CN114881736B - 推荐方法、显示方法及设备 - Google Patents
推荐方法、显示方法及设备 Download PDFInfo
- Publication number
- CN114881736B CN114881736B CN202210530229.0A CN202210530229A CN114881736B CN 114881736 B CN114881736 B CN 114881736B CN 202210530229 A CN202210530229 A CN 202210530229A CN 114881736 B CN114881736 B CN 114881736B
- Authority
- CN
- China
- Prior art keywords
- recommendation
- objects
- recommended
- target
- object set
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000005457 optimization Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 24
- 238000012216 screening Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 12
- 230000001186 cumulative effect Effects 0.000 claims description 11
- 230000001737 promoting effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000001960 triggered effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0253—During e-commerce, i.e. online transactions
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供一种推荐方法、显示方法及设备,包括响应于目标推荐请求,确定多个第一类推荐对象和多个第二类推荐对象;以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对所述目标推荐请求的展示要求为限制条件,从所述多个第一类推荐对象和所述多个第二类推荐对象中,确定所述目标推荐请求对应的推荐对象集合;向用户推荐所述推荐对象集合。本申请实施例的技术方案实现了推荐对象的有效推荐。
Description
技术领域
本申请实施例涉及互联网技术领域,尤其涉及一种推荐方法、显示方法及设备。
背景技术
随着互联网技术的发展,越来越多的网上平台可以提供对象获取服务,例如在交易类平台中,用户可以通过一定的资源来换取对象等。
为了提高用户体验等,向用户推荐推荐对象的方式成为网上平台的重要组成部分,例如在一些特定的推荐页面中展示一些与用户相关的推荐对象的推荐信息等,以来达到吸引用户及推广的效果。而推荐对象根据实际需求可以划分为不同类型,通常包括受到推荐限制,如数量限制的第一类推荐对象。在推荐页面展示的推荐对象中,通常包括由第一类推荐对象以及其它类推荐对象构成的推荐对象集合。
传统方案中,在推荐对象集合中第一类推荐对象通常是固定配置的,其数量和排列位置在推荐对象集合中都是固定的,这种推荐方式灵活性不高,推荐效果较差,无法实现有效推荐。
发明内容
本申请实施例提供一种推荐方法、显示方法及设备,用以解决现有技术中对象推荐灵活性不高,推荐效果较差的问题。
第一方面,本申请实施例中提供了一种推荐方法,包括:
响应于目标推荐请求,确定多个第一类推荐对象和多个第二类推荐对象;
以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对所述目标推荐请求的展示要求为限制条件,从所述多个第一类推荐对象和所述多个第二类推荐对象中,确定所述目标推荐请求对应的推荐对象集合;
向用户推荐所述推荐对象集合。
第二方面,本申请实施例中提供了一种显示方法,包括:
提供显示界面;
在所述显示界面显示推荐对象集合中推荐对象的推荐信息;其中,所述推荐对象集合是以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对目标推荐请求的展示要求为限制条件,从多个第一类推荐对象和多个第二类推荐对象中确定的,所述多个第一类推荐对象和多个第二类推荐对象响应于所述目标推荐请求而确定。
第三方面,本申请实施例中提供了一种推荐装置,包括:
第一确定模块,用于响应于目标推荐请求,确定多个第一类推荐对象和多个第二类推荐对象;
第二确定模块,用于以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对所述目标推荐请求的展示要求为限制条件,从所述多个第一类推荐对象和所述多个第二类推荐对象中,确定所述目标推荐请求对应的推荐对象集合;
推荐模块,用于向用户推荐所述推荐对象集合。
第四方面,本申请实施例中提供了一种显示装置,包括:
提供模块,用于提供显示界面;
显示模块,用于在所述显示界面显示推荐对象集合中推荐对象的推荐信息;其中,所述推荐对象集合是以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对目标推荐请求的展示要求为限制条件,从多个第一类推荐对象和多个第二类推荐对象中确定的,所述多个第一类推荐对象和多个第二类推荐对象响应于所述目标推荐请求而确定。
第五方面,本申请实施例中提供了一种计算设备,包括存储组件及处理组件;所述存储组件存储一条或多条计算机程序指令,所述计算机程序指令供所述处理组件调用执行,所述处理组件执行所述一条或多条计算机程序指令以实现如第一方面所述的推荐方法。
第六方面,本申请实施例中提供了一种电子设备,包括存储组件、处理组件及显示组件;所述存储组件存储一条或多条计算机程序指令,所述计算机程序指令供所述处理组件调用执行,所述处理组件执行所述一条或多条计算机程序指令以实现如第二方面所述的显示方法。
第七方面,本申请实施例中提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被计算机执行时实现如第一方面所述的推荐方法或第二方面所述的显示方法。
本申请实施例中,是以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对该目标推荐请求的展示要求为限制条件,来确定目标推荐请求对应的推荐对象集合,该推荐对象集合能够满足目标推荐请求的展示要求,即满足用户对于推荐对象的展示需求,并且能够实现多个推荐请求对应的总推广价值满足价值要求,即同时满足平台对于多个推荐请求的总推广价值需求,从而实现了推荐对象的动态确定,解决了传统方案中推荐方式灵活性较差,推荐效果较差的问题,实现了推荐对象的有效推荐。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
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一简单地介绍,显而易见地,下面描述中的附图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示出了本申请提供的一种系统架构一个实施例的结构示意图;
图2示出了本申请提供的一种推荐方法一个实施例的流程图;
图3示出了本申请提供的一种推荐方法另一个实施例的流程图;
图4示出了本申请提供的一种显示方法一个实施例的流程图;
图5示出了本申请提供的一种推荐场景一个实施例的结构示意图;
图6示出了本申请提供的一种推荐装置一个实施例的结构示意图;
图7示出了本申请提供的一种计算设备一个实施例的结构示意图;
图8示出了本申请提供的一种电子设备一个实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
本申请的技术方案可以广泛适用于在网上平台推荐对象的应用场景。随着互联网技术的发展,网上平台可以提供对象获取服务,例如在交易类平台中,用户可以支付一定的资源来换取对象,如用户可以利用资金在交易平台购买商品或服务等。
