CN114817718A - 一种推荐内容过滤方法、装置、计算机设备及介质 - Google Patents

一种推荐内容过滤方法、装置、计算机设备及介质 Download PDF

Info

Publication number
CN114817718A
CN114817718A CN202210426822.0A CN202210426822A CN114817718A CN 114817718 A CN114817718 A CN 114817718A CN 202210426822 A CN202210426822 A CN 202210426822A CN 114817718 A CN114817718 A CN 114817718A
Authority
CN
China
Prior art keywords
level
recommended content
content list
filtering
content
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
Application number
CN202210426822.0A
Other languages
English (en)
Inventor
王国彬
牟锟伦
黎利
林虔赐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tubatu Group Co Ltd
Original Assignee
Tubatu Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tubatu Group Co Ltd filed Critical Tubatu Group Co Ltd
Priority to CN202210426822.0A priority Critical patent/CN114817718A/zh
Publication of CN114817718A publication Critical patent/CN114817718A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明适用于内容推荐技术领域，尤其涉及一种推荐内容过滤方法、装置、计算机设备及介质。本发明通过对预设的过滤器组件进行优先级排序，确定每个过滤器组件的优先级顺序，然后将获取的待推荐内容列表作为第一级推荐内容列表，将优先级顺序为第一，二，…，N级的过滤器组件输出的推荐内容列表，作为第二，三，…，N+1级推荐内容列表，根据各过滤器组件的优先级顺序对同级别的推荐内容列表进行过滤，输出下一级别的推荐内容列表，从而根据N级过滤器组件完成待推荐内容的过滤，并对输出的第N+1级推荐内容列表进行推荐。通过多级过滤器组件对待推荐内容进行全面的精准化过滤，大大提高了个性化推荐内容的质量。

Description

一种推荐内容过滤方法、装置、计算机设备及介质
技术领域
本发明适用于内容推荐技术领域，尤其涉及一种推荐内容过滤方法、装置、计算机设备及介质。
背景技术
随着互联网的高速发展，网络数据呈现出指数增长的趋势，用户想要从海量信息中快速准确地找到感兴趣的信息变得越来越困难，因而出现了个性化推荐技术，通过用户的个人行为特征，为客户推荐最符合喜好的内容。
由于个性化推荐内容是基于内容推荐算法从海量数据中进行信息筛选获得的，不可避免会推荐一些低质量内容，因此，现有技术中，在获得用户的个性化推荐内容后，会根据用户的显示记录和阅读记录过滤重复内容，推荐内容的质量在一定程度上有所提升，但仍不满足用户的高质量内容推荐需求。
因此，在个性化推荐领域，如何提高个性化推荐内容的质量成为亟待解决的问题。
发明内容
有鉴于此，本发明实施例提供了一种推荐内容过滤方法、装置、计算机设备及介质，以解决个性化推荐内容的质量较低的问题。
第一方面，本发明实施例提供一种推荐内容过滤方法，所述推荐内容过滤方法包括：
对N个预设的过滤器组件进行优先级排序，确定各过滤器组件的优先级顺序，其中，N≥2；
获取待推荐内容列表，将所述待推荐内容列表作为第一级推荐内容列表，将所述优先级顺序为第一，二，…，N级的过滤器组件输出的推荐内容列表，作为第二，三，…，N+1级推荐内容列表；
根据各过滤器组件的所述优先级顺序，对同级别的推荐内容列表进行过滤，输出下一级别的推荐内容列表；
对第N级过滤器组件输出的第N+1级推荐内容列表进行推荐。
第二方面，本发明实施例提供一种推荐内容过滤装置，所述推荐内容过滤装置包括：
优先级排序模块，用于对N个预设的过滤器组件进行优先级排序，确定各过滤器组件的优先级顺序，其中，N≥2；
级别设定模块，用于获取待推荐内容列表，将所述待推荐内容列表作为第一级推荐内容列表，将所述优先级顺序为第一，二，…，N级的过滤器组件输出的推荐内容列表，作为第二，三，…，N+1级推荐内容列表；
内容过滤模块，用于根据各过滤器组件的所述优先级顺序，对同级别的推荐内容列表进行过滤，输出下一级别的推荐内容列表；
内容推荐模块，用于对第N级过滤器组件输出的第N+1级推荐内容列表进行推荐。
第三方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的推荐内容过滤方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的推荐内容过滤方法。
本发明实施例与现有技术相比存在的有益效果是：本发明通过对预设的过滤器组件进行优先级排序，确定每个过滤器组件的优先级顺序，然后将获取的待推荐内容列表作为第一级推荐内容列表，将优先级顺序为第一，二，…，N级的过滤器组件输出的推荐内容列表，作为第二，三，…，N+1级推荐内容列表，根据各过滤器组件的优先级顺序对同级别的推荐内容列表进行过滤，输出下一级别的推荐内容列表，从而根据N级过滤器组件完成待推荐内容的过滤，并对输出的第N+1级推荐内容列表进行推荐。通过多级过滤器组件对待推荐内容进行全面的精准化过滤，大大提高了个性化推荐内容的质量。
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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种推荐内容过滤方法的一应用环境示意图；
图2是本发明实施例一提供的一种推荐内容过滤方法的流程示意图；
图3是本发明实施例二提供的一种推荐内容过滤装置的结构示意图；
图4是本发明实施例三提供的一种计算机设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本发明说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明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。
应理解，以下实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
为了说明本发明的技术方案，下面通过具体实施例来进行说明。
本发明实施例一提供的一种推荐内容过滤方法，可应用在如图1的应用环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、云端终端设备、个人数字助理(personal digital assistant，PDA)等终端设备。服务端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。
参见图2，是本发明实施例一提供的一种推荐内容过滤方法的流程示意图，上述推荐内容过滤方法可以应用于图1中的客户端，该推荐内容过滤方法可以包括以下步骤：
步骤S201，对N个预设的过滤器组件进行优先级排序，确定各过滤器组件的优先级顺序，其中，N≥2。
其中，过滤器组件是一个独立编译的程序，多个过滤器组件可以通过集成的方式获得一个更大的过滤系统，通过将待过滤的推荐内容按照各过滤器组件的优先级顺序先后输入到各过滤器组件中，对待过滤的推荐内容中符合条件的低质量内容进行多级过滤，并输出所有过滤器组件过滤后的推荐内容，来提高推荐内容的质量。
首先预设N个过滤器组件，用于完成不同类型的过滤工作，且各组件之间可以相互协作，也可以互不干扰。
然后，根据实际情况设定各过滤器组件的优先级顺序，并根据各过滤器组件的优先级顺序对待过滤的推荐内容依次进行多个层级的全面过滤，以提高推荐内容的质量。例如，可以根据各类低质量内容的占比来设定各过滤器组件的优先级顺序，通过设定占比多的低质量内容对应的过滤器组件的优先级顺序更靠前，来提高整个过滤工作的效率；也可以根据低质量内容的类别包含情况，当某类低质量内容包含其他类别的低质量内容时，设定该类低质量内容对应的过滤器组件的优先级顺序更靠前，来提高整个过滤工作的效率。
可选的，过滤器组件包括曝光去重过滤器组件、黑名单过滤器组件和下架过滤器组件。
其中，将待过滤的推荐内容中的低质量内容划分为重复出现内容、黑名单内容和下架内容三类，曝光去重过滤器组件用于过滤其中的重复出现内容，黑名单过滤器组件用于过滤其中的，下架过滤器组件用于过滤其中的下架内容。
在一种实施方式中，设定N＝3，预设的三种过滤器组件为曝光去重过滤器组件、黑名单过滤器组件和下架过滤器组件，分别对待过滤的推荐内容中的重复出现内容、黑名单内容和下架内容这三类低质量内容进行过滤。
同时，根据在历史过滤工作中，重复出现内容、黑名单内容和下架内容这三类低质量内容的过滤数量，计算各类低质量内容的占比，确定占比最多的低质量内容对应的过滤器组件的优先级顺序为一级，从而根据各类低质量内容的占比完成对应三类过滤器组件的优先级排序。
在一种实施方式中，设定N＝3，预设的三种过滤器组件为曝光去重过滤器组件、黑名单过滤器组件和下架过滤器组件，分别对待过滤的推荐内容中的重复出现内容、黑名单内容和下架内容这三类低质量内容进行过滤。
同时，根据重复出现内容、黑名单内容和下架内容这三类低质量内容的类别包含情况，即重复出现内容中会包含黑名单内容和下架内容，而黑名单内容和下架内容互不干扰，因此，将曝光去重过滤器组件设定为第一级过滤器组件，将黑名单内容和下架内容分别设定为第二级、第三级过滤器组件或者第三级、第二级过滤器组件，完成对应三个过滤器组件的优先级排序。
步骤S202，获取待推荐内容列表，将待推荐内容列表作为第一级推荐内容列表，将优先级顺序为第一，二，…，N级的过滤器组件输出的推荐内容列表，作为第二，三，…，N+1级推荐内容列表。
其中，待推荐内容列表是通过用户的个人行为特征，基于内容推荐算法从海量数据中进行信息筛选获得的个性化推荐内容，包含一些低质量内容，需要根据多级过滤器组件对其中的低质量内容进行过滤，以对高质量的个性化推荐内容进行推荐。
因此，首先获取待推荐内容列表，并将该待推荐内容列表作为第一级推荐内容列表，然后将其输入到第一级过滤器组件中进行第一级低质量内容的过滤，输出第二级推荐内容列表，从而通过将第一，二，…，N级推荐内容列表分别输入对应优先级顺序为第一，二，…，N级的过滤器组件中，进行N级低质量内容的过滤，最终输出高质量的第N+1级推荐内容列表，并对该高质量的个性化推荐内容列表进行推荐。
举例说明，在个性化推荐场景下，首先通过用户的个人行为特征，基于内容推荐算法从海量数据中筛选出个性化推荐内容，获取待推荐内容列表，并将该待推荐内容列表作为第一级推荐内容列表。
当预设的三种过滤器组件为曝光去重过滤器组件、黑名单过滤器组件和下架过滤器组件时，通过将第一，二，三级推荐内容列表分别输入优先级顺序为第一，二，三级的过滤器组件中，进行重复出现内容、黑名单内容和下架内容的过滤，并输出第二，三，四级推荐内容列表，最终获得高质量的第四级推荐内容列表，并将其作为高质量的个性化推荐内容列表推荐给用户。
步骤S203，根据各过滤器组件的优先级顺序，对同级别的推荐内容列表进行过滤，输出下一级别的推荐内容列表。
其中，第一级推荐内容列表为待推荐内容列表，将第一，二，…，N级推荐内容列表分别输入优先级顺序为第一，二，…，N级的过滤器组件中，进行N级低质量内容的过滤，分别输出第二，三，…，N+1级推荐内容列表，其中，第N+1级推荐内容列表为高质量的个性化推荐内容。
由于各过滤器组件过滤的低质量内容类别不同，且各类低质量内容的包含其他低质量内容的情况不同，因此，当各过滤器组件的优先级顺序不同时，输出的各级推荐内容列表也不同，对待推荐内容进行多级过滤所用的时间也不同。因此，本实施例根据各类低质量内容对其他低质量内容的包含情况，来设定各过滤器组件的优先级顺序，以在提高推荐内容质量的同时，提高多层过滤的工作效率。
