CN114387056A - 一种信息推荐方法及装置 - Google Patents
一种信息推荐方法及装置 Download PDFInfo
- Publication number
- CN114387056A CN114387056A CN202111631981.6A CN202111631981A CN114387056A CN 114387056 A CN114387056 A CN 114387056A CN 202111631981 A CN202111631981 A CN 202111631981A CN 114387056 A CN114387056 A CN 114387056A
- Authority
- CN
- China
- Prior art keywords
- information
- recommended
- pieces
- exposure
- piece
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0603—Catalogue ordering
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种信息推荐方法及装置,涉及计算机技术领域,可通过服务器来执行,服务器可确定M个待推荐信息,M为大于等于2的正整数;根据M个待推荐信息的历史曝光情况,确定各待推荐信息的曝光衰减系数;基于M个待推荐信息的优先级以及各待推荐信息的曝光衰减系数,推荐M个待推荐信息。本申请在推荐信息时,不仅考虑了待推荐信息的优先级还考了待推荐信息的曝光情况,该方式考虑的情况比较全面,可以更好地推荐待推荐信息,避免一直推荐某个信息的情况出现。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种信息推荐方法及装置。
背景技术
随着运营商线上触点(如网上营业厅、掌上应用程序(application,APP)、微信公众号等)的用户越来越多,用户能办理的业务也越来越多,一些核心运营位(如首页弹窗、首页轮播区等)由于展示位置数量有限,需要通过预设规则进行商品推荐。
但是,预设规则通常是人为设定的,考虑的信息不全面,推荐的商品比较单一,很多商品不能被推荐。
发明内容
本申请提供一种信息推荐方法及装置,以提高信息推荐的灵活性。
第一方面,本申请提供一种信息推荐方法,可应用于服务器,服务器确定M个待推荐信息,M为大于等于2的正整数;根据M个待推荐信息的历史曝光情况,确定各待推荐信息的曝光衰减系数;基于M个待推荐信息的优先级以及各待推荐信息的曝光衰减系数,推荐M个待推荐信息。
需要说明的是,待推荐信息可以为商品信息等,本申请在此不具体限定。本申请中,服务器在推荐信息时,并非仅参考优先级持续推荐某个待推荐信息,该方式参考了待推荐信息的优先级以及待推荐信息的曝光情况,可根据待推荐信息的曝光情况调整推荐策略,不会一直推荐某个信息,可提高推荐信息的灵活性,采用本申请的信息推荐方法推荐商品可提高商品达成交易的概率,可为信息推荐方带来更多的电子资源量。
在一种可选的方式中,待推荐信息的曝光衰减系数与待推荐信息的历史曝光次数负相关。也即待推荐信息的历史曝光次数越多待推荐信息的曝光衰减系数越小,曝光次数越多的待推荐信息推荐概率越低,其他未曝光的待推荐信有机会曝光。
在一种可选的方式中,曝光衰减系数满足如下公式:
α=λx
其中,α为曝光衰减系数;x为历史曝光次数;λ为预设参数;λ∈(0,1)。
在一种可选的方式中,各待推荐信息的优先级与以及信息存在关联关系:各待推荐信息的电子资源量以及待推荐信息的订购情况。
在一种可选的方式中,服务器可将各待推荐信息的优先级与各待推荐信息的曝光衰减系数输入至机器学习模型进行数据处理,确定M个待推荐信息的推荐顺序。通过机器学习模型基于历史成交数据进行数据处理,具有合理性、确定性,可以提高数据处理效率,以便更加快速地计算出待推荐信息的推荐顺序。
在一种可选的方式中,机器学习模型的参数更新时,各待推荐信息的曝光衰减系数为1。
在一种可选的方式中,机器学习模型通过如下方式确定M个待推荐信息的推荐顺序:
基于各待推荐信息的优先级与各待推荐信息的曝光衰减系数进行乘法运算,确定各待推荐信息的推荐值;对M个推荐值进行排序,获取排序结果;根据排序结果推荐M个待推荐信息。
