CN116610869B - 推荐内容管理方法及装置、电子设备及存储介质 - Google Patents
推荐内容管理方法及装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116610869B CN116610869B CN202310862674.1A CN202310862674A CN116610869B CN 116610869 B CN116610869 B CN 116610869B CN 202310862674 A CN202310862674 A CN 202310862674A CN 116610869 B CN116610869 B CN 116610869B
- Authority
- CN
- China
- Prior art keywords
- recommended
- content
- contents
- recommended content
- display area
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000012549 training Methods 0.000 claims description 56
- 230000008569 process Effects 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 20
- 230000001502 supplementing effect Effects 0.000 claims description 8
- 230000001172 regenerating effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000003252 repetitive effect Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本说明书一个或多个实施例提供一种推荐内容管理方法及装置、电子设备及存储介质，所述方法包括：向服务端发送内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容；接收所述服务端返回的多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签，其中，所述多个推荐内容中每个推荐内容的数据标签由所述服务端每个推荐内容进行NER实体抽取得到，所述多个推荐内容与所述多个显示区一一对应；根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。
Description
技术领域
本说明书一个或多个实施例涉及端云协同技术领域，尤其涉及一种推荐内容管理方法及装置、电子设备及存储介质。
背景技术
随着人工智能技术和大数据技术的不断发展，各种自动化、智能化的服务越来越多，这些服务给用户带来了非常好的使用体验。在目前的内容浏览领域，算法能够根据用户的属性信息和行为数据等向用户推荐内容，例如向用户推荐视频、文章等内容，从而可以使用户最大程度浏览到自己感兴趣或者需要的内容，提高了用户的内容浏览体验。但是相关技术中，在APP首页等具有多个显示区的显示界面中每个显示区均会曝光推荐内容，这些推荐内容往往存在重复的现象，这种重复的现象使得用户的使用体验下降。
发明内容
有鉴于此，本说明书一个或多个实施例提供一种推荐内容管理方法及装置、电子设备及存储介质。
为实现上述目的，本说明书一个或多个实施例提供技术方案如下：
根据本说明书一个或多个实施例的第一方面，提出了一种推荐内容管理方法，所述方法包括：
向服务端发送内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容；
接收所述服务端返回的多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签，其中，所述多个推荐内容中每个推荐内容的数据标签由所述服务端每个推荐内容进行NER实体抽取得到，所述多个推荐内容与所述多个显示区一一对应；
根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。
在本说明书的一个或多个实施例中，所述根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区，包括：
根据所述多个推荐内容中每个推荐内容的数据标签，确定所述多个推荐内容中每两个推荐内容的相似度；
保留与每个推荐内容的相似度均不大于第一阈值的推荐内容，并在相似度大于第一阈值的多个推荐内容中保留至少一个推荐内容；
将保留的每个推荐内容均曝光于对应的显示区。
在本说明书的一个或多个实施例中，所述根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区，包括：
响应于第一显示区生成内容曝光请求，根据所述多个推荐内容中已曝光的每个推荐内容的数据标签和所述第一显示区对应的推荐内容的数据标签，确定所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度，其中，所述第一显示区为所述多个显示区中任一显示区；
响应于所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度中，大于第二阈值的相似度的数量未达到第三阈值，将所述第一显示区对应的推荐内容曝光于所述显示区。
在本说明书的一个或多个实施例中，所述根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区，包括：
使用去重模型，根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区，其中，所述去重模型由服务端使用客户端收集的第一训练样本训练得到，所述第一训练样本包括所述显示界面内曝光的推荐内容，以及用户对所述显示界面内曝光的每个推荐内容的操作指令。
在本说明书的一个或多个实施例中，所述方法还包括：
向所述服务端发送内容补充请求，其中，所述内容补充请求用于请求所述服务端生成并返回，针对去重处理中被删除的每个推荐内容对应的显示区的推荐内容。
在本说明书的一个或多个实施例中，所述方法还包括：
根据所述多个显示区生成的内容推荐子请求，生成所述内容推荐请求。
在本说明书的一个或多个实施例中，所述向服务端发送内容推荐请求，包括：
响应于所述多个显示区生成内容推荐子请求，分别将多个内容推荐子请求发送至所述服务端。
根据本说明书一个或多个实施例的第二方面，提出了一种推荐内容管理方法，所述方法包括：
接收客户端发送的内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容；
生成与所述多个显示区一一对应的多个推荐内容，并对所述多个推荐内容中每个推荐内容进行NER实体抽取，得到每个推荐内容的数据标签；
将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签发送至所述客户端，以使所述客户端根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。
在本说明书的一个或多个实施例中，所述生成与所述多个显示区一一对应的多个推荐内容，包括：
分别使用所述多个显示区中每个显示区对应的推荐模型，生成每个显示区对应的推荐内容，其中，所述推荐模型由服务端使用客户端收集的第二训练样本训练得到，所述第二训练样本包括对应的显示区内曝光的推荐内容，以及用户对对应的显示区内曝光的推荐内容的操作指令。
在本说明书的一个或多个实施例中，所述方法还包括：
对于所述多个推荐内容中每个推荐内容，在所述推荐内容的数据标签和所述推荐内容对应的显示区的历史推荐内容的数据标签的相似度大于第四阈值的情况下，重新生成所述显示区对应的推荐内容。
在本说明书的一个或多个实施例中，所述方法还包括：
使用客户端收集的第一训练样本对去重模型进行训练，其中，所述第一训练样本包括所述显示界面内曝光的推荐内容，以及用户对所述显示界面内曝光的每个推荐内容的操作指令；
将所述去重模型发送至所述客户端，以使所述客户端更新所述去重模型。
根据本说明书一个或多个实施例的第三方面，提出了一种推荐内容管理装置，所述装置包括：
第一发送模块，用于向服务端发送内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容；
第一接收模块，用于接收所述服务端返回的多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签，其中，所述多个推荐内容中每个推荐内容的数据标签由所述服务端每个推荐内容进行NER实体抽取得到，所述多个推荐内容与所述多个显示区一一对应；
去重模块，用于根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。
在本说明书的一个或多个实施例中，所述去重模块具体用于：
根据所述多个推荐内容中每个推荐内容的数据标签，确定所述多个推荐内容中每两个推荐内容的相似度；
保留与每个推荐内容的相似度均不大于第一阈值的推荐内容，并在相似度大于第一阈值的多个推荐内容中保留至少一个推荐内容；
将保留的每个推荐内容均曝光于对应的显示区。
在本说明书的一个或多个实施例中，所述去重模块具体用于：
响应于第一显示区生成内容曝光请求，根据所述多个推荐内容中已曝光的每个推荐内容的数据标签和所述第一显示区对应的推荐内容的数据标签，确定所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度，其中，所述第一显示区为所述多个显示区中任一显示区；
响应于所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度中，大于第二阈值的相似度的数量未达到第三阈值，将所述第一显示区对应的推荐内容曝光于所述显示区。
在本说明书的一个或多个实施例中，所述去重模块具体用于：
使用去重模型，根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区，其中，所述去重模型由服务端使用客户端收集的第一训练样本训练得到，所述第一训练样本包括所述显示界面内曝光的推荐内容，以及用户对所述显示界面内曝光的每个推荐内容的操作指令。
在本说明书的一个或多个实施例中，所述装置还包括补充模块，用于：
向所述服务端发送内容补充请求，其中，所述内容补充请求用于请求所述服务端生成并返回，针对去重处理中被删除的每个推荐内容对应的显示区的推荐内容。
在本说明书的一个或多个实施例中，所述装置还包括生成模块，用于：
根据所述多个显示区生成的内容推荐子请求，生成所述内容推荐请求。
在本说明书的一个或多个实施例中，所述第一发送模块具体用于：
响应于所述多个显示区生成内容推荐子请求，分别将多个内容推荐子请求发送至所述服务端。
根据本说明书一个或多个实施例的第四方面，提出了一种推荐内容管理装置，所述装置包括：
第二接收模块，用于接收客户端发送的内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容；
实体模块，用于生成与所述多个显示区一一对应的多个推荐内容，并对所述多个推荐内容中每个推荐内容进行NER实体抽取，得到每个推荐内容的数据标签；
第二发送模块，用于将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签发送至所述客户端，以使所述客户端根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。
在本说明书的一个或多个实施例中，所述实体模块用于生成与所述多个显示区一一对应的多个推荐内容时，具体用于：
分别使用所述多个显示区中每个显示区对应的推荐模型，生成每个显示区对应的推荐内容，其中，所述推荐模型由服务端使用客户端收集的第二训练样本训练得到，所述第二训练样本包括对应的显示区内曝光的推荐内容，以及用户对对应的显示区内曝光的推荐内容的操作指令。
在本说明书的一个或多个实施例中，所述装置还包括替换模块，用于：
对于所述多个推荐内容中每个推荐内容，在所述推荐内容的数据标签和所述推荐内容对应的显示区的历史推荐内容的数据标签的相似度大于第四阈值的情况下，重新生成所述显示区对应的推荐内容。
在本说明书的一个或多个实施例中，所述装置还包括训练模块，用于：
使用客户端收集的第一训练样本对去重模型进行训练，其中，所述第一训练样本包括所述显示界面内曝光的推荐内容，以及用户对所述显示界面内曝光的每个推荐内容的操作指令；
将所述去重模型发送至所述客户端，以使所述客户端更新所述去重模型。
根据本说明书一个或多个实施例的第三方面，提出了一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如第一方面所述的方法。
根据本说明书一个或多个实施例的第四方面，提出了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如第一方面所述方法的步骤。
本说明书的实施例提供的技术方案可以包括以下有益效果：
本说明书实施例所提供的推荐内容管理方法中，客户端向服务端发送内容推荐请求，服务端生成针对显示界面的多个显示区的推荐内容，并对每个推荐内容进行NER实体抽取得到实体标签，客户端接收服务端返回的多个推荐内容以及每个推荐内容的实体标签，并根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。该方法中服务端通过NER实体抽取得到了推荐内容的实体标签，进而客户端可以基于每个推荐内容的实体标签进行去重，从而避免显示界面内多个显示区中曝光的显示内容重复率过高而降低用户体验，提高了显示界面内推荐内容的有效性和用户体验。
附图说明
图1是一示例性实施例提供的一种应用于客户端的推荐内容管理方法的流程图。
图2是一示例性实施例提供的一种应用于服务端的推荐内容管理方法的流程图。
图3是一示例性实施例提供的客户端与服务端之间的架构以及应用于该架构的推荐内容管理方法的示意图。
图4是一示例性实施例提供的一种设备的结构示意图。
图5是一示例性实施例提供的一种应用于客户端的推荐内容管理装置的框图。
图6是一示例性实施例提供的一种应用于服务端的推荐内容管理装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例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、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
随着人工智能技术和大数据技术的不断发展，各种自动化、智能化的服务越来越多，这些服务给用户带来了非常好的使用体验。在目前的内容浏览领域，算法能够根据用户的属性信息和行为数据等向用户推荐内容，例如向用户推荐视频、文章等内容，从而可以使用户最大程度浏览到自己感兴趣或者需要的内容，提高了用户的内容浏览体验。但是相关技术中，在APP首页等具有多个显示区的显示界面中每个显示区均会曝光推荐内容，这些推荐内容往往存在重复的现象，这种重复的现象使得用户的使用体验下降。
基于此，第一方面，本说明书至少一个实施例提供了一种推荐内容管理方法，该方法用于通过端云协同（客户端和服务端之间协同）对准备曝光于显示界面的多个推荐内容（例如视频、广告等）进行去重，以使最终曝光于显示界面的多个推荐内容重复率较低，避免推荐内容过多重复造成用户的使用体验下降。
该方法通过客户端和服务端之间的协同来完成，接下来分别从客户端和服务端两侧来对该方法进行详细描述。
请参照附图1，其示例性的示出了应用于客户端的推荐内容管理方法的流程，包括步骤S101至步骤S103。
在步骤S101中，向服务端发送内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容。
其中，显示界面可以为APP首页等具有多个显示区的界面，每个显示区均用于显示推荐内容；例如，多个显示区可以包括搜索底纹词、角标运营位、腰封运营位、推荐卡片位等。
其中，显示界面内的每个显示区均能够生成内容推荐子请求，例如在显示界面被启动时每个显示区均生成内容推荐子请求，再例如在时间达到推荐内容更新周期时每个显示区均生成内容推荐子请求，再例如在显示区内的推荐内容曝光时间达到曝光阈值时生成推荐内容子请求。某个显示区的推荐内容子请求用于请求服务端生成并返回针对该显示区的推荐内容。
示例性的，可以根据所述多个显示区生成的内容推荐子请求，生成所述内容推荐请求。例如在显示界面内多个显示区同时生成内容推荐子请求时，可以将多个内容推荐子请求打包为内容推荐请求，并在本步骤中发送至服务端。
再示例性的，本步骤可以响应于所述多个显示区生成内容推荐子请求，分别将多个内容推荐子请求发送至所述服务端。例如在显示界面内多个显示区陆续生成内容推荐子请求时，可以将多个内容推荐子请求陆续发送至服务端，即每生成一个内容推荐子请求就发送至服务端。
在步骤S102中，接收所述服务端返回的多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签，其中，所述多个推荐内容中每个推荐内容的数据标签由所述服务端每个推荐内容进行NER实体抽取得到，所述多个推荐内容与所述多个显示区一一对应。
可选的，服务端在接收内容推荐请求后可以生成与所述多个显示区一一对应的多个推荐内容，并对所述多个推荐内容中每个推荐内容进行NER（Named EntityRecognition）实体抽取，得到每个推荐内容的数据标签；再将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签发送至所述客户端。其中，NER实体抽取是一种对推荐内容（例如文本、视频等）张工出现的实体（例如人名、地名、机构名、品牌、名词、时间、日期等）进行识别和分类的自然语言处理技术。服务端在发送所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签时，可以将每个推荐内容及其实体标签构建为映射关系，然后将每个映射关系发送至客户端。
其中，客户端可以在每个显示区曝光推荐内容后，收集用户对每个显示区内曝光的推荐内容的操作指令，例如未操作、点击查看等，进而针对每个显示区构建第二训练样本，其中，第二训练样本包括显示区内曝光的推荐内容，以及用户对显示区内曝光的推荐内容的操作指令。服务端可以获取客户端收集的每个显示区的第二训练样本，并利用每个显示区的第二训练样本，对应训练每个显示区对应的推荐模型。服务端在生成每个与所述多个显示区一一对应的多个推荐内容时，可以分别使用所述多个显示区中每个显示区对应的推荐模型，生成每个显示区对应的推荐内容。
在步骤S103中，根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。
可选的，本步骤可以由客户端中的端智能执行。端智能内可以配置有去重模型，例如采用tensorflow深度学习框架构建得到的模型，因此端智能可以使用去重模型根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。例如每个显示区调用端智能曝光推荐内容，则端智能将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签（以及多个推荐内容中已曝光的推荐内容的数据标签）输入至去重模型，以使去重模型输出去重结果，端智能会向去重结果中的每个推荐内容对应的显示区发送刷新指令（该刷新指令中携带有对应的推荐内容），显示区接收刷新指令后会曝光对应的推荐内容，端智能会向去重过程中删除的每个推荐内容对应的显示区发送去重指令，以通知显示区推荐内容已被去重。
