CN116975429A - 一种数据推荐方法、装置以及介质 - Google Patents
一种数据推荐方法、装置以及介质 Download PDFInfo
- Publication number
- CN116975429A CN116975429A CN202310147588.2A CN202310147588A CN116975429A CN 116975429 A CN116975429 A CN 116975429A CN 202310147588 A CN202310147588 A CN 202310147588A CN 116975429 A CN116975429 A CN 116975429A
- Authority
- CN
- China
- Prior art keywords
- data
- distribution control
- experiment
- rule
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000009826 distribution Methods 0.000 claims abstract description 402
- 238000002474 experimental method Methods 0.000 claims abstract description 317
- 238000011217 control strategy Methods 0.000 claims abstract description 217
- 238000013507 mapping Methods 0.000 claims abstract description 121
- 230000003993 interaction Effects 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 description 26
- 238000005516 engineering process Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 230000001680 brushing effect Effects 0.000 description 11
- 230000015654 memory Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000002146 bilateral effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种数据推荐方法、装置以及介质,该方法包括:获取目标对象标识,并从策略推全实验平台上获取目标对象标识对应的实验标识集合;实验标识集合中包括一个或多个实验标识;从策略配置平台上获取分发控制策略与实验标识之间的映射关系,并基于映射关系以及实验标识集合确定目标对象标识对应的初始分发控制策略集合;从初始分发控制策略集合中确定与目标对象标识相关联的目标分发控制策略,并基于目标分发控制策略确定数据查询条件;从索引池中查询与数据查询条件匹配的推荐数据,并利用推荐数据对目标对象标识所对应对象进行数据推荐。采用本申请实施例,有助于提高数据推荐准确度。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种数据推荐方法、装置以及介质。
背景技术
随着电子技术和互联网技术的快速发展,多媒体数据越来越多,推荐系统也得到了很快的发展,推荐系统可以从海量的多媒体数据中提取出用户需要的数据。因此,如何为用户推荐合适的数据,以提高数据推荐的准确度成为了当前研究热点。
发明内容
本申请实施例提供了一种数据推荐方法、装置以及介质,可以提高数据推荐的准确度。
第一方面,本申请实施例提供了一种数据推荐方法,包括:
获取目标对象标识,并从策略推全实验平台上获取所述目标对象标识对应的实验标识集合;所述实验标识集合中包括一个或多个实验标识;
从策略配置平台上获取分发控制策略与实验标识之间的映射关系,并基于所述映射关系以及所述实验标识集合确定所述目标对象标识对应的初始分发控制策略集合;
从所述初始分发控制策略集合中确定与所述目标对象标识相关联的目标分发控制策略,并基于所述目标分发控制策略确定数据查询条件;
从索引池中查询与所述数据查询条件匹配的推荐数据,并利用所述推荐数据对所述目标对象标识所对应对象进行数据推荐。
第二方面,本申请实施例提供了另一种数据推荐方法,包括:
获取在策略配置平台上配置的一个或多个对象规则以及与每个对象规则对应的数据规则,并基于所述每个对象规则以及对应数据规则生成多个分发控制策略;一个分发控制策略由一个对象规则以及对应数据规则生成;
调用策略推全实验平台对所述多个分发控制策略分别进行推全实验;一个分发控制策略对应至少一个推全实验,一个推全实验对应一个实验标识;
获取策略配置平台上的分发控制策略与实验标识之间的映射关系,并基于每个分发控制策略的推全实验结果对所述映射关系进行更新;所述分发控制策略用于对对象进行数据推荐。
第三方面,本申请实施例提供了一种数据推荐装置,包括:
获取单元,用于获取目标对象标识,并从策略推全实验平台上获取所述目标对象标识对应的实验标识集合;所述实验标识集合中包括一个或多个实验标识;
第一确定单元,用于从策略配置平台上获取分发控制策略与实验标识之间的映射关系,并基于所述映射关系以及所述实验标识集合确定所述目标对象标识对应的初始分发控制策略集合;
第二确定单元,用于从所述初始分发控制策略集合中确定与所述目标对象标识相关联的目标分发控制策略,并基于所述目标分发控制策略确定数据查询条件;
推荐单元,用于从索引池中查询与所述数据查询条件匹配的推荐数据,并利用所述推荐数据对所述目标对象标识所对应对象进行数据推荐。
第四方面,本申请实施例提供了另一种数据推荐装置,包括:
获取单元,用于获取在策略配置平台上配置的一个或多个对象规则以及与每个对象规则对应的数据规则,并基于所述每个对象规则以及对应数据规则生成多个分发控制策略;一个分发控制策略由一个对象规则以及对应数据规则生成;
实验单元,用于调用策略推全实验平台对所述多个分发控制策略分别进行推全实验;一个分发控制策略对应至少一个推全实验,一个推全实验对应一个实验标识;
更新单元,用于获取策略配置平台上的分发控制策略与实验标识之间的映射关系,并基于每个分发控制策略的推全实验结果对所述映射关系进行更新;所述分发控制策略用于对对象进行数据推荐。
第五方面,本申请实施例提供了一种计算机设备,该计算机设备包括处理器和存储器,其中,存储器用于存储计算机程序,该计算机程序包括程序指令,处理器被配置用于调用该程序指令,执行上述方法中的部分或全部步骤。
第六方面,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序包括程序指令,该程序指令被处理器执行时,用于执行上述方法中的部分或全部步骤。
第七方面,本申请实施例还提供了一种计算机程序产品或者计算机程序,该计算机程序产品或计算机程序包括程序指令,该程序指令被处理器执行时可实现上述方法中的部分或全部步骤。
本申请实施例可以获取目标对象标识,并从策略推全实验平台上获取目标对象标识对应的实验标识集合;实验标识集合中包括一个或多个实验标识;从策略配置平台上获取分发控制策略与实验标识之间的映射关系,并基于映射关系以及实验标识集合确定目标对象标识对应的初始分发控制策略集合;从初始分发控制策略集合中确定与目标对象标识相关联的目标分发控制策略,并基于目标分发控制策略确定数据查询条件;从索引池中查询与数据查询条件匹配的推荐数据,并利用推荐数据对目标对象标识所对应对象进行数据推荐。通过这种方式,可以为用户适配对应的分发控制策略,以实现精准推荐,有效提高数据推荐准确度。
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简单地介绍,显而易见地,下面描述中的附图仅仅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1a是本申请实施例提供的一种数据推荐系统的架构示意图;
图1b是本申请实施例提供的另一种数据推荐系统的架构示意图;
图2是本申请实施例提供的一种数据推荐方法的流程示意图;
图3是本申请实施例提供的另一种数据推荐方法的流程示意图;
图4是本申请实施例提供的又一种数据推荐方法的流程示意图;
图5a是本申请实施例提供的一种用户交互界面的界面示意图;
图5b是本申请实施例提供的一种对象规则配置界面的界面示意图;
图5c是本申请实施例提供的一种数据规则配置界面的界面示意图;
图5d是本申请实施例提供的一种策略配置界面的界面示意图;
图5e是本申请实施例提供的又一种数据推荐方法的流程示意图;
图6是本申请实施例提供的一种数据推荐装置的结构示意图;
图7是本申请实施例提供的另一种数据推荐装置的结构示意图;
图8是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
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,本领域普通技术人员在没有做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。
云技术(Cloud Technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。
云技术基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称,可以组成资源池,按需所用,灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源,如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用,将来每个物品都有可能存在自己的识别标志,都需要传输到后台系统进行逻辑处理,不同程度级别的数据将会分开处理,各类行业数据皆需要强大的系统后盾支撑,只能通过云计算来实现。
云计算(Cloud Computing)是一种计算模式,它将计算任务分布在大量计算机构成的资源池上,使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的,并且可以随时获取,按需使用,随时扩展,按使用付费。
本申请可以将数据推荐所需的数据存储到“云”中,根据需求对云中的数据随时获取,随时扩展,例如,可以将分发控制策略与实验标识之间的映射关系存储到“云”中,若需要确定对象标识对应的分发控制策略时,可以从“云”中获取该以映射关系以得到对象标识对应的分发控制策略,进而基于该分发控制策略进行数据推荐。
参阅图1a所示,是本申请实施例提出的一种数据推荐系统,该数据推荐系统可以包括以下一种或多种模块:策略推全实验模块、策略配置模块以及数据推荐模块。
其中,策略推全实验模块是用于对分发控制策略进行推全实验的模块,如该模块可为策略推全实验平台,该策略推全实验平台可以是AB实验平台或其他可用于进行推全实验的平台。AB实验平台可以覆盖接入,分流,指标计算,数据报告整个实验流程,可以更高效更科学地通过AB实验进行产品迭代及决策。策略推全实验平台可以是一个在线的实验平台,在向策略推全实验平台输入对象的对象标识、上下文信息等特征时,该策略推全实验平台可以输出对象(用户)命中的实验信息,如该实验信息可以是实验列表,该实验列表中可以包括一个或多个实验标识,一个实验标识用于唯一指示一个实验对象组,实验对象组用于对分发控制策略进行推全实验。
策略推全实验平台所具有的策略推全实验功能可以集成在一个客户端上,即该策略推全实验平台可以理解为一个策略推全实验客户端,该策略推全实验客户端可运行在终端上,该策略推全实验客户端所在的终端可以是手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(Mobile Internet Device,MID)等具有连接网络功能的智能设备。
分发控制策略可以指示对不同人群分发对应的数据,即可以指示对哪种人群推荐哪种数据。推全实验可以是指对分发控制策略是否可以推全的实验,推全可以是指将分发控制策略应用在全量对象中,全量对象可以是指访问数据推荐系统需进行数据推荐的所有对象。
其中,策略配置模块是用于托管所有的分发控制策略配置的模块,如该模块可为策略配置平台,该策略配置平台也可以称为规则管理平台或其他名称。该策略配置平台可以提供丰富的WEB UI(Website User Interface,网络产品用户界面),以向运营或产品等人员提供针对分发控制策略的自助式配置功能,运营或产品等人员可以在策略配置平台基于数据分发控制需求进行分发控制策略的自助配置,也可以对所配置的分发控制策略进行自助修改,以有效提高策略配置的自助化。该策略配置平台可以与策略推全实验平台(如AB实验平台)相连通,以提供一站式的小流量验证、全量推全、实验反转等功能。
策略配置平台所具有的策略配置功能可以集成在一个客户端上,即该策略配置平台可以理解为一个策略配置客户端,该策略配置客户端可运行在终端上,该策略配置客户端所在的终端可以是手机、平板电脑、笔记本电脑、掌上电脑、移动互联网设备(MobileInternet Device,MID)等具有连接网络功能的智能设备。
其中,数据推荐模块是用于向对象进行数据推荐的模块,该模块也可以理解为一个用于进行数据推荐的系统,即该模块也可以称为推荐系统。用户可以通过客户端访问推荐系统,以实现对对象的数据推荐,该客户端可以是具有数据推荐功能的客户端(如网页浏览客户端、视频播放客户端等)。即本申请实施例中的数据推荐系统包括可以相互通信的策略推全实验平台、策略配置平台以及推荐系统,在一个实施例中,策略推全实验平台、策略配置平台以及用于访问推荐系统的客户端可以部署在一个终端上。
该数据推荐模块(推荐系统)可以包括以下一种或多种子模块:对象画像模块、内容(数据)画像模块、召回服务模块、策略控制模块、统一索引模块、规则引擎模块以及在线推荐模块。
下述对数据推荐模块中的各种子模块进行相关说明。
对象画像模块是用于负责对象特征的存储与访问的模块,如该模块可以是一个对象特征系统,对象特征系统可以是一个在线的对象特征系统,例如,该对象特征系统具体可以是对象画像。可选的,在向对象画像输入对象的对象标识时,该对象画像可以输出该对象对应的对象特征集合,还可以输出对象命中的对象规则(或称之为对象圈选规则等),其中,一个对象所命中的对象规则的数量可以为一个或多个,则对应输出的对象规则列表的具体可以是对象规则列表、对象规则集合等。
内容画像模块是用于负责数据特征的存储与访问的模块,如该模块可以是一个数据特征系统,数据特征系统可以是一个在线的数据特征系统,例如,该数据特征系统具体可以是数据画像。该模块也可以理解为是数据推荐系统的物料库(或称之为数据库、内容库等)。该模块可以离线提供索引生产的数据源,并可以在线提供根据数据的数据标识查询数据特征的接口,如可以通过数据的数据标识在数据画像中查询数据的数据特征。
统一索引模块是用于存储索引的索引池,相比于传统的数据推荐系统中需对每个分发控制策略需求,并基于每个分发控制策略需求中数据规则(或称之为内容规则、内容圈选规则等)构建独立的索引池而言,本申请实施例所构建的索引池可以是一个统一的索引池,即可以实现统一索引,该索引池中可以承载了多个内容池(或称之为数据池)融合之后的索引。该索引池可以是一个用于存储索引的数据库。该数据库可以部署于数据推荐模块中;或者也可以是一个独立的用于存储索引的服务器,该服务器可以与数据推荐模块相关联,当存在从索引池中获取索引的需求时,可以向该服务器发起请求,以获取所需的索引。
可选的,该索引池可以包含倒排索引、向量索引等多种索引方法。其中,倒排索引可以被用来存储在全文搜索下某个单词在一个文档或者一组文档中的存储位置的映射。向量索引可通过某种数学量化模型,对向量进行索引,支持实时查询和输入向量最相近的N个向量。
可选的,该索引池可以额外接收数据查询条件(或称之为过滤下沉条件、过滤查询条件、索引过滤查询条件、过滤条件等),即可以将过滤逻辑集成在底层检索过程。通过将数据查询条件下沉到索引服务,由索引服务执行过滤逻辑,以保障返回结果(即需推荐的数据)的有效性,可知,在保证推荐高性能的同时也可以保证查询配额的有效性。并且,基于统一的索引数据,可以根据数据查询条件返回符合不同分发控制策略的候选集,可以有效实现将索引数目和分发控制策略数量解耦,也可以降低索引数量和索引的维护成本以及机器成本。
召回服务模块是用于提供召回服务的模块,如可以称之为召回模块,该模块是数据推荐系统的核心模块,负责数据推荐的第一阶段。可选的,召回模块可以根据对象和数据的特征,调用不同的索引服务从包含有海量索引的索引池中快速召回千级别候选集,即输出融合的候选集以进行数据推荐。
策略控制模块是用于确定数据查询条件的模块,该策略控制模块可以是具有确定数据查询条件的逻辑代码,即该策略控制模块可以理解为是一个软件开发工具包(Software Development Kit,SDK)。其中,该策略控制模块可以是召回模块中的一个子模块或独立于召回模块的一个模块。
可选的,该模块可以综合对象命中的标签位图、数据命中的标签位图、对象命中的实验信息以及分发控制策略,自动推导生成对应的数据查询条件,并执行兜底过滤逻辑,从而达到分发控制效果。该模块可以动态解析对象、数据、实验等多方输入数据,自动推导出过滤策略,并基于多位图实现快速取交,执行高效的兜底过滤,执行逻辑通用、上线策略无需代码更新,极大提高人效。
规则引擎模块是用于自动管理数据推荐系统中高度可变过程的模块,可以提供通用的规则匹配服务,该规则引擎模块可以是具有规则匹配服务的逻辑代码。例如,可以读取运营或产品等人员在策略配置平台配置的规则(如对象规则、数据规则),并输入对象或数据对应的特征集合,以确定对象或数据所匹配的规则,还可以基于所匹配的规则给对象或数据打上对应的标签位图。可以看出,规则引擎模块可以动态解析运营或产品等人员在策略配置平台配置的规则,并根据对象或数据的特征输入,即时给对象/数据打上对应的标签位图,匹配过程通用、无需代码更新,可以有效的提高人效。
在线推荐模块用于获取召回服务模块所发送的推荐数据,以实现对对象的在线数据推荐。
本申请实施例提出了一种数据推荐方案,该数据推荐方案可以利用上述数据推荐系统来实现,该数据推荐方案的原理如下:
在对对象进行数据推荐时,比如当对象通过客户端访问推荐系统时,可以获取对象所适用的数据查询条件,以从索引池中查询与数据查询条件匹配的推荐数据,并利用推荐数据对对象进行数据推荐。由此可以通过获取对象对应的目标对象标识,并从策略推全实验平台上获取目标对象标识对应的实验标识集合,以基于该实验标识集合以及目标对象标识确定目标对象标识对应的数据查询条件。可选的,可以先基于该实验标识集合以及目标对象标识确定目标对象标识对应目标分发控制策略。例如,可以先从策略配置平台上获取分发控制策略与实验标识之间的映射关系,并基于该映射关系以及实验标识集合确定目标对象标识对应的初始分发控制策略集合;然后从初始分发控制策略集合中确定与目标对象标识相关联的目标分发控制策略。而在得到目标对象标识对应目标分发控制策略之后,可以进一步基于该目标分发控制策略确定数据查询条件。通过实施上述方案,可以为用户适配对应的分发控制策略,以实现精准推荐,有效提高数据推荐准确度;并且,可由设备自动确定出推荐数据,可以避免由人工推荐所导致的效率低下问题,可以有效提升推荐效率;可以避免由人工推荐的主观性所导致的准确度问题,可以有效提升推荐准确度。
在具体实现中,上述所提及的数据推荐方案的执行主体可以是计算机设备,该计算机设备可以是终端或者服务器。此处所提及的终端可以是智能手机、平板电脑、笔记本电脑、台式电脑等设备,还可以是例如手柄、触摸屏等外设设备;服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器,等等。该计算机设备也可以是配置在终端上的客户端,如该客户端可以是具有数据推荐功能的客户端,如可以是多媒体播放类客户端、浏览器类客户端等等。
在一种实现方式中,当计算机设备为服务器时,本申请实施例提供了一种数据推荐系统,如图1b所示,该数据推荐系统可包括至少一个终端和至少一个服务器;终端可以获取目标对象标识,并将获取到的目标对象标识上传至服务器(即计算机设备),以使服务器可以获取到该目标对象标识,并确定该目标对象标识对应的推荐数据。而在服务器确定该推荐数据之后,可以将该推荐数据返回终端,以在该终端的终端屏幕上展示推荐数据,从而实现对目标对象标识所对应对象进行数据推荐。
基于上述所提供的数据推荐方案,本申请实施例提供了一种数据推荐方法,该数据推荐方法可由上述所提及的计算机设备执行。请参阅图2,该数据推荐方法包括但不限于以下步骤:
S201,获取目标对象标识,并从策略推全实验平台上获取目标对象标识对应的实验标识集合。
其中,目标对象标识可以是目标对象对应的标识,该目标对象标识可以用于唯一指示目标对象,该目标对象可以是利用终端进行网页浏览或网页搜索等操作的对象,对象可以是指任一用户。换言之,该目标对象是需要进行数据推荐的对象。
其中,策略推全实验平台可以是对分发控制策略进行推全实验的平台,例如,该策略推全实验平台可以是AB实验平台。实验标识集合中可以包括一个或多个实验标识,一个实验标识用于唯一指示一个实验对象组,一个实验对象组中可以包括一个或多个实验对象,实验对象组中的实验对象用于对分发控制策略进行推全实验。
在一种实现方式中,在计算机设备检测到一对象(如目标对象)进入推荐系统之后,可以获取该目标对象的目标对象标识,并可以进一步向策略推全实验平台发送针对目标对象标识命中实验信息的请求,该请求可以称之为实验标识获取请求。其中,该实验标识获取请求中可以携带与目标对象标识相关的对象信息,如该对象信息可以包括目标对象标识、联系方式、年龄、兴趣偏好等中的一种或多种。而在策略推全实验平台获取到该实验标识获取请求之后,可以响应该实验标识获取请求,以确定该目标对象标识对应的实验标识集合。在策略推全实验平台确定目标对象标识对应的实验标识集合之后,可以将该实验标识集合返回给计算机设备,以使计算机设备获取到目标对象标识对应的实验标识集合。
可选的,策略推全实验平台可以预先设置有对对象进行分组的分组规则,且配置有每一个分组所具有的实验对象,如可以将每一个分组理解为一个实验对象组,为区分每一个实验对象组,可以利用标识来唯一表征实验对象组,如可以将此处的标识称之为实验标识,即一个实验标识用于唯一指示一个实验对象组。综上可知,策略推全实验平台也可以存储有每一个分组(实验对象组)对应的实验标识,或者说存储有实验对象组与实验标识之间的映射关系。
基于此可知。策略推全实验平台确定该目标对象标识对应的实验标识集合的具体实施方式可以是:采用分组规则并根据对象信息来确定目标对象标识对应的实验标识集合,具体实现中,可以采用分组规则并根据对象信息来确定目标对象标识对应的实验对象组(分组),其中,实验对象组的数量可以为一个或多个;在确定目标对象标识对应的实验对象组之后,可以进一步获取实验对象组与实验标识之间的映射关系,以利用该映射关系以及实验对象组确定目标对象标识对应的实验标识集合。例如,该分组规则可以是对对象标识进行哈希计算,并基于哈希计算结果进行分组(分桶);即策略推全实验平台可以基于对象信息中的目标对象标识确定目标对象标识的实验标识集合。又如,该分组规则可以利用对象的兴趣偏好进行分组,即策略推全实验平台可以基于对象信息中的兴趣偏好确定目标对象标识的实验标识集合。需要说明的是,此处的分组规则仅是示例性举例,还可以是其他分组规则,对此不作具体限定。
S202,从策略配置平台上获取分发控制策略与实验标识之间的映射关系,并基于映射关系以及实验标识集合确定目标对象标识对应的初始分发控制策略集合。
其中,策略配置平台可以是具有分发控制策略配置功能的平台。分发控制策略可以指示对不同人群分发对应的数据,即可以指示对哪种人群推荐哪种数据。
