第二实体对象中过滤掉用户已读实体对象,并向用户推荐过滤后的第二实体对象。
在一种实施方式中,所述推荐模块120用于,对过滤后的对象进行多维度操作后,向用户推荐多维度的第二实体对象。
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5是根据一示例性实施例示出的一种用于实体对象推荐的装置200的框图。例如,装置200可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图5,装置200可以包括以下一个或多个组件:处理组件202,存储器204,电力组件206,多媒体组件208,音频组件210,输入/输出接口212,传感器组件214,以及通信组件216。
处理组件202通常控制装置200的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件202可以包括一个或多个处理器220来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件202可以包括一个或多个模块,便于处理组件202和其他组件之间的交互。例如,处理组件202可以包括多媒体模块,以方便多媒体组件208和处理组件202之间的交互。
存储器204被配置为存储各种类型的数据以支持在装置200的操作。这些数据的示例包括用于在装置200上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件206为装置200的各种组件提供电力。电力组件206可以包括电源管理系统,一个或多个电源,及其他与为装置200生成、管理和分配电力相关联的组件。
多媒体组件208包括在所述装置200和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件208包括一个前置摄像头和/或后置摄像头。当装置200处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件210被配置为输出和/或输入音频信号。例如,音频组件210包括一个麦克风(MIC),当装置200处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器204或经由通信组件216发送。在一些实施例中,音频组件210还包括一个扬声器,用于输出音频信号。
输入输出接口212为处理组件202和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件214包括一个或多个传感器,用于为装置200提供各个方面的状态评估。例如,传感器组件214可以检测到装置200的打开/关闭状态,组件的相对定位,例如所述组件为装置200的显示器和小键盘,传感器组件214还可以检测装置200或装置200一个组件的位置改变,用户与装置200接触的存在或不存在,装置200方位或加速/减速和装置200的温度变化。传感器组件214可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件214还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件214还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件216被配置为便于装置200和其他设备之间有线或无线方式的通信。装置200可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件216还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器204,上述指令可由装置200的处理器220执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图6是根据一示例性实施例示出的一种用于实体对象推荐的装置300的框图。例如,装置300可以被提供为一服务器。参照图6,装置300包括处理组件322,其进一步包括一个或多个处理器,以及由存储器332所代表的存储器资源,用于存储可由处理组件322的执行的指令,例如应用程序。存储器332中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件322被配置为执行指令,以执行上述方法实体对象推荐。
装置300还可以包括一个电源组件326被配置为执行装置300的电源管理,一个有线或无线网络接口350被配置为将装置300连接到网络,和一个输入输出(I/O)接口358。装置300可以操作基于存储在存储器332的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
可以理解的是,本公开中“多个”是指两个或两个以上,其它量词与之类似。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
进一步可以理解的是,术语“第一”、“第二”等用于描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开,并不表示特定的顺序或者重要程度。实际上,“第一”、“第二”等表述完全可以互换使用。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。
进一步可以理解的是,本公开实施例中尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
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。本申请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)
1.一种实体对象推荐方法,其特征在于,包括:
确定对实体对象进行筛选后的实体对象;
根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象;
基于所述第一实体对象的内容标签,确定出针对用户的第二实体对象;
基于所述第二实体对象,向用户推荐实体对象;
所述确定对实体对象进行筛选后得到的实体对象,包括:
响应于专家人员对存在有用户行为的实体对象的筛选操作,得到对实体对象进行筛选后的实体对象;
所述第一实体对象的内容标签基于专家人员对筛选后的实体对象的设置内容标签操作确定;
基于所述第一实体对象的内容标签,确定出针对用户的第二实体对象,包括:
在所述第一实体对象中筛选出在指定历史时间内存在有用户行为的实体对象;
对存在有用户历史行为的实体对象,针对每一用户,按照内容标签的数量对内容标签进行排序,并
基于排序后的内容标签,选择排序在前的设定个内容标签的实体对象,作为针对用户的第二实体对象。
2.根据权利要求1所述的实体对象推荐方法,其特征在于,根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象,包括:
确定筛选后的实体对象的用户隐式数据;
基于所述用户隐式数据确定实体对象的点击率,并基于所述点击率对实体对象进行排序;
选取所述点击率高于预设阈值的实体对象,作为存入召回层内容池的第一实体对象。
3.根据权利要求1所述的实体对象推荐方法,其特征在于,基于所述第二实体对象,向用户推荐实体对象,包括:
在所述第二实体对象中过滤掉用户已读实体对象,并向用户推荐过滤后的第二实体对象。
4.根据权利要求3所述的实体对象推荐方法,其特征在于,所述向用户推荐过滤后的第二实体对象,包括:
对过滤后的对象进行多样化操作后,向用户推荐多维度的第二实体对象。
5.一种实体对象推荐装置,其特征在于,包括:
确定模块,用于确定对实体对象进行筛选后的实体对象;根据筛选后的实体对象的点击率,确定存入召回层内容池的第一实体对象;基于所述第一实体对象的内容标签,确定出针对用户的第二实体对象;
推荐模块,用于基于所述第二实体对象,向用户推荐实体对象;
所述确定模块还用于:
响应于专家人员对存在有用户行为的实体对象的筛选操作,得到对实体对象进行筛选后的实体对象;
所述确定模块还用于:
基于专家人员对筛选后的实体对象的设置内容标签操作确定第一实体对象的内容标签;
所述确定模块用于:
在所述第一实体对象中筛选出在指定历史时间内存在有用户行为的实体对象;
对存在有用户历史行为的实体对象,针对每一用户,按照内容标签的数量对内容标签进行排序,并
基于排序后的内容标签,选择排序在前的设定个内容标签的实体对象,作为针对用户的第二实体对象。
6.根据权利要求5所述的实体对象推荐装置,其特征在于,所述确定模块用于:
确定筛选后的实体对象的用户隐式数据;
基于所述用户隐式数据确定实体对象的点击率,并基于所述点击率对实体对象进行排序;
选取所述点击率高于预设阈值的实体对象,作为存入召回层内容池的第一实体对象。
7.根据权利要求5所述的实体对象推荐装置,其特征在于,所述推荐模块用于:
在所述第二实体对象中过滤掉用户已读实体对象,并向用户推荐过滤后的第二实体对象。
8.根据权利要求7所述的实体对象推荐装置,其特征在于,所述推荐模块用于:
对过滤后的对象进行多样化操作后,向用户推荐多维度的第二实体对象。
9.一种实体对象推荐装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1至4中任意一项所述的实体对象推荐方法。
10.一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行权利要求1至4中任意一项所述的实体对象推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010790248.8A CN111898028B (zh) | 2020-08-07 | 2020-08-07 | 一种实体对象推荐方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010790248.8A CN111898028B (zh) | 2020-08-07 | 2020-08-07 | 一种实体对象推荐方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111898028A CN111898028A (zh) | 2020-11-06 |
CN111898028B true CN111898028B (zh) | 2024-04-19 |
Family
ID=73246871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010790248.8A Active CN111898028B (zh) | 2020-08-07 | 2020-08-07 | 一种实体对象推荐方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898028B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190043A (zh) * | 2018-09-07 | 2019-01-11 | 北京三快在线科技有限公司 | 推荐方法及装置,存储介质,电子设备及推荐系统 |
CN109948023A (zh) * | 2019-03-08 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 推荐对象获取方法、装置及存储介质 |
CN110457581A (zh) * | 2019-08-02 | 2019-11-15 | 达而观信息科技(上海)有限公司 | 一种资讯推荐方法、装置、电子设备及存储介质 |