其中，所述去重模型由服务端使用客户端收集的第一训练样本训练得到，所述第一训练样本包括所述显示界面内曝光的推荐内容，以及用户对所述显示界面内曝光的每个推荐内容的操作指令。例如，客户端在显示界面内曝光多个推荐内容后，可以收集用户对显示界面内曝光的每个推荐内容的操作指令，例如未操作、点击查看等，进而构建第一训练样本。服务端可以获取客户端收集的第一训练样本，并利用第一训练样本训练去重模型。
在一个可能的实施例中，可以按照下述方式执行本步骤：
首先，根据所述多个推荐内容中每个推荐内容的数据标签，确定所述多个推荐内容中每两个推荐内容的相似度。例如，计算所述多个推荐内容中每两个推荐内容的数据标签的欧式距离，并将每两个推荐内容的欧式距离对应作为每两个推荐内容的相似度。
接下来，保留与每个推荐内容的相似度均不大于第一阈值的推荐内容，并在相似度大于第一阈值的多个推荐内容中保留至少一个推荐内容。其中，在相似度大于第一阈值的多个推荐内容中保留的推荐内容的数量可以预先设置，或者在使用去重模型执行本实施例时，去重模型会通过训练过程中学习到的用户对重复内容的行为习惯，来决策上述数量。
最后，将保留的每个推荐内容均曝光于对应的显示区。
本实施例优选适用于服务端同时返回多个推荐内容的情况下，这种情况下可以使多个推荐内容中的相似度较高的多个推荐内容不至于全部曝光在显示区，从而提高用户的使用体验。
在另一个可能的实施例中，可以按照下述方式执行本步骤：
首先，响应于第一显示区生成内容曝光请求，根据所述多个推荐内容中已曝光的每个推荐内容的数据标签和所述第一显示区对应的推荐内容的数据标签，确定所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度，其中，所述第一显示区为所述多个显示区中任一显示区。例如，计算所述多个推荐内容中已曝光的每个推荐内容的数据标签和所述第一显示区对应的推荐内容的数据标签的欧式距离，并将欧式距离确定为相似度。
接下来，响应于所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度中，大于第二阈值的相似度的数量未达到第三阈值，将所述第一显示区对应的推荐内容曝光于所述显示区。其中，第二阈值可以和上述实施例中的第一阈值相同或者不同，第三阈值可以预先设置，或者在使用去重模型执行本实施例时，去重模型会通过训练过程中学习到的用户对重复内容的行为习惯，来决策第三阈值。
本实施例优选适用于服务端陆续返回多个推荐内容的情况下，也就是服务端每返回一个推荐内容，则根据其与服务端之前返回的且已经曝光于显示界面的每个推荐内容之间的相似度来确定该推荐内容是否曝光。这种方式能够在每次接到推荐内容后决策其是否曝光，提高了决策的灵活性，以及推荐内容曝光的及时性。
可以理解的是，客户端还可以向所述服务端发送内容补充请求，其中，所述内容补充请求用于请求所述服务端生成并返回，针对去重处理中被删除的每个推荐内容对应的显示区的推荐内容。也就是说，服务端为某个显示区返回的推荐内容在去重过程中被删除，则客户端可以重新请求服务端返回新的推荐内容，从而保证该显示区的推荐内容能够得到更新。其中，内容补充请求本质上和内容推荐请求是一致的，只是所针对的显示区的范围不同；可以理解，步骤S101中的内容推荐请求也可以是上一次内容推荐请求的内容补充请求，且本实施例中的内容补充请求也可以触发步骤S102和步骤S103来进行去重和曝光。
本说明书实施例所提供的推荐内容管理方法中，客户端向服务端发送内容推荐请求，服务端生成针对显示界面的多个显示区的推荐内容，并对每个推荐内容进行NER实体抽取得到实体标签，客户端接收服务端返回的多个推荐内容以及每个推荐内容的实体标签，并根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。该方法中服务端通过NER实体抽取得到了推荐内容的实体标签，进而客户端可以基于每个推荐内容的实体标签进行去重，从而避免显示界面内多个显示区中曝光的显示内容重复率过高而打扰用户，提高了显示界面内推荐内容的有效性和用户体验。
请参照附图2，其示例性的示出了应用于客户端的推荐内容管理方法的流程，包括步骤S201至步骤S203。
在步骤S201中，接收客户端发送的内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容。
其中，内容推荐请求的相关内容已经在服务端侧进行了较为详细的介绍，这里不再重复赘述。
在步骤S202中，生成与所述多个显示区一一对应的多个推荐内容，并对所述多个推荐内容中每个推荐内容进行NER实体抽取，得到每个推荐内容的数据标签。
示例性的，分别使用所述多个显示区中每个显示区对应的推荐模型，生成每个显示区对应的推荐内容，其中，所述推荐模型由服务端使用客户端收集的第二训练样本训练得到，所述第二训练样本包括对应的显示区内曝光的推荐内容，以及用户对对应的显示区内曝光的推荐内容的操作指令。其中，客户端可以在每个显示区曝光推荐内容后，收集用户对每个显示区内曝光的推荐内容的操作指令，例如未操作、点击查看等，进而针对每个显示区构建第二训练样本；服务端可以获取客户端收集的每个显示区的第二训练样本，并利用每个显示区的第二训练样本，对应训练每个显示区对应的推荐模型。
其中，NER实体抽取是一种对推荐内容（例如文本、视频等）张工出现的实体（例如人名、地名、机构名、时间、日期等）进行识别和分类的自然语言处理技术。
另外，还可以对于所述多个推荐内容中每个推荐内容，在所述推荐内容的数据标签和所述推荐内容对应的显示区的历史推荐内容的数据标签的相似度大于第四阈值的情况下，重新生成所述显示区对应的推荐内容。也就是生成某个显示区对应的推荐内容后，与该显示区的历史推荐内容（即该显示区之前曝光的推荐内容）进行相似度比较，并在相似度较大时重新生成该显示区对应的推荐内容，从而完成每个显示区对应的推荐内容的纵向去重，保证每个显示区不重复曝光相近内容。
在步骤S203中，将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签发送至所述客户端，以使所述客户端根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。
其中，服务端在发送所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签时，可以将每个推荐内容及其实体标签构建为映射关系，然后将每个映射关系发送至客户端。
服务端可以使用客户端收集的第一训练样本对去重模型进行训练，并将所述去重模型发送至所述客户端，以使所述客户端更新所述去重模型，其中，所述第一训练样本包括所述显示界面内曝光的推荐内容，以及用户对所述显示界面内曝光的每个推荐内容的操作指令。例如，例如，客户端在显示界面内曝光多个推荐内容后，可以收集用户对显示界面内曝光的每个推荐内容的操作指令，例如未操作、点击查看等，进而构建第一训练样本。服务端可以获取客户端收集的第一训练样本，并利用第一训练样本训练去重模型。
客户端内可以设有端智能，并将去重模型配置于端智能内；客户端可以利用端智能来对多个推荐内容进行去重和曝光。举例来说，端智能可以使用去重模型根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。例如每个显示区调用端智能曝光推荐内容，则端智能将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签（以及多个推荐内容中已曝光的推荐内容的数据标签）输入至去重模型，以使去重模型输出去重结果，端智能会向去重结果中的每个推荐内容对应的显示区发送刷新指令（该刷新指令中携带有对应的推荐内容），显示区接收刷新指令后会曝光对应的推荐内容，端智能会向去重过程中删除的每个推荐内容对应的显示区发送去重指令，以通知显示区推荐内容已被去重。
请参照附图3，其示例性的示出了客户端与服务端的架构，以及结合上述多个实施例所得到的推荐内容管理方法的流程图,该方法包括下述步骤：
S1：显示界面内每个显示区向服务端内对应推荐模型发送内容推荐请求。
S2：NER实体抽取。
S3：推荐内容及其实实体标签下发。
S4:显示界面内每个显示区向端智能发送内容曝光请求。
S5：去重模型迭代。
其中，待去重列表指的是多个推荐内容中未被曝光的推荐内容。
图4是一示例性实施例提供的一种设备的示意结构图。请参考图4，在硬件层面，该设备包括处理器402、内部总线404、网络接口406、内存408以及非易失性存储器410，当然还可能包括其他任务所需要的硬件。本说明书一个或多个实施例可以基于软件方式来实现，比如由处理器402从非易失性存储器410中读取对应的计算机程序到内存408中然后运行。当然，除了软件实现方式之外，本说明书一个或多个实施例并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
请参考图5，应用于客户端的推荐内容管理装置可以应用于如图4所示的设备中，以实现本说明书的技术方案。所述装置包括：
第一发送模块501，用于向服务端发送内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容；
第一接收模块502，用于接收所述服务端返回的多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签，其中，所述多个推荐内容中每个推荐内容的数据标签由所述服务端每个推荐内容进行NER实体抽取得到，所述多个推荐内容与所述多个显示区一一对应；
去重模块503，用于根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。
在本说明书的一个或多个实施例中，所述去重模块具体用于：
根据所述多个推荐内容中每个推荐内容的数据标签，确定所述多个推荐内容中每两个推荐内容的相似度；
保留与每个推荐内容的相似度均不大于第一阈值的推荐内容，并在相似度大于第一阈值的多个推荐内容中保留至少一个推荐内容；
将保留的每个推荐内容均曝光于对应的显示区。
在本说明书的一个或多个实施例中，所述去重模块具体用于：
响应于第一显示区生成内容曝光请求，根据所述多个推荐内容中已曝光的每个推荐内容的数据标签和所述第一显示区对应的推荐内容的数据标签，确定所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度，其中，所述第一显示区为所述多个显示区中任一显示区；
响应于所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度中，大于第二阈值的相似度的数量未达到第三阈值，将所述第一显示区对应的推荐内容曝光于所述显示区。
在本说明书的一个或多个实施例中，所述去重模块具体用于：
使用去重模型，根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区，其中，所述去重模型由服务端使用客户端收集的第一训练样本训练得到，所述第一训练样本包括所述显示界面内曝光的推荐内容，以及用户对所述显示界面内曝光的每个推荐内容的操作指令。
在本说明书的一个或多个实施例中，所述装置还包括补充模块，用于：
向所述服务端发送内容补充请求，其中，所述内容补充请求用于请求所述服务端生成并返回，针对去重处理中被删除的每个推荐内容对应的显示区的推荐内容。
在本说明书的一个或多个实施例中，所述装置还包括生成模块，用于：
根据所述多个显示区生成的内容推荐子请求，生成所述内容推荐请求。
在本说明书的一个或多个实施例中，所述第一发送模块具体用于：
响应于所述多个显示区生成内容推荐子请求，分别将多个内容推荐子请求发送至所述服务端。
请参考图6，应用于服务端的推荐内容管理装置可以应用于如图4所示的设备中，以实现本说明书的技术方案。所述装置包括：
第二接收模块601，用于接收客户端发送的内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容；
实体模块602，用于生成与所述多个显示区一一对应的多个推荐内容，并对所述多个推荐内容中每个推荐内容进行NER实体抽取，得到每个推荐内容的数据标签；
第二发送模块603，用于将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签发送至所述客户端，以使所述客户端根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区。
在本说明书的一个或多个实施例中，所述实体模块用于生成与所述多个显示区一一对应的多个推荐内容时，具体用于：
分别使用所述多个显示区中每个显示区对应的推荐模型，生成每个显示区对应的推荐内容，其中，所述推荐模型由服务端使用客户端收集的第二训练样本训练得到，所述第二训练样本包括对应的显示区内曝光的推荐内容，以及用户对对应的显示区内曝光的推荐内容的操作指令。
在本说明书的一个或多个实施例中，所述装置还包括替换模块，用于：
对于所述多个推荐内容中每个推荐内容，在所述推荐内容的数据标签和所述推荐内容对应的显示区的历史推荐内容的数据标签的相似度大于第四阈值的情况下，重新生成所述显示区对应的推荐内容。
