CN113609392B - 一种内容推荐方法、待推荐内容确定方法和相关装置 - Google Patents

Abstract

本申请实施例公开了一种内容推荐方法、待推荐内容确定方法和相关装置，在通过内容平台展示所述内容推荐界面时，基于多个特征维度分别生成对应的交互控件，由于该多个特征维度与该内容平台所提供的内容类型和用户喜好相关，分别配置具有影响内容推荐界面中内容的展示顺序的展示权重，用于权重影响程度调整。用户基于自己当前的喜好，通过对交互控件的权重调整操作精细化的调整该多个特征维度分别对内容展示的权重影响，从而将权重影响调整到符合当前喜好。更新后的展示权重与用户的当前喜好更为贴近，基于该展示权重对内容推荐界面中展示的内容进行重排后，优先展示的内容获得认可的可能性更高，降低了寻找内容所需花费的操作成本，提高推荐效率。

Description

一种内容推荐方法、待推荐内容确定方法和相关装置

技术领域

本申请涉及数据处理领域，特别是涉及一种内容推荐方法、待推荐内容确定方法和相关装置。

背景技术

用户可以通过内容平台使用或购买平台所提供的各类内容。为了便于用户查找平台所提供的内容，平台相应的为用户提供了内容推荐服务。

基于内容推荐服务，用户可以在内容平台上查看到内容推荐界面中展示的多个内容，并根据自身兴趣进行选择。

然而，目前内容推荐服务为用户所推荐的内容经常不符合用户需求，导致用户为了找到自己喜欢的内容需要花费较高的操作成本，反而增加了内容平台与用户间的交互次数。

发明内容

为了解决上述技术问题，本申请提供了一种内容推荐方法、待推荐内容确定方法和相关装置，降低了用户为了找到自己喜欢的内容所需花费的操作成本，提高了内容推荐效率。

本申请实施例公开了如下技术方案：

一方面，本申请实施例提供了一种内容推荐方法，所述方法包括：

在通过内容平台展示所述内容推荐界面时，基于多个特征维度分别生成对应的交互控件，所述多个特征维度与所述内容平台所提供的内容类型和用户喜好相关，所述多个特征维度分别具有影响内容推荐界面中内容的展示顺序的展示权重，所述交互控件用于对所述展示权重进行权重影响程度调整；

响应于基于所述交互控件对所述展示权重的权重调整操作，对所述多个特征维度的展示权重进行更新；

根据更新后的所述展示权重，重新排列所述内容推荐界面中内容的展示位置。

另一方面，本申请实施例提供了一种待推荐内容确定方法，所述方法包括：

将对所述内容平台的用户分为多个用户集合，所述多个用户集合包括第一集合和第二集合；

采用第一算法模型确定所述第一集合中用户分别对应的第一待推荐内容，以及采用第二算法模型确定所述第二集合中用户分别对应的第二待推荐内容，所述第一算法模型与所述第二算法模型分别对应不同的内容推荐算法；

获取所述第一集合中用户针对所述第一待推荐内容返回的第一用户交互信息，以及所述第二集合中用户针对所述第二待推荐内容返回的第二用户交互信息；

根据所述第一用户交互信息和第二用户交互信息调整所述第一算法模型和所述第二算法模型分别对应的训练数据获取方式；

根据所述训练数据获取方式获取的训练样本对所述第一算法模型和所述第二算法模型进行迭代训练。

另一方面，本申请实施例提供了一种内容推荐装置，所述装置包括生成单元、更新单元和重排单元：

所述生成单元，用于在通过内容平台展示所述内容推荐界面时，基于多个特征维度分别生成对应的交互控件，所述多个特征维度与所述内容平台所提供的内容类型和用户喜好相关，所述多个特征维度分别具有影响内容推荐界面中内容的展示顺序的展示权重，所述交互控件用于对所述展示权重进行权重影响程度调整；

所述更新单元，用于响应于基于所述交互控件对所述展示权重的权重调整操作，对所述多个特征维度的展示权重进行更新；

所述重排单元，用于根据更新后的所述展示权重，重新排列所述内容推荐界面中内容的展示位置。

另一方面，本申请实施例提供了一种待推荐内容确定装置，所述装置包括划分单元、确定单元、获取单元、调整单元和训练单元：

所述划分单元，用于将对所述内容平台的用户分为多个用户集合，所述多个用户集合包括第一集合和第二集合；

所述确定单元，用于采用第一算法模型确定所述第一集合中用户分别对应的第一待推荐内容，以及采用第二算法模型确定所述第二集合中用户分别对应的第二待推荐内容，所述第一算法模型与所述第二算法模型分别对应不同的内容推荐算法；

所述获取单元，用于获取所述第一集合中用户针对所述第一待推荐内容返回的第一用户交互信息，以及所述第二集合中用户针对所述第二待推荐内容返回的第二用户交互信息；

所述调整单元，用于根据所述第一用户交互信息和第二用户交互信息调整所述第一算法模型和所述第二算法模型分别对应的训练数据获取方式；

所述训练单元，用于根据所述训练数据获取方式获取的训练样本对所述第一算法模型和所述第二算法模型进行迭代训练。

又一方面，本申请实施例提供了一种计算机设备，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行上述方面中所述的内容推荐方法，或者待推荐内容确定方法。

又一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行上述方面中所述的内容推荐方法，或者待推荐内容确定方法。

由上述技术方案可以看出，在通过内容平台展示所述内容推荐界面时，基于多个特征维度分别生成对应的交互控件，由于该多个特征维度与该内容平台所提供的内容类型和用户喜好相关，可以分别配置具有影响内容推荐界面中内容的展示顺序的展示权重，用于进行权重影响程度调整。用户可以基于自己当前的喜好，通过对交互控件的权重调整操作精细化的调整该多个特征维度分别对内容展示的权重影响，从而将权重影响调整到符合当前喜好。由此，响应于权重调整操作，对所述多个特征维度的展示权重进行更新后，更新后的展示权重与用户的当前喜好更为贴近，基于该展示权重对内容推荐界面中展示的内容进行重新排列后，优先展示的内容获得用户认可的可能性更高，降低了用户为了找到自己喜欢的内容所需花费的操作成本，提高了内容推荐效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种内容推荐场景的内容重排示意图；

图2为本申请实施例提供的一种内容推荐方法的方法流程图；

图3为本申请实施例提供的一种待推荐内容确定方法的方法流程图；

图4为本申请实施例提供的一种内容推荐系统的系统示意图；

图5为本申请实施例提供的一种日志数据收集示意图；

图6为本申请实施例提供的一种内容推荐场景下的用户交互界面示意图；

图7为本申请实施例提供的一种内容推荐装置的装置结构图；

图8为本申请实施例提供的一种待推荐内容确定装置的装置结构图；

图9为本申请实施例提供的一种终端设备的结构图；

图10为本申请实施例提供的一种服务器的结构图。

具体实施方式

下面结合附图，对本申请的实施例进行描述。

由于相关技术中，内容推荐服务为用户所推荐的内容经常不符合用户需求，导致用户为了找到自己喜欢的内容需要花费较高的操作成本，反而增加了内容平台与用户间的交互次数。

为此，本申请实施例提供了一种内容推荐方法，降低了用户为了找到自己喜欢的内容所需花费的操作成本，提高了内容推荐效率。

该内容推荐方法可以通过具有交互功能的终端设备执行，例如，该终端设备可以为智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、车载终端、智能电视等。