在此过程中,网上平台可以向用户推荐一些与用户相关的推荐对象,例如在推荐页面中展示一些与用户相关的推荐对象的推荐信息等,以吸引用户,提高用户体验,同时可以实现对象推广,为平台带来一定的奖励资源,如收益等。推荐对象根据实际需求可以划分为不同类型,例如受到推荐限制,如数量限制的第一类推荐对象等。通常情况下,第一类推荐对象可以由对象提供方提供,并且对象提供方会向展示该推荐对象的网上平台支付一定的奖励资源,如推广费用等。在推荐页面展示的推荐对象中,通常包括由第一类推荐对象以及其它类推荐对象构成的推荐对象集合。
传统方案中,第一类推荐对象在推荐页面的展示通常是固定的,如在推荐页面中的展示数量、展示位置等都是固定的。灵活性不高,推荐效果较差,无法实现有效推荐。
发明人在研究过程中发现,不同用户对于第一类推荐对象的展示通常会有不同的偏好,如部分用户偏好在推荐页面中展示较多的第一类推荐对象,而另一部分用户则偏好展示较少的第一类推荐对象等,而传统的固定展示方式无法满足不同用户的需求,灵活性不高,无法实现有效推荐。由此,发明人首先想到,考虑用户需求,针对每一个用户的请求,都按照对应的展示偏好进行对象推荐。然而,发明人进一步研究发现,若只考虑用户需求,可能存在某一段时间内多个用户都偏好展示较多的第一类推荐对象,超过平台对应的第一类推荐对象展示数量限制的情况,或者存在多个用户都偏好展示较少的第一类推荐对象,影响平台对应的奖励资源的情况等等,推荐效果较差,仍旧无法实现有效推荐。因此,发明人进一步想到,能否兼顾用户的展示偏好,以及平台的整体推广效果,如奖励资源获取情况等来进行对象推荐。基于此,经过一系列思考及试验之后,提出了本申请的技术方案,提供了一种推荐方法,包括:响应于目标推荐请求,确定多个第一类推荐对象和多个第二类推荐对象;以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对目标推荐请求的展示要求为限制条件,从多个第一类推荐对象和多个第二类推荐对象中,确定目标推荐请求对应的推荐对象集合;向用户推荐推荐对象集合。
本申请实施例中,是以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对该目标推荐请求的展示要求为限制条件,来确定目标推荐请求对应的推荐对象集合,该推荐对象集合能够满足目标推荐请求的展示要求,即满足了用户对于推荐对象的展示需求,并且能够实现多个推荐请求对应的总推广价值满足价值要求,即同时满足了平台对于多个推荐请求的总推广价值需求,解决了传统方案中展示方式灵活性较差,推荐效果较差的问题,实现了针对推荐对象的有效推荐。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,为本申请实施例的技术方案可以适用于其中的一种系统架构的结构示意图,可以包括服务端101及客户端102。客户端与服务端之间通过网络建立连接。网络为客户端与服务端之间提供了通信链路的介质。网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
客户端通过网络可以与服务端交互以接收或发送消息等。
其中,客户端可以为浏览器、APP(Application,应用程序)、或网页应用如H5(HyperText Markup Language5,超文本标记语言第5版)应用、或轻应用(也被称为小程序,一种轻量级应用程序)或云应用等,客户端可以部署在电子设备中,需要依赖设备运行或者设备中的某些app而运行等。电子设备例如可以具有显示屏并支持信息浏览等,如可以是个人移动终端如手机、平板电脑、个人计算机等。在电子设备中通常还可以配置各种其它类应用,例如人机对话类应用、模型训练类应用、文本处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
服务端可以包括提供各种服务的服务器,例如对客户端发送的交互信息进行处理的服务端等。需要说明的是,服务端可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。
需要说明的是,本申请实施例中提供的推荐方法一般由服务端执行,显示方法一般由客户端执行。但是,在本申请的其它实施例中,客户端也可以执行本申请实施例所提供的推荐方法。在其它实施例中,本申请实施例所提供的推荐方法还可以是由客户端与服务端共同执行。
图2示出了本申请提供的一种推荐方法一个实施例的流程图,该方法可以包括以下几个步骤:
201:响应于目标推荐请求,确定多个第一类推荐对象和多个第二类推荐对象。
本申请实施例中,第一类推荐对象可以指受到推荐限制的推荐对象,推荐限制例如可以包括数量限制,如第一类推荐对象在推荐页面中展示时,具有展示数量上限等。第二类推荐对象可以指除第一类推荐对象之外的其它类型的推荐对象。以网上购物平台中的推荐商品为例,第一类推荐对象可以指广告类推荐商品,第二类推荐对象可以指除广告类之外的推荐商品。
多个第一类推荐对象和多个第二类推荐对象可以根据目标推荐请求确定。可选的,目标推荐请求可以基于用户的触发操作生成。以网上购物平台为例,例如,基于用户针对商品推荐页面触发的点击操作,可以生成与该用户对应的目标推荐请求。或者,基于用户在商品搜索页面触发的搜索操作,可以生成对应的目标推荐请求,以向用户展示推荐商品,便于用户直接查看或搜索相应的推荐商品。又或者,基于用户在订单结算页面触发的确认操作,可以生成对应的目标推荐请求,以向用户展示推荐商品,便于用户查看或购买相应的推荐商品。
该多个第一类推荐对象和多个第二类推荐对象,可以是分别从第一类推荐对象库中所确定的与用户特征匹配的多个第一类型推荐对象,以及从第二类推荐对象库中所确定的与用户特征匹配的多个第二类推荐对象。用户特征可以根据用户属性信息和/或历史行为数据确定等,每个用户所匹配的多个第一类推荐对象和多个第二类推荐对象可以预先确定,也可以是在接收到其对应的目标推荐请求之后确定等。
例如,根据目标推荐请求,可以获取目标推荐请求对应的目标用户的历史推荐数据,根据历史推荐数据可以确定多个第一类推荐对象和多个第二类推荐对象。历史推荐数据中可以包括多个第一类历史推荐对象和多个第二类历史推荐对象,可以从中确定任意多个第一类推荐对象和第二类推荐对象。又如,可以根据用户年龄、性别等,以及浏览、收藏或获取对象的历史记录数据,确定用户偏好的对象特征等,根据用户偏好的对象特征来确定第一类推荐对象和第二类推荐对象等。需要说明的是上述仅是举例说明第一类推荐对象和第二类推荐对象的可能确定方式,本申请并不限定于此。
202:以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对目标推荐请求的展示要求为限制条件,从多个第一类推荐对象和多个第二类推荐对象中,确定目标推荐请求对应的推荐对象集合。
其中,每个推荐请求对应的推广价值可以包括第一类推荐对象的推广价值以及第二类推荐对象的推广价值。第一类推荐对象的推广价值可以包括对象提供方支付的奖励资源,如推广费用,第二类推荐对象的推广价值可以包括用户点击查看推荐对象信息或执行下载、购买等相应处理后所获得的奖励资源。以网上购物平台中,第一类推荐对象是广告类推荐商品,第二类推荐对象是除广告类商品之外其它推荐商品为例,第一类推荐对象的推广价值可以是第一类推荐商品的对象提供方支付给该购物平台的推广费用,第二类推荐对象的推广价值可以是用户查看第二类推荐对象或进行购买后购物平台所获得的佣金。
多个推荐请求对应的总推广价值可以包括某一时间范围内,多个推荐请求对应的第一类推荐对象的总推广价值及第二类推荐对象的总推广价值。其中,某一时间范围内的多个推荐请求可以包括从某一历史时刻开始,至某一未来时刻之间的时间范围内的多个推荐请求。例如,某一时间范围可以指昨日8:00~明日8:00之间的时间范围。
可以以上述多个推荐请求对应的总推广价值满足价值要求为优化目标,进行目标推荐请求对应的推荐对象集合的确定。该价值要求可以根据实际应用场景进行设置,例如可以设置总推广价值最大即为满足价值要求,以此为优化目标进行确定,或者,还可以设置总推广价值阈值,大于该阈值的总推广价值即为满足价值要求,以此为优化目标进行确定等,不进行限制。
在此基础上,还可以设置针对目标推荐请求的展示要求为限制条件,以在该限制条件下,以上述优化目标来确定推荐对象集合。展示要求可以指针对第一类推荐对象的展示要求,例如可以包括第一类推荐对象的展示数量、在页面中的展示位置、展示顺序、展示间隔等。
可选的,该展示要求可以根据目标推荐请求对应的历史展示数据进行确定。历史展示数据中可以包括第一类推荐对象的历史展示数量、历史展示位置、历史展示顺序及历史展示间隔等。可选的,若不存在对应的历史展示数据,还可以获取预先设置的默认的展示数据,如预设的展示数量、展示位置、展示顺序及展示间隔等。
