CN117725302A - 数据处理方法、装置、电子设备及介质 - Google Patents

Abstract

本申请实施例公开了数据处理方法、装置、电子设备及介质，可应用于数据处理技术领域。其中方法包括：在检测到针对目标对象对应的多个待推荐资源的资源排序指令时，获取每个待推荐资源的资源关联特征信息，以及每个待推荐资源的初始推荐指数；获取可执行规则代码，可执行规则代码是基于至少一个规则执行逻辑进行代码生成处理所得到的可执行代码；基于每个待推荐资源的资源关联特征信息和每个待推荐资源的初始推荐指数执行可执行规则代码，得到每个待推荐资源的排序推荐指数；基于排序推荐指数对每个待推荐资源进行排序处理，基于排序后的多个待推荐资源确定为目标对象推荐的至少一个目标推荐资源。采用本申请实施例，有助于提升资源推荐的效率。

Description

数据处理方法、装置、电子设备及介质

技术领域

本申请涉及数据处理技术领域，尤其涉及数据处理方法、装置、电子设备介质。

背景技术

在资源推荐场景下，在对一个业务对象所对应的候选资源进行排序的过程中，可以对多个规则依次进行解释执行，然后为该资源分别确定一个相应的权重，进而基于各个权重和业务对象初始的推荐指数得到最终的资源推荐指数。

发明人在实践过程中发现，在确定最终的资源推荐指数时，依次对多个规则进行解释执行，每次对一个规则进行解释执行均需要花费一定时间，另外，每个规则仅用于确定其相应的权重，最终还需花费一定时间基于各个规则所对应的权重再次进行计算，才能得到最终的资源推荐指数，一旦所涉及到的规则的数量较多，则会导致确定资源推荐指数的过程延迟较大，从而降低资源推荐的效率。

发明内容

本申请实施例提供了一种数据处理方法、装置、电子设备及介质，能够基于可执行规则代码确定待推荐资源的排序推荐指数，有助于提升资源推荐的效率。

一方面，本申请实施例公开了一种数据处理方法，所述方法包括：

在检测到针对目标对象所对应的多个待推荐资源的资源排序指令时，获取每个待推荐资源的资源关联特征信息，以及所述每个待推荐资源的初始推荐指数；

获取可执行规则代码，所述可执行规则代码是基于至少一个规则执行逻辑进行代码生成处理所得到的可执行代码；每个规则执行逻辑用于指示基于相应的资源关联特征信息对每个待推荐资源的初始推荐指数进行指数调整；

基于所述每个待推荐资源的资源关联特征信息和所述每个待推荐资源的初始推荐指数执行所述可执行规则代码，得到所述每个待推荐资源的排序推荐指数；

基于所述排序推荐指数对所述每个待推荐资源进行排序处理，得到排序后的多个待推荐资源，并基于排序后的多个待推荐资源确定为所述目标对象推荐的至少一个目标推荐资源。

一方面，本申请实施例公开了一种数据处理装置，所述装置包括：

资源信息获取单元，用于在检测到针对目标对象所对应的多个待推荐资源的资源排序指令时，获取每个待推荐资源的资源关联特征信息，以及所述每个待推荐资源的初始推荐指数；

代码获取单元，用于获取可执行规则代码，所述可执行规则代码是基于至少一个规则执行逻辑进行代码生成处理所得到的可执行代码；每个规则执行逻辑用于指示基于相应的资源关联特征信息对每个待推荐资源的初始推荐指数进行指数调整；

处理单元，用于基于所述每个待推荐资源的资源关联特征信息和所述每个待推荐资源的初始推荐指数执行所述可执行规则代码，得到所述每个待推荐资源的排序推荐指数；

所述处理单元，还用于基于所述排序推荐指数对所述每个待推荐资源进行排序处理，得到排序后的多个待推荐资源，并基于排序后的多个待推荐资源确定为所述目标对象推荐的至少一个目标推荐资源。

一方面，本申请实施例提供了一种电子设备，电子设备包括处理器、存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于执行如下步骤：

在检测到针对目标对象所对应的多个待推荐资源的资源排序指令时，获取每个待推荐资源的资源关联特征信息，以及所述每个待推荐资源的初始推荐指数；

获取可执行规则代码，所述可执行规则代码是基于至少一个规则执行逻辑进行代码生成处理所得到的可执行代码；每个规则执行逻辑用于指示基于相应的资源关联特征信息对每个待推荐资源的初始推荐指数进行指数调整；

基于所述每个待推荐资源的资源关联特征信息和所述每个待推荐资源的初始推荐指数执行所述可执行规则代码，得到所述每个待推荐资源的排序推荐指数；

基于所述排序推荐指数对所述每个待推荐资源进行排序处理，得到排序后的多个待推荐资源，并基于排序后的多个待推荐资源确定为所述目标对象推荐的至少一个目标推荐资源。

一方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序指令，计算机程序指令被处理器执行时，用于执行如下步骤：

在检测到针对目标对象所对应的多个待推荐资源的资源排序指令时，获取每个待推荐资源的资源关联特征信息，以及所述每个待推荐资源的初始推荐指数；

获取可执行规则代码，所述可执行规则代码是基于至少一个规则执行逻辑进行代码生成处理所得到的可执行代码；每个规则执行逻辑用于指示基于相应的资源关联特征信息对每个待推荐资源的初始推荐指数进行指数调整；

基于所述每个待推荐资源的资源关联特征信息和所述每个待推荐资源的初始推荐指数执行所述可执行规则代码，得到所述每个待推荐资源的排序推荐指数；

基于所述排序推荐指数对所述每个待推荐资源进行排序处理，得到排序后的多个待推荐资源，并基于排序后的多个待推荐资源确定为所述目标对象推荐的至少一个目标推荐资源。

一方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令被处理器执行时可实现上述一方面提供的方法。

采用本申请实施例，能够在检测到资源排序指令时，获取对至少一个规则执行逻辑进行代码生成处理所得到的可执行规则代码，然后基于每个待推荐资源的资源关联特征信息和每个待推荐资源的初始推荐指数执行该可执行规则代码，直接得到每个待推荐资源最终的推荐指数(即排序推荐指数)，进而基于排序推荐指数确定最终推荐的目标推荐资源。由此可以运行一次可执行规则代码就可以得到一个待推荐资源的排序推荐指数，减少了确定最终的推荐指数的延迟，提升为多个待推荐资源进行排序的效率，从而有助于提升资源推荐的效率。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例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1是本申请实施例提供的一种数据处理系统的结构示意图；