在一种实现方式中,配置对象可以预先在策略配置平台上配置分发控制策略与实验标识之间的映射关系。其中,配置对象可以是产品或运营等人员,该映射关系可以用于指示分发控制策略可以在对应的实验标识上生效,或者说在实验标识上生效对应的分发控制策略。生效可以是指可以利用实验标识对应的实验对象组对分发控制策略进行推全实验。其中,一个实验对象组可以理解为一个实验流量,则上述的生效可以是指利用实验标识对应的实验流量对分发控制策略进行推全实验,即映射关系可以用于指示在实验标识对应的实验流程中生效分发控制策略。
例如,该映射关系中存在策略1与实验标识1之间的映射关系,则该映射关系表明了策略1可以在实验标识1生效,也就是说可以利用实验标识1对应的实验对象组对策略1进行推全实验。
在一种实现方式中,为确定适用于目标对象标识的分发控制策略,首先,可以从策略配置平台上获取分发控制策略与实验标识之间的映射关系。例如,可以向策略配置平台发送针对分发控制策略与实验标识之间的映射关系的获取请求,而在策略配置平台接收到该获取请求之后,可以响应该获取请求并将分发控制策略与实验标识之间的映射关系发送给计算机设备,从而使得计算机设备获取到策略配置平台发送的映射关系。然后,可以基于该映射关系以及目标对象标识的实验标识集合,确定目标对象标识对应的分发控制策略,可以将此处的分发控制策略称之为初始分发控制策略集合。具体实现中,可以从该映射关系中查找与实验标识集合中各个实验标识所对应的分发控制策略,并将查找的分发控制策略确定为初始分发控制策略集合。
例如,分发控制策略与实验标识之间的映射关系可如表1所示:
表1
分发控制策略 | 实验标识 |
策略1 | 实验标识1 |
策略2 | 实验标识2 |
… | … |
假设实验标识集合中包括实验标识1,则基于表1所示的映射关系可知,该实验标识1对应的分发控制策略为策略1,即策略1可以作为目标对象标识的初始分发控制策略集合。
S203,基于目标对象标识从初始分发控制策略集合中确定目标分发控制策略,并基于目标分发控制策略确定数据查询条件。
该数据查询条件可以是指对索引进行过滤的条件,即可以基于该数据查询条件查询用于向目标对象标识所对应对象进行推荐的数据。
需理解的是,一个分发控制策略可以由一个对象规则和一个数据规则生成,对象规则可以包括一个或多个对象特征,数据规则可以包括一个或多个数据特征。例如,一个对象规则1为:对象画像等于爱追剧,且当前刷次等于首刷;一个数据规则1为:视频质量等于高,且类目等于影视综;则分发控制策略可以为:命中规则为对象规则1的对象请求,过滤未命中规则为数据规则1的数据。其中,对象规则1中的对象特征包括:对象画像等于爱追剧以及当前刷次等于首刷,数据规则1中的数据特征包括:视频质量等于高以及类目等于影视综。该分发控制策略也就是指示:对于满足对象规则1的对象请求,从索引池中过滤掉不满足数据规则1的数据,换言之,就是向满足对象规则1的对象,推荐满足数据规则1的数据。
在一种实现方式中,可以基于目标对象标识从初始分发控制策略集合中确定数据查询条件。可选的,可以先从初始分发控制策略集合中确定与目标对象标识相关联的目标分发控制策略,然后再基于目标分发控制策略确定数据查询条件。如前所述,一个分发控制策略可以包含对象规则以及数据规则,则可以基于目标分发控制策略中包含的目标数据规则确定数据查询条件,如可以将该目标数据规则作为数据查询条件。例如,假设一个目标分发控制策略为:命中规则为对象规则1的对象请求,过滤未命中规则为数据规则1的数据;其中,数据规则1为:视频质量等于高,且类目等于影视综。则可以将数据规则1作为数据查询条件,也就是说后续需要从索引池中查找视频质量为高,且类目为影视综的视频,作为对目标对象标识所对应对象进行数据推荐的数据。
可选的,从初始分发控制策略集合中确定与目标对象标识相关联的目标分发控制策略的具体实现包括如下步骤s11-s12:
s11,可以确定目标对象标识对应的目标对象规则。可选的,可以基于对象画像确定目标对象标识对应的目标对象规则。在一个实施例中,可以先基于目标对象标识从对象画像中确定目标对象标识对应的对象特征,此处的对象特征可以称之为目标对象特征;在确定目标对象特征之后,再进一步确定目标对象特征所关联的目标对象规则。
如前所述,对象画像可以负责对象特征的存储与访问,则可以理解的是,对象画像中存储了大量的对象对应的对象特征,则可以从对象画像中查找到目标对象标识对应的目标对象特征。
如前所述,一个对象规则可以包含一个或多个对象特征,则确定目标对象特征所关联的目标对象规则的具体实现可以是:可以将目标对象标识对应的目标对象特征与每个对象规则所包含的对象特征进行匹配,得到确定目标对象特征所关联的目标对象规则。针对多个对象规则中的任一对象规则,如果目标对象特征可以与该任一对象规则所包含的对象特征匹配,则可以将该任一对象规则作为目标对象规则。
其中,此处的匹配可以是指:该任一对象规则所包含的对象特征均存在于目标对象特征中。例如,以目标对象特征包括对象特征1、对象特征2、对象特征3为例;假设对象规则1所包含的对象特征包括:对象特征1、对象特征2;对象规则2所包含的对象特征包括:对象特征1、对象特征3;对象规则3所包含的对象特征包括:对象特征1、对象特征4。则对象规则1和对象规则2可以作为目标对象规则,对象规则3不可以作为目标对象规则。
在另一个实施例中,考虑到一个对象规则可以包含一个或多个对象特征。则也可以预先存储对象规则与对象特征之间的映射关系。例如,对象规则与对象特征之间的映射关系可如表2所示:
表2
对象规则 | 对象特征 |
对象规则1 | 对象特征1、对象特征2 |
对象规则2 | 对象特征1、对象特征3、对象特征4 |
… | … |
在这种情况下,可以先获取对象规则与对象特征之间的映射关系,在获取到该映射关系之后,可以从该映射关系中查找与目标对象特征所匹配的对象规则,并将查找到的对象规则作为目标对象规则。例如,假设目标对象特征为对象特征1、对象特征2,则基于表2可知,目标对象规则为对象规则1。
s12,可以从初始分发控制策略集合中查找与目标对象规则匹配的目标分发控制策略。
如前所述,一个分发控制策略可以由一个对象规则和一个数据规则生成,则可以将目标对象规则与各个初始分发控制策略集合中所包含的对象规则进行匹配,并可以将匹配到的初始分发控制策略集合作为目标分发控制策略。其中,此处的匹配可以是指:目标对象规则存在于初始分发控制策略集合中。例如,假设某一初始分发控制策略集合中的对象规则为目标对象规则,则可以将该初始分发控制策略集合作为目标分发控制策略。
在一种实现方式中,为减少数据的存储量以及计算量,可以将对象规则以及数据规则利用标签位图进行指示,为方便描述,可以将对象规则对应的标签位图称之为对象标签位图,将数据规则对应的标签位图称之为数据标签位图。其中,一个对象标签位图可以用于唯一指示一个对象规则,一个数据标签位图可以用于唯一指示一个数据规则。同样,可以理解的是,一个分发控制策略可以由一个对象规则对应的对象标签位图和一个数据规则对应的数据标签位图生成。
基于此可知,步骤s12的具体实现可以是:先获取目标对象规则对应的对象标签位图,此处的对象标签位图可称之为目标对象标签位图;然后,可以从初始分发控制策略集合中查找与目标对象标签位图匹配的目标分发控制策略。其中,从初始分发控制策略集合中查找与目标对象标签位图匹配的目标分发控制策略的具体实现,与从初始分发控制策略集合中查找与目标对象规则匹配的目标分发控制策略的具体实现类似,此次不再赘述。
在此实施方式下,上述提及的基于目标分发控制策略中包含的目标数据规则确定数据查询条件的具体实现可以是:基于目标分发控制策略中数据标签位图所指示的目标数据规则确定数据查询条件。例如,可以将目标分发控制策略中数据标签位图所指示的目标数据规则作为数据查询条件。
在一种实现方式中,考虑到可以预先存储对象规则与对象特征之间的映射关系,以及一个对象规则对应的对象标签位图,则对于对象画像中的各个对象,可以基于各个对象所包含的对象特征对相应对象进行打标,打标的结果也就是添加对象的对象标签位图,即对象画像中存储有各个对象对应的对象标签位图。在此实施方式下,上述提及的从初始分发控制策略集合中确定与目标对象标识相关联的目标分发控制策略的具体实现可以是:可以直接基于目标对象标识从对象画像中确定目标对象标识对应的目标对象标签位图,并将包含有目标对象标签位图的初始分发控制策略集合作为目标分发控制策略。
S204,从索引池中查询与数据查询条件匹配的推荐数据,并利用推荐数据对目标对象标识所对应对象进行数据推荐。
其中,索引池中包含大量的索引,一个索引用于唯一指示一个数据,该数据可以是视频、文章等多媒体数据。此处的索引池可以是一个统一的索引池,相比于针对每个分发控制策略设定的独立的索引池,本申请实施例可以使用统一的索引数据,可以从独立索引数量的从千级下降至十级,以大幅降低索引数量,也可以有效降低索引服务机器资源成本和维护成本。并且,通常大量独立的索引池难以完全复用推荐大盘使用的索引算法模型,无法跟进大盘策略的快速迭代,分发效果也会随着时间迅速劣化,而本申请实施例通过统一索引可以从无法复用主流的索引算法模型到完全复用索引算法模型,也提高了索引算法模型的迭代效率,从而也可以有效提升数据分发效果。
在一种实现方式中,考虑到数据查询条件中包含的是数据规则,则从步骤S204中从索引池中查询与数据查询条件匹配的推荐数据的具体实现可以包括如下步骤s21-s22:
s21,确定索引池中各个索引所对应的数据规则。
如前所述,一个数据规则可以包括一个或多个数据特征,即数据规则与数据特征之间存在对应的映射关系,例如,数据规则与数据特征之间的映射关系可如表3所示:
表3
数据规则 | 数据特征 |
数据规则1 | 数据特征1、数据特征2 |
数据规则2 | 数据特征1、数据特征3 |
… | … |
则为确定一个索引对应的数据规则,可以先确定该索引所包括的数据特征,然后,再基于该索引所包括的数据特征确定该索引对应的数据规则。可以理解的是,数据画像中可以存储各种数据对应的数据特征。
基于此可知,步骤s21的具体实施方式可以是:首先,可以从数据画像中获取索引池中各个索引对应的数据特征;然后,可以获取数据规则与数据特征之间的映射关系,并基于映射关系以及各个索引对应的数据特征确定各个索引对应的数据规则。针对任一索引而言,可以从该映射关系中查找与该任一索引对应的数据特征所匹配的数据规则,并将查找到的数据规则作为该任一索引对应的数据规则。其中,任一索引对应的数据规则的数量可以为一个或多个。例如,假设一个索引对应的数据特征包括对象特征1、对象特征2、数据特征3,则基于表3可知,该索引对应的数据规则可以包括数据规则1以及数据规则2。
s22,基于数据查询条件中的数据规则以及各个索引对应的数据规则来确定推荐数据。
可以先将目标数据规则与各个索引对应的数据规则进行匹配,并将匹配到的数据规则对应的索引作为目标索引;从而可以将目标索引对应的数据作为匹配的数据,该数据可以称之为推荐数据。其中,针对任一索引而言,此处的匹配可以是指:目标数据规则存在于该任一索引对应的数据规则中。例如,假设目标数据规则为数据规则1,某一索引的数据规则包括数据规则1、数据规则2等等,则可以确定目标数据规则与该任一索引对应的数据规则进行匹配,即可以将该任一索引作为目标索引。
在一种实现方式中,考虑到数据规则与数据特征存在对应的映射关系,则可以预先在数据画像中基于该映射关系确定各个数据对应的数据规则,即可以在数据画像上关联上各个数据对应的数据规则,以便于在实现步骤s21时,可以直接基于数据画像中各个数据所对应的数据规则,确定索引池中各个索引所对应的数据规则。具体实现中,针对索引池中的任一索引,可以从数据画像中查找该索引对应的数据规则,并将查找到的数据规则作为该任一索引的数据规则。
在一种实现方式中,考虑到数据规则与数据特征之间存在对应的映射关系,并且一个数据规则可以利用数据标签位图来指示,则对于数据画像中的各个数据,可以基于各个数据所包含的数据特征对相应数据进行打标,打标的结果也就是添加数据的数据标签位图,即数据画像中可以存储有各个数据对应的数据标签位图。在此实施方式下,步骤S204中从索引池中查询与数据查询条件匹配的推荐数据的具体实现可以是:可以直接从数据画像中确定各个索引对应的数据标签位图;然后,可以将各个索引对应的数据标签位图与目标数据标签位图进行匹配,并将匹配到的数据标签位图对应的索引作为目标索引;从而可以将目标索引对应的数据作为匹配的推荐数据。其中,目标数据标签位图是指数据查询条件中包括的目标数据规则对应的数据标签位图。
在一种实现方式中,在获取到推荐数据之后,即可以基于该推荐数据对目标对象标识所对应对象进行数据推荐。其中,推荐数据的数量可以为一个或多个。
可选的,可以直接将各个推荐数据推荐给目标对象标识所对应对象。
可选的,可以将一个或多个推荐数据进行二次加工(如排序、打散等操作),并利用加工后的推荐数据进行数据推荐。下述以排序操作为例进行具体阐述,如可以对各个推荐数据进行排序,并基于排序结果对目标对象标识所对应对象进行数据推荐。
在一个实施例中,可以基于各个推荐数据的推荐特征对各个推荐数据进行排序;其中,推荐特征可以包括数据的点击量、点击率、浏览时长等中的一种或多种。在具体实现中,可以先获取各个推荐数据的推荐特征;然后,可以基于各个推荐数据的推荐特征确定相应推荐数据的推荐值;最后,可以按照推荐值从大到小的顺序依次对各个推荐数据进行排序,从而得到排序结果。
以推荐特征的数量为一个为例,针对任一推荐数据而言,可以将该推荐数据对应的推荐特征作为推荐值。例如,以推荐特征为点击量为例,可以获取各个推荐数据的点击量,并将各个推荐数据的点击量作为相应推荐数据的推荐值,然后,可以按照点击量从大到小的顺序对各个推荐数据进行排序。
以推荐特征的数量为多个为例,针对任一推荐数据而言,可以基于该推荐数据的多个推荐特征确定推荐值。在一个实施例中,首先,可以确定各个推荐特征对应的子推荐值。例如,针对多个推荐特征中的任一推荐特征,可以基于推荐特征对各个推荐数据进行排序,并将该任一推荐数据的任一推荐特征在排序结果中的排位作为该任一推荐特征的推荐值。示例性的,假设任一推荐特征为点击率,则可以按照点击量从大到小的顺序对各个推荐数据进行排序,而任一推荐数据的点击率在排序结果中的排位作为该点击率对应的推荐值。然后,可以基于各个推荐特征对应的子推荐值确定该推荐数据的推荐值。例如,可以将各个推荐特征对应的子推荐值之间的和值确定为该推荐数据的推荐值。又如,可以获取各个推荐特征的加权系数,并利用各个推荐特征的加权系数对相应推荐特征对应的子推荐值进行加权求和处理,然后将处理结果确定为该推荐数据的推荐值。
在得到该排序结果之后,即可以基于该排序结果对目标对象标识所对应对象进行数据推荐。例如,可以在推荐界面上按照该排序结果中各个推荐数据的排序进行数据展示,从而实现向目标对象标识所对应对象进行数据推荐。又如,可以将排序结果中处于前M位的推荐数据作为目标推荐数据,并将该目标推荐数据推荐给目标对象标识所对应对象;在此实施方式下,同样可以在推荐界面上按照该排序结果中这M个推荐数据的排序进行数据展示。通过上述的推荐方式,可以将推荐值较高的数据进行优先展示,或可以将推荐值较高的数据作为最终需推荐的数据,以提高数据推荐准确性,提高用户观看体验。
在本申请实施例中,可以为用户适配对应的分发控制策略,以实现精准推荐,有效提高数据推荐准确度;可由设备自动确定出推荐数据,避免由人工推荐所导致的效率低下问题,有效提升推荐效率;可以避免由人工推荐的主观性所导致的准确度问题,以有效提升推荐准确度。并且,可以基于对象画像和数据画像,并通过特征匹配,分别生成对象侧和数据侧的标签位图,以基于两个标签位图,自底向上,从索引层面开始进行全链路的双边匹配过滤,进而达到实时的内容分发控制。可以以较低的人力和机器成本,实现较优的控制分发效果。本申请实施例可以应用于各种需要分发控制策略的推荐系统,例如,各种短视频推荐系统、各种图文推荐系统、等等。
为更加理解本申请实施例提出的数据推荐方法,下述结合图3进一步说明;图3所展示的流程可以理解为用户外部访问推荐系统的流程;此处以数据推荐系统中各个模块为执行主体进行相关阐述。例如,参见图3所示:
1、用户可以通过客户端访问在线推荐模块。其中,用户可以是指前述的目标对象标识所对应对象。
2、在线推荐模块可以向AB实验平台发起请求,该请求可以是指用于获取用户命中的实验信息的请求(如上述提及的实验标识获取请求)。其中,此处的用户命中的实验信息即是上述提及的实验标识集合,即需要从AB实验平台获取实验标识集合。
3、AB实验平台响应该请求,并将用户所命中的实验信息返回给在线推荐。
4、在线推荐模块拉取召回服务模块,以使得召回服务模块可以召回所需的推荐数据。还可以将用户命中的实验信息(实验标识集合)转发给召回服务模块。
5、召回服务模块向策略控制模块请求索引过滤查询条件。
6、策略控制模块确定索引过滤查询条件,并将索引过滤查询条件返回给召回服务模块。
其中,策略控制模块获取该索引过滤查询条件的具体实现:
6.1、策略控制模块向对象画像发出请求,该请求具体可以是针对对象标签位图的获取请求,以获取用户命中的对象标签位图(即上述的目标对象标签位图)。其中,该请求具体可以是发送至对象画像模块,以使策略控制模块可以从对象画像模块对应的对象画像中获取对象标签位图。
6.2、对象画像向策略控制模块返回用户命中的对象标签位图。具体实现中,在对象画像获取到该获取请求之后,可以响应该获取请求,并基于用户标识(即目标对象标识)获取到相应的对象标签位图,进而将该对象标签位图返回给策略控制模块。
在策略控制模块接收到该对象标签位图之后,即可以基于该对象标签位图确定索引过滤查询条件(即上述的数据查询条件)。其中,策略控制模块在向对象画像发出请求时,该请求可以携带有用户标识、用户命中的实验信息等信息,以使策略控制模块可以基于对象标签位图、用户标识、用户命中的实验信息等信息确定索引过滤查询条件。
其中,确定索引过滤查询条件的具体实现可以是:首先,可以基于实验标识集合以及从策略配置平台上获取的分发控制策略与实验标识之间的映射关系,确定用户对应的初始分发控制策略集合;然后,可以从初始分发控制策略集合中查找与用户命中的对象标签位图匹配的目标分发控制策略;最后,可以基于目标分发控制策略中目标数据标签位图所指示的目标数据规则确定索引过滤查询条件。
可以看出,策略控制模块可以具备有基于对象标签位图和数据标签位图的通用双边匹配过滤逻辑,并可以将策略控制模块集成于数据推荐系统中,以将通用的匹配逻辑预埋在数据推荐系统中,自动识别出对应的索引过滤查询条件。
7、召回服务模块携带索引过滤查询条件,访问统一索引模块,以拉取所需要的索引(即上述的目标索引),获取对用户所需的推荐数据。具体实现中,召回服务模块可以向统一索引模块发起获取目标索引的获取请求,该获取请求中可以携带有索引过滤查询条件。
其中,统一索引模块确定目标索引的具体实现:
7.1、统一索引模块可以向数据画像发出请求,该请求具体可以是针对数据标签位图的获取请求,以获取统一索引模块中各个索引对应的数据标签位图。其中,该请求具体可以是发送至数据画像模块,以使统一索引模块可以从数据画像模块对应的数据画像中获取数据标签位图。
7.2、数据画像向统一索引模块返回各个索引对应的数据标签位图。
7.3、统一索引模块在检索过程中,可以基于索引过滤查询条件执行过滤操作,以得到符合分发控制策略的内容列表。例如,可以将各个索引对应的数据标签位图与目标数据标签位图进行匹配,并将匹配到的数据标签位图对应的索引作为目标索引,而目标索引所指示的数据则是推荐数据,也就是符合分发控制策略的数据。其中,目标数据标签位图为索引过滤查询条件中目标数据规则对应的数据标签位图。
可以看出,统一索引模块可以额外接收索引过滤查询条件,将过滤逻辑集成在底层检索过程,可以通过在索引服务模块集成过滤下沉模块,以从检索请求中解析过滤条件(即索引过滤查询条件),从而可以在检索过程中执行高效的过滤操作,还可以达到基于统一索引数据返回符合不同分发控制策略候选集的效果,以大程度地保障返回配额的有效性。
8、统一索引模块向召回服务模块返回符合分发控制策略的内容列表。
9、召回服务模块在接收到统一索引模块返回的内容集合之后,可以将所返回的内容列表聚合,聚合之后所得到的内容即是召回候选集(即推荐数据),并可以将该召回候选集返回给在线推荐模块。
其中,考虑到目标数据标签位图的数量可以为一个或多个,则在将索引池中的索引对应的数据标签位图与目标数据标签位图进行匹配时,需要将索引池中的索引对应的数据标签位图与每个目标数据标签位图进行匹配,即可以得到针对每个目标数据标签位图对应的内容列表,那么,可以进一步对每个目标数据标签位图对应的内容列表中的内容(数据)进行聚合,以得到最终所需的推荐数据。
10、在线推荐模块可以对召回候选集进行二次加工(如排序、打散等),以得到最终的推荐数据。
11、将最终的推荐数据返回最终的结果给到用户。
综上可知,本申请实施例可以增加通用的具有双边匹配过滤逻辑的策略控制模块,并打通AB实验平台,将通用的过滤、匹配逻辑预埋在数据推荐系统中,从而可以自动识别用户命中的实验信息、规则信息,执行相应的分发控制策略,以实现基于用户和内容匹配的实时内容分发控制的数据推荐。
基于上述描述,本申请实施例进一步提出了又一种数据推荐方法;在本申请实施例中,主要以计算机设备执行该数据推荐方法为例进行说明,该计算机设备可以是策略配置平台本身或策略配置平台所在的服务器。如图4所示,该数据推荐方法包括但不限于以下步骤:
S401,获取在策略配置平台上配置的一个或多个对象规则以及与每个对象规则对应的数据规则,并基于每个对象规则以及对应数据规则生成多个分发控制策略。
一个分发控制策略可以由一个对象规则以及对应数据规则生成。
其中,策略配置平台可以具有分发控制策略配置的功能,该策略配置平台上具有用户交互界面,以便于产品或运营等人员可以在用户交互界面上执行相关操作,进而使得在策略配置平台上生成对应的分发控制策略。
在一种实现方式中,该策略配置平台上的用户交互界面(或称之为对象交互界面)可以包含用于生成对象规则的用户交互区域、以及用于生成数据规则的用户交互区域。为方便描述,可以将用于生成对象规则的用户交互区域称之为第一区域,将用于生成数据规则的用户交互区域称之为第二区域。具体实现中,配置对象(如产品人员或运营人员等)可以在第一区域上执行相关操作,以使得计算机设备可以基于配置对象在第一区域上的操作生成对象规则,配置对象还可以在第二区域上执行相关操作,以使的计算机设备可以基于配置对象在第二区域上的操作生成数据规则。可选的,该用户交互界面还可以包括为展示基于第一区域的设置操作以及第二区域的设置操作所生成的分发控制策略的策略展示区域。例如,参见图5a所示,图5a为策略配置平台上的用户交互界面,图5a中的区域31为第一区域,区域32为第二区域,区域33为策略展示区域。
需要说明的是,如前所述,上述在策略配置平台上执行相关操作得到对象规则和数据规则的操作区域可以处于同一界面,也可以处于不同界面,如策略配置平台上的用户交互界面可以是包括用于生成对象规则的用户交互界面、用于生成数据规则的用户交互界面以及用于生成分发控制策略的用户交互界面。为方便描述,可以将用于生成对象规则的用户交互界面、用于生成数据规则的用户交互界面以及用于分发控制策略的用户交互界面分别称之为对象规则配置界面、数据规则配置界面以及策略配置界面。例如,图5b、图5c、图5d分别展示的是对象规则配置界面、数据规则配置界面以及策略配置界面。需要理解的是,本申请实施例中的界面示意仅是示例性举例。
在一种实现方式中,可以根据配置对象在策略配置平台上针对对象特征的设置操作,生成对象规则;还可以根据配置对象在策略配置平台上针对数据特征的设置操作,生成数据规则。
可选的,用于生成对象规则和数据规则的配置区域分别处于策略配置平台的用户交互界面的第一区域和第二区域,则可以根据配置对象在策略配置平台上第一区域中针对对象特征的设置操作,生成对象规则;还可以根据配置对象在策略配置平台上第二区域中针对数据特征的设置操作,生成数据规则。
其中,第一区域中可以包括针对对象特征的设置区域以及提交控件;对象特征的设置区域可以包括针对一个或多个对象特征的选择项以及对于各个对象特征的特征值的设置区域。具体实现中,配置对象可以在对象特征的设置区域中选择对象规则所包含的对象特征以及对应的特征值,并可以触发(如点击或按压等操作)提交控件。当策略配置设置检测到该提交控件被触发之后,可以获取第一区域所设置的信息,并基于获取到的信息生成对象规则。
例如,参见图5a所示的区域31中的对象画像、当期刷次、年龄段等可以理解为对象特征,爱追剧、首次等可以理解为相应对象特征的特征值。具体实现中,参见如图5a所示,配置对象可以在区域31中挑选(选择)对象画像和当前刷次两个对象特征,并将圈选条件设置为:对象画像等于爱追剧,且当前刷次等于首刷,该圈选条件也就是指对象特征的特征值。当配置对象在第一区域中设置完相应信息之后,在区域31中触发提交控件,以使得计算机设备可以获取到配置对象在区域31所设置的信息并生成对应的对象规则。
其中,第二区域中可以包括针对数据特征的设置区域以及提交控件;数据特征的设置区域可以包括针对一个或多个数据特征的选择项以及各个数据特征的特征值的设置区域。配置对象可以在数据特征的设置区域中选择数据规则所包含的数据特征以及对应的特征值,并可以触发提交控件。当策略配置设置检测到该提交控件被触发之后,可以获取第二区域所设置的信息,并基于获取到的信息生成数据规则。
例如,参见图5a所示的区域32中的视频质量、类目、发布时间等可以理解为数据特征,高、影视综等可以理解为相应数据特征的特征值。具体实现中,参见如图5a所示,配置对象可以在区域32中挑选(选择)视频质量和类目两个数据特征,并将圈选条件设置为:视频质量等于高,且类目等于影视综,该圈选条件也就是指数据特征的特征值。当配置对象在区域32中设置完相应信息之后,可以在区域32中触发提交控件,以使得计算机设备可以获取到配置对象在区域32所设置的信息并生成对应的数据规则。
基于此可知,步骤S401中获取在策略配置平台上配置的一个或多个对象规则以及与每个对象规则对应的数据规则的具体实现可以是:可以在策略配置平台输出对象交互界面,该对象交互界面可以包括用于配置对象规则的第一区域以及用于配置数据规则的第二区域;进一步的,可以获取在第一区域设置的对象特征以及对应特征值,并可以获取在第二区域设置的数据特征以及对应特征值;然后,可以基于获取到的对象特征以及对应特征值生成对象规则,并基于获取到的数据特征以及对应特征值生成数据规则。需说明的是,此处是以一个对象规则以及对应的数据规则进行描述。
可选的,用于生成对象规则和数据规则的配置区域分别处于策略配置平台的对象规则配置界面和数据规则配置界面,则可以根据配置对象在策略配置平台上对象规则配置界面中针对对象特征的设置操作,生成对象规则;还可以根据配置对象在策略配置平台上数据规则配置界面中针对数据特征的设置操作,生成数据规则。
例如,参见如图5b所示,对象规则配置界面可以包括针对对象特征的设置区域以及提交控件,对象特征的设置区域可以包括针对一个或多个对象特征的选择项以及各个对象特征的特征值的设置区域。当配置对象在对象规则配置界面上的设置区域设置相关信息,并触发提交控件之后,计算机设备可以获取到配置对象在对象规则配置界面所设置的信息并生成对应的对象规则,该对象规则可以显示在图5b所示的区域34中。
又如,参见如图5c所示,数据规则配置界面可以包括针对数据特征的设置区域以及提交控件,数据特征的设置区域可以包括针对一个或多个数据特征的选择项以及各个数据特征的特征值的设置区域。当配置对象在数据规则配置界面上的设置区域设置相关信息,并触发提交控件之后,计算机设备可以获取到配置对象在数据规则配置界面所设置的信息并生成对应的数据规则,该数据规则可以显示在图5c所示的区域35中。
基于此可知,步骤S401中获取在策略配置平台上配置的一个或多个对象规则以及与每个对象规则对应的数据规则的具体实现可以是:可以在策略配置平台输出对象交互界面,该对象交互界面可以包括用于配置对象规则的对象规则配置界面以及用于配置数据规则的数据规则配置界面;进一步的,可以获取在对象规则配置界面设置的对象特征以及对应特征值,并可以获取在数据规则配置界面设置的数据特征以及对应特征值;然后,可以基于获取到的对象特征以及对应特征值生成对象规则,并基于获取到的数据特征以及对应特征值生成数据规则。需说明的是,此处是以一个对象规则以及对应的数据规则进行描述。
可以看出,策略配置平台可以提供丰富的圈选特征(如对象特征、数据特征),以支持运营或产品等人员可以自助快速上线对象规则以及数据规则,可有效提升规则配置以及策略配置的自助化,提升用户体验。
在一种实现方式中,在获取到对象规则以及数据规则之后,即可以基于该对象规则以及数据规则生成对应的分发控制策略。其中,该分发控制策略可以用于指示对哪种人群推荐哪种数据。可选的,可以采用预设生成模式根据对象规则以及数据规则生成对应的分发控制策略,例如,预设生成模式可以为:命中规则为A的对象请求,过滤未命中规则为B的数据,其中,A表示对象规则,B表示数据规则。该预设生成模式表明了对于满足A的人群,过滤掉不满足B的数据,也就是对于满足A的人群,推荐满足B的数据。该预设生成模式也可以为其他模式,只需该模式可以表明对哪种人群推荐哪种数据即可。
例如,假设对象规则1为:对象画像等于爱追剧,且当前刷次等于首刷;数据规则1为:视频质量等于高,且类目等于影视综;则所生成的分发控制策略可以为:命中规则为对象规则1的对象请求,过滤未命中规则为数据规则1的数据。该分发控制策略也就是指针对爱追剧用户的首刷请求,只出高质量影视综内容。
可选的,计算机设备可以获取策略配置平台上用户交互界面的第一区域中所设置的信息,生成对象规则;并可以获取用户交互界面的第二区域中所设置的信息,生成数据规则;在获取到对象规则以及数据规则之后,即可以基于对象规则以及数据规则生成分发控制策略。例如,参见图5a所示,当配置对象在区域31以及区域32设置完对应的信息,并触发区域31以及区域32中的提交控件之后,可以基于区域31中的所设置的信息以及基于区域32中的所设置的信息生成分发控制策略,该分发控制策略可以显示在区域33中。
可选的,配置对象可以在策略配置界面上执行相关操作,以生成对应的分发控制策略,该策略配置界面可以包括规则配置区域。该规则配置区域可以包括用于配置对象规则的配置区域、用于配置数据规则的配置区域以及提交控件。例如,参见图5d所示中的区域36为规则配置区域。具体实现中,配置对象可以在用于配置对象规则的配置区域、用于配置数据规则的配置区域分别选择对象规则以及数据规则,然后再触发提交控件。而在计算机设备检测到该提交控件被触发之后,可以获取规则配置区域所配置的对象规则以及数据规则,并基于获取到对象规则以及数据规则生成分发控制策略。该分发控制策略可以展示在图5d所示的区域37中。
其中,策略配置界面上规则配置区域所供选择对象规则以及数据规则可以是预先配置。在一个实施例中,策略配置界面上规则配置区域所供选择的对象规则,可以是通过在对象规则配置界面进行对象规则配置所得到的;具体实现中,计算机设备可以获取策略配置平台上对象规则配置界面所设置的信息,生成对象规则,并对该对象规则进行存储。同理,策略配置界面上规则配置区域所供选择的数据规则,也可以是通过在数据规则配置界面进行数据规则配置所得到的;具体实现中,计算机设备可以获取策略配置平台上数据规则配置界面所设置的信息,生成数据规则,并对该数据规则进行存储。
在一种实现方式中,配置对象还可以在策略配置平台配置分发控制策略与实验标识之间的映射关系,以便于后续可以基于该映射关系对各个分发控制策略进行推全实验。
在一种实现方式中,在配置对象在策略配置平台上配置对象规则和数据规则时,可以同步对对象画像中的对象和数据画像中的数据添加标签位图,该标签位图可以包括针对对象规则的对象标签位图以及数据规则的数据标签位图,以便于后续在进行数据推荐时,可以基于标签位图进行快速查找,提高数据推荐速度。
可以理解的是,对象画像中可以存储大量对象各自对应的对象特征,则可以在对象画像中基于对象的对象特征确定对象所关联的对象规则以及对象规则对应的对象标签位图。具体实现中,针对某一对象规则,可以先从对象画像中确定满足该对象规则的对象,并对所满足的对象进行打标,得到所满足的对象的对象标签位图,该对象标签位图可以用于指示该对象规则。
其中,上述提及的从对象画像中确定满足该对象规则的对象的具体实现可以是:为方便描述,可以将对象画像中的对象称之为初始对象,那么,对于对象画像中的各个初始对象,可以先从对象画像中确定各个初始对象包含的对象特征;针对各个初始对象中的任一初始对象,如果对象规则包含的对象特征存在于该任一初始对象的对象特征中,则可以将该任一初始对象确定为满足该对象规则的对象。
同理,数据画像中可以存储大量数据各自对应的数据特征,则可以在数据画像中基于数据的数据特征确定数据所关联的数据规则以及数据规则对应的数据标签位图。具体实现中,针对某一数据规则,可以先从数据画像中确定满足该数据规则的数据,并对所满足的数据进行打标,得到所满足的数据的数据标签位图,该数据标签位图可以用于指示该数据规则。
其中,上述提及的从数据画像中确定满足该数据规则的数据的具体实现可以是:为方便描述,可以将数据画像中的数据称之为初始数据,那么,对于数据画像中的各个初始数据,可以先从数据画像中确定各个初始数据包含的数据特征;针对各个初始数据中的任一初始数据,如果数据规则包含的数据特征存在于该任一初始数据的数据特征中,则可以将该任一初始数据确定为满足该数据规则的数据。
可以看出,通过引入策略配置平台,可以支持运营或产品等人员自助快速上线对象规则和数据规则,策略配置平台还可以动态解析运营或产品等人员配置的规则,自动且即时给命中的用户(对象)和内容(数据)打上标签位图,匹配过程通用,无需代码更新,也无需开发人员介入,从而可以有效提高人效。
S402,调用策略推全实验平台对多个分发控制策略分别进行推全实验。
其中,一个分发控制策略对应至少一个推全实验,一个推全实验对应一个实验标识。
在一种实现方式中,对于在策略实验平台配置的分发控制策略,可以进一步确定该分发控制策略是否可以全量推全,即在推荐场景中,该分发控制策略是否可以适用于所有对象。具体实现中,可以调用策略推全实验平台对多个分发控制策略分别进行推全实验,其中,推全实验是指对分发控制策略是否可以推全的实验。
在一种实现方式中,计算机设备可以将策略配置平台上的分发控制策略与实验标识之间的映射关系发送至策略推全实验平台,所述映射关系用于策略推全实验平台确定每个分发控制策略对应的实验标识,并利用实验标识所指示的实验对象组对相应分发控制策略进行推全实验。
在一种实现方式中,针对多个分发控制策略中的任一分发控制策略,策略推全实验平台对该分发控制策略进行推全实验的具体实现可以是AB实验,例如,推全实验的具体实施方式可以是:在分发控制策略对应的实验标识所指示的实验对象组中,利用该分发控制策略进行数据推荐,并获取数据推荐所生产生的针对目标指标下的目标指标数据;在其他对象组中不利用该分发控制策略进行数据推荐,并获取数据推荐所生产生的针对目标指标下的参考指标数据。其中,目标指标的数量可以是一个或多个,例如,目标指标可以是:推荐系统新增用户、数据点击量等等;目标指标数据以及参考指标数据可以是在进行数据推荐之后预设时间段内(如3天、5天等若干天)所产生的数据。
进一步的,可以基于目标指标数据以及参考指标数据确定目标指标是否符合预期结果,如果目标指标符合预期结果,则可以将该分发控制策略推全,如果目标指标不符合预期结果,则可以将该分发控制策略下线。其中,符合预期结果可以是指目标指标数据大于参考指标数据,不符合预期结果可以是指目标指标数据不大于参考指标数据。或者,符合预期结果以及不符合预期结果也可以利用其他方式指示,对此不做具体限定。
在一种实现方式中,在策略推全实验平台完成对分发控制策略的推全实验之后,可以将对应的推全实验结果返回给计算机设备,以使计算机设备可以基于该推全实验结果对策略配置平台上的分发控制策略与实验标识之间的映射关系进行更新。其中,一个分发控制策略的推全实验结果可以包括推全和不推全。在某一个分发控制策略的推全实验结果为推全的情况下,则表明该分发控制策略可以进行推全,则该分发控制策略在推荐时可以应用在全量用户中。在某一个分发控制策略的推全实验结果为不推全的情况下,则表明该分发控制策略不可以进行推全,即表明该分发控制策略可以下线。
S403,获取策略配置平台上的分发控制策略与实验标识之间的映射关系,并基于每个分发控制策略的推全实验结果对所述映射关系进行更新。
其中,分发控制策略可以用于对对象进行数据推荐。
在一种实现方式中,可以基于每个分发控制策略的推全实验结果对分发控制策略与实验标识之间的映射关系进行更新。具体实现中,可以获取策略配置平台上的分发控制策略与实验标识之间的映射关系,并基于每个分发控制策略的推全实验结果对所述映射关系进行更新。
可选的,可以基于每个分发控制策略的推全实验结果对映射关系进行更新。其中,针对任一分发控制策略而言,如果该任一分发控制策略的推全实验结果为推全,则可以将该任一分发控制策略对应的实验标识更新为映射关系中的所有实验标识,即该任一分发控制策略可以与映射关系中所有的实验标识存在对应关系。如果该任一分发控制策略的推全实验结果为不推全,则可以从映射关系中将该任一分发控制策略与对应的实验标识之间的对应关系进行删除。
可选的,可以基于每个分发控制策略的推全实验结果对映射关系中的分发控制策略添加标签。其中,针对任一分发控制策略而言,如果该任一分发控制策略的推全实验结果为推全,则可以对映射关系中的该任一分发控制策略添加第一标签,该第一标签可以用于指示该任一分发控制策略可推全。如果该任一分发控制策略的推全实验结果为不推全,则可以对映射关系中的该任一分发控制策略添加第二标签,该第二标签可以用于指示该任一分发控制策略不可推全(已下线)。
为更加理解本申请实施例提出的数据推荐方法,下面从运营/产品侧关于分发控制策略的配置流程进行相关描述。
在一种实现方式中,如果配置对象(如运营或产品等人员)存在一个内容分发控制需求,该内容分发控制需求为:针对爱追剧用户的首刷请求,只出高质量影视综内容。则可以在策略配置平台上配置该内容分发控制需求,以便于可以进一步将该需求应用在推荐系统中。为实现在策略配置平台上配置该内容分发控制需求,可以先对该需求进行拆解,如可以将该需求拆解为用户圈选规则、内容圈选规则以及控制策略规则。其中,此处的用户圈选规则、内容圈选规则以及控制策略规则可以分别理解为上述的对象规则、数据规则以及分发控制策略。
针对上述的内容分发控制需求具体拆解可为如下描述。
a.用户圈选规则:圈选条件为对象画像等于爱追剧且当前刷次等于首刷,可以将该用户圈选规则记为ur1。
b.内容圈选规则:圈选条件为视频质量等于高且类目等于影视综,可以将该内容圈选规则记为cr1。
c.控制策略规则:命中规则ur1的对象请求,过滤未命中规则cr1的内容,可以将该控制策略规则记为mr1。
参见图5e所示,分发控制策略的配置流程或者说运营/产品内部配置线条具体流程如下:
1、配置对象可以登录用户圈选平台,以在该用户圈选平台完成用户圈选规则的配置。可选的,配置对象可以从对象特征集合中,挑选对象画像和当前刷次两个对象特征,并将圈选条件设置为对象画像等于爱追剧且当前刷次等于首刷,在配置完成之后,配置对象可以提交规则内容,以完成用户圈选规则ur1的配置。用户圈选平台可以是独立于策略配置平台的一个用于配置用户圈选规则的平台;也可以是策略配置平台上一个用于配置用户圈选规则的子平台,如该用户圈选平台可以是上述提及的策略配置平台上的第一区域或对象规则配置界面。
2、配置对象可以登录内容圈选平台,以在该内容圈选平台完成内容圈选规则的配置。可选的,配置对象可以从数据特征集合中,挑选视频质量和类目两个数据特征,并将圈选条件设置为视频质量等于高且类目等于影视综,在配置完成之后,配置对象可以提交规则内容,以完成内容圈选规则cr1的配置。内容圈选平台可以是独立于策略配置平台的一个用于配置内容圈选规则的平台;也可以是策略配置平台上一个用于配置内容圈选规则的子平台,如该内容圈选平台可以是上述提及的策略配置平台上的第二区域或数据规则配置界面。
其中,在内容圈选平台完成内容圈选规则的配置之后,还可以将内容圈选结果通知给内容画像,以使得内容画像可以基于内容圈选结果对数据添加对应的数据位图标签。其中,内容圈选结果可以是指内容圈选规则以及对应的数据特征和圈选条件。
3、配置对象可以登录策略配置平台,新增分发控制策略mr1,该分发控制策略mr1为:针对人群ur1,过滤未命中规则cr1的内容。
4、登录AB实验平台,开启实验t1,在实验流量中生效分发控制策略mr1。其中,在实验流量中生效mr1也就是指:利用分发控制策略mr1对应的实验对象组对分发控制策略进行推全实验。其中,分发控制策略mr1对应的实验对象组可以基于分发控制策略与实验标识之间的映射关系确定,如可以从该映射关系中确定分发控制策略mr1对应的实验标识,并将该实验标识对应的实验对象组作为分发控制策略mr1对应的实验对象组。
5、观察预设时间(如3天、5天等若干天)所产生的指标数据。
5.1、若实验t1的指标数据符合预期,则可在策略配置平台申请将分发控制策略mr1推全。
5.2、若实验t1的指标数据不符合预期,则可在策略配置平台将分发控制策略mr1下线。
6、实验t1完成之后,可以将该实验t1下线。
相比于传统的针对每个分发控制策略需求,算法人员都需要基于数据规则构建独立的索引池,基于对象规则编制分发控制代码,存在大量重复工作的同时也极易出错,从而导致分发控制策略需求完成时间以周计。在本申请实施例中,可以引入策略管理平台,该策略管理平台可以托管所有的分发控制策略配置,提供丰富的WEB UI,分发控制策略全流程配置化,并联通策略推全实验平台以及在线推荐系统,支持运营或产品等人员自助上线控制策略、自助实验、自助推全,提供一站式的小流量验证、全量推全、实验反转能力,集成了从线上小流量到推全的全流程一站式服务。全流程无需算法或开发等人员介入,可以有效提高人效和实验效率,分发控制策略上线时间可以从周级下降至天级,可以有效降低分发控制策略需求的迭代周期。
上述详细阐述了本申请实施例的方法,为了便于更好地实施本申请实施例的上述方案,相应地,下面提供了本申请实施例的装置。
图6示出了本申请一个示例性实施例提供的一种数据推荐装置的结构示意图;该数据推荐装置可以用于是运行于计算机设备中的一个计算机程序(包括程序代码),例如该数据推荐装置可以是计算机设备中的应用程序;该数据推荐装置可以用于执行图2所示的方法实施例中的部分或全部步骤。请参见图6,该数据推荐装置包括如下单元:
获取单元601,用于获取目标对象标识,并从策略推全实验平台上获取所述目标对象标识对应的实验标识集合;所述实验标识集合中包括一个或多个实验标识;
第一确定单元602,用于从策略配置平台上获取分发控制策略与实验标识之间的映射关系,并基于所述映射关系以及所述实验标识集合确定所述目标对象标识对应的初始分发控制策略集合;
第二确定单元603,用于从所述初始分发控制策略集合中确定与所述目标对象标识相关联的目标分发控制策略,并基于所述目标分发控制策略确定数据查询条件;
推荐单元604,用于从索引池中查询与所述数据查询条件匹配的推荐数据,并利用所述推荐数据对所述目标对象标识所对应对象进行数据推荐。
在一种实现方式中,一个实验标识用于唯一指示一个实验对象组,实验对象组用于对分发控制策略进行推全实验;所述基于所述映射关系以及所述实验标识集合确定所述目标对象标识对应的初始分发控制策略集合;所述第一确定单元602,具体用于:
基于所述映射关系以及所述实验标识集合确定所述目标对象标识的参考分发控制策略集合;
获取所述映射关系中每个分发控制策略的标签信息;所述每个分发控制策略的标签信息是通过在所述策略推全实验平台进行推全实验得到的,所述标签信息包括第一标签或第二标签,所述第一标签用于指示推全分发控制策略,所述第二标签用于指示不推全分发控制策略;
从所述参考分发控制策略集合中删除标签信息为第二标签的分发控制策略,并将标签信息为第一标签的分发控制策略添加至所述参考分发控制策略集合,以得到初始分发控制策略集合。
在一种实现方式中,一个分发控制策略由一个对象规则和一个数据规则生成,对象规则包括一个或多个对象特征;所述二确定单元603,具体用于:
基于所述目标对象标识从对象画像中确定所述目标对象标识对应的目标对象特征,并确定所述目标对象特征所关联的目标对象规则;
从所述初始分发控制策略集合中查找与所述目标对象规则匹配的目标分发控制策略;
基于所述目标分发控制策略中包含的目标数据规则确定数据查询条件。
在一种实现方式中,一个分发控制策略由一个对象规则对应的对象标签位图和一个数据规则对应的数据标签位图生成;一个对象标签位图用于唯一指示一个对象规则,一个数据标签位图用于唯一指示一个数据规则;所述第二确定单元603,具体用于:
从对象画像中获取所述目标对象标识对应的目标对象标签位图;
从初始分发控制策略集合中查找与所述目标对象标签位图匹配的目标分发控制策略;
基于所述目标分发控制策略中目标数据标签位图所指示的目标数据规则确定数据查询条件。
在一种实现方式中,所述数据查询条件包括目标数据规则;所述推荐单元604,具体用于:
从数据画像中获取索引池中各个索引对应的数据特征,并基于所述各个索引对应的数据特征确定相应索引的数据规则;
将所述目标数据规则与各个索引的数据规则进行匹配,并将匹配到的数据规则对应的索引作为目标索引;
将所述目标索引对应的数据作为匹配的推荐数据。
在一种实现方式中,所述数据查询条件包括目标数据规则;所述推荐单元604,具体用于:
从数据画像中确定各个索引对应的数据标签位图;
将各个索引对应的数据标签位图与目标数据标签位图进行匹配,并将匹配到的数据标签位图对应的索引作为目标索引;所述目标数据标签位图为所述目标数据规则对应的数据标签位图;
将所述目标索引对应的数据作为匹配的推荐数据。
可以理解,本申请实施例中对单元的划分是示意性的,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。本申请实施例中的各功能单元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。
图7示出了本申请一个示例性实施例提供的另一种数据推荐装置的结构示意图;该数据推荐装置可以用于是运行于计算机设备中的一个计算机程序(包括程序代码),例如该数据推荐装置可以是计算机设备中的应用程序;该数据推荐装置可以用于执行图4所示的方法实施例中的部分或全部步骤。请参见图7,该数据推荐装置包括如下单元:
获取单元701,用于获取在策略配置平台上配置的一个或多个对象规则以及与每个对象规则对应的数据规则,并基于所述每个对象规则以及对应数据规则生成多个分发控制策略;一个分发控制策略由一个对象规则以及对应数据规则生成;
实验单元702,用于调用策略推全实验平台对所述多个分发控制策略分别进行推全实验;一个分发控制策略对应至少一个推全实验,一个推全实验对应一个实验标识;
更新单元703,用于获取策略配置平台上的分发控制策略与实验标识之间的映射关系,并基于每个分发控制策略的推全实验结果对所述映射关系进行更新;所述分发控制策略用于对对象进行数据推荐。
在一种实现方式中,所述实验单元702,具体用于:
将所述策略配置平台上的分发控制策略与实验标识之间的映射关系发送至所述策略推全实验平台,所述映射关系用于所述策略推全实验平台确定所述每个分发控制策略对应的实验标识,并利用所述实验标识所指示的实验对象组对相应分发控制策略进行推全实验。
在一种实现方式中,所述更新单元703,具体用于:
针对分发控制策略与实验标识之间的映射关系中的任一分发控制策略,若所述任一分发控制策略的推全实验结果为推全,则将所述任一分发控制策略对应的实验标识更新为映射关系中的所有实验标识;
若所述任一分发控制策略的推全实验结果为不推全,则从所述映射关系中将所述任一分发控制策略与对应的实验标识之间的对应关系进行删除。
在一种实现方式中,所述更新单元703,具体用于:
针对分发控制策略与实验标识之间的映射关系中的任一分发控制策略,若所述任一分发控制策略的推全实验结果为推全,则对所述映射关系中的所述任一分发控制策略添加第一标签;所述第一标签可以用于指示所述任一分发控制策略可推全;
若所述任一分发控制策略的推全实验结果为不推全,则对所述映射关系中的所述任一分发控制策略添加第二标签;所述第二标签可以用于指示所述任一分发控制策略不可推全。
在一种实现方式中,所述获取单元701,还用于:
从对象画像中确定满足所述对象规则的参考对象,并对所述参考对象进行打标,得到所述参考对象的对象标签位图;所述对象标签位图用于指示所述对象规则;
从数据画像中确定满足所述数据规则的参考数据,并对所述参考数据进行打标,得到所述参考数据的数据标签位图;所述数据标签位图用于指示所述数据规则。
在一种实现方式中,所述获取单元701,具体用于:
在所述策略配置平台输出对象交互界面,所述对象交互界面包括用于配置对象规则的第一区域以及用于配置数据规则的第二区域;
获取在所述第一区域设置的对象特征以及对应特征值,并获取在所述第二区域设置的数据特征以及对应特征值;
基于获取到的对象特征以及对应特征值生成对象规则,并基于获取到的数据特征以及对应特征值生成数据规则。
请参见图8,为本申请实施例提供的一种计算机设备的结构示意图。该计算机设备可以为执行上述步骤S201-S204和/或步骤S401-S403的部分或全部步骤。本实施例中所描述的计算机设备,包括:处理器801、存储器802以及网络接口803。上述处理器801、存储器802以及网络接口803之间可以交互数据。
上述处理器801可以是中央处理单元(Central Processing Unit,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 Integrated Circuit,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。
上述存储器802可以包括只读存储器和随机存取存储器,并向处理器801提供程序指令和数据。存储器802的一部分还可以包括非易失性随机存取存储器。
可选的,在一些实施例中,该计算机设备可执行步骤S201-S204的部分或全部步骤。例如,所述处理器801调用所述程序指令时用于执行:
获取目标对象标识,并从策略推全实验平台上获取所述目标对象标识对应的实验标识集合;所述实验标识集合中包括一个或多个实验标识;
从策略配置平台上获取分发控制策略与实验标识之间的映射关系,并基于所述映射关系以及所述实验标识集合确定所述目标对象标识对应的初始分发控制策略集合;
从所述初始分发控制策略集合中确定与所述目标对象标识相关联的目标分发控制策略,并基于所述目标分发控制策略确定数据查询条件;
从索引池中查询与所述数据查询条件匹配的推荐数据,并利用所述推荐数据对所述目标对象标识所对应对象进行数据推荐。
在一种实现方式中,一个实验标识用于唯一指示一个实验对象组,实验对象组用于对分发控制策略进行推全实验;所述基于所述映射关系以及所述实验标识集合确定所述目标对象标识对应的初始分发控制策略集合;所述处理器801,具体用于:
基于所述映射关系以及所述实验标识集合确定所述目标对象标识的参考分发控制策略集合;
获取所述映射关系中每个分发控制策略的标签信息;所述每个分发控制策略的标签信息是通过在所述策略推全实验平台进行推全实验得到的,所述标签信息包括第一标签或第二标签,所述第一标签用于指示推全分发控制策略,所述第二标签用于指示不推全分发控制策略;
从所述参考分发控制策略集合中删除标签信息为第二标签的分发控制策略,并将标签信息为第一标签的分发控制策略添加至所述参考分发控制策略集合,以得到初始分发控制策略集合。
在一种实现方式中,一个分发控制策略由一个对象规则和一个数据规则生成,对象规则包括一个或多个对象特征;所述处理器801,具体用于:
基于所述目标对象标识从对象画像中确定所述目标对象标识对应的目标对象特征,并确定所述目标对象特征所关联的目标对象规则;
从所述初始分发控制策略集合中查找与所述目标对象规则匹配的目标分发控制策略;
基于所述目标分发控制策略中包含的目标数据规则确定数据查询条件。
在一种实现方式中,一个分发控制策略由一个对象规则对应的对象标签位图和一个数据规则对应的数据标签位图生成;一个对象标签位图用于唯一指示一个对象规则,一个数据标签位图用于唯一指示一个数据规则;所述处理器801,具体用于:
从对象画像中获取所述目标对象标识对应的目标对象标签位图;
从初始分发控制策略集合中查找与所述目标对象标签位图匹配的目标分发控制策略;
基于所述目标分发控制策略中目标数据标签位图所指示的目标数据规则确定数据查询条件。
在一种实现方式中,所述数据查询条件包括目标数据规则;所述处理器801,具体用于:
从数据画像中获取索引池中各个索引对应的数据特征,并基于所述各个索引对应的数据特征确定相应索引的数据规则;
将所述目标数据规则与各个索引的数据规则进行匹配,并将匹配到的数据规则对应的索引作为目标索引;
将所述目标索引对应的数据作为匹配的推荐数据。
在一种实现方式中,所述数据查询条件包括目标数据规则;所述处理器801,具体用于:
从数据画像中确定各个索引对应的数据标签位图;
将各个索引对应的数据标签位图与目标数据标签位图进行匹配,并将匹配到的数据标签位图对应的索引作为目标索引;所述目标数据标签位图为所述目标数据规则对应的数据标签位图;
将所述目标索引对应的数据作为匹配的推荐数据。
可选的,在一些实施例中,该计算机设备可执行步骤S401-S403的部分或全部步骤。例如,所述处理器801调用所述程序指令时用于执行:
获取在策略配置平台上配置的一个或多个对象规则以及与每个对象规则对应的数据规则,并基于所述每个对象规则以及对应数据规则生成多个分发控制策略;一个分发控制策略由一个对象规则以及对应数据规则生成;
调用策略推全实验平台对所述多个分发控制策略分别进行推全实验;一个分发控制策略对应至少一个推全实验,一个推全实验对应一个实验标识;
获取策略配置平台上的分发控制策略与实验标识之间的映射关系,并基于每个分发控制策略的推全实验结果对所述映射关系进行更新;所述分发控制策略用于对对象进行数据推荐。
在一种实现方式中,所述处理器801,具体用于:
将所述策略配置平台上的分发控制策略与实验标识之间的映射关系发送至所述策略推全实验平台,所述映射关系用于所述策略推全实验平台确定所述每个分发控制策略对应的实验标识,并利用所述实验标识所指示的实验对象组对相应分发控制策略进行推全实验。
在一种实现方式中,所述处理器801,具体用于:
针对分发控制策略与实验标识之间的映射关系中的任一分发控制策略,若所述任一分发控制策略的推全实验结果为推全,则将所述任一分发控制策略对应的实验标识更新为映射关系中的所有实验标识;
若所述任一分发控制策略的推全实验结果为不推全,则从所述映射关系中将所述任一分发控制策略与对应的实验标识之间的对应关系进行删除。
在一种实现方式中,所述处理器801,具体用于:
针对分发控制策略与实验标识之间的映射关系中的任一分发控制策略,若所述任一分发控制策略的推全实验结果为推全,则对所述映射关系中的所述任一分发控制策略添加第一标签;所述第一标签可以用于指示所述任一分发控制策略可推全;
若所述任一分发控制策略的推全实验结果为不推全,则对所述映射关系中的所述任一分发控制策略添加第二标签;所述第二标签可以用于指示所述任一分发控制策略不可推全。
在一种实现方式中,所述处理器801,还用于:
从对象画像中确定满足所述对象规则的参考对象,并对所述参考对象进行打标,得到所述参考对象的对象标签位图;所述对象标签位图用于指示所述对象规则;
从数据画像中确定满足所述数据规则的参考数据,并对所述参考数据进行打标,得到所述参考数据的数据标签位图;所述数据标签位图用于指示所述数据规则。
在一种实现方式中,所述处理器801,具体用于:
在所述策略配置平台输出对象交互界面,所述对象交互界面包括用于配置对象规则的第一区域以及用于配置数据规则的第二区域;
获取在所述第一区域设置的对象特征以及对应特征值,并获取在所述第二区域设置的数据特征以及对应特征值;
基于获取到的对象特征以及对应特征值生成对象规则,并基于获取到的数据特征以及对应特征值生成数据规则。
具体实现中,上述所描述的装置、处理器、存储器等可执行上述方法实施例所描述的实现方式,也可执行本申请实施例所描述的实现方式,在此不再赘述。
本申请实施例中还提供一种计算机(可读)存储介质,该计算机存储介质存储有计算机程序,计算机程序包括程序指令,程序指令被处理器执行时,使处理器可执行上述方法实施例中所执行的部分或全部步骤。可选的,该计算机存储介质可以是易失性的,也可以是非易失性的。计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括程序指令,该程序指令被处理器执行时可实现上述数据推荐方法中的部分或全部步骤。可选地,该程序指令可以存储在计算机可读存储介质中,计算机设备如计算机设备的处理器从计算机可读存储介质读取该程序指令,处理器执行该程序指令,使得该计算机设备执行上述提供的数据推荐方法。
本申请还涉及到区块链的相关技术。其中,区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。区块链中包括一系列按照产生的先后时间顺序相互接续的区块(Block),新区块一旦加入到区块链中就不会再被移除,区块中记录了区块链系统中节点提交的记录数据。本申请中,可以将所确定的待识别文本的类别识别结果添加至区块链中进行存储,以保证数据的不可篡改性。
本领域普通技术人员可以意识到,结合本申请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,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申请的范围。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个程序指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程设备。程序指令可以存储在计算机可读存储介质中,或者通过计算机可读存储介质进行传输。
程序指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如,同轴电缆、光纤、数字用户线(DSL))或无线(例如,红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如,固态硬盘(Solid State Disk,SSD))等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (15)
1.一种数据推荐方法,其特征在于,所述方法包括:
获取目标对象标识,并从策略推全实验平台上获取所述目标对象标识对应的实验标识集合;所述实验标识集合中包括一个或多个实验标识;
从策略配置平台上获取分发控制策略与实验标识之间的映射关系,并基于所述映射关系以及所述实验标识集合确定所述目标对象标识对应的初始分发控制策略集合;
从所述初始分发控制策略集合中确定与所述目标对象标识相关联的目标分发控制策略,并基于所述目标分发控制策略确定数据查询条件;
从索引池中查询与所述数据查询条件匹配的推荐数据,并利用所述推荐数据对所述目标对象标识所对应对象进行数据推荐。
2.根据权利要求1所述的方法,其特征在于,一个实验标识用于唯一指示一个实验对象组,实验对象组用于对分发控制策略进行推全实验;所述基于所述映射关系以及所述实验标识集合确定所述目标对象标识对应的初始分发控制策略集合,包括:
基于所述映射关系以及所述实验标识集合确定所述目标对象标识的参考分发控制策略集合;
获取所述映射关系中每个分发控制策略的标签信息;所述每个分发控制策略的标签信息是通过在所述策略推全实验平台进行推全实验得到的,所述标签信息包括第一标签或第二标签,所述第一标签用于指示推全分发控制策略,所述第二标签用于指示不推全分发控制策略;
从所述参考分发控制策略集合中删除标签信息为第二标签的分发控制策略,并将标签信息为第一标签的分发控制策略添加至所述参考分发控制策略集合,以得到初始分发控制策略集合。
3.根据权利要求1所述的方法,其特征在于,一个分发控制策略由一个对象规则和一个数据规则生成,对象规则包括一个或多个对象特征;所述从所述初始分发控制策略集合中确定与所述目标对象标识相关联的目标分发控制策略,并基于所述目标分发控制策略确定数据查询条件,包括:
基于所述目标对象标识从对象画像中确定所述目标对象标识对应的目标对象特征,并确定所述目标对象特征所关联的目标对象规则;
从所述初始分发控制策略集合中查找与所述目标对象规则匹配的目标分发控制策略;
基于所述目标分发控制策略中包含的目标数据规则确定数据查询条件。
4.根据权利要求1所述的方法,其特征在于,一个分发控制策略由一个对象规则对应的对象标签位图和一个数据规则对应的数据标签位图生成;一个对象标签位图用于唯一指示一个对象规则,一个数据标签位图用于唯一指示一个数据规则;所述从所述初始分发控制策略集合中确定与所述目标对象标识相关联的目标分发控制策略,并基于所述目标分发控制策略确定数据查询条件,包括:
从对象画像中获取所述目标对象标识对应的目标对象标签位图;
从初始分发控制策略集合中查找与所述目标对象标签位图匹配的目标分发控制策略;
基于所述目标分发控制策略中目标数据标签位图所指示的目标数据规则确定数据查询条件。
5.根据权利要求1所述的方法,其特征在于,所述数据查询条件包括目标数据规则;所述从索引池中查询与所述数据查询条件匹配的推荐数据,包括:
从数据画像中获取索引池中各个索引对应的数据特征,并基于所述各个索引对应的数据特征确定相应索引的数据规则;
将所述目标数据规则与各个索引的数据规则进行匹配,并将匹配到的数据规则对应的索引作为目标索引;
将所述目标索引对应的数据作为匹配的推荐数据。
6.根据权利要求1所述的方法,其特征在于,所述数据查询条件包括目标数据规则;所述从索引池中查询与所述数据查询条件匹配的推荐数据,包括:
从数据画像中确定各个索引对应的数据标签位图;
将各个索引对应的数据标签位图与目标数据标签位图进行匹配,并将匹配到的数据标签位图对应的索引作为目标索引;所述目标数据标签位图为所述目标数据规则对应的数据标签位图;
将所述目标索引对应的数据作为匹配的推荐数据。
7.一种数据推荐方法,其特征在于,所述方法包括:
获取在策略配置平台上配置的一个或多个对象规则以及与每个对象规则对应的数据规则,并基于所述每个对象规则以及对应数据规则生成多个分发控制策略;一个分发控制策略由一个对象规则以及对应数据规则生成;
调用策略推全实验平台对所述多个分发控制策略分别进行推全实验;一个分发控制策略对应至少一个推全实验,一个推全实验对应一个实验标识;
获取策略配置平台上的分发控制策略与实验标识之间的映射关系,并基于每个分发控制策略的推全实验结果对所述映射关系进行更新;所述分发控制策略用于对对象进行数据推荐。
8.根据权利要求7所述的方法,其特征在于,所述调用策略推全实验平台对所述多个分发控制策略分别进行推全实验,包括:
将所述策略配置平台上的分发控制策略与实验标识之间的映射关系发送至所述策略推全实验平台,所述映射关系用于所述策略推全实验平台确定所述每个分发控制策略对应的实验标识,并利用所述实验标识所指示的实验对象组对相应分发控制策略进行推全实验。
9.根据权利要求7所述的方法,其特征在于,所述基于每个分发控制策略的推全实验结果对所述映射关系进行更新,包括:
针对分发控制策略与实验标识之间的映射关系中的任一分发控制策略,若所述任一分发控制策略的推全实验结果为推全,则将所述任一分发控制策略对应的实验标识更新为映射关系中的所有实验标识;
若所述任一分发控制策略的推全实验结果为不推全,则从所述映射关系中将所述任一分发控制策略与对应的实验标识之间的对应关系进行删除。
10.根据权利要求7所述的方法,其特征在于,所述基于每个分发控制策略的推全实验结果对所述映射关系进行更新,包括:
针对分发控制策略与实验标识之间的映射关系中的任一分发控制策略,若所述任一分发控制策略的推全实验结果为推全,则对所述映射关系中的所述任一分发控制策略添加第一标签;所述第一标签可以用于指示所述任一分发控制策略可推全;
若所述任一分发控制策略的推全实验结果为不推全,则对所述映射关系中的所述任一分发控制策略添加第二标签;所述第二标签可以用于指示所述任一分发控制策略不可推全。
11.根据权利要求7所述的方法,其特征在于,还包括:
从对象画像中确定满足所述对象规则的参考对象,并对所述参考对象进行打标,得到所述参考对象的对象标签位图;所述对象标签位图用于指示所述对象规则;
从数据画像中确定满足所述数据规则的参考数据,并对所述参考数据进行打标,得到所述参考数据的数据标签位图;所述数据标签位图用于指示所述数据规则。
12.根据权利要求7所述的方法,其特征在于,所述获取在策略配置平台上配置的一个或多个对象规则以及与每个对象规则对应的数据规则,包括:
在所述策略配置平台输出对象交互界面,所述对象交互界面包括用于配置对象规则的第一区域以及用于配置数据规则的第二区域;
获取在所述第一区域设置的对象特征以及对应特征值,并获取在所述第二区域设置的数据特征以及对应特征值;
基于获取到的对象特征以及对应特征值生成对象规则,并基于获取到的数据特征以及对应特征值生成数据规则。
13.一种数据推荐装置,其特征在于,包括:
获取单元,用于获取目标对象标识,并从策略推全实验平台上获取所述目标对象标识对应的实验标识集合;所述实验标识集合中包括一个或多个实验标识;
第一确定单元,用于从策略配置平台上获取分发控制策略与实验标识之间的映射关系,并基于所述映射关系以及所述实验标识集合确定所述目标对象标识对应的初始分发控制策略集合;
第二确定单元,用于从所述初始分发控制策略集合中确定与所述目标对象标识相关联的目标分发控制策略,并基于所述目标分发控制策略确定数据查询条件;
推荐单元,用于从索引池中查询与所述数据查询条件匹配的推荐数据,并利用所述推荐数据对所述目标对象标识所对应对象进行数据推荐。
14.一种数据推荐装置,其特征在于,包括:
获取单元,用于获取在策略配置平台上配置的一个或多个对象规则以及与每个对象规则对应的数据规则,并基于所述每个对象规则以及对应数据规则生成多个分发控制策略;一个分发控制策略由一个对象规则以及对应数据规则生成;
实验单元,用于调用策略推全实验平台对所述多个分发控制策略分别进行推全实验;一个分发控制策略对应至少一个推全实验,一个推全实验对应一个实验标识;
更新单元,用于获取策略配置平台上的分发控制策略与实验标识之间的映射关系,并基于每个分发控制策略的推全实验结果对所述映射关系进行更新;所述分发控制策略用于对对象进行数据推荐。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-12任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310147588.2A CN116975429A (zh) | 2023-02-13 | 2023-02-13 | 一种数据推荐方法、装置以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310147588.2A CN116975429A (zh) | 2023-02-13 | 2023-02-13 | 一种数据推荐方法、装置以及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116975429A true CN116975429A (zh) | 2023-10-31 |
Family
ID=88483792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310147588.2A Pending CN116975429A (zh) | 2023-02-13 | 2023-02-13 | 一种数据推荐方法、装置以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116975429A (zh) |
-
2023
- 2023-02-13 CN CN202310147588.2A patent/CN116975429A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111782965B (zh) | 意图推荐方法、装置、设备及存储介质 | |
US20200320646A1 (en) | Interest recommendation method, computer device, and storage medium | |
US20220283883A1 (en) | Distributed processing in a messaging platform | |
US10853124B2 (en) | Managing user data in a multitenant deployment | |
US9691035B1 (en) | Real-time updates to item recommendation models based on matrix factorization | |
US20190005025A1 (en) | Performing semantic graph search | |
US11410087B2 (en) | Dynamic query response with metadata | |
CN111046237B (zh) | 用户行为数据处理方法、装置、电子设备及可读介质 | |
CN105431844A (zh) | 用于搜索系统的第三方搜索应用 | |
US9594812B2 (en) | Interfaces for accessing and managing enhanced connection data for shared resources | |
CN110020162B (zh) | 用户识别方法和装置 | |
CN110716950A (zh) | 一种口径系统建立方法、装置、设备及计算机存储介质 | |
CN108154024B (zh) | 一种数据检索方法、装置及电子设备 | |
US20190236213A1 (en) | Systems, methods, and apparatuses for collaborative filtering in a cloud based computing environment | |
US8825698B1 (en) | Showing prominent users for information retrieval requests | |
CN108416645B (zh) | 一种针对用户的推荐方法、装置、存储介质和设备 | |
US9934068B2 (en) | Data analysis system | |
US9201960B2 (en) | Virtual agent response to customer inquiries | |
US20150358165A1 (en) | Method and arrangement for distributed realisation of token set management and recommendation system with clustering | |
US10771572B1 (en) | Method and system for implementing circle of trust in a social network | |
US20160124959A1 (en) | System and method to recommend a bundle of items based on item/user tagging and co-install graph | |
US20210035167A1 (en) | System and method for recommending digital advertisements and publishers | |
CN116975429A (zh) | 一种数据推荐方法、装置以及介质 | |
US9536199B1 (en) | Recommendations based on device usage | |
CN115017185A (zh) | 一种数据处理方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |