CN113626681B - 一种账户信息的处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开关于一种账户信息的处理方法、装置、电子设备及存储介质，用以解决目前的账户推荐方法较为单一的问题。本公开实施例获取平台账户的候选账户集合，根据候选账户的关联账户的信息，识别候选账户是否属于目标类型的账户；若候选账户属于目标类型的账户，则读取预先设置的筛选参数；若候选账户不属于目标类型的账户，则基于预先设置的筛选参数和调整参数，确定不属于目标类型的候选账户的筛选参数，按照确定出的多个候选账户的筛选参数，从候选账户集合中筛选出目标推荐账户。本公开实施例提供的账户信息处理方法，改变了当前按照地理位置或通讯录筛选候选账户的单一方式，提供了基于候选账户类型的筛选方法，提升为平台账户推荐账户的准确性。

Description

一种账户信息的处理方法、装置、电子设备及存储介质

技术领域

本公开涉及计算机技术领域，特别涉及一种账户信息的处理方法、装置、电子设备及存储介质。

背景技术

应用程序的账户推荐页面会向用户推荐其他账户，用户可以从推荐账户中选择感兴趣账户进行关注，从而增加被推荐账户关注的账户数量。

现有的账户推荐方法为根据账户使用者当前所处的地理位置，向账户推荐账户使用者地理位置附近的其它账户；或者根据账户使用者的通讯录，向账户推荐通讯录中注册使用应用程序的、账户使用者可能认识的其它账户使用者的账户。

综上，目前的账户推荐方法较为单一。

发明内容

本公开提供一种账户信息的处理方法、装置、电子设备及存储介质，用以解决目前的账户推荐方法较为单一的问题。

根据本公开实施例的第一方面，提供一种账户信息的处理方法，包括：

基于待推荐账户的平台账户的账户特征，获取所述平台账户的候选账户集合，其中，所述候选账户集合中包括多个候选账户；

根据所述候选账户的关联账户的信息，识别所述候选账户是否属于目标类型的账户，其中，所述目标类型的账户为关联账户的数量大于预定数量的账户，所述关联账户为与候选账户建立有双向社交关系的账户；

若所述候选账户属于目标类型的账户，则读取预先设置的筛选参数；若所述候选账户不属于目标类型的账户，则基于预先设置的筛选参数和调整参数，确定不属于目标类型的候选账户的筛选参数，其中，所述调整参数基于所述平台账户的账户特征和所述候选账户的账户特征而确定；

按照确定出的所述多个候选账户的筛选参数，从所述候选账户集合中筛选出目标推荐账户。

在一种可能的实现方式中，所述根据所述平台账户的账户特征、所述不属于目标类型的候选账户的账户特征、以及用于表示所述平台账户与所述不属于目标类型的候选账户之间关联关系的关联特征确定所述不属于目标类型的候选账户对应的调整参数，包括：

根据所述平台账户的账户特征、所述不属于目标类型的候选账户的账户特征以及用于表示所述平台账户与所述不属于目标类型的候选账户之间关联关系的关联特征，确定所述平台账户与所述不属于目标类型的候选账户之间的第一匹配度；

将所述平台账户与所述不属于目标类型的候选账户之间的第一匹配度作为所述不属于目标类型的候选账户对应的调整参数。

在一种可能的实现方式中，所述按照确定出的所述多个候选账户的筛选参数，从所述候选账户集合中筛选出目标推荐账户，包括：

根据所述多个候选账户的筛选参数以及所述候选账户对应的操作参数，从所述候选账户集合中筛选出目标推荐账户；其中，所述候选账户对应的操作参数为用于表示所述平台账户是否对所述候选账户执行预设操作的参数。

在一种可能的实现方式中，根据下列方式确定所述候选账户对应的操作参数：

获取所述平台账户的历史行为数据，以及获取所述候选账户的账户特征和历史行为数据；其中，所述平台账户的历史行为数据为所述平台账户在第一历史预设时长内的行为数据，所述候选账户的历史行为数据为所述候选账户在第二历史预设时长内的行为数据；

根据平台账户的账户特征和历史行为数据、以及所述候选账户的账户特征和历史行为数据，确定所述平台账户与所述候选账户之间的第二匹配度；将所述平台账户与所述候选账户之间的第二匹配度作为所述候选账户对应的操作参数。

根据本公开实施例的第二方面，提供一种账户信息的处理装置，包括：

获取单元，被配置为执行基于待推荐账户的平台账户的账户特征，获取所述平台账户的候选账户集合，其中，所述候选账户集合中包括多个候选账户；

识别单元，被配置为执行根据所述候选账户的关联账户的信息，识别所述候选账户是否属于目标类型的账户，其中，所述目标类型的账户为关联账户的数量大于预定数量的账户，所述关联账户为与候选账户建立有双向社交关系的账户；

确定单元，被配置为执行若所述候选账户属于目标类型的账户，则读取预先设置的筛选参数；若所述候选账户不属于目标类型的账户，则基于预先设置的筛选参数和调整参数，确定不属于目标类型的候选账户的筛选参数，其中，所述调整参数基于所述平台账户的账户特征和所述候选账户的账户特征而确定；

筛选单元，被配置为执行按照确定出的所述多个候选账户的筛选参数，从所述候选账户集合中筛选出目标推荐账户。

在一种可能的实现方式中，所述确定单元具体被配置为执行：

根据下列方式确定所述不属于目标类型的候选账户对应的调整参数：

根据所述平台账户的账户特征、所述不属于目标类型的候选账户的账户特征、以及用于表示所述平台账户与所述不属于目标类型的候选账户之间关联关系的关联特征确定所述不属于目标类型的候选账户对应的调整参数；

所述关联特征包括：所述平台账户与所述不属于目标类型的候选账户之间共同的关联账户数量以及所述平台账户与所述不属于目标类型的候选账户之间的关系信息。

在一种可能的实现方式中，所述确定单元具体被配置为执行：

根据所述平台账户的账户特征、所述不属于目标类型的候选账户的账户特征以及用于表示所述平台账户与所述不属于目标类型的候选账户之间关联关系的关联特征，确定所述平台账户与所述不属于目标类型的候选账户之间的第一匹配度；

将所述平台账户与所述不属于目标类型的候选账户之间的第一匹配度作为所述不属于目标类型的候选账户对应的调整参数。

在一种可能的实现方式中，所述筛选单元具体被配置为执行：

根据所述多个候选账户的筛选参数以及所述候选账户对应的操作参数，从所述候选账户集合中筛选出目标推荐账户；其中，所述候选账户对应的操作参数为用于表示所述平台账户是否对所述候选账户执行预设操作的参数。

在一种可能的实现方式中，所述筛选单元具体被配置为执行：

根据下列方式确定所述候选账户对应的操作参数：

获取所述平台账户的历史行为数据，以及获取所述候选账户的账户特征和历史行为数据；其中，所述平台账户的历史行为数据为所述平台账户在第一历史预设时长内的行为数据，所述候选账户的历史行为数据为所述候选账户在第二历史预设时长内的行为数据；

根据平台账户的账户特征和历史行为数据、以及所述候选账户的账户特征和历史行为数据，确定所述平台账户与所述候选账户之间的第二匹配度；将所述平台账户与所述候选账户之间的第二匹配度作为所述候选账户对应的操作参数。

根据本公开实施例的第三方面，提供一种电子设备，包括：存储器，用于存储可执行指令；

处理器，用于读取并执行所述存储器中存储的可执行指令，以实现如本公开实施例第一方面中任一项所述的账户信息的处理方法。

根据本公开实施例的第四方面，提供一种非易失性存储介质，当所述存储介质中的指令由账户信息的处理装置的处理器执行时，使得账户信息的处理装置能够执行本公开实施例第一方面中所述的账户信息的处理方法。

本公开的实施例提供的技术方案至少带来以下有益效果：

本公开实施例公开一种账户信息的处理方法，基于待推荐账户的平台账户的账户特征，获取平台账户的候选账户集合；针对候选账户集合中的每个候选账户并根据候选账户的关联账户的数量，识别候选账户是否属于目标类型的账户，若候选账户的关联账户的数量大于预定数值，则确定该候选账户为目标类型的账户，并且确定目标账户的筛选参数为预先设置的参数，若候选账户的关联账户额数量不大于预定数值，则确定该候选账户为不属于目标类型的账户，基于预先设置的筛选参数和调整参数确定不属于目标类型的候选账户的筛选参数。因此，本公开实施例针对目标类型的候选账户和不属于目标类型的候选账户确定不同的筛选参数，例如通过调整参数可以增大不属于目标类型的候选账户的筛选参数，在根据筛选参数筛选目标推荐账户过程中，可以相应的增大不属于目标类型的候选账户被推荐的概率，从而增加不属于目标类型的候选账户的关联账户的数量。另外，由于确定每个不属于目标类型的候选账户的筛选参数时使用的调整参数是根据候选账户的账户特征确定的，从而针对不同的不属于目标类型的候选账户，可以灵活确定筛选参数，因此，可以为平台账户精确筛选目标推荐账户。本公开实施例提供的账户信息处理方法，改变了当前按照地理位置或通讯录筛选候选账户的单一方式，提供了基于候选账户类型的筛选方法，提升为平台账户推荐账户的准确性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的应用程序上第一种用户推荐页面示意图；

图2是根据一示例性实施例示出的应用程序上第二种用户推荐页面示意图；

图3是根据一示例性实施例示出的一种账户信息的处理系统示意图；

图4是根据一示例性实施例示出的一种账户信息的处理方法的流程图；

图5是根据一示例性实施例示出的一种用户对候选账户执行关注操作的示意图；

图6是根据一示例性实施例示出的一种用户对候选账户发布作品执行点赞操作的示意图；

图7是根据一示例性实施例示出的一种用户对候选账户执行查看操作的示意图；

图8是根据一示例性实施例示出的一种完整的账户信息的处理方法流程图；

图9是根据一示例性实施例示出的一种账户信息的处理装置框图；

图10是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

以下，对本公开实施例中的部分用语进行解释说明，以便于本领域技术人员理解。

(1)本公开实施例中术语“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。

(2)本公开实施例中术语“电子设备”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。

(3)本公开实施例中术语“短视频”是指在各种新媒体平台上播放的、适合在移动状态和短时休闲状态下观看的、高频推送的视频内容，几秒到几分钟不等。内容融合了技能分享、幽默搞怪、时尚潮流、社会热点、街头采访、公益教育、广告创意、商业定制等主题。由于内容较短，可以单独成片，也可以成为系列栏目。

(4)本公开实施例中术语“DNN”，为深度神经网络(Deep Neural Networks)，是深度学习的基础，按不同层的位置划分，DNN内部的神经网络层可以分为三类，输入层，隐藏层和输出层，层与层之间是全连接的。在使用DNN之前，需要对DNN进行训练，对DNN完成训练后，可以将输入数据输入到DNN中并获取其对应的输出数据。

(5)本公开实施例中术语“SAC(Soft Actor-Critic，柔性表演者-打分者)模型”，是基于最大熵强化学习开发的，是一种尝试让预期回报最大化(标准的强化学习目标)，同时也让策略熵最大化的框架。熵更高的策略具有更高的随机性，这意味着最大熵强化学习更偏向取得高回报策略中随机性最高的策略。

账户推荐可以应用在支持账户互相关注的应用程序中。例如，在短视频客户端的应用过程中，客户端对应的账户可以关注其他账户，从而账户的使用者能够方便查看关注账户发布的多媒体资源；例如，账户的使用者可以在短视频客户端的动态展示页面看到关注账户发布的短视频作品等内容。

在客户端启动后，可以为该账户推荐该账户的使用者可能感兴趣的其他账户。例如，如图1所示，账户的使用者在短视频客户端上触发展示“关注”页面时，在该页面的上展示“你可能感兴趣的人”，向账户推荐可以关注的其它账户；或者，如图2所示，在账户的使用者在短视频客户端上触发展示“发现好友”中的“推荐好友”页面时，向账户推荐可以关注的其它账户。

如果两个账户互相关注了对方，则该两个账户互相为对方的双关账户，本公开实施例将双关账户数量小于预定数量的账户称为低双关账户，例如，将双关账户数量小于5个的账户称为低双关账户，经过统计发现，低双关账户使用者使用客户端的时长要比普通账户使用者使用客户端的时长少，且低双关账户也属于应用程序比较容易流失的账户。

本公开实施例提供一种账户信息的处理方法，用以提高关注低双关账户的关联账户数量。

为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。

如图3所示，为本发明实施例一种账户信息的处理系统，包括客户端31、服务器32以及用户33。客户端31为安装在电子设备上的应用程序客户端，与服务器32配合为用户33提供服务，用户33可以查看客户端31展示的内容，或触发客户端31上支持的操作。

本公开实施例中，响应于用户33在客户端31上触发的展示页面的操作，客户端31向服务器32发送展示页面的请求，服务器32根据用户33对应的平台账户的账户特征信息，获取平台账户的候选账户集合；根据候选账户的关联账户的信息，判断候选账户的关联账户数量是否大于预定数量，若候选账户的关联账户数量大于预定数量，则确定候选账户属于目标类型的账户；

若候选账户属于目标类型的账户，服务器32读取预先设置的筛选参数；若候选账户不属于目标类型的账户，服务器32基于预先设置的筛选参数和调整参数，确定不属于目标类型的候选账户的筛选参数；

服务器32按照确定出的多个候选账户的筛选参数，从候选账户集合中筛选出目标推荐账户。

服务器32将筛选出的目标推荐账户发送给客户端31，客户端31将筛选出目标推荐账户展示给用户33。

本公开实施例公开一种账户信息的处理方法，基于待推荐账户的平台账户的账户特征，获取平台账户的候选账户集合；针对候选账户集合中的每个候选账户并根据候选账户的关联账户的数量，识别候选账户是否属于目标类型的账户，若候选账户的关联账户的数量大于预定数值，则确定该候选账户为目标类型的账户，并且确定目标账户的筛选参数为预先设置的参数，若候选账户的关联账户额数量不大于预定数值，则确定该候选账户为不属于目标类型的账户，基于预先设置的筛选参数和调整参数确定不属于目标类型的候选账户的筛选参数。因此，本公开实施例针对目标类型的候选账户和不属于目标类型的候选账户确定不同的筛选参数，例如通过调整参数可以增大不属于目标类型的候选账户的筛选参数，在根据筛选参数筛选目标推荐账户过程中，可以相应的增大不属于目标类型的候选账户被推荐的概率，从而增加不属于目标类型的候选账户的关联账户的数量。另外，由于确定每个不属于目标类型的候选账户的筛选参数时使用的调整参数是根据候选账户的账户特征确定的，从而针对不同的不属于目标类型的候选账户，可以灵活确定筛选参数，因此，可以为平台账户精确筛选目标推荐账户。本公开实施例提供的账户信息处理方法，改变了当前按照地理位置或通讯录筛选候选账户的单一方式，提供了基于候选账户类型的筛选方法，提升为平台账户推荐账户的准确性。

下面对本公开实施例作进一步详细描述。

图4是根据一示例性实施例示出的一种账户信息的处理方法的流程图，如图4所示，包括以下步骤：

在步骤S41中、基于待推荐账户的平台账户的账户特征，获取平台账户的候选账户集合，其中，候选账户集合中包括多个候选账户；

在步骤S42中、根据候选账户的关联账户的信息，识别候选账户是否属于目标类型的账户，其中，目标类型的账户为关联账户的数量大于预定数量的账户，关联账户为与候选账户建立有双向社交关系的账户；

在步骤S43中、若候选账户属于目标类型的账户，则读取预先设置的筛选参数；若候选账户不属于目标类型的账户，则基于预先设置的筛选参数和调整参数，确定不属于目标类型的候选账户的筛选参数，其中，调整参数基于平台账户的账户特征和候选账户的账户特征而确定；

在步骤S44中、按照确定出的多个候选账户的筛选参数，从候选账户集合中筛选出目标推荐账户。

本公开实施中基于待推荐账户的平台账户的账户特征，获取平台账户的候选账户集合；

可选的，平台账户的账户特征包括平台账户的画像特征；例如，平台账户对应的用户在注册时填写的性别、年龄、省份等个人信息，以及注册天数。

根据平台账户的账户特征，在平台服务器存储的海量的候选账户库里，快速寻找一小部分平台账户未关注且平台账户潜在感兴趣的候选账户，组成平台账户的候选账户集合。

在获取到平台账户的候选账户集合后，对候选账户集合中的候选账户进行识别，关联账户的数量大于预定数量的账户为属于目标类型的候选账户，关联账户的数量不大于预定数量的账户为不属于目标类型的候选账户，其中，关联账户为与候选账户建立有双向社交关系的账户，例如，关联账户与候选账户互相关注。不属于目标类型的候选账户也可以称为低双关账户；例如，候选账户A只与账户B和账户C互相关注，则账户A的关联账户数量为2，假设预定数量为5，则账户A为不属于目标类型的候选账户。

为便于描述，下文中低双关账户为不属于目标类型的候选账户，非低双关账户为属于目标类型的候选账户。

针对候选账户集合中的候选账户，确定候选账户的筛选参数；具体的，分别根据下列方式确定非低双关账户以及低双关账户的筛选参数：

1、确定非低双关账户的筛选参数

将预先设置的筛选参数作为非低双关账户的筛选参数。

其中，预先设置的筛选参数可以为技术人员使用的经验数值。

2、确定低双关账户的筛选参数

针对低双关账户，基于预先设置的筛选参数和调整参数，确定低双关账户的筛选参数，可以根据下列公式确定低双关账户的筛选参数：

Q＝a+boost

其中，Q为低双关账户的筛选参数，a为预先设置的筛选参数，boost为调整参数。

需要说明的是，对平台账户触发展示页面的一次推荐过程中，可以针对所有低双关账户确定相同的调整参数，也可以针对每一个低双关账户分别确定调整参数。

一种可选的实施方式为，根据下列方式确定调整参数：

根据平台账户的账户特征、低双关账户的账户特征以及用于表示平台账户与低双关账户之间关联关系的关联特征，确定平台账户与低双关账户之间的第一匹配度；将平台账户与低双关账户之间的第一匹配度作为低双关账户的调整参数。

其中，平台账户的账户特征可以包括平台账户的画像特征；例如，平台账户对应的用户在注册时填写的性别、年龄、省份等个人信息，以及注册天数等；

平台账户的账户特征还可以包括平台账户上一次对推荐账户执行关注操作后、推荐账户对应的操作参数；其中，推荐账户对应的操作参数可以为推荐账户对应的关注率和/或点赞率；

推荐账户对应的关注率为推荐账户在预设时长内被关注次数与被推荐次数的比值，推荐账户对应的点赞率为推荐账户在预设时长内作品被点赞的次数与被推荐的次数的比值；例如，推荐账户在过去30天内被推荐了100次，被关注了50次，推荐账户的作品被点赞了30次，则推荐账户的关注率为0.5，点赞率为0.3。

低双关账户的账户特征可以包括画像特征；例如，低双关账户对应的用户在注册时填写的性别、年龄、省份等个人信息，以及注册天数等。

用于表示平台账户与低双关账户之间关联关系的关联特征可以包括平台账户与低双关账户之间共同的关联账户数量、平台账户与低双关账户之间的关系信息，例如平台账户H的关联账户I关注了低双关账户J。

在根据平台账户的账户特征、低双关账户的账户特征以及用于表示平台账户与低双关账户之间关联关系的关联特征，确定平台账户与低双关账户之间的第一匹配度时，根据可能影响平台账户对低双关账户执行关注操作的特征确定平台账户与低双关账户之间的第一匹配度；

例如，平台账户的账户特征中平台账户所处的地理位置为M市，若低双关账户的账户特征信息中低双关账户所处的地理位置为M市，则平台账户与低双关账户所关注的信息可能较为一致，则确定出的平台账户与低双关账户之间的第一匹配度较高；

或者平台账户上一次对推荐账户执行关注操作后、推荐账户对应的关注率为0.7，则平台账户可能对关注率为0.7的账户执行关注操作的可能性更高，若低双关账户的关注率为0.2，则确定出的平台账户与低双关账户之间的第一匹配度较低；

又或者，平台账户与低双关账户之间共同的关联账户数量为0，则平台账户与低双关账户所感兴趣的内容可能不同，则确定出的平台账户与低双关账户之间的第一匹配度较低。

一种可选的实施方式为，通过已训练的柔性致动/评价(Soft Actor-Critic，SAC)模型确定平台账户与低双关账户之间的第一匹配度。

在具体实施中，将平台账户的账户特征、低双关账户的账户特征以及用于表示平台账户与低双关账户之间关联关系的关联特征输入到已训练的SAC模型中的表演者(Actor)网络中，获取Actor网络输出的平台账户与低双关账户之间的第一匹配度。

SAC模型具有很强的随机性与可扩展性，在将平台账户的账户特征、低双关账户的账户特征以及用于表示平台账户与低双关账户之间关联关系的关联特征输入到已训练的SAC模型中的Actor网络中后，Actor网络输出的为第一匹配度的正态分布的均值与标准差，Actor网络随机选择一个第一匹配度作为Actor网络最终输出的第一匹配度。

本公开实施例还提供一种SAC模型的训练过程，SAC模型的训练过程包括对Actor网络训练和对Critic网络训练两部分，具体的训练过程如下：

1)Critic网络的训练过程。

将样本平台账户的账户特征、样本低双关账户的账户特征、用于表示样本平台账户与样本低双关账户之间关联关系的关联特征、样本低双关账户的调整参数、以及对样本平台账户上一次触发展示页面请求时样本低双关账户的调整参数作为输入特征，将样本中的关注分数作为输出特征对Critic网络的训练，根据损失函数确定Critic网络输出的预测关注分数与样本中的关注分数之间的损失值，在该损失值收敛至预设阈值时，确定Critic网络训练完成。

其中关注分数为，在根据候选账户的筛选参数筛选出目标推荐账户后生成的展示页面上，平台账户对候选账户执行关注操作对应的关注分数；

例如，可以根据下列方式计算关注分数：

reward＝1*X+2*Y+(-logP(boost))

其中，reward为关注分数，X为平台账户关注目标推荐账户中的非低双关账户的次数，Y为平台账户关注目标推荐账户中的低双关账户的次数，boost为样本低双关账户的调整参数，-logP(boost)为Actor网络在输出的正态分布的boost中选择的最终输出的boost对应的熵，是根据最终输出的boost的概率密度函数确定的。

本公开实施例中，在SAC模型的训练过程中，可以根据Critic网络输出的关注分数，调整Actor网络的模型参数。

2)Actor网络的训练过程。

将样本平台账户的账户特征、样本低双关账户的账户特征、用于表示样本平台账户与样本低双关账户之间关联关系的关联特征作为输入特征，样本低双关账户的调整参数作为输出特征对Actor网络进行训练，将Actor网络输出的预测的样本低双关账户的调整参数输入到Critic网络中，获取Critic网络输出的预测的样本低双关账户的调整参数对应的关注分数，并将该关注分数反馈给Actor网络，以使Actor网络根据预测的样本低双关账户的调整参数对应的关注分数，通过梯度上升法更新Actor网络的参数，从而使Actor网络输出的预测的样本低双关账户的调整参数对应的关注分数最大化，并使SAC模型的随机性和可扩张性更强。

在确定出候选账户的筛选参数之后，根据多个候选账户的筛选参数以及候选账户对应的操作参数，从候选账户集合中筛选出目标推荐账户；其中，候选账户对应的操作参数为用于表示平台账户是否对候选账户执行预设操作的参数。

其中，候选账户对应的操作参数包括但不限于：

候选账户对应的平台账户对候选账户执行关注操作对应的第一操作参数、候选账户对应的平台账户对候选账户发布的作品执行点赞操作对应的第二操作参数、候选账户对应的平台账户对候选账户执行查看操作对应的第三操作参数；

其中，平台账户对候选账户执行关注操作可以为平台账户对应的用户通过点击候选账户对应的关注按钮触发关注操作，例如，如图5所示，用户点击候选账户对应的关注按钮，对候选账户执行关注操作；

平台账户对候选账户发布的作品执行点赞操作可以为平台账户对应的用户点击进入候选账户的主页，选择候选账户发布的作品并点击对应的点赞按钮触发点赞操作，例如，如图6所示，用户点击候选账户发布的作品对应的点赞按钮，对候选账户发布的作品执行点赞操作。

平台账户对候选账户执行查看操作可以为平台账户对应的用户点击候选账户的账户名称或头像触发查看操作，例如，如图7所示，用户点击候选账户的账户名称或头像，对候选账户执行查看操作。

本公开实施例中候选账户对应的每一个操作参数分别对应一个筛选参数，可选的，可以根据下列方式确定每一个操作参数对应的筛选参数：

方式1、每个操作参数对应的筛选参数的确定方式可以参见本公开实施例提供的上述确定候选账户对应的筛选参数的方式。

方式2、候选账户对应的平台账户对候选账户执行关注操作的第一操作参数对应的筛选参数参见上文，候选账户对应的平台账户对候选账户执行其它操作(如点赞操作、查看操作等)的操作参数对应的筛选参数可以设置为预设值。

一种可选的实施方式为，根据下列方式确定候选账户对应的操作参数：

获取平台账户的历史行为数据，以及获取候选账户的账户特征和历史行为数据；其中，候选账户的账户特征包括候选账户的画像特征，例如，候选账户对应的用户在注册时填写的性别、年龄、省份等个人信息，以及注册天数；平台账户的历史行为数据为平台账户在第一历史预设时长内的行为数据，例如，平台账户在历史7天内的行为数据，具体的行为数据可以为平台账户D在2020年2月3日16:38关注了账户E；候选账户的历史行为数据为候选账户在第二历史预设时长内的行为数据，例如，候选账户在历史7天内的行为数据，具体的行为数据可以为候选账户F在2020年2月8日17:25被账户G关注。

需要说明的是，第一历史预设时长和第二历史预设时长可以相同也可以不同。

在获取到平台账户的历史行为数据，以及获取候选账户的账户特征和历史行为数据之后，根据平台账户的账户特征和历史行为数据、以及候选账户的账户特征和历史行为数据确定平台账户与候选账户之间的第二匹配度；将平台账户与候选账户之间的第二匹配度作为候选账户对应的操作参数。

一种可选的实施方式为，通过已训练的深度神经网络(Deep Neural Networks，DNN)模型确定平台账户与候选账户之间的第二匹配度。

在具体实施中，将平台账户的账户特征和历史行为数据、以及候选账户的账户特征和历史行为数据输入到已训练的DNN模型中，获取已训练的DNN模型输出的平台账户与候选账户之间的第二匹配度。

用于确定平台账户与候选账户之间的第二匹配度的DNN模型可以根据下列方式训练获得：

将样本中平台账户的账户特征和历史行为数据、以及候选账户的账户特征和历史行为数据输入到DNN模型中，获取DNN模型输出的平台账户与候选账户之间的预测第二匹配度，将获取到的平台账户与候选账户之间的预测第二匹配度与样本数据中的实际第二匹配度输入到交叉熵损失函数中，获取预测第二匹配度与实际第二匹配度相比的损失值，判断损失值是否在预设的收敛范围中，若损失值不在预设的收敛范围中，则根据预设的学习率调整DNN模型的参数，并再次进行训练过程，直至损失值在预设的收敛范围中；在损失值在预设的收敛范围中时，确定DNN模型训练完成。

一种可选的实施方案为，根据候选账户操作参数以及操作参数对应的筛选参数确定候选账户对应的排序参数，例如，以候选账户对应的操作参数包括候选账户对应的平台账户对候选账户执行关注操作对应的第一操作参数、候选账户对应的平台账户对候选账户发布的作品执行点赞操作对应的第二操作参数、候选账户对应的平台账户对候选账户执行查看操作对应的第三操作参数为例，根据下列公式确定候选账户对应的排序参数：

score＝Q*ftr+R*ltr+S*ctr

其中，score为候选账户对应的排序参数，Q为候选账户的用于表示平台账户是否对候选账户执行关注操作的第一操作参数对应的筛选参数，ftr为候选账户的第一操作参数，R为候选账户的用于表示平台账户是否执行与候选账户相关的点赞操作的第二操作参数对应的筛选参数，ltr为候选账户的第二操作参数，S为候选账户的用于表示平台账户是否对候选账户执行查看操作的第三操作参数对应的筛选参数，ctr为候选账户的第三操作参数。

在确定出候选账户对应的排序参数之后，根据候选账户对应的排序参数从候选账户集合中筛选出目标推荐账户，并生成展示页面。

一种可选的实施方式为，将候选账户集合中的候选账户按照排序参数从大到小的顺序排序，并筛选出其中位于前预设数目的候选账户作为目标推荐账户，并根据筛选出的目标推荐账户，生成展示页面，展示给平台账户。

如图8所示，以候选账户对应的操作参数包括候选账户对应的平台账户对候选账户执行关注操作对应的第一操作参数、候选账户对应的平台账户对候选账户发布的作品执行点赞操作对应的第二操作参数、候选账户对应的平台账户对候选账户执行查看操作对应的第三操作参数为例，本公开实施例一种完整的账户信息的处理方法流程图，包括以下步骤：

在步骤S801中、基于待推荐账户的平台账户的账户特征，获取所述平台账户的候选账户集合；

在步骤S802中、根据候选账户的关联账户的信息，识别候选账户是否属于目标类型的账户；

在步骤S803中、若候选账户属于目标类型的账户，则读取预先设置的筛选参数；

在步骤S804中、若候选账户不属于目标类型的账户，则根据平台账户的账户特征、不属于目标类型的候选账户的账户特征以及用于表示平台账户与不属于目标类型的候选账户之间关联关系的关联特征，确定平台账户与不属于目标类型的候选账户之间的第一匹配度，并将平台账户与不属于目标类型的候选账户之间的第一匹配度作为不属于目标类型的候选账户的调整参数；

在步骤S805中、基于预先设置的筛选参数和调整参数，确定不属于目标类型的候选账户的筛选参数；

在步骤S806中、根据平台账户的账户特征和历史行为数据、以及候选账户的账户特征和历史行为数据，确定平台账户与候选账户之间的第二匹配度，并将平台账户与候选账户之间的第二匹配度作为候选账户对应的用于表示平台账户是否对候选账户执行关注操作的第一操作参数；

在步骤S807中、根据平台账户的账户特征和历史行为数据、以及候选账户的账户特征和历史行为数据，确定平台账户与候选账户之间的第三匹配度，并将平台账户与候选账户之间的第三匹配度作为候选账户对应的用于表示平台账户是否执行与候选账户相关的点赞操作的第二操作参数；

在步骤S808在、根据平台账户的账户特征和历史行为数据、以及候选账户的账户特征和历史行为数据，确定平台账户与候选账户之间的第四匹配度，并将平台账户与候选账户之间的第四匹配度作为候选账户对应的用于表示平台账户是否对候选账户执行查看操作的第三操作参数；

在步骤S809中、将第一预设值作为第二操作参数对应的筛选参数；

在步骤S810中、将第二预设值作为第三操作参数对应的筛选参数；

在步骤S811中、将候选账户对应的第一操作参数、候选账户的筛选参数、候选账户对应的第二操作参数、第二操作参数对应的筛选参数、候选账户对应的第三操作参数、第三操作参数对应的筛选参数进行加权求和运算，确定候选账户对应的排序参数；

在步骤S812中、根据候选账户对应的排序参数从候选账户集合中筛选出目标推荐账户，并生成展示页面。

本公开实施例中还提供了一种账户信息的处理装置，由于该装置对应的是本公开实施例账户信息的处理方法对应的装置，并且该装置解决问题的原理与该方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。

图9是根据一示例性实施例示出的一种账户信息的处理装置框图。参照图9，该装置包括获取单元900，识别单元901、确定单元902、以及筛选单元903。

获取单元900，被配置为执行基于待推荐账户的平台账户的账户特征，获取所述平台账户的候选账户集合，其中，所述候选账户集合中包括多个候选账户；

识别单元901，被配置为执行根据所述候选账户的关联账户的信息，识别所述候选账户是否属于目标类型的账户，其中，所述目标类型的账户为关联账户的数量大于预定数量的账户，所述关联账户为与候选账户建立有双向社交关系的账户；

确定单元902，被配置为执行若所述候选账户属于目标类型的账户，则读取预先设置的筛选参数；若所述候选账户不属于目标类型的账户，则基于预先设置的筛选参数和调整参数，确定不属于目标类型的候选账户的筛选参数，其中，所述调整参数基于所述平台账户的账户特征和所述候选账户的账户特征而确定；

筛选单元903，被配置为执行按照确定出的所述多个候选账户的筛选参数，从所述候选账户集合中筛选出目标推荐账户。

在一种可能的实现方式中，所述确定单元902具体被配置为执行：

根据下列方式确定所述不属于目标类型的候选账户对应的调整参数：

根据所述平台账户的账户特征、所述不属于目标类型的候选账户的账户特征、以及用于表示所述平台账户与所述不属于目标类型的候选账户之间关联关系的关联特征确定所述不属于目标类型的候选账户对应的调整参数；

所述关联特征包括：所述平台账户与所述不属于目标类型的候选账户之间共同的关联账户数量以及所述平台账户与所述不属于目标类型的候选账户之间的关系信息。

在一种可能的实现方式中，所述确定单元902具体被配置为执行：

根据所述平台账户的账户特征、所述不属于目标类型的候选账户的账户特征以及用于表示所述平台账户与所述不属于目标类型的候选账户之间关联关系的关联特征，确定所述平台账户与所述不属于目标类型的候选账户之间的第一匹配度；

将所述平台账户与所述不属于目标类型的候选账户之间的第一匹配度作为所述不属于目标类型的候选账户对应的调整参数。

在一种可能的实现方式中，所述筛选单元903具体被配置为执行：

根据所述多个候选账户的筛选参数以及所述候选账户对应的操作参数，从所述候选账户集合中筛选出目标推荐账户；其中，所述候选账户对应的操作参数为用于表示所述平台账户是否对所述候选账户执行预设操作的参数。

在一种可能的实现方式中，所述筛选单元903具体被配置为执行：

根据下列方式确定所述候选账户对应的操作参数：

获取所述平台账户的历史行为数据，以及获取所述候选账户的账户特征和历史行为数据；其中，所述平台账户的历史行为数据为所述平台账户在第一历史预设时长内的行为数据，所述候选账户的历史行为数据为所述候选账户在第二历史预设时长内的行为数据；

根据平台账户的账户特征和历史行为数据、以及所述候选账户的账户特征和历史行为数据，确定所述平台账户与所述候选账户之间的第二匹配度；将所述平台账户与所述候选账户之间的第二匹配度作为所述候选账户对应的操作参数。

关于上述实施例中的装置，其中各个单元执行请求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10是根据一示例性实施例示出的一种电子设备1000的框图，该电子设备包括：

处理器1010；

用于存储所述处理器1010可执行指令的存储器1020；

其中，所述处理器1010被配置为执行所述指令，以实现本公开实施例中的账户信息的处理方法。

在示例性实施例中，还提供了一种包括指令的非易失性存储介质，例如包括指令的存储器1020，上述指令可由电子设备1000的处理器1010执行以完成上述方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，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。

需要说明的是，本申请涉及的账户信息均是经用户授权之后采集并使用的。

本公开实施例还提供一种计算机程序产品，当所述计算机程序产品在电子设备上运行时，使得所述电子设备执行实现本公开实施例上述任意一项账户信息的处理方法或任意一项账户信息的处理方法任一可能涉及的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (12)

1.一种账户信息的处理方法，其特征在于，该方法包括：

基于待推荐账户的平台账户的账户特征，获取所述平台账户的候选账户集合，其中，所述候选账户集合中包括多个候选账户；

根据所述候选账户的关联账户的信息，识别所述候选账户是否属于目标类型的账户，其中，所述目标类型的账户为关联账户的数量大于预定数量的账户，所述关联账户为与候选账户建立有双向社交关系的账户；

若所述候选账户属于目标类型的账户，则读取预先设置的筛选参数；若所述候选账户不属于目标类型的账户，则基于预先设置的筛选参数和调整参数，确定不属于目标类型的候选账户的筛选参数，其中，所述调整参数基于所述平台账户的账户特征和所述候选账户的账户特征而确定；

按照确定出的所述多个候选账户的筛选参数，从所述候选账户集合中筛选出目标推荐账户。

2.如权利要求1所述的方法，其特征在于，根据下列方式确定所述不属于目标类型的候选账户对应的调整参数：

根据所述平台账户的账户特征、所述不属于目标类型的候选账户的账户特征、以及用于表示所述平台账户与所述不属于目标类型的候选账户之间关联关系的关联特征确定所述不属于目标类型的候选账户对应的调整参数；

所述关联特征包括：所述平台账户与所述不属于目标类型的候选账户之间共同的关联账户数量以及所述平台账户与所述不属于目标类型的候选账户之间的关系信息。

3.如权利要求2所述的方法，其特征在于，所述根据所述平台账户的账户特征、所述不属于目标类型的候选账户的账户特征、以及用于表示所述平台账户与所述不属于目标类型的候选账户之间关联关系的关联特征确定所述不属于目标类型的候选账户对应的调整参数，包括：

根据所述平台账户的账户特征、所述不属于目标类型的候选账户的账户特征以及用于表示所述平台账户与所述不属于目标类型的候选账户之间关联关系的关联特征，确定所述平台账户与所述不属于目标类型的候选账户之间的第一匹配度；

将所述平台账户与所述不属于目标类型的候选账户之间的第一匹配度作为所述不属于目标类型的候选账户对应的调整参数。

4.如权利要求1所述的方法，其特征在于，所述按照确定出的所述多个候选账户的筛选参数，从所述候选账户集合中筛选出目标推荐账户，包括：

根据所述多个候选账户的筛选参数以及所述候选账户对应的操作参数，从所述候选账户集合中筛选出目标推荐账户；其中，所述候选账户对应的操作参数为用于表示所述平台账户是否对所述候选账户执行预设操作的参数。

5.如权利要求4所述的方法，其特征在于，根据下列方式确定所述候选账户对应的操作参数：

获取所述平台账户的历史行为数据，以及获取所述候选账户的账户特征和历史行为数据；其中，所述平台账户的历史行为数据为所述平台账户在第一历史预设时长内的行为数据，所述候选账户的历史行为数据为所述候选账户在第二历史预设时长内的行为数据；

根据平台账户的账户特征和历史行为数据、以及所述候选账户的账户特征和历史行为数据，确定所述平台账户与所述候选账户之间的第二匹配度；将所述平台账户与所述候选账户之间的第二匹配度作为所述候选账户对应的操作参数。

6.一种账户信息的处理装置，其特征在于，包括：

获取单元，被配置为执行基于待推荐账户的平台账户的账户特征，获取所述平台账户的候选账户集合，其中，所述候选账户集合中包括多个候选账户；

识别单元，被配置为执行根据所述候选账户的关联账户的信息，识别所述候选账户是否属于目标类型的账户，其中，所述目标类型的账户为关联账户的数量大于预定数量的账户，所述关联账户为与候选账户建立有双向社交关系的账户；

确定单元，被配置为执行若所述候选账户属于目标类型的账户，则读取预先设置的筛选参数；若所述候选账户不属于目标类型的账户，则基于预先设置的筛选参数和调整参数，确定不属于目标类型的候选账户的筛选参数，其中，所述调整参数基于所述平台账户的账户特征和所述候选账户的账户特征而确定；

筛选单元，被配置为执行按照确定出的所述多个候选账户的筛选参数，从所述候选账户集合中筛选出目标推荐账户。

7.如权利要求6所述的装置，其特征在于，所述确定单元具体被配置为执行：

根据下列方式确定所述不属于目标类型的候选账户对应的调整参数：

根据所述平台账户的账户特征、所述不属于目标类型的候选账户的账户特征、以及用于表示所述平台账户与所述不属于目标类型的候选账户之间关联关系的关联特征确定所述不属于目标类型的候选账户对应的调整参数；

所述关联特征包括：所述平台账户与所述不属于目标类型的候选账户之间共同的关联账户数量以及所述平台账户与所述不属于目标类型的候选账户之间的关系信息。

8.如权利要求7所述的装置，其特征在于，所述确定单元具体被配置为执行：

根据所述平台账户的账户特征、所述不属于目标类型的候选账户的账户特征以及用于表示所述平台账户与所述不属于目标类型的候选账户之间关联关系的关联特征，确定所述平台账户与所述不属于目标类型的候选账户之间的第一匹配度；

将所述平台账户与所述不属于目标类型的候选账户之间的第一匹配度作为所述不属于目标类型的候选账户对应的调整参数。

9.如权利要求6所述的装置，其特征在于，所述筛选单元具体被配置为执行：

根据所述多个候选账户的筛选参数以及所述候选账户对应的操作参数，从所述候选账户集合中筛选出目标推荐账户；其中，所述候选账户对应的操作参数为用于表示所述平台账户是否对所述候选账户执行预设操作的参数。

10.如权利要求9所述的装置，其特征在于，所述筛选单元具体被配置为执行：

根据下列方式确定所述候选账户对应的操作参数：

获取所述平台账户的历史行为数据，以及获取所述候选账户的账户特征和历史行为数据；其中，所述平台账户的历史行为数据为所述平台账户在第一历史预设时长内的行为数据，所述候选账户的历史行为数据为所述候选账户在第二历史预设时长内的行为数据；

根据平台账户的账户特征和历史行为数据、以及所述候选账户的账户特征和历史行为数据，确定所述平台账户与所述候选账户之间的第二匹配度；将所述平台账户与所述候选账户之间的第二匹配度作为所述候选账户对应的操作参数。

11.一种电子设备，其特征在于，包括：

处理器；

用于存储所述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所述指令，以实现根据权利要求1至权利要求5中任一项所述的账户信息的处理方法。

12.一种存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行根据权利要求1至权利要求5中任一项所述的账户信息的处理方法。