CN114385916A - 推荐资源的确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开关于一种推荐资源的确定方法、装置、电子设备、计算机可读存储介质以及计算机程序产品，通过获取召回模型输出的候选资源以及候选资源的第一排序参数，根据第一排序参数从候选资源中筛选得到第一候选资源集，进而确定候选资源的第二排序参数，并根据第二排序参数从候选资源中筛选得到第二候选资源集，将第一候选资源集和第二候选资源集的并集作为推荐资源。由于第一候选资源集是基于召回模型输出的候选资源对应的第一排序参数而确定的，而第二候选资源集是基于粗排模型确定的，且最终的推荐资源是第一候选资源集和第二候选资源集的并集，即融合了召回环节的输出和粗排环节的输出，从而能够有效提高粗排阶段最终输出结果的全面性和准确性。

Description

推荐资源的确定方法、装置、电子设备及存储介质

技术领域

本公开涉及互联网技术领域，尤其涉及一种推荐资源的确定方法、装置、电子设备、计算机可读存储介质以及计算机程序产品。

背景技术

随着互联网技术的发展，网络平台通常会向用户推荐各种资源。以资源为广告为例，通常，用户看到的广告是通过一条投放链路漏斗经过层层筛选而最终选出的，包括召回、粗排、精排以及混排等环节。

相关技术中，在召回与粗排环节中，由于粗筛，候选集众多加上总体性能耗时有着严格要求，因此，对模型结构要求不能太复杂，使得各环节在筛选过程中相互独立互不干扰，从而导致最终的粗排结果并不能达到全局最优的状态，进而影响推荐的准确性，降低了推荐效果。

发明内容

本公开提供一种推荐资源的确定方法、装置、电子设备、计算机可读存储介质以及计算机程序产品，以至少解决相关技术中粗排环节输出结果准确性低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种推荐资源的确定方法，包括：

获取召回模型输出的候选资源以及所述候选资源的第一排序参数，所述候选资源是所述召回模型从召回的原始资源集中筛选的所述第一排序参数符合召回条件的资源；

根据所述第一排序参数从所述候选资源中筛选第一目标资源，得到第一候选资源集，所述第一目标资源是所述第一排序参数符合第一预设条件的候选资源；

确定所述候选资源的第二排序参数，并根据所述第二排序参数从所述候选资源中筛选第二目标资源，得到第二候选资源集，所述第二目标资源是所述第二排序参数符合第二预设条件的候选资源；

根据所述第一候选资源集和所述第二候选资源集的并集，确定推荐资源。

在其中一个实施例中，所述确定所述候选资源的第二排序参数，包括：获取多个排序模型针对所述候选资源分别确定的第三排序参数，所述多个排序模型分别采用不同的评价目标对所述候选资源进行排序；对所述候选资源的多个第三排序参数进行加权处理，得到所述候选资源的第二排序参数。

在其中一个实施例中，所述获取多个排序模型针对所述候选资源分别确定的第三排序参数，包括：将所述候选资源分别输入每个所述排序模型，得到每个所述排序模型输出的所述候选资源的评价参数，所述评价参数是所述排序模型根据对应的评价目标确定的数据；根据每一个排序模型输出的所述候选资源的评价参数对所述候选资源进行排序，得到所述候选资源的排序位置信息，将所述排序位置信息确定为对应排序模型的第三排序参数。

在其中一个实施例中，所述对所述候选资源的多个第三排序参数进行加权处理，得到所述候选资源的第二排序参数，包括：对所述候选资源的多个第三排序参数进行加和，得到所述候选资源的第二排序参数。

在其中一个实施例中，所述对所述候选资源的多个第三排序参数进行加权处理，得到所述候选资源的第二排序参数，包括：获取所述候选资源的多个第三排序参数的倒数之和，得到所述候选资源的第二排序参数。

在其中一个实施例中，所述根据所述第一排序参数从所述候选资源中筛选第一目标资源，得到第一候选资源集，包括：根据所述第一排序参数对所述候选资源进行排序，得到所述候选资源的第一排序结果；从所述第一排序结果中截取第一目标个数的候选资源作为第一目标资源，得到第一候选资源集。

在其中一个实施例中，所述根据所述第二排序参数从所述候选资源中筛选第二目标资源，得到第二候选资源集，包括：根据所述第二排序参数对所述候选资源进行排序，得到所述候选资源的第二排序结果；从所述第二排序结果中截取第二目标个数的候选资源作为第二目标资源，得到第二候选资源集。

根据本公开实施例的第二方面，提供一种推荐资源的确定装置，包括：

候选资源获取模块，被配置为执行获取召回模型输出的候选资源以及所述候选资源的第一排序参数，所述候选资源是所述召回模型从召回的原始资源集中筛选的所述第一排序参数符合召回条件的资源；

第一筛选模块，被配置为执行根据所述第一排序参数从所述候选资源中筛选第一目标资源，得到第一候选资源集，所述第一目标资源是所述第一排序参数符合第一预设条件的候选资源；

第二筛选模块，被配置为执行确定所述候选资源的第二排序参数，并根据所述第二排序参数从所述候选资源中筛选第二目标资源，得到第二候选资源集，所述第二目标资源是所述第二排序参数符合第二预设条件的候选资源；

推荐资源确定模块，被配置为执行根据所述第一候选资源集和所述第二候选资源集的并集，确定推荐资源。

在其中一个实施例中，所述第二筛选模块包括：第三排序参数获取模块，被配置为执行获取多个排序模型针对所述候选资源分别确定的第三排序参数，所述多个排序模型分别采用不同的评价目标对所述候选资源进行排序；第二排序参数确定模块，被配置为执行对所述候选资源的多个第三排序参数进行加权处理，得到所述候选资源的第二排序参数。

在其中一个实施例中，所述第三排序参数获取模块被配置为执行：将所述候选资源分别输入每个所述排序模型，得到每个所述排序模型输出的所述候选资源的评价参数，所述评价参数是所述排序模型根据对应的评价目标确定的数据；根据每一个排序模型输出的所述候选资源的评价参数对所述候选资源进行排序，得到所述候选资源的排序位置信息，将所述排序位置信息确定为对应排序模型的第三排序参数。

在其中一个实施例中，所述第二排序参数确定模块被配置为执行：对所述候选资源的多个第三排序参数进行加和，得到所述候选资源的第二排序参数。

在其中一个实施例中，所述第二排序参数确定模块被配置为执行：获取所述候选资源的多个第三排序参数的倒数之和，得到所述候选资源的第二排序参数。

在其中一个实施例中，所述第一筛选模块被配置为执行：根据所述第一排序参数对所述候选资源进行排序，得到所述候选资源的第一排序结果；从所述第一排序结果中截取第一目标个数的候选资源作为第一目标资源，得到第一候选资源集。

在其中一个实施例中，所述第二筛选模块被配置为执行：根据所述第二排序参数对所述候选资源进行排序，得到所述候选资源的第二排序结果；从所述第二排序结果中截取第二目标个数的候选资源作为第二目标资源，得到第二候选资源集。

根据本公开实施例的第三方面，提供一种电子设备，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，以实现如上第一方面所述的推荐资源的确定方法。

根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述计算机可读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如上第一方面所述的推荐资源的确定方法。

根据本公开实施例的第五方面，提供一种计算机程序产品，所述计算机程序产品中包括指令，其特征在于，所述指令被电子设备的处理器执行时，使得所述电子设备能够执行如上第一方面所述的推荐资源的确定方法。

本公开的实施例提供的技术方案至少带来以下有益效果：通过获取召回模型输出的候选资源以及候选资源的第一排序参数，根据第一排序参数从候选资源中筛选第一目标资源，得到第一候选资源集，进而确定候选资源的第二排序参数，并根据第二排序参数从候选资源中筛选第二目标资源，得到第二候选资源集，根据第一候选资源集和第二候选资源集的并集，确定推荐资源。由于第一候选资源集是基于召回模型输出的候选资源对应的第一排序参数而确定的，而第二候选资源集是基于粗排模型确定的候选资源对应的第二排序参数而确定的，且最终的推荐资源是第一候选资源集和第二候选资源集的并集，即融合了召回环节的输出和粗排环节的输出，从而能够有效提高粗排环节输出结果的全面性和准确性。

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，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一种推荐资源的确定方法的应用环境图。

图2是根据一示例性实施例示出的一种推荐资源的确定方法的流程图。

图3是根据一示例性实施例示出的确定候选资源的第二排序参数步骤的流程图。

图4是根据一示例性实施例示出的获取第三排序参数步骤的流程图。

图5是根据一示例性实施例示出的确定候选资源的装置的框图。

图6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。

还需要说明的是，本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本公开所提供的推荐资源的确定方法，可以应用于如图1所示的应用环境中。其中，终端110通过网络与服务器120进行交互。终端110中安装有支持资源推荐的应用程序，例如可以是视频类应用程序、购物类应用程序或即时通信类应用程序等。服务器120则是对应应用程序的后台服务器，其上部署有资源推荐系统。在本实施例中，资源推荐系统通过获取召回模型输出的候选资源以及候选资源的第一排序参数，并根据第一排序参数从候选资源中筛选第一目标资源，得到第一候选资源集，进而确定候选资源的第二排序参数，并根据第二排序参数从候选资源中筛选第二目标资源，根据第一候选资源集和第二候选资源集的并集，确定推荐资源，即作为粗排环节的输出结果。

具体地，终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等电子设备，服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

图2是根据一示例性实施例示出的一种推荐资源的确定方法的流程图，如图2所示，以该方法用于服务器中为例，包括以下步骤。

在步骤S210中，获取召回模型输出的候选资源以及候选资源的第一排序参数。

其中，候选资源是召回模型从召回的原始资源集中筛选的第一排序参数符合召回条件的资源，其是召回模型输出的最终结果。

召回模型则是召回环节用于根据预设召回策略从资源池中召回符合相应召回策略的原始资源集，并根据第一排序参数筛选符合召回条件的候选资源至粗排环节的网络模型。第一排序参数则是用于初步量化召回的原始资源集中每个资源的推荐效果的参数，例如，包括但不限于资源的点击率、转化率、下发率等。具体地，第一排序参数可以通过基于深度学习的召回模型得到。具体地，召回模型可以使用双塔模型、逻辑回归模型等实现。预设召回策略可以是主动对资源进行筛选的条件，例如，基于资源热度的召回，即召回热度最高的前X个资源；或者还可以是根据用户标签的召回，即召回需要推荐的用户最感兴趣的前Y个资源等。

具体地，服务器根据资源推荐请求获取召回模型输出的候选资源以及候选资源的第一排序参数。其中，资源推荐请求可以是预先配置的，例如，可以是预先配置的当客户端开启时或者客户端启动一定时长时进行资源推荐，即服务器检测到客户端启动时或客户端启动达到一定时长时，主动进行资源推荐。或者，资源推荐请求也可以是客户端主动发送的。资源则可以是借助现代通信、网络和媒体技术，以不同介质(如广播、电视、网络等)为载体向用户提供的媒介资源，不限于是文本、图片、音频、视频等。

在步骤S220中，根据第一排序参数从候选资源中筛选第一目标资源，得到第一候选资源集。

其中，第一目标资源是第一排序参数符合第一预设条件的候选资源。第一候选资源集则是由第一目标资源组成的集合。第一预设条件可以是预先设置的用于对候选资源进行筛选的条件，例如，其可以是对应于第一排序参数的阈值条件，如当某一候选资源的第一排序参数大于阈值时，则可以确定其为对应的第一目标资源。或者，第一预设条件也可以是第一目标资源数量的条件，如根据第一排序参数对候选资源进行排序，从而从排序中截取相应数量的候选资源作为第一目标资源。

具体地，服务器在获取到召回模型输出的候选资源以及候选资源的第一排序参数后，则根据第一排序参数从候选资源中筛选第一目标资源，以得到第一候选资源集。

在步骤S230中，确定候选资源的第二排序参数，并根据第二排序参数从候选资源中筛选第二目标资源，得到第二候选资源集。

其中，第二目标资源是第二排序参数符合第二预设条件的候选资源。第二排序参数则是粗排环节用于表征每个候选资源排序位置的参数。第二排序参数可以通过基于深度学习的粗排模型得到。具体地，粗排模型可以使用双塔模型、逻辑回归模型等实现。

第二预设条件与第一预设条件相类似，可以是预先设置的用于对候选资源进行筛选的条件，例如，其可以是对应于第二排序参数的阈值条件，如当某一候选资源的第二排序参数大于阈值时，则可以确定其为对应的第二目标资源。或者，第二预设条件也可以是第二目标资源数量的条件，如根据第二排序参数对候选资源进行排序，从而从排序中截取相应数量的候选资源作为第二目标资源。

具体地，服务器在获取到召回模型输出的候选资源以及候选资源的第一排序参数后，进而采用粗排模型确定候选资源的第二排序参数，并根据第二排序参数从候选资源中筛选第二目标资源，以得到第二候选资源集。

在步骤S240中，根据第一候选资源集和第二候选资源集的并集，确定推荐资源。

具体地，服务器通过对第一候选资源集和第二候选资源集取并集，并将并集中的第一目标资源和第二目标资源作为推荐资源，该推荐资源也是粗排模型向下游的输出。

上述推荐资源的确定方法中，通过获取召回模型输出的候选资源以及候选资源的第一排序参数，根据第一排序参数从候选资源中筛选第一目标资源，得到第一候选资源集，进而确定候选资源的第二排序参数，并根据第二排序参数从候选资源中筛选第二目标资源，得到第二候选资源集，根据第一候选资源集和第二候选资源集的并集，确定推荐资源。由于第一候选资源集是基于召回模型输出的候选资源对应的第一排序参数而确定的，而第二候选资源集是基于粗排模型确定的候选资源对应的第二排序参数而确定的，且最终的推荐资源是第一候选资源集和第二候选资源集的并集，即融合了召回环节的输出和粗排环节的输出，从而能够有效提高粗排环节输出结果的全面性和准确性。

在一示例性实施例中，如图3所示，在步骤S230中，确定候选资源的第二排序参数，具体可以包括：

在步骤S310中，获取多个排序模型针对候选资源分别确定的第三排序参数。

其中，多个排序模型分别采用不同的评价目标对候选资源进行排序。不同的评价目标则是基于不同的评价参数对候选资源进行排序的依据，例如，包括但不限于资源的点击率参数、转化角率参数、下发率参数以及展示成本参数等。

第三排序参数则是基于对应的评价目标对候选资源进行排序后，得到的候选资源的排序位置信息。例如，以评价目标为点击率参数来说，可以通过相应深度学习的点击率排序模型(也即粗排模型)得到候选资源的预估点击率，进而根据预估点击率对候选资源进行排序，从而确定候选资源相对于预估点击率的第三排序参数。同理，以评价目标为展示成本参数来说，也可以通过相应深度学习的展示成本排序模型得到候选资源的预估展示成本，进而根据预估展示成本对候选资源进行排序，从而确定候选资源相对于预估展示成本的第三排序参数。

具体地，基于预设的多个排序模型，分别获取每个排序模型针对候选资源的第三排序参数，从而得到对应的多个第三排序参数。

在步骤S320中，对候选资源的多个第三排序参数进行加权处理，得到候选资源的第二排序参数。

在本实施例中，为了能够更好的反映粗排阶段的总体特征，通过对上述获取的候选资源的多个第三排序参数进行加权处理，即对上述多个排序模型分别确定的候选资源的多个第三排序参数进行加权融合，从而得到候选资源的第二排序参数。

上述实施例中，通过获取多个排序模型针对候选资源分别确定的第三排序参数，并对候选资源的多个第三排序参数进行加权处理，得到候选资源的第二排序参数。由于第二排序参数是对多个排序模型分别确定的候选资源的多个第三排序参数进行加权融合后得到的，因此，其能够更好的反映粗排阶段的总体特征，进而有利于提高推荐的准确性。

在一示例性实施例中，如图4所示，在步骤S310中，获取多个排序模型针对候选资源分别确定的第三排序参数，具体包括：

在步骤S312中，将候选资源分别输入每个排序模型，得到每个排序模型输出的候选资源的评价参数。

其中，评价参数是排序模型根据对应的评价目标对候选资源进行排序的依据。包括但不限于资源的点击率参数、转化率参数、下发率参数以及展示成本参数等。例如，对于点击率排序模型，将候选资源分别输入点击率排序模型，得到每个候选资源的预估点击率；对于下发率排序模型，将候选资源分别输入下发率排序模型，得到每个候选资源的预估下发率。

具体地，通过将候选资源分别输入每个排序模型，从而得到每个排序模型输出的候选资源的评价参数。

在步骤S314中，根据每一个排序模型输出的候选资源的评价参数对候选资源进行排序，得到候选资源的排序位置信息，将排序位置信息确定为对应排序模型的第三排序参数。

其中，排序位置信息是基于一定的排序规则对候选资源进行排序后得到的候选资源位于排序结果中的位置，排序规则是指按评价参数从高到低的规则或是从低到高的规则。例如，若按评价参数为点击率从高到低对候选资源进行排序，某一候选资源A位于排序结果中的第5个，则将其确定为点击率排序模型的第三排序参数。若按评价参数为转化率从高到低对候选资源进行排序，若候选资源A位于排序结果中的第60个，则将其确定为转化率排序模型的第三排序参数。

又由于评价参数在一定程度上能够反映资源的推荐效果，因此，在本实施例中，对于每一个排序模型输出的候选资源的评价参数，可以基于推荐效果从高到低的顺序对候选资源进行排序，从而得到候选资源的排序位置信息，并将排序位置信息确定为对应排序模型的第三排序参数，以体现每个候选资源在不同的排序中的推荐效果。例如，点击率越高的资源其推荐效果越好，点击率越低的资源其推荐效果越差；转化率越高的资源其推荐效果越好，而转化率越低的资源其推荐效果越差。

上述实施例中，通过将候选资源分别输入每个排序模型，得到每个排序模型输出的候选资源的评价参数，根据每一个排序模型输出的候选资源的评价参数对候选资源进行排序，得到候选资源的排序位置信息，并将排序位置信息确定为对应排序模型的第三排序参数，从而得到每个候选资源在不同排序中的排序位置信息，进而体现每个候选资源在不同的排序中的推荐效果，为后续的加权融合奠定了基础。

在一示例性实施例中，在步骤S320中，对候选资源的多个第三排序参数进行加权处理，得到候选资源的第二排序参数，具体包括：对候选资源的多个第三排序参数进行加和，得到候选资源的第二排序参数。具体地，例如，若某一候选资源A，基于点击率从高到低对候选资源进行排序，该候选资源A位于第5个，而基于转化率从高到低对候选资源进行排序，该候选资源A位于第60个，则该候选资源A对应的第二排序参数为65，通过对多个第三排序参数进行加和得到。在本实施例中，通过对候选资源的多个第三排序参数进行简单加和处理，从而得到候选资源的第二排序参数，由于该第二排序参数能够反映粗排阶段的总体特征，因此，有利于提高推荐的准确性。

在一示例性实施例中，在步骤S320中，对候选资源的多个第三排序参数进行加权处理，得到候选资源的第二排序参数，具体包括：获取候选资源的多个第三排序参数的倒数之和，得到候选资源的第二排序参数。具体地，例如，若某一候选资源A，基于点击率从高到低对候选资源进行排序，该候选资源A位于第5个，而基于转化率从高到低对候选资源进行排序，该候选资源A位于第60个，则该候选资源A对应的第二排序参数为 (1/5+1/60＝13/60)，通过对多个第三排序参数的倒数进行加和得到。在本实施例中，通过对候选资源的多个第三排序参数的倒数进行加和，从而得到候选资源的第二排序参数，由于该第二排序参数能够反映粗排阶段的总体特征，因此，有利于提高推荐的准确性。

在一示例性实施例中，在步骤S230中，根据第二排序参数从候选资源中筛选第二目标资源，得到第二候选资源集，具体包括：根据第二排序参数对候选资源进行排序，得到候选资源的第二排序结果，从第二排序结果中截取第二目标个数的候选资源作为第二目标资源，得到第二候选资源集。其中，第二目标个数是指预设的第二候选资源集中第二目标资源的个数。在本实施例中，根据第二排序参数对候选资源进行排序，可以得到能够反映粗排阶段总体特征的第二排序结果，进而可以从第二排序结果中截取第二目标个数的候选资源作为第二目标资源，在具体截取时可以依据对应的推荐效率，例如，截取推荐效率最高的第二目标个数的候选资源作为第二目标资源，从而得到第二候选资源集。由于第二排序参数是融合了多个排序模型的第三排序参数得到，其能够反映粗排阶段的总体特征，因此，基于第二排序参数对候选资源进行排序后确定的第二候选资源集，能够较全面的反映粗排结果的准确性。

在一示例性实施例中，在步骤S220中，根据第一排序参数从候选资源中筛选第一目标资源，得到第一候选资源集，具体包括：根据第一排序参数对候选资源进行排序，得到候选资源的第一排序结果，从第一排序结果中截取第一目标个数的候选资源作为第一目标资源，得到第一候选资源集。其中，第一目标个数是指预设的第一候选资源集中第一目标资源的个数。在本实施例中，由于第一排序参数是召回模型输出的，因此，根据第一排序参数对候选资源进行排序，可以得到能够反映召回阶段特征的第一排序结果，进而可以从第一排序结果中截取第一目标个数的候选资源作为第一目标资源，在具体截取时可以依据对应的推荐效率，例如，截取推荐效率最高的第一目标个数的候选资源作为第一目标资源，从而得到第一候选资源集。由于第一排序参数能够反映召回阶段的特征，因此，基于第一排序参数对候选资源进行排序后确定的第一候选资源集，能够反映召回阶段的特征，进而将其与上述粗排结果进行融合，从而得到能够全面反映全局特征的推荐资源，提高了粗排阶段输出结果的全面性和准确性。

应该理解的是，虽然图1-图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

可以理解的是，本说明书中上述方法的各个实施例之间相同/相似的部分可互相参见，每个实施例重点说明的是与其他实施例的不同之处，相关之处参见其他方法实施例的说明即可。

图5是根据一示例性实施例示出的一种推荐资源的确定装置框图。参照图5，该装置包括候选资源获取模块502，第一筛选模块504，第二筛选模块506和推荐资源确定模块508。

候选资源获取模块502，被配置为执行获取召回模型输出的候选资源以及所述候选资源的第一排序参数，所述候选资源是所述召回模型从召回的原始资源集中筛选的所述第一排序参数符合召回条件的资源；

第一筛选模块504，被配置为执行根据所述第一排序参数从所述候选资源中筛选第一目标资源，得到第一候选资源集，所述第一目标资源是所述第一排序参数符合第一预设条件的候选资源；

第二筛选模块506，被配置为执行确定所述候选资源的第二排序参数，并根据所述第二排序参数从所述候选资源中筛选第二目标资源，得到第二候选资源集，所述第二目标资源是所述第二排序参数符合第二预设条件的候选资源；

推荐资源确定模块508，被配置为执行根据所述第一候选资源集和所述第二候选资源集的并集，确定推荐资源。

在一示例性实施例中，所述第二筛选模块包括：第三排序参数获取模块，被配置为执行获取多个排序模型针对所述候选资源分别确定的第三排序参数，所述多个排序模型分别采用不同的评价目标对所述候选资源进行排序；第二排序参数确定模块，被配置为执行对所述候选资源的多个第三排序参数进行加权处理，得到所述候选资源的第二排序参数。

在一示例性实施例中，所述第三排序参数获取模块被配置为执行：将所述候选资源分别输入每个所述排序模型，得到每个所述排序模型输出的所述候选资源的评价参数，所述评价参数是所述排序模型根据对应的评价目标确定的数据；根据每一个排序模型输出的所述候选资源的评价参数对所述候选资源进行排序，得到所述候选资源的排序位置信息，将所述排序位置信息确定为对应排序模型的第三排序参数。

在一示例性实施例中，所述第二排序参数确定模块被配置为执行：对所述候选资源的多个第三排序参数进行加和，得到所述候选资源的第二排序参数。

在一示例性实施例中，所述第二排序参数确定模块被配置为执行：获取所述候选资源的多个第三排序参数的倒数之和，得到所述候选资源的第二排序参数。

在一示例性实施例中，所述第一筛选模块被配置为执行：根据所述第一排序参数对所述候选资源进行排序，得到所述候选资源的第一排序结果；从所述第一排序结果中截取第一目标个数的候选资源作为第一目标资源，得到第一候选资源集。

在一示例性实施例中，所述第二筛选模块被配置为执行：根据所述第二排序参数对所述候选资源进行排序，得到所述候选资源的第二排序结果；从所述第二排序结果中截取第二目标个数的候选资源作为第二目标资源，得到第二候选资源集。

图6是根据一示例性实施例示出的一种用于推荐资源的确定方法的电子设备S00的框图。例如，电子设备S00可以为服务器。参照图6，电子设备S00包括处理组件S20，其进一步包括一个或多个处理器，以及由存储器S22所代表的存储器资源，用于存储可由处理组件S20的执行的指令，例如应用程序。存储器S22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S20被配置为执行指令，以执行上述方法。

电子设备S00还可以包括：电源组件S24被配置为执行电子设备S00的电源管理，有线或无线网络接口S26被配置为将电子设备S00连接到网络，和输入输出(I/O)接口S28。电子设备S00可以操作基于存储在存储器S22的操作系统，例如Windows Server，Mac OS X，Unix，Linux，FreeBSD或类似。

在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器S22，上述指令可由电子设备S00的处理器执行以完成上述方法。存储介质可以是计算机可读存储介质，例如，所述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。

在示例性实施例中，还提供一种计算机程序产品，所述计算机程序产品中包括指令，上述指令可由电子设备S00的处理器执行以完成上述方法。

需要说明的，上述的装置、电子设备、计算机可读存储介质、计算机程序产品等根据方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

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)

1.一种推荐资源的确定方法，其特征在于，所述方法包括：

获取召回模型输出的候选资源以及所述候选资源的第一排序参数，所述候选资源是所述召回模型从召回的原始资源集中筛选的所述第一排序参数符合召回条件的资源；

根据所述第一排序参数从所述候选资源中筛选第一目标资源，得到第一候选资源集，所述第一目标资源是所述第一排序参数符合第一预设条件的候选资源；

确定所述候选资源的第二排序参数，并根据所述第二排序参数从所述候选资源中筛选第二目标资源，得到第二候选资源集，所述第二目标资源是所述第二排序参数符合第二预设条件的候选资源；

根据所述第一候选资源集和所述第二候选资源集的并集，确定推荐资源。

2.根据权利要求1所述的方法，其特征在于，所述确定所述候选资源的第二排序参数，包括：

获取多个排序模型针对所述候选资源分别确定的第三排序参数，所述多个排序模型分别采用不同的评价目标对所述候选资源进行排序；

对所述候选资源的多个第三排序参数进行加权处理，得到所述候选资源的第二排序参数。

3.根据权利要求2所述的方法，其特征在于，所述获取多个排序模型针对所述候选资源分别确定的第三排序参数，包括：

将所述候选资源分别输入每个所述排序模型，得到每个所述排序模型输出的所述候选资源的评价参数，所述评价参数是所述排序模型根据对应的评价目标确定的数据；

根据每一个排序模型输出的所述候选资源的评价参数对所述候选资源进行排序，得到所述候选资源的排序位置信息，将所述排序位置信息确定为对应排序模型的第三排序参数。

4.根据权利要求2所述的方法，其特征在于，所述对所述候选资源的多个第三排序参数进行加权处理，得到所述候选资源的第二排序参数，包括：

对所述候选资源的多个第三排序参数进行加和，得到所述候选资源的第二排序参数。

5.根据权利要求2所述的方法，其特征在于，所述对所述候选资源的多个第三排序参数进行加权处理，得到所述候选资源的第二排序参数，包括：

获取所述候选资源的多个第三排序参数的倒数之和，得到所述候选资源的第二排序参数。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述第一排序参数从所述候选资源中筛选第一目标资源，得到第一候选资源集，包括：

根据所述第一排序参数对所述候选资源进行排序，得到所述候选资源的第一排序结果；

从所述第一排序结果中截取第一目标个数的候选资源作为第一目标资源，得到第一候选资源集。

7.一种推荐资源的确定装置，其特征在于，包括：

候选资源获取模块，被配置为执行获取召回模型输出的候选资源以及所述候选资源的第一排序参数，所述候选资源是所述召回模型从召回的原始资源集中筛选的所述第一排序参数符合召回条件的资源；

第一筛选模块，被配置为执行根据所述第一排序参数从所述候选资源中筛选第一目标资源，得到第一候选资源集，所述第一目标资源是所述第一排序参数符合第一预设条件的候选资源；

第二筛选模块，被配置为执行确定所述候选资源的第二排序参数，并根据所述第二排序参数从所述候选资源中筛选第二目标资源，得到第二候选资源集，所述第二目标资源是所述第二排序参数符合第二预设条件的候选资源；

推荐资源确定模块，被配置为执行根据所述第一候选资源集和所述第二候选资源集的并集，确定推荐资源。

8.一种电子设备，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，以实现如权利要求1至6中任一项所述的推荐资源的确定方法。

9.一种计算机可读存储介质，其特征在于，当所述计算机可读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如权利要求1至6中任一项所述的推荐资源的确定方法。

10.一种计算机程序产品，所述计算机程序产品中包括指令，其特征在于，所述指令被电子设备的处理器执行时，使得所述电子设备能够执行如权利要求1至6任一项所述的推荐资源的确定方法。

Images