CN115391657A - 资源推荐方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供了一种资源推荐方法、装置、设备以及存储介质，涉及人工智能技术领域，尤其涉及信息流技术领域。该资源推荐方法包括：确定候选资源与基准资源之间的相似度；确定候选资源的资源后验转化率；根据相似度和资源后验转化率，构建多个候选资源相对于基准资源的推荐顺序；响应于基准资源被访问，根据推荐顺序，推荐候选资源。本公开的资源推荐方法，通过候选资源与基准资源之间的相似度以及候选资源的资源后验转化率，构建候选资源的推荐顺序，兼顾候选资源的点展比和转化率，确保候选资源在召回阶段和排序阶段的漏斗一致，提高候选资源的推荐精度。

Description

资源推荐方法、装置、设备及存储介质

技术领域

本公开涉及计算机技术领域，具体涉及人工智能技术领域，尤其涉及一种资源推荐方法、装置、设备、存储介质以及计算机程序产品。

背景技术

在信息流推荐系统中，资源通常要经过召回和排序两个阶段。其中，召回是从提供的上千万条资源中选出几千条，排序是从召回的几千条资源中选出几十条。在排序阶段，会同时预估点展比和转化率，进而选出点展比和转化率都较高的资源；而在召回阶段，目前大多数召回都未考虑转化率的问题，选出的资源往往只是点展比较高的，而转化率未必高，导致召回和排序的漏斗不一致，进而使得资源的推荐精度也因此降低。

发明内容

本公开提供了一种资源推荐方法、装置、设备、存储介质以及计算机程序产品，提高资源推荐精度。

根据本公开的第一方面，提供了一种资源推荐方法，包括：

确定候选资源与基准资源之间的相似度；

确定候选资源的资源后验转化率；

根据相似度和资源后验转化率，构建多个候选资源相对于基准资源的推荐顺序；

响应于基准资源被访问，根据推荐顺序，推荐候选资源。

根据本公开的第二方面，提供了一种资源推荐装置，包括：

第一确定模块，被配置为确定候选资源与基准资源之间的相似度；

第二确定模块，被配置为确定候选资源的后验转化率；

构建模块，被配置为根据相似度和资源后验转化率，构建多个候选资源相对于基准资源的推荐顺序；

推荐模块，被配置为响应于基准资源被访问，根据推荐顺序，推荐候选资源。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面提供的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面提供的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据第一方面提供的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示出了可以应用本公开的资源推荐方法的示例性系统架构；

图2示出了根据本公开的资源推荐方法的一种实施例的流程图；

图3示出了根据本公开的资源推荐方法的另一种实施例的流程图；

图4示出了根据本公开的资源推荐装置的一种实施例的结构示意图；

图5示出了用来实现本公开的资源推荐方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

在信息流推荐系统中，带货资源是一种较为特殊的资源，带货资源本身是内容的载体，此外，它会在内容的中间或末尾等部位插入和内容相关的商品，供有需求的用户购买。例如，一条讲解羽毛球训练技巧的文章资源，在文章的末尾挂上某品牌的羽毛球购买链接，用户在看完该文章后，有可能会直接通过文章的末尾的链接购买羽毛球，这样用户的更深层的体验得到满足，文章的创作者可以获得分润，提供文章的平台也可以获得分润，是一种三赢的模式。因此，带货资源深受各大资源分发平台的重视。

点展比是指资源的点击量与展示量的比值，是各类资源的一个重要衡量指标。而对于带货资源，除了要考虑点展比之外，还需要考虑转化率，即带货资源中所挂载商品被购买的概率。

在信息流推荐系统中，对带货资源进行icf(Item Collaborative Filtering，项目协同过滤)召回时，往往只考虑点展比，未考虑转化率；而在排序阶段，则会同时考虑点展比和转化率，从而导致召回和排序的漏斗不一致，导致带货资源的推荐精度低。

