CN113411645B - 信息推荐方法及装置、电子设备和介质 - Google Patents

Abstract

本公开提供了一种信息推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及计算机领域，尤其涉及智能推荐技术领域。实现方案为：响应于接收到第一用户请求，确定第一用户所对应的类簇，该类簇是对样本用户进行聚类所得到的一个或多个类簇中的相应类簇；获取一个或多个待推荐信息各自的第一向量，第一向量为相应的待推荐信息的向量表示；以及基于第一向量和所确定的类簇，确定一个或多个待推荐信息中的与所确定的类簇相匹配的待推荐信息。

Description

信息推荐方法及装置、电子设备和介质

技术领域

本公开涉及计算机领域，尤其涉智能推荐技术领域，具体涉及一种信息推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

在直播推荐场景中，存在多种不同类型的直播资源。为了提高用户的体验，直播平台会筛选用户可能喜欢的主播以将该主播的信息推送至用户，方便用户快速进去该主播开设的直播间观看直播。

目前直播推荐系统中，召回方式主要包括显示召回、隐式召回等，以召回与用户历史行为相关的直播资源(例如主播)。但是，用户的交互行为可能相对稀疏，不能渗透到更多的直播资源，使得召回量有限。

发明内容

本公开提供了一种信息推荐方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种信息推荐方法，包括：响应于接收到第一用户请求，确定第一用户所对应的类簇，其中该类簇是对样本用户进行聚类所得到的一个或多个类簇中的相应类簇；获取一个或多个待推荐信息各自的第一向量，其中第一向量为待推荐信息的向量表示；以及基于第一向量和所确定的类簇，确定一个或多个待推荐信息中的与所确定的类簇相匹配的待推荐信息。

根据本公开的另一方面，提供了一种信息推荐装置，包括：第一确定单元，配置为响应于接收到第一用户请求，确定所述第一用户所对应的类簇，其中所述类簇是对样本用户进行聚类所得到的一个或多个类簇中的相应类簇；获取单元，配置为获取一个或多个待推荐信息各自的第一向量，其中所述第一向量为待推荐信息的向量表示；以及第二确定单元，配置为基于所述第一向量和所述确定的类簇，确定所述一个或多个待推荐信息中的与所述确定的类簇相匹配的待推荐信息。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开所述的方法。

根据本公开的一个或多个实施例，通过确定用户所对应的类簇，以基于该类簇确定与该用户相关的待推荐信息，在一定程度上解决了对待推荐信息的渗透性较低、扩展性不高、因而造成召回资源不足的问题。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的信息推荐方法的流程图；

图3示出了根据本公开的实施例的对样本用户进行聚类的流程图；

图4示出了根据本公开的实施例的确定待推荐信息的向量的流程图；

图5示出了根据本公开的实施例的信息推荐装置的结构框图；以及

图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行信息推荐方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

客户端设备101、102、103、104、105和/或106可以用来接收用户浏览请求、获取其他用户输入等等。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如Microsoft Windows、AppleiOS、类UNIX操作系统、Linux或类Linux操作系统(例如Google Chrome OS)；或包括各种移动操作系统，例如Microsoft Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如待推荐信息、类簇、用户与待推荐信息的交互行为等数据。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

目前直播推荐系统中，存在多种不同类型资源，如秀场直播、咨询直播、带货直播、媒体直播等。在直播推荐场景中，直播资源的召回主要是根据用户兴趣及后验行为进行召回。但是，兴趣召回只考虑了用户历史的兴趣信息，缺乏扩展性；基于用户后验行为的召回方式，如关注、消费、预约等召回方式，由于用户的交互行为一般相对稀疏，使得直播资源的召回量有限，不能渗透到更多的主播。

因此，根据本公开的实施例提供了一种信息推荐方法200，如图2所示，包括：响应于接收到第一用户请求，确定第一用户所对应的类簇，其中该类簇是对样本用户进行聚类所得到的一个或多个类簇中的相应类簇(步骤210)；获取一个或多个待推荐信息各自的第一向量，其中第一向量为待推荐信息的向量表示(步骤220)；以及基于第一向量和所确定的类簇，确定一个或多个待推荐信息中的与所确定的类簇相匹配的待推荐信息(步骤230)。

根据本公开的实施例，通过确定用户所对应的类簇，以基于该类簇确定与该用户相关的待推荐信息，在一定程度上解决了对待推荐信息的渗透性较低、扩展性不高、因而造成召回资源不足的问题。

根据一些实施例，根据本公开的方法还可以包括：在步骤210之前，对样本用户进行聚类以得到一个或多个类簇。

在一些示例中，样本用户可以是任意的多个用户，例如用于执行根据本公开所述的信息推荐方法的平台上的历史用户、通过爬虫获取的全网用户等。

在一些实施例中，如图3所示，对样本用户进行聚类可以包括：获取样本用户中的每一个用户的第二向量，所述第二向量为用户的向量表示(步骤310)；在样本用户中选择第一数量用户的第二向量，以作为待获得的第一数量类簇的第三向量(步骤320)；以及基于第二向量和第三向量对样本用户进行一次或多次聚类，以确定样本中的每一个用户在第一数量类簇中所对应的相应类簇(步骤330)。需注意的是，每次聚类后可以重新计算该第一数量类簇的各自的第三向量。

在一些示例中，可以获取(例如通过爬虫)某一平台上的第一用户行为数据，以将该第一用户行为数据所对应的用户作为样本用户。或者，还可以获取除上述平台外的其他网络平台上的第二用户行为数据，以将表征为同一用户的第一用户行为数据和第二用户行为数据进行合并，以将合并后的用户行为数据所对应的用户作为样本用户。示例地，还可以基于所获得的用户行为数据获得样本用户的向量表示。例如，可以基于图模型以及word2vec算法获取用户的向量。其他用于获取样本用户的向量表示的方法也是可以的，在此不作限制。

根据一些实施例，在获取了不同平台上的用户行为数据之后，可以将表征为相同用户的行为数据进行合并。相同用户的表征可以基于用户信息多维度特征，包括但不限于，使用注册手机号、邮箱、收货地址、微信/百度/支付宝账号授权、WiFi+GPS等多种特征联合表征一个用户。

在一些示例中，可以获取用户在各个平台内的点击、浏览等行为数据，通过数据脱敏处理后，对各个平台内的用户行为数据进行统一的加工刻画，实现各平台的用户信息整合。数据脱敏，指对某些敏感信息通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护。敏感信息可以以加密串或者嵌入(embedding)低维表征的形式出现，这样就可以安全地使用脱敏后的真实数据集。

或者，可以直接获取预设平台上生成并保存的用户信息及其向量。所获取的用户作为样本用户，以基于该样本用户及其向量进行聚类，得到一个或多个类簇。

根据一些实施例，基于第二向量和第三向量对样本用户进行一次或多次聚类包括：对于每一次聚类过程：基于第二向量以及第三向量，将样本用户中的每一个用户分别与每一个所述类簇计算相似度；基于相似度确定样本用户中的每一个用户在第一数量类簇中所对应的相应类簇；对于第一数量类簇中的每一个：基于类簇所对应用户的第二向量重新计算所述类簇的第三向量；将重新计算的第三向量与本次聚类过程之前该类簇的第三向量计算相似度，以基于相似度确定该类簇是否收敛；响应于至少预定个数的类簇未收敛，重新对样本用户进行聚类。

在根据本公开的一个示例中，首先获取预设平台中的所有用户或部分用户(即样本用户)的用户信息及其向量。在获取到的用户向量中，随机选取预定个数(即第一数量)的用户向量作为种子类簇(待获得的第一数量类簇)的向量。此时，还未对样本用户进行聚类操作，种子类簇为空集合。然后，基于该种子类簇的向量以及各个用户的向量执行第一次聚类过程：将用户向量与类簇向量一一计算相似度(例如余弦相似度)，确定每一个用户最相似的类簇并将其归类到该类簇中。在将所有用户均划分到相应的类簇之后，对于每一个新得到的类簇，基于其对应的用户的向量重新计算该类簇的向量。例如，通过对类簇中的所有用户的向量做平均池化，重新计算类簇向量表示。