在本说明书的一个或多个实施例中，所述装置还包括训练模块，用于：
使用客户端收集的第一训练样本对去重模型进行训练，其中，所述第一训练样本包括所述显示界面内曝光的推荐内容，以及用户对所述显示界面内曝光的每个推荐内容的操作指令；
将所述去重模型发送至所述客户端，以使所述客户端更新所述去重模型。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
在一个典型的配置中，计算机包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在本说明书一个或多个实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
应当理解，尽管在本说明书一个或多个实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围之内。
Claims (13)
1.一种推荐内容管理方法，所述方法包括：
向服务端发送内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容；
接收所述服务端返回的多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签，其中，所述多个推荐内容中每个推荐内容的数据标签由所述服务端每个推荐内容进行NER实体抽取得到，所述多个推荐内容与所述多个显示区一一对应；
根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区；
在显示界面内多个显示区陆续生成并向服务端发送内容推荐子请求，且服务端陆续返回多个推荐内容的情况下，所述根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区，包括：
响应于第一显示区生成内容曝光请求，根据所述多个推荐内容中已曝光的每个推荐内容的数据标签和所述第一显示区对应的推荐内容的数据标签，确定所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度，其中，所述第一显示区为所述多个显示区中任一显示区；
响应于所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度中，大于第二阈值的相似度的数量未达到第三阈值，将所述第一显示区对应的推荐内容曝光于所述显示区。
2.根据权利要求1所述的推荐内容管理方法，所述根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区，包括：
根据所述多个推荐内容中每个推荐内容的数据标签，确定所述多个推荐内容中每两个推荐内容的相似度；
保留与每个推荐内容的相似度均不大于第一阈值的推荐内容，并在相似度大于第一阈值的多个推荐内容中保留至少一个推荐内容；
将保留的每个推荐内容均曝光于对应的显示区。
3.根据权利要求1或2所述的推荐内容管理方法，所述根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区，包括：
使用去重模型，根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区，其中，所述去重模型由服务端使用客户端收集的第一训练样本训练得到，所述第一训练样本包括所述显示界面内曝光的推荐内容，以及用户对所述显示界面内曝光的每个推荐内容的操作指令。
4.根据权利要求1所述的推荐内容管理方法，所述方法还包括：
向所述服务端发送内容补充请求，其中，所述内容补充请求用于请求所述服务端生成并返回，针对去重处理中被删除的每个推荐内容对应的显示区的推荐内容。
5.根据权利要求1所述的推荐内容管理方法，所述方法还包括：
根据所述多个显示区生成的内容推荐子请求，生成所述内容推荐请求。
6.一种推荐内容管理方法，所述方法包括：
接收客户端发送的内容推荐请求，其中，所述内容推荐请求用于请求服务端生成并返回针对显示界面的多个显示区的推荐内容；
生成与所述多个显示区一一对应的多个推荐内容，并对所述多个推荐内容中每个推荐内容进行NER实体抽取，得到每个推荐内容的数据标签；
将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签发送至所述客户端，以使所述客户端根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区；
在接收显示界面内多个显示区陆续生成并发送的内容推荐子请求的情况下，所述将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签发送至所述客户端，以使所述客户端根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区，包括：
陆续将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签发送至所述客户端，以使所述客户端按照下述方式进行去重和显示：
响应于第一显示区生成内容曝光请求，根据所述多个推荐内容中已曝光的每个推荐内容的数据标签和所述第一显示区对应的推荐内容的数据标签，确定所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度，其中，所述第一显示区为所述多个显示区中任一显示区；
响应于所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度中，大于第二阈值的相似度的数量未达到第三阈值，将所述第一显示区对应的推荐内容曝光于所述显示区。
7.根据权利要求6所述的推荐内容管理方法，所述生成与所述多个显示区一一对应的多个推荐内容，包括：
分别使用所述多个显示区中每个显示区对应的推荐模型，生成每个显示区对应的推荐内容，其中，所述推荐模型由服务端使用客户端收集的第二训练样本训练得到，所述第二训练样本包括对应的显示区内曝光的推荐内容，以及用户对对应的显示区内曝光的推荐内容的操作指令。
8.根据权利要求6所述的推荐内容管理方法，所述方法还包括：
对于所述多个推荐内容中每个推荐内容，在所述推荐内容的数据标签和所述推荐内容对应的显示区的历史推荐内容的数据标签的相似度大于第四阈值的情况下，重新生成所述显示区对应的推荐内容。
9.根据权利要求6所述的推荐内容管理方法，所述方法还包括：
使用客户端收集的第一训练样本对去重模型进行训练，其中，所述第一训练样本包括所述显示界面内曝光的推荐内容，以及用户对所述显示界面内曝光的每个推荐内容的操作指令；
将所述去重模型发送至所述客户端，以使所述客户端更新所述去重模型。
10.一种推荐内容管理装置，所述装置包括：
第一发送模块，用于向服务端发送内容推荐请求，其中，所述内容推荐请求用于请求所述服务端生成并返回针对显示界面的多个显示区的推荐内容；
第一接收模块，用于接收所述服务端返回的多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签，其中，所述多个推荐内容中每个推荐内容的数据标签由所述服务端每个推荐内容进行NER实体抽取得到，所述多个推荐内容与所述多个显示区一一对应；
去重模块，用于根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区；
在显示界面内多个显示区陆续生成并向服务端发送内容推荐子请求，且服务端陆续返回多个推荐内容的情况下，所述去重模块用于：
响应于第一显示区生成内容曝光请求，根据所述多个推荐内容中已曝光的每个推荐内容的数据标签和所述第一显示区对应的推荐内容的数据标签，确定所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度，其中，所述第一显示区为所述多个显示区中任一显示区；
响应于所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度中，大于第二阈值的相似度的数量未达到第三阈值，将所述第一显示区对应的推荐内容曝光于所述显示区。
11.一种推荐内容管理装置，所述装置包括：
第二接收模块，用于接收客户端发送的内容推荐请求，其中，所述内容推荐请求用于请求服务端生成并返回针对显示界面的多个显示区的推荐内容；
实体模块，用于生成与所述多个显示区一一对应的多个推荐内容，并对所述多个推荐内容中每个推荐内容进行NER实体抽取，得到每个推荐内容的数据标签；
第二发送模块，用于将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签发送至所述客户端，以使所述客户端根据所述多个推荐内容中每个推荐内容的数据标签，对所述多个推荐内容进行去重处理，并将去重处理后剩余的至少一个推荐内容曝光于对应的显示区；
在接收显示界面内多个显示区陆续生成并发送的内容推荐子请求的情况下，所述第二发送模块用于：
陆续将所述多个推荐内容，以及所述多个推荐内容中每个推荐内容的数据标签发送至所述客户端，以使所述客户端按照下述方式进行去重和显示：
响应于第一显示区生成内容曝光请求，根据所述多个推荐内容中已曝光的每个推荐内容的数据标签和所述第一显示区对应的推荐内容的数据标签，确定所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度，其中，所述第一显示区为所述多个显示区中任一显示区；
响应于所述多个推荐内容中已曝光的每个推荐内容与所述第一显示区对应的推荐内容的相似度中，大于第二阈值的相似度的数量未达到第三阈值，将所述第一显示区对应的推荐内容曝光于所述显示区。
12.一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器通过运行所述可执行指令以实现如权利要求1-9中任一项所述的方法。
13.一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如权利要求1-9中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310862674.1A CN116610869B (zh) | 2023-07-13 | 2023-07-13 | 推荐内容管理方法及装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310862674.1A CN116610869B (zh) | 2023-07-13 | 2023-07-13 | 推荐内容管理方法及装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116610869A CN116610869A (zh) | 2023-08-18 |
| CN116610869B true CN116610869B (zh) | 2023-10-13 |
Family
ID=87676768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310862674.1A Active CN116610869B (zh) | 2023-07-13 | 2023-07-13 | 推荐内容管理方法及装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116610869B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014169715A1 (en) * | 2013-04-19 | 2014-10-23 | Tencent Technology (Shenzhen) Company Limited | Information recommendation method and apparatus |
| CN106658042A (zh) * | 2016-12-28 | 2017-05-10 | 广州华多网络科技有限公司 | 一种数据推送方法及相关客户端、服务器 |
| WO2017101317A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股（北京）有限公司 | 智能推荐的全端显示方法及装置 |
| CN108460082A (zh) * | 2018-01-12 | 2018-08-28 | 北京三快在线科技有限公司 | 一种推荐方法及装置，电子设备 |
| CN110020192A (zh) * | 2018-07-31 | 2019-07-16 | 北京微播视界科技有限公司 | 一种信息内容推送方法和装置、服务端设备 |
| CN113641855A (zh) * | 2021-08-13 | 2021-11-12 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法、装置、设备及存储介质 |
| CN114254183A (zh) * | 2020-09-23 | 2022-03-29 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、终端、服务器及存储介质 |
| CN114943581A (zh) * | 2022-05-11 | 2022-08-26 | 康键信息技术（深圳）有限公司 | 推荐对象的信息推送方法、装置、设备及介质 |
| CN116051192A (zh) * | 2021-10-28 | 2023-05-02 | 腾讯科技（深圳）有限公司 | 处理数据的方法和装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5445339B2 (ja) * | 2010-06-08 | 2014-03-19 | ソニー株式会社 | コンテンツ推薦装置およびコンテンツ推薦方法 |
-
2023
- 2023-07-13 CN CN202310862674.1A patent/CN116610869B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014169715A1 (en) * | 2013-04-19 | 2014-10-23 | Tencent Technology (Shenzhen) Company Limited | Information recommendation method and apparatus |
| WO2017101317A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股（北京）有限公司 | 智能推荐的全端显示方法及装置 |
| CN106658042A (zh) * | 2016-12-28 | 2017-05-10 | 广州华多网络科技有限公司 | 一种数据推送方法及相关客户端、服务器 |
| CN108460082A (zh) * | 2018-01-12 | 2018-08-28 | 北京三快在线科技有限公司 | 一种推荐方法及装置，电子设备 |
| CN110020192A (zh) * | 2018-07-31 | 2019-07-16 | 北京微播视界科技有限公司 | 一种信息内容推送方法和装置、服务端设备 |
| CN114254183A (zh) * | 2020-09-23 | 2022-03-29 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、终端、服务器及存储介质 |
| CN113641855A (zh) * | 2021-08-13 | 2021-11-12 | 北京奇艺世纪科技有限公司 | 一种视频推荐方法、装置、设备及存储介质 |
| CN116051192A (zh) * | 2021-10-28 | 2023-05-02 | 腾讯科技（深圳）有限公司 | 处理数据的方法和装置 |
| CN114943581A (zh) * | 2022-05-11 | 2022-08-26 | 康键信息技术（深圳）有限公司 | 推荐对象的信息推送方法、装置、设备及介质 |
Non-Patent Citations (2)
| Title |
|---|
| Kosetsu Tsukuda 等.Explainable Recommendation for Repeat Consumption.ACM.2020,第462–467页. * |
| 自适应推荐系统设计与实现;陈明辉;董晶;;软件(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116610869A (zh) | 2023-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111566654A (zh) | 集成知识和自然语言处理的机器学习 | |
| WO2019080662A1 (zh) | 信息推荐方法及装置、设备 | |
| WO2013078307A1 (en) | Image searching | |
| CN110909120B (zh) | 简历搜索/投递方法、装置、系统及电子设备 | |
| WO2020219971A1 (en) | Training machine learning models using unsupervised data augmentation | |
| CN112070550A (zh) | 基于搜索平台的关键词确定方法、装置、设备及存储介质 | |
| CN111522886A (zh) | 一种信息推荐方法、终端及存储介质 | |
| CN117290481A (zh) | 基于深度学习的问答方法、装置、存储介质及电子设备 | |
| CN116610869B (zh) | 推荐内容管理方法及装置、电子设备及存储介质 | |
| CN111047048A (zh) | 赋能模型训练及商户赋能方法、装置、电子设备 | |
| CN116308551A (zh) | 基于数字金融ai平台的内容推荐方法及系统 | |
| CN111353688B (zh) | 一种用户资源分配方法以及装置 | |
| CN114969253A (zh) | 市场主体与政策的匹配方法、装置、计算设备及介质 | |
| CN114896294A (zh) | 产品测试数据表生成方法、装置、设备及存储介质 | |
| CN114357242A (zh) | 基于召回模型的训练评估方法及装置、设备、存储介质 | |
| CN110309312B (zh) | 一种关联事件获取方法及装置 | |
| CN111597368A (zh) | 一种数据处理方法及装置 | |
| CN116610308B (zh) | 代码管理方法及装置、电子设备及存储介质 | |
| CN111914191B (zh) | 一种目标排序方法、装置和设备 | |
| CN109783616A (zh) | 一种文本主题提取方法、系统和存储介质 | |
| CN112528006B (zh) | 一种文本处理方法以及装置 | |
| CN111552857B (zh) | 特征事件的识别方法及装置、电子设备、存储介质 | |
| CN110955823B (zh) | 信息推荐方法、装置 | |
| CN117421418A (zh) | 基于关键词的文本搜索方法、装置以及电子设备 | |
| CN116866419A (zh) | 信息推送方法、装置、计算机设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |