CN112559880A - 一种信息推荐的管理方法、系统、设备及存储介质 - Google Patents
一种信息推荐的管理方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN112559880A CN112559880A CN202011551004.0A CN202011551004A CN112559880A CN 112559880 A CN112559880 A CN 112559880A CN 202011551004 A CN202011551004 A CN 202011551004A CN 112559880 A CN112559880 A CN 112559880A
- Authority
- CN
- China
- Prior art keywords
- information
- recommendation
- regulation
- score
- determining
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 1
- 239000002699 waste material Substances 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06F16/90—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
- G06F16/9538—Presentation of query results
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种信息推荐的管理方法、系统、设备及存储介质。该方法包括从信息内容接收平台的信息内容中筛选对应用户终端所发送信息拉取请求的候选推荐信息；通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分；根据各所述推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各所述目标推荐得分确定下发给所述用户终端的信息推荐列表。利用该方法，能够通过对平台上所获取各信息内容相对用户所发送请求的筛选以及确定用于下发限制的推荐调控得分来实现各信息内容的下发推荐管理；实现了平台侧信息内容的精确化推荐，从而达到了降低平台上流量分发浪费的效果。
Description
技术领域
本发明实施例涉及信息推荐技术领域，尤其涉及一种信息推荐的管理方法、系统、设备及存储介质。
背景技术
随着互联网的普及，越来越多的用户通过互联网来获取感兴趣的信息内容，作为信息内容的平台提供方，如何向用户进行信息内容的合理分配，实现信息分发的均衡调控已成为关键。
传统的信息推荐管理实现过程可描述为：首先接收用户终端上报的每个信息内容的展现事件，然后通过对展现事件的汇总确定出每个信息内容的总展示量以及总下发量，之后根据预先设定的判定规则进行判定，当一个信息内容的总展示量达到目标值后，就停止该信息内容到用户终端的推荐。
现有的信息推荐管理中，主要站在全局的角度考虑信息推荐与否，对单个内容的分发调控能力较弱，不利于发布中小信息内容的发布者在平台上的初期发展。此外，在平台方进行信息推荐管理的实现中，每日都会涉及海量级别的信息内容分发，由此就存在平台将信息内容下发给用户终端进行展示的过程中时延过长、以及不同的信息内容所具备的下发速率不稳定等问题，由此导致信息内容在用户终端侧的实际曝光量远超目标值，造成平台流量的浪费，无法实现对信息内容推荐的精准控制。
发明内容
有鉴于此，本发明实施例提供了信息推荐的管理方法、装置、设备及存储介质，以实现视频编码的有效进行。
第一方面，本发明实施例提供了一种信息推荐的管理方法，包括：
获取用户终端所发送信息拉取请求对应的候选推荐信息，各所述候选推荐信息为信息内容接收平台中的信息内容；
通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分；
根据各所述推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各所述目标推荐得分确定下发给所述用户终端的信息推荐列表。
第二方面，本发明实施例提供一种编码模式确定装置，包括：
候选获取模块，用于获取用户终端所发送信息拉取请求对应的候选推荐信息，各所述候选推荐信息为信息内容接收平台中的信息内容；
得分调控模块，用于通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分；
推荐管理模块，用于根据各所述推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各所述目标推荐得分确定下发给所述用户终端的信息推荐列表。
第三方面，本发明实施例提供了一种计算机设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明第一方面实施例提供的信息推荐的管理方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面实施例提供的信息推荐的管理方法。
本发明实施例提供的一种信息推荐的管理方法、系统、设备及存储介质中，首先可以获取用户终端所发送信息拉取请求对应的候选推荐信息，其中，各候选推荐信息为信息内容接收平台中的信息内容；然后通过设定的流量控制模型确定各候选推荐信息当前的推荐调控得分；最终根据各推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各目标推荐得分确定下发给用户终端的信息推荐列表。上述技术方案，能够通过对平台上所获取各信息内容相对用户所发送请求的筛选以及下发限制来实现各信息内容的下发推荐管理，其具体可通过信息内容相对平台所接收某个请求的推荐调控得分的确定，来决定信息内容是否满足到该请求所对应用户终端的下发，由此实现了平台侧信息内容的精确化推荐，从而达到了降低平台上流量分发浪费的效果。
附图说明
图1给出了本发明实施例一提供的一种信息推荐的管理方法的流程示意图；
图2给出了本发明实施例二提供的一种信息推荐的管理方法的流程示意图；
图2a给出了本发明实施例二所提供信息推荐的管理方法中预估比值确定的实现流程图；
图3给出了本发明实施例三提供的一种信息推荐的管理系统的结构框图；
图4给出了本发明实施例四提供的一种计算机设备的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施例方式作进一步地详细描述。应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅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，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
实施例一
图1给出了本发明实施例一提供的一种信息推荐的管理方法的流程示意图，该方法适用于对信息内容到用户终端的推荐进行管理的情况，该方法可以由信息推荐的管理系统执行，其中，该系统可以由软件和/或硬件实现，并一般包括可执行上述方法的计算机设备。
需要说明的是，本实施例所提供方法的适用场景可以是具备信息推荐管理需求的应用软件后台端，该应用软件可以是社交类直播互动软件，且可以认为应用软件的后台端预先设置有信息内容接收平台，通过该信息内容接收平台可以实现对信息生产者(如使用社交类应用软件的另一类用来制作和上传信息内容的用户)所产生信息内容的接收和存储，其中，信息内容可以是图像、音视频以及文本等。
如图1所示，本实施例一提供的一种信息推荐的管理方法，具体包括如下操作：
S101、从信息内容接收平台的信息内容中筛选对应用户终端所发送信息拉取请求的候选推荐信息。
在本实施例中，信息内容接收平台上所具备的信息内容主要由信息生产者上传，本实施例主要实现的是对信息内容接收平台上各信息内容的推荐管理。可以知道的是，存在于应用软件后台侧的本执行主体需要将信息内容接收平台中的信息内容下发给用户终端，以便于用户浏览和观看。
一般地，通过传统的推荐管理策略，本执行终端可以控制信息内容随机下发到用户终端，最终只需对每个信息内容的下发量进行控制来实现对信息内容的推荐管理。但是该种方式无法实现信息内容到用户终端侧的有效下发，导致信息内容分发中的流量浪费也也无法实现所分发内容与用户的匹配度。
本实施例所实现的信息推荐管理，可以通过本步骤根据接收到用户终端的信息拉取请求触发对信息内容筛选。在本实施例中，用户终端具体可指应用软件的客户端，用户可以在具备信息浏览需求时通过某种形式的触发形成信息拉取请求并反馈给本执行主体。信息拉取请求中可以包括用户终端侧用户的标识信息，如用户号、用户姓名以及用户所在地等信息；还可以包括请求在客户端所显示界面中的位置信息，如处于视频推荐组件项所在的位置、图像推荐组件项所在的位置以及文字推荐组件项所在的位置等。候选推荐信息则可认为是从信息内容接收平台的信息内容中选定的与信息拉取请求所关联用户匹配的信息。
具体的，本步骤可以通过对信息拉取请求中所包括用户标识的分析，来确定出用户终端侧具体关联的用户，然后可以通过对该用户的行为分析确定出该用户可能感兴趣的信息内容，最终可以将用户感兴趣的信息内容确定为与信息拉取请求对应的候选推荐信息。可以知道的是，通过对用户的行为分析往往可以确定出多个满足匹配条件的候选推荐信息。本步骤中优选筛选出一定规模的候选推荐信息。
S102、通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分。
在本实施例中，通过上述S101进行候选推荐信息的选定操作后，可认为各候选推荐信息均满足信息下发至用户终端的条件。然而候选推荐信息的规模较大，并不适合直接到用户终端的直接下发；同时，直接将候选推荐信息下发到用户终端仍可看作信息推荐的常规下发，仍然无法体现对信息推荐的精细化管理。
基于上述分析，本实施例考虑进一步对各候选推荐信息进行筛选，以实现信息内容的推荐下发调控。在本实施例中，信息内容的推荐下发相当于后台侧所具备资源流量的分发，本实施例中的流量调控具体理解为信息内容下发量的调控，且本实施例将对信息内容下发量的调控直接与所接收到的信息拉取请求关联，不同的信息拉取请求所对应的候选推荐信息存在不同。由此，本实施例每次可以仅对选取出的候选推荐信息进行是否下发到用户终端的局部调控，以此向用户终端推荐更匹配用户的信息内容，间接实现信息内容的精细化控制。
在本实施例中，相对客户端的用户对候选推荐信息进行的下发调控，在具体实现时首先可以通过本步骤进行各候选推荐信息的推荐调控得分确定。其中，推荐调控得分可优选通过得分调控模型处理获得，所述得分调控模型可看作一个基于实时反馈数据和所设定目标数据进行处理的动态调控器。
在本实施例中，对于每个候选推荐信息，其可以根据用户终端所关联用户的历史行为、用户发起请求时所触发位置等信息进行对应于上述信息拉取请求的展示下发比预估；此外，每个候选推荐信息刚上传到信息内容接收平台时还会进行一个曝光曲线的预估；以及在整个信息推荐的管理过程中还可以统计出每个候选推荐信息在各用户终端侧(此处优选认为所有的或者指定地域中的用户终端)的实时展示情况。在推荐调控得分确定的实现过程中，每个候选推荐信息所对应预估的展示下发比以及曝光曲线均可作为得分调控模型进行得分调控的目标数据，并将候选推荐信息的实时展示情况作为得分调控模型进行得分调控的实时反馈数据，由得分调控模型对上述目标数据以及实时反馈数据进行运算后，就可以获得得分调控模型对应各候选推荐信息输出推荐调控得分。
可以知道的是，本步骤可看作一个动态实时调控步骤，在触发执行上述S101后，就可触发一次本步骤的执行，但是即使S101当前执行选出的候选推荐信息与上次执行选出完全相同，则因为本步骤的执行时间不同，对于同一候选推荐信息所进行的推荐调控得分也可能存在不同，且所确定的推荐调控得分还可能为小于0的负值。
S103、根据各所述推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各所述目标推荐得分确定下发给所述用户终端的信息推荐列表。
本实施例上述步骤确定的推荐调控得分并不能作为候选推荐信息排序的单一指标。本实施例还可以在执行上述S102之前或者同时，结合一些其他得分评定方式确定各候选推荐信息可能具备的推荐得分，且通过其他得分评定方式确定的推荐得分可以看作各候选推荐信息的初始推荐得分，之后可以将各初始推荐得分与上述推荐调控得分相结合，如可以在初始推荐得分的基础上对推荐调控得分进行加减以此来获得各候选推荐信息的目标推荐得分。需要知道的是，本实施例不对初始推荐得分确定所采用的得分评定方式进行限定，一般可以采用基于用户属性信息对候选推荐信息进行得分评定的方式。
可以知道的是，各候选推荐信息可以通过目标推荐得分由高到低排序，之后就可以基于排序后位于前设定名次的候选推荐信息形成信息推荐列表下发给用户终端。
本发明实施例一提供的一种信息推荐的管理方法，首先可以获取用户终端所发送信息拉取请求对应的候选推荐信息，其中，各候选推荐信息为信息内容接收平台中的信息内容；然后通过设定的流量控制模型确定各候选推荐信息当前的推荐调控得分；最终根据各推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各目标推荐得分确定下发给用户终端的信息推荐列表。上述技术方案，能够通过对平台上所获取各信息内容相对用户所发送请求的筛选以及下发限制来实现各信息内容的下发推荐管理，其具体可通过信息内容相对平台所接收某个请求的推荐调控得分的确定，来决定信息内容是否满足到该请求所对应用户终端的下发，由此实现了平台侧信息内容的精确化推荐，从而达到了降低平台上流量分发浪费的效果。
作为本实施例的一个可选实施例，本可选实施例进一步优化包括了根据各用户终端的实时反馈，统计所述信息内容接收平台中各信息内容对应的展示事件量以及相关联请求的出现次数，以确定用于各所述候选推荐信息所对应推荐调控得分计算的当前实际展示量。
在本可选实施例中，各用户终端具体可指对应于本执行主体的所有客户端，也可以是指定区域内对应于本执行主体的所有客户端。需要说明的是，当一个信息内容通过本实施例上述方法包含在信息推荐列表中发送给用户终端时，可认为该信息内容与用户终端发送的信息拉取请求关联，此时可将该信息内容相关联请求的出现次数加1。此外，当各用户终端对任一信息内容进行展示时，可以向本执行主体进行对应该信息内容的展示事件反馈，并可将该信息内容的展示事件量加1。
本可选实施例可以通过上述次数累加的方式对信息内容接收平台中各信息内容实时进行相关联请求的出现次数统计以及展示事件量的统计。其中，展示事件量可认为是执行主体将信息内容下发给用户终端进行展示的总量，与具体的信息拉取请求没有关联；相关联请求的出现次数则可认为是对信息内容所关联信息拉取请求的数量统计。
在已知一个信息内容的总展示量(即展示事件量)以及所关联信息拉取请求的总数量(即相关联请求的出现次数)之后，本可选实施例可以确定出信息内容相对每个所关联的信息拉取请求对应的平均展示量，且可以将平均展示量看作信息拉取请求对应的当前实时展示量。
需要说明的是，一个信息内容相关的每个信息拉取请求所对应的当前实时展示量可用于该信息内容在同种信息拉取请求下所对应推荐调控得分的确定。其中，本实施例可以将在相同界面组件项下触发生成的信息拉取请求看作同种请求，并不限定这些信息拉取请求实际对应的用户终端。
作为本实施例的另一个可选实施例，还进一步优化包括了在设定监控周期内监测所述信息内容接收平台中各信息内容对应的当前展示总量；停止对当前展示总量大于设定展示阈值的信息内容的推荐下发。
本实施例所提供信息推荐的管理方法，除了对信息内容到用户终端的下发与否进行下发监控管理外，还可以通过本可选实施例给定的步骤对信息内容的下发总量进行监控。
具体的，本实施例对信息内容的监控一般以一个时间段为单位进行，一个时间段可以优选一天，设定监控周期可优选指一天24小时。本可选实施例可以实时在该设定监测周期内对信息内容在用户终端侧的展示总量进行监测，并记为当前展示总量；之后可在确定当前展示总量大于一个设定展示阈值时，认控制不再考虑该信息内容到用户终端的下发，其中，该当前展示总量的监测同样可以通过用户终端侧对展示事件的反馈进行。
本可选实施例进一步实现了信息内容到用户终端侧下发的总量控制，也体现出了本实施例所提供方法对信息内容推荐下发的精细化调控。
实施例二
图2给出了本发明实施例二提供的一种信息推荐的管理方法的流程示意图，本实施例以上述实施例为基础进行优化，在本实施例中，进一步将获取用户终端所发送信息拉取请求对应的候选推荐信息具体化为：接收用户终端发送的信息拉取请求；确定所述信息拉取请求所关联目标用户的浏览喜好信息；从所述信息内容接收平台中选择与所述浏览喜好信息匹配的信息内容作为候选推荐信息。
同时，本实施例在上述实施例的基础上在通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分之前还进一步包括了确定各所述候选推荐信息的展示下发预估比值。
在上述优化的基础上，本实施例进一步将通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分具体化为获取各所述候选推荐信息对应的曝光预估曲线以及当前实际展示量，其中，所述曝光预估曲线在候选推荐信息上传至信息内容接收平台之后预先确定；针对每个候选推荐信息，将所述曝光预估曲线、当前实际展示量以及展示下发预估比值作为输入数据，通过给定的得分调控模型，获得输出的推荐调控得分。
此外，本实施例进一步将根据各所述推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各所述目标推荐得分确定下发给所述用户终端的信息推荐列表具体化为：获取预先对应各所述候选推荐信息确定的初始推荐得分；将各所述初始推荐得分与相应推荐调控得分之和确定为相应候选推荐信息的目标推荐得分；按照各所述目标推荐得分由高到低排序各所述候选推荐信息，基于排名大于设定阈值的各候选推荐信息形成信息推荐列表下发给所述用户终端。
如图2所示，本实施例二提供的一种信息推荐的管理方法具体包括如下操作：
下述S201至S203给出了候选推荐信息的筛选实现。
S201、接收用户终端发送的信息拉取请求。
S202、确定所述信息拉取请求所关联目标用户的浏览喜好信息。
在本实施例中，信息拉取请求中包含了用户标识以及待拉取信息在界面中对应的触发位置等信息，通过用户标识可以确定出信息拉取请求具体与哪个用户关联，并可将所关联用户记为目标用户。
其中，所述浏览喜好信息可认为是目标用户相关属性信息中的一种，可以包括用户喜好浏览的信息类型、还可以包括用户浏览信息时的点赞、转发以及评论等行为数据的统计，以基于此来统计用户喜欢的信息种类。
S203、从所述信息内容接收平台中选择与所述浏览喜好信息匹配的信息内容作为候选推荐信息。
在本实施例中，信息内容接收平台中各信息内容由信息生成者上传，信息生产者在进行信息内容的上传时，可以对所上传内容进行标签设置，标签信息可以包含信息内容归属的信息类型以及信息内容的关键信息描述等。信息内容接收平台所接收的信息内容对应存在标签信息，且在确定信息拉取请求所关联目标用户的浏览喜好信息后，可以通过将浏览喜好信息与信息内容各标签信息的比对筛选出与目标用户匹配的候选推荐信息。
在本实施例中，通过上述步骤确定出候选推荐信息中，还需要通过下述步骤对候选推荐信息进行下发控制。其下发控制具体可通过对候选推荐信息进行推荐调控得分的确定来实现。
S204、确定各所述候选推荐信息的展示下发预估比值。
在本实施例中，本步骤对各候选推荐信息进行展示下发预估比值确定的目的在于获得得分调控模型进行推荐调控得分所需的输入数据。对于每个信息内容而言，其存在一个到用户终端的下发量，同时还存在一个下发到用户终端后，用户对该信息内容进行展示的展示量。展示下发比相当于展示量与下发量的比值，展示下发预估比值则可认为是在不确定信息内容在用户终端侧的实际展示量之前，预先通过某种方式估计的展示下发比
本步骤仅需对确定为候选推荐信息的各信息内容进行展示下发预估比值的确定。具体的，对于每个候选推荐信息本实施例可预先给定或配置一个目标下发量，同时也可以根据用户终端侧用户的历史浏览行为预先估计一个历史展示量，在已知历史展示量和目标下发量后就可以将二者的比值确定为展示下发预估比值。
进一步地，图2a给出了本发明实施例二所提供信息推荐的管理方法中预估比值确定的实现流程图，如图2a所示，本实施例将确定各所述候选推荐信息的展示下发预估比值具体优化为：
S2041、确定在用户终端上生成所述信息拉取请求时关联的功能组件项。
在本实施例中，用户终端可认为是发送信息拉取请求的终端，信息拉取请求的生成与用户在用户终端上对某个功能组件项的触发有关，且根据功能组件项在界面中所处位置的不同，可认为生成信息拉取请求所归属的请求场景也不同。示例性的，假设用户触发的功能组件项为视频浏览按钮，则可认为生成的信息拉取请求在界面中所归属的请求场景为视频浏览，且可认为该信息拉取请求与视频浏览这个组件项关联。
需要说明的是，所生成的信息拉取请求中对请求生成所关联的功能组件有所标识，本步骤通过对信息拉取请求所包含内容的分析可以确定其具体用那个功能组件项关联。
S2042、根据所述功能组件项确定所述信息拉取请求的请求场景，并确定各所述候选推荐信息在所述请求场景下对应目标下发量。
在本实施例中，上述进行功能组件项的确定后，相当于已知了用户在用户终端所显示界面上进行请求触发的位置，本实施例记该位置为信息拉取请求对应的请求场景。同时，还可以根据本步骤获取候选推荐信息相对该请求场景时所对应的目标下发量，该目标下发量可以由本执行主体预先进行设定或配置。
S2043、确定所述信息拉取请求所关联目标用户相对各所述候选推荐信息的历史浏览行为数据。
在本实施例中，通过对信息拉取请求的分析获得相关联目标用户后，可以获取到该目标用户对各候选推荐信息在该请求场景下的历史浏览行为数据。历史浏览行为数据可以是对该候选推荐信息的浏览次数、展示次数等行为的记录。
S2044、根据各所述历史浏览行为数据及各所述目标下发量，确定相应各候选推荐信息的展示下发预估比值。
在本实施例中，通过对历史浏览行为数据的分析可以确定出候选推荐信息在历史时间段内相对该目标用户所存在的历史展示数量。本步骤可以通过确定历史展示量与目标下发量的比值进行候选推荐信息在后续展示下发比的预估，并将预估比值记为展示下发预估比值。
S205、获取各所述候选推荐信息对应的曝光预估曲线以及当前实际展示量。
在本实施例中，曝光预估曲线可理解为基于多个曝光预估量形成的预估曲线。其中，在未来一个时间段内候选推荐信息下发到用户终端侧且对用户可能进行信息曝光的曝光量可记为该候选推荐信息对应的曝光预估量。所述曝光预估曲线可以在候选推荐信息上传至信息内容接收平台之后预先确定，本步骤可以直接获取到每个候选推荐信息的曝光预估曲线。
此外，本实施例上述给定的一个可选实施例中还给出了对每个信息内容在用户终端侧的展示事件量以及相关联请求出现次数进行统计的操作，通过这些操作就可以确定每个信息内容实时对应的一个实际展示量。本步骤中的当前实际展示量可认为是在执行本实施例所提供方法的时刻所对应的实际展示量，本步骤也可以直接获取到该当前实际展示量。
S206、针对每个候选推荐信息，将所述曝光预估曲线、当前实际展示量以及展示下发预估比值作为输入数据，通过给定的得分调控模型，获得输出的推荐调控得分。
可以知道的是，得分调控模型相当于一个基于实时反馈数据和所设定目标数据进行处理的动态调控器，且可优选为一个比例-积分-微分控制器。本步骤可以将曝光预估曲线以及展示下发预估比值看作动态调控器中的目标数据，将当前实际展示量看作一个反馈的实际数据，均作为得分调控模型的输入数据，以用于得分调控模型的动态调控处理，且可获得动态调控处理后对应候选推荐信息输出的推荐调控得分。
对于本步骤通过得分调控模型实现的推荐调控得分确定，其具体过程可优化为：通过所述得分调控模型，基于所述曝光预估曲线、当前实际展示量以及展示下发预估比值，确定所述候选推荐信息的当前调控误差；基于所述当前调控误差结合所述候选推荐消息对应的上一调控误差以及相对所述上一调控误差的前一调控误差，确定所述候选推荐信息对应的推荐调控得分。
可以看出，在已知一个候选推荐信息的曝光预估曲线、当前实际展示量以及展示下发预估比值后，可以确定出候选推荐信息在得分调控模型的当前调控执行中对应的当前调控误差；同时，也可以根据候选推荐信息相对当前的前一次调控时所对应的上一调控误差以及相当于前一调控的前一调控所对应的前一调控误差；最终基于当前调控误差、上一调控误差以及前一调控误差结合相应的调控公式就可以计算出该候选推荐信息的推荐调控得分。
进一步地，本实施例在上述优化的基础上还给出了当前调控误差的确定过程，其确定过程可表述为：基于所述曝光预估曲线以及展示下发预估比值获得所述候选推荐信息的当前预估展示量；通过所述得分调控模型，将所述当前预估展示量与所述当前实际展示量的差值确定为当前调控误差。
在本实施例中，候选推荐信息的曝光预估曲线为该信息上传至信息内容接收平台时对展示量进行的全局预估，而展示下发预估比值则是在将信息内容确定为候选推荐信息后，基于信息拉取请求中的目标用户及请求场景进行的专属预估。通过曝光预估曲线可以确定出当前时刻候选推荐信息对应的一个全局展示预估值，该全局展示预估值结合对应信息拉取请求计算出的展示下发预估比，通过给定的转换计算，可以确定出候选推荐信息对应信息拉取请求时所具备的预估展示量，本实施例记为当前预估展示量。
获得当前预估展示量后，结合候选推荐信息在当前时刻对应的当前实际展示量，可以进行二者的差值计算，并可将当前预估展示量与当前实际展示量的差值记为当前调控误差。可以知道的是，当前调控误差也可能是一个小于0的负值。
同时，本实施例还优化给出了基于所述当前调控误差结合所述候选推荐消息对应的上一调控误差以及相对所述上一调控误差的前一调控误差，确定所述候选推荐信息对应的推荐调控得分的具体实现过程，其主要包括：将所述当前调控误差与所述上一调控误差之差记为第一调控项；确定所述当前调控误差与两倍所述上一调控误差之差，并将所确定差值与与所述前一调控误差之和记为第二调控项；基于所述第一调控项、第二调控项、当前调控误差以及相应的权重值，确定所述候选推荐信息对应的推荐调控得分。
需要说明的是，上述所给定推荐调控得分的实现步骤相当于将上述当前调控误差、上一调控误差以及前一调控误差作为已知值，采用所给定得分调控公式进行计算的实现，其中，得分调控公式可以表示为：
ΔU(k)＝Kp(curerr-lasterr)+Kd(curerr-2×lasterr+preverr)+Ki×curerr
其中，ΔU(k)表示推荐调控得分，curerr表示当前调控误差，lasterr表示上一调控误差，preverr表示前一调控误差，Kp，Kd以及Kt分别为预先给定的权重值。
下述S207至S209给出了信息推荐列表的确定操作。
S207、获取预先对应各所述候选推荐信息确定的初始推荐得分。
在本实施例中，各候选推荐信息的初始推荐得分可以通过其他得分评定方式确定，本实施例不对得分评定方式进行限定。本步骤可以直接取对应各候选推荐信息已确定的初始推荐得分。
S208、将各所述初始推荐得分与相应推荐调控得分之和确定为相应候选推荐信息的目标推荐得分。
在本实施例中，上述各候选推荐得分的推荐调控得分可用于对相应的初始推荐得分进行调控，如可以确定初始推荐得分与推荐调控得分的和，且将加和后的得分作为候选推荐信息的目标推荐得分。
S209、按照各所述目标推荐得分由高到低排序各所述候选推荐信息，基于排名大于设定阈值的各候选推荐信息形成信息推荐列表下发给所述用户终端。
在本实施例中，目标推荐得分可以看作候选推荐信息在进行满足下发调控后与用户终端侧目标用户的匹配程度体现，得分越高越满足下发要求，因此，本步骤可以先将各候选推荐得分由高到低排序，然后选择排名高于设定阈值的各候选推荐信息形成信息推荐列表下发给用户终端。
本发明实施例提供的一种信息推荐的管理方法，具体化了候选推荐信息的确定过程，给出了推荐调控得分的具体实现过程，同时还具体化了信息推荐列表的确定过程。利用该方法，能够通过信息内容相对平台所接收某个请求的推荐调控得分的确定，来决定信息内容是否满足到该请求所对应用户终端的下发。通过该种方式，既保证了所下发信息内容与用户终端的匹配度，还实现了对各信息内容的精确化下发调控。
实施例三
图3给出了本发明实施例三提供的一种信息推荐的管理系统的结构框图，该系统适用于对信息内容到用户终端的推荐进行管理的情况，该系统存在于具备信息推荐需求的应用软件的后台端，该系统可以由软件和/或硬件实现，并一般包括了可执行上述实施例所提供方法的计算机设备。如图3所示，该系统包括：候选获取模块31、得分调控模块32以及推荐管理模块33。
其中，候选获取模块31，用于获取用户终端所发送信息拉取请求对应的候选推荐信息，各所述候选推荐信息为信息内容接收平台中的信息内容；
得分调控模块32，用于通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分；
推荐管理模块33，用于根据各所述推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各所述目标推荐得分确定下发给所述用户终端的信息推荐列表。
本发明实施例三提供的一种信息推荐的管理系统，首先可以获取用户终端所发送信息拉取请求对应的候选推荐信息，其中，各候选推荐信息为信息内容接收平台中的信息内容；然后通过设定的流量控制模型确定各候选推荐信息当前的推荐调控得分；最终根据各推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各目标推荐得分确定下发给用户终端的信息推荐列表。上述技术方案，能够通过对平台上所获取各信息内容相对用户所发送请求的筛选以及下发限制来实现各信息内容的下发推荐管理，其具体可通过信息内容相对平台所接收某个请求的推荐调控得分的确定，来决定信息内容是否满足到该请求所对应用户终端的下发，由此实现了平台侧信息内容的精确化推荐，从而达到了降低平台上流量分发浪费的效果。
进一步地，候选获取模块31具体可以用于接收用户终端发送的信息拉取请求；确定所述信息拉取请求所关联目标用户的浏览喜好信息；从所述信息内容接收平台中选择与所述浏览喜好信息匹配的信息内容作为候选推荐信息。
进一步地，该系统还可以包括比值预估模块，比值预估模块可以用于确定各所述候选推荐信息的展示下发预估比值。
进一步地，比值预估模块具体可以用于确定在所述用户终端上生成所述信息拉取请求时关联的功能组件项；根据所述功能组件项确定所述信息拉取请求的请求场景，并确定各所述候选推荐信息在所述请求场景下对应目标下发量；确定所述信息拉取请求所关联目标用户相对各所述候选推荐信息的历史浏览行为数据；根据各所述历史浏览行为数据及各所述目标下发量，确定相应各候选推荐信息的展示下发预估比值。
进一步地，得分调控模块32具体可以包括
信息获取单元，用于获取各所述候选推荐信息对应的曝光预估曲线以及当前实际展示量，其中，所述曝光预估曲线在候选推荐信息上传至信息内容接收平台之后预先确定；
得分确定单元，用于针对每个候选推荐信息，将所述曝光预估曲线、当前实际展示量以及展示下发预估比值作为输入数据，通过给定的得分调控模型，获得输出的推荐调控得分。
进一步地，该系统还优化包括预估曲线确定模块，其中，预估曲线确定模块具体可以用于监控到信息内容接收平台上获取到新的信息内容时，确定所述信息内容的信息类型；确定归属所述信息类型的历史信息内容，并获取各所述历史信息内容对应的推荐下发数据；根据各所述推荐下发数据及对应所述信息内容给定的曝光总量，确定所述信息内容在设定时间段内各时刻的曝光预估量，并形成所述信息内容的曝光预估曲线。
进一步地，得分确定单元具体可以用于通过所述得分调控模型，基于所述曝光预估曲线、当前实际展示量以及展示下发预估比值，确定所述候选推荐信息的当前调控误差；基于所述当前调控误差结合所述候选推荐消息对应的上一调控误差以及相对所述上一调控误差的前一调控误差，确定所述候选推荐信息对应的推荐调控得分。
进一步地，得分确定单元执行基于所述曝光预估曲线、当前实际展示量以及展示下发预估比值，确定所述候选推荐信息的当前调控误差的步骤可以包括：基于所述曝光预估曲线以及展示下发预估比值获得所述候选推荐信息的当前预估展示量；通过所述得分调控模型，将所述当前预估展示量与所述当前实际展示量的差值确定为当前调控误差。
进一步的，得分确定单元执行基于所述当前调控误差结合所述候选推荐消息对应的上一调控误差以及相对所述上一调控误差的前一调控误差，确定所述候选推荐信息对应的推荐调控得分的步骤可以包括：将所述当前调控误差与所述上一调控误差之差记为第一调控项；确定所述当前调控误差与两倍所述上一调控误差之差，并将所确定差值与与所述前一调控误差之和记为第二调控项；基于所述第一调控项、第二调控项、当前调控误差以及相应的权重值，确定所述候选推荐信息对应的推荐调控得分。
进一步地，推荐管理模块33具体可以用于获取预先对应各所述候选推荐信息确定的初始推荐得分；将各所述初始推荐得分与相应推荐调控得分之和确定为相应候选推荐信息的目标推荐得分；按照各所述目标推荐得分由高到低排序各所述候选推荐信息，基于排名大于设定阈值的各候选推荐信息形成信息推荐列表下发给所述用户终端。
进一步地，该系统还可以包括信息统计模块，信息统计模块可以用于根据各用户终端的实时反馈，统计所述信息内容接收平台中各信息内容对应的展示事件量以及相关联请求的出现次数，以确定用于各所述候选推荐信息所对应推荐调控得分计算的当前实际展示量。
进一步地，该系统还可以包括下发监控模块，该下发监控模块可以用于在设定监控周期内监测所述信息内容接收平台中各信息内容对应的当前展示总量；停止对当前展示总量大于设定展示阈值的信息内容的推荐下发。
实施例四
图4给出了本发明实施例四提供的一种计算机设备的硬件结构示意图，具体地，该计算机设备可以是本实施例三所提供信息推荐的管理系统中执行上述实施例所提供方法的执行主体，该计算机设备包括：处理器和存储装置。存储装置中存储有至少一条指令，且指令由所述处理器执行，使得所述计算机设备执行如上述方法实施例所述的信息推荐的管理方法。
参照图4，该计算机设备具体可以包括：处理器40、存储装置41、显示屏42、输入装置43、输出装置44以及通信装置45。该计算机设备中处理器40的数量可以是一个或者多个，图4中以一个处理器40为例。该计算机设备中存储装置41的数量可以是一个或者多个，图4中以一个存储装置41为例。该计算机设备的处理器40、存储装置41、显示屏42、输入装置43、输出装置44以及通信装置45可以通过总线或者其他方式连接，图4中以通过总线连接为例。
具体的，实施例中，处理器40执行存储装置41中存储的一个或多个程序时，可以实现如下操作：从信息内容接收平台的信息内容中筛选对应用户终端所发送信息拉取请求的候选推荐信息；通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分；根据各所述推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各所述目标推荐得分确定下发给所述用户终端的信息推荐列表。
本发明实施例还提供一种计算机可读存储介质，所述存储介质中的程序由计算机设备的处理器执行时，使得计算机设备能够执行如上述实施例所述的信息推荐的管理方法。示例性的，上述实施例所述的信息推荐的管理方法包括：从信息内容接收平台的信息内容中筛选对应用户终端所发送信息拉取请求的候选推荐信息；通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分；根据各所述推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各所述目标推荐得分确定下发给所述用户终端的信息推荐列表。
需要说明的是，对于装置、计算机设备、存储介质实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明任意实施例所述的信息推荐的管理方法。
值得注意的是，上述将语音转换为说唱音乐的装置中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种信息推荐的管理方法，其特征在于，包括：
从信息内容接收平台的信息内容中筛选对应用户终端所发送信息拉取请求的候选推荐信息；
通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分；
根据各所述推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各所述目标推荐得分确定下发给所述用户终端的信息推荐列表。
2.根据权利要求1所述的方法，其特征在于，所述从信息内容接收平台的信息内容中筛选对应用户终端所发送信息拉取请求的候选推荐信息，包括：
接收用户终端发送的信息拉取请求；
确定所述信息拉取请求所关联目标用户的浏览喜好信息；
从所述信息内容接收平台中选择与所述浏览喜好信息匹配的信息内容作为候选推荐信息。
3.根据权利要求1所述的方法，其特征在于，在通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分之前，还包括：
确定各所述候选推荐信息的展示下发预估比值。
4.根据权利要求3所述的方法，其特征在于，所述确定各所述候选推荐信息的展示下发预估比值，包括：
确定在所述用户终端上生成所述信息拉取请求时关联的功能组件项；
根据所述功能组件项确定所述信息拉取请求的请求场景，并确定各所述候选推荐信息在所述请求场景下对应目标下发量；
确定所述信息拉取请求所关联目标用户相对各所述候选推荐信息的历史浏览行为数据；
根据各所述历史浏览行为数据及各所述目标下发量，确定相应各候选推荐信息的展示下发预估比值。
5.根据权利要求3所述的方法，其特征在于，所述通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分包括：
获取各所述候选推荐信息对应的曝光预估曲线以及当前实际展示量，其中，所述曝光预估曲线在候选推荐信息上传至信息内容接收平台之后预先确定；
针对每个候选推荐信息，将所述曝光预估曲线、当前实际展示量以及展示下发预估比值作为输入数据，通过给定的得分调控模型，获得输出的推荐调控得分。
6.根据权利要求5所述的方法，其特征在于，对信息内容接收平台上的信息内容进行曝光预估曲线确定的步骤包括：
监控到信息内容接收平台上获取到新的信息内容时，确定所述信息内容的信息类型；
确定归属所述信息类型的历史信息内容，并获取各所述历史信息内容对应的推荐下发数据；
根据各所述推荐下发数据及对应所述信息内容给定的曝光总量，确定所述信息内容在设定时间段内各时刻的曝光预估量，并形成所述信息内容的曝光预估曲线。
7.根据权利要求5所述的方法，其特征在于，所述将所述曝光预估曲线、当前实际展示量以及展示下发预估比值作为输入数据，通过给定的得分调控模型，获得输出的推荐调控得分，包括：
通过所述得分调控模型，基于所述曝光预估曲线、当前实际展示量以及展示下发预估比值，确定所述候选推荐信息的当前调控误差；
基于所述当前调控误差结合所述候选推荐消息对应的上一调控误差以及相对所述上一调控误差的前一调控误差，确定所述候选推荐信息对应的推荐调控得分。
8.根据权利要求7所述的方法，其特征在于，所述基于所述曝光预估曲线、当前实际展示量以及展示下发预估比值，确定所述候选推荐信息的当前调控误差，包括：
基于所述曝光预估曲线以及展示下发预估比值获得所述候选推荐信息的当前预估展示量；
通过所述得分调控模型，将所述当前预估展示量与所述当前实际展示量的差值确定为当前调控误差。
9.根据权利要求7所述的方法，其特征在于，所述基于所述当前调控误差结合所述候选推荐消息对应的上一调控误差以及相对所述上一调控误差的前一调控误差，确定所述候选推荐信息对应的推荐调控得分，包括：
将所述当前调控误差与所述上一调控误差之差记为第一调控项；
确定所述当前调控误差与两倍所述上一调控误差之差，并将所确定差值与与所述前一调控误差之和记为第二调控项；
基于所述第一调控项、第二调控项、当前调控误差以及相应的权重值，确定所述候选推荐信息对应的推荐调控得分。
10.根据权利要求1所述的方法，其特征在于，所述根据各所述推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各所述目标推荐得分确定下发给所述用户终端的信息推荐列表，包括：
获取预先对应各所述候选推荐信息确定的初始推荐得分；
将各所述初始推荐得分与相应推荐调控得分之和确定为相应候选推荐信息的目标推荐得分；
按照各所述目标推荐得分由高到低排序各所述候选推荐信息，基于排名大于设定阈值的各候选推荐信息形成信息推荐列表下发给所述用户终端。
11.根据权利要求1-10任一项所述的方法，其特征在于，还包括：
根据各用户终端的实时反馈，统计所述信息内容接收平台中各信息内容对应的展示事件量以及相关联请求的出现次数，以确定用于各所述候选推荐信息所对应推荐调控得分计算的当前实际展示量。
12.根据权利要求1-10任一项所述的方法，其特征在于，还包括：
在设定监控周期内监测所述信息内容接收平台中各信息内容对应的当前展示总量；
停止对当前展示总量大于设定展示阈值的信息内容的推荐下发。
13.一种信息推荐的管理系统，其特征在于，包括：
候选获取模块，用于获取用户终端所发送信息拉取请求对应的候选推荐信息，各所述候选推荐信息为信息内容接收平台中的信息内容；
得分调控模块，用于通过设定的得分调控模型确定各所述候选推荐信息当前的推荐调控得分；
推荐管理模块，用于根据各所述推荐调控得分确定相应候选推荐信息的目标推荐得分，并根据各所述目标推荐得分确定下发给所述用户终端的信息推荐列表。
14.一种计算机设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-12任一项所述的信息推荐的管理方法。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-12任一项所述的信息推荐的管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011551004.0A CN112559880B (zh) | 2020-12-24 | 一种信息推荐的管理方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011551004.0A CN112559880B (zh) | 2020-12-24 | 一种信息推荐的管理方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112559880A true CN112559880A (zh) | 2021-03-26 |
| CN112559880B CN112559880B (zh) | 2024-07-02 |
Family
ID=
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| US20160076908A1 (en) * | 2014-09-17 | 2016-03-17 | Alibaba Group Holding Limited | Method and server for delivering information to user terminal |
| CN110111152A (zh) * | 2019-05-10 | 2019-08-09 | 腾讯科技（深圳）有限公司 | 一种内容推荐方法、装置及服务器 |
| CN110248249A (zh) * | 2019-06-26 | 2019-09-17 | 深圳市轱辘汽车维修技术有限公司 | 一种视频推荐方法、视频推荐设备及服务器 |
| CN110321480A (zh) * | 2019-06-05 | 2019-10-11 | 平安科技（深圳）有限公司 | 推荐信息的推送方法、装置、计算机设备和存储介质 |
| CN110489644A (zh) * | 2019-08-13 | 2019-11-22 | 腾讯科技（北京）有限公司 | 信息推送方法、装置、计算机可读存储介质和计算机设备 |
| CN110598016A (zh) * | 2019-09-11 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 一种多媒体信息推荐的方法、装置、设备和介质 |
| 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 |
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160076908A1 (en) * | 2014-09-17 | 2016-03-17 | Alibaba Group Holding Limited | Method and server for delivering information to user terminal |
| 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 |
| CN110111152A (zh) * | 2019-05-10 | 2019-08-09 | 腾讯科技（深圳）有限公司 | 一种内容推荐方法、装置及服务器 |
| CN110321480A (zh) * | 2019-06-05 | 2019-10-11 | 平安科技（深圳）有限公司 | 推荐信息的推送方法、装置、计算机设备和存储介质 |
| CN110248249A (zh) * | 2019-06-26 | 2019-09-17 | 深圳市轱辘汽车维修技术有限公司 | 一种视频推荐方法、视频推荐设备及服务器 |
| 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 |
| CN110489644A (zh) * | 2019-08-13 | 2019-11-22 | 腾讯科技（北京）有限公司 | 信息推送方法、装置、计算机可读存储介质和计算机设备 |
| CN110598016A (zh) * | 2019-09-11 | 2019-12-20 | 腾讯科技（深圳）有限公司 | 一种多媒体信息推荐的方法、装置、设备和介质 |
Non-Patent Citations (2)
| Title |
|---|
| GEORGES E. DUPRET等: "A user browsing model to predict search engine click data from past observations", 《SIGIR \'08: PROCEEDINGS OF THE 31ST ANNUAL INTERNATIONAL ACM SIGIR CONFERENCE ON RESEARCH AND DEVELOPMENT IN INFORMATION RETRIEVAL》, 31 July 2008 (2008-07-31), pages 331 - 338, XP058244119, DOI: 10.1145/1390334.1390392 * |
| 刘勇等: "基于动态用户画像的信息推荐研究", 《计算机系统应用》, vol. 27, no. 06, 15 June 2018 (2018-06-15), pages 236 - 239 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110149540B (zh) | 多媒体资源的推荐处理方法、装置、终端及可读介质 | |
| US8977640B2 (en) | System for processing complex queries | |
| CN105589895B (zh) | 资源排行数据生成方法和装置 | |
| JP5846442B2 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
| WO2017219812A1 (zh) | 内容推荐方法及装置 | |
| CN113656681B (zh) | 一种对象评价方法、装置、设备及存储介质 | |
| CN113190758B (zh) | 服务器及媒资推荐方法 | |
| JP2018513459A (ja) | イベント・ベースのコンテンツ配布 | |
| CN112055235B (zh) | 推送展示对象的方法、装置、电子设备及存储介质 | |
| CN112579913B (zh) | 一种视频推荐方法、装置、设备和计算机可读存储介质 | |
| CN111582955A (zh) | 推广信息展示方法、装置、电子设备以及存储介质 | |
| CN111858969A (zh) | 多媒体数据推荐方法、装置、计算机设备和存储介质 | |
| CN111314790A (zh) | 一种视频播放记录的排序方法、装置和电子设备 | |
| WO2021233015A1 (zh) | 一种信息处理方法、装置及计算机可读存储介质 | |
| CN112822281B (zh) | 流量分配方法、装置、终端设备及计算机可读存储介质 | |
| CN112070564B (zh) | 广告拉取方法、装置、系统与电子设备 | |
| CN110708361B (zh) | 数字内容发布用户的等级确定系统、方法、装置及服务器 | |
| CN112559880B (zh) | 一种信息推荐的管理方法、系统、设备及存储介质 | |
| CN112559880A (zh) | 一种信息推荐的管理方法、系统、设备及存储介质 | |
| JP5172826B2 (ja) | 対象を定めた広告に適したリアルタイム視聴者推定およびコマーシャル選択を実施する方法および装置 | |
| US20230015413A1 (en) | Systems and methods for forecasting based on categorized user membership probability | |
| CN110139160B (zh) | 一种预测系统及方法 | |
| CN114186050A (zh) | 资源推荐方法、装置、电子设备及存储介质 | |
| CN112861018A (zh) | 内容发布方法、装置、计算机可读存储介质及电子设备 | |
| CN113254843B (zh) | 一种信息推送方法、装置和存储介质 |
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 |