计算新得到的类簇与上一次聚类过程所得到类簇的向量相似度，如果至少预定个数或比例的类簇所对应的相似度小于阈值，说明聚类没有收敛，则需要重新对样本用户进行聚类，以进行迭代。在每一次迭代过程中，重新对样本用户进行聚类，即将用户向量与类簇向量(即上一次迭代所得到的类簇向量)一一计算相似度，确定每一个用户最相似的类簇并将其归类到该类簇中。计算新得到的类簇与上一次聚类过程所得到类簇的向量相似度，如果预定比例(例如80％)的类簇所对应的相似度大于阈值，说明聚类已经收敛，停止迭代。停止迭代后，获取相应的类簇以及其向量表示。

根据一些实施例，根据本公开的方法还可以包括：每隔预定时间段对所述获得的类簇进行更新。例如，可以天级别对类簇进行训练，以及时更新类簇。

根据一些实施例，根据本公开的方法还可以包括：在步骤220之前，确定一个或多个待推荐信息各自的第一向量。在一些示例中，如图4所示，确定一个或多个待推荐信息各自的第一向量可以包括：对于一个或多个待推荐信息中的每一个：确定与该待推荐信息存在交互行为的一个或多个第二用户(步骤410)；获取所述一个或多个第二用户中的至少一个第二用户的第二向量，其中所述第二向量为用户的向量表示(步骤420)；以及基于所述第二向量确定该待推荐信息的第一向量(步骤430)。

根据一些实施例，待推荐信息可以为主播信息。

在一些示例中，可以通过交互行为日志来挖掘与主播产生过交互行为的用户。示例地，该交互行为可以包括点击、关注、预约等中的一个或多个。例如，点击过该主播的主页等内容、关注该主播或预约过该主播的直播内容等的用户即可认为与该主播产生过交互行为。在确定了与主播存在交互行为的用户之后，即可进一步获取该用户的向量，以基于该用户的向量进一步确定该主播的向量(即第一向量)。

在一些实施例中，在确定了与待推荐信息存在交互行为的用户之后，还可以包括对该用户进行筛选的步骤。通过对用户进行筛选，可以进一步确定有效用户，以提高待推荐信息的向量表示的准确性。

示例地，可以确定与待推荐信息的交互行为超过预设次数的用户，以作为与待推荐信息存在交互行为的一个或多个用户。或者，也可以确定在预定时间段内与待推荐信息存在交互行为的用户，以作为与待推荐信息存在交互行为的一个或多个用户。当然可以理解，其他筛选方法也是可能的，例如包括上述两种方式，在此不作限制。

在一些示例中，可以基于例如图模型以及word2vec算法获取用户向量。

在一些示例中，可以基于已有平台中的数据信息来获取相关用户的向量。例如，在待推荐信息为主播信息的情况下，在确定了与主播存在交互行为的用户之后，可以在预设平台所保存的数据中获取该用户的向量表示。

可以理解，其他用来获取与待推荐信息存在交互行为的用户的向量的方法也是可能的，在此不作限制。

根据一些实施例，基于所述第二向量确定该待推荐信息的第一向量包括：对至少一个第二用户的第二向量进行平均池化，以作为该待推荐信息的第一向量。

示例地，在待推荐信息为主播信息的情况下，可以通过用户与主播的交互行为日志挖掘对每一个主播具有点击、关注、预约等行为的用户。进一步地，获取上述具有点击、关注、预约行为的用户的向量。例如，可以获取预设平台上的相关用户的向量。对于每一个主播，对与其存在交互行为的用户的向量进行平均池化，以生成该主播的向量。

根据一些实施例，确定第一用户所对应的类簇可以包括：响应于接收到第一用户请求，获取第一用户请求所对应的用户标识；以及基于用户标识确定第一用户所对应的类簇。

示例地，该用户标识可以为用户ID，以基于用户ID确定该用户所对应的类簇。

根据一些实施例，确定一个或多个待推荐信息中的与所述确定的类簇相匹配的待推荐信息包括：将一个或多个待推荐信息各自的第一向量分别与所确定的类簇相对应的第三向量计算相似度；以及获取与所确定的类簇相似度大于阈值的待推荐信息，以作为与所确定的类簇相匹配的待推荐信息。

示例地，在待推荐信息为主播信息的情况下，在确定用户请求所对应的类簇之后，可以进一步确定与该类簇相似的主播。示例地，通过类簇向量和主播向量计算类簇与各个主播的余弦相似度，获取该相似度大于一定阈值的主播作为与该类簇的相似主播。

根据本公开的实施例，还提供了一种信息推荐装置500，如图5所示，包括：第一确定单元510，配置为响应于接收到第一用户请求，确定所述第一用户所对应的类簇，其中所述类簇是对样本用户进行聚类所得到的一个或多个类簇中的相应类簇；获取单元520，配置为获取一个或多个待推荐信息各自的第一向量，其中所述第一向量为相应的待推荐信息的向量表示；以及第二确定单元530，配置为基于所述第一向量和所述确定的类簇，确定所述一个或多个待推荐信息中的与所述确定的类簇相匹配的待推荐信息。

这里，信息推荐装置500的上述各单元510～530的操作分别与前面描述的步骤210～230的操作类似，在此不再赘述。

根据本公开的示例性实施例还提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述信息推荐方法。

根据本公开的示例性实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述信息推荐方法。

根据本公开的示例性实施例还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现上述信息推荐方法。

参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM603并由计算单元601执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (15)

1.一种信息推荐方法，包括：

响应于接收到第一用户请求，确定所述第一用户所对应的类簇，其中所述类簇是对样本用户进行聚类所得到的一个或多个类簇中的相应类簇；

获取一个或多个待推荐信息各自的第一向量，其中所述第一向量为待推荐信息的向量表示；以及

基于所述第一向量和所述确定的类簇，确定所述一个或多个待推荐信息中的与所述确定的类簇相匹配的待推荐信息；

其中，所述待推荐信息包括主播信息，所述第一向量为主播的向量表示，所述方法还包括：确定所述一个或多个待推荐信息各自的第一向量，其中，

确定所述一个或多个待推荐信息各自的第一向量包括：

对于所述一个或多个待推荐信息中的每一个：

确定与该待推荐信息存在交互行为的一个或多个第二用户；

获取所述一个或多个第二用户中的至少一个第二用户的第二向量，其中所述第二向量为用户的向量表示；以及

基于所述第二向量确定该待推荐信息的第一向量。

2.如权利要求1所述的方法，其中，基于所述第二向量确定该待推荐信息的第一向量包括：

对所述至少一个第二用户的第二向量进行平均池化，以作为该待推荐信息的第一向量。

3.如权利要求1所述的方法，还包括：对样本用户进行聚类以得到一个或多个类簇，其中，

对样本用户进行聚类包括：

获取所述样本用户中的每一个用户的第二向量，其中所述第二向量为用户的向量表示；

在所述样本用户中选择第一数量用户的第二向量，以作为待获得的第一数量类簇的第三向量；以及

基于所述第二向量和第三向量对所述样本用户进行一次或多次聚类，以确定样本中的每一个用户在所述第一数量类簇中所对应的相应类簇，其中，

每次聚类后重新计算所述第一数量类簇的各自的第三向量。

4.如权利要求3所述的方法，其中，基于所述第二向量和第三向量对所述样本用户进行一次或多次聚类包括：

对于每一次聚类过程：

基于所述第二向量以及第三向量，将所述样本用户中的每一个用户分别与每一个所述类簇计算相似度；

基于所述相似度确定所述样本用户中的每一个用户在所述第一数量类簇中所对应的相应类簇；

对于所述第一数量类簇中的每一个：

基于所述类簇所对应用户的第二向量重新计算所述类簇的第三向量；

将所述重新计算的第三向量与本次聚类过程之前所述类簇的

第三向量计算相似度，以基于所述相似度确定所述类簇是否收敛；响应于至少预定个数的类簇未收敛，重新对所述样本用户进行聚类。

5.如权利要求1所述的方法，还包括：每隔预定时间段对获得的类簇进行更新。

6.如权利要求1所述的方法，其中，确定所述第一用户所对应的类簇包括：

响应于接收到第一用户请求，获取所述第一用户请求所对应的用户标识；以及

基于所述用户标识确定所述第一用户所对应的类簇。

7.如权利要求3或4所述的方法，其中，确定所述一个或多个待推荐信息中的与所述确定的类簇相匹配的待推荐信息包括：

将所述一个或多个待推荐信息各自的第一向量分别与所述确定的类簇相对应的第三向量计算相似度；以及

获取与所述确定的类簇相似度大于阈值的待推荐信息，以作为与所述确定的类簇相匹配的待推荐信息。

8.如权利要求1所述的方法，其中，确定与所述待推荐信息存在交互行为的一个或多个第二用户包括：

确定与所述待推荐信息的交互行为超过预设次数的第二用户，以作为与所述待推荐信息存在交互行为的一个或多个第二用户。

9.如权利要求1所述的方法，其中，确定与所述待推荐信息存在交互行为的一个或多个第二用户包括：

确定在预定时间段内与所述待推荐信息存在交互行为的第二用户，以作为与所述待推荐信息存在交互行为的一个或多个第二用户。

10.一种信息推荐装置，包括：

第一确定单元，配置为响应于接收到第一用户请求，确定所述第一用户所对应的类簇，其中所述类簇是对样本用户进行聚类所得到的一个或多个类簇中的相应类簇；

获取单元，配置为获取一个或多个待推荐信息各自的第一向量，其中所述第一向量为待推荐信息的向量表示；以及

第二确定单元，配置为基于所述第一向量和所述确定的类簇，确定所述一个或多个待推荐信息中的与所述确定的类簇相匹配的待推荐信息；

其中，所述待推荐信息包括主播信息，所述第一向量为主播的向量表示，所述获取单元还配置为：确定所述一个或多个待推荐信息各自的第一向量，其中，

确定所述一个或多个待推荐信息各自的第一向量包括：

对于所述一个或多个待推荐信息中的每一个：

确定与该待推荐信息存在交互行为的一个或多个第二用户；

获取所述一个或多个第二用户中的至少一个第二用户的第二向量，其中所述第二向量为用户的向量表示；以及

基于所述第二向量确定该待推荐信息的第一向量。

11.如权利要求10所述的装置，还包括：用于对样本用户进行聚类以得到一个或多个类簇的单元，其中，

用于对样本用户进行聚类的单元包括：

用于获取所述样本用户中的每一个用户的第二向量的单元，其中所述第二向量为用户的向量表示；

用于在所述样本用户中选择第一数量用户的第二向量，以作为待获得的第一数量类簇的第三向量的单元；以及

用于基于所述第二向量和第三向量对所述样本用户进行一次或多次聚类，以确定样本中的每一个用户在所述第一数量类簇中所对应的相应类簇的单元，其中，

每次聚类后重新计算所述第一数量类簇的各自的第三向量。

12.如权利要求10所述的装置，其中，所述第一确定单元包括：

用于响应于接收到第一用户请求，获取所述第一用户请求所对应的用户标识的单元；以及

用于基于所述用户标识确定所述第一用户所对应的类簇的单元。

13.如权利要求11所述的装置，其中，所述第二确定单元包括：

用于将所述一个或多个待推荐信息各自的第一向量分别与所述确定的类簇相对应的第三向量计算相似度的单元；以及

用于获取与所述确定的类簇相似度大于阈值的待推荐信息，以作为与所述确定的类簇相匹配的待推荐信息的单元。

14.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。

15.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。

Images