可选的，根据各过滤器组件的优先级顺序，对同级别的推荐内容列表进行过滤，输出下一级别的推荐内容列表，包括：
将曝光去重过滤器组件的优先级顺序设为第一级，过滤第一级推荐内容列表中的重复出现内容，输出第二级推荐内容列表；
将黑名单过滤器组件的优先级顺序设为第二级，过滤第二级推荐内容列表中的黑名单内容，输出第三级推荐内容列表；
将下架过滤器组件的优先级顺序设为第三级，过滤第三级推荐内容列表中的下架内容，输出第四级推荐内容列表。
在一种实施方式中，预设三种过滤器组件为曝光去重过滤器组件、黑名单过滤器组件和下架过滤器组件，分别对重复出现内容、黑名单内容和下架内容这三类低质量内容进行过滤。
由于重复出现内容中会包含黑名单内容和下架内容，而黑名单内容和下架内容互不干扰，因此，将曝光去重过滤器组件设定为第一级过滤器组件，过滤第一级推荐内容列表中的重复出现内容，输出第二级推荐内容列表，将黑名单内容设定为第二级过滤器组件，过滤第二级推荐内容列表中的黑名单内容，输出第三级推荐内容列表，将下架内容设定为第三级过滤器组件，过滤第三级推荐内容列表中的下架内容，输出第四级推荐内容列表。
其中，曝光去重过滤器组件、黑名单过滤器组件和下架过滤器组件对重复出现内容、黑名单内容和下架内容这三类低质量内容进行过滤的方法不止一种，可根据实际情况进行低质量内容的具体过滤。
可选的，将曝光去重过滤器组件的优先级顺序设为第一级，过滤第一级推荐内容列表中的重复出现内容，输出第二级推荐内容列表，包括：
计算第一级推荐内容列表中的各内容的哈希值，根据位图结构算法判断各内容的哈希值是否已曝光存在，判定已曝光存在的内容为第一级推荐内容列表中的重复出现内容；
将重复出现内容从第一级推荐内容列表中进行过滤，输出第二级推荐内容列表。
其中，第一级推荐内容列表为待推荐内容列表，使用哈希算法可计算得到其中各内容的哈希值，然后根据位图结构算法判断各内容的哈希值是否已曝光存在，并判定已曝光存在的内容为第一级推荐内容列表中的重复内容，未曝光存在的内容为第一级推荐内容列表中的非重复内容，通过过滤掉第一级推荐内容列表中的所有重复内容，保留第一级推荐内容列表中的非重复内容，即可输出不包含重复内容的第二级推荐内容列表。
可选的，将黑名单过滤器组件的优先级顺序设为第二级，过滤第二级推荐内容列表中的黑名单内容，输出第三级推荐内容列表，包括：
获取黑名单内容集合，根据哈希查找算法确定第二级推荐内容列表中的黑名单内容，将黑名单内容从第二级推荐内容列表中进行过滤，输出第三级推荐内容列表。
其中，获得个性化推荐场景下的所有黑名单内容，组成一个黑名单内容集合，同样根据哈希算法可计算得到黑名单集合中各黑名单内容的哈希值。
然后，对于不包含重复内容的第二级推荐内容列表中的各内容，通过哈希查找算法确定在黑名单集合中是否存在与第二级推荐内容列表中各内容的哈希值一致的黑名单内容，若存在与第二级推荐内容列表中各内容的哈希值一致的黑名单内容，则第二级推荐内容列表中的该内容即为黑名单内容，否则，为非黑名单内容，通过过滤掉第二级推荐内容列表中的所有黑名单内容，保留第二级推荐内容列表中的非黑名单内容，即可输出不包含重复内容和黑名单内容的第三级推荐内容列表。
可选的，将下架过滤器组件的优先级顺序设为第三级，过滤第三级推荐内容列表中的下架内容，输出第四级推荐内容列表，包括：
获取下架内容集合，根据哈希查找算法确定第三级推荐内容列表中的下架内容，将下架内容从第三级推荐内容列表中进行过滤，输出第四级推荐内容列表。
其中，获得个性化推荐场景下的所有下架内容，组成一个下架内容集合，同样根据哈希算法可计算得到下架集合中各下架内容的哈希值。
然后，对于不包含重复内容和黑名单内容的第三级推荐内容列表中的各内容，通过哈希查找算法确定在下架集合中是否存在与第三级推荐内容列表中各内容的哈希值一致的下架内容，若存在与第三级推荐内容列表中各内容的哈希值一致的下架内容，则第三级推荐内容列表中的该内容即为下架内容，否则，为非下架内容，通过过滤掉第三级推荐内容列表中的所有下架内容，保留第三级推荐内容列表中的非下架内容，即可输出不包含重复内容、黑名单内容和下架内容的第四级推荐内容列表。