上述在针对目标推荐请求的展示要求为限制条件下,以多个推荐请求对应的总推广价值满足价值要求为优化目标,确定出的推荐对象集合,即可以满足目标推荐请求的展示要求,也可以实现平台的整体推广价值满足价值要求。其中,确定的推荐对象集合中,可以包括至少一个第一类推荐对象,或者至少一个第二类推荐对象,或者至少一个第一类推荐对象及至少一个第二类推荐对象。
具体的,推荐对象集合的确定可以有多种实现方式,将在后续实施例中进行说明,此处不进行赘述。
203:向用户推荐推荐对象集合。
推荐对象集合确定之后,可以将该推荐对象集合推荐给用户。
可选的,向用户推荐推荐对象集合可以包括:
在对象推荐页面展示推荐对象集合中推荐对象的推荐信息,推荐信息例如可以包括推荐对象的图片信息、名称信息、价格信息、下载或购买链接信息等。
本实施例中,是以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对该目标推荐请求的展示要求为限制条件,来确定目标推荐请求对应的推荐对象集合,该推荐对象集合能够满足目标推荐请求的展示要求,即满足了用户对于推荐对象的展示需求,并且能够实现多个推荐请求对应的总推广价值满足价值要求,即同时满足了平台对于多个推荐请求的总推广价值需求,解决了传统方案中展示方式灵活性较差,推荐效果较差的问题,实现了针对推荐对象的有效推荐。
下面对以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对目标推荐请求的展示要求为限制条件,来确定目标推荐请求对应的推荐对象集合的过程进行说明。
本申请实施例中,平台对应的多个推荐请求中,第一类推荐对象的总展示数量具有数量限制,无法超过展示数量阈值,此时,会存在部分推荐请求无法展示第一类推荐对象的情况。因此,通常会在第一类推荐对象的总展示数量不超过展示数量阈值的限制条件,以及满足目标推荐请求的展示要求的限制条件下,进行上述以多个推荐请求对应的总推广价值满足价值要求为优化目标的优化。其中,以总推广价值最大即为满足价值要求为例,优化目标以及限制条件可以表示为如下条件公式:
maxx maxπ∑s∈Sxs×v(s|πs),
其中,maxx maxπ∑s∈Sxs×v(s|πs)为优化目标,x表示能够展示第一类推荐对象的推荐请求,π表示推荐请求对应的展示要求,s表示推荐请求,S表示多个推荐请求,xs表示能够展示第一类推荐对象的推荐请求s,πs表示推荐请求s对应的展示要求,v(s|πs)表示推荐请求s的展示要求是πs的情况下,对应的推广价值。Ck(x,π)表示针对多个推荐请求的第一类推荐对象的总展示数量的约束条件,c(s|πs)表示推荐请求s的展示要求是πs的情况下,第一类推荐对象的展示数量,Cth表示多个推荐请求的第一类推荐对象的总展示数量,Cr(π)表示针对推荐对象的展示要求的约束条件。
在优化过程中,若要实现多个推荐请求对应的总推广价值最大,则需要获知每个推荐请求对应的推广价值及第一类推荐对象的展示数量,而每个推荐请求对应的推广价值及第一类推荐对象的展示数量与对应的展示要求相关。
为了实现优化目的,发明人研究发现,可以分层优化考虑。以总推广价值最大即为满足价值要求为例,首先,在每个推荐请求对应的推广价值及第一类推荐对象的展示数量确定的情况下,上述优化过程即可以转换为在第一类推荐对象的总展示数量不超过展示数量阈值的情况下,使能够展示第一类推荐对象的多个推荐请求对应的总推广价值最大。具体的,可以将多个推荐请求按照推广价值由大到小的顺序进行排序,选取排序靠前的一个或多个推荐请求作为能够展示第一类推荐对象的推荐请求,直至第一类推荐对象的总展示数量达到展示数量阈值。为了便于计算处理,针对某一推荐请求,可以确定该推荐请求对应的推广价值与第一类推荐对象的展示数量的比值。在此基础上,可以将多个推荐请求对应的第一类推荐对象的总展示数量不超过展示数量阈值的限制条件,转换为针对一个推荐请求对应的是否能够展示第一类推荐对象的约束条件。则上述过程可以实现为,将多个推荐请求按照对应的推广价值与第一类推荐对象的展示数量的比值进行排序,选取大于某一比值阈值的一个或多个推荐请求作为能够展示第一类推荐对象的推荐请求。其中,能够展示第一类推荐对象的推荐请求可以表示为如下公式:
K(s|πs)>Kth;其中,K(s|πs)表示推荐请求s的展示要求为πs时,推广价值与第一类推荐对象的展示数量的比值,Kth表示目标阈值,v(s|πs)表示推荐请求s的展示要求是πs的情况下,对应的推广价值。c(s|πs)表示推荐请求s的展示要求是πs的情况下,第一类推荐对象的展示数量。
之后,在某一推荐请求确定能够展示第一类推荐对象的情况下,通常情况下,以多个推荐请求对应的总推广价值最大为优化目标,只需确保每个能够展示第一类推荐对象的推荐请求对应的推广价值最大即可。然而,本申请实施例中,推荐请求对应的推广价值与第一类推荐对象的展示数量相关,某一推荐请求的推广价值改变时,该推荐请求对应的第一类推荐对象的展示数量改变,在第一类推荐对象的总展示数量阈值不变的情况下,将会对其它推荐请求的推广价值及第一类推荐对象的展示数量造成影响,导致其它推荐请求的推广价值及第一类推荐对象的展示数量改变,如某一推荐请求中第一类推荐对象的展示数量增加,第一类推荐对象的总展示数量达到阈值,导致另一推荐请求无法再展示第一类推荐对象等。因此,多个推荐请求中,某一推荐请求的推广价值发生变化,对于多个推荐请求的总推广价值的变化而言,是该推荐请求推广价值的变化以及受到该推荐请求影响的其它推荐请求推广价值的变化的综合值。其中,某一推荐请求的推广价值发生变化时,总推广价值的变化可以表示为如下公式:
其中,Δv表示总推广价值的变化,表示推荐请求s的展示要求是/>时,对应的推广价值,/>表示推荐请求s的展示要求是/>时,对应的推广价值,/>表示推荐请求s的展示要求是/>时,第一类推荐对象的展示数量,/>表示推荐请求s的展示要求是/>时,第一类推荐对象的展示数量,Kth表示目标阈值。
由此可知,若要总推广价值增大,则上述Δv>0,即为了便于描述,可以将某一推荐请求带给总推广价值的价值改变称为有效推广价值,有效推广价值可以由v(s|πs)-Kthc(s|πs)表示。
在此基础上,以多个推荐请求对应的总推广价值最大为优化目标来确定推荐对象集合的优化过程,即可以转换为筛选有效推广价值最大的推荐对象集合的过程。
基于上述分析,在某些实施例中,以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对目标推荐请求的展示要求为限制条件,从多个第一类推荐对象和多个第二类推荐对象中,确定目标推荐请求对应的推荐对象集合可以包括:
按照针对目标推荐请求的展示要求,从多个第一类推荐对象和多个第二类推荐对象中,确定至少一个候选对象集合;候选对象集合包括至少一个第一类推荐对象以及至少一个第二类推荐对象;
确定根据预定时间范围内第一类推荐对象的展示数量占比情况而获得的约束要求;
从至少一个候选对象集合中筛选符合约束要求且有效推广价值最大的推荐对象集合。
本实施例中,可以优先设定目标推荐请求能够展示第一类推荐对象。在此基础上,按照针对目标推荐对象的展示要求,从多个第一类推荐对象和多个第二类推荐对象集合中,确定出至少一个候选对象集合。此时,候选对象集合中包括至少一个第一类推荐对象及至少一个第二类推荐对象。
候选对象集合都是满足目标推荐对象的展示要求的限制条件的对象集合,从中选取的对象集合,均可满足目标推荐对象的展示要求,即满足用户需求。
在此基础上,可以根据预定时间范围内第一类推荐对象的展示数量占比情况获得约束要求。获得的约束要求可以是针对一个推荐请求,约束某一推荐请求是否能够展示第一类推荐对象。
可选的,确定根据预定时间范围内第一类推荐对象的展示数量占比情况而获得的约束要求可以包括:
确定推广价值与第一类推荐对象展示数量的比值大于目标阈值的约束要求;其中,目标阈值可以根据预定时间范围内第一类推荐对象的展示数量占比情况而确定。
该目标阈值可以根据预定时间内第一类推荐对象的展示数量占比进行确定。预定时间可以根据实际应用场景进行设置,如30分钟、1小时等。第一类推荐对象的展示数量占比可以指第一类推荐对象的展示数量与全部推荐对象的展示数量的比值。
通过确定推广价值与第一类推荐对象的展示数量大于目标阈值的约束要求,实现将多个推荐对象对应的第一类推荐对象的总展示数量不超过展示数量阈值的限制条件转换为单个推荐对象是否能够展示第一类推荐对象的约束条件,便于实现在第一类推荐对象的总展示数量不超过展示数量阈值的限制条件,以多个推荐对象对应的总推广价值满足价值要求为优化目标,进行推荐对象集合的确定。
之后,可以从上述至少一个候选对象集合中选取符合约束要求且有效推广价值最大的推荐对象集合,可以有多种实现方式。
