CN117493693A - 一种推荐方法、装置和设备 - Google Patents
一种推荐方法、装置和设备 Download PDFInfo
- Publication number
- CN117493693A CN117493693A CN202311583617.6A CN202311583617A CN117493693A CN 117493693 A CN117493693 A CN 117493693A CN 202311583617 A CN202311583617 A CN 202311583617A CN 117493693 A CN117493693 A CN 117493693A
- Authority
- CN
- China
- Prior art keywords
- recommendation
- strategy
- recommended
- component
- 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 69
- 230000004044 response Effects 0.000 claims abstract description 26
- 238000002474 experimental method Methods 0.000 claims description 56
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004806 packaging method and process Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000011451 sequencing strategy 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
- G06F16/904—Browsing; Visualisation therefor
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)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供一种推荐方法、装置和设备。本申请提供的推荐方法,包括:响应于推荐策略配置请求,展示推荐策略配置界面;其中,所述推荐策略配置界面包括多个预先构建好的推荐服务组件;响应于基于所述推荐策略配置界面执行的配置操作,生成与所述配置操作对应的用于表征推荐策略的有向无环图;其中,所述有向无环图中的节点为基于所述配置操作从所述多个推荐服务组件中选中并配置的目标推荐服务组件,所述有向无环图中的有向边表征为所述目标推荐服务组件配置的执行先后关系;将所述有向无环图作为推荐策略存储于推荐策略库,以基于所述推荐策略库进行推荐。本申请提供的推荐方法、装置和设备,可以快速高效的构建推荐策略。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种推荐方法、装置和设备。
背景技术
在互联网时代,信息数量急剧增长,根据用户的兴趣和行为进行相关内容的推荐,可以提高用户的使用体验。
在各种推荐业务场景中,为了优化推荐算法服务,以更好的为用户进行推荐,通常需要进行大量实验,并且用户需求也越来越灵活多变,一个推荐算法服务参数的改动或新增时,就需要通过硬编码重新编写代码中的条件逻辑,修改周期较长,推荐算法服务迭代速度较慢。
发明内容
有鉴于此,本申请提供一种推荐方法、装置和设备,用以快速高效的构建推荐策略。
具体地,本申请是通过如下技术方案实现的:
本申请第一方面提供一种推荐方法,所述方法包括:
响应于推荐策略配置请求,展示推荐策略配置界面;其中,所述推荐策略配置界面包括多个预先构建好的推荐服务组件;
响应于基于所述推荐策略配置界面执行的配置操作,生成与所述配置操作对应的用于表征推荐策略的有向无环图;其中,所述有向无环图中的节点为基于所述配置操作从所述多个推荐服务组件中选中并配置的目标推荐服务组件,所述有向无环图中的有向边表征为所述目标推荐服务组件配置的执行先后关系;
将所述有向无环图作为推荐策略存储于推荐策略库,以基于所述推荐策略库进行推荐。
本申请第二方面提供一种推荐装置,所述装置包括展示模块、生成模块和处理模块;其中,
所述展示模块,用于响应于推荐策略配置请求,展示推荐策略配置界面;其中,所述推荐策略配置界面包括多个预先构建好的推荐服务组件;
所述生成模块,用于响应于基于所述推荐策略配置界面执行的配置操作,生成与所述配置操作对应的用于表征推荐策略的有向无环图;其中,所述有向无环图中的节点为基于所述配置操作从所述多个推荐服务组件中选中并配置的目标推荐服务组件,所述有向无环图中的有向边表征为所述目标推荐服务组件配置的执行先后关系;
所述处理模块,用于将所述有向无环图作为推荐策略存储于推荐策略库,以基于所述推荐策略库进行推荐。
本申请第三方面提供一种推荐设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现本申请第一方面提供的任一项所述方法的步骤。
本申请第四方面提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本申请第一方面提供的任一项所述方法的步骤。
本申请提供的推荐方法、装置和设备,响应于推荐策略配置请求,通过展示包含多个预先构建好的推荐服务组件的推荐策略配置界面,进而响应于基于推荐策略配置界面执行的配置操作,生成与配置操作对应的用于表征推荐策略的有向无环图;其中,有向无环图中的节点为基于配置操作从多个推荐服务组件中选中并配置的目标推荐服务组件,有向无环图中的有向边表征为目标推荐服务组件配置的执行先后关系,最后将有向无环图作为推荐策略存储于推荐策略库,以基于推荐策略库进行推荐。这样,通过预先构建推荐服务组件,进而在需要配置推荐策略时,基于预先构建好的推荐服务组件,选出并配置目标推荐服务组件,以及目标推荐服务组件执行的先后关系,得到有向无环图,通过有向无环图来表征推荐策略,可以提高开发效率,快速、高效的构建推荐策略。
附图说明
图1为本申请提供的推荐方法实施例一的流程图;
图2为本申请一示例性实施例示出的一种有向无环图的示意图;
图3为本申请提供的推荐方法实施例二的流程图;
图4为本申请一示例性实施例示出的另一种有向无环图的示意图;
图5为本申请一示例性实施例示出的一种在推荐服务组件加入附属操作的示意图;
图6为本申请提供的推荐方法实施例三的流程图;
图7为本申请提供的推荐方法实施例四的流程图;
图8为本申请提供的推荐方法实施例五的流程图;
图9为本申请一示例性实施例示出的一种推荐策略执行层级的示意图;
图10为本申请推荐装置所在推荐设备的一种硬件结构图;
图11为本申请提供的推荐装置实施例一的结构示意图。
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申请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、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请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。
应当理解,尽管在本申请可能采用术语第一、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,在不脱离本申请范围的情况下,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”。
本申请提供一种推荐方法、装置和设备,用以快速高效的构建推荐策略。
本申请提供的推荐方法、装置和设备,响应于推荐策略配置请求,通过展示包含多个预先构建好的推荐服务组件的推荐策略配置界面,进而响应于基于推荐策略配置界面执行的配置操作,生成与配置操作对应的用于表征推荐策略的有向无环图;其中,有向无环图中的节点为基于配置操作从多个推荐服务组件中选中并配置的目标推荐服务组件,有向无环图中的有向边表征为目标推荐服务组件配置的执行先后关系,最后将有向无环图作为推荐策略存储于推荐策略库,以基于推荐策略库进行推荐。这样,通过预先构建推荐服务组件,进而在需要配置推荐策略时,基于预先构建好的推荐服务组件,选出并配置目标推荐服务组件,以及目标推荐服务组件执行的先后关系,得到有向无环图,通过有向无环图来表征推荐策略,可以提高开发效率,快速、高效的构建推荐策略。
下面给出具体的实施例,用以详细介绍本申请的技术方案。
图1为本申请提供的推荐方法实施例一的流程图。请参照图1,本实施例提供的方法,可以包括:
S101、响应于推荐策略配置请求,展示推荐策略配置界面;其中,所述推荐策略配置界面包括多个预先构建好的推荐服务组件。
具体的,推荐策略配置请求用于请求配置推荐策略,配置人员可以在需要配置推荐策略时,触发推荐策略配置请求。
进一步地,本实施例提供的推荐方法,响应于推荐策略配置请求,将推荐策略配置页面展示给配置人员,推荐策略配置界面包括多个预先配置好的推荐服务组件。其中,配置人员可基于推荐服务组件构建推荐策略,进而利用该推荐策略进行推荐。
需要说明的是,推荐主要涉及两方面的内容:召回候选集;对候选集进行排序。因此,本申请提供的方法,提供三个业务接口:召回接口、排序接口、和表示完整推荐过程的推荐接口,通过这三个接口,向配置人员提供相应的配置服务,配置人员可基于这三个业务接口触发推荐策略配置请求,相应的,该推荐策略配置请求可以是仅用于请求配置召回策略的配置请求,也可以是仅用于请求配置排序策略的配置请求,还可以是用于同时请求配置召回策略、以及排序策略的配置请求。换言之,上述三个接口的实现类即是一个策略,每个策略有唯一的标识。即,通过召回接口,可配置召回策略;通过排序接口,可配置排序策略;通过推荐接口,可配置同时包含召回策略、以及排序策略的推荐策略。