举例说明，将待推荐内容列表作为第一级推荐内容列表，将第一级推荐内容列表中的内容数量记为S1，使用哈希算法计算第一级推荐内容列表中各内容的哈希值，并将其中第I(i＝1，2，…，S1)个内容的哈希值记为HI，然后根据位图结构算法判断第I个内容的哈希值HI是否已曝光存在，若已曝光存在，则第一级推荐内容列表中的第I个内容为重复内容，否则，为非重复内容。
则可判定出第一级推荐内容列表中S1个内容是否为重复内容，并将其中的重复内容进行滤除，保留非重复内容，输出不包含重复内容的第二级推荐内容列表。
然后获取个性化推荐场景下的所有黑名单内容，组成一个黑名单内容集合，并将黑名单内容集合中的内容数量记为W1，用哈希算法计算黑名单内容集合中各黑名单内容的哈希值，将其中第j(j＝1，2，…，W1)个黑名单内容的哈希值记为hj，则可获得黑名单内容集合中第1，2，…，W1个黑名单内容的哈希值h1，h2，…，
Figure BDA0003609964920000101
将第二级推荐内容列表中的内容数量记为S2，将其中第J个内容的哈希值记为H′J，通过哈希查找算法，确定黑名单内容的哈希值h1，h2，…，
Figure BDA0003609964920000102
中是否存在与哈希值H′J一致的哈希值，若存在，则第二级推荐内容列表中的第J个内容为黑名单内容，否则，为非黑名单内容。
则可判定出第二级推荐内容列表中S2个内容是否为黑名单内容，并将其中的黑名单内容进行滤除，保留非黑名单内容，输出不包含重复内容和黑名单内容的第三级推荐内容列表。
然后获取个性化推荐场景下的所有下架内容，组成一个下架内容集合，并将下架内容集合中的内容数量记为W2，并用哈希算法计算下架内容集合中各下架内容的哈希值，将其中第k(k＝1，2，…，W2)个下架内容的哈希值记为h′k，则可获得下架内容集合中第1，2，…，W2个下架内容的哈希值h′1，h′2，…，
Figure BDA0003609964920000111
将第三级推荐内容列表中的内容数量记为S3，将其中第K个内容的哈希值记为H″K，通过哈希查找算法，确定下架内容的哈希值h′1，h′2，…，
Figure BDA0003609964920000112
中是否存在与哈希值H″K一致的哈希值，若存在，则第三级推荐内容列表中的第K个内容为下架内容，否则，为非下架内容。
则可判定出第三级推荐内容列表中S3个内容是否为下架内容，并将其中的下架内容进行滤除，保留非下架内容，输出不包含重复内容、黑名单内容和下架内容的第四级推荐内容列表。
步骤S204，对第N级过滤器组件输出的第N+1级推荐内容列表进行推荐。
其中，第N级过滤器组件输出的第N+1级推荐内容列表中，不包含预设的N个过滤器组件过滤的低质量内容，因此，通过N个过滤器组件对待推荐内容进行N级过滤后，完成了对待推荐内容中对应低质量内容的全面精准化滤除，大大提高了推荐内容的质量，因此，对第N级过滤器组件输出的第N+1级推荐内容列表进行推荐。
举例说明，在个性化推荐场景下，当预设的三种过滤器组件为曝光去重过滤器组件、黑名单过滤器组件和下架过滤器组件时，根据曝光去重过滤器组件、黑名单过滤器组件和下架过滤器组件分别滤除了待推荐内容中的重复出现内容、黑名单内容和下架内容，输出了不包含重复内容、黑名单内容和下架内容的第四级推荐内容列表，因此，第三级过滤器组件输出的第四级推荐内容列表即为高质量的推荐内容列表，即可将三级滤波后输出的第四级推荐内容列表作为高质量的个性化推荐内容列表推荐给用户。
本发明实施例通过对预设的过滤器组件进行优先级排序，确定每个过滤器组件的优先级顺序，然后将获取的待推荐内容列表作为第一级推荐内容列表，将优先级顺序为第一，二，…，N级的过滤器组件输出的推荐内容列表，作为第二，三，…，N+1级推荐内容列表，根据各过滤器组件的优先级顺序对同级别的推荐内容列表进行过滤，输出下一级别的推荐内容列表，从而根据N级过滤器组件完成待推荐内容的过滤，并对输出的第N+1级推荐内容列表进行推荐。通过多级过滤器组件对待推荐内容进行全面的精准化过滤，大大提高了个性化推荐内容的质量。
对应于上文实施例的推荐内容过滤方法，图3给出了本发明实施例二提供的一种推荐内容过滤装置的结构框图，为了便于说明，仅示出了与本发明实施例相关的部分。
参见图3，该推荐内容过滤装置包括：
优先级排序模块31，用于对N个预设的过滤器组件进行优先级排序，确定各过滤器组件的优先级顺序，其中，N≥2；
级别设定模块32，用于获取待推荐内容列表，将待推荐内容列表作为第一级推荐内容列表，将优先级顺序为第一，二，…，N级的过滤器组件输出的推荐内容列表，作为第二，三，…，N+1级推荐内容列表；
内容过滤模块33，用于根据各过滤器组件的优先级顺序，对同级别的推荐内容列表进行过滤，输出下一级别的推荐内容列表；
内容推荐模块34，用于对第N级过滤器组件输出的第N+1级推荐内容列表进行推荐。
可选的，上述内容过滤模块33包括：
曝光去重过滤单元，用于将曝光去重过滤器组件的优先级顺序设为第一级，过滤第一级推荐内容列表中的重复出现内容，输出第二级推荐内容列表；
黑名单过滤单元，用于将黑名单过滤器组件的优先级顺序设为第二级，过滤第二级推荐内容列表中的黑名单内容，输出第三级推荐内容列表；
下架过滤单元，用于将下架过滤器组件的优先级顺序设为第三级，过滤第三级推荐内容列表中的下架内容，输出第四级推荐内容列表。
可选的，上述曝光去重过滤单元包括：
曝光去重判定子单元，用于计算第一级推荐内容列表中的各内容的哈希值，根据位图结构算法判断各内容的哈希值是否已曝光存在，判定已曝光存在的内容为第一级推荐内容列表中的重复出现内容；
曝光去重过滤子单元，用于将重复出现内容从第一级推荐内容列表中进行过滤，输出第二级推荐内容列表。
可选的，上述黑名单过滤单元包括：
黑名单集合获取子单元，用于获取黑名单内容集合；
黑名单过滤子单元，用于根据哈希查找算法确定第二级推荐内容列表中的黑名单内容，将黑名单内容从第二级推荐内容列表中进行过滤，输出第三级推荐内容列表。
可选的，上述下架过滤单元包括：
下架集合获取子单元，用于获取下架内容集合；
下架过滤子单元，用于根据哈希查找算法确定第三级推荐内容列表中的下架内容，将下架内容从第三级推荐内容列表中进行过滤，输出第四级推荐内容列表。
需要说明的是，上述模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图4为本发明实施例三提供的一种计算机设备的结构示意图。如图4所示，该实施例的计算机设备包括：至少一个处理器(图4中仅示出一个)、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意各个推荐内容过滤方法实施例中的步骤。
该计算机设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图4仅仅是计算机设备的举例，并不构成对计算机设备的限定，计算机设备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，例如还可以包括网络接口、显示屏和输入装置等。
所称处理器可以是CPU，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器包括可读存储介质、内存储器等，其中，内存储器可以是计算机设备的内存，内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。可读存储介质可以是计算机设备的硬盘，在另一些实施例中也可以是计算机设备的外部存储设备，例如，计算机设备上配备的插接式硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，该其他程序如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
本发明实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现可实现上述方法实施例中的步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种推荐内容过滤方法，其特征在于，所述推荐内容过滤方法包括：
对N个预设的过滤器组件进行优先级排序，确定各过滤器组件的优先级顺序，其中，N≥2；
获取待推荐内容列表，将所述待推荐内容列表作为第一级推荐内容列表，将所述优先级顺序为第一，二，…，N级的过滤器组件输出的推荐内容列表，作为第二，三，…，N+1级推荐内容列表；
根据各过滤器组件的所述优先级顺序，对同级别的推荐内容列表进行过滤，输出下一级别的推荐内容列表；
对第N级过滤器组件输出的第N+1级推荐内容列表进行推荐。
2.根据权利要求1所述的推荐内容过滤方法，其特征在于，所述过滤器组件包括：
所述过滤器组件包括曝光去重过滤器组件、黑名单过滤器组件和下架过滤器组件。
3.根据权利要求2所述的推荐内容过滤方法，其特征在于，所述根据各过滤器组件的所述优先级顺序，对同级别的推荐内容列表进行过滤，输出下一级别的推荐内容列表，包括：
将所述曝光去重过滤器组件的优先级顺序设为第一级，过滤所述第一级推荐内容列表中的重复出现内容，输出第二级推荐内容列表；
将所述黑名单过滤器组件的优先级顺序设为第二级，过滤所述第二级推荐内容列表中的黑名单内容，输出第三级推荐内容列表；
将所述下架过滤器组件的优先级顺序设为第三级，过滤所述第三级推荐内容列表中的下架内容，输出第四级推荐内容列表。
4.根据权利要求3所述的推荐内容过滤方法，其特征在于，将所述曝光去重过滤器组件的优先级顺序设为第一级，过滤所述第一级推荐内容列表中的重复出现内容，输出第二级推荐内容列表，包括：
计算所述第一级推荐内容列表中的各内容的哈希值，根据位图结构算法判断所述各内容的哈希值是否已曝光存在，判定已曝光存在的内容为所述第一级推荐内容列表中的重复出现内容；
将所述重复出现内容从所述第一级推荐内容列表中进行过滤，输出第二级推荐内容列表。
5.根据权利要求3所述的推荐内容过滤方法，其特征在于，将所述黑名单过滤器组件的优先级顺序设为第二级，过滤所述第二级推荐内容列表中的黑名单内容，输出第三级推荐内容列表，包括：
获取黑名单内容集合，根据哈希查找算法确定所述第二级推荐内容列表中的黑名单内容，将所述黑名单内容从所述第二级推荐内容列表中进行过滤，输出第三级推荐内容列表。
6.根据权利要求3所述的推荐内容过滤方法，其特征在于，将所述下架过滤器组件的优先级顺序设为第三级，过滤所述第三级推荐内容列表中的下架内容，输出第四级推荐内容列表，包括：
获取下架内容集合，根据哈希查找算法确定所述第三级推荐内容列表中的下架内容，将所述下架内容从所述第三级推荐内容列表中进行过滤，输出第四级推荐内容列表。
7.一种推荐内容过滤装置，其特征在于，所述推荐内容过滤装置包括：
优先级排序模块，用于对N个预设的过滤器组件进行优先级排序，确定各过滤器组件的优先级顺序，其中，N≥2；
级别设定模块，用于获取待推荐内容列表，将所述待推荐内容列表作为第一级推荐内容列表，将所述优先级顺序为第一，二，…，N级的过滤器组件输出的推荐内容列表，作为第二，三，…，N+1级推荐内容列表；
内容过滤模块，用于根据各过滤器组件的所述优先级顺序，对同级别的推荐内容列表进行过滤，输出下一级别的推荐内容列表；
内容推荐模块，用于对第N级过滤器组件输出的第N+1级推荐内容列表进行推荐。
8.根据权利要求7所述的推荐内容过滤装置，其特征在于，所述内容过滤模块，包括：
曝光去重过滤单元，用于将所述曝光去重过滤器组件的优先级顺序设为第一级，过滤所述第一级推荐内容列表中的重复出现内容，输出第二级推荐内容列表；
黑名单过滤单元，用于将所述黑名单过滤器组件的优先级顺序设为第二级，过滤所述第二级推荐内容列表中的黑名单内容，输出第三级推荐内容列表；
下架过滤单元，用于将所述下架过滤器组件的优先级顺序设为第三级，过滤所述第三级推荐内容列表中的下架内容，输出第四级推荐内容列表。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的推荐内容过滤方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的推荐内容过滤方法。
CN202210426822.0A 2022-04-22 2022-04-22 一种推荐内容过滤方法、装置、计算机设备及介质 Pending CN114817718A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210426822.0A CN114817718A (zh) 2022-04-22 2022-04-22 一种推荐内容过滤方法、装置、计算机设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210426822.0A CN114817718A (zh) 2022-04-22 2022-04-22 一种推荐内容过滤方法、装置、计算机设备及介质

Publications (1)

Publication Number Publication Date
CN114817718A true CN114817718A (zh) 2022-07-29

Family

ID=82506269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210426822.0A Pending CN114817718A (zh) 2022-04-22 2022-04-22 一种推荐内容过滤方法、装置、计算机设备及介质

Country Status (1)

Country Link
CN (1) CN114817718A (zh)

Similar Documents

Publication Publication Date Title
CN109598414B (zh) 风险评估模型训练、风险评估方法、装置及电子设备
CN110704677B (zh) 一种节目推荐方法、装置、可读存储介质及终端设备
CN111539206B (zh) 一种确定敏感信息的方法、装置、设备及存储介质
CN112329954B (zh) 物品召回方法、装置、终端设备及存储介质
CN111881289A (zh) 分类模型的训练方法、数据风险类别的检测方法及装置
CN108334626B (zh) 新闻栏目的生成方法、装置和计算机设备
CN112346951B (zh) 业务的测试方法及装置
CN116385328A (zh) 基于为图像添加噪声的图像数据增强方法及装置
CN111310834A (zh) 数据处理方法及装置、处理器、电子设备、存储介质
CN110324352A (zh) 识别批量注册账号群的方法及装置
CN111784246B (zh) 物流路径的估测方法
CN113343109A (zh) 榜单推荐方法、计算设备及计算机存储介质
CN112445978A (zh) 电子书的推送方法、电子设备及存储介质
CN114817718A (zh) 一种推荐内容过滤方法、装置、计算机设备及介质
CN111414921A (zh) 样本图像处理方法、装置、电子设备及计算机存储介质
CN108961071B (zh) 自动预测组合业务收益的方法及终端设备
CN108595623A (zh) 一种游戏视频推送方法、装置及计算机存储介质
CN111050194B (zh) 视频序列处理方法、视频序列处理装置、电子设备及计算机可读存储介质
CN107688948A (zh) 理赔数据处理方法、装置、计算机设备和存储介质
CN114066766A (zh) 图数据处理方法及相关装置、电子设备和存储介质
CN110717109B (zh) 推荐数据的方法、装置、电子设备及存储介质
CN113255806A (zh) 样本特征确定方法、样本特征确定装置和电子设备
US10409878B2 (en) Algorithm for an automated, community based, periodic selection process of creative works
CN110837951A (zh) 业务渠道的排序方法及装置和电子设备
CN113590960B (zh) 用户识别模型训练方法、电子设备及计算机存储介质

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