图2是本申请实施例提供的一种数据处理方法的流程示意图；

图3是本申请实施例提供的一种数据处理过程的流程示意图；

图4是本申请实施例提供的一种数据处理方法的流程示意图；

图5是本申请实施例提供的一种规则代码的生成流程示意图；

图6是本申请实施例提供的一种可执行规则代码的过程的示意图；

图7是本申请实施例提供的一种数据处理装置的结构示意图；

图8是本申请实施例提供的一种电子设备的结构示意图。

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描述。

本申请实施例提供一种数据处理方案，能够在检测到资源排序指令时，获取对至少一个规则执行逻辑进行代码生成处理所得到的可执行规则代码，然后基于每个待推荐资源的资源关联特征信息和每个待推荐资源的初始推荐指数执行该可执行规则代码，直接得到每个待推荐资源最终的推荐指数(即排序推荐指数)，进而基于排序推荐指数确定最终推荐的目标推荐资源。由此可以运行一次可执行规则代码就可以得到一个待推荐资源的排序推荐指数，减少了确定最终的推荐指数的延迟，提升为多个待推荐资源进行排序的效率，从而有助于提升资源推荐的效率。

在一种可能的实施方式中，上述数据处理方案可以应用于数据处理系统中。请参见图1，图1是本申请实施例提供的一种数据处理系统的结构示意图。如图1所示，该数据处理系统可以包括客户端11和服务器12。其中，该客户端11可以运行于终端设备中，该客户端11可以为一些社交资讯类软件、音视频软件、社区电商平台等等，此处不做限制。该服务器12用于为客户端提供服务，服务的内容诸如向客户端提供资源，保存客户端数据等等，例如服务器12可以为业务对象确定推荐资源，然后将推荐资源发送至业务对象所对应的客户端，以便于业务对象可以与所推荐的资源进行互动，如查看所推荐的资源、对推荐的资源进行点赞、收藏等等。该资源可以为音视频资源、音频资源、图文资源等等，此处不做限制。该服务器12可以用于执行上述数据处理方案，即可以基于每个待推荐资源的资源关联特征信息和每个待推荐资源的初始推荐指数执行可执行规则代码，直接得到每个待推荐资源最终的推荐指数(即排序推荐指数)，进而基于排序推荐指数确定最终推荐的目标推荐资源。由此可以运行一次可执行规则代码就可以得到一个待推荐资源的排序推荐指数，减少了确定最终的推荐指数的延迟，有助于提升资源排序的效率。

可以理解的是，客户端11与服务器12之间可以进行数据交互，例如，业务对象在打开客户端11中需要获取推荐资源的页面时，客户端11可以向服务器12发送资源推荐请求，然后服务器在接收到资源推荐请求后，针对该业务对象确定多个待推荐资源以及初始推荐指数，进而服务器12可以通过用于确定最终的推荐指数的可执行规则代码确定每个待推荐资源最终的推荐指数(具体可以基于每个待推荐资源的资源关联特征信息进行确定)，以确定为业务对象进行推荐的资源。服务器12可以将所确定的推荐资源发送至客户端11，以便于客户端11可以对推荐资源进行显示。

需要进行说明的是，本申请所采集的所有对象数据(如上述的资源关联特征信息)都是在对象(如个人、企业、机构等)同意并授权的情况下进行采集的，且相关对象数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如，本申请在收集对象的相关数据之前以及在收集对象的相关数据的过程中，都可以显示提示信息，以提示对象当前正在搜集其相关数据，使得本申请仅仅在获取到对象对该提示信息发出的确认操作后，才开始执行获取对象相关数据的相关步骤，否则(即未获取到对象对该提示信息发出的确认操作)，结束获取对象相关数据的相关步骤，即不获取对象的相关数据。

本申请的技术方案可运用在电子设备中，如上述的服务器12。可选的，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、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。该电子设备可以是终端，或者也可以是用于进行数据处理的其他设备，终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端、飞行器、智能音箱、智能家电等。

可以理解，上述场景仅是作为示例，并不构成对于本申请实施例提供的技术方案的应用场景的限定，本申请的技术方案还可应用于其他场景。例如，本领域普通技术人员可知，随着系统架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

基于上述的描述，本申请实施例提出一种数据处理方法。请参见图2，图2是本申请实施例提供的一种数据处理方法的流程示意图。该方法可以由上述的电子设备执行。该数据处理方法可以包括以下步骤。

S201、在检测到针对目标对象所对应的多个待推荐资源的资源排序指令时，获取每个待推荐资源的资源关联特征信息，以及每个待推荐资源的初始推荐指数。

其中，该资源排序指令可以用于指示对多个待推荐资源进行排序。该待推荐资源可以针对目标对象所确定的待进行推荐资源。该初始推荐指数可以为在确定多个待推荐资源时所确定的每个待推荐资源关联的推荐指数。

资源关联特征信息为与待推荐资源相关联的用于进行排序的资源信息。该资源关联特征信息可以包括多个维度的特征信息。

其中，资源关联特征信息包括以下一项或多项：待推荐资源所对应的标签信息、待推荐资源的发布对象的对象信息、推荐资源的互动信息。

其中，标签信息可以为标识待推荐资源所属类别的信息。例如，该标签信息可以为美食、运动、历史、机械等等类别的标签信息，此处不做限制。该标签信息可以为人工或机器识别进行打标得到的。该标签信息可以包括一级标签、二级标签、三级标签等等多级的标签，此处不做限制。

待推荐资源的发布对象的对象信息，可以包括：发布对象的资源偏好信息、发布对象的基础信息、发布对象的活跃度信息、发布对象是否为新注册对象，等等，此处不做限制。其中，资源偏好信息可以用于指示发布对象所偏好的资源的标签信息。发布对象的基础信息可以为发布对象的年龄、性别等等信息。发布对象的活跃度信息可以为基于发布对象最近一段时间所执行的交互行为进行确定的，如基于发布对象点赞、收藏、评论或发布资源的数量、在线时长等等确定发布对象的活跃度信息。可以理解的是，待推荐资源的发布对象的对象信息都是在发布对象同意并授权的情况下进行采集的，且相关对象数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

待推荐资源的互动信息，可以用于指示待推荐资源与其他业务对象之间的互动情况，如可以包括待推荐资源的点赞量、转发量、收藏量、评论量等等，此处不做限制。

在一个实施例中，获取目标对象所对应的待推荐资源可以包括：获取目标对象所对应的至少一个历史交互资源，确定至少一个历史交互资源的资源特征向量；从客户端所对应的全量资源中确定多个待召回资源，并确定多个待召回资源的资源特征向量；基于多个待召回资源的资源特征向量与每个历史交互资源的资源特征向量之间的特征相似度，确定多个待推荐资源，以及每个待推荐资源的初始推荐指数。其中，该待召回资源可以为客户端所对应的全量资源中的全部或部分资源，如可以为最近一段时间(如3个月内)所发布的资源，最近一段时间有对象进行交互的资源(如10天内有对象进行点赞、评论、收藏等等)的资源，此处不做限制。基于每个待召回资源的资源特征向量与历史交互资源的资源特征向量之间的特征相似度进行确定每个待召回资源对应的初始推荐指数，可以为：针对任一待召回资源，将该任一待召回资源的资源特征向量与每个历史交互资源的资源特征向量之间的特征相似度的平均值(或者加权平均值)，确定为初始推荐指数，或者还可以通过其他方式进行确定，如将与每个历史交互资源的资源特征向量之间的特征相似度中的最大特征相似度作为初始推荐指数，等等，此处不做限制。

S202、获取可执行规则代码，可执行规则代码是基于至少一个规则执行逻辑进行代码生成处理所得到的可执行代码；每个规则执行逻辑用于指示基于相应的资源关联特征信息对每个待推荐资源的初始推荐指数进行指数调整。

其中，可执行规则代码可以为用于确定待推荐资源最终的推荐指数的规则所对应的可执行代码。可执行代码也就是电子设备可以直接执行的二进制代码。

可以理解的是，获取可执行规则代码可以为基于规则引擎获取。该规则引擎可以为用于进行资源排序的组件。可以理解的是，相较于对多个规则依次进行解释执行的规则引擎，本申请实施例所提供的基于可执行规则代码的规则引擎，能够运行一次就直接确定出待推荐资源的最终的推荐指数，大大提升了规则引擎的执行效率。

其中，该可执行规则代码可以是基于至少一个规则执行逻辑进行代码生成处理所得到的。可以理解的是，代码生成处理可以为基于代码生成技术将至少一个规则执行逻辑转换为目标形式的规则代码，并对规则代码进行编码得到可执行规则代码。其中，代码生成技术代码生成(Code Generation)可以是将输入的至少一个规则执行逻辑(也可以称为规则表达式)等现场编译成二进制代码再执行，这种设计和实现的架构相比基于解释执行的规则引擎的方式，运行效率要高得多；尤其是对于规则引擎这种计算密集型、频繁重复使用的计算场景，运用代码生成技术能达到数十倍的性能提升。

可以理解的是，每个规则执行逻辑用于指示基于相应的资源关联特征信息对每个待推荐资源的初始推荐指数进行指数调整。也就是说，一个规则执行逻辑可以用于指示在相应的资源特征信息在满足相应的规则调整条件时，按照相应的指数调整运算规则对初始推荐指数进行指数调整。

其中，任一规则执行逻辑所对应的规则调整条件为以下任一项或多项：待推荐资源所的标签信息所对应的规则调整条件、待推荐资源的发布对象的对象信息所对应的规则调整条件、待推荐资源的发布对象的对象信息与目标对象的对象信息的相似度对应的规则调整条件、待推荐资源的互动信息对应的规则调整条件。

其中，待推荐资源所的标签信息所对应的规则调整条件，可以为待推荐资源为标签信息为目标标签信息，该标签信息集合中可以包括多个标签信息，该目标标签信息为标签信息集合中的任一标签。可以理解的是，针对不同标签信息，对初始推荐指数进行指数调整的指数调整运算规则可以不同，具体可以根据实际需求决定，由此可以提升或降低具有某些标签的资源的初始推荐指数得到最终的推荐指数，以提升或降低某些标签信息所对应的资源被推荐的概率，由此增加资源推荐的灵活性。

其中，待推荐资源的发布对象的对象信息所对应的规则调整条件，可以为待推荐资源的发布对象的活跃度信息大于活跃度阈值，或者待推荐资源的发布对象的活跃度信息小于活跃度阈值。由此可以提升活跃度信息较大的发布对象所发布的资源的最终的推荐指数，或者，降低活跃度信息较小的发布对象所发布的资源的最终的推荐指数，增加活跃度高的对象发布的资源的曝光度。可选的，待推荐资源的发布对象的对象信息所对应的规则调整条件，可以为待推荐资源的发布对象为新注册对象，或者待推荐资源的发布对象不为新注册对象。由此可以提升新注册对象所发布的资源的最终的推荐指数，或者，降低非新注册对象所发布的资源的最终的推荐指数，以提升促进新用户的活跃性。

其中，待推荐资源的发布对象的对象信息与目标对象的对象信息的相似度对应的规则调整条件，可以为确定待推荐资源的发布对象与目标对象相似，或者，待推荐资源的发布对象与目标对象不相似。由此可以提升与目标对象相似的发布对象所发布的资源的最终的推荐指数，或者，降低与目标对象不相似的发布对象所发布的资源的最终的推荐指数，由此可以为目标对象推荐与他相似的对象所发布的资源，有助于资源推荐的准确性。

其中，可选的，确定待推荐资源的发布对象与目标对象是否相似，可以是获取待推荐资源的发布对象的对象信息所对应的对象信息特征向量，与目标对象的对象信息对应的对象信息特征向量之间的相似度，若该相似度大于或等于相似度阈值，则确定发布对象与目标对象相似，若该相似度小于相似度阈值，则确定发布对象与目标对象不相似。该相似度可以基于发布对象的对象信息特征向量和目标对象的对象信息特征向量之间的特征距离(如欧式距离)确定。可选的，确定待推荐资源的发布对象与目标对象是否相似，可以为确定发布对象所属的对象类别与目标对象所属的对象类别是否一致。若该发布对象所属的对象类别与目标对象所属的对象类别一致，则确定待推荐资源的发布对象与目标对象相似，若该发布对象所属的对象类别与目标对象所属的对象不一致，则确定待推荐资源的发布对象与目标对象不相似。该发布对象所属的对象类别和目标对象所属的对象类别可以基于上述的任一种对象信息进行分类，例如，该对象类别可以为基于资源偏好信息所指示的标签信息的类型进行分类得到的，或者，该对象类别可以为基于对象的基础信息进行分类得到的，如可以基于对象的年龄所属的年龄段进行分类，或者，该对象类别可以为基于对象的活跃度信息进行分类得到的，如可以按照活跃度信息所对应的范围划分多个活跃度等级(即多个对象类别)。

其中，待推荐资源的互动信息对应的规则调整条件，可以为待推荐资源的互动信息在目标互动信息范围。该目标互动信息范围可以为预划分的多个互动信息范围中的任一个互动信息范围。由此可以提升热度较高的资源(即互动信息较大的资源)最终的推荐指数，或者降低热度较低的资源最终的推荐指数，以提升热度较高的资源的曝光度；或者，可以提升热度较低的资源(即互动信息较大的资源)最终的推荐指数，或者降低热度较低的资源最终的推荐指数，以避免热度较低的资源始终得不到推荐。

其中，指数调整运算规则包括以下一项或多项：对初始推荐指数增加预设增量数值、对初始推荐指数减少预设减量数值、将初始推荐指数乘以预设数值、对初始推荐指数进行指数运算或者对数运算。

可以理解的是，该预设增量数值可以为预设的用于对初始推荐指数做加法运算的数值，预设减量数值可以为预设的用于对初始推荐指数做减法运算的数值。预设数值可以为预设的用于对初始推荐指数做乘法运算的数值，可以理解的是，该预设数值可以大于1，也可以为小于1的正数。对初始推荐指数进行指数运算表示将多个初始推荐指数相乘，如将2个初始推荐指数相乘，对数运算为指数运算的逆运算。

可以理解的是，一个指数调整运算规则可以包括其中的一项，也可以包括其中的多项。例如，该指数调整运算规则可以为先将初始推荐指数乘以3(即预设数值)，再对乘以3后的初始推荐指数加上3(即预设增量数值)。又如，该指数调整运算规则可以为先对初始推荐指数进行以2为指数的指数运算，再对进行指数运算后的初始推荐指数乘以1.5(即预设数值)。

可以理解的是，由于本申请实施例是通过规则执行代码去确定最终的推荐指数，相较于基于每个规则执行逻辑确定相应的权重，再基于各个规则执行逻辑所对应的权重对初始推荐指数进行加权得到最终的推荐指数的方法，本申请实施例的规则执行逻辑可以采用更丰富的运算规则确定最终的推荐指数，有助于提升确定最终的推荐指数的灵活性。

可以理解的是，一个规则执行逻辑可以对应一个或多个规则调整条件，满足不同规则条件所对应的指数调整运算规则可以不同。例如，一个规则执行逻辑可以包括：在标签信息为标签1时，其对应的指数调整运算规则为：将初始推荐指数加1；在标签信息为标签2时，其对应的指数调整运算规则为：将初始推荐指数减少2；在标签信息为标签3时，其对应的指数调整运算规则为：将初始推荐指数乘以1.2；在标签信息为其他标签信息时，初始推荐指数不变。又如，一个规则执行逻辑可以包括：在发布对象为新注册对象时，将初始推荐指数增加2。

S203、基于每个待推荐资源的资源关联特征信息和每个待推荐资源的初始推荐指数执行可执行规则代码，得到每个待推荐资源的排序推荐指数。

其中，该排序推荐指数可以为用于对多个待推荐资源进行排序的最终的推荐指数。

在一个实施例中，基于每个待推荐资源的资源关联特征信息和每个待推荐资源的初始推荐指数执行可执行规则代码，得到每个待推荐资源的排序推荐指数，可以包括以下步骤：针对多个待推荐资源中的任一待推荐资源，将任一待推荐资源的资源关联特征信息和任一待推荐资源的初始推荐指数作为可执行规则代码的输入参数；基于输入参数执行可执行规则代码，得到任一待推荐资源的排序推荐指数。

其中，该可执行规则代码的输入参数可以包括待推荐资源的初始推荐指数，以及资源关联特征。

可选的，输入参数中的任一待推荐资源的资源关联特征信息包括：第一资源特征信息和第二资源特征信息；至少一个规则执行逻辑包括第一规则执行逻辑和第二规则执行逻辑，第一规则执行逻辑和第二规则执行逻辑为不同规则执行逻辑；第一规则执行逻辑用于指示在第一资源特征信息在满足第一条件时，按照第一指数调整运算规则对初始推荐指数进行指数调整；第二规则执行逻辑用于指示在第二资源特征信息在满足第二条件时，按照第二指数调整运算规则对初始推荐指数进行指数调整；那么，基于输入参数执行可执行规则代码，得到任一待推荐资源的排序推荐指数，包括：若基于可执行规则代码确定任一待推荐资源的第一资源特征信息满足第一条件，且任一待推荐资源的第二资源特征信息满足第二条件，则按照第一指数调整运算规则对任一待推荐资源的初始推荐指数进行调整得到调整后的初始推荐指数，并按照第二指数调整运算规则对调整后的初始推荐指数进行调整，得到任一待推荐资源的排序推荐指数。

可以理解的是，该第一资源特征信息和第二资源特征信息可以为不同信息。第一规则执行逻辑和第二规则执行逻辑为不同的规则执行逻辑。

可以理解的是，第一规则执行逻辑的执行顺序先于第二规则执行逻辑，则在确定排序推荐指数时，先按照第一指数调整运算规则对任一待推荐资源的初始推荐指数进行调整得到调整后的初始推荐指数，然后再按照第二指数调整运算规则对调整后的初始推荐指数进行调整，由此可以直接得到待推荐资源最终的排序推荐指数。

可以理解的是，此处仅以第一资源特征信息和第二资源特征信息作为示例进行描述，实际过程中可以包括更多维度的资源特征信息，此处不对资源特征信息的维度进行限制。此处仅以第一规则执行逻辑和第二规则执行逻辑作为示例进行描述，实际过程中可以包括更多数量的规则执行逻辑，此处不对规则执行逻辑的数量进行限制。

可以理解的是，若基于可执行规则代码确定任一待推荐资源的第一资源特征信息不满足第一条件，但任一待推荐资源的第二资源特征信息满足第二条件，则按照第二指数调整运算规则对初始推荐指数进行调整，得到任一待推荐资源的排序推荐指数。若基于可执行规则代码确定任一待推荐资源的第一资源特征信息满足第一条件，但任一待推荐资源的第二资源特征信息不满足第二条件，则按照第一指数调整运算规则对初始推荐指数进行调整，得到任一待推荐资源的排序推荐指数。

例如，上述至少一个规则执行逻辑包括:规则执行逻辑1和规则执行逻辑2；一个规则执行逻辑可以包括：在标签信息为标签1时，将初始推荐指数加1；在标签信息为标签2时，将初始推荐指数减少2；在标签信息为标签3时，将初始推荐指数乘以1.2；在标签信息为其他标签信息时，初始推荐指数不变。又如，一个规则执行逻辑可以包括：在发布对象为新注册对象时，将初始推荐指数乘以5再加3。若待推荐资源的初始推荐指数为0.8，该待推荐资源的标签信息为标签1，且发布对象为新注册对象，则在执行代码执行规则时，可以确定待推荐资源满足规则执行逻辑1中“标签信息为标签1”的指数调整条件，则可以将初始推荐指数加1，则调整后的初始推荐指数为0.8+1＝1.8，然后可以确定待推荐资源满足规则执行逻辑2中“发布对象为新注册对象”的指数调整条件，则可以将初始推荐指数(即此处调整后的初始推荐指数1.8)增加2，则最终得到的排序推荐指数为1.8*5+3＝12。

S204、基于排序推荐指数对每个待推荐资源进行排序处理，得到排序后的多个待推荐资源，并基于排序后的多个待推荐资源确定为目标对象推荐的至少一个目标推荐资源。

其中，该目标推荐资源可以为用于推荐给目标对象的资源。

可选的，基于排序后的多个待推荐资源确定为目标对象推荐的至少一个目标推荐资源，可以为将排序后的多个待推荐资源中的前N个待推荐资源作为目标推荐资源，N为正整数。

进一步的，再确定至少一个目标推荐资源后，可以获取目标推荐资源的资源数据，并将目标推荐资源的资源数据发送至目标对象对应的客户端，以便于客户端显示目标推荐资源的资源数据。该资源数据可以为目标推荐资源的资源标题、资源封面等信息，还可以包括资源数据中的视频资源或音频资源所对应的资源定位地址信息，等等，此处不做闲置。

此处结合图示，对整个数据处理过程进行阐述，请参见图3，图3是本申请实施例提供的一种数据处理过程的流程示意图。首先，可以获取到多个待推荐资源，如301所包括的待推荐资源1、待推荐资源2、待推荐资源3、...、待推荐资源n等等，此处不对所确定的待推荐资源的数量进行限制。然后可以执行步骤S31：将待推荐资源的资源关联特征信息和初始推荐指数输入至可执行规则代码(即图3中的302所示)。可以理解的是，在执行可执行规则代码时，可以是基于一个待推荐资源的资源关联特征信息和初始推荐指数作为可执行规则代码的输入参数，以基于该输入参数执行可执行规则代码，输出该待推荐资源的所对应的排序推荐指数(步骤S32)。例如，此处以如图3中的301a所示的待推荐资源1进行描述，将待推荐资源1的资源关联特征信息和初始推荐指数作为可执行规则代码的输入参数，从而基于该输入参数执行该可执行规则代码，得到如图3中的303a所示的排序推荐指数1，以此类推，可以得到待推荐资源2所对应的排序推荐指数2、待推荐资源3所对应的排序推荐指数3、....、待推荐资源n所对应的排序推荐指数n，等等，由此可以得到各个待推荐资源的排序推荐指数(如图3中的303所示)，此处不做赘述。进一步的，在确定出各个待推荐资源的排序推荐指数后，基于排序推荐指数对目标推荐资源进行排序(步骤S33)，从而得到至少一个目标推荐资源(如图3中的304所示)。由此可以通过可执行规则代码高效率地确定出各个待推荐资源最终的推荐指数(即排序推荐指数)，进而得到为目标对象推荐的目标推荐资源，大大提升了资源推荐的效率。

基于上述的描述，本申请实施例提出一种数据处理方法。请参见图4，图4是本申请实施例提供的一种数据处理方法的流程示意图。该方法可以由上述的电子设备执行。该数据处理方法可以包括以下步骤。

S401、获取用于表示至少一个规则执行逻辑的初始文本信息，将初始文本信息中的至少一个规则执行逻辑转换为目标形式的规则代码。

其中，该初始文本信息中可以包括人工书写的至少一个规则执行逻辑。该目标形式可以用于指示规则代码所对应的编程语言，该目标形式可以为基于c语言的代码、基于c++语言的代码，此处不做限制，具体由实际需求决定。

可以理解的是，将初始文本信息中的至少一个规则执行逻辑转换为目标形式的规则代码，可以为采用代码生成技术生成的规则代码。可以理解的是，将初始文本信息中的至少一个规则执行逻辑转换为目标形式的规则代码，可以为基于预设的模板生成规则代码，也可以为基于预训练的人工智能模型生成规则代码，此处不做限制。

其中，可以理解的是，在初始文本信息中包括至少一个规则执行逻辑，则生成的规则代码中可以包括每个规则执行逻辑所对应代码段。其中，代码段是指所生成的规则代码中的一段代码，该段代码用于描述相应的规则执行逻辑，则称其为规则执行逻辑所对应的代码段。可以理解的是，所自动生成的规则代码段还可以包括规则执行逻辑所涉及到的参数(如规则执行逻辑所对应的资源关联特征信息所对应的参数，初始推荐指数所对应的参数等等)的初始化信息等等，此处不做限制。

例如，请参见图5，图5是本申请实施例提供的一种规则代码的生成流程示意图。如图5所示。初始文本信息501中可以包括至少一个规则执行逻辑，如可以包括：规则执行逻辑1、规则执行逻辑2、规则执行逻辑3。在将初始文本信息501转换为规则代码502时，可以基于规则执行逻辑1转换得到规则执行逻辑1对应的代码段502a，基于规则执行逻辑2转换得到规则执行逻辑2对应的代码段502b，基于规则执行逻辑3转换得到规则执行逻辑3对应的代码段502c，并且还可以生成规则代码的其他代码段502d，例如该其他代码段502d可以包括各个参数的初始化信息。

S402、对规则代码进行编译处理，得到可执行规则代码。

其中，对规则代码进行编译处理可以为将源代码(即此处的规则代码)转换为计算机系统可以理解并执行的机器码过程，即转换为此处的可执行规则代码。

可以理解的是，在对规则代码进行编译处理时，可以将规则代码转换为编译器(如LLVM)可以理解的中间表示(Intermediate Representation)形式，然后再将中间表示编译为本地机器码。可以理解的是，在将规则代码转换为中间表示后，可以对中间表示进行代码优化处理，从而使得运行代码更短、占用空间更小，且保障代码的正确性。

具体的，对规则代码进行编译处理，得到可执行规则代码，可以包括以下步骤：将规则代码转换至词法空间，基于转换到词法空间的规则代码生成抽象语法树，并基于抽象语法树进行中间表示转换，得到中间表示信息；基于中间表示信息进行代码优化处理，基于代码优化处理后的中间表示信息得到可执行规则代码。

其中，将规则代码转换至词法空间，也就是相当于对规则代码进行词法分析。词法分析也就是将规则代码进行分解，以将规则代码中的符号转换为对应的单词符号(也称token)。例如，可以将规则代码中的“+”转换为“TPLUS”(即一个单词字符)，将规则代码中的“(”转换为“TLPAREN”(即一个单词字符)，等等，此处不做限制。可以理解的是，可以通过词法分析器对规则代码进行词法分析，得到所对应的词法空间信息(也称词法空间文件)。该词法空间信息可以为词法分析的解析结果，如通过flex框架(一种用于词法分析的框架)得到词法空间信息(也称该规则代码所对应的flex文件)。

抽象语法树(Abstract Syntax Tree，简称AST)是对代码规则的语法结构的一种抽象表示，也简称为语法树。基于转换到词法空间的规则代码生成抽象语法树，也就是相当于对转换至词法空间的规则代码进行语法分析，其目的是检查词法分析器输出的单词符号的序列是否是源语言(即规则代码)中的句子，亦即是否符合规则代码所对应的语法规则。可以理解的是，可以通过语法分析器对词法空间信息进行语法分析，得到抽象语法树，所生成的抽象语法树可以通过相应的语法树信息(也称语法分析文件)进行表示。例如，可以采用yacc(一种用于语法分析的框架)或者bison框架(一种用于语法分析的框架)等方式生成抽象语法树(Abstract Syntax Tree)。可以理解的是，所得到抽象语法树的语法树信息中可以包括用于定义抽象语法树的数据结构的信息，还可以包括抽象语法树的语法定义。该用于定义抽象语法树的数据结构的信息，可以包括：语法解析后的语法树的根节点的定义、各种表达式、变量声明、赋值语句的定义，单词符号(即token)的定义(与上述的词法空间信息中的单词符号匹配)、数学运算符优先级定义等等，此处不做限制。抽象语法树的语法定义，可以是基于预设的格式(如基于LLVM编译框架所对应的格式)进行定义。

中间表示信息也就是规则代码所对应的中间表示(IR)。基于抽象语法树进行中间表示转换，可以为利用编译器(如LLVM编译器)进行中间表示转换，得到对应的中间表示信息。可以理解的是，在中间表示信息中的内部符号可以是基于编译器(如LLVM编译框架)所定义的符号表进行确定的。

可以理解的是，基于中间表示进行代码优化处理，可以有多种编译优化技术进行处理，如可以包括：删除多余运算、合并已知量和复写传播、删除无用赋值，等等，此处不做限制。

可以理解是，编译器在对中间表示进行代码优化处理后，可以通过编译器(如LLVM)编译成本地机器码。在内部场景验证结果中。可以理解的是，本申请实施例所最终得到的可执行规则代码可以为进行了代码优化处理所得到的，能够进一步提升可执行规则代码的执行效率，相较于基于解释执行的规则引擎，通过进行了代码优化处理的可执行规则代码确定待推荐资源最终的推荐指数，大大提升处理效率。

例如，此处结合图示，对基于规则代码得到可执行规则代码的过程的进行阐述，请参见图6，图6是本申请实施例提供的一种可执行规则代码的过程的示意图。首先可以将规则代码601转换到词法空间(即步骤S61)，转换到词法空间的规则代码的词法空间信息可以如图6中的602所示，其中可以包括规则代码中的每个字符所转换为的单词字符(token),如可以包括：字符1所对应的单词字符(即token)、字符2所对应的单词字符(即token)、字符k所对应的单词字符(即token)等等，此处不对规则代码中所需转换至词法空间的字符的数量进行限定。进一步的，可以基于转换到词法空间的规则代码，生成抽象语法树(即步骤S62)，如上述的描述，用于表示抽象语法树的语法树信息(如图6中的603所示)中可以包括：定义抽象语法树的数据结构，抽象语法树的语法定义等信息。然后可以执行步骤S63：基于抽象语法树生成中间表示信息(即图6中的604所示)，进而执行步骤S64：基于中间表示信息得到可执行规则代码(即图6中的605所示)。可以理解的是，在得到中间表示信息后，还可以基于对中间表示信息进行代码优化处理，进而可以基于代码优化处理后的中间表示信息得到可执行规则代码，由此提升生成的可执行规则代码的执行效率。

S403、在检测到针对目标对象所对应的多个待推荐资源的资源排序指令时，获取每个待推荐资源的资源关联特征信息，以及每个待推荐资源的初始推荐指数；

S404、获取可执行规则代码，可执行规则代码是基于至少一个规则执行逻辑进行代码生成处理所得到的可执行代码；每个规则执行逻辑用于指示基于每个待推荐资源的初始推荐指数进行指数调整。

S405、基于每个待推荐资源的资源关联特征信息和每个待推荐资源的初始推荐指数执行可执行规则代码，得到每个待推荐资源的排序推荐指数。

S406、基于排序推荐指数对每个待推荐资源进行排序处理，得到排序后的多个待推荐资源，并基于排序后的多个待推荐资源确定为目标对象推荐的至少一个目标推荐资源。

步骤S403-步骤S406可以参照上述步骤S201-S204的相关描述，此处不做赘述。

请参见图7，图7是本申请实施例提供的一种数据处理装置的结构示意图。可选的，该数据处理装置可以设置于上述电子设备中。如图7所示，本实施例中所描述的数据处理装置可以包括：

资源信息获取单元701，用于在检测到针对目标对象所对应的多个待推荐资源的资源排序指令时，获取每个待推荐资源的资源关联特征信息，以及所述每个待推荐资源的初始推荐指数；

代码获取单元702，用于获取可执行规则代码，所述可执行规则代码是基于至少一个规则执行逻辑进行代码生成处理所得到的可执行代码；每个规则执行逻辑用于指示基于相应的资源关联特征信息对每个待推荐资源的初始推荐指数进行指数调整；

处理单元703，用于基于所述每个待推荐资源的资源关联特征信息和所述每个待推荐资源的初始推荐指数执行所述可执行规则代码，得到所述每个待推荐资源的排序推荐指数；

所述处理单元703，还用于基于所述排序推荐指数对所述每个待推荐资源进行排序处理，得到排序后的多个待推荐资源，并基于排序后的多个待推荐资源确定为所述目标对象推荐的至少一个目标推荐资源。

在一种实现方式中，处理单元703，具体用于：

针对所述多个待推荐资源中的任一待推荐资源，将所述任一待推荐资源的资源关联特征信息和所述任一待推荐资源的初始推荐指数作为所述可执行规则代码的输入参数；

基于所述输入参数执行所述可执行规则代码，得到所述任一待推荐资源的排序推荐指数。

在一种实现方式中，所述输入参数中的所述任一待推荐资源的资源关联特征信息包括：第一资源特征信息和第二资源特征信息；所述至少一个规则执行逻辑包括第一规则执行逻辑和第二规则执行逻辑，所述第一规则执行逻辑和所述第二规则执行逻辑为不同规则执行逻辑；所述第一规则执行逻辑用于指示在第一资源特征信息在满足第一条件时，按照第一指数调整运算规则对初始推荐指数进行指数调整；所述第二规则执行逻辑用于指示在第二资源特征信息在满足第二条件时，按照第二指数调整运算规则对初始推荐指数进行指数调整；

处理单元703，具体用于：

若基于所述可执行规则代码确定所述任一待推荐资源的第一资源特征信息满足所述第一条件，且所述任一待推荐资源的第二资源特征信息满足所述第二条件，则按照所述第一指数调整运算规则对所述任一待推荐资源的初始推荐指数进行调整得到调整后的初始推荐指数，并按照所述第二指数调整运算规则对调整后的初始推荐指数进行调整，得到所述任一待推荐资源的排序推荐指数。

在一种实现方式中，处理单元703，还用于：

获取用于表示所述至少一个规则执行逻辑的初始文本信息，将所述初始文本信息中的所述至少一个规则执行逻辑转换为目标形式的规则代码；

对所述规则代码进行编译处理，得到所述可执行规则代码。

在一种实现方式中，处理单元703，具体用于：

将所述规则代码转换至词法空间，基于转换到词法空间的规则代码生成抽象语法树，并基于所述抽象语法树进行中间表示转换，得到中间表示信息；

基于所述中间表示信息进行代码优化处理，基于代码优化处理后的中间表示信息得到所述可执行规则代码。

在一种实现方式中，任一规则执行逻辑用于指示在相应的资源特征信息在满足相应的规则调整条件时，按照相应的指数调整运算规则对初始推荐指数进行指数调整；所述资源关联特征信息包括以下一项或多项：待推荐资源所对应的标签信息、待推荐资源的发布对象的对象信息、所述待推荐资源的互动信息；所述任一规则执行逻辑所对应的规则调整条件为以下任一项或多项：待推荐资源所的标签信息所对应的规则调整条件、待推荐资源的发布对象的对象信息所对应的规则调整条件、待推荐资源的发布对象的对象信息与所述目标对象的对象信息的相似性对应的规则调整条件、待推荐资源的互动信息对应的规则调整条件。

在一种实现方式中，所述指数调整运算规则包括以下一项或多项：对初始推荐指数增加预设增量数值、对初始推荐指数减少预设减量数值、将初始推荐指数乘以预设数值、对初始推荐指数进行指数运算或者对数运算。

请参见图8，图8是本申请实施例提供的一种电子设备的结构示意图。本实施例中所描述的电子设备，包括：处理器801、存储器802。可选的，该电子设备还可包括网络接口或供电模块等结构。上述处理器801、存储器802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。

上述网络接口可以包括输入设备和/或输出设备，例如该输入设备是可以是控制面板、麦克风、接收器等，输出设备可以是显示屏、发送器等，此处不一一列举。

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。其中，所述处理器801调用所述程序指令时用于执行：

在检测到针对目标对象所对应的多个待推荐资源的资源排序指令时，获取每个待推荐资源的资源关联特征信息，以及所述每个待推荐资源的初始推荐指数；

获取可执行规则代码，所述可执行规则代码是基于至少一个规则执行逻辑进行代码生成处理所得到的可执行代码；每个规则执行逻辑用于指示基于相应的资源关联特征信息对每个待推荐资源的初始推荐指数进行指数调整；

基于所述每个待推荐资源的资源关联特征信息和所述每个待推荐资源的初始推荐指数执行所述可执行规则代码，得到所述每个待推荐资源的排序推荐指数；

基于所述排序推荐指数对所述每个待推荐资源进行排序处理，得到排序后的多个待推荐资源，并基于排序后的多个待推荐资源确定为所述目标对象推荐的至少一个目标推荐资源。

在一种实现方式中，处理单元703，具体用于：

针对所述多个待推荐资源中的任一待推荐资源，将所述任一待推荐资源的资源关联特征信息和所述任一待推荐资源的初始推荐指数作为所述可执行规则代码的输入参数；

基于所述输入参数执行所述可执行规则代码，得到所述任一待推荐资源的排序推荐指数。

在一种实现方式中，所述输入参数中的所述任一待推荐资源的资源关联特征信息包括：第一资源特征信息和第二资源特征信息；所述至少一个规则执行逻辑包括第一规则执行逻辑和第二规则执行逻辑，所述第一规则执行逻辑和所述第二规则执行逻辑为不同规则执行逻辑；所述第一规则执行逻辑用于指示在第一资源特征信息在满足第一条件时，按照第一指数调整运算规则对初始推荐指数进行指数调整；所述第二规则执行逻辑用于指示在第二资源特征信息在满足第二条件时，按照第二指数调整运算规则对初始推荐指数进行指数调整；

处理单元703，具体用于：

若基于所述可执行规则代码确定所述任一待推荐资源的第一资源特征信息满足所述第一条件，且所述任一待推荐资源的第二资源特征信息满足所述第二条件，则按照所述第一指数调整运算规则对所述任一待推荐资源的初始推荐指数进行调整得到调整后的初始推荐指数，并按照所述第二指数调整运算规则对调整后的初始推荐指数进行调整，得到所述任一待推荐资源的排序推荐指数。

在一种实现方式中，处理单元703，还用于：

获取用于表示所述至少一个规则执行逻辑的初始文本信息，将所述初始文本信息中的所述至少一个规则执行逻辑转换为目标形式的规则代码；

对所述规则代码进行编译处理，得到所述可执行规则代码。

在一种实现方式中，处理单元703，具体用于：

将所述规则代码转换至词法空间，基于转换到词法空间的规则代码生成抽象语法树，并基于所述抽象语法树进行中间表示转换，得到中间表示信息；

基于所述中间表示信息进行代码优化处理，基于代码优化处理后的中间表示信息得到所述可执行规则代码。

在一种实现方式中，任一规则执行逻辑用于指示在相应的资源特征信息在满足相应的规则调整条件时，按照相应的指数调整运算规则对初始推荐指数进行指数调整；所述资源关联特征信息包括以下一项或多项：待推荐资源所对应的标签信息、待推荐资源的发布对象的对象信息、所述待推荐资源的互动信息；所述任一规则执行逻辑所对应的规则调整条件为以下任一项或多项：待推荐资源所的标签信息所对应的规则调整条件、待推荐资源的发布对象的对象信息所对应的规则调整条件、待推荐资源的发布对象的对象信息与所述目标对象的对象信息的相似性对应的规则调整条件、待推荐资源的互动信息对应的规则调整条件。

在一种实现方式中，所述指数调整运算规则包括以下一项或多项：对初始推荐指数增加预设增量数值、对初始推荐指数减少预设减量数值、将初始推荐指数乘以预设数值、对初始推荐指数进行指数运算或者对数运算。

可选的，该程序指令被处理器执行时还可实现上述实施例中方法的其他步骤，这里不再赘述。

本申请还提供了一种计算机可读存储介质，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上述方法，比如执行上述电子设备执行的方法，此处不赘述。

可选的，本申请涉及的存储介质如计算机可读存储介质可以是非易失性的，也可以是易失性的。

可选的，该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。其中，本申请所指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等。

需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。

本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机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。例如，该计算机指令存储在计算机可读存储介质中。计算机设备(即上述的电子设备)的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法的实施例中所执行的步骤。例如，该计算机设备可以为终端，或者可以为服务器。

以上对本申请实施例所提供的一种数据处理方法、装置、电子设备及介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种数据处理方法，其特征在于，所述方法包括：

在检测到针对目标对象所对应的多个待推荐资源的资源排序指令时，获取每个待推荐资源的资源关联特征信息，以及所述每个待推荐资源的初始推荐指数；

获取可执行规则代码，所述可执行规则代码是基于至少一个规则执行逻辑进行代码生成处理所得到的可执行代码；每个规则执行逻辑用于指示基于相应的资源关联特征信息对每个待推荐资源的初始推荐指数进行指数调整；

基于所述每个待推荐资源的资源关联特征信息和所述每个待推荐资源的初始推荐指数执行所述可执行规则代码，得到所述每个待推荐资源的排序推荐指数；

基于所述排序推荐指数对所述每个待推荐资源进行排序处理，得到排序后的多个待推荐资源，并基于排序后的多个待推荐资源确定为所述目标对象推荐的至少一个目标推荐资源。

2.根据权利要求1所述的方法，其特征在于，所述基于所述每个待推荐资源的资源关联特征信息和所述每个待推荐资源的初始推荐指数执行所述可执行规则代码，得到所述每个待推荐资源的排序推荐指数，包括：

针对所述多个待推荐资源中的任一待推荐资源，将所述任一待推荐资源的资源关联特征信息和所述任一待推荐资源的初始推荐指数作为所述可执行规则代码的输入参数；

基于所述输入参数执行所述可执行规则代码，得到所述任一待推荐资源的排序推荐指数。

3.根据权利要求2所述的方法，其特征在于，所述输入参数中的所述任一待推荐资源的资源关联特征信息包括：第一资源特征信息和第二资源特征信息；所述至少一个规则执行逻辑包括第一规则执行逻辑和第二规则执行逻辑，所述第一规则执行逻辑和所述第二规则执行逻辑为不同规则执行逻辑；所述第一规则执行逻辑用于指示在第一资源特征信息在满足第一条件时，按照第一指数调整运算规则对初始推荐指数进行指数调整；所述第二规则执行逻辑用于指示在第二资源特征信息在满足第二条件时，按照第二指数调整运算规则对初始推荐指数进行指数调整；

所述基于所述输入参数执行所述可执行规则代码，得到所述任一待推荐资源的排序推荐指数，包括：

若基于所述可执行规则代码确定所述任一待推荐资源的第一资源特征信息满足所述第一条件，且所述任一待推荐资源的第二资源特征信息满足所述第二条件，则按照所述第一指数调整运算规则对所述任一待推荐资源的初始推荐指数进行调整得到调整后的初始推荐指数，并按照所述第二指数调整运算规则对调整后的初始推荐指数进行调整，得到所述任一待推荐资源的排序推荐指数。

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：

获取用于表示所述至少一个规则执行逻辑的初始文本信息，将所述初始文本信息中的所述至少一个规则执行逻辑转换为目标形式的规则代码；

对所述规则代码进行编译处理，得到所述可执行规则代码。

5.根据权利要求4所述的方法，其特征在于，所述对所述规则代码进行编译处理，得到所述可执行规则代码，包括：

将所述规则代码转换至词法空间，基于转换到词法空间的规则代码生成抽象语法树，并基于所述抽象语法树进行中间表示转换，得到中间表示信息；

基于所述中间表示信息进行代码优化处理，基于代码优化处理后的中间表示信息得到所述可执行规则代码。

6.根据权利要求1所述的方法，其特征在于，任一规则执行逻辑用于指示在相应的资源特征信息在满足相应的规则调整条件时，按照相应的指数调整运算规则对初始推荐指数进行指数调整；所述资源关联特征信息包括以下一项或多项：待推荐资源所对应的标签信息、待推荐资源的发布对象的对象信息、所述待推荐资源的互动信息；所述任一规则执行逻辑所对应的规则调整条件为以下任一项或多项：待推荐资源所的标签信息所对应的规则调整条件、待推荐资源的发布对象的对象信息所对应的规则调整条件、待推荐资源的发布对象的对象信息与所述目标对象的对象信息的相似性对应的规则调整条件、待推荐资源的互动信息对应的规则调整条件。

7.根据权利要求6所述的方法，其特征在于，所述指数调整运算规则包括以下一项或多项：对初始推荐指数增加预设增量数值、对初始推荐指数减少预设减量数值、将初始推荐指数乘以预设数值、对初始推荐指数进行指数运算或者对数运算。

8.一种数据处理装置，其特征在于，所述装置包括：

资源信息获取单元，用于在检测到针对目标对象所对应的多个待推荐资源的资源排序指令时，获取每个待推荐资源的资源关联特征信息，以及所述每个待推荐资源的初始推荐指数；

代码获取单元，用于获取可执行规则代码，所述可执行规则代码是基于至少一个规则执行逻辑进行代码生成处理所得到的可执行代码；每个规则执行逻辑用于指示基于相应的资源关联特征信息对每个待推荐资源的初始推荐指数进行指数调整；

处理单元，用于基于所述每个待推荐资源的资源关联特征信息和所述每个待推荐资源的初始推荐指数执行所述可执行规则代码，得到所述每个待推荐资源的排序推荐指数；

所述处理单元，还用于基于所述排序推荐指数对所述每个待推荐资源进行排序处理，得到排序后的多个待推荐资源，并基于排序后的多个待推荐资源确定为所述目标对象推荐的至少一个目标推荐资源。

9.一种电子设备，其特征在于，包括处理器、存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-7任一项所述的方法。

10.一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1-7任一项所述的方法。