对象推荐方法、装置、电子设备及存储介质转让专利
申请号 : CN202110889451.5
文献号 : CN113343024B
文献日 : 2021-12-07
发明人 : 刘聪 , 沈璠
申请人 : 北京达佳互联信息技术有限公司
摘要 :
权利要求 :
1.一种对象推荐方法,其特征在于,包括:获取多个待推荐对象以及所述多个待推荐对象各自对应的第一推荐参数信息;所述第一推荐参数信息表征所述待推荐对象的描述信息与所述待推荐对象的内容一致性程度;所述第一推荐参数信息与所述内容一致性程度为负相关的关系;
根据所述第一推荐参数信息,确定所述多个待推荐对象的推荐指标信息;
基于所述推荐指标信息,对所述多个待推荐对象进行推荐处理;
其中,所述第一推荐参数信息是预先通过以下步骤确定的:获取所述待推荐对象的历史反馈内容和历史反馈行为信息;
从所述历史反馈内容中提取至少一个内容分词;
确定所述内容分词在所述历史反馈内容中的重要程度信息;
基于所述至少一个内容分词、所述至少一个内容分词在所述历史反馈内容中的重要程度信息和所述历史反馈行为信息,确定所述多个待推荐对象各自对应的第一推荐参数信息。
2.根据权利要求1所述的对象推荐方法,其特征在于,所述基于所述至少一个内容分词、所述至少一个内容分词在所述历史反馈内容中的重要程度信息和所述历史反馈行为信息,确定所述多个待推荐对象各自对应的第一推荐参数信息步骤包括:将所述至少一个内容分词、所述至少一个内容分词在所述历史反馈内容中的重要程度信息和所述历史反馈行为信息输入推荐参数预测模型,进行推荐参数预测处理,得到所述多个待推荐对象各自对应的第一推荐参数信息。
3.根据权利要求1所述的对象推荐方法,其特征在于,所述方法还包括:获取所述多个待推荐对象各自对应的第二推荐参数信息,所述第二推荐参数信息表征所述多个待推荐对象的预设推荐优先级信息;
所述根据所述第一推荐参数信息,确定所述多个待推荐对象的推荐指标信息步骤包括:
根据所述第一推荐参数信息和所述第二推荐参数信息,确定所述多个待推荐对象的所述推荐指标信息。
4.根据权利要求3所述的对象推荐方法,其特征在于,所述根据所述第一推荐参数信息和所述第二推荐参数信息,确定所述多个待推荐对象的所述推荐指标信息步骤包括:基于所述第二推荐参数信息,确定所述第一推荐参数信息对应的权重信息;
根据所述第二推荐参数信息、所述第一推荐参数信息以及所述对应的权重信息,确定所述多个待推荐对象的所述推荐指标信息。
5.根据权利要求3所述的对象推荐方法,其特征在于,所述根据所述第一推荐参数信息和所述第二推荐参数信息,确定所述多个待推荐对象的所述推荐指标信息包括:获取推荐参数阈值;
从所述多个待推荐对象中获取所述第一推荐参数信息低于所述推荐参数阈值的第一目标对象以及第一推荐参数信息高于或等于所述推荐参数阈值的第二目标对象;
根据所述第二推荐参数信息,确定所述第一目标对象的第一推荐指标信息;
根据所述第一推荐参数信息和所述第二推荐参数信息,确定所述第二目标对象的第二推荐指标信息;
根据所述第一推荐指标信息和所述第二推荐指标信息,确定所述多个待推荐对象的所述推荐指标信息。
6.一种对象推荐装置,其特征在于,包括:第一推荐参数信息获取模块,被配置为执行获取多个待推荐对象以及所述多个待推荐对象各自对应的第一推荐参数信息;所述第一推荐参数信息表征所述待推荐对象的描述信息与所述待推荐对象的内容一致性程度;所述第一推荐参数信息与所述内容一致性程度为负相关的关系;
推荐指标信息确定模块,被配置为执行根据所述第一推荐参数信息,确定所述多个待推荐对象的推荐指标信息;
推荐模块,被配置为执行基于所述推荐指标信息,对所述多个待推荐对象进行推荐处理;
其中,所述装置还包括用于预先确定所述第一推荐参数信息的以下模块:历史反馈获取模块,被配置为执行获取所述待推荐对象的历史反馈内容和历史反馈行为信息;
分词模块,被配置为执行从所述历史反馈内容中提取至少一个内容分词;
重要程度信息确定模块,被配置为执行确定所述内容分词在所述历史反馈内容中的重要程度信息;
推荐参数信息预设模块,被配置为执行基于所述至少一个内容分词、所述至少一个内容分词在所述历史反馈内容中的重要程度信息和所述历史反馈行为信息,确定所述多个待推荐对象各自对应的第一推荐参数信息。
7.根据权利要求6所述的对象推荐装置,其特征在于,所述推荐参数信息预设模块包括:
推荐参数信息预设单元,被配置为执行将所述至少一个内容分词、所述至少一个内容分词在所述历史反馈内容中的重要程度信息和所述历史反馈行为信息输入推荐参数预测模型,进行推荐参数预测处理,得到所述多个待推荐对象各自对应的第一推荐参数信息。
8.根据权利要求6所述的对象推荐装置,其特征在于,所述装置还包括:第二推荐参数信息获取模块,被配置为执行获取所述多个待推荐对象各自对应的第二推荐参数信息,所述第二推荐参数信息表征所述多个待推荐对象的预设推荐优先级信息;
所述推荐指标信息确定模块包括:推荐指标信息确定单元,被配置为执行根据所述第一推荐参数信息和所述第二推荐参数信息,确定所述多个待推荐对象的所述推荐指标信息。
9.根据权利要求8所述的对象推荐装置,其特征在于,所述推荐指标信息确定单元包括:
权重信息确定子单元,被配置为执行基于所述第二推荐参数信息,确定所述第一推荐参数信息对应的权重信息;
推荐指标信息确定子单元,被配置为执行根据所述第二推荐参数信息、所述第一推荐参数信息以及所述对应的权重信息,确定所述多个待推荐对象的所述推荐指标信息。
10.根据权利要求8所述的对象推荐装置,其特征在于,所述推荐指标信息确定单元包括:
推荐参数阈值获取子单元,被配置为执行获取推荐参数阈值;
对象划分子单元,被配置为执行从所述多个待推荐对象中获取所述第一推荐参数信息低于所述推荐参数阈值的第一目标对象以及所述第一推荐参数信息高于或等于所述推荐参数阈值的第二目标对象;
第一推荐指标信息确定子单元,被配置为执行根据所述第二推荐参数信息,确定所述第一目标对象的第一推荐指标信息;
第二推荐指标信息确定子单元,被配置为执行根据所述第一推荐参数信息和所述第二推荐参数信息,确定所述第二目标对象的第二推荐指标信息;
推荐指标信息确定子单元,被配置为还执行根据所述第一推荐指标信息和所述第二推荐指标信息,确定所述多个待推荐对象的所述推荐指标信息。
11.一种电子设备,其特征在于,包括:处理器;
用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现如权利要求1至5中任一项所述的对象推荐方法。
12.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至5中任一项所述的对象推荐方法。
说明书 :
对象推荐方法、装置、电子设备及存储介质
技术领域
背景技术
一致,需对宣传内容进行验证处理,但一方面推荐对象的量级较大,另一方面某些推荐对象
需要深入参与才能确认是否一致,导致服务器处理压力大,推荐效率较低。
发明内容
息、历史反馈内容中至少一个内容关联信息以及所述至少一个内容关联信息在所述历史反
馈内容中的重要程度信息得到的;
前,所述方法还包括:
信息。
荐对象各自对应的第一推荐参数信息步骤包括:
所述多个待推荐对象各自对应的第一推荐参数信息。
是基于所述待推荐对象的历史反馈行为信息、历史反馈内容中至少一个内容关联信息以及
所述至少一个内容关联信息在所述历史反馈内容中的重要程度信息得到的;
个待推荐对象各自对应的第一推荐参数信息。
预测模型,进行推荐参数预测处理,得到所述多个待推荐对象各自对应的第一推荐参数信
息。
息;
推荐参数阈值的第二目标对象;
方面中任一项所述的方法。
例的第一方面中任一所述方法。
法。
于多个待推荐对象的历史反馈行为信息、历史反馈内容中至少一个内容关联信息以及所述
至少一个内容关联信息在所述历史反馈内容中的重要程度信息得到的,既可以提升第一推
荐参数信息的精准度,又可以通过历史反馈信息快速了解待推荐对象的内容,从而可以降
低处理压力,提升效率;另外,可以实现基于推荐指标信息对多个待推荐对象进行差异化推
荐处理,提高对象推荐的灵活性和推荐效果。
附图说明
具体实施方式
的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相
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、本公开的一些方面
相一致的装置和方法的例子。
论、方法、技术及应用系统。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自
然语言处理技术以及机器学习/深度学习等几大方向。
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(Content Delivery Network,内容分发网络)、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。
(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、智能可穿戴设备等类型
的电子设备。可选的,电子设备上运行的操作系统可以包括但不限于安卓系统、IOS系统、
linux、windows等。
括但不限于用户设备信息、用户个人信息、用户行为信息等)和数据(包括但不限于用于展
示的数据、训练的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
视频、图文等,本公开对此不作限定。平台可以是电商平台、多媒体资源平台等。历史反馈内
容可以是指平台中用户对待推荐对象的反馈内容,例如可以包括历史评论信息;在待推荐
对象为视频形式的情况下,历史反馈内容还可以包括历史弹幕信息等。历史评论信息可以
是指平台中用户对待推荐对象进行评论的信息,该历史评论信息可以是文本评论信息。历
史弹幕信息可以是指平台中播放待推荐对象的界面中弹出的信息。待推荐对象的历史反馈
行为信息可以是指平台中用户对待推荐对象的反馈操作信息,例如点赞、不喜欢等反馈操
作信息,比如反馈操作对应的时间信息、次数信息等。
信息进行对象的推荐。基于此,可以获取多个待推荐对象各自的历史反馈内容和历史反馈
行为信息,从而可以基于历史反馈内容和历史反馈行为信息,得到多个待推荐对象各自对
应的第一推荐参数信息。可选地,可以存储多个待推荐对象各自对应的第一推荐参数信息
以便于对象推荐时使用。
信息。在一个示例中,可以基于TFIDF(term frequency–inverse document frequency,词
频‑逆文本频率指数)确定任一内容分词在历史反馈内容中的重要程度信息,例如可以利用
下面公式(1)确定任一内容分词在历史反馈内容中的重要程度信息:
数量; 可以是第j个待推荐对象的历史反馈内容中的全部内容分词的数量;W可以是多个
待推荐对象的历史反馈内容的总数量; 可以是多个待推荐对象的历史反馈内容中包括
该第i个内容分词的历史反馈内容的数量;i和j可以是大于0的整数。
要程序信息高于重要程度阈值的目标内容分词,确定目标内容分词的类型,比如正反馈分
词或负反馈分词;还可以统计历史反馈行为信息中的正反馈行为次数和负反馈行为次数。
进一步地,可以基于正反馈分词的数量、负反馈分词的数量、正反馈行为次数和负反馈行为
次数,确定对应的第一推荐参数信息。在一个示例中,可以预先设置正反馈分词的数量、负
反馈分词的数量、正反馈行为次数以及负反馈行为次数与第一推荐参数信息之间的对应关
系,从而可以基于该对应关系,确定对应的第一推荐参数信息。其中,第一推荐参数信息可
以表征待推荐对象的内容一致性程度,例如,在第一推荐参数信息为数值的情况下,第一推
荐参数信息与内容一致性程度可以为负相关的关系。
的优先级,从而可以提升对象推荐效果。
自对应的第一推荐参数信息。
可以是一个样本对象的样本历史反馈信息,推荐参数标签可以为数值,该数值可以在预设
数值范围内,本公开对预设数值范围不作限定。
分词、多个样本内容分词在样本历史反馈内容中的重要程度信息以及样本历史反馈行为信
息的获取方式,可以参见上述步骤S201 S205,在此不再赘述。
~
习模型,对于稀疏数据具有很好的学习能力,进而可以提高推荐参数预测模型的预测精度。
这里仅仅是一个示例,本公开对预设机器学习模型不作限定。
是钓鱼游戏,用户下载后发现是角色扮演游戏,这样可以认为该游戏广告的描述信息与游
戏的内容不一致,从而可以将该游戏广告的推荐参数标签标注为较高数值。
荐参数预测模型的精准度。
试,获取测试结果,若测试结果满足预设条件,可以确定该推荐参数预测模型的测试为通
过;若测试结果不满足预设条件,可以继续对推荐参数预测模型进行训练至测试结果满足
预设条件。其中,预设条件可以是指预测准确率达到准确率阈值,或者模型评估指标AUC
(area under the curve)大于指标阈值,本公开对此不作限定。
推荐对象的推荐需求。
馈行为信息、历史反馈内容中至少一个内容关联信息以及至少一个内容关联信息在历史反
馈内容中的重要程度信息得到的。这里的历史反馈行为信息、历史反馈内容中至少一个内
容关联信息以及至少一个内容关联信息在历史反馈内容中的重要程度信息可以作为历史
反馈信息。
~
于当前的推荐参数预测模型对平台中的全部对象进行推荐参数预测处理,得到全部对象的
第一推荐参数信息,并可以存储该第一推荐参数信息。这样在对象推荐时,可以从存储的第
一推荐参数信息中,获取多个待推荐对象各自对应的第一推荐参数信息。
排序结果,作为推荐指标信息。
第一推荐参数信息从低到高的顺序,对多个待推荐对象进行排序,得到多个待推荐对象的
排序结果,作为推荐指标信息。这里的推荐指标信息对应的排序越靠前,可以表征待推荐对
象的推荐优先级越高,即被优先推荐。
在推荐时,可以基于该展示时长展示多个待推荐对象。其中,可以将推荐指标信息小于推荐
指标阈值的待推荐对象作为高一致性对象、将推荐指标信息不小于推荐指标阈值的待推荐
对象作为低一致性对象。
于多个待推荐对象的历史反馈行为信息、历史反馈内容中至少一个内容关联信息以及所述
至少一个内容关联信息在所述历史反馈内容中的重要程度信息得到的,既可以提升第一推
荐参数信息的精准度,又可以通过历史反馈信息快速了解待推荐对象的内容,从而可以降
低处理压力,提升效率;另外,可以实现基于推荐指标信息对多个待推荐对象进行差异化推
荐处理,提高对象推荐的灵活性和推荐效果。
先级可以成正相关的关系。作为一个示例,对于广告来说,可以基于广告的投放参数预先设
置对应的第二推荐参数信息,本公开对预先设置的方式不作限定。
值作为推荐指标信息。
象的推荐指标信息为动态的,可以提升推荐的有效性和推荐转化率。
式中,该步骤S403可以包括:
第一推荐参数信息对应的权重信息。例如,第二推荐参数信息的量级较高、第一推荐参数信
息的量级较低,这样可以将权重信息确定为较高值,以使得第一推荐参数信息与权重信息
的乘积可以与第二推荐参数信息在同一个量级。这样可以更有效的体现第一推荐参数信息
对推荐指标信息的影响程度。
标信息P:
标信息,使得推荐指标信息可以更加精准有效。
式中,该步骤S403可以包括:
先级成负相关关系时,可以保持第一推荐参数信息低于推荐参数阈值的第一目标对象(高
推荐优先级的待推荐对象/高质量待推荐对象)为预设的第二推荐参数信息,即可以将第一
目标对象的第二推荐参数信息确定为第一目标对象的第一推荐指标信息;
以根据第一推荐参数信息和第二推荐参数信息,确定第二目标对象的第二推荐指标信息,
在一个示例中,可以将第二推荐参数信息与第一推荐参数信息的差值作为第二推荐指标信
息。进而可以根据第一推荐指标信息和第二推荐指标信息,确定多个待推荐对象的推荐指
标信息。例如,可以根据第一推荐指标信息和第二推荐指标信息,对多个待推荐对象进行排
序,得到排序结果,从而可以将该排序结果作为多个待推荐对象的推荐指标信息。
理,提升对象推荐的灵活性和推荐有效性。
是基于任一待推荐对象的历史反馈行为信息、历史反馈内容中至少一个内容关联信息以及
至少一个内容关联信息在历史反馈内容中的重要程度信息得到的;
于多个待推荐对象的历史反馈行为信息、历史反馈内容中至少一个内容关联信息以及所述
至少一个内容关联信息在所述历史反馈内容中的重要程度信息得到的,既可以提升第一推
荐参数信息的精准度,又可以通过历史反馈信息快速了解待推荐对象的内容,从而可以降
低处理压力,提升效率;另外,可以实现基于推荐指标信息对多个待推荐对象进行差异化推
荐处理,提高对象推荐的灵活性和推荐效果。
的第一推荐参数信息。
参数预测处理,得到多个待推荐对象各自对应的第一推荐参数信息。
标对象;
理器、存储器和网络接口。其中,该电子设备的处理器用于提供计算和控制能力。该电子设
备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计
算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。
该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行
时以实现一种对象推荐的方法。
包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
推荐方法。
荐方法。计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD‑ROM、磁带、软盘和光数
据存储设备等。
取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申
请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括
非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM
(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括
随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,
诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强
型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM
(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识
或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的
权利要求指出。