CN117150121A - 资源推荐方法、装置及计算机程序产品 - Google Patents
资源推荐方法、装置及计算机程序产品 Download PDFInfo
- Publication number
- CN117150121A CN117150121A CN202311014764.1A CN202311014764A CN117150121A CN 117150121 A CN117150121 A CN 117150121A CN 202311014764 A CN202311014764 A CN 202311014764A CN 117150121 A CN117150121 A CN 117150121A
- Authority
- CN
- China
- Prior art keywords
- hot spot
- recall
- information
- resource
- spot information
- 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 71
- 238000004590 computer program Methods 0.000 title claims description 16
- 239000013598 vector Substances 0.000 claims description 26
- 230000003993 interaction Effects 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 7
- 235000019633 pungent taste Nutrition 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 118
- 230000008569 process Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000002596 correlated effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012549 training Methods 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
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
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
本公开提供了一种资源推荐方法、装置、电子设备、存储介质及程序产品,涉及计算机技术领域,具体为信息流推荐技术领域,可应用于信息流推荐场景下。具体实现方案为:获取满足时效性要求的多个热点信息;根据多个热点信息和用户对多个热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度,其中,召回额度用于表征基于热点信息召回的资源的额度;根据多个热点信息各自对应的召回额度,召回目标资源;向用户推荐目标资源。本公开在保证召回资源的时效性的基础上,提高了召回资源的丰富度,避免了召回资源之间相似度较高的问题,提升了用户的体验度。
Description
技术领域
本公开涉及计算机技术领域,具体为信息流推荐技术领域,尤其涉及一种资源推荐方法、装置、电子设备、存储介质以及计算机程序产品,可应用于信息流推荐场景下。
背景技术
新热资源挖掘与探索技术是为了解决当前信息流产品中,新热资源渗透过低,用户对于推荐资源老旧感较强、体验不佳的问题。内容平台若要维持用户的“新鲜感”,就需要挖掘符合用户需求的新热资源。
发明内容
本公开提供了一种资源推荐方法、装置、电子设备、存储介质以及计算机程序产品。
根据第一方面,提供了一种资源推荐方法,包括:获取满足时效性要求的多个热点信息;根据多个热点信息和用户对多个热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度,其中,召回额度用于表征基于热点信息召回的资源的额度;根据多个热点信息各自对应的召回额度,召回目标资源;向用户推荐目标资源。
根据第二方面,提供了一种资源推荐装置,包括:获取单元,被配置成获取满足时效性要求的多个热点信息;确定单元,被配置成根据多个热点信息和用户对多个热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度,其中,召回额度用于表征基于热点信息召回的资源的额度;召回单元,被配置成根据多个热点信息各自对应的召回额度,召回目标资源;推荐单元,被配置成向用户推荐目标资源。
根据第三方面,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如第一方面任一实现方式描述的方法。
根据第四方面,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任一实现方式描述的方法。
根据第五方面,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如第一方面任一实现方式描述的方法。
根据本公开的技术,提供了一种资源推荐方法,根据具有时效性的多个热点信息和用户对多个热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度,以通过各热点信息对应的召回额度召回并向用户推荐目标资源,在保证基于时效性热点召回的目标资源的时效性的同时,通过各时效性热点对应的召回额度提高了召回资源的丰富度,避免了召回资源之间相似度较高的问题,提升了用户的体验度。
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是根据本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的资源推荐方法的一个实施例的流程图;
图3是根据本实施例的资源推荐方法的应用场景的示意图;
图4是根据本公开的资源推荐方法的又一个实施例的流程图;
图5是根据本公开的资源推荐装置的一个实施例的结构图;
图6是适于用来实现本公开实施例的计算机系统的结构示意图。
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。
本公开的技术方案中,所涉及的用户个人信息的收集、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。
图1示出了可以应用本公开的资源推荐方法及装置的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。终端设备101、102、103之间通信连接构成拓扑网络,网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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。
终端设备101、102、103可以是支持网络连接从而进行数据交互和数据处理的硬件设备或软件。当终端设备101、102、103为硬件时,其可以是支持网络连接,信息获取、交互、显示、处理等功能的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的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105可以是提供各种服务的服务器,例如,接收终端设备101、102、103的资源推荐请求,根据满足时效性要求的多个热点信息和用户对多个热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度,以根据热点信息对应的召回额度召回目标资源的后台处理服务器。可选的,后台处理服务器可以将目标资源发送至终端设备101、102、103,以向用户推荐目标资源。作为示例,服务器105可以是云端服务器。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,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的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
还需要说明的是,本公开的实施例所提供的资源推荐方法可以由服务器执行,也可以由终端设备执行,还可以由服务器和终端设备彼此配合执行。相应地,资源推荐装置包括的各个部分(例如各个单元)可以全部设置于服务器中,也可以全部设置于终端设备中,还可以分别设置于服务器和终端设备中。
应该理解,图1中的终端设备、网络和服务器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、网络和服务器。当资源推荐方法运行于其上的电子设备不需要与其他电子设备进行数据传输时,该系统架构可以仅包括资源推荐方法运行于其上的电子设备(例如服务器或终端设备)。
请参考图2,图2为本公开实施例提供的一种资源推荐方法的流程图。其中,在流程200中,包括以下步骤:
步骤201,获取满足时效性要求的多个热点信息。
本实施例中,资源推荐方法的执行主体(例如,图1中的终端设备或服务器)可以通过有线网络连接或无线网络连接从远程,或从本地获取满足时效性要求的多个热点信息。
热点信息是指受到广大群众关注的新闻、信息、事件等,这些信息可以是大众喜闻乐见的,也可以是有争议性的。热点信息可以通过各种信息承载方式记载,包括但不限于是文本、语音、图像、视频等信息承载形式。
本实施例中,上述执行主体可以从信息承载平台进行信息采集,以通过自身的数据统计、分析确定出满足时效性要求的多个热点信息。其中,信息承载平台例如可以是新闻平台、短视频平台、长视频平台、论坛等平台获取热点信息。以新闻平台为例,可以将其中的时政要闻作为热点信息;以长视频平台为例,可以将当下热播的电视剧、综艺、电影等作为热点信息。
为了进一步提高热点信息获取的便捷性和效率,上述执行主体可以直接从各平台所统计的热榜信息中确定热点信息。其中,热榜信息例如是百度热榜、微博热搜、知乎热榜等。
时效性要求可以通过热点信息的发生时间与当前时间之间的时间差值表征。例如,当热点信息的发生时间与当前时间之间的时间差值,小于预设时间差阈值时,表征热点信息满足时效性要求。其中,预设时间差阈值可以根据实际情况具体设置,在此不做限定。
为了提高后续信息处理过程的处理效率,上述执行主体可以提取采集到的热点数据中的关键词,得到关键词集合,通过一个关键词集合表征一个热点信息。其中,关键词集合中包括至少一个关键词。
在本实施例的一些可选的实现方式中,上述执行主体可以通过如下方式执行上述步骤201:从多个预设维度,获取满足时效性要求的多个热点信息。
本实现方式中,上述执行主体可以预先设置多个预设维度,例如,多个预设维度可以是娱乐热点、竞品热点、时鲜热点等多个维度。对于每个预设维度,上述执行主体可以获取该维度下满足时效性要求的至少一个热点信息;组合多个预设维度各自对应的热点信息,得到多个热点信息。
本实现方式中,多个热点信息分属于不同的预设维度,提高了热点信息的丰富度,有助于进一步提高通过后续步骤基于热点信息召回的目标资源的丰富度。
步骤202,根据多个热点信息和用户对多个热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度。
本实施例中,上述执行主体可以根据多个热点信息和用户对多个热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度。其中,召回额度用于表征基于热点信息召回的资源的额度。
召回额度可以通过额度数值或额度比例的方式表征。以额度数值为例,多个热点信息各自对应的召回额度可以是一个数量值,表征基于该召回额度对应的热点信息可以召回对应数量的资源。该示例下,多个热点信息对应的总召回额度可以是确定的,也可以是不确定的。以额度比例为例,各热点信息各自对应的召回额度可以是一个比例值,表征基于该召回额度对应的热点信息可以召回对应比例的资源。该示例中,多个热点信息所能召回的资源的数量(总召回数量)一般是确定的,对于每个热点信息,将该热点信息对应的额度比例与总召回数量相乘,得到该热点信息对应的召回数量。
作为示例,上述执行主体可以遵循召回额度与热点信息的热度呈正相关的第一原则,召回额度与用户对热点信息的兴趣信息呈正相关的第二原则,确定多个热点信息中的每个热点信息对应的召回额度。
作为又一示例,对于每个热点信息,上述执行主体可以融合该热点信息的热度和用户对热点信息的兴趣信息,得到融合后信息;遵循召回额度与融合后信息呈正相关的第三原则,确定多个热点信息中的每个热点信息对应的召回额度。
本实施例中,用户对多个热点信息的兴趣信息,用于表征用户对热点信息的感兴趣程度。作为示例,上述执行主体可以通过预训练的兴趣确定模型,将热点信息作为输入,生成用户对热点信息的兴趣信息。其中,兴趣确定模型可以采用机器学习方法训练神经网络得到,用于表征热点信息与用户对热点信息的兴趣信息之间的对应关系。
作为又一示例,上述执行主体可以通过统计分析用户对于历史资源的操作信息(例如,浏览、点赞、分享),生成表征用户对于历史资源的兴趣向量;对于每个热点信息,生成表征热点信息的特征的热点向量;计算兴趣向量与热点向量之间的相似度,确定用户对于热点信息的兴趣信息。
在本实施例的一些可选的实现方式中,上述执行主体可以通过如下方式执行上述步骤202:根据多个热点信息中的每个热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对该热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度。
在基于资源推荐方法的推荐过程,上述执行主体可以记录被推荐用户与基于该热点信息所召回的资源之间的互动信息。其中,互动信息例如可以是资源的点击率、播放完成率等信息,可以视为后验信息,通过后验分具体表征。可以理解,对于基于热点信息所召回的资源,当被推荐用户对该资源的互动信息,表征用户对该资源具有更高的互动意愿,可以适当提高该热点信息对应的召回额度。
作为示例,对于每个热点信息,上述执行主体可以融合该热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对热点信息的兴趣信息,得到融合后信息;遵循召回额度与融合后信息呈正相关的第四原则,确定多个热点信息中的每个热点信息对应的召回额度。
作为又一示例,上述执行主体可以通过如下公式确定多个热点信息中的每个热点信息对应的召回额度:
y=hot_score×hit_tag_ratio÷totol_ratio_score×tq
其中,hot_score表征统一化后的热度和后验分;hit_tag_ratio表征热点信息所命中的用户的兴趣标签对应的数值,同一用户不同的兴趣标签对应的数值不同;totol_ratio_score表征命中用户兴趣标签的所有热点信息对应的hot_score×hit_tag_ratio的总和;tq表征总召回额度。
由于多个热点信息可能分属于不同的平台或者不同的热榜。各平台或者各热榜之间的热度分并不统一,上述执行主体可以通过如下公式计算热点信息的统一化热度分:
h_score=base_score×rank_score÷top20_avg_rank_score×r_list
其中,base_score表征不同榜单对应的基础分;rank_score表示热点信息在榜单内的热度分;top20_avg_rank_score表示榜单内热度分排序前20的热度分的平均值;r_list表示榜单对应的预设系数。
后验分可以通过如下公式计算:
p_score=ctr×pow(ln(clk),2)×pow(0.97,t)
其中,ctr表示点击率,clk表示点击数,t表示时间衰减因子。
hot_score由h_score和p_score计算得到。
在一些情形下,用户对热点信息的兴趣信息可能并不明确,上述执行主体可以根据多个热点信息中的每个热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息,确定多个热点信息中的每个热点信息对应的召回额度。
作为示例,上述执行主体可以通过如下公式确定多个热点信息中的每个热点信息对应的召回额度:
x=hot_score/total_score×tq
其中,hot_socre表示统一化后的热度和后验分,totol_score表示所有hot_score的和,tq表示总召回额度。
本实现方式中,结合热点的热度信息、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对该热点信息的兴趣信息,进一步提高了所确定的召回额度的准确度。
在本实施例的一些可选的实现方式中,上述执行主体可以通过如下方式确定热点信息的召回额度:
第一,根据多个热点信息中的每个热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对该热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的初始召回额度。
本实现方式中,上述执行主体可以参照上述实现方式中召回额度的确定方式,确定多个热点信息中的每个热点信息对应的初始召回额度,在此不再赘述。
第二,响应于确定多个热点信息对应的多个初始召回额度中,存在超过预设召回额度阈值的初始召回额度,调整该初始召回额度,得到多个热点信息对应的多个召回额度。
本实现方式中,预设召回额度阈值可以根据实际情况具体设置,在此不做限定。
作为示例,上述执行主体可以将超过预设召回额度阈值的初始召回额度调整为预设召回额度阈值对应的数值大小,得到调整后的召回额度。作为又一示例,上述执行主体可以将超过预设召回额度阈值的初始召回额度乘以一个预设打压系数,得到调整后的召回额度。
本实现方式中,通过预设召回额度阈值判断初始召回额度是否过大,以防止单个热点信息的召回额度过大,该热点信息召回的目标资源在所有的目标资源中占比较大,导致目标资源之间相关度较大的问题,进一步提高了召回资源的丰富度。
步骤203,根据多个热点信息各自对应的召回额度,召回目标资源。
本实施例中,上述执行主体可以根据多个热点信息各自对应的召回额度,召回目标资源。
作为示例,对于多个热点信息中的每个热点信息,上述执行主体可以执行如下操作:首先,在资源库中进行初步筛选,得到与该热点信息相关的初始资源;然后,对筛选出的初始资源进行特征提取,得到初始资源特征;然后,将提取的初始资源特征与该热点信息对应的热点特征进行匹配,从初始资源中确定出与该热点信息更为相关的匹配资源;最后,根据匹配度由大到小的顺序对匹配资源进行排序,从中筛选出排序在前的、召回额度对应的目标资源。
作为又一示例,对于多个热点信息中的每个热点信息,上述执行主体还可以执行如下操作:通过预训练的资源召回模型,以热点信息和召回额度为输入,输出基于该热点信息召回的、召回额度对应的目标资源。其中,资源召回模型可以采用机器学习方法训练神经网络得到,用于表征热点信息、召回额度与目标资源之间的对应关系。
在得到基于每个热点信息召回的目标资源后,上述执行主体整合各热点信息对应的目标资源,并进行资源去重,得到最终的目标资源。
本实施例中,资源可以是任意类型的资源,包括但不限于是文本、语音、图像、视频等资源类型。需要说明的是,热点信息对应的资源类型,与基于热点信息召回的目标资源对应的资源类型可以相同,也可以不同。例如,当热点信息对应的资源类型,与基于热点信息召回的目标资源对应的资源类型相同时,热点信息可以是当前热门的电视剧、综艺、电影等视频,基于热点信息召回的资源可以是短视频;当热点信息对应的资源类型,与基于热点信息召回的目标资源对应的资源类型不同时,热点信息可以是当前热门的新闻要闻等文本,基于热点信息召回的资源可以是短视频。
基于热点信息召回的多个目标资源各自对应的资源类型可以相同,也可以不同,也即,一个资源类型下的热点信息可以召回同一资源类型下的多个目标资源,也可以召回不同的资源类型下的多个目标资源。
为了进一步提高热点信息对应的资源类型与基于热点信息召回的资源的资源类型的相关性,对于每种资源类型,上述执行主体可以设置该资源类型与所有资源类型下的每个资源类型之间的相关性。进而,对于每个热点信息,在基于该热点信息的资源召回过程中,首先确定热点信息对应的资源类型,进而,根据热点信息对应的资源类型与所有资源类型下的每个资源类型之间的相关性,优先召回相关性较大的资源类型下的资源。
在本实施例的一些可选的实现方式中,上述执行主体可以通过如下方式执行上述步骤203:
第一,基于预设过滤规则,从资源库中得到过滤后资源。
其中,预设过滤规则例如包括过滤低质资源的过滤规则、过滤发布时间较为久远的资源的过滤规则、过滤与热点信息所包括的人物对象不同的资源的过滤规则。
资源库可以是多种资源类型一一对应的多个资源库,也可以是融合了多种资源类型的单一资源库。
第二,根据多个热点信息各自对应的召回额度,从过滤后资源中召回目标资源。
本实现方式中,上述执行主体可以参照上述特征匹配方式、基于资源召回模型的召回方式,从过滤后资源中召回目标资源,在此不再赘述。
本实现方式中,在进行资源召回操作之前,基于预设过滤规则对资源库中的资源进行过滤,保证了过滤后资源的质量。
在本实施例的一些可选的实现方式中,上述执行主体可以通过如下方式执行上述第二步骤:通过如下召回方式中的至少一种,根据多个热点信息各自对应的召回额度,从过滤后资源中召回目标资源:
方式一:根据热点信息对应的热点关键词与过滤后资源的结构化标签之间的匹配度,从过滤后资源中召回目标资源。
本方式中,每个热点信息通过一个热点关键词集合表征,热点关键词集合中包括表征热点信息的至少一个关键词。每个过滤后资源通过一个资源关键词集合表征,资源关键词集合中包括表征过滤后资源的至少一个关键词。
上述执行主体可以将热点关键词集合中的关键词与资源关键词集合中的关键词进行匹配,并根据匹配关键词的数量确定热点信息和过滤后资源之间的匹配度。具体的,上述执行主体可以通过如下公式计算热点信息和过滤后资源之间的匹配度:
Match=Match_cnt/len_qword×0.8+Match_cnt/len_tword×0.2
其中,Match_cnt表示相匹配的关键词的数量;len_qword表示热点关键词集合中的关键词数量;len_tword表示资源关键词集合中的关键词数量。
方式二:根据热点信息对应的热点向量与过滤后资源的资源向量之间的相似度,从过滤后资源中召回目标资源。
本方式中,上述执行主体可以基于热点信息对应的热点关键词集合进行提特征提取,得到热点向量;基于过滤后资源对应的资源关键词集合进行提特征提取,得到资源向量;此外,也可以直接对热点信息和过滤后资源进行特征提取,对到对应的热点向量和资源向量。进而,采用余弦相似度、欧几里得距离、曼哈顿距离等方式计算热点向量与资源向量之间的相似度。
具体的,上述执行主体可以通过如下公式计算热点向量与资源向量之间的相似度:
Similarity=COS(avg_title_vec,avg_query_vec)
其中,COS表示余弦相似度,avg_title_vec表示资源关键词集合中的每个关键词对应的向量的均值向量,avg_quert_vec表示热点关键词集合中的每个关键词对应的向量的均值向量。
方式三:基于热点信息,进行话题扩展,从过滤后资源中召回目标资源。
作为示例,上述执行主体可以确定热点信息对应的话题,进行话题扩展后,得到多个扩展话题;然后,从过滤后资源中召回多个扩展话题对应的目标资源。
作为又一示例,上述执行主体可以首先确定与热点信息相似的其他信息;进而结合热点信息和其他信息,得到结合后信息;并对结合后信息进行话题扩展,得到多个扩展话题,从过滤后资源中召回多个扩展话题对应的目标资源。
方式四:从过滤后资源中召回与热点信息对应的垂类相关的目标资源。
作为示例,上述执行主体可以确定过滤后资源的发生时间,保留与热点信息对应的垂类相关的、发布时间距离当前时间较近的目标资源。
本实现方式中,提供了多种资源召回方式,上述执行主体可以采用多种资源召回方式中的至少一种方式执行资源召回操作,进一步提高了所召回的资源的丰富度。
可以理解,当资源库中的资源不需要通过预设过滤规则过滤时,上述执行主体也可以参照上述多种资源召回方式直接从资源库中召回目标资源。
步骤204,向用户推荐目标资源。
本实施例中,上述执行主体可以向用户推荐目标资源。
作为示例,对于所确定的多个目标资源,上述执行主体可以随机将其中的多个资源推送至目标用户对应的终端设备,并通过终端设备显示被推送的目标资源。
作为又一示例,上述执行主体可以根据召回过程中所确定的目标资源与热点信息之间的匹配度的排序信息,优先向用户推送匹配度较大的目标资源。
作为又一示例,在推荐过程中,上述执行主体还可以结合用户对多个热点信息的兴趣信息以及召回过程中所确定的目标资源与热点信息之间的匹配度的排序信息,向用户推送目标资源。例如,按照用户对多个热点信息的感兴趣程度由大到小的顺序排序,得到第一排序信息;对于每个热点信息对应的目标资源,按照目标资源与热点信息之间的匹配度由大到小的第二排序信息确定该热点信息对应的目标资源等级。在推送过程中,按照第一排序信息,将每个热点信息对应的第一等级的目标资源依次推送给用户;然后,按照第一排序信息,将每个热点信息对应的第二等级的目标资源依次推送给用户,直至推送完所有的目标资源,或者用户主动停止推荐操作。
在本实施例的一些可选的实现方式中,上述执行主体可以通过如下方式执行上述步骤204:
第一,根据用户的用户等级、目标资源的类型、召回目标资源的热点信息,确定目标资源的提权系数。其中,提权系数表征目标资源的优先级。
用户等级可以由根据实际推荐情况所预设设置的等级划分规则确定。例如,等级划分规则用于划分用户对所推荐的目标资源的依赖程度,当用户观看所推荐的资源时间越长,表明依赖程度越高。
本实现方式中,上述执行主体可以根据多个热点信息是否命中用户的兴趣点,和用户所处城市的城市等级确定用户等级。具体的,上述执行主体可以通过如下公式计算用户等级:
user_level=sum(top10_cate_q)+city
其中,top10_cate_q表示用户最感兴趣的10(根据实际情况,可以设置其他数值)个垂类中与热点信息对应的垂类的垂类权重;city表示用户所处城市的城市等级。其中,城市等级例如可以基于一线城市、二线城市等方式进行划分。
其中的垂类权重可以通过如下公式计算:
cate_q=(clk×t_weight+sqrt(show×t_weight))×r_cate
其中,clk表示点击数,show表示播放数,t_weight表示时序权重,r_cate表示用户等级相关系数。
提权系数可以通过如下公式计算得到:
factor=(user_level×r_tectype×r_heat×r_issue-1.0)÷r_dis-1.0
其中,user_level表示用户等级,r_tectype表示召回的资源队列类型,r_heat表示热度权重,r_issue表示热点是否为要闻,r_dis表示预设的缩减项。
热度权重r_heat可以通过如下公式计算得到:
r_heat=f((heat-min)/(max-min))
其中,heat表示热度信息的热度,例如是热度分;min是所有热度分中的最小值,max是所有热度分中的最大值。
第二,根据提权系数,向用户推荐目标资源。
本实现方式中,对于每个目标资源,可以确定向用户推荐该目标资源的优先级,以根据所有目标资源的优先级向用户推荐目标资源。
本实现方式中,在向用户推荐目标资源的过程,参照目标资源的提权系数,以确定推荐过程的优先级,进一步提高了用户的体验度。
继续参见图3,图3是根据本实施例的资源推荐方法的应用场景的一个示意图300。在图3的应用场景中,用户301通过终端设备302上的短视频应用在浏览短视频资源。为了向用户提供与当前热点匹配的短视频资源,提供短视频服务的服务器303在接收到用户301的推荐请求后,首先,获取满足时效性要求的多个热点信息3041、3042、3043;根据多个热点信息3041、3042、3043和用户对多个热点信息3041、3042、3043的兴趣信息3051、3052、3053,确定多个热点信息中的每个热点信息对应的召回额度3061、3062、3063,其中,召回额度用于表征基于热点信息召回的资源的额度;然后,根据多个热点信息各自对应的召回额度,召回目标资源;向用户301推荐目标资源。
本实施例中,提供了一种资源推荐方法,根据具有时效性的多个热点信息和用户对多个热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度,以通过各热点信息对应的召回额度召回并向用户推荐目标资源,在保证基于时效性热点召回的目标资源的时效性的同时,通过各时效性热点对应的召回额度提高了召回资源的丰富度,避免了召回资源之间相似度较高的问题,提升了用户的体验度。
在本实施例的一些可选的实现方式中,上述执行主体还可以通过如下方式执行资源的召回过程:响应于确定推荐系统处于冷启阶段,根据用户所属的人群类型对应的预设推荐规则,召回目标资源。
人群类型可以基于不同的划分方式得到,例如,可以基于用户年龄将用户划分为不同年龄段对应的不同人群类型,也可以根据用户的兴趣将用户划分为不同兴趣对应的不同人群类型。
对于不同的人群类型,可以在上述执行主体或者与上述执行主体通信连接的电子设备中设置人群类型与预设推荐规则之间的对应关系;从而,在冷启阶段,确定用户所属的人群类型后,基于对应关系确定出对应的预设推荐规则,以执行预设推荐规则,召回目标资源。
本实现方式中,在推荐系统的冷启阶段,对不同的人群类型设置不同预设推荐规则,以通过该兜底逻辑扩展推荐系统在各类情形下的适用性。
在本实施例的一些可选的实现方式中,上述执行主体还可以通过如下方式执行冷启阶段的召回操作:
首先,确定对于用户与资源之间的互动性的预估指标,并通过预估指标对应的动态指标阈值从资源库中得到筛选后资源;然后,根据用户所属的人群类型对应的预设推荐规则,从筛选后资源中召回目标资源。
其中,用户与资源之间的互动性的预估指标例如可以是预估的点击率、播放率等指标;在确定预估指标后,通过动态指标阈值来保证筛选后资源与用户之间的相关性。
本实现方式中,在基于兜底推荐规则召回目标资源之前,先通过动态指标阈值从资源库中确定出与用户相关的筛选后资源,在扩展推荐系统在各类情形下的适用性的基础上,进一步提高了所推荐的目标资源与用户的适配性。
继续参考图4,示出了根据本公开的资源推荐方法的又一个实施例的示意性流程400。在流程400中,包括以下步骤:
步骤401,从多个预设维度,获取满足时效性要求的多个热点信息。
步骤402,根据多个热点信息中的每个热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对该热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的初始召回额度。
步骤403,响应于确定多个热点信息对应的多个初始召回额度中,存在超过预设召回额度阈值的初始召回额度,调整该初始召回额度,得到多个热点信息对应的多个召回额度。
步骤404,基于预设过滤规则,从资源库中得到过滤后资源。
步骤405,通过如下召回方式中的至少一种,根据多个热点信息各自对应的召回额度,从过滤后资源中召回目标资源:根据热点信息对应的热点关键词与过滤后资源的结构化标签之间的匹配度,从过滤后资源中召回目标资源;根据热点信息对应的热点向量与过滤后资源的资源向量之间的相似度,从过滤后资源中召回目标资源;基于热点信息,进行话题扩展,从过滤后资源中召回目标资源;从过滤后资源中召回与热点信息对应的垂类相关的目标资源。
步骤406,根据用户的用户等级、目标资源的类型、召回目标资源的热点信息,确定目标资源的提权系数。
其中,提权系数表征目标资源的优先级。
步骤407,根据提权系数,向用户推荐目标资源。
从本实施例中可以看出,与图2对应的实施例相比,本实施例中的资源推荐方法的流程400具体说明了热点信息的确定该过程,召回额度的确定过程,提权系数的确定过程以及目标资源的推荐过程,进一步提高了召回资源的丰富度,避免了召回资源之间相似度较高的问题,提升了用户的体验度。
继续参考图5,作为对上述各图所示方法的实现,本公开提供了一种资源推荐装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,资源推荐装置500包括:获取单元501,被配置成获取满足时效性要求的多个热点信息;确定单元502,被配置成根据多个热点信息和用户对多个热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度,其中,召回额度用于表征基于热点信息召回的资源的额度;召回单元503,被配置成根据多个热点信息各自对应的召回额度,召回目标资源;推荐单元504,被配置成向用户推荐目标资源。
在本实施例的一些可选的实现方式中,获取单元501,进一步被配置成:从多个预设维度,获取满足时效性要求的多个热点信息。
在本实施例的一些可选的实现方式中,确定单元502,进一步被配置成:根据多个热点信息中的每个热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对该热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度。
在本实施例的一些可选的实现方式中,确定单元502,进一步被配置成:根据多个热点信息中的每个热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对该热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的初始召回额度;响应于确定多个热点信息对应的多个初始召回额度中,存在超过预设召回额度阈值的初始召回额度,调整该初始召回额度,得到多个热点信息对应的多个召回额度。
在本实施例的一些可选的实现方式中,召回单元503,进一步被配置成:基于预设过滤规则,从资源库中得到过滤后资源;根据多个热点信息各自对应的召回额度,从过滤后资源中召回目标资源。
在本实施例的一些可选的实现方式中,召回单元503,进一步被配置成:通过如下召回方式中的至少一种,根据多个热点信息各自对应的召回额度,从过滤后资源中召回目标资源:根据热点信息对应的热点关键词与过滤后资源的结构化标签之间的匹配度,从过滤后资源中召回目标资源;根据热点信息对应的热点向量与过滤后资源的资源向量之间的相似度,从过滤后资源中召回目标资源;基于热点信息,进行话题扩展,从过滤后资源中召回目标资源;从过滤后资源中召回与热点信息对应的垂类相关的目标资源。
在本实施例的一些可选的实现方式中,推荐单元504,进一步被配置成:根据用户的用户等级、目标资源的类型、召回目标资源的热点信息,确定目标资源的提权系数,其中,提权系数表征目标资源的优先级;根据提权系数,向用户推荐目标资源。
在本实施例的一些可选的实现方式中,上述装置还包括:冷启单元(图中未示出),被配置成:响应于确定推荐系统处于冷启阶段,根据用户所属的人群类型对应的预设推荐规则,召回目标资源。
在本实施例的一些可选的实现方式中,冷启单元(图中未示出),进一步被配置成:确定对于用户与资源之间的互动性的预估指标,并通过预估指标对应的动态指标阈值从资源库中得到筛选后资源;根据用户所属的人群类型对应的预设推荐规则,从筛选后资源中召回目标资源。
本实施例中,提供了一种资源推荐装置,根据具有时效性的多个热点信息和用户对多个热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度,以通过各热点信息对应的召回额度召回并向用户推荐目标资源,在保证基于时效性热点召回的目标资源的时效性的同时,通过各时效性热点对应的召回额度提高了召回资源的丰富度,避免了召回资源之间相似度较高的问题,提升了用户的体验度。
根据本公开的实施例,本公开还提供了一种电子设备,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,该指令被至少一个处理器执行,以使至少一个处理器执行时能够实现上述任意实施例所描述的资源推荐方法。
根据本公开的实施例,本公开还提供了一种可读存储介质,该可读存储介质存储有计算机指令,该计算机指令用于使计算机执行时能够实现上述任意实施例所描述的资源推荐方法。
本公开实施例提供了一种计算机程序产品,该计算机程序在被处理器执行时能够实现上述任意实施例所描述的资源推荐方法。
图6示出了可以用来实施本公开的实施例的示例电子设备600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6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理,例如资源推荐方法。例如,在一些实施例中,资源推荐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608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的资源推荐方法的一个或多个步骤。备选地,在其他实施例中,计算单元601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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大,业务扩展性弱的缺陷;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。
根据本公开实施例的技术方案,提供了一种资源推荐方法,根据具有时效性的多个热点信息和用户对多个热点信息的兴趣信息,确定多个热点信息中的每个热点信息对应的召回额度,以通过各热点信息对应的召回额度召回并向用户推荐目标资源,在保证基于时效性热点召回的目标资源的时效性的同时,通过各时效性热点对应的召回额度提高了召回资源的丰富度,避免了召回资源之间相似度较高的问题,提升了用户的体验度。
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,本发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提供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 (21)
1.一种资源推荐方法,包括:
获取满足时效性要求的多个热点信息;
根据所述多个热点信息和用户对所述多个热点信息的兴趣信息,确定所述多个热点信息中的每个热点信息对应的召回额度,其中,所述召回额度用于表征基于热点信息召回的资源的额度;
根据所述多个热点信息各自对应的召回额度,召回目标资源;
向所述用户推荐所述目标资源。
2.根据权利要求1所述的方法,其中,所述获取满足时效性要求的多个热点信息,包括:
从多个预设维度,获取满足时效性要求的所述多个热点信息。
3.根据权利要求1所述的方法,其中,所述根据所述多个热点信息和用户对所述多个热点信息的兴趣信息,确定所述多个热点信息中的每个热点信息对应的召回额度,包括:
根据所述多个热点信息中的每个热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对该热点信息的兴趣信息,确定所述多个热点信息中的每个热点信息对应的召回额度。
4.根据权利要求3所述的方法,其中,所述根据所述多个热点信息中的每个热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对该热点信息的兴趣信息,确定所述多个热点信息中的每个热点信息对应的召回额度,包括:
根据所述多个热点信息中的每个热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对该热点信息的兴趣信息,确定所述多个热点信息中的每个热点信息对应的初始召回额度;
响应于确定所述多个热点信息对应的多个初始召回额度中,存在超过预设召回额度阈值的初始召回额度,调整该初始召回额度,得到所述多个热点信息对应的多个召回额度。
5.根据权利要求1所述的方法,其中,所述根据所述多个热点信息各自对应的召回额度,召回目标资源,包括:
基于预设过滤规则,从资源库中得到过滤后资源;
根据所述多个热点信息各自对应的召回额度,从所述过滤后资源中召回所述目标资源。
6.根据权利要求1或5所述的方法,其中,所述根据所述多个热点信息各自对应的召回额度,从所述过滤后资源中召回所述目标资源,包括:
通过如下召回方式中的至少一种,根据所述多个热点信息各自对应的召回额度,从所述过滤后资源中召回所述目标资源:
根据所述热点信息对应的热点关键词与所述过滤后资源的结构化标签之间的匹配度,从所述过滤后资源中召回所述目标资源;
根据所述热点信息对应的热点向量与所述过滤后资源的资源向量之间的相似度,从所述过滤后资源中召回所述目标资源;
基于所述热点信息,进行话题扩展,从所述过滤后资源中召回所述目标资源;
从所述过滤后资源中召回与所述热点信息对应的垂类相关的所述目标资源。
7.根据权利要求1所述的方法,其中,所述向所述用户推荐所述目标资源,包括:
根据所述用户的用户等级、所述目标资源的类型、召回所述目标资源的热点信息,确定所述目标资源的提权系数,其中,所述提权系数表征所述目标资源的优先级;
根据所述提权系数,向所述用户推荐所述目标资源。
8.根据权利要求1所述的方法,其中,还包括:
响应于确定推荐系统处于冷启阶段,根据所述用户所属的人群类型对应的预设推荐规则,召回所述目标资源。
9.根据权利要求8所述的方法,其中,所述根据所述用户所属的人群类型对应的预设推荐规则,召回所述目标资源,包括:
确定对于所述用户与资源之间的互动性的预估指标,并通过所述预估指标对应的动态指标阈值从资源库中得到筛选后资源;
根据所述用户所属的人群类型对应的预设推荐规则,从所述筛选后资源中召回所述目标资源。
10.一种资源推荐装置,包括:
获取单元,被配置成获取满足时效性要求的多个热点信息;
确定单元,被配置成根据所述多个热点信息和用户对所述多个热点信息的兴趣信息,确定所述多个热点信息中的每个热点信息对应的召回额度,其中,所述召回额度用于表征基于热点信息召回的资源的额度;
召回单元,被配置成根据所述多个热点信息各自对应的召回额度,召回目标资源;
推荐单元,被配置成向所述用户推荐所述目标资源。
11.根据权利要求10所述的装置,其中,所述获取单元,进一步被配置成:
从多个预设维度,获取满足时效性要求的所述多个热点信息。
12.根据权利要求10所述的装置,其中,所述确定单元,进一步被配置成:
根据所述多个热点信息中的每个热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对该热点信息的兴趣信息,确定所述多个热点信息中的每个热点信息对应的召回额度。
13.根据权利要求12所述的装置,其中,所述确定单元,进一步被配置成:
根据所述多个热点信息中的每个热点信息的热度、被推荐用户与基于该热点信息所召回的资源之间的互动信息以及用户对该热点信息的兴趣信息,确定所述多个热点信息中的每个热点信息对应的初始召回额度;响应于确定所述多个热点信息对应的多个初始召回额度中,存在超过预设召回额度阈值的初始召回额度,调整该初始召回额度,得到所述多个热点信息对应的多个召回额度。
14.根据权利要求10所述的装置,其中,所述召回单元,进一步被配置成:
基于预设过滤规则,从资源库中得到过滤后资源;根据所述多个热点信息各自对应的召回额度,从所述过滤后资源中召回所述目标资源。
15.根据权利要求10或14所述的装置,其中,所述召回单元,进一步被配置成:
通过如下召回方式中的至少一种,根据所述多个热点信息各自对应的召回额度,从所述过滤后资源中召回所述目标资源:
根据所述热点信息对应的热点关键词与所述过滤后资源的结构化标签之间的匹配度,从所述过滤后资源中召回所述目标资源;根据所述热点信息对应的热点向量与所述过滤后资源的资源向量之间的相似度,从所述过滤后资源中召回所述目标资源;基于所述热点信息,进行话题扩展,从所述过滤后资源中召回所述目标资源;从所述过滤后资源中召回与所述热点信息对应的垂类相关的所述目标资源。
16.根据权利要求10所述的装置,其中,所述推荐单元,进一步被配置成:
根据所述用户的用户等级、所述目标资源的类型、召回所述目标资源的热点信息,确定所述目标资源的提权系数,其中,所述提权系数表征所述目标资源的优先级;根据所述提权系数,向所述用户推荐所述目标资源。
17.根据权利要求10所述的装置,其中,还包括:
冷启单元,被配置成:响应于确定推荐系统处于冷启阶段,根据所述用户所属的人群类型对应的预设推荐规则,召回所述目标资源。
18.根据权利要求17所述的装置,其中,所述冷启单元,进一步被配置成:
确定对于所述用户与资源之间的互动性的预估指标,并通过所述预估指标对应的动态指标阈值从资源库中得到筛选后资源;根据所述用户所属的人群类型对应的预设推荐规则,从所述筛选后资源中召回所述目标资源。
19.一种电子设备,其特征在于,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1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法。
21.一种计算机程序产品,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1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311014764.1A CN117150121A (zh) | 2023-08-11 | 2023-08-11 | 资源推荐方法、装置及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311014764.1A CN117150121A (zh) | 2023-08-11 | 2023-08-11 | 资源推荐方法、装置及计算机程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117150121A true CN117150121A (zh) | 2023-12-01 |
Family
ID=88905250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311014764.1A Pending CN117150121A (zh) | 2023-08-11 | 2023-08-11 | 资源推荐方法、装置及计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117150121A (zh) |
-
2023
- 2023-08-11 CN CN202311014764.1A patent/CN117150121A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111143610B (zh) | 一种内容推荐方法、装置、电子设备和存储介质 | |
CN106897428B (zh) | 文本分类特征提取方法、文本分类方法及装置 | |
Qian et al. | Social media based event summarization by user–text–image co-clustering | |
CN112559800B (zh) | 用于处理视频的方法、装置、电子设备、介质和产品 | |
CN112733042B (zh) | 推荐信息的生成方法、相关装置及计算机程序产品 | |
CN112818224B (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
CN107426328B (zh) | 信息推送方法和装置 | |
CN113779381B (zh) | 资源推荐方法、装置、电子设备和存储介质 | |
CN110334356A (zh) | 文章质量的确定方法、文章筛选方法、以及相应的装置 | |
CN108540508B (zh) | 用于推送信息的方法、装置和设备 | |
CN112581162A (zh) | 资讯内容展示方法、装置、存储介质以及终端 | |
CN111324804B (zh) | 搜索关键词推荐模型生成方法、关键词推荐方法与装置 | |
CN112926298B (zh) | 新闻内容识别方法、相关装置及计算机程序产品 | |
CN112541787A (zh) | 广告推荐方法、系统、存储介质及电子设备 | |
CN107562432B (zh) | 信息处理方法及相关产品 | |
US11176209B2 (en) | Dynamically augmenting query to search for content not previously known to the user | |
CN113051481B (zh) | 内容推荐方法、装置、电子设备和介质 | |
CN112905885A (zh) | 向用户推荐资源的方法、装置、设备、介质和程序产品 | |
CN109344327B (zh) | 用于生成信息的方法和装置 | |
CN113365138B (zh) | 内容展示方法、装置、电子设备、存储介质 | |
CN113207014B (zh) | 直播热点确定方法、装置、电子设备以及存储介质 | |
CN117150121A (zh) | 资源推荐方法、装置及计算机程序产品 | |
CN109657129B (zh) | 用于获取信息的方法及装置 | |
CN110147488B (zh) | 页面内容的处理方法、处理装置、计算设备及存储介质 | |
CN111970327A (zh) | 一种基于大数据处理的新闻传播方法及系统 |
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 |