本公开提供了一种资源推荐方法，确定候选资源与基准资源之间的相似度以及候选资源的资源后验转化率，在召回阶段，根据相似度和资源后验转化率，构建多个候选资源的推荐顺序，当基准资源被访问时，根据该推荐顺序推荐候选信息，同时考虑了候选资源的点展比和资源后验转化率，确保召回阶段与排序阶段的漏斗一致，有效提高候选资源的推荐精度。

图1示出了可以应用本公开的资源推荐方法或资源推荐装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、网络102和服务器103。其中，网络102用以在终端设备101和服务器103之间提供通信链路，可以包括各种连接类型，例如，有线通信链路、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101通过网络102与服务器103交互，以接收或发送信息等。终端设备101上可以安装有各种客户端应用。

终端设备101可以是硬件，也可以是软件。当终端设备101为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器103可以是硬件，也可以是软件。当服务器103为硬件时，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。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

本公开实施例所提供的资源推荐方法一般由服务器103执行，相应地，资源推荐装置一般设置于服务器103中。

需要说明的是，图1中的终端设备101、网络102和服务器103的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备101、网络102和服务器103。

在本公开实施例中，该资源推荐方法由服务器103执行，并将所推荐的候选资源发送到安装有客户端的终端设备101，例如，将所推荐的候选资源发送到用户查看候选资源的终端设备，或者将所推荐的候选资源发送至安装有资源分发平台的终端设备101。

图2示出了根据本公开的资源推荐方法的一种实施例的流程200。参照图2所示，该资源推荐方法包括以下步骤：

步骤S201，确定候选资源与基准资源之间的相似度。

在本实施例中，资源推荐方法的执行主体，例如，安装有资源分发平台客户端的终端设备或服务器，确定候选资源与基准资源之间的相似度。

在一些可选的实施例中，上述执行主体先确定一个资源集合中的基准资源和候选资源。

示例性地，一个资源集合中包括若干带货资源，其中任一带货资源均可作为基准资源。当确定其中一个带货资源为基准资源时，其余带货资源为候选资源。

然后，上述执行主体根据确定的基准资源和候选资源，确定各候选资源与基准资源之间的相似度。

在本公开实施例的一些可选的实现方式中，确定候选资源与基准资源之间的相似度，包括：利用预先训练的模型，获取候选资源的特征向量和基准资源的特征向量；将候选资源的特征向量和基准资源的特征向量之间的余弦相似度，确定为候选资源与基准资源之间的相似度。

在本实施例中，执行主体通过预先训练的模型获取候选资源和基准资源的特征向量，并根据特征向量计算二者之间的余弦相似度，以作为二者的相似度，保证候选资源与基准资源的相似度精度，为提高候选资源的推荐顺序精度提供稳定的基础。

其中，预先训练的模型可以是用户与带货资源之间的关系模型。示例性地，根据用户与带货资源之间的关系构建初始模型，经过样本数据训练之后，生成预先训练的模型。例如，该初始模型可以为用户与带货资源之间的关系的图模型。

在一些可选的实施例中，上述执行主体所获取的候选资源的特征向量和基准资源的特征向量均为嵌入向量。示例性地，候选资源的特征向量和基准资源的特征向量可以为32维特征向量或100维特征向量。

上述执行主体通过特征向量计算每个候选资源与基准资源之间的余弦相似度，特征向量的维度越高，其计算的余弦相似度精度越高。若一个候选资源与基准资源之间的余弦相似度值越高，则确定该候选资源与基准资源的相似度越高，即该候选资源与基准资源越相似，充分保证了候选资源与基准资源的相似度的计算可靠度。

步骤S202，确定候选资源的资源后验转化率。

在本实施例中，资源推荐方法的执行主体，例如，安装有资源分发平台客户端的终端设备或服务器，确定候选资源的资源后验转化率。

示例性地，候选资源的资源后验转化率是指，根据一定时间段内，该候选资源的历史转化量与历史分发量确定的，其挂载商品被购买的实际计算概率。

上述执行主体可以根据预设的一定时间段内，该候选资源的实际分发量和实际转化量，确定其资源后验转化率。

步骤S203，根据相似度和资源后验转化率，构建多个候选资源相对于基准资源的推荐顺序。

在本实施例中，资源推荐方法的执行主体，例如，安装有资源分发平台客户端的终端设备或服务器，根据步骤S201中确定的相似度和步骤S202中确定的资源后验转化率，构建多个候选资源相对于基准资源的推荐顺序。

上述执行主体在构建多个候选资源的推荐顺序时，兼顾候选资源与基准资源的相似度以及候选资源的资源后验转化率，可以提高多个候选资源的推荐顺序的可靠性。

在一些可选的实施例中，可以根据实际情况对相似度和后验转化率分别赋予对应的权重，根据相似度及其权重和后验转化率及其权重，构建多个候选资源相对于基准资源的推荐顺序。例如，可以是根据相似度及其权重的乘积与后验转化率及其权重的乘积之和，按照由高到低的顺序，对多个候选资源进行排序，构建多个候选资源的推荐顺序。

在本公开实施例的一些可选的实现方式中，根据相似度和资源后验转化率，构建多个候选资源相对于基准资源的推荐顺序，包括：将相似度与资源后验转化率的乘积确定为候选资源的推荐得分；按照推荐得分的预设顺序，构建多个候选资源相对于基准资源的推荐顺序。

在本实施例中，按照相似度与资源后验转化率的乘积的顺序，构建多个候选资源相对于基准资源的推荐顺序，兼顾候选资源的点展比和转化率，确保推荐顺序靠前的候选资源的点展比和转化率均较高，避免出现点展比高而转化率低的情况，有效保证候选资源的推荐精度。

示例性地，基准资源为nid1，候选资源为nid2、nid3、nid4、……，若计算候选资源nid2、nid3、nid4与基准资源nid1的相似度依次为0.9、0.8、0.7，nid2、nid3、nid4的后验转化率依次为0.01、0.02、0.03。若不考虑后验转化率，则候选资源相对于基准资源的推荐顺序为nid1[nid2&0.9，nid3&0.8，nid4&0.7，……]；而采用本公开的方案，将相似度与资源后验转化率的乘积作为推荐得分，则候选资源相对于基准资源的推荐顺序为nid1[nid4&0.021，nid3&0.016，nid2&0.009，……]。可见在考虑资源后验转化率之后，候选资源nid2与nid4的顺序发送变化，综合考虑相似度和资源后验转化率与只考虑相似度的方案相比，其推荐顺序的可靠性更高。

步骤S204，响应于基准资源被访问，根据推荐顺序，推荐候选资源。

在本实施例中，资源推荐方法的执行主体，例如，安装有资源分发平台客户端的终端设备或服务器，响应于基准资源被访问，则根据步骤S203中构建的推荐顺序，推荐候选资源。

也就是说，在本实施例中，当基准资源被访问，则按照相对于基准资源而确定的推荐得分顺序，推荐候选资源。

在本公开实施例的一些可选的实现方式中，根据推荐顺序，推荐候选资源，包括：确定推荐得分阈值和推荐数量；响应于候选资源的推荐得分大于或等于推荐得分阈值，并且候选资源在推荐顺序中的排序位于推荐数量之内，确定候选资源为目标资源；根据推荐顺序，推荐目标资源。

在本实施例中，上述执行主体通过根据推荐得分阈值和推荐数量，以双标准共同确定多个候选资源中的目标资源，然后根据推荐顺序，推荐目标资源，进一步保证所推荐的候选资源与基准资源之间的相似程度，提高候选资源的推荐精度。

在一些示例性实施例中，上述执行主体可以将多个候选资源的推荐得分的平均值确定为推荐得分阈值。在基准资源被访问时，将推荐得分大于或等于推荐得分阈值的候选资源作为目标资源，然后按照推荐顺序，推荐目标资源。

其中，推荐数量可以根据执行主体的实际情况(例如运行情况等)，选择设置。示例性地，推荐数量可以为30～200个，例如，推荐数量为30个或50个或80个或120个等。

示例性地，若推荐数量设置为50个，候选资源共有1000个，则将在推荐顺序中排序位于前50个的候选资源作为目标资源，然后按照推荐顺序，推荐目标资源。

在一些可选的实施例中，若在1000个候选资源中，推荐得分大于或等于推荐得分阈值的候选资源数量为230个，推荐数量为50个，则将在推荐顺序中排序位于前50个的候选资源作为目标资源。

在一些可选的实施例中，若在800个候选资源中，推荐得分大于或等于推荐得分阈值的候选资源数量为60个，推荐数量为80个，则将在推荐顺序中排序位于前60个的候选资源作为目标资源。

本公开实施例提供的资源推荐方法中，通过候选资源与基准资源之间的相似度以及候选资源的资源后验转化率，构建候选资源的推荐顺序，兼顾候选资源的点展比和转化率，确保候选资源在召回阶段和排序阶段的漏斗一致，提高候选资源的推荐精度。

图3示出了根据本公开的资源推荐方法的一种实施例的流程300。参照图3所示，该资源推荐方法包括以下步骤：

步骤S301，确定候选资源与基准资源之间的相似度。

在本实施例中，资源推荐方法的执行主体，例如，安装有资源分发平台客户端的终端设备或服务器，确定候选资源与基准资源之间的相似度。

步骤S301与图2所示实施例的步骤S201基本一致，具体实现方式可以参考前述对步骤S201的描述，此处不再赘述。

步骤S302，获取候选资源的资源分发量和资源转化量。

在本实施例中，资源推荐方法的执行主体，例如，安装有资源分发平台客户端的终端设备或服务器，获取候选资源的资源分发量和资源转化量。

在一些可选的实施例中，上述执行主体获取每个候选资源在预设时长内的资源分发量和资源转化量。其中，资源分发量为该候选资源在预设时长内被分发的数量；资源转化量为候选资源所挂载商品在该预设时长内被购买的数量。

示例性地，若一个候选资源挂载多个商品，则该候选资源的资源转化量为其所挂载的多个商品在预设时长内被购买的数量之和。

步骤S303，确定候选资源的置信分发量。

在本实施例中，资源推荐方法的执行主体，例如，安装有资源分发平台客户端的终端设备或服务器，确定候选资源的置信分发量。

后续以该置信分发量作为候选资源的资源后验转化率的衡量标准，以确保资源后验转化率的可靠性。

在一些可选的实施例中，可以根据多个候选资源的平均转化率确定置信分发量。因为多个候选资源的平均转化率综合考虑了其资源分发量和资源转化量，根据平均转化率倒推置信分发量，可以大幅提高置信分发量的可靠性。

示例性地，根据候选资源在预设时长内的资源分发量和资源转化量，可以计算该候选资源在预设时长内，其资源转化量与资源分发量的比值，作为该候选资源在预设时长内的资源转化率。

根据多个候选资源在预设时长内的资源转化率计算平均值，即可得到多个候选资源在预设时长内的平均转化率。

示例性地，假设多个候选资源在预设时长内的平均转化率为1％，则可以将置信分发量确定为1000个。按照平均转化率计算，资源分发量为1000个时，资源转化量为10个。

步骤S304，根据置信分发量、资源分发量和资源转化量，确定候选资源的资源后验转化率。

在本实施例中，资源推荐方法的执行主体，例如，安装有资源分发平台客户端的终端设备或服务器，根据置信分发量、资源分发量和资源转化量，确定候选资源的资源后验转化率。

上述执行主体，根据置信分发量、资源分发量和资源转化量，确定候选资源的资源后验转化率的确定方式，以重复保证资源后验转化率的可靠性。

在本公开实施例的一些可选的实现方式中，根据置信分发量、资源分发量和资源转化量，确定候选资源的资源后验转化率，包括：响应于资源分发量大于或等于置信分发量，将资源转化量与资源分发量的比值确定为资源后验转化率；响应于资源分发量小于置信分发量，将候选资源中挂载商品的商品后验转化率确定为资源后验转化率。

在本实施例中，上述执行主体根据资源分发量与置信分发量，确定候选资源的资源后验转化率的确定方式。其中，当资源分发量大于或等于置信分发量时，将资源转化率直接作为资源后验转化率，即资源后验转化率为资源转化量与资源分发量的比值；当资源分发量小于置信分发量时，即资源分发量较少时，用候选资源中挂载商品的商品后验转化率作为资源后验转化率。

本实施例中，以置信分发量作为确定标准，通过将资源分发量与置信分发量比较，根据不同的资源分发量，确定资源转化率或商品后验转化率作为资源后验转化率，有效提高资源后验转化率的可靠性。

在本公开实施例的一些可选的实现方式中，将候选资源中挂载商品的商品后验转化率确定为资源后验转化率，包括：获取候选资源中挂载商品的商品分发量和商品转化量；将商品转化量与商品分发量的比值确定为资源后验转化率。

在本实施例中，上述执行主体获取候选资源中挂载商品的商品分发量和商品转化量，然后将商品转化量与商品分发量的比值确定为商品后验转化率。响应于候选资源的资源分发量小于置信分发量，上述执行主体将该商品后验转化率确定为资源后验转化率。

示例性地，上述执行主体获取预设时长内候选资源中挂载商品的商品分发量和商品转化量。其中，商品分发量为所有挂载该商品的候选资源的分发量之和，商品转化量为所有挂载该商品的候选资源中该商品的转化量之和。

上述执行主体计算候选资源中挂载商品在预设时长内的商品转化量与商品分发量的比值，作为候选资源中挂载商品在预设时长内的商品后验转化率。

在确定候选资源的资源分发量小于置信分发量时，上述执行主体将上述商品后验转化率确定为候选资源的资源后验转化率，提高资源后验转化率的可靠性。

在本公开实施例的一些可选的实现方式中，根据置信分发量、资源分发量和资源转化量，确定候选资源的资源后验转化率，还包括：根据多个候选资源的资源后验转化率，确定多个候选资源的平均后验转化率；响应于一个候选资源的资源分发量大于或等于置信分发量的第一预设倍数、且平均后验转化率大于或等于该候选资源的资源后验转化率的第二预设倍数，将该候选资源的后验转化率置0。

在本实施例中，上述执行主体在确定每个候选资源的资源后验转化率之后，确定多个候选资源的平均后验转化率，再基于该平均后验转化率，对各候选资源进行评价，进一步提升各候选资源的可靠性。

在一些可选的实施例中，上述执行主体对超高分发量、超低转化率的候选资源进行惩罚。

示例性地，若一个候选资源的资源分发量远大于置信分发量、并且该候选资源的资源后验转化率远小于平均后验转化率，则可以认为该候选资源不适合挂载商品，因此，为避免造成资源的浪费，可以将该候选资源的后验转化率直接置0。

示例性地，响应于一个候选资源的资源分发量大于或等于置信分发量的第一预设倍数、且平均后验转化率大于或等于该候选资源的资源后验转化率的第二预设倍数，将该候选资源的后验转化率置0。其中，第一预设倍数大于或等于10倍，第二预设倍数大于等于10倍，第一预设倍数与第二预设倍数可以相同或不同。

例如，置信分发量为1000个、平均后验转化率为1％时，若某候选资源的资源分发量达10w个，但是其资源转化量仅为10个。若按平均后验转化率计算，其资源转化量的理论值应为1000个。可见，该候选资源的资源分发量达置信分发量的100倍，而平均后验转化率为该候选资源的资源后验转化率的100倍，该候选资源为高分发量、低转化率的候选资源，可以认定该候选资源不适合挂载商品，因此，可以将该候选资源的资源后验转化率直接置0。

步骤S305，根据相似度和资源后验转化率，构建多个候选资源相对于基准资源的推荐顺序。

在本实施例中，资源推荐方法的执行主体，例如，安装有资源分发平台客户端的终端设备，根据步骤S301中确定的相似度和步骤S304中确定的资源后验转化率，构建多个候选资源相对于基准资源的推荐顺序。

步骤S305与图2所示实施例的步骤S203基本一致，具体实现方式可以参考前述对步骤S203的描述，此处不再赘述。

步骤S306，响应于基准资源被访问，根据推荐顺序，推荐候选资源。

在本实施例中，资源推荐方法的执行主体，例如，安装有资源分发平台客户端的终端设备，响应于基准资源被访问，根据步骤S305中确定的推荐顺序，推荐候选资源。

步骤S306与图2所示实施例的步骤S204基本一致，具体实现方式可以参考前述对步骤S204的描述，此处不再赘述。

在本公开实施例提供的资源推荐方法中，通过确定置信分发量，以置信分发量为依据，确定资源后验转化率，提高资源后验转化率的可靠性，进而保证候选资源的推荐顺序的可靠性，进一步提升候选资源的推荐精度。

需要说明的是，本公开的技术方案中，所涉及的用户相关信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。本实施例中获取的用户相关信息并不针对某一特定用户，也并不能反映出某一特定用户的个人信息。

作为对上述各图所示方法的实现，图4示出了根据本公开的资源推荐装置的一个实施例。该资源推荐装置与图2所示的方法实施例相对应，该装置可以应用于各种电子设备中。

参照图4所示，本公开实施例提供的资源推荐装置400包括：第一确定模块401、第二确定模块402、构建模块403和推荐模块404。其中，第一确定模块401被配置为，确定候选资源与基准资源之间的相似度；第二确定模块402被配置为，确定候选资源的后验转化率；构建模块403被配置为，根据相似度和资源后验转化率，构建多个候选资源相对于基准资源的推荐顺序；推荐模块404被配置为，响应于基准资源被访问，根据推荐顺序，推荐候选资源。

在本实施例中，资源推荐装置400中，第一确定模块401、第二确定模块402、构建模块403和推荐模块404的具体处理及其所带来的技术效果，可分别参考图2对应实施例中的步骤S201-S204的相关说明，在此不再赘述。

在本公开实施例的一些可选的实现方式中，第二确定模块402包括：获取子模块、第一确定子模块和第二确定子模块。其中，获取子模块被配置为，获取候选资源的资源分发量和资源转化量；第一确定子模块被配置为，确定候选资源的置信分发量；第二确定子模块被配置为，根据置信分发量、资源分发量和资源转化量，确定候选资源的资源后验转化率。

在本实施例中，资源推荐装置400中，获取子模块、第一确定子模块和第二确定子模块的具体处理及其所带来的技术效果，可分别参考图3对应实施例中的步骤S302-S304的相关说明，在此不再赘述。

在本公开实施例的一些可选的实现方式中，第二确定子模块包括：第一确定单元和第二确定单元。其中，第一确定单元被配置为，响应于资源分发量大于或等于置信分发量，将资源转化量与资源分发量的比值确定为资源后验转化率；第二确定单元被配置为，响应于资源分发量小于置信分发量，将候选资源中挂载商品的商品后验转化率确定为资源后验转化率。

在本公开实施例的一些可选的实现方式中，第二确定单元被配置为：获取候选资源中挂载商品的商品分发量和商品转化量；将商品转化量与商品分发量的比值确定为资源后验转化率。

在本公开实施例的一些可选的实现方式中，第二确定子模块还包括：确定单元和配置单元，其中，确定单元被配置为，根据多个候选资源的资源后验转化率，确定多个候选资源的平均后验转化率；配置单元被配置为，响应于一个候选资源的资源分发量大于或等于置信分发量的第一预设倍数、且平均后验转化率大于或等于该候选资源的资源后验转化率的第二预设倍数，将该候选资源的后验转化率置0。

在本公开实施例的一些可选的实现方式中，构建模块被配置为：将相似度与资源后验转化率的乘积确定为候选资源的推荐得分；按照推荐得分的预设顺序，构建多个候选资源相对于基准资源的推荐顺序。

在本公开实施例的一些可选的实现方式中，推荐模块被配置为：确定推荐得分阈值和推荐数量；响应于候选资源的推荐得分大于或等于推荐得分阈值，并且候选资源在推荐顺序中的排序位于推荐数量之内，确定候选资源为目标资源；根据推荐顺序，推荐目标资源。

在本公开实施例的一些可选的实现方式中，第一确定模块被配置为：利用预先训练的模型，获取候选资源的特征向量和基准资源的特征向量；将候选资源的特征向量和基准资源的特征向量之间的余弦相似度，确定为候选资源与基准资源之间的相似度。

根据本公开的实施例，本公开还提供了一种电子设备、一种存储有计算机指令的非瞬时计算机可读存储介质和一种计算机程序产品。

其中，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述资源推荐方法。

在一些实施例中，一种存储有计算机指令的非瞬时计算机可读存储介质中，计算机指令用于使计算机执行上述资源推荐方法。

在一些实施例中，一种计算机程序产品包括计算机程序，计算机程序在被处理器执行时实现上述资源推荐方法。

图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如骨干网络的生成方法或图像处理方法。例如，在一些实施例中，文件处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的骨干网络的生成方法或图像处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行资源推荐方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，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。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种资源推荐方法，包括：

确定候选资源与基准资源之间的相似度；

确定所述候选资源的资源后验转化率；

根据所述相似度和所述资源后验转化率，构建多个所述候选资源相对于所述基准资源的推荐顺序；

响应于所述基准资源被访问，根据所述推荐顺序，推荐所述候选资源。

2.根据权利要求1所述的资源推荐方法，其中，所述确定所述候选资源的资源后验转化率，包括：

获取所述候选资源的资源分发量和资源转化量；

确定所述候选资源的置信分发量；

根据所述置信分发量、所述资源分发量和所述资源转化量，确定所述候选资源的资源后验转化率。

3.根据权利要求2所述的资源推荐方法，其中，所述根据所述置信分发量、所述资源分发量和所述资源转化量，确定所述候选资源的资源后验转化率，包括：

响应于所述资源分发量大于或等于所述置信分发量，将所述资源转化量与所述资源分发量的比值确定为所述资源后验转化率；

响应于所述资源分发量小于所述置信分发量，将所述候选资源中挂载商品的商品后验转化率确定为所述资源后验转化率。

4.根据权利要求3所述的资源推荐方法，其中，所述将所述候选资源中挂载商品的商品后验转化率确定为所述资源后验转化率，包括：

获取所述候选资源中挂载商品的商品分发量和商品转化量；

将所述商品转化量与所述商品分发量的比值确定为所述资源后验转化率。

5.根据权利要求3所述的资源推荐方法，其中，所述根据所述置信分发量、所述资源分发量和所述资源转化量，确定所述候选资源的资源后验转化率，还包括：

根据多个所述候选资源的资源后验转化率，确定多个所述候选资源的平均后验转化率；

响应于一个所述候选资源的所述资源分发量大于或等于所述置信分发量的第一预设倍数、且所述平均后验转化率大于或等于该候选资源的所述资源后验转化率的第二预设倍数，将该候选资源的所述后验转化率置0。

6.根据权利要求1至5任一项所述的资源推荐方法，其中，所述根据所述相似度和所述资源后验转化率，构建多个所述候选资源相对于所述基准资源的推荐顺序，包括：

将所述相似度与所述资源后验转化率的乘积确定为所述候选资源的推荐得分；

按照所述推荐得分的预设顺序，构建多个所述候选资源相对于所述基准资源的推荐顺序。

7.根据权利要求6所述的资源推荐方法，其中，所述根据所述推荐顺序，推荐所述候选资源，包括：

确定推荐得分阈值和推荐数量；

响应于所述候选资源的所述推荐得分大于或等于所述推荐得分阈值，并且所述候选资源在所述推荐顺序中的排序位于所述推荐数量之内，确定所述候选资源为目标资源；

根据所述推荐顺序，推荐所述目标资源。

8.根据权利要求1至7任一项所述的资源推荐方法，其中，所述确定候选资源与基准资源之间的相似度，包括：

利用预先训练的模型，获取所述候选资源的特征向量和所述基准资源的特征向量；

将所述候选资源的特征向量和所述基准资源的特征向量之间的余弦相似度，确定为所述候选资源与所述基准资源之间的相似度。

9.一种资源推荐装置，包括：

第一确定模块，被配置为确定候选资源与基准资源之间的相似度；

第二确定模块，被配置为确定所述候选资源的后验转化率；

构建模块，被配置为根据所述相似度和所述资源后验转化率，构建多个所述候选资源相对于所述基准资源的推荐顺序；

推荐模块，被配置为响应于所述基准资源被访问，根据所述推荐顺序，推荐所述候选资源。

10.根据权利要求9所述的资源推荐装置，其中，所述第二确定模块包括：

获取子模块，被配置为获取所述候选资源的资源分发量和资源转化量；

第一确定子模块，被配置为确定所述候选资源的置信分发量；

第二确定子模块，被配置为根据所述置信分发量、所述资源分发量和所述资源转化量，确定所述候选资源的资源后验转化率。

11.根据权利要求10所述的资源推荐装置，其中，所述第二确定子模块包括：

第一确定单元，被配置为响应于所述资源分发量大于或等于所述置信分发量，将所述资源转化量与所述资源分发量的比值确定为所述资源后验转化率；

第二确定单元，被配置为响应于所述资源分发量小于所述置信分发量，将所述候选资源中挂载商品的商品后验转化率确定为所述资源后验转化率。

12.根据权利要求11所述的资源推荐装置，其中，所述第二确定单元被配置为：

获取所述候选资源中挂载商品的商品分发量和商品转化量；

将所述商品转化量与所述商品分发量的比值确定为所述资源后验转化率。

13.根据权利要求11所述的资源推荐装置，其中，所述第二确定子模块还包括：

确定单元，被配置为根据多个所述候选资源的资源后验转化率，确定多个所述候选资源的平均后验转化率；

配置单元，被配置为响应于一个所述候选资源的所述资源分发量大于或等于所述置信分发量的第一预设倍数、且所述平均后验转化率大于或等于该候选资源的所述资源后验转化率的第二预设倍数，将该候选资源的所述后验转化率置0。

14.根据权利要求9至13任一项所述的资源推荐装置，其中，所述构建模块被配置为：

将所述相似度与所述资源后验转化率的乘积确定为所述候选资源的推荐得分；

按照所述推荐得分的预设顺序，构建多个所述候选资源相对于所述基准资源的推荐顺序。

15.根据权利要求14任一项所述的资源推荐装置，其中，所述推荐模块被配置为：

确定推荐得分阈值和推荐数量；

响应于所述候选资源的所述推荐得分大于或等于所述推荐得分阈值，并且所述候选资源在所述推荐顺序中的排序位于所述推荐数量之内，确定所述候选资源为目标资源；

根据所述推荐顺序，推荐所述目标资源。

16.根据权利要求9至15任一项所述的资源推荐装置，其中，所述第一确定模块被配置为：

利用预先训练的模型，获取所述候选资源的特征向量和所述基准资源的特征向量；

将所述候选资源的特征向量和所述基准资源的特征向量之间的余弦相似度，确定为所述候选资源与所述基准资源之间的相似度。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1至8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至8中任一项所述的方法。

Images