需要说明的是,多个预先构建好的推荐服务组件所能实现的功能是根据实际需要设定的,本实施例中,不对预先构建好的多个推荐服务组件所能实现的具体功能进行限定。
例如,在本申请一可能的实现方式中,多个推荐服务组件包括用于将推荐请求解析为推荐逻辑可识别的格式的推荐请求解析组件、用于对推荐逻辑的返回结果进行封装的推荐请求响应组件、以及至少一个以下用于构建推荐逻辑的逻辑组件:用于根据第一指定条件对推荐请求进行区分处理的决策组件、用于召回候选集的召回组件、用于按照第二指定条件对候选集进行拆分的拆分组件、用于按照第三指定条件对候选集进行排序的排序组件、以及用于将多个候选集合并为一个候选集的合并组件。
具体的,决策组件,具体用于根据第一指定条件对推荐请求进行区分处理,以便后续采取不同的方法获取用户可能感兴趣的数据。换言之,决策组件,根据第一指定条件,选择不同的业务流程。其中,第一指定条件的具体内容是根据实际需要设定的,本实施例中,不对第一指定条件的具体内容进行限定。例如,在一种可能的实现方式中,第一指定条件可以是根据用户的性别对推荐请求进行区分处理。再例如,第一指定条件可以是根据用户的年龄对推荐请求进行区分处理。
进一步地,召回组件,可以基于预设的召回条件对用户可能感兴趣的数据进行召回。例如,一实施例中,一召回组件的召回条件为男性用户,此时,该召回组件可以召回男性用户作为召回结果。
进一步地,拆分组件用于按照第二指定条件对候选集进行拆分,以提高召回组件召回数据的效率。第二指定条件的具体内容是根据实际需要设定的,本实施例中,不对第二指定条件的具体内容进行限定。例如,第二指定条件可以是根据性别对候选集进行拆分。再例如,第二指定条件可以是根据地理位置对候选集进行拆分。
进一步地,排序组件可以按照第三指定条件对候选集进行排序,以便提高召回结果的准确性。需要说明的是,第三指定条件的具体内容是根据实际需要设定的,本实施例中,不对第三指定条件的具体内容进行限定。例如,一实施例中,一排序组件的第三指定条件为按照相似度从高到低的顺序对候选集进行排序,此时,该排序组件针对获取到的候选集,可基于候选集中的候选对象与请求用户的相似度,按照相似度从高到低的顺序对候选集进行排序。
需要说明的是,在本申请一可能的实现方式中,除上述所说的推荐服务组件之外,还可以包括用于缓存结果的缓存组件、以及用于限定当前可用计算资源的控制组件等。
S102、响应于基于所述推荐策略配置界面执行的配置操作,生成与所述配置操作对应的用于表征推荐策略的有向无环图;其中,所述有向无环图中的节点为基于所述配置操作从所述多个推荐服务组件中选中并配置的目标推荐服务组件,所述有向无环图中的有向边表征为所述目标推荐服务组件配置的执行先后关系。
具体的,目标推荐服务组件可以是配置人员从推荐策略配置页面中选取的适用于本次推荐策略的推荐服务组件,基于该目标推荐服务组件,可以筛选用户可能感兴趣的数据。
具体实现时,配置人员可以根据推荐策略配置请求从推荐策略配置页面,选取对应的推荐服务组件,将选取的推荐服务组件作为目标推荐服务组件。进一步的,还可以对目标推荐服务组件的相关参数进行配置。
进一步地,选择目标推荐服务组件后,配置人员可进一步为目标推荐服务组件配置执行先后关系,以使得目标推荐服务组件在筛选用户可能感兴趣的信息时,按照一定的执行先后关系进行筛选。需要说明的是,执行先后关系的具体顺序是根据实际需要配置的,本实施例中,不对执行先后关系的具体顺序进行限定。
进一步地,本申请提供的方法,响应于配置操作,生成对应的有向无环图。具体的,有向无环图由一组节点和有向边构成,有向边总是从一个节点指向另一个节点。
需要说明的是,有向无环图中不包含任何环路,以防止沿着有向边无限循环遍历节点,换言之,有向无环图不会从某个节点触发最终回到相同的节点。
图2为本申请一示例性实施例示出的一种有向无环图的示意图。请参照图2,该有向无环图包括多个节点,每个节点用于表示目标推荐服务组件,两个节点间通过有向边进行连接,有向边用于表示目标推荐服务组件配置的执行先后关系。
具体的,参照图2,本实施例提供的有向无环图包含目标推荐服务组件1、目标推荐服务组件2、目标推荐服务组件3,他们的执行先后关系是首先执行目标推荐服务组件1,然后在完成目标推荐服务组件1后执行目标推荐服务组件2,以此类推直至依序执行完所有的目标推荐服务组件。
S103、将所述有向无环图作为推荐策略存储于推荐策略库,以基于所述推荐策略库进行推荐。
具体的,构建完的有向无环图即为一条推荐策略,可以基于其中的节点和有向边进行数据处理,以获取用户可能感兴趣的数据。
需要说明的是,推荐策略库中储存有历史生成的多条推荐策略,在需要进行推荐服务时,可以基于用户需求,从推荐策略库中选取合适的推荐策略进行推荐。
本实施例提供的推荐方法,响应于推荐策略配置请求,通过展示包含多个预先构建好的推荐服务组件的推荐策略配置界面,进而响应于基于推荐策略配置界面执行的配置操作,生成与配置操作对应的用于表征推荐策略的有向无环图;其中,有向无环图中的节点为基于配置操作从多个推荐服务组件中选中并配置的目标推荐服务组件,有向无环图中的有向边表征为目标推荐服务组件配置的执行先后关系,最后将有向无环图作为推荐策略存储于推荐策略库,以基于推荐策略库进行推荐。这样,通过预先构建推荐服务组件,进而在需要配置推荐策略时,基于预先构建好的推荐服务组件,选出并配置目标推荐服务组件,以及目标推荐服务组件执行的先后关系,得到有向无环图,通过有向无环图来表征推荐策略,可以提高开发效率,快速、高效的构建推荐策略。
图3为本申请提供的推荐方法实施例二的流程图。请参照图3,在上述实施例的基础上,所述响应于基于所述推荐策略配置界面执行的配置操作,生成与所述配置操作对应的用于表征推荐策略的有向无环图的步骤,包括:
S301、响应于配置人员基于所述推荐策略配置界面选中并配置目标推荐服务组件的第一配置操作,获取已配置好的目标推荐服务组件。
具体的,第一配置操作即为配置人员基于推荐配置界面选中并配置目标服务组件的操作。例如,一实施例中,需要配置排序策略,配置人员选中推荐配置界面中的排序组件1作为目标推荐服务组件,并将该目标推荐服务组件的参数配置为按照年龄进行排序。
S302、响应于所述配置人员为所述目标推荐服务组件配置连接关系的第二配置操作,确定所述目标推荐服务组件的执行先后关系。
具体的,第二配置操作即为配置人员为目标推荐服务组件配置连接关系的操作。需要说明的是,目标推荐服务组件之间的连接关系是有方向的。例如,一实施例中,需要配置推荐策略,配置人员选中召回组件1进行召回、选中排序组件2进行排序,进而设置召回组件1和排序组件2的连接关系为由召回组件1指向排序组件2,此时,确定目标推荐服务组件为召回组件1和排序组件2,且执行先后关系为先执行召回组件1、后执行排序组件2。
S303、将所述目标推荐服务组件作为节点、所述目标推荐服务组件之间的执行先后关系作为边,生成用于表征推荐策略的有向无环图。
具体的,将目标推荐组件作为节点,目标推荐服务组件之间的执行先后关系作为边,即可生成表征推荐策略的有向无环图。
例如,一实施例中,要配置一个如下推荐策略:向男性用户按照2:1的比例推荐内容1和内容3,总共推荐30条内容,推荐结果按照数据创建时间排序;向女性用户按照1:1的比例推荐内容1和内容2,总共推荐20条内容,推荐结果按照数据的点击量排序。此时,由于要对男性用户和女性用户进行区分处理,即需要对推荐请求进行区分处理,因此,先选中一个决策组件,并将该决策组件的第一指定条件配置为按照性别对推荐请求进行区分处理,性别为男性时,执行业务流程1,性别为女性时,执行业务流程2。
进一步的,配置业务流程1和业务流程2。具体实现时,针对业务流程1,可以选择用于召回内容1的召回组件1和用于召回内容3的召回组件3进行召回,进而再配置一个合并组件1,以使得该合并组件按照2:1的比例将召回组件1召回的候选集和召回组件3召回的候选集合并为一个候选集,最后,再配置一个排序组件1,以利用该排序组件1将合并后的候选集按照数据创建时间进行排序。
类似的,针对业务流程2,可以选择用于召回推荐内容1的召回组件1和用于召回内容2的召回组件2进行召回,进而再配置一个合并组件2,以使得该合并组件按照1:1的比例将召回组件1召回的候选集和召回组件2召回的候选集合并为一个候选集,最后,再配置一个排序组件2,以利用该排序组件2将合并后的候选集按照数据的点击量进行排序。
结合上面的例子,本例中,构建好的有向无环图如图4所示(图4为本申请一示例性实施例示出的另一种有向无环图的示意图)。图4中各个推荐服务组件的具体功能参见前面的介绍,此处不再赘述。
本实施例提供的推荐方法,响应于配置人员基于推荐策略配置界面选中并配置目标推荐服务组件的第一配置操作,获取已配置好的目标推荐服务组件,并响应于配置人员为目标推荐服务组件配置连接关系的第二配置操作,确定目标推荐服务组件的执行先后关系,进而将目标推荐服务组件作为节点、目标推荐服务组件之间的执行先后关系作为边,生成用于表征推荐策略的有向无环图。这样,通过有向无环图表征目标推荐服务组件,以及目标推荐服务之间的连接关系,可以体现复杂的目标推荐服务组件以及它们之间的连接关系,便于对数据进行召回,提高了召回的精准度和效率。
需要说明的是,本实施例提供的方法,在配置推荐策略时,还可以加入附属操作。例如,图5为本申请一示例性实施例示出的一种在推荐策略中加入附属操作的示意图。请参照图5,在配置推荐策略中,可以在推荐策略加入附属操作,来无影响的获取数据。其中,附属操作所能实现的功能是根据实际需要设定的,本实施例中,不对其进行限定。例如,通过附属操作,可以对比推荐服务组件在运算前后的数据,便于配置人员对推荐策略进行调整。
图6为本申请提供的推荐方法实施例三的流程图。请参照图6,在上述实施例的基础上,所述步骤还包括:
S601、响应于用于请求为目标实验配置推荐策略的配置请求,将所述推荐策略库中的多个所述推荐策略展示给配置人员。
具体的,每个目标实验可以配置有多个推荐策略,用于提高推荐的效率,并且基于不同推荐策略可以得到更加准确的候选集。
进一步地,配置请求用于请求为目标实验配置推荐策略。例如,在一可能的实现方式中,在检测到配置请求时,将推荐策略库中的多个推荐策略展示给配置人员,以使配置人员可以基于配置请求为目标实验配置对应的推荐策略,以完成精准的推荐。
S602、响应于配置人员从所述多个推荐策略中选中目标推荐策略的操作,将所述目标推荐策略确定为所述目标实验的推荐策略。
具体的,配置人员选出配置请求匹配的推荐策略后,将这些推荐策略作为目标推荐策略并将其配置在目标实验中。例如,一实施例中,配置人员在推荐策略库中选出的目标推荐策略为推荐策略1、推荐策略2和推荐策略3,将这三个目标推荐策略确定为目标实验的推荐策略,得到目标实验来为用户进行推荐。
本实施例提供的方法,响应于用于请求为目标实验配置推荐策略的配置请求,通过将所述推荐策略库中的多个所述推荐策略展示给配置人员,可使得配置人员基于展示的推荐策略为目标时间配置推荐策略,进而响应于配置人员从所述多个推荐策略中选中目标推荐策略的操作,将所述目标推荐策略确定为所述目标实验的推荐策略。这样,可基于预先构建的推荐策略为目标实验配置推荐策略,进而基于目标实验来进行召回。
图7为本申请提供的推荐方法实施例四的流程图。请参照图7,在上述实施例的基础上,所述推荐方法的步骤还包括:
S701、在接收到推荐请求时,判断预先配置有推荐策略的多个实验中是否存在与所述推荐请求匹配的匹配实验。
具体的,推荐请求是用户通过客户端发起的,推荐请求包含用户的属性信息等。相应的,预先配置有推荐策略的实验设置有进入条件,可根据用户的属性信息和实验的进入条件来判断该推荐请求是否与该实验匹配,例如,一实施例中,推荐请求的发起用户为男性,实验1的进入条件为男性用户,此时,实验1与该推荐请求匹配。
S702、若存在与所述推荐请求匹配的匹配实验,执行所述匹配实验对应的推荐策略。
具体的,在预先配置有推荐策略的多个实验中存在与所述推荐请求匹配的匹配实验时,直接通过该匹配实验为用户进行推荐。例如,一实施例中,与推荐请求匹配的匹配实验为实验c,此时,可直接采用实验c的推荐策略为用户进行推荐。
需要说明的是,在一种可能的实现方式中,若不存在与推荐请求匹配的匹配实验,则可以按照默认的基础召回策略为所述推荐请求召回候选推荐对象。
本实施例提供的推荐方法,在接收到推荐请求时,通过判断预先配置有推荐策略的多个实验中是否存在与推荐请求匹配的匹配实验,进而在存在与推荐请求匹配的匹配实验时,执行匹配实验对应的推荐策略。这样,在存在与推荐请求匹配的匹配实验时,可以直接使用该匹配实验快速完成推荐,可提高召回任务的效率,提高用户的体验。
图8为本申请提供的推荐方法实施例五的流程图。请参照图8,在上述实施例的基础上,所述执行所述匹配实验对应的推荐策略的步骤,包括:
S801、针对所述匹配实验对应的每个推荐策略,解析该推荐策略所包含的各个推荐服务组件的执行层级。
具体的,推荐策略按照执行层级依次执行任务,以完成推荐。图9为本申请一示例性实施例示出的一种推荐策略执行层级的示意图。请参照图9,该推荐策略包括五个执行层级,其中推荐层级1包括一个拆分组件、推荐层级2包括两个召回组件、执行层级3包括两个召回组件、执行层级4包括两个排序组件、执行层级5包括一个合并组件。
S802、根据各个推荐服务组件的执行层级,生成执行计划。
具体的,请继续参照图9,首先通过执行层级1中的拆分组件对推荐任务进行拆分,然后通过执行层级2和执行层级3中的召回组件进行召回,接着通过执行层级4中的排序组件对召回结果进行排序,最后通过执行层级5中的合并组件将排序后的结果合并,得到最终的推荐结果。
例如,在一可能的实现方式中,生成的执行计划可以是:依序执行拆分组件、召回组件1、召回组件2、召回组件3、召回组件4、排序组件1、排序组件2、合并组件。再例如,在另一种可能的实现方式中,可以按照拆分组件、召回组件2、召回组件1、召回组件3、召回组件4、排序组件2、排序组件1、合并组件的顺序进行处理。
需要说明的是,在一可能的实现方式中,执行计划可以是按照执行层级,逐层执行各层级上的推荐服务组件。