作为一种可选的实现方式,可以优先从多个候选对象集合中选取符合约束要求的一个或多个候选对象集合,若存在一个候选对象集合,将该候选对象集合作为目标推荐请求对应的推荐对象集合,若存在多个候选对象集合,再从中选取有效推广价值最大的候选对象集合作为目标推荐请求对应的推荐对象集合。
作为另一种可选的实现方式,可以优先从多个候选对象集合中选取有效推广价值最大的候选对象集合,再对该候选对象集合是否符合约束要求进行判断,并在符合约束要求的情况下,将该候选对象集合作为目标推荐请求对应的推荐对象集合。
上述确定过程是在设定的目标推荐请求能够展示第一类推荐对象的基础上实现的,因此,若能够筛选出符合约束要求的对象集合,则表明该设定基础可以实现,即目标推荐请求能够展示第一类推荐对象,筛选出的对象集合即作为目标推荐请求对应的推荐对象集合。若无法筛选出符合约束要求的对象集合,即上述一种可选的实现方式中,无法从多个候选对象集合中选取出符合约书要求的一个或多个候选对象集合,或者上述另一种可选的实现方式中,有效推广价值最大的候选对象集合不符合约束要求,则表明上述设定基础无法实现,目标推荐请求无法展示第一类推荐对象。此时,可以从多个第二类推荐对象中,确定推荐对象集合,该推荐对象集合中不再包括第一类推荐对象。
可选的,上述过程中,若按照针对目标推荐对象的展示要求,从多个第一类推荐对象和多个第二类推荐对象集合中,只确定出一个候选对象集合。可以直接判断该候选对象集合是否符合约束要求,若符合,将该候选对象集合作为目标推荐请求对应的推荐对象集合,若不符合,从多个第二类推荐对象中,确定推荐对象集合。
本实施例中,通过根据预定时间范围内第一类推荐对象的展示数量占比情况而确定约束要求,实现对多个推荐请求对应的第一类推荐对象的总展示数量的约束,以及设置有效推广价值,实现对多个推荐请求对应的总推广价值满足价值要求的转换,从按照针对目标推荐请求的展示要求中确定出的候选对象集合中筛选出的满足约束要求及有效推广价值最大的推荐对象集合,即在第一类推荐对象的总展示数量不超过展示数量阈值的限制条件,以及满足目标推荐请求的展示要求的限制条件下,以多个推荐请求对应的总推广价值满足价值要求为优化目标,确定出的推荐对象集合。该推荐对象集合能够满足目标推荐请求的展示要求,即满足了用户对于推荐对象的展示需求,并且能够实现多个推荐请求对应的总推广价值满足价值要求,即同时满足了平台对于多个推荐请求的总推广价值需求,解决了传统方案中展示方式灵活性较差,推荐效果较差的问题,实现了针对推荐对象的有效推荐。
在某些实施例中,从至少一个候选对象集合中筛选符合约束要求且有效推广价值最大的推荐对象集合可以包括:
根据任一候选对象集合的推广价值以及对应总推广价值产生的损失价值,确定有效推广价值;
从至少一个候选对象集合中筛选有效价值最大的目标对象集合;
判断目标对象集合是否符合约束要求;
若是,将目标对象集合作为推荐对象集合;
若否,基于所述多个第二类推荐对象,生成推荐对象集合。
本实施例中,对象集合对应总推广价值的损失价值可以指该对象集合对应的推广价值的变化对其它推荐请求对应对象集合的推广价值的变化。对象集合的有效推广价值可以根据对象集合的推广价值以及对应总推广价值的损失价值共同确定。例如,可以根据对象集合的推广价值与损失价值进行作差处理,将和值作为有效推广价值。
由此,针对多个候选对象集合,可以按照上述方式计算每一个候选对象集合的有效推广价值,并从中筛选有效推广价值最大的目标对象集合。对目标对象集合是否符合约束要求进行判断,若符合,将该目标对象集合作为目标推荐请求对应的推荐对象集合,若不符合,基于多个第二类推荐对象,生成推荐对象集合,即从多个第二类推荐对象集合中,确定推荐对象集合。
可选的,根据任一候选对象集合的推广价值以及对应总推广价值产生的损失价值,确定有效推广价值可以包括:
根据目标阈值与任一候选对象集合中的第一类推荐对象的展示数量,计算损失价值;
根据任一候选对象集合的推广价值及损失价值,计算获得有效推广价值。
具体的,可以将目标阈值与任一候选对象集合中的第一类推荐对象的展示数量进行乘积计算,将计算结果作为损失价值,并将根据任一候选对象集合的推广价值与损失价值的差值作为有效推广价值。
实际应用中,将多个推荐请求对应的第一类推荐对象的总展示数量不超过展示数量阈值的限制条件,转换为推广价值与第一类推荐对象的展示数量的比值大于目标阈值的约束要求之后,为了提高推荐对象集合确定的准确性,可以对目标阈值进行更新。因此,在某些实施例中,该推荐方法还可以包括:
每间隔预定时间,根据预定时间内第一类推荐对象的展示数量占比情况,更新目标阈值。
其中,预定时间可以根据实际应用场景进行设置,如30分钟、1小时等。
具体的,可以是基于目标阈值的初始值,每间隔预定时间,根据该预定时间内第一类推荐对象的展示数量占比情况,进行目标阈值的更新。
下面先对目标阈值的初始值的确定过程进行说明,可以有多种实现方式。
作为一种可选的实现方式,可以根据预定历史时间范围内的多个推荐请求分别对应的推广价值与第一类推荐对象展示数量的比值,确定目标阈值的初始值。
其中,预定历史时间范围可以根据实际应用场景进行设置,例如可以是响应目标推荐请求前某一预定时间范围内的历史时间范围,如响应目标推荐请求前10分钟时间范围内、前20分钟时间范围内等,或者,可以是包括目标推荐请求对应的目标用户所对应的历史推荐请求的历史时间范围。
根据历史时间范围内的多个推荐请求分别对应的推广价值及第一类推荐对象的展示数量的比值,确定目标阈值的初始值可以有多种实现方式。例如,可以将多个推荐请求分别对应的比值的均值,作为目标阈值的初始值。或者,还可以将多个推荐请求分别对应的比值的中值,作为目标阈值的初始值,等等,不进行限制。
作为另一种确定目标阈值的初始值的可选的实现方式,可以获取历史目标推荐请求,确定历史目标推荐请求对应的多个第一类推荐对象和多个第二类推荐对象;以多个历史推荐请求对应的总推广价值满足价值要求为优化目标,以针对历史目标推荐请求的展示要求为限制条件,从多个第一类推荐对象和多个第二类推荐对象中,确定历史目标推荐请求对应的推荐对象集合;根据推荐对象集合的推广价值与第一类推荐对象展示数量的比值,确定目标阈值的初始值。
可选的,根据预定时间内第一类推荐对象的展示数量占比情况,更新目标阈值可以包括:
计算预定时间内第一类推荐对象的累计展示数量在全部推荐对象的总累计展示数量中的比率;
根据比率与比率阈值的比较结果,更新目标阈值。
其中,全部推荐对象的总累计展示数量可以包括第一类推荐对象的累计展示数量以及第二类推荐对象的累计展示数量。因此,可以通过计算预定时间内第一类推荐对象的累计展示数量在全部推荐对象的总累计展示数量的比率,来确定预定时间内第一类推荐对象的展示数量占比情况。
进行目标阈值更新时,可以根据实际应用场景预先设置比率阈值,根据计算获得的预定时间内的比率与比率阈值的比较结果,进行目标阈值的更新。例如,计算获得的预定时间内的比率大于比率阈值时,可以减小目标阈值,比率小于比率阈值时,可以增大目标阈值等。
具体的,可以按照如下公式更新目标阈值,获得更新后的目标阈值。
更新后的目标阈值可以为:Kth (t)表示更新后的目标阈值,Kth (t-Δt)表示更新前,t-Δt时刻的目标阈值,Δt表示预定时间,γ表示系数,根据实际应用场景进行设置,Rth表示比率阈值,R(t-Δt:t)表示第一类推荐对象的累计展示数量在全部推荐对象的总累计展示数量中的比率,/>N表示预定时间内全部推荐对象的总累计展示数量,Nad表示预定时间内第一类推荐对象的累计展示数量。
实际应用中,第一类推荐对象的对象提供方在给予平台奖励资源时,通常是按照第一类推荐对象在推荐页面中的排列顺序有所不同。例如,排列顺序靠前的第一类推荐对象的奖励资源大于排列顺序靠后的第一类推荐对象。因此,在某些实施例中,响应于目标推荐请求,确定出的多个第一类推荐对象是按照第一顺序排列的,以及多个第二类推荐对象是按照第二顺序排列的。
此时,按照针对目标推荐请求的展示要求,从多个第一类推荐对象和多个第二类推荐对象中,确定多个候选对象集合可以包括:
按照第一顺序及第二顺序,从多个第一类推荐对象和多个第二类推荐对象中,筛选排列组合符合针对目标推荐请求的展示要求的至少一个候选对象集合。
其中,筛选的候选对象集合中,第一类推荐对象的排列顺序与第一顺序一致。由此保障了第一类推荐对象的排序机制,避免出现推荐混乱的情况。
可选的,按照第一顺序及第二顺序,从多个第一类推荐对象和多个第二类推荐对象中,筛选排列组合符合针对目标推荐请求的展示要求的至少一个候选对象集合可以包括:
按照第一顺序及第二顺序,利用束搜索(Beam search)算法,从多个第一类推荐对象和多个第二类推荐对象中,筛选排列组合符合针对目标推荐请求的展示要求的至少一个候选对象集合。
具体的,可以针对集合中的每个位置,分别按照第一顺序从未被选择的第一类推荐对象中选择符合展示要求的一个推荐对象,以及按照第二顺序从未被选择的第二类推荐对象中选择一个推荐对象,并分别与前一个位置输出的预定数量个候选对象序列分别进行组合,从组合获得的最新序列中,按照有效推广价值从大到小的顺序筛选该位置对应的预定数量个候选对象序列,则最后一个位置对应的预定数量个候选对象序列即分别作为候选对象集合。其中,该预定数量可以是指beam size(束宽)。
当然,筛选排列组合符合针对目标推荐请求的展示要求的至少一个候选对象集合也不局限于上述实现方式,比如也可以在展示要求的限制下,穷举每个位置可能对应的推荐对象,从而得到多个候选对象集合等;或者,针对组合获得的最新序列,只选择有效推广价值最大的一个候选对象序列。
图3示出了本申请提供的一种推荐方法另一个实施例的流程图,该方法可以包括以下几个步骤:
301:响应于目标推荐请求,确定按照第一顺序排列的多个第一类推荐对象和按照第二顺序排列的多个第二类推荐对象。
302:按照第一顺序及第二顺序,从多个第一类推荐对象和多个第二类推荐对象中,筛选排列组合符合针对目标推荐请求的展示要求的多个候选对象集合;候选对象集合包括至少一个第一类推荐对象以及至少一个第二类推荐对象。
303:确定根据预定时间范围内第一类推荐对象的展示数量占比情况而获得的约束要求。
304:根据任一候选对象集合的推广价值以及对应多个推荐请求的总推广价值产生的损失价值,确定有效推广价值。
305:从多个候选对象集合中筛选有效价值最大的目标对象集合。
306:判断目标对象集合是否符合约束要求;若判断结果为是,执行步骤307的操作,若判断结果为否,执行步骤308的操作。
307:将目标对象集合作为推荐对象集合。
308:基于多个第二类推荐对象,生成推荐对象集合。
309:向用户推荐推荐对象集合。
本实施例中,各步骤的具体实现方式可以参考图2所示实施例中相应的实现方式,不再进行赘述。
本实施例中,通过根据预定时间范围内第一类推荐对象的展示数量占比情况而确定约束要求,实现对多个推荐请求对应的第一类推荐对象的总展示数量的约束,以及设置有效推广价值,实现对多个推荐请求对应的总推广价值满足价值要求的转换,从按照针对目标推荐请求的展示要求中确定出的候选对象集合中筛选出的满足约束要求及有效推广价值最大的推荐对象集合,即在第一类推荐对象的总展示数量不超过展示数量阈值的限制条件,以及满足目标推荐请求的展示要求的限制条件下,以多个推荐请求对应的总推广价值满足价值要求为优化目标,确定出的推荐对象集合。该推荐对象集合能够满足目标推荐请求的展示要求,即满足了用户对于推荐对象的展示需求,并且能够实现多个推荐请求对应的总推广价值满足价值要求,即同时满足了平台对于多个推荐请求的总推广价值需求,解决了传统方案中展示方式灵活性较差,推荐效果较差的问题,实现了针对推荐对象的有效推荐,并且,确定的推荐对象集合中,第一类推荐对象的排列顺序与第一顺序一致,保障了第一类推荐对象的排序机制,避免出现推荐混乱的情况。
图4示出了本申请提供的一种显示方法一个实施例的流程图,该方法可以包括以下几个步骤:
401:提供显示界面。
本实施例中,该显示方法可以应用于客户端。
402:在显示界面显示推荐对象集合中推荐对象的推荐信息。
其中,该推荐对象集合是以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对目标推荐请求的展示要求为限制条件,从多个第一类推荐对象和多个第二类推荐对象中确定的,该多个第一类推荐对象和多个第二类推荐对象响应于目标推荐请求而确定。具体实现过程可以参考前述实施例,不再赘述。
可以是在显示界面中显示对象推荐页面,在对象推荐页面中显示推荐对象集合中推荐对象的推荐信息。
可选的,可以是响应于用户的触发操作,在显示界面中显示对象推荐页面,在对象推荐页面中显示推荐对象集合中推荐对象的推荐信息。
该用户触发操作例如可以是针对对象推荐页面触发的点击操作,或者,基于用户在对象搜索页面触发的搜索操作,该对象推荐页面即可以是指搜索结果展示页面,或者,基于用户在订单结算页面触发的确认操作,该对象推荐页面可以是订单结算成功提示页面等。
响应于用户的触发操作,可以生成该目标推荐请求,从而生成针对目标推荐请求的推荐对象集合。该目标推荐请求对应的推荐对象集合的具体确定方式可以详见前文相应实施例中所述,此处不再追逐。
本实施例中,是以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对该目标推荐请求的展示要求为限制条件,来确定目标推荐请求对应的推荐对象集合,该推荐对象集合能够满足目标推荐请求的展示要求,即满足了用户对于推荐对象的展示需求,并且能够实现多个推荐请求对应的总推广价值满足价值要求,即同时满足了平台对于多个推荐请求的总推广价值需求,解决了传统方案中展示方式灵活性较差,推荐效果较差的问题,实现了针对推荐对象的有效推荐。
为了便于理解,下面以电子商务场景为例,网上平台即为交易类平台,推荐对象即为商品,结合图5所示的场景交互示意图,对本申请实施例的技术方案进行介绍。在电子商务场景中,第一类推荐商品假设为广告类商品,第二类推荐商品为除广告类商品外的其它商品。
如图5所示,客户端102可以响应于用户的触发操作,生成目标推荐请求,并将其发送至服务端101。服务端101响应于该目标推荐请求,可以确定多个第一类推荐商品和多个第二类推荐商品,并以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对目标推荐请求的展示要求为限制条件,从多个第一类推荐商品和多个第二类推荐商品中,确定目标推荐请求对应的推荐商品集合,并将确定的推荐商品集合发送至客户端102。其中,推荐商品集合的确定方式可以详见前述实施例中推荐对象集合的确定方式,此处不进行赘述。
该推荐商品集合中包含的第一类推荐商品及第二类推荐商品以及各自的排列顺序、排列位置等均可以在上述优化过程中获得,且符合优化目标和限制条件。每个推荐商品的推荐信息即按照推荐商品的排列位置和排列顺序进行显示等。
客户端102可以提供显示界面A,显示界面可以为商品推荐页面。在显示界面A中显示推荐商品集合中推荐商品的推荐信息,如商品图片、商品名称。商品价格、商品购买链接等描述信息。其中,假设推荐商品集合中包括三个第一类推荐商品,分别为a,b和c,三个第一类推荐商品的排列位置、排列顺序等如图所示,推荐商品集合中还包括除第一类推荐商品外的五个第二类推荐商品(图中未标注),五个第二类推荐商品也具有排列位置、排列顺序等,不再赘述。通过本申请实施例的技术方案,能够在满足用户对于推荐商品的展示需求的同时,满足网上平台的总推广价值需求,解决了传统方案中展示方式灵活性较差,推荐效果较差的问题,实现了针对推荐商品的有效推荐。
图6示出了本申请提供的一种推荐装置一个实施例的结构示意图,该装置可以包括以下几个模块:
第一确定模块601,用于响应于目标推荐请求,确定多个第一类推荐对象和多个第二类推荐对象;
第二确定模块602,用于以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对目标推荐请求的展示要求为限制条件,从多个第一类推荐对象和多个第二类推荐对象中,确定目标推荐请求对应的推荐对象集合;
推荐模块603,用于向用户推荐推荐对象集合。
在某些实施例中,第二确定模块602可以包括:
第一确定单元,用于按照针对目标推荐请求的展示要求,从多个第一类推荐对象和多个第二类推荐对象中,确定至少一个候选对象集合;候选对象集合包括至少一个第一类推荐对象以及至少一个第二类推荐对象;
第二确定单元,用于确定根据预定时间范围内第一类推荐对象的展示数量占比情况而获得的约束要求;
筛选单元,用于从至少一个候选对象集合中筛选符合约束要求且有效推广价值最大的推荐对象集合。
在某些实施例中,第二确定单元具体可以用于确定推广价值与第一类推荐对象展示数量的比值大于目标阈值的约束要求;其中,目标阈值根据预定时间范围内第一类推荐对象的展示数量占比情况而确定。
在某些实施例中,筛选单元可以包括:
第一确定子单元,用于根据任一候选对象集合的推广价值以及对应总推广价值产生的损失价值,确定有效推广价值;
筛选子单元,用于从至少一个候选对象集合中筛选有效价值最大的目标对象集合;
判断子单元,用于判断目标对象集合是否符合约束要求;
第二确定子单元,在判断子单元结果为是时,用于将目标对象集合作为推荐对象集合;
生成子单元,在判断子单元结果为否时,用于基于多个第二类推荐对象,生成推荐对象集合。
在某些实施例中,该装置还可以包括:
更新模块,用于每间隔预定时间,根据预定时间内第一类推荐对象的展示数量占比情况,更新目标阈值。
在某些实施例中,更新模块具体可以用于计算预定时间内第一类推荐对象的累计展示数量在全部推荐对象的总累计展示数量中的比率;根据比率与比率阈值的比较结果,更新目标阈值。
在某些实施例中,第一确定子单元具体可以用于根据目标阈值与任一候选对象集合中的第一类推荐对象的展示数量,计算损失价值;根据任一候选对象集合的推广价值及损失价值,计算获得有效推广价值。
在某些实施例中,多个第一类推荐对象按照第一顺序排列,多个第二类推荐对象按照第二顺序排列;第一确定单元具体可以用于按照第一顺序及第二顺序,从多个第一类推荐对象和多个第二类推荐对象中,筛选排列组合符合针对目标推荐请求的展示要求的至少一个候选对象集合。
在某些实施例中,推荐模块具体可以用于在对象推荐页面展示推荐对象集合中推荐对象的推荐信息。
本实施例中的推荐装置可以执行图2所示实施例的推荐方法,其实现原理和技术效果不再赘述。对于上述实施例中的推荐装置其中各个模块、单元执行操作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。
本申请实施例还提供了一种显示装置,可以包括以下几个模块:
提供模块,用于提供显示界面;
显示模块,用于在显示界面显示推荐对象集合中推荐对象的推荐信息;其中,推荐对象集合是以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对目标推荐请求的展示要求为限制条件,从多个第一类推荐对象和多个第二类推荐对象中确定的,多个第一类推荐对象和多个第二类推荐对象响应于目标推荐请求而确定。
本实施例中的显示装置可以执行图4所示实施例的显示方法,其实现原理和技术效果不再赘述。对于上述实施例中的显示装置其中各个模块、单元执行操作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。
本申请实施例还提供了一种计算设备,如图7所示,该设备可以包括存储组件701及处理组件702;
该存储组件701存储一条或多条计算机程序指令,其中,一条或多条计算机程序指令供处理组件702调用执行,以实现图2或图3所示的推荐方法。
实际应用中,该计算设备可以实现为如图1所示系统架构中的服务端或客户端。
当然,上述计算设备必然还可以包括其他部件,例如输入/输出接口、通信组件等。
输入/输出接口为处理组件和外围接口模块之间提供接口,上述外围接口模块可以是输出设备、输入设备等。通信组件被配置为便于计算设备和其他设备之间有线或无线方式的通信等。
本申请实施例还提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被计算机执行时可以实现图2或图3所示的推荐方法。该计算机可读介质可以是上述实施例中描述的计算设备中所包含的;也可以是单独存在,而未装配入该计算设备中。
本申请实施例还提供了一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序被计算机执行时可以实现图2或图3所示的推荐方法。
在这样的实施例中,计算机程序可以是从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被处理器执行时,执行本申请的系统中限定的各种功能。
需要说明的是,上述计算设备可以为物理设备或者云计算平台提供的弹性计算主机等。其可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。
本申请实施例还提供了一种电子设备,如图8所示,该设备可以包括存储组件801、处理组件802及显示组件803;
该存储组件801存储一条或多条计算机程序指令,其中,一条或多条计算机程序指令供处理组件802调用执行,以实现图4所示的显示方法。
实际应用中,该电子设备可以配置有如图1所示系统架构中的客户端。
当然,上述电子设备必然还可以包括其他部件,例如输入/输出接口、通信组件等。
输入/输出接口为处理组件和外围接口模块之间提供接口,上述外围接口模块可以是输出设备、输入设备等。通信组件被配置为便于电子设备和其他设备之间有线或无线方式的通信等。
本申请实施例还提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被计算机执行时可以实现4所示的显示方法。该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
本申请实施例还提供了一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序被计算机执行时可以实现图4所示的显示方法。
在这样的实施例中,计算机程序可以是从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被处理器执行时,执行本申请的系统中限定的各种功能。
前文相应实施例中涉及的处理组件可以包括一个或多个处理器来执行计算机指令,以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
存储组件被配置为存储各种类型的数据以支持在终端的操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
显示组件可以为电致发光(EL)元件、液晶显示器或具有类似结构的微型显示器、或者视网膜可直接显示或类似的激光扫描式显示器。
计算机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等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述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的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (13)
1.一种推荐方法,其特征在于,包括:
响应于目标推荐请求,确定多个第一类推荐对象和多个第二类推荐对象;
以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对所述目标推荐请求的展示要求为限制条件,从所述多个第一类推荐对象和所述多个第二类推荐对象中,确定所述目标推荐请求对应的推荐对象集合;其中,所述多个推荐请求对应的第一类推荐对象的总展示数量不超过展示数量阈值;
向用户推荐所述推荐对象集合;
所述以多个推荐请求对应的总推广价值满足价值要求为优化目标,以针对所述目标推荐请求的展示要求为限制条件,从所述多个第一类推荐对象和所述多个第二类推荐对象中,确定所述目标推荐请求对应的推荐对象集合包括:
按照针对所述目标推荐请求的展示要求,从所述多个第一类推荐对象和所述多个第二类推荐对象中,确定至少一个候选对象集合;所述候选对象集合包括至少一个第一类推荐对象以及至少一个第二类推荐对象;
确定根据预定时间范围内所述第一类推荐对象的展示数量占比情况而获得的约束要求;
从所述至少一个候选对象集合中筛选符合所述约束要求且有效推广价值最大的推荐对象集合;所述有效推广价值基于所述候选对象集合的推广价值以及对应所述总推广价值产生的损失价值共同确定,所述损失价值表征所述候选对象集合的推广价值的变化对所述多个推荐请求中除所述目标推荐请求外的其它推荐请求对应对象集合的推广价值的影响。
2.根据权利要求1所述的方法,其特征在于,所述确定根据预定时间范围内所述第一类推荐对象的展示数量占比情况而获得的约束要求包括:
确定任一推荐请求对应的推广价值与第一类推荐对象展示数量的比值大于目标阈值的约束要求;其中,所述目标阈值根据预定时间范围内所述第一类推荐对象的展示数量占比情况而确定。
3.根据权利要求1所述的方法,其特征在于,所述从所述至少一个候选对象集合中筛选符合所述约束要求且有效推广价值最大的推荐对象集合包括:
根据任一候选对象集合的推广价值以及对应总推广价值产生的损失价值,确定有效推广价值;
从所述至少一个候选对象集合中筛选有效推广价值最大的目标对象集合;
判断所述目标对象集合是否符合所述约束要求;
若是,将所述目标对象集合作为推荐对象集合;
若否,基于所述多个第二类推荐对象,生成推荐对象集合。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
每间隔预定时间,根据所述预定时间内所述第一类推荐对象的展示数量占比情况,更新所述目标阈值。
5.根据权利要求4所述的方法,其特征在于,所述目标阈值的初始值按照如下方式确定:
根据预定历史时间范围内的多个推荐请求分别对应的推广价值与第一类推荐对象展示数量的比值,确定所述目标阈值的初始值。