CN110825956A (zh) * | 2019-09-17 | 2020-02-21 | 中国平安人寿保险股份有限公司 | 一种信息流推荐方法、装置、计算机设备及存储介质 |
WO2020087386A1 (zh) * | 2018-10-31 | 2020-05-07 | 深圳市欢太科技有限公司 | 内容推荐方法、装置、移动终端及服务器 |
CN111291266A (zh) * | 2020-02-13 | 2020-06-16 | 腾讯科技(北京)有限公司 | 基于人工智能的推荐方法、装置、电子设备及存储介质 |
WO2020125660A1 (zh) * | 2018-12-18 | 2020-06-25 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备及存储介质 |
-
2020
- 2020-08-07 CN CN202010790248.8A patent/CN111898028B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190043A (zh) * | 2018-09-07 | 2019-01-11 | 北京三快在线科技有限公司 | 推荐方法及装置,存储介质,电子设备及推荐系统 |
WO2020087386A1 (zh) * | 2018-10-31 | 2020-05-07 | 深圳市欢太科技有限公司 | 内容推荐方法、装置、移动终端及服务器 |
WO2020125660A1 (zh) * | 2018-12-18 | 2020-06-25 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、设备及存储介质 |
CN109948023A (zh) * | 2019-03-08 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 推荐对象获取方法、装置及存储介质 |
CN110457581A (zh) * | 2019-08-02 | 2019-11-15 | 达而观信息科技(上海)有限公司 | 一种资讯推荐方法、装置、电子设备及存储介质 |
CN110825956A (zh) * | 2019-09-17 | 2020-02-21 | 中国平安人寿保险股份有限公司 | 一种信息流推荐方法、装置、计算机设备及存储介质 |
CN111291266A (zh) * | 2020-02-13 | 2020-06-16 | 腾讯科技(北京)有限公司 | 基于人工智能的推荐方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
推荐系统准确度衡量方案――引入权重概念;李成;冯青青;;工业设计研究(第00期);全文 * |
智能推荐在新媒体内容分发中的应用;周开拓;罗梅;苏璐;;人工智能(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111898028A (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107992604B (zh) | 一种任务条目的分发方法及相关装置 | |
CN111859020B (zh) | 推荐方法、装置、电子设备及计算机可读存储介质 | |
CN112445970B (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN110688527A (zh) | 视频推荐方法、装置、存储介质及电子设备 | |
CN112508612B (zh) | 训练广告创意生成模型、生成广告创意的方法及相关装置 | |
CN112131466A (zh) | 群组展示方法、装置、系统和存储介质 | |
CN112148923A (zh) | 搜索结果的排序方法、排序模型的生成方法、装置及设备 | |
CN112685641B (zh) | 一种信息处理方法及装置 | |
CN113849723A (zh) | 搜索方法及搜索装置 | |
CN112612949A (zh) | 推荐数据集合的建立方法及装置 | |
CN112015277B (zh) | 信息显示方法、装置及电子设备 | |
CN112767053A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN112115341A (zh) | 内容展示方法、装置、终端、服务器、系统及存储介质 | |
CN111898028B (zh) | 一种实体对象推荐方法、装置及存储介质 | |
CN110650364A (zh) | 视频态度标签提取方法及基于视频的交互方法 | |
CN115481332A (zh) | 提供商品搜索信息的方法及电子设备 | |
CN114090870A (zh) | 搜索结果处理方法、装置、电子设备及存储介质 | |
CN114493747A (zh) | 基于数据对象的互动方法及电子设备 | |
CN114202380A (zh) | 金融产品的推荐方法、装置和设备 | |
CN111104605A (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
CN110730382A (zh) | 一种视频交互方法、装置、终端及存储介质 | |
CN112446720B (zh) | 一种广告显示方法及装置 | |
CN117350824B (zh) | 电子元件信息上传及展示方法、装置、介质及设备 | |
CN112989172B (zh) | 内容推荐方法、装置、计算机设备及存储介质 | |
CN109558197B (zh) | 信息推荐方法及装置 |
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 |