如图1所示，终端设备100具有终端展示区域200，例如可以是终端设备100的主屏幕。用户在通过终端设备100打开内容平台后，终端设备100可以在满足内容推荐条件时获取到待推荐内容，并通过内容平台的内容推荐界面在终端展示区域200对待推荐内容进行展示。

首次展示待推荐内容时，可以基于默认的或者预先设置的排序规则进行排序，例如图1中201所示出的展示情况，内容推荐界面的优先展示位置展示了游戏A、游戏B、游戏C和游戏D。

除了在终端展示区域200中通过内容推荐界面展示待推荐内容外，还可以生成针对多个特征维度的交互控件。该多个特征维度与内容平台的内容类型，以及与用户喜好相关，例如当内容平台为游戏平台时，该多个特征维度可以包括“价格”、“评分”、“时间”和“热度”。在图1示出的场景中，交互控件与前述四个特征维度是一一对应的展示在终端展示区域200中。每个交互控件所示出的滑动区域和滑动块体现出该交互控件所对应的特征维度的展示权重可调整的范围和目前的展示权重。

用户通过拖动交互控件中的滑块来实现对该交互控件所对应特征维度的权重调整操作。例如在图1示出的场景中，向右拖动滑块可以提高所对应特征维度的展示权重，即提高特征维度在确定内容展示位置的影响。向左拖动滑块可以降低所对应特征维度的展示权重，即降低特征维度在确定内容展示位置的影响。

终端设备100的用户可以根据自己的当前喜好，对交互控件进行权重调整操作，精细化的调整该多个特征维度分别对内容展示的权重影响。例如增加“价格”这一特征维度在确定内容展示位置的影响，降低“时间”这一特征维度在确定内容展示位置的影响。终端设备响应于该权重调整操作，对这四个特征维度的展示权重进行更新，得到符合用户当前喜好的展示权重，基于更新后的展示权重重新排列内容推荐界面中内容的展示位置，例如图1中202所示出的展示情况，内容推荐界面的优先展示位置展示了游戏E、游戏G、游戏A和游戏C。

由此，可能更符合用户当前喜好的游戏E和游戏G在重新排列后直接排列到了优先展示位置，内容展示界面所展示的内容相对于重新排列前对用户的吸引力更大，更容易获取到用户对待推荐内容的交互行为例如对游戏E的点击、购买等。而且，降低了用户从内容推荐界面中找到自己当前喜欢的内容的操作成本，提高了内容推荐效率。

需要说明的是，本申请实施例中所涉及的用户交互信息、用户画像、用户的交互行为等均是基于用户授权、许可或者用户知情、可感知的前提下获取、生成的。

图2为本申请实施例提供的一种内容推荐方法的方法流程图，本方法可以通过前述的终端设备实施，所述方法包括：

S201：在通过内容平台展示所述内容推荐界面时，基于多个特征维度分别生成对应的交互控件。

在本申请实施例中，内容平台可以是提供各类内容的服务型平台，用户可以通过内容平台享受获取内容，使用内容的服务。内容的类型在本申请中不做限定，例如可以是视频、音频、游戏、直播、网络购物等各类内容。也就是说，本申请实施例所提供的方案可以适用于提供不同类型内容的内容平台，也可以适用于提供多类内容的综合性内容平台。

基于内容平台所提供内容的内容类型，可以确定出符合内容类型的通用性或针对性的特征维度。

不同的内容类型可以确定出不同的特征维度，也可能确定出部分相同或全部相同的特征维度。针对内容类型为直播，确定出的特征维度包括粉丝数量、主播年龄和热度等。例如针对内容类型为游戏，确定的多个特征维度可以包括游戏价格、游戏上线时间、游戏评分、游戏热度，或者还可以包括预设的维度组合，比如性价比、经典、小众、口碑、新作、热门等。

从这些符合内容类型的特征维度中筛选出与用户喜好相关的作为生成交互控件的特征维度。

与用户喜好相关可以理解为特征维度能够体现出用户的喜好，例如上述“价格”、“评分”、“时间”和“热度”均能够从自身维度的数值体现用户喜好，例如价格高低、发布时间早晚等。

由于确定出的多个特征维度不仅能够标识内容平台的内容，也与用户喜好相关，故可以为该多个特征维度配置影响内容推荐界面中内容的展示顺便的展示权重，该展示权重用于体现在确定内容展示界面中内容展示位置时，对位置前后的影响程度，特征维度与展示权重一一对应，展示权重的大小体现了对确定内容展示位置的权重影响程度。

例如当一个特征维度的展示权重被调高时，具有该特征维度的特征数值较好的内容将会被分配到相对未调高前更优先的展示位置，比如将“价格”这一特征维度的展示权重调高时，内容推荐界面中的一个低价格内容的展示位置有可能会因此从原本的第十位提升到第五位。

需要注意的是，通过交互控件能够对多个特征维度分别对应的展示权重进行权重影响程度调整。例如前述“价格”、“评分”、“时间”和“热度”四个特征维度的展示权重均为25％，终端设备通过响应于用户对交互控件的操作，可以将这四个特征维度的展示权重调整为10％、20％、25％、45％。

由于用户喜好一般较为复杂，很难从一个特征维度去衡量，而通过交互控件对不同特征维度在权重影响程度上的调整，这种影响程度级别的调整使得该多个特征维度对展示位置的影响能够被更为精细化的体现，从而用户可以基于当前喜好，通过交互控件完成对一个或多个特征维度的权重影响程度微调，实现通过不同展示权重的组合来匹配不同的用户喜好的作用。

为多个特征维度分别生成对应的交互控件的一个原因还在于内容推荐界面中展示的内容一般与用户的历史行为数据相关，并不能完全体现该用户当前的实际喜好，因此在展示内容推荐界面时提供交互入口来让用户确定自身实际喜好是十分必要的。

需要说明的是，交互控件可以与多个特征维度一一对应，也可以通过一个或少于特征维度的数量的交互控件实现对多个特征维度权重影响程度调整。本申请在此不做限定。

本申请实施例也不限定交互控件的展示形式，可以是如图1所示的形式，也可以是其他能够实现权重影响程度调整功能的各类控件形式。

本申请不对内容推荐界面中内容的展示形式进行限定，例如可以是瀑布流的展示形式，也可以是横向、纵向平铺的展示形式、分页展示形式等。不论哪一种展示形式，内容推荐界面中用于展示内容的展示位置都有先后关系，例如可以直接在内容推荐界面中查到的优先展示位置。

S202：响应于基于所述交互控件对所述展示权重的权重调整操作，对所述多个特征维度的展示权重进行更新。

展示的交互控件具有与终端设备的用户进行交互的功能，用户通过操控交互控件生成基于对交互控件的权重调整操作。

用户通过终端设备对交互控件的权重调整操作，将该多个特征维度对内容推荐界面中内容的展示位置影响程度调整到符合自己当前喜好的比例关系。

终端设备响应于权重调整操作对多个特征维度的展示权重进行更新，更新后的展示权重将更贴合做出该权重调整操作的用户的当前喜好。

对展示权重进行更新的时机可以是在有交互控件被进行了权重调整操作时，也可以是在用户完成全部权重调整操作后触发的，例如用户对不同的交互控件分别进行权重调整操作后点击“确定”控件时。

在一种可能的实现方式中，S202包括：

S2021：响应于基于所述交互控件对所述展示权重的权重调整操作，确定在所述权重调整操作后所述多个特征维度分别对应的权重调整比例。

S2022：根据所述权重调整比例重新计算所述多个特征维度分别对应的展示权重。

需要注意的是，多个特征维度由于都对内容推荐界面中内容的展示位置具有影响，故在调整一个特征维度的权重影响程度时，也会相应的影响到其他特征维度的权重影响程度。故此不论是否多个特征维度均被进行了权重调整操作，也需要在更新的时候综合考虑本次权重调整操作对多个特征维度的展示权重的影响。

S203：根据更新后的所述展示权重，重新排列所述内容推荐界面中内容的展示位置。

通过上面的交互过程，用户可以实时的根据自己的偏好进行推荐序列重排。例如，每个特征维度下的排序会产生新的待推荐内容的排列顺序，顺序产生展示位置的名次，多个特征维度的组合就是名次的均值，再按照均值重排一次，就得到了基于多个特征维度的待推荐内容的展示位置排列。

在终端设备为目标用户的终端设备时，在一种可能的实现方式中，所述方法还包括：

S11：生成针对目标用户的内容推荐请求。

S12：获取根据所述目标用户的用户画像确定的待推荐内容，所述用户画像是基于所述目标用户在所述内容平台的交互行为实时更新的。

S13：在所述内容展示界面中展示所述待推荐内容。

本申请实施例不限定内容推荐请求的生成时机，例如可以是在目标用户打开内容平台时生成的，也可以是在基于用户交互行为满足推荐条件时生成内容推荐请求，该推荐条件例如可以是用户打开内容平台的时长达到预设时长，用户打开了内容平台的特定页面等。

基于向内容平台对应的服务器发送该内容推荐请求，可以获取根据目标用户的用户画像确定的待推荐内容，这些待推荐内容用于在内容推荐界面中进行展示。

在本申请实施例中，用于刻画用户喜好特点的用户画像是实时更新的，即内容平台可以基于用户在内容平台做出的用户交互行为，甚至是在其他与内容平台相关的应用、平台做出的用户交互行为进行实时更新。

由于本申请对于待推荐内容在内容推荐界面中做出的是重新排列，即是将待推荐内容中符合用户当前喜好的待推荐内容尽量排列到优先展示位置，而不是重新确定内容推荐界面中的待推荐内容。故确定出合理的待推荐内容能够有效的提高重新排列待推荐内容所能带来的效果。

通过实时更新用户画像，使得用户画像尽可能的接近目标用户的当前喜好，从而在基于用户画像确定待推荐内容时，所确定的待推荐内容更符合用户的喜好，或者说能够包括符合用户当前喜好的待推荐内容，属于高质量的待推荐内容。从而在获取的待推荐内容质量较好的情况下，有效缩小了目标用户的选择范围，且通过本申请实施例提供的基于交互控件重排内容推荐界面中内容时，可以起到更好的推荐效果。

在明确了本申请实施例提供的内容推荐方法后，接下来说明本申请实施例提供的一种待推荐内容确定方法。

本申请实施例提供的待推荐内容确定方法可以通过服务器执行，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。

图3为本申请实施例提供的一种内容推荐方法的方法流程图，所述方法包括：

S301：将对所述内容平台的用户分为多个用户集合。

为了提高内容平台的内容推荐精度，在本申请实施例中，内容平台并行的采用了多种内容推荐算法为平台的用户提供内容推荐服务，不同的内容推荐算法通过对应算法模型来实现确定用户对应的待推荐内容。内容推荐算法例如可以包括交替最小二乘(alternatingleastsquares，ALS)协同推荐算法，因子分解机(FactorMachine，FM)算法等。FM算法可以选择广泛的用户属性和物品属性作为输入，ALS协同推荐算法可以使用更长历史范围的数据和更广泛的曝光点击数据作为输入，且计算性能较好。

其中，内容推荐算法为输入用户的用户画像，输出一个推荐序列，这个推荐序列包括根据用户画像确定的多个待推荐内容，例如待推荐内容为游戏时，推荐序列中可以通过多个游戏分别对应的游戏标识。而用户画像指的是用户的在内容平台的使用记录以及内容平台下的内容使用记录经过一系列的汇总统计后形成的记录。内容平台的每个用户对应于一条记录，每条记录下会有很多的字段，这些字段综合起来整体描述了用户在内容平台的行为特征。

由于针对一个用户的一次内容推荐只需使用一种内容推荐算法，故可以先对内容平台的用户进行用户集合的划分，以便基于用户集合来分配对应的内容推荐算法。一个用户集合中包括内容平台的多个用户，不同的用户集合中用户总数可以相同也可以不同。

由于划分用户集合的目的是为了分配不同的内容推荐算法，故在一种可能的实现方式中，所述多个用户集合的集合数量是根据所述内容平台所使用内容推荐算法的数量确定的。例如用户集合的集合数量可以等于内容平台所采用内容推荐算法的数量，也可以大于内容平台所采用内容推荐算法的数量。

为了便于说明，在本实施例中以多个用户集合中的任意两个用户集合为例进行说明，该任意两个用户集合记为第一集合和第二集合。将为第一集合中用户进行待推荐内容确定的内容推荐算法记为第一推荐算法，将为第二集合中用户进行待推荐内容确定的内容推荐算法记为第二推荐算法。

其中，所述第一推荐算法和所述第二推荐算法为内容平台所采用的多个内容推荐算法中的任意两个不同的内容推荐算法。相应的，实施第一推荐算法的算法模型记为第一算法模型，实施第二推荐算法的算法模型记为第二算法模型。

为不同用户集合分配不同的内容推荐算法，其目的是为了希望基于在内容推荐服务时用户对所推荐内容返回的用户交互信息来快速确定不同推荐算法的问题，以此进行算法调优，并且可以通过不同内容推荐算法分别对应的用户交互信息进行内容推荐算法间的优劣比对，从而通过ABtest确定出适用于内容平台的内容推荐算法。

通过举例说明ABtest的原理，例如为同一个产品目标制定两个方案(比如两个页面一个用红色的按钮、另一个用蓝色的按钮)，让一部分用户使用A方案，另一部分用户使用B方案，然后通过日志记录用户的使用情况，并通过结构化的日志数据分析相关指标，如点击率、转化率等，从而得出那个方案更符合预期设计目标，并最终将全部流量切换至符合目标的方案。

而若用户集合中的用户过于同质化，基于待推荐内容返回的用户交互信息可能会过于雷同，而不够丰富、全面，从而影响到ABtest对内容推荐算法的算法优化和内容平台主要算法的确定。为此，在一种可能的实现方式中，针对S301，包括：

根据所述内容平台的用户账号标识确定用于分组的标识数值；

根据所述标识数值将对所述内容平台的用户分为所述多个用户集合。

也就是说，对于内容推荐场景来说，推荐算法的ABtest可以是对用户的用户账号进行取模操作，根据余数进行用户集合的划分，从而完成内容推荐算法的分配。

由于内容平台中用户的用户账号标识一般都是由内容平台随机分配的，其中的标识数值与用户自身特点间不具有特定的关联关系，故可以以此进行用户集合的划分，使得每个用户集合中用户在不同维度(例如年龄、性别、爱好等)占比较为均匀，有助于后续推荐算法的ABtest。

S302：采用第一算法模型确定所述第一集合中用户分别对应的第一待推荐内容，以及采用第二算法模型确定所述第二集合中用户分别对应的第二待推荐内容。

如前所述，在为第一集合中用户进行内容推荐服务时，采用第一算法模型来确定分别对应不同用户的第一待推荐内容，在为第二集合中用户进行内容推荐服务时，采用第二算法模型来确定分别对应不同用户的第二待推荐内容。

需要说明的是，对不同的用户所确定的待推荐内容可以有所区别，也可以相同。即第一集合中用户获取的是分别对应自身的第一待推荐内容，第二集合中用户获取的是分别对应自身的第二待推荐内容。

S303：获取所述第一集合中用户针对所述第一待推荐内容返回的第一用户交互信息，以及所述第二集合中用户针对所述第二待推荐内容返回的第二用户交互信息。

用户交互信息用于标识查看到内容推荐界面的用户对内容推荐界面做出的用户行为，该用户行为能够体现出内容推荐服务对用户带来的作用，从一定层面上与内容推荐服务的质量和效率具有关联关系。

用户交互信息例如可以包括对内容推荐界面中待推荐内容的点击次数、查看内容推荐界面的时长、对内容推荐界面的重排方式、次数等。

由于在为第一集合和第二集合进行待推荐内容的确定时采用了不同的内容推荐算法，那么基于第一待推荐内容返回的第一用户交互信息能够体现出第一推荐算法在内容平台中的推荐效果，基于第二推荐内容返回的第二用户交互信息能够体现出第二推荐算法在内容平台中的推荐效果。

S304：根据所述第一用户交互信息和第二用户交互信息调整所述第一算法模型和所述第二算法模型分别对应的训练数据获取方式。

S305：根据所述训练数据获取方式获取的训练样本对所述第一算法模型和所述第二算法模型进行迭代训练。

调整训练数据获取方式的目的是为了更好的对第一算法模型和第二算法模型进行算法优化迭代。

每次算法优化迭代，需要先分析ABtest数据，然后调整数据输入广度和深度，进行模型训练，训练过程会将数据分成训练集和验证集，只有验证集的准确性超过一定标准才能记为完成一次迭代训练，从而将迭代训练后的第一算法模型和第二算法模型更新到线上进行使用，而这个标准一般会选择一个较低的标注，例如可以基于通用的推荐方式来进行确定，比如热门推荐。也会设定最低标准，最低标准一般是随机推荐算法。

故为了提高在下一次迭代训练中训练样本的质量，以便对内容推荐算法进行调优，在一种可能的实现方式中，针对S304，包括：

S3041：根据所述第一用户交互信息与所述第一算法模型所对应内容推荐算法的质量预置条件间的差异，调整所述第一算法模型对应的训练数据获取方式。

S3042：根据所述第二用户交互信息与所述第二算法模型所对应内容推荐算法的质量预置条件间的差异，调整所述第二算法模型对应的训练数据获取方式。

S3041和S3042的没有特定的执行先后顺序，均是针对算法模型的训练数据获取方式的调整。其中第一算法模型所对应内容推荐算法的质量预置条件和第二算法模型所对应内容推荐算法的质量预置条件可以相同，也可以根据不同内容推荐算法的特定设置为不同的质量预置条件。

通过及时反馈的第一用户交互信息和第二用户交互信息，可以体现出本次第一算法模型和第二算法模型实际达成的内容推荐效果，由此可以根据第一用户交互信息和第二用户交互信息分别与各自对应的质量预置条件的差异，快速的、有针对性的调整下一次迭代训练所采用训练数据的获取方式，从而能够基于实际内容推荐效果来调整算法模型的模型参数。

其中，调整所述训练数据获取方式包括调整训练数据所涉及的特征维数和/或训练数据所涉及的范围。

第一算法模型的训练数据获取方式和第二算法模型的训练数据获取方式的调整方式可以相同，也可以不同，本申请不做限定。

调整方式可以包括调整训练数据所涉及的特征维度，也可以调整训练数据所涉及的范围，也可以既调整特征维度也调整范围。

训练数据可以包括与用户相关的数据(后简称用户数据)，以及与内容平台的内容或其他同类型内容相关的数据(后简称内容数据)。用户数据可以用于描述用户的用户画像，例如喜好、习惯、身份等，内容数据可以用于描述内容的属性，例如内容类型、曝光度等。

训练数据涉及的特征维度是用于描述用户和内容的维度，例如性别、年龄、内容属性、内容类型等。对特征维度的调整可以包括增加新的特征维度、减少原有的特征维度、更改原有的特征维度等。

训练数据涉及的范围标识了从多大的范围内获取训练数据，例如与内容平台的某一类内容相关的范围、整个内容平台、跨多个平台等。对范围的调整可以包括增加获取训练数据的范围，减少获取训练数据的范围。

从而通过调整获取练数据所涉及的特征维数和/或训练数据所涉及的范围，相当于调整了训练数据的深度和广度。基于调整后的训练数据获取方式所获取的训练数据，在深度和广度上均可能与上一次迭代训练时的训练数据有所区别，从而能够达到在训练迭代后，提高第一算法模型和第二算法模型的内容推荐效率。

获取的训练数据可以保存在数据仓库系统中，对算法模型的训练迭代所使用的模型训练系统(例如spark系统)可以将训练数据直接从数据仓库系统中读出，缓存到spark系统中，然后使用spark系统进行训练数据的切割，分成数据训练集，数据验证集，数据测试集，这个过程对于算法模型的迭代训练至关重要，因此如果不能将模型训练系统和数据仓库系统打通，那么中间会增加一步训练集文件的制作，这对于迭代速度会有重要影响，因为，第一，训练数据的分割过程需要单独处理，第二，模型训练系统读取海量训练数据的效率很低，导致训练速度变慢。从而通过打通模型训练系统和数据仓库系统的方式提高了算法模型的迭代训练效率。

得到了可以输入到模型训练系统的训练数据后，服务器可以分别采用FM算法，ALS算法等内容推荐算法进行模型准确度的训练，整个训练过程主要是参数调优，调优过程是通过循环迭代参数区间的组合来完成的，这个过程也是集成在模型训练系统中的，最终通过比较参数组合的模型评估准确值来确定最终的参数组合。

除了可以基于用户交互信息与质量预置条件调整训练数据获取方式，本申请实施例还提供了根据用户交互信息与质量预置条件间的差异调整不同内容推荐算法所分配的用户数量。接下来以第一集合、第二集合以及第一算法模型和第二算法模型为例进行说明。

在一种可能的实现方式中，根据所述第一用户交互信息与所述第一算法模型所对应内容推荐算法的质量预置条件间的差异，以及所述第二用户交互信息与所述第二算法模型所对应内容推荐算法的质量预置条件间的差异，对所述第一集合和所述第二集合中的用户数量进行调整。

通过第一用户交互信息与所述第一算法模型所对应内容推荐算法的质量预置条件间的差异，以及第二用户交互信息与所述第二算法模型所对应内容推荐算法的质量预置条件间的差异，可以确定第一算法模型对应的第一推荐算法和第二算法模型对应的第二推荐算法相对于内容平台的适用程度，例如基于差异可以确定第一推荐算法得到的内容推荐效果优于第二推荐算法得到的内容推荐效果。

在此基础上，除了可以如前所述调整每次迭代训练的训练数据获取方式，还可以有针对性的调整内容平台中第一推荐算法和第二推荐算法所对应的用户数量。

例如针对第一推荐算法和第二推荐算法，第一推荐算法的内容推荐效果相对较优，第二推荐算法的内容推荐效果相对较差。可以通过增加第一集合中用户的数量，来提高第一推荐算法所对应的用户数量，可以通过降低第二集合中用户的数量，来降低第二推荐算法所对应的用户数量。

在完成S305的迭代训练后，可以继续通过第一推荐算法和第二推荐算法为第一集合和第二集合中的用户继续进行内容推荐服务，需要说明的是，此时第一集合和第二集合中用户的数量可以与迭代训练前相同，也可以是前述调整后的用户数量，本申请对此不做限定。

在一种可能的实现方式中，采用所述迭代训练后的第一算法模型确定所述第一集合中用户分别对应的第三待推荐内容；

采用所述迭代训练后的第二算法模型确定所述第二集合中用户分别对应的第四待推荐内容。

之后还可以根据基于第三待推荐内容和第四待推荐内容分别返回的用户交互信息继续进行迭代训练。

可选的，由于用户交互信息是通过用户对内容推荐界面中展示的待推荐内容进行交互生成的，例如点击。故从第一用户交互信息可以体现出第一集合的用户分别对第一待推荐内容的喜好，从第二用户交互信息可以体现出第二集合的用户分别对第一待推荐内容的喜好。

在一种可能的实现方式中，所述方法还包括：

根据所述第一用户交互信息更新所述第一集合中用户的用户画像；根据所述第二用户交互信息更新所述第二集合中用户的用户画像。

也就是说，本申请可以基于用户交互信息快速更新第一集合和第二集合中用户的用户画像，使得用户画像能够尽可能的贴合用户的当前喜好，由此根据此用户画像能够确定出更优的待推荐内容，有效帮助用户缩小的选择范围。

图4为本申请实施例提供的一种内容推荐系统的系统示意图，该系统中包括了推荐引擎和算法模块。示例性的，推荐引擎可以部署在前述终端设备，算法模型可以部署在前述服务器。

算法模块用于通过获取的用户画像、物料池的内容数据等训练得到算法模型，并可以对算法模型进行后续的迭代训练。算法模型可以通过调用远程字典服务器(redisserver)、参数服务器(parameterserver)和火花服务器(spark server)实现上述功能。

推荐引擎用于调用算法模块提供的算法模型进行待推荐内容的召回、排序，并返回给用户。推荐引擎可以通过调用推荐访问服务器(recommendaccess server)实现上述功能。

算法模块打通数据仓库，例如分布式数据仓库(TDW)，通过特征抽取功能将数据仓库中实时更新的用户画像，以及物料池中的内容数据(物料特征)缓存到sparkserver的本地存储中，通过特征工程、行为数据处理、样本处理后，进行快速的模型训练。将训练好的算法模型(例如前述的第一算法模型和第二算法模型)同步给预测服务。

用户画像可以通过从内容平台采集到的用户各类信息确定得到，例如包括如下指标数据(以内容平台为游戏平台为例)：

1.用户登录内容平台的终端设备的软硬件配置，比如操作系统，cpu，gpu等配置信息；

2.用户首次注册的游戏的类别以及注册时间；

3.用户游戏时长最长的游戏的类别以及时长信息；

4.用户消费最高的游戏的类别以及消费信息；

5.用户点击次数最高的游戏的类别以及点击信息。

预测服务通过同步的算法模型，在通过推荐引擎获取针对目标用户的推荐需求时，从特征抽取获取到目标用户的用户画像(也是实时更新的用户画像)和目标用户所在内容平台的内容数据进行待推荐内容的确定、召回。确定出目标用户的待推荐内容后，可以将待推荐内容提供给推荐引擎。

算法模型训练过程完毕后，会进行算法模型的预测阶段，预测阶段将所有目标用户在所有目标内容(item)上的点击概率进行预测，预测结果不能直接展示给用户，需要暂存到redis系统中，这个过程会在模型训练系统中完成，每次模型预测阶段完毕，直接开启推荐序列的转换，转换的原因在于记录格式的不同，预测阶段输出的格式是每用户每item的点击概率，是多条记录，提供给推荐服务的格式是每用户一条记录，记录内容为推荐序列，因此，转换需要对概率进行排序，然后，获取top50的item_id作为推荐序列进行下发。对每用户每item的点击概率进行排序是海量数据计算，需要进行优化，不然耗时会非常长，这里采用的排序方式是堆排序，因为推荐序列只需要用到top50。

推荐引擎能够实现对推荐请求的请求解析、ABtest、以及对待推荐内容的索引、召回、精排、重排序等功能。推荐引擎可以基于用户的权重调整操作以及用户画像，实时确定对待推荐内容的重排结果，并展示给用户。

为了实现算法的ABtest，以及推荐序列的业务重排需求，需要在redis推荐序列存储和前端请求之间再建立一套服务，用于根据用户的尾号进行不同的算法推介序列下发，并且可以根据业务重排需求，读取其他的推荐序列进行权重组合，推荐序列重排。因为业务场景不同，因此，又会建立一个配置系统，会在不同的业务场景下配置不同算法的号码段展示规则，最终形成不同场景下不同算法的可业务重排的推荐序列下发服务。

前端发起对推荐服务的访问请求，获得推荐序列(待推荐内容)后，再获取推荐序列里每个内容标识例如游戏id的维度信息，然后默认展示推荐序列即可。

图4中的用户操作可以包括触发内容推荐的操作，以及对所展示的待推荐内容的交互操作。通过触发内容推荐的操作可以生成访问请求，获取到推荐引擎返回的作为返回结果的待推荐内容。针对各种类型的用户操作都会作为日志进行日志收集，例如可以通过移动网络传输保障技术(Tqos)进行日志收集。

也就是说，推荐序列在展示给用户和被用户点击后，会形成推荐序列的曝光和点击数据，这些数据会通过前端的数据采集以及数据上报系统上报到实时的日志收集系统，实时的日志采集系统会实时的刷新日志，这些实时日志被实时的数据流处理系统获取到，通过建立实时数据流处理过程，建立起实时的报表收集系统，实时的报表收集系统中的日志数据可以每隔5分钟反应当前各个算法的点击率。

例如图5所示，内容平台可以向实时的日志收集系统上报前述的日志数据，日志收集系统通过对日志数据进行数据预处理、数据清洗和数据汇总转换，得到针对第一推荐算法(例如FM算法)和第二推荐算法(例如ALS协同推荐算法)分别对应的第一用户交互信息和第二用户交互信息。

收集的日志数据可以提供给报表系统用于后续处理，可以用于实施计算用户画像或更新到数据仓库中。

需要注意的是，图4示出的整个系统中的数据流动可以基于用户行为触发，也可以通过定时服务来触发，针对算法模型的模型训练来说，可以定时触发模型的训练和预测过程，不过还依赖用户画像的实时更新过程，需要在针对用户画像计算的定时任务完毕后，才能启动针对算法模型的模型迭代训练和新一轮的预测。

在上述实施例的基础上，通过具体的交互场景进一步进行说明。

目标用户通过自己的终端设备提供用户的账号信息，成功登录了作为内容平台的游戏平台。登录后，触发了推荐请求而调用推荐接入服务，通过推荐接入服务获取后端服务器基于目标用户的用户画像和游戏平台的内容所确定的待推荐游戏，按照包括待推荐游戏的推荐序列进行默认顺序(例如推荐算法给出的顺序)的内容推荐界面的展示，此时内容推荐界面可以如图6所示的用户交互界面(横屏显示场景下)。

目标用户可以基于当前自身的喜好，通过内容推荐界面中展示的交互控件(价格、评分、时间、热度)进行展示权重的调整，然后终端设备可以根据调整后的各特征维度的组合对待推荐游戏进行重新排序展示。从而实现了基于用户对交互控件的调整而动态改变内容推荐界面中优先展示的待推荐游戏。

目标用户还可以选择预设的特征维度组合，例如图6示出界面左上角显示的“性价比”、“口碑”、“小众”、“经典”等，由于这些特征维度组合是游戏平台的用户群体中比较流行的游戏选择核心归纳点，可以免去目标用户对交互控件的细化调整，提高了调整效率。

当目标用户对目前优先展示的待推荐游戏具有兴趣时，可以选择点击该游戏例如图6示出的游戏B，终端设备会将目标用户点击了游戏B的交互行为作为用户交互信息进行上报，上报的内容可以包括游戏B的游戏标识、曝光次数、点击次数、目标用户的标识、确定出游戏B所使用的推荐算法等，这些内容可以形成ABtest数据，用于后续对推荐算法的迭代训练、用户群体更新。

图7为本申请实施例提供的一种内容推荐装置的装置结构图，所述内容推荐装置700包括生成单元701、更新单元702和重排单元703：

所述生成单元701，用于在通过内容平台展示所述内容推荐界面时，基于多个特征维度分别生成对应的交互控件，所述多个特征维度与所述内容平台所提供的内容类型和用户喜好相关，所述多个特征维度分别具有影响内容推荐界面中内容的展示顺序的展示权重，所述交互控件用于对所述展示权重进行权重影响程度调整；

所述更新单元702，用于响应于基于所述交互控件对所述展示权重的权重调整操作，对所述多个特征维度的展示权重进行更新；

所述重排单元703，用于根据更新后的所述展示权重，重新排列所述内容推荐界面中内容的展示位置。

在一种可能的实现方式中，所述更新单元还用于：

响应于基于所述交互控件对所述展示权重的权重调整操作，确定在所述权重调整操作后所述多个特征维度分别对应的权重调整比例；

根据所述权重调整比例重新计算所述多个特征维度分别对应的展示权重。

在一种可能的实现方式中，所述装置还包括获取单元和展示单元：

所述生成单元还用于生成针对目标用户的内容推荐请求；

所述获取单元，用于获取根据所述目标用户的用户画像确定的待推荐内容，所述用户画像是基于所述目标用户在所述内容平台的交互行为实时更新的；

所述展示单元，用于在所述内容展示界面中展示所述待推荐内容。

如上可见，在通过内容平台展示所述内容推荐界面时，基于多个特征维度分别生成对应的交互控件，由于该多个特征维度与该内容平台所提供的内容类型和用户喜好相关，可以分别配置具有影响内容推荐界面中内容的展示顺序的展示权重，用于进行权重影响程度调整。用户可以基于自己当前的喜好，通过对交互控件的权重调整操作精细化的调整该多个特征维度分别对内容展示的权重影响，从而将权重影响调整到符合当前喜好。由此，响应于权重调整操作，对所述多个特征维度的展示权重进行更新后，更新后的展示权重与用户的当前喜好更为贴近，基于该展示权重对内容推荐界面中展示的内容进行重新排列后，优先展示的内容获得用户认可的可能性更高，降低了用户为了找到自己喜欢的内容所需花费的操作成本，提高了内容推荐效率。

图8为本申请实施例提供的一种待推荐内容确定装置的装置结构图，所述待推荐内容确定装置800包括划分单元801、确定单元802、获取单元803、调整单元804和训练单元805：

所述划分单元801，用于将对所述内容平台的用户分为多个用户集合，所述多个用户集合包括第一集合和第二集合；

所述确定单元802，用于采用第一算法模型确定所述第一集合中用户分别对应的第一待推荐内容，以及采用第二算法模型确定所述第二集合中用户分别对应的第二待推荐内容，所述第一算法模型与所述第二算法模型分别对应不同的内容推荐算法；

所述获取单元803，用于获取所述第一集合中用户针对所述第一待推荐内容返回的第一用户交互信息，以及所述第二集合中用户针对所述第二待推荐内容返回的第二用户交互信息；

所述调整单元804，用于根据所述第一用户交互信息和第二用户交互信息调整所述第一算法模型和所述第二算法模型分别对应的训练数据获取方式；

所述训练单元805，用于根据所述训练数据获取方式获取的训练样本对所述第一算法模型和所述第二算法模型进行迭代训练。

在一种可能的实现方式中，所述调整单元还用于：

根据所述第一用户交互信息与所述第一算法模型所对应内容推荐算法的质量预置条件间的差异，调整所述第一算法模型对应的训练数据获取方式；

根据所述第二用户交互信息与所述第二算法模型所对应内容推荐算法的质量预置条件间的差异，调整所述第二算法模型对应的训练数据获取方式；

其中，调整所述训练数据获取方式包括调整训练数据所涉及的特征维数和/或训练数据所涉及的范围。

在一种可能的实现方式中，所述调整单元还用于：

根据所述第一用户交互信息与所述第一算法模型所对应内容推荐算法的质量预置条件间的差异，以及所述第二用户交互信息与所述第二算法模型所对应内容推荐算法的质量预置条件间的差异，对所述第一集合和所述第二集合中的用户数量进行调整。

在一种可能的实现方式中，所述划分单元还用于：

根据所述内容平台的用户账号标识确定用于分组的标识数值；

根据所述标识数值将对所述内容平台的用户分为所述多个用户集合。

在一种可能的实现方式中，所述多个用户集合的集合数量是根据所述内容平台所使用内容推荐算法的数量确定的。

在一种可能的实现方式中，所述更新单元还用于：

根据所述第一用户交互信息更新所述第一集合中用户的用户画像；

根据所述第二用户交互信息更新所述第二集合中用户的用户画像。

在一种可能的实现方式中，所述确定单元还用于：

采用所述迭代训练后的第一算法模型确定所述第一集合中用户分别对应的第三待推荐内容；

采用所述迭代训练后的第二算法模型确定所述第二集合中用户分别对应的第四待推荐内容。

如上可见，将对所述内容平台的用户分为包括第一集合和第二集合的多个用户集合，采用第一算法模型确定所述第一集合中用户分别对应的第一待推荐内容，以及采用第二算法模型确定所述第二集合中用户分别对应的第二待推荐内容。获取所述第一集合中用户针对所述第一待推荐内容返回的第一用户交互信息，以及所述第二集合中用户针对所述第二待推荐内容返回的第二用户交互信息，由于第一算法模型和第二算法模型对应的内容推荐算法不同，而用户交互信息用于标识查看到内容推荐界面的用户对内容推荐界面做出的用户行为，因此第一用户交互信息和第二用户交互信息能够体现出不同内容推荐算法对用户带来的作用，与内容推荐算法的质量和效率具有关联关系。故可以通过所述第一用户交互信息和第二用户交互信息调整所述第一算法模型和所述第二算法模型分别对应的训练数据获取方式，从而提高在下一次迭代训练中训练样本的质量，以便对内容推荐算法进行调优，最终得到更适用于内容平台的内容推荐算法。

本申请实施例还提供了一种终端设备，前述内容推荐装置可以配置在该终端设备中。下面结合附图对该终端设备进行介绍。请参见图9所示，以终端设备为手机为例：

图9示出的是与本申请实施例提供的终端设备相关的手机的部分结构的框图。参考图9，手机包括：射频(RadioFrequency，简称RF)电路1410、存储器1420、输入单元1430、显示单元1440、传感器1450、音频电路1460、无线保真(WirelessFidelity，简称WiFi)模块1470、处理器1480、以及电源1490等部件。本领域技术人员可以理解，图9中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图9对手机的各个构成部件进行具体的介绍：

RF电路1410可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器1480处理；另外，将设计上行的数据发送给基站。通常，RF电路1410包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(LowNoiseAmplifier，简称LNA)、双工器等。此外，RF电路1410还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GlobalSystemofMobilecommunication，简称GSM)、通用分组无线服务(GeneralPacketRadioService，简称GPRS)、码分多址(CodeDivisionMultiple Access，简称CDMA)、宽带码分多址(WidebandCodeDivisionMultipleAccess，简称WCDMA)、长期演进(LongTermEvolution，简称LTE)、电子邮件、短消息服务(ShortMessagingService，简称SMS)等。

存储器1420可用于存储软件程序以及模块，处理器1480通过运行存储在存储器1420的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器1420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器1420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

输入单元1430可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元1430可包括触控面板1431以及其他输入设备1432。触控面板1431，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1431上或在触控面板1431附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板1431可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1480，并能接收处理器1480发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1431。除了触控面板1431，输入单元1430还可以包括其他输入设备1432。具体地，其他输入设备1432可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元1440可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元1440可包括显示面板1441，可选的，可以采用液晶显示器(LiquidCrystalDisplay，简称LCD)、有机发光二极管(Organic Light-EmittingDiode，简称OLED)等形式来配置显示面板1441。进一步的，触控面板1431可覆盖显示面板1441，当触控面板1431检测到在其上或附近的触摸操作后，传送给处理器1480以确定触摸事件的类型，随后处理器1480根据触摸事件的类型在显示面板1441上提供相应的视觉输出。虽然在图9中，触控面板1431与显示面板1441是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板1431与显示面板1441集成而实现手机的输入和输出功能。

手机还可包括至少一种传感器1450，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1441的亮度，接近传感器可在手机移动到耳边时，关闭显示面板1441和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路1460、扬声器1461，传声器1462可提供用户与手机之间的音频接口。音频电路1460可将接收到的音频数据转换后的电信号，传输到扬声器1461，由扬声器1461转换为声音信号输出；另一方面，传声器1462将收集的声音信号转换为电信号，由音频电路1460接收后转换为音频数据，再将音频数据输出处理器1480处理后，经RF电路1410以发送给比如另一手机，或者将音频数据输出至存储器1420以便进一步处理。

WiFi属于短距离无线传输技术，手机通过WiFi模块1470可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图9示出了WiFi模块1470，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器1480是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器1420内的软件程序和/或模块，以及调用存储在存储器1420内的数据，执行手机的各种功能和处理数据。可选的，处理器1480可包括一个或多个处理单元；优选的，处理器1480可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1480中。

手机还包括给各个部件供电的电源1490(比如电池)，优选的，电源可以通过电源管理系统与处理器1480逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。

在本实施例中，该终端设备所包括的处理器1480还具有以下功能：

在通过内容平台展示所述内容推荐界面时，基于多个特征维度分别生成对应的交互控件，所述多个特征维度与所述内容平台所提供的内容类型和用户喜好相关，所述多个特征维度分别具有影响内容推荐界面中内容的展示顺序的展示权重，所述交互控件用于对所述展示权重进行权重影响程度调整；

响应于基于所述交互控件对所述展示权重的权重调整操作，对所述多个特征维度的展示权重进行更新；

根据更新后的所述展示权重，重新排列所述内容推荐界面中内容的展示位置。

本申请实施例还提供一种服务器，请参见图10所示，图10为本申请实施例提供的服务器1500的结构图，服务器1500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(CentralProcessingUnits，简称CPU)1522(例如，一个或一个以上处理器)和存储器1532，一个或一个以上存储应用程序1542或数据1544的存储介质1530(例如一个或一个以上海量存储设备)。其中，存储器1532和存储介质1530可以是短暂存储或持久存储。存储在存储介质1530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1522可以设置为与存储介质1530通信，在服务器1500上执行存储介质1530中的一系列指令操作。

服务器1500还可以包括一个或一个以上电源1526，一个或一个以上有线或无线网络接口1550，一个或一个以上输入输出接口1558，和/或，一个或一个以上操作系统1541，例如WindowsServer^TM，MacOSX^TM，Unix^TM,Linux^TM，FreeBSD^TM等等。

上述实施例中由服务器所执行的步骤例如与待推荐内容确定方法相关的步骤可以基于图10所示的服务器结构。

另外，本申请实施例还提供了一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序用于执行上述实施例提供的方法。

本申请实施例还提供了一种包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例提供的方法。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质可以是下述介质中的至少一种：只读存储器(英文：Read-onlyMemory，缩写：ROM)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (12)

1.一种待推荐内容确定方法，其特征在于，所述方法包括：

将内容平台的用户分为多个用户集合，所述多个用户集合包括第一集合和第二集合；

采用第一算法模型确定所述第一集合中用户分别对应的第一待推荐内容，以及采用第二算法模型确定所述第二集合中用户分别对应的第二待推荐内容，所述第一算法模型与所述第二算法模型分别对应不同的内容推荐算法；

获取所述第一集合中用户针对所述第一待推荐内容返回的第一用户交互信息，以及所述第二集合中用户针对所述第二待推荐内容返回的第二用户交互信息；

根据所述第一用户交互信息与所述第一算法模型所对应内容推荐算法的质量预置条件间的差异，调整所述第一算法模型对应的训练数据获取方式；

根据所述第二用户交互信息与所述第二算法模型所对应内容推荐算法的质量预置条件间的差异，调整所述第二算法模型对应的训练数据获取方式；其中，调整所述训练数据获取方式包括调整训练数据所涉及的特征维数和/或训练数据所涉及的范围；

根据所述第一用户交互信息与所述第一算法模型所对应内容推荐算法的质量预置条件间的差异，以及所述第二用户交互信息与所述第二算法模型所对应内容推荐算法的质量预置条件间的差异，对所述第一集合和所述第二集合中的用户数量进行调整；

根据所述训练数据获取方式获取的训练样本对所述第一算法模型和所述第二算法模型进行迭代训练。

2.根据权利要求1所述的方法，其特征在于，将对所述内容平台的用户分为多个用户集合，包括：

根据所述内容平台的用户账号标识确定用于分组的标识数值；

根据所述标识数值将对所述内容平台的用户分为所述多个用户集合。

3.根据权利要求1所述的方法，其特征在于，所述多个用户集合的集合数量是根据所述内容平台所使用内容推荐算法的数量确定的。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述第一用户交互信息更新所述第一集合中用户的用户画像；

根据所述第二用户交互信息更新所述第二集合中用户的用户画像。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

采用所述迭代训练后的第一算法模型确定所述第一集合中用户分别对应的第三待推荐内容；

采用所述迭代训练后的第二算法模型确定所述第二集合中用户分别对应的第四待推荐内容。

6.一种内容推荐方法，其特征在于，所述方法包括：

在通过内容平台展示内容推荐界面时，基于多个特征维度分别生成对应的交互控件，所述多个特征维度与所述内容平台所提供的内容类型和用户喜好相关，所述多个特征维度分别具有影响内容推荐界面中内容的展示顺序的展示权重，所述交互控件用于对所述展示权重进行权重影响程度调整；

响应于基于所述交互控件对所述展示权重的权重调整操作，对所述多个特征维度的展示权重进行更新；

根据更新后的所述展示权重，重新排列所述内容推荐界面中内容的展示位置；所述内容推荐界面中的内容由权利要求1～5任一项所述的待推荐内容确定方法中，已经完成迭代训练的算法模型进行确定。

7.根据权利要求6所述的方法，其特征在于，所述响应于基于所述交互控件对所述展示权重的权重调整操作，对所述多个特征维度的展示权重进行更新，包括：

响应于基于所述交互控件对所述展示权重的权重调整操作，确定在所述权重调整操作后所述多个特征维度分别对应的权重调整比例；

根据所述权重调整比例重新计算所述多个特征维度分别对应的展示权重。

8.根据权利要求6所述的方法，其特征在于，所述方法还包括：

生成针对目标用户的内容推荐请求；

获取根据所述目标用户的用户画像确定的待推荐内容，所述用户画像是基于所述目标用户在所述内容平台的交互行为实时更新的；

在内容展示界面中展示所述待推荐内容。

9.一种待推荐内容确定装置，其特征在于，所述装置包括划分单元、确定单元、获取单元、调整单元和训练单元：

所述划分单元，用于将内容平台的用户分为多个用户集合，所述多个用户集合包括第一集合和第二集合；

所述确定单元，用于采用第一算法模型确定所述第一集合中用户分别对应的第一待推荐内容，以及采用第二算法模型确定所述第二集合中用户分别对应的第二待推荐内容，所述第一算法模型与所述第二算法模型分别对应不同的内容推荐算法；

所述获取单元，用于获取所述第一集合中用户针对所述第一待推荐内容返回的第一用户交互信息，以及所述第二集合中用户针对所述第二待推荐内容返回的第二用户交互信息；

所述调整单元，用于根据所述第一用户交互信息与所述第一算法模型所对应内容推荐算法的质量预置条件间的差异，调整所述第一算法模型对应的训练数据获取方式；根据所述第二用户交互信息与所述第二算法模型所对应内容推荐算法的质量预置条件间的差异，调整所述第二算法模型对应的训练数据获取方式；其中，调整所述训练数据获取方式包括调整训练数据所涉及的特征维数和/或训练数据所涉及的范围；根据所述第一用户交互信息与所述第一算法模型所对应内容推荐算法的质量预置条件间的差异，以及所述第二用户交互信息与所述第二算法模型所对应内容推荐算法的质量预置条件间的差异，对所述第一集合和所述第二集合中的用户数量进行调整；

所述训练单元，用于根据所述训练数据获取方式获取的训练样本对所述第一算法模型和所述第二算法模型进行迭代训练。

10.一种内容推荐装置，其特征在于，所述装置包括生成单元、更新单元和重排单元：

所述生成单元，用于在通过内容平台展示所述内容推荐界面时，基于多个特征维度分别生成对应的交互控件，所述多个特征维度与所述内容平台所提供的内容类型和用户喜好相关，所述多个特征维度分别具有影响内容推荐界面中内容的展示顺序的展示权重，所述交互控件用于对所述展示权重进行权重影响程度调整；

所述更新单元，用于响应于基于所述交互控件对所述展示权重的权重调整操作，对所述多个特征维度的展示权重进行更新；

所述重排单元，用于根据更新后的所述展示权重，重新排列所述内容推荐界面中内容的展示位置；所述内容推荐界面中的内容由权利要求1～5任一项所述的待推荐内容确定方法中，已经完成迭代训练的算法模型进行确定。

11.一种计算机设备，其特征在于，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-5中任意一项所述的待推荐内容确定方法，或者执行权利要求6-8中任意一项所述的内容推荐方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1-5中任意一项所述的待推荐内容确定方法，或者执行权利要求6-8中任意一项所述的内容推荐方法。

Images