结合上面的例子,即先执行第一执行层级上的拆分组件、然后执行第二执行层级上的召回组件1和召回组件2(不限定召回组件1和召回组件2执行上的先后顺序,可以同时执行,也可以不同时执行),接着执行第三执行层级上的召回组件3和召回组件4(不限定召回组件3和召回组件4执行上的先后顺序,可以同时执行,也可以不同时执行),接着执行第四执行层级上的排序组件1和排序组件2(不限定排序组件1和排序组件2执行上的先后顺序,可以同时执行,也可以不同时执行),最后执行第五执行层级上的合并组件。
进一步地,在本申请一可能的实现方式中,在执行每个层级上的推荐服务组件时,可以采用多个线程并行执行该层级上的推荐服务组件。
例如,一实施例中,结合上面的例子,继续参照图6,在第二执行层级上的召回组件1和召回组件2是,可以采用两个线程并行处理,同时执行召回组件1与召回组件2。这样,采用多个线程并行处理推荐任务,可以提高推荐任务处理效率,降低用户等待的时间,提高用户体验。
S703、按照所述执行计划,执行所述匹配实验对应的推荐策略。
具体的,本步骤的具体实施方法可以参见上述实施例中的描述,此处不再赘述。
本实施例提供的推荐方法,首先针对匹配实验对应的每个推荐策略,解析该推荐策略所包含的各个推荐服务组件的执行层级,进而根据各个推荐服务组件的执行层级,生成执行计划,最后按照执行计划,执行匹配实验对应的推荐策略。这样,按照推荐策略中的执行层级处理推荐任务,在基于配置化构造推荐策略的基础上,提升了计算的效率。
与前述一种推荐方法的实施例相对应,本申请还提供了一种推荐装置的实施例。
本申请一种推荐装置的实施例可以应用在推荐设备上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在推荐设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图10所示,为本申请推荐装置所在推荐设备的一种硬件结构图,除了图10所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的推荐设备通常根据该推荐装置的实际功能,还可以包括其他硬件,对此不再赘述。
图11为本申请提供的推荐装置实施例一的结构示意图。请参照图11,本实施例提供的装置,包括展示模块1110、生成模块1120和处理模块1130;其中,
所述展示模块1110,用于响应于推荐策略配置请求,展示推荐策略配置界面;其中,所述推荐策略配置界面包括多个预先构建好的推荐服务组件;
所述生成模块1120,用于响应于基于所述推荐策略配置界面执行的配置操作,生成与所述配置操作对应的用于表征推荐策略的有向无环图;其中,所述有向无环图中的节点为基于所述配置操作从所述多个推荐服务组件中选中并配置的目标推荐服务组件,所述有向无环图中的有向边表征为所述目标推荐服务组件配置的执行先后关系;
所述处理模块1130,用于将所述有向无环图作为推荐策略存储于推荐策略库,以基于所述推荐策略库进行推荐。
本实施例的装置,可用于执行图1所示方法实施例的步骤,具体实现原理和实现过程类似,此处不再赘述。
可选的,所述生成模块1120,具体用于响应于配置人员基于所述推荐策略配置界面选中并配置目标推荐服务组件的第一配置操作,获取已配置好的目标推荐服务组件;
所述生成模块1120,还具体用于响应于所述配置人员为所述目标推荐服务组件配置连接关系的第二配置操作,确定所述目标推荐服务组件的执行先后关系;
所述生成模块1120,还具体用于将所述目标推荐服务组件作为节点、所述目标推荐服务组件之间的执行先后关系作为边,生成用于表征推荐策略的有向无环图。
可选的,所述多个推荐服务组件包括用于将推荐请求解析为推荐逻辑可识别的格式的推荐请求解析组件、用于对推荐逻辑的返回结果进行封装的推荐请求响应组件、以及至少一个以下用于构建推荐逻辑的逻辑组件:用于根据第一指定条件对推荐请求进行区分处理的决策组件、用于召回候选集的召回组件、用于按照第二指定条件对候选集进行拆分的拆分组件、用于按照第三指定条件对候选集进行排序的排序组件、以及用于将多个候选集合并为一个候选集的合并组件。
可选的,所述处理模块1130,还用于响应于用于请求为目标实验配置推荐策略的配置请求,将所述推荐策略库中的多个所述推荐策略展示给配置人员,并响应于配置人员从所述多个推荐策略中选中目标推荐策略的操作,将所述目标推荐策略确定为所述目标实验的推荐策略。
可选的,所述处理模块1130,还用于在接收到推荐请求时,判断预先配置有推荐策略的多个实验中是否存在与所述推荐请求匹配的匹配实验,并在预先配置有推荐策略的多个实验中存在与所述推荐请求匹配的匹配实验时,执行所述匹配实验对应的推荐策略。
可选的,所述处理模块1130,还用于针对所述匹配实验对应的每个推荐策略,解析该推荐策略所包含的各个推荐服务组件的执行层级,并根据各个推荐服务组件的执行层级,生成执行计划,以及按照所述执行计划,执行所述匹配实验对应的推荐策略。
可选的,所述处理模块1130,还用于在执行每个层级上的推荐服务组件时,采用多个线程并行执行该层级上的推荐服务组件。
请继续参照图10,本申请还提供一种推荐设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现本申请第一方面提供的任一项所述方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本申请提供的任一项所述方法的步骤。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (10)
1.一种推荐方法,其特征在于,所述方法包括:
响应于推荐策略配置请求,展示推荐策略配置界面;其中,所述推荐策略配置界面包括多个预先构建好的推荐服务组件;
响应于基于所述推荐策略配置界面执行的配置操作,生成与所述配置操作对应的用于表征推荐策略的有向无环图;其中,所述有向无环图中的节点为基于所述配置操作从所述多个推荐服务组件中选中并配置的目标推荐服务组件,所述有向无环图中的有向边表征为所述目标推荐服务组件配置的执行先后关系;
将所述有向无环图作为推荐策略存储于推荐策略库,以基于所述推荐策略库进行推荐。
2.根据权利要求1所述的方法,其特征在于,所述响应于基于所述推荐策略配置界面执行的配置操作,生成与所述配置操作对应的用于表征推荐策略的有向无环图,包括:
响应于配置人员基于所述推荐策略配置界面选中并配置目标推荐服务组件的第一配置操作,获取已配置好的目标推荐服务组件;
响应于所述配置人员为所述目标推荐服务组件配置连接关系的第二配置操作,确定所述目标推荐服务组件的执行先后关系;
将所述目标推荐服务组件作为节点、所述目标推荐服务组件之间的执行先后关系作为边,生成用于表征推荐策略的有向无环图。
3.根据权利要求1所述的方法,其特征在于,所述多个推荐服务组件包括用于将推荐请求解析为推荐逻辑可识别的格式的推荐请求解析组件、用于对推荐逻辑的返回结果进行封装的推荐请求响应组件、以及至少一个以下用于构建推荐逻辑的逻辑组件:用于根据第一指定条件对推荐请求进行区分处理的决策组件、用于召回候选集的召回组件、用于按照第二指定条件对候选集进行拆分的拆分组件、用于按照第三指定条件对候选集进行排序的排序组件、以及用于将多个候选集合并为一个候选集的合并组件。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于用于请求为目标实验配置推荐策略的配置请求,将所述推荐策略库中的多个所述推荐策略展示给配置人员;
响应于配置人员从所述多个推荐策略中选中目标推荐策略的操作,将所述目标推荐策略确定为所述目标实验的推荐策略。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
在接收到推荐请求时,判断预先配置有推荐策略的多个实验中是否存在与所述推荐请求匹配的匹配实验;
若是,执行所述匹配实验对应的推荐策略。
6.根据权利要求5所述方法,其特征在于,所述执行所述匹配实验对应的推荐策略,包括:
针对所述匹配实验对应的每个推荐策略,解析该推荐策略所包含的各个推荐服务组件的执行层级;
根据各个推荐服务组件的执行层级,生成执行计划;
按照所述执行计划,执行所述匹配实验对应的推荐策略。
7.根据权利要求6所述的方法,其特征在于,所述执行计划为按照执行层级,逐层执行各层级上的推荐服务组件;所述方法还包括:
在执行每个层级上的推荐服务组件时,采用多个线程并行执行该层级上的推荐服务组件。
8.一种推荐装置,其特征在于,所述装置包括展示模块、生成模块和处理模块;其中,
所述展示模块,用于响应于推荐策略配置请求,展示推荐策略配置界面;其中,所述推荐策略配置界面包括多个预先构建好的推荐服务组件;
所述生成模块,用于响应于基于所述推荐策略配置界面执行的配置操作,生成与所述配置操作对应的用于表征推荐策略的有向无环图;其中,所述有向无环图中的节点为基于所述配置操作从所述多个推荐服务组件中选中并配置的目标推荐服务组件,所述有向无环图中的有向边表征为所述目标推荐服务组件配置的执行先后关系;
所述处理模块,用于将所述有向无环图作为推荐策略存储于推荐策略库,以基于所述推荐策略库进行推荐。
9.一种推荐设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311583617.6A CN117493693A (zh) | 2023-11-24 | 2023-11-24 | 一种推荐方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311583617.6A CN117493693A (zh) | 2023-11-24 | 2023-11-24 | 一种推荐方法、装置和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117493693A true CN117493693A (zh) | 2024-02-02 |
Family
ID=89672608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311583617.6A Pending CN117493693A (zh) | 2023-11-24 | 2023-11-24 | 一种推荐方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117493693A (zh) |
-
2023
- 2023-11-24 CN CN202311583617.6A patent/CN117493693A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241415B (zh) | 项目推荐方法、装置、计算机设备及存储介质 | |
US9619283B2 (en) | Function-based action sequence derivation for personal assistant system | |
US7962529B1 (en) | Scalable user clustering based on set similarity | |
CN110909182B (zh) | 多媒体资源搜索方法、装置、计算机设备及存储介质 | |
CN108090208A (zh) | 融合数据处理方法及装置 | |
US10949000B2 (en) | Sticker recommendation method and apparatus | |
US8001001B2 (en) | System and method using sampling for allocating web page placements in online publishing of content | |
US9910821B2 (en) | Data processing method, distributed processing system, and program | |
CN110992124B (zh) | 房源的推荐方法及房源的推荐系统 | |
US10263908B1 (en) | Performance management for query processing | |
CN110580189A (zh) | 生成前端页面的方法、装置、计算机设备以及存储介质 | |
US10996944B2 (en) | Automated software selection using matrix factorization | |
WO2019174379A1 (zh) | 操作路径导航 | |
CN111159563A (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
CN114221991B (zh) | 基于大数据的会话推荐反馈处理方法及深度学习服务系统 | |
US20210357553A1 (en) | Apparatus and method for option data object performance prediction and modeling | |
US11080249B2 (en) | Establishing industry ground truth | |
US20150154493A1 (en) | Techniques for utilizing and adapting a prediction model | |
US20110276866A1 (en) | Method of multi-document aggregation and presentation | |
US20180061258A1 (en) | Data driven feature discovery | |
US11182833B2 (en) | Estimating annual cost reduction when pricing information technology (IT) service deals | |
CN115061663B (zh) | 基于客户需求的微服务划分方法、装置、电子设备及介质 | |
CN117493693A (zh) | 一种推荐方法、装置和设备 | |
KR101765292B1 (ko) | 목적 기반의 데이터 분석도구 제공 장치 및 방법 | |
CN113849745A (zh) | 一种对象推荐方法、装置、设备及存储介质 |
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 |