该方式参考了待推荐信息的优先级以及待推荐信息的曝光情况,可根据待推荐信息的曝光情况调整推荐策略,不会一直推荐某个信息,可提高推荐信息的灵活性。
在一种可选的方式中,服务器可获取N个展示位的优先级,展示位用于展示待推荐信息;N为正整数;若N小于M,则将排序结果靠前的N个推荐信息依序推荐至N个展示位。
第二方面,本申请提供一种信息推荐装置,包括:第一确定单元、第二确定单元以及推荐单元。
其中,第一确定单元,用于确定M个待推荐信息,所述M为大于等于2的正整数;第二确定单元,用于根据所述M个待推荐信息的历史曝光情况,确定各所述待推荐信息的曝光衰减系数;推荐单元,用于基于所述M个待推荐信息的优先级以及所述各待推荐信息的曝光衰减系数,推荐所述M个待推荐信息。
在一种可选的方式中,待推荐信息的曝光衰减系数与待推荐信息的历史曝光次数负相关。
在一种可选的方式中,曝光衰减系数满足如下公式:
α=λx
其中,α为曝光衰减系数;x为历史曝光次数;λ为预设参数;λ∈(0,1)。
在一种可选的方式中,各待推荐信息的优先级与以及信息存在关联关系:各待推荐信息的电子资源量以及待推荐信息的订购情况。
在一种可选的方式中,推荐单元,可用于将各待推荐信息的优先级与各待推荐信息的曝光衰减系数输入至机器学习模型进行数据处理,确定M个待推荐信息的推荐顺序。
在一种可选的方式中,机器学习模型的参数更新时,各待推荐信息的曝光衰减系数为1。
在一种可选的方式中,机器学习模型可通过如下方式确定M个待推荐信息的推荐顺序:
基于各待推荐信息的优先级与各待推荐信息的曝光衰减系数进行乘法运算,确定各待推荐信息的推荐值;对M个推荐值进行排序,获取排序结果;根据排序结果推荐M个待推荐信息。
在一种可选的方式中,信息推荐装置还包括获取单元,获取单元可用于可获取N个展示位的优先级,展示位用于展示待推荐信息;N为正整数;若N小于M,则推荐单元,用于将排序结果靠前的N个推荐信息依序推荐至N个展示位。
第三方面,本申请提供一种计算装置,包括:存储器以及处理器;存储器,用于存储程序指令;处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行第一方面所述的方法。
第四方面,本申请提供一种计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行如第一方面所述的方法。
上述第二方面至第四方面可以达到的技术效果,请参照上述第一方面中相应可能设计方案可以达到的技术效果说明,本申请这里不再重复赘述。
本申请的其它特征和优点将在随后的说明书中阐述,并且部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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信息推荐方法的应用场景示意图;
图2为本申请实施例提供的一种信息推荐方法的流程示意图;
图3为本申请实施例提供的另一种信息推荐方法的流程示意图;
图4为本申请实施例提供的信息推荐装置的结构示意图;
图5为本申请实施例提供的一种计算设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本申请中的术语“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。应所述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申请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、本申请的一些方面相一致的装置和方法的例子。
如背景技术所述,由于展示位置数量有限,需要通过预设规则进行商品推荐。但是,预设规则通常是人为设定的,考虑的信息不全面,推荐的商品比较单一,很多商品不能被推荐。一个运营位上可推荐商品有多个,按照策略优先级曝光的商品未必能为运营商增加电子资源量,此外,只要用户未办理高优先级商品会持续曝光,其他可推荐商品则无法曝光。为了更加灵活地推荐商品,本申请提供一种信息推荐方法。
下面具体介绍信息推荐过程。本申请下述实施例中,“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的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括例如“一个或多个”这种表达形式,除非其上下文中明确地有相反指示。以及,除非有相反的说明,本申请实施例提及“第一”、“第二”等序数词是用于对多个对象进行区分,不用于限定多个对象的顺序、时序、优先级或者重要程度。例如,第一任务执行设备和第二任务执行设备,只是为了区分不同的任务执行设备,而并不是表示这两种任务执行设备的优先级或者重要程度等的不同。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请提供一种信息推荐方法的应用场景如图1所示,包括电子设备、用户,服务器,其中,电子设备可以为手机、车载设备、智能手表、笔记本电脑等,本申请在此不具体限定。该服务器为信息推荐方提供服务,该信息推荐方可以为电信业务的运营商、银行等,本申请在此不具体限定。电子设备与服务器之间可以通过无线通信进行数据交互,本申请在此不展开说明。在信息推荐方为电信业务的运营商时,可推荐的信息可以为运营商的业务,例如,流量套餐、宽带套餐等。在信息推荐方为银行时,可推荐的信息可以为银行的业务,例如,贷款服务、理财产品等。假定信息推荐方为电信业务运营商A,运营商A发布有APP~1、网上营业厅,且开设有微信公众号,运营商A在服务器数据处理后,可在APP~1或者微信公众号或者网上营业厅推荐业务,用户可通过APP~1或者微信公众号或者网上营业厅浏览到业务信息。
为了更好地说明本申请的方案,可参照图2来说明,本申请可通过服务器来执行,服务器可执行如下:
步骤201,确定M个待推荐信息,M为大于等于2的正整数。
需要说明的是,待推荐信息是根据信息推荐方的业务需求或者数据统计确定的,如信息推荐方新推出了某个业务,该业务可以作为待推荐信息,或者信息推荐方根据历史数据统计用户对业务A的需求较大,可将业务A作为待推荐信息,在实际应用时,可能还可通过其他方式确定,本申请在此不具体限定。
步骤202,根据M个待推荐信息的历史曝光情况,确定各待推荐信息的曝光衰减系数。
需要说明的是,待推荐信息通常是通过展示位展示的,用户可通过信息推荐方的APP(在实际应用时还能是微信公众号,信息推荐方的网上营业厅,在此以APP为例来说明)浏览待展示位的待推荐信息可以理解为待推荐信息曝光。通常信息推荐方的后台服务器会采集到大量用户的浏览信息,其可将用户浏览1次信息推荐方的APP记录为待推荐信息的曝光1次。
此外,在待推荐信息初始推荐时,历史曝光情况可以根据信息推荐方的预设确定,例如,信息推荐方预设业务1的曝光次数为A,基于曝光次数A确定业务1的曝光衰减系数。或者根据信息推荐方的预设的待推荐信息投放策略获取的采集结果确定,例如,信息推荐方预设投放业务2在展示位X,一周后采集用户浏览到业务2的次数,将采集结果作为业务2的历史曝光次数,并基于次确定业务员2的曝光衰减系数。
可选的,待推荐信息的曝光衰减系数与待推荐信息的历史曝光次数负相关。也即待推荐信息的历史曝光次数越多待推荐信息的曝光衰减系数越小,曝光次数越多的待推荐信息推荐概率越低,其他未曝光的待推荐信有机会曝光。
其中,曝光衰减系数可满足如下公式:
α=λx
其中,α为曝光衰减系数;x为历史曝光次数;λ为预设参数;λ∈(0,1)。
例如,λ为0.9,业务2的历史曝光次数为3,那么业务2的曝光衰减系数为0.92(也即0.81)。
步骤203,基于M个待推荐信息的优先级以及各待推荐信息的曝光衰减系数,推荐M个待推荐信息。
需要说明的是,待推荐信息的优先级通常是信息推荐方预设的,各待推荐信息的优先级可与以下信息存在关联关系:各待推荐信息的电子资源量以及待推荐信息的订购情况。例如,待推荐信息的电子资源量越高待推荐信息的优先级越高,待推荐信息的订购情况越好待推荐信息的优先级越高,或者将待推荐信息的电子资源量与待推荐信息的订购情况进行加权计算后得到数值1,数值1越大,则待推荐信息的优先级越高。
上述的待推荐信息的电子资源量可以理解为信息推荐方将待推荐信息推荐至展示位后,用户办理待推荐信息对应的业务为信息推荐当带来的营业价值。待推荐信息的订购情况可以理解为信息推荐方统计的用户订购待推荐信息对应的业务的订购率等。比如20元2G加餐流量包业务,这个业务资费是订购一次20元,并且只扣一次费,所以该商品潜在电子资源量是20元;再比如20元2G包月流量包商品,这个商品资费是每个月20元,只要不退订每个月都会自动扣20元,通过分析这个商品平均订购时长(最近一段时间退订用户平均订购月份数)是6.5月,那么这个商品的潜在电子资源量则是20*6.5=130元,依次类推可以给出加副卡、加装独立电视台(independent television,ITV)、加宽带、4G升5G、宽带续约等各类业务的电子资源量。
可选的,服务器可将各待推荐信息的优先级与各待推荐信息的曝光衰减系数输入至机器学习模型进行数据处理,确定M个待推荐信息的推荐顺序。通过机器学习模型进行数据处理,可以提高数据处理效率,以便更加快速地计算出待推荐信息的推荐顺序。
本申请中,服务器在推荐信息时,并非仅参考优先级持续推荐某个待推荐信息,该方式参考了待推荐信息的优先级以及待推荐信息的曝光情况,可根据待推荐信息的曝光情况调整推荐策略,不会一直推荐某个信息,可提高推荐信息的灵活性,采用本申请的信息推荐方法推荐商品可提高商品达成交易的概率,可为信息推荐方带来更多的电子资源量。
在一种可选的实施方式中,机器学习模型的参数更新时,各待推荐信息的曝光衰减系数为1。之后随着曝光次数的增加逐渐递减至0,每个商品都维持一个0-1之间的小数,代表待推荐信息被展示的程度。根据曝光衰减系数的调整可以让长时间未获得曝光的待推荐信息获得上架展示的机会。
可选的,机器学习模型可通过如下方式确定M个待推荐信息的推荐顺序:
基于各待推荐信息的优先级与各待推荐信息的曝光衰减系数进行乘法运算,确定各待推荐信息的推荐值;对M个推荐值进行排序,获取排序结果;根据排序结果推荐M个待推荐信息。例如,待推荐信息为信息1、信息2以及信息3,将信息1的优先级取值X1与信息1的曝光衰减系数α1相乘得到推荐值1,将信息2的优先级取值X2与信息2的曝光衰减系数α2相乘得到推荐值2,将信息3的优先级取值X3与信息3的曝光衰减系数α3相乘得到推荐值3。将推荐值1~推荐值3从小到大排序,确定排序结果,依序推荐信息。
此外,服务器可获取N个展示位的优先级,其中,展示位用于展示待推荐信息;N为正整数;若N小于M,则将排序结果靠前的N个推荐信息依序推荐至N个展示位。例如,展示位包括2个,展示为1的优先级高于展示位2,结束上述示例,若推荐值1~推荐值3排序后,推荐值1大于推荐值2,推荐值2大于推荐值3,那么展示位1展示信息1,展示为2展示信息2。
该方式参考了待推荐信息的优先级以及待推荐信息的曝光情况,可根据待推荐信息的曝光情况调整推荐策略,不会一直推荐某个信息,可提高推荐信息的灵活性。
为了更好地说明本申请的方案,图3以信息推荐方为电信业务的运营商为例来说明,运营商确定需要展示待推荐信息的展示位,假定运营商指定3种信息推荐策略,分为策略A、策略B以及策略X,策略A推荐业务A,策略B推荐业务B,策略X推荐业务X,采用本申请的方案,确定业务A的电子资源量、业务A的订购情况以及业务A的曝光次数,并基于业务A的曝光次数确定曝光衰减系数A,并采用机器学习模型确定业务A的推荐值A,基于同样的方式确定业务B的推荐值B以及业务X的推荐值X,将推荐值最高的业务推荐至展示位。
其中,推荐值=待推荐信息的电子资源量*待推荐信息的订购率*待推荐信息的曝光衰减系数。可参照下述表1来理解。
表1
通过上述表1可知张三可推荐的业务有4个,分别是加装ITV、20元2G流量加餐包、加装宽带、20元2G流量包月包,按照待推荐信息的电子资源量可能推加装ITV,按照待推荐信息的订购率可能推20元2G流量加餐包,无论使用哪种优先级方法会一直推荐对应的业务直到被订购,其他业务会一直无法推荐。本申请采用推荐值后,业务对应的推荐值最大的是20元2G流量包月包,推荐的是20元2G流量包月包,但是若连续3次曝光后,该业务的曝光衰减系数就变成了0.93=0.729,业务的推荐值就会变成130*30%*0.729=28.431,业务的推荐值最高的变成了加装宽带,推荐的就会变成加装宽带。同理李四前2次电极运营商的APP,最高推荐值对应的业务是4升5,展示位展示4升5,第3次来访时,最高推荐值对应的业务变成了加装副卡,所以推荐的业务变成了加装副卡。
基于同样的构思,本申请实施例提供一种单点登录装置,如图4所示,包括:第一确定单元41、第二确定单元42以及推荐单元43。
其中,第一确定单元41,用于确定M个待推荐信息,所述M为大于等于2的正整数;第二确定单元42,用于根据所述M个待推荐信息的历史曝光情况,确定各所述待推荐信息的曝光衰减系数;推荐单元43,用于基于所述M个待推荐信息的优先级以及所述各待推荐信息的曝光衰减系数,推荐所述M个待推荐信息。
本申请中,在推荐信息时,并非仅参考优先级持续推荐某个待推荐信息,该方式参考了待推荐信息的优先级以及待推荐信息的曝光情况,可根据待推荐信息的曝光情况调整推荐策略,不会一直推荐某个信息,可提高推荐信息的灵活性,采用本申请的信息推荐方法推荐商品可提高商品达成交易的概率,可为信息推荐方带来更多的电子资源量。
在一种可选的方式中,待推荐信息的曝光衰减系数与待推荐信息的历史曝光次数负相关。也即待推荐信息的历史曝光次数越多待推荐信息的曝光衰减系数越小,曝光次数越多的待推荐信息推荐概率越低,其他未曝光的待推荐信有机会曝光。
在一种可选的方式中,曝光衰减系数满足如下公式:
α=λx
其中,α为曝光衰减系数;x为历史曝光次数;λ为预设参数;λ∈(0,1)。
在一种可选的方式中,各待推荐信息的优先级与以及信息存在关联关系:各待推荐信息的电子资源量以及待推荐信息的订购情况。
在一种可选的方式中,推荐单元43,可用于将各待推荐信息的优先级与各待推荐信息的曝光衰减系数输入至机器学习模型进行数据处理,确定M个待推荐信息的推荐顺序。通过机器学习模型基于历史成交数据进行数据处理,具有合理性、确定性,可以提高数据处理效率,以便更加快速地计算出待推荐信息的推荐顺序。
在一种可选的方式中,机器学习模型的参数更新时,各待推荐信息的曝光衰减系数为1。
在一种可选的方式中,机器学习模型可通过如下方式确定M个待推荐信息的推荐顺序:
基于各待推荐信息的优先级与各待推荐信息的曝光衰减系数进行乘法运算,确定各待推荐信息的推荐值;对M个推荐值进行排序,获取排序结果;根据排序结果推荐M个待推荐信息。该方式参考了待推荐信息的优先级以及待推荐信息的曝光情况,可根据待推荐信息的曝光情况调整推荐策略,不会一直推荐某个信息,可提高推荐信息的灵活性。
在一种可选的方式中,信息推荐装置还包括获取单元,获取单元可用于可获取N个展示位的优先级,展示位用于展示待推荐信息;N为正整数;若N小于M,则推荐单元43,用于将排序结果靠前的N个推荐信息依序推荐至N个展示位。
在介绍了本申请示例性实施方式中的信息推荐方法、装置之后,接下来,介绍本申请的另一示例性实施方式的计算设备。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本申请的计算设备可以至少包括至少一个处理器、以及至少一个存储器。其中,存储器存储有计算机程序,当计算机程序被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的信息推荐方法中的步骤。例如,处理器可以执行如图2中所示的步骤201-步骤203。
下面参照图5来描述根据本申请的这种实施方式的计算设备130。图5显示的计算设备130仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。如图5所示,计算设备130以通用智能终端的形式表现。计算设备130的组件可以包括但不限于:上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。存储器132可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)1321和/或高速缓存存储器1322,还可以进一步包括只读存储器(ROM)1323。存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325,这样的程序模块1324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信,和/或与使得该计算设备130能与一个或多个其它智能终端进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且,计算设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器136通过总线133与用于计算设备130的其它模块通信。应当理解,尽管图中未示出,可以结合计算设备130使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中,本申请提供的交易数据备份方法的各个方面还可以实现为一种程序产品的形式,其包括计算机程序,当程序产品在计算机设备上运行时,计算机程序用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的信息推荐方法中的步骤。例如,处理器可以执行如图2中所示的步骤201-步骤203。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于三维视觉重定位的程序产品可采用便携式紧凑盘只读存储器(CD-ROM)并包括计算机程序,并可在智能终端上运行。但本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读计算机程序。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程访问频次的预测设备的处理器以产生一个机器,使得通过计算机或其他可编程访问频次的预测设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程访问频次的预测设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程访问频次的预测设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (11)
1.一种信息推荐方法,其特征在于,包括:
确定M个待推荐信息,所述M为大于等于2的正整数;
根据所述M个待推荐信息的历史曝光情况,确定各所述待推荐信息的曝光衰减系数;
基于所述M个待推荐信息的优先级以及所述各待推荐信息的曝光衰减系数,推荐所述M个待推荐信息。
2.根据权利要求1所述的方法,其特征在于,所述待推荐信息的曝光衰减系数与所述待推荐信息的历史曝光次数负相关。
3.根据权利要求2所述的方法,其特征在于,所述曝光衰减系数满足如下公式:
α=λx
其中,所述α为曝光衰减系数;所述x为历史曝光次数;所述λ为预设参数;所述λ∈(0,1)。
4.根据权利要求1所述的方法,其特征在于,所述各待推荐信息的优先级与以下信息存在关联关系:
所述各待推荐信息的电子资源量以及所述待推荐信息的订购情况。
5.根据权利要求1-4中任一所述的方法,其特征在于,所述基于所述M个待推荐信息的优先级以及所述各待推荐信息的曝光衰减系数,推荐所述M个待推荐信息,包括:
将所述各待推荐信息的优先级与所述各待推荐信息的曝光衰减系数输入至机器学习模型进行数据处理,确定所述M个待推荐信息的推荐顺序。
6.根据权利要求5所述的方法,其特征在于,所述机器学习模型的参数更新时,所述各待推荐信息的曝光衰减系数为1。
7.根据权利要求6所述的方法,其特征在于,所述机器学习模型通过如下方式确定所述M个待推荐信息的推荐顺序:
基于所述各待推荐信息的优先级与所述各待推荐信息的曝光衰减系数进行乘法运算,确定所述各待推荐信息的推荐值;
对M个所述推荐值进行排序,获取排序结果;
根据所述排序结果推荐所述M个待推荐信息。
8.根据权利要求7所述的方法,其特征在于,还包括:
获取N个展示位的优先级,所述展示位用于展示所述待推荐信息;所述N为正整数;
所述根据所述排序结果推荐所述M个待推荐信息,包括:
若所述N小于所述M,则将排序结果靠前的N个推荐信息依序推荐至所述N个展示位。
9.一种信息推荐装置,其特征在于,包括:
第一确定单元,用于确定M个待推荐信息,所述M为大于等于2的正整数;
第二确定单元,用于根据所述M个待推荐信息的历史曝光情况,确定各所述待推荐信息的曝光衰减系数;
推荐单元,用于基于所述M个待推荐信息的优先级以及所述各待推荐信息的曝光衰减系数,推荐所述M个待推荐信息。
10.一种计算装置,其特征在于,包括:存储器以及处理器;
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行权利要求1-8中任一项所述的方法。
11.一种计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令用于执行如权利要求1-8中任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111631981.6A CN114387056A (zh) | 2021-12-29 | 2021-12-29 | 一种信息推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111631981.6A CN114387056A (zh) | 2021-12-29 | 2021-12-29 | 一种信息推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114387056A true CN114387056A (zh) | 2022-04-22 |
Family
ID=81200034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111631981.6A Pending CN114387056A (zh) | 2021-12-29 | 2021-12-29 | 一种信息推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114387056A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094529A (zh) * | 2023-10-16 | 2023-11-21 | 浙江挚典科技有限公司 | 一种钢筋避让方案推荐方法 |
-
2021
- 2021-12-29 CN CN202111631981.6A patent/CN114387056A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094529A (zh) * | 2023-10-16 | 2023-11-21 | 浙江挚典科技有限公司 | 一种钢筋避让方案推荐方法 |
CN117094529B (zh) * | 2023-10-16 | 2024-02-13 | 浙江挚典科技有限公司 | 一种钢筋避让方案推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108521439A (zh) | 一种消息推送的方法和装置 | |
CN110796477A (zh) | 广告展示方法、装置、电子设备及可读存储介质 | |
CN109274987B (zh) | 一种视频集合排序方法、服务器及可读存储介质 | |
CN110113489A (zh) | 消息群组排序方法、装置、电子设备及介质 | |
CN107094166A (zh) | 一种业务信息发送方法及装置 | |
CN109727047A (zh) | 一种确定数据关联度的方法和装置、数据推荐方法和装置 | |
CN110738436A (zh) | 一种确定可用库存的方法和装置 | |
US20200133439A1 (en) | Chat session dynamic user interface | |
CN111159553A (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
CN109711766A (zh) | 配送方法、电子设备及存储介质 | |
CN109299041A (zh) | 一种图片缓存清理方法及终端设备 | |
CN114387056A (zh) | 一种信息推荐方法及装置 | |
CN107291835A (zh) | 一种搜索词的推荐方法和装置 | |
CN110570271A (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
CN110443441A (zh) | 规则效能监测方法、装置、计算机设备及存储介质 | |
CN106033576B (zh) | 一种对象信息的展示方法和装置 | |
CN112989276A (zh) | 信息推送系统的评价方法和装置 | |
CN113792946B (zh) | 物品陈列方法、装置、电子设备和计算机可读介质 | |
CN110544140A (zh) | 一种处理浏览数据的方法和装置 | |
CN110838019A (zh) | 确定试用品发放人群的方法和装置 | |
CN110858335A (zh) | 一种计算促销弹性的方法和装置 | |
CN110766488A (zh) | 一种自动确定主题场景的方法和装置 | |
CN113689266A (zh) | 手机选购推荐方法、装置、服务器及计算机可读存储介质 | |
CN114445128A (zh) | 卡券管理方法、装置、电子设备和计算机可读介质 | |
CN112927050A (zh) | 待推荐金融产品确定方法、装置、电子设备及存储介质 |
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 |