6.根据权利要求4所述的方法,其特征在于,所述目标阈值的初始值按照如下方式确定:
确定历史目标推荐请求对应的多个第一类推荐对象和多个第二类推荐对象;
确定基于所述优化目标以及所述限制条件,从所述多个第一类推荐对象和所述多个第二类推荐对象中,为所述历史目标推荐请求所确定的历史推荐对象集合;
根据所述历史推荐对象集合的推广价值与第一类推荐对象展示数量的比值,确定所述目标阈值的初始值。
7.根据权利要求4所述的方法,其特征在于,所述根据所述预定时间内所述第一类推荐对象的展示数量占比情况,更新所述目标阈值包括:
计算预定时间内所述第一类推荐对象的累计展示数量在全部推荐对象的总累计展示数量中的比率;
根据所述比率与比率阈值的比较结果,更新所述目标阈值。
8.根据权利要求3所述的方法,其特征在于,所述根据任一候选对象集合的推广价值以及对应总推广价值产生的损失价值,确定有效推广价值包括:
将目标阈值与任一候选对象集合中的第一类推荐对象的展示数量进行乘积计算,获得损失价值;所述目标阈值根据预定时间范围内所述第一类推荐对象的展示数量占比情况而确定;
将所述任一候选对象集合的推广价值及所述损失价值进行差值计算,获得有效推广价值。
9.根据权利要求1所述的方法,其特征在于,所述多个第一类推荐对象按照第一顺序排列,所述多个第二类推荐对象按照第二顺序排列;
所述按照针对所述目标推荐请求的展示要求,从所述多个第一类推荐对象和所述多个第二类推荐对象中,确定至少一个候选对象集合包括:
按照所述第一顺序及所述第二顺序,从所述多个第一类推荐对象和所述多个第二类推荐对象中,筛选排列组合符合针对所述目标推荐请求的展示要求的至少一个候选对象集合。
10.根据权利要求1所述的方法,其特征在于,所述向用户推荐所述推荐对象集合包括:
在对象推荐页面展示所述推荐对象集合中推荐对象的推荐信息。
11.一种显示方法,其特征在于,包括:
提供显示界面;
在所述显示界面显示推荐对象集合中推荐对象的推荐信息;其中,所述推荐对象集合是从至少一个候选对象集合中筛选出的符合约束要求且有效推广价值最大的推荐对象集合,所述约束要求根据预定时间范围内第一类推荐对象的展示数量占比情况而确定,所述有效推广价值基于所述候选对象集合的推广价值以及对应总推广价值产生的损失价值共同确定,所述损失价值表征所述候选对象集合的推广价值的变化对多个推荐请求中除目标推荐请求外的其它推荐请求对应对象集合的推广价值的影响,所述至少一个候选对象集合按照针对所述目标推荐请求的展示要求,从多个第一类推荐对象和多个第二类推荐对象中确定,所述多个第一类推荐对象和多个第二类推荐对象响应于所述目标推荐请求而确定,其中,所述多个推荐请求对应的第一类推荐对象的总展示数量不超过展示数量阈值。
12.一种计算设备,其特征在于,包括存储组件及处理组件;所述存储组件存储一条或多条计算机程序指令,所述计算机程序指令供所述处理组件调用执行,所述处理组件执行所述一条或多条计算机程序指令以实现如权利要求1~10任一项所述的推荐方法。
13.一种电子设备,其特征在于,包括存储组件、处理组件及显示组件;所述存储组件存储一条或多条计算机程序指令,所述计算机程序指令供所述处理组件调用执行,所述处理组件执行所述一条或多条计算机程序指令以实现如权利要求11所述的显示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210530229.0A CN114881736B (zh) | 2022-05-16 | 2022-05-16 | 推荐方法、显示方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210530229.0A CN114881736B (zh) | 2022-05-16 | 2022-05-16 | 推荐方法、显示方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114881736A CN114881736A (zh) | 2022-08-09 |
CN114881736B true CN114881736B (zh) | 2023-12-19 |
Family
ID=82676383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210530229.0A Active CN114881736B (zh) | 2022-05-16 | 2022-05-16 | 推荐方法、显示方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114881736B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151828B (zh) * | 2023-10-30 | 2024-01-30 | 建信金融科技有限责任公司 | 推荐物品池的处理方法、装置、设备和介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009237752A (ja) * | 2008-03-26 | 2009-10-15 | Mitsubishi Electric Information Systems Corp | お勧め商品管理システム及びプログラム |
CN106504011A (zh) * | 2015-09-06 | 2017-03-15 | 阿里巴巴集团控股有限公司 | 一种业务对象的展示方法和装置 |
CN110263244A (zh) * | 2019-02-14 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 内容推荐方法、装置、存储介质和计算机设备 |
CN110827128A (zh) * | 2019-11-12 | 2020-02-21 | 上海展扬通信技术有限公司 | 移动终端推荐方法、设备及可读存储介质 |
CN111143738A (zh) * | 2019-11-27 | 2020-05-12 | 北京三快在线科技有限公司 | 资源展示方法、装置、电子设备及存储介质 |
CN111178947A (zh) * | 2019-12-18 | 2020-05-19 | 贝壳技术有限公司 | 广告位推荐方法和装置、计算机可读存储介质、电子设备 |
CN111310040A (zh) * | 2020-02-11 | 2020-06-19 | 腾讯科技(北京)有限公司 | 基于人工智能的推荐方法、装置、电子设备及存储介质 |
CN111475013A (zh) * | 2019-01-24 | 2020-07-31 | 阿里巴巴集团控股有限公司 | 商品对象信息处理方法、装置及电子设备 |
CN111861605A (zh) * | 2019-04-28 | 2020-10-30 | 阿里巴巴集团控股有限公司 | 业务对象推荐方法 |
CN112116367A (zh) * | 2019-06-19 | 2020-12-22 | 百度在线网络技术(北京)有限公司 | 用于推荐广告的方法和装置、机器可读存储介质及处理器 |
CN112232854A (zh) * | 2020-09-25 | 2021-01-15 | 北京三快在线科技有限公司 | 业务处理方法、装置、设备及存储介质 |
CN113806622A (zh) * | 2020-06-12 | 2021-12-17 | 阿里巴巴集团控股有限公司 | 推荐方法、装置及设备 |
CN113836404A (zh) * | 2021-09-09 | 2021-12-24 | 武汉卓尔数字传媒科技有限公司 | 对象推荐方法、装置、电子设备及计算机可读存储介质 |
CN114266617A (zh) * | 2021-12-01 | 2022-04-01 | 阿里巴巴(中国)有限公司 | 信息显示方法、信息处理方法、设备及系统 |
-
2022
- 2022-05-16 CN CN202210530229.0A patent/CN114881736B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009237752A (ja) * | 2008-03-26 | 2009-10-15 | Mitsubishi Electric Information Systems Corp | お勧め商品管理システム及びプログラム |
CN106504011A (zh) * | 2015-09-06 | 2017-03-15 | 阿里巴巴集团控股有限公司 | 一种业务对象的展示方法和装置 |
CN111475013A (zh) * | 2019-01-24 | 2020-07-31 | 阿里巴巴集团控股有限公司 | 商品对象信息处理方法、装置及电子设备 |
CN110263244A (zh) * | 2019-02-14 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 内容推荐方法、装置、存储介质和计算机设备 |
CN111861605A (zh) * | 2019-04-28 | 2020-10-30 | 阿里巴巴集团控股有限公司 | 业务对象推荐方法 |
CN112116367A (zh) * | 2019-06-19 | 2020-12-22 | 百度在线网络技术(北京)有限公司 | 用于推荐广告的方法和装置、机器可读存储介质及处理器 |
CN110827128A (zh) * | 2019-11-12 | 2020-02-21 | 上海展扬通信技术有限公司 | 移动终端推荐方法、设备及可读存储介质 |
CN111143738A (zh) * | 2019-11-27 | 2020-05-12 | 北京三快在线科技有限公司 | 资源展示方法、装置、电子设备及存储介质 |
CN111178947A (zh) * | 2019-12-18 | 2020-05-19 | 贝壳技术有限公司 | 广告位推荐方法和装置、计算机可读存储介质、电子设备 |
CN111310040A (zh) * | 2020-02-11 | 2020-06-19 | 腾讯科技(北京)有限公司 | 基于人工智能的推荐方法、装置、电子设备及存储介质 |
CN113806622A (zh) * | 2020-06-12 | 2021-12-17 | 阿里巴巴集团控股有限公司 | 推荐方法、装置及设备 |
CN112232854A (zh) * | 2020-09-25 | 2021-01-15 | 北京三快在线科技有限公司 | 业务处理方法、装置、设备及存储介质 |
CN113836404A (zh) * | 2021-09-09 | 2021-12-24 | 武汉卓尔数字传媒科技有限公司 | 对象推荐方法、装置、电子设备及计算机可读存储介质 |
CN114266617A (zh) * | 2021-12-01 | 2022-04-01 | 阿里巴巴(中国)有限公司 | 信息显示方法、信息处理方法、设备及系统 |
Non-Patent Citations (6)
Title |
---|
Wei, YZ 等.A market-based approach to recommender systems.《ACM TRANSACTIONS ON INFORMATION SYSTEMS》.2005,第23卷(第3期),第227-266页. * |
Yanmin Shang 等.FTM: Recommending the Right Items for User Temporal Interests with Matrix Factorization through Topic Model.《2016 IEEE First International Conference on Data Science in Cyberspace (DSC)》.2016,第189-198页. * |
王旭.品牌服装数字交互陈列研究.《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》.2022,(第5期),第B024-804页. * |
蔡日梅.电子商务中推荐代理对购买决策的影响研究.《中国优秀硕士学位论文全文数据库 经济与管理科学辑》.2008,(第8期),第J157-8页. * |
裘立波.基于协同过滤的信息商品个性化捆绑推荐研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2009,(第10期),第I138-823页. * |
陈扬.基于多模态信号的点击率预估模型研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2022,(第2期),第I140-93页. * |
Also Published As
Publication number | Publication date |
---|---|
CN114881736A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11048530B1 (en) | Predictive action modeling to streamline user interface | |
KR101923065B1 (ko) | 소셜 네트워킹 객체의 사용자-개시 부스팅 | |
US10083454B2 (en) | Social network content item federation based on item utility value | |
CN111125574B (zh) | 用于生成信息的方法和装置 | |
US20160191450A1 (en) | Recommendations Engine in a Layered Social Media Webpage | |
US8725559B1 (en) | Attribute based advertisement categorization | |
US20190228105A1 (en) | Dynamic website content optimization | |
US20180033051A1 (en) | Interest based delivery system and method in a content recommendation network | |
CN111095330B (zh) | 用于预测在线用户交互的机器学习方法和系统 | |
US20200160373A1 (en) | Optimizing and predicting campaign attributes | |
CN112163676A (zh) | 多任务服务预测模型训练方法、装置、设备以及存储介质 | |
US20190102784A1 (en) | Modeling sequential actions | |
US11972454B1 (en) | Attribution of response to multiple channels | |
CN114881736B (zh) | 推荐方法、显示方法及设备 | |
US10855786B1 (en) | Optimizing value of content items delivered for a content provider | |
US11188846B1 (en) | Determining a sequential order of types of events based on user actions associated with a third party system | |
US20150242887A1 (en) | Method and system for generating a targeted churn reduction campaign | |
CN108139900B (zh) | 传送关于应用的更新的信息 | |
CN112541145B (zh) | 一种页面展现方法、装置、设备及存储介质 | |
US20170061468A1 (en) | Parallel member interaction estimation using onsite and offsite data | |
WO2014105443A1 (en) | Combination of multiple advertisements in an ad slot on a network accessible device | |
CN111784091B (zh) | 用于处理信息的方法和装置 | |
CN111767099A (zh) | 用于刷新目标界面的系统、方法及装置 | |
US20190188740A1 (en) | Content delivery optimization using exposure memory prediction | |
CN118134543A (zh) | 基于优惠券的下单方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |