CN111538901B - 一种物品推荐方法、装置、服务器及储存介质 - Google Patents

一种物品推荐方法、装置、服务器及储存介质 Download PDF

Info

Publication number
CN111538901B
CN111538901B CN202010294127.4A CN202010294127A CN111538901B CN 111538901 B CN111538901 B CN 111538901B CN 202010294127 A CN202010294127 A CN 202010294127A CN 111538901 B CN111538901 B CN 111538901B
Authority
CN
China
Prior art keywords
preset
target
article
articles
target object
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.)
Active
Application number
CN202010294127.4A
Other languages
English (en)
Other versions
CN111538901A (zh
Inventor
石京京
陈运文
纪达麒
于敬
刘英涛
孟礼斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Datagrand Information Technology Shanghai Co ltd
Original Assignee
Datagrand Information Technology Shanghai Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Datagrand Information Technology Shanghai Co ltd filed Critical Datagrand Information Technology Shanghai Co ltd
Priority to CN202010294127.4A priority Critical patent/CN111538901B/zh
Publication of CN111538901A publication Critical patent/CN111538901A/zh
Application granted granted Critical
Publication of CN111538901B publication Critical patent/CN111538901B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种物品推荐方法、装置、服务器及储存介质，该方法包括：根据预设筛选规则对预设物品集合中的预设物品进行筛选，选出目标物品；若所述目标物品的推荐次数小于第一曝光阈值，向根据所述目标物品的预设属性搜索到的预设用户推荐所述目标物品；若所述目标物品的推荐次数大于所述第一曝光阈值，根据所述目标物品的点击率在预设分组中进行排序召回；若所述目标物品的推荐次数大于第二曝光阈值，将所述目标物品与所述预设物品集合中的其他所述预设物品一并按照预设策略进行排序召回。本实施例的技术方案，缩短新物品的迭代周期，且快速试探出新物品的效果质量，能够满足资讯行业推荐***对物品提出的高时效性要求。

Description

一种物品推荐方法、装置、服务器及储存介质
技术领域
本发明实施例涉及人工智能技术，尤其涉及一种物品推荐方法、装置、服务器及储存介质。
背景技术
随着传播技术的飞快发展以及数据量的剧增，用户对资讯行业提出了更高的时效性和个性化的要求。
现有技术中新物品的迭代方式主要有如下两种：其一为通过物品自身的内容与老物品建立某种关联，然后以该关联关系进行曝光。那么新物品的进一步曝光很依赖于老物品的曝光程度和点击情况。若老物品被用户点击少，那么其排序则相对靠后，那么新物品的曝光周期会被进一步延长，曝光次数也受到其相关老物品的推荐情况的影响。其二为通过模型预测用户对物品的评分，从而进行排序召回。但一般而言，用户行为数据量较大，计算周期长，有一定的滞后性，使得物品的迭代周期延长。因此新物品的迭代周期相对较长。
与此同时，老物品由于得到充分曝光，其物品质量优劣性可以根据用户的反馈而得到；而新物品在短时间无法得到曝光，其质量无法得知。现有技术中按照统一排序召回方法，新物品一般处于劣势，那么质量可能优质的新物品推荐给用户的概率大大降低，新物品无法曝光。
发明内容
本发明实施例提供一种物品推荐方法、装置、服务器及储存介质，以实现缩短新物品的迭代周期，快速试探出新物品的效果质量。
第一方面，本发明实施例提供了一种物品推荐方法，包括：
根据预设筛选规则对预设物品集合中的预设物品进行筛选，选出目标物品；
若所述目标物品的推荐次数小于第一曝光阈值，向根据所述目标物品的预设属性搜索到的预设用户推荐所述目标物品；
若所述目标物品的推荐次数大于所述第一曝光阈值，根据所述目标物品的点击率在预设分组中进行排序召回；
若所述目标物品的推荐次数大于第二曝光阈值，将所述目标物品与所述预设物品集合中的其他所述预设物品一并按照预设策略进行排序召回。
第二方面，本发明实施例还提供了一种物品推荐装置，包括：
目标物品筛选模块，用于根据预设筛选规则对预设物品集合中的预设物品进行筛选，选出目标物品；
目标物品推荐模块，用于若所述目标物品的推荐次数小于第一曝光阈值，向根据所述目标物品的预设属性搜索到的预设用户推荐所述目标物品；
第一排序召回模块，用于若所述目标物品的推荐次数大于所述第一曝光阈值，根据所述目标物品在所属类目的点击率进行排序召回；
第二排序召回模块，用于若所述目标物品的推荐次数大于第二曝光阈值，将所述目标物品与所述预设物品集合中的其他预设物品一并按照预设策略进行排序召回。
第三方面，本发明实施例还提供了一种服务器，所述服务器包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所提供的物品推荐方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所提供物品推荐方法。
本发明实施例通过筛选目标物品进行推荐，并根据曝光量选择对应的排序召回策略，解决新物品的迭代周期相对较长，新物品在短时间无法得到曝光，而导致质量无法得知的问题，实现缩短新物品的迭代周期，快速试探出新物品的质量的效果。
附图说明
图1是本发明实施例一中的一种物品推荐方法的流程图；
图2是本发明实施例二中的一种物品推荐方法的流程图；
图3是本发明实施例二中的一种物品推荐方法的流程图；
图4是本发明实施例三中的一种物品推荐装置的结构示意图；
图5是本发明实施例四中的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种物品推荐方法的流程图，本实施例可适用于新物品冷启动推荐的情况，该方法可以由物品推荐装置来执行，该装置可以由硬件和/或软件来实现，该方法具体包括如下步骤：
步骤110、根据预设筛选规则对预设物品集合中的预设物品进行筛选，选出目标物品；
其中，从数据库中获取存储的预设物品集合，预设物品集合中存储有预设物品，这些预设物品是需要通过推荐引擎推荐给用户的，并且从数据库中获取预设物品的相关信息，值得注意的是，以预设物品的某个维度进行筛选，从而判断预设物品是否为新物品，则该维度信息不可或缺，示例性的，维度为面世时间差，也就是当前时间与物品的面世时间的差值。筛选的目标是从预设物品集中找到新物品，可选的，根据预设筛选规则对预设物品集合中的预设物品进行筛选，选出目标物品，包括：将面世时间差小于第一阈值的预设物品确定为预选目标物品；将面世时间差大于第二阈值，且推荐次数超过预设曝光量阈值的预选目标物品剔除；其中，第一阈值大于第二阈值；将剩余的预选目标物品确定为目标物品。第一阈值是区分新物品和老物品的界限时间，对于面世时间差大于等于第一阈值的预设物品则认为属于老物品，示例性的，第一阈值一般设置为1天，根据时效性要求自行设置。另外，对于预选目标物品范围中面世时间差大于第二阈值的，需要判断其曝光程度的高低，如果其得到较多曝光，也就是推荐次数超过预设曝光量阈值，就需要将其剔除，不将其选为目标物品进行推荐。示例性的，第二阈值可以设置为7200秒，一般可以选用其他推荐模块的最长运行时间。该预设曝光量阈值主要通过分析，一般可以取其他推荐逻辑的平均曝光量值。上述预设筛选规则筛选出目标物品，其余的预设物品则采用与老物品一样的预设策略统一进行排序召回。
步骤120、若目标物品的推荐次数小于第一曝光阈值，向根据目标物品的预设属性搜索到的预设用户推荐目标物品；
其中，第一曝光阈值为试探曝光阈值，对于达到该试探曝光阈值的目标物品可以认为是已经向足够多用户推荐过，而对于推荐次数小于第一曝光阈值的目标物品，需要将其进行强制推荐以增加曝光量，这样也可以根据用户的反馈确定新物品的质量效果。预设属性可以是物品的类目和/或标签等信息，获取用户最近有点击行为的物品的类目和/或标签等信息，将这部分信息与需曝光的新物品的类目和/或标签信息进行匹配，对于点击了相匹配的物品的用户，即为预设用户。强制一定数量的预设用户推荐目标物品。
步骤130、若目标物品的推荐次数大于第一曝光阈值，根据目标物品的点击率在预设分组中进行排序召回；
其中，对于推荐次数已经大于第一曝光阈值的目标物品，收集这些目标物品的点击行为，计算目标物品的点击率，由于这些目标物品属于新物品，所以按照目标物品的类目和/或标签分组，这样目标物品会处于预设分组下，根据在同一预设分组的目标物品的点击率从大到小，对目标物品进行排序召回。
步骤140、若目标物品的推荐次数大于第二曝光阈值，将目标物品与预设物品集合中的其他预设物品一并按照预设策略进行排序召回。
其中，对于推荐次数已经大于第二曝光阈值的目标物品，认为已经进入老物品的范围，对于这样的目标物品，可以采用与老物品一样的预设策略进行排序召回。示例性的，老物品采用协同过滤或点击通过率(Click-Through-Rate，CTR)排序等策略进行排序召回，如此实现了新物品与老物品召回排序方式上的区别处理和最终统一。
本实施例的技术方案，通过筛选目标物品进行推荐，并根据曝光量选择对应的排序召回策略，解决新物品的迭代周期相对较长，新物品在短时间无法得到曝光，而导致质量无法得知的问题，实现缩短新物品的迭代周期，快速试探出新物品的质量的效果。
实施例二
图2为本发明实施例二提供的一种物品推荐方法的流程图，本实施例的技术方案在上述技术方案的基础上进一步细化，该方法具体包括：
步骤210、根据预设筛选规则对预设物品集合中的预设物品进行筛选，选出目标物品；
步骤220、根据第一曝光阈值确定公式
Figure BDA0002451541630000061
计算第一曝光阈值。/>
其中，all_pv表示预设物品每天曝光量总和，ucb_ratio表示试探性曝光的占比，item_ucb表示每天新物品的数量，item_ucb_ratio表示曝光新物品的占比。试探性曝光占比一般在5％-10％之间，本实施例中选取5％。
步骤230、若所述目标物品的推荐次数小于所述第一曝光阈值，获取预设时间内用户点击行为的对象物品；
步骤240、将对象物品与目标物品在预设属性方面进行匹配；
步骤250、将相匹配的对象物品对应的用户，确定为预设用户；
步骤260、向预设数量的预设用户推荐目标物品。
其中，物品的预设属性可以选择类目，将用户最近点击的物品的类目与新物品的类目进行匹配，推荐给匹配成功的预设用户，一共推荐给预设数量的预设用户。根据用户类目偏好，推荐出相同类目的新物品，这样更容易快速试探出新物品的类目效果。
可选的，在向预设数量的预设用户推荐目标物品之前，还包括：
根据预设数量确定公式
Figure BDA0002451541630000071
计算预设数量，其中，ucb_max_pv表示第一曝光阈值，user_cnt表示预设用户数量。
步骤270、若目标物品的推荐次数大于第一曝光阈值，根据目标物品的点击率在预设分组中进行排序召回；
其中，可选的，获取针对目标物品的点击行为，根据点击率确定公式
Figure BDA0002451541630000072
计算目标物品的点击率，其中，ctri表示预设物品i的点击率，pvi表示预设物品i的曝光量，cki表示预设物品i的点击量；
在预设分组中，按照目标物品的点击率从大到小进行排序召回。
步骤280、若目标物品的推荐次数大于第二曝光阈值，将目标物品与预设物品集合中的其他预设物品一并按照预设策略进行排序召回。
图3示出了本发明实施例提供的一种物品推荐方法的流程图，该流程图中示出了解决资讯行业中推荐***的物品冷启动问题方法的较为合适实现方式的流程图，该实现方式的步骤如下：
1.给出所有物品集合，该实例中新物品的筛选条件主要以时间维度展开的，因此必须获取物品的面世时间(item_produce_time)。
2.根据筛选条件筛选出符合新物品冷启动的物品：
1)若物品的时间差(time_diff，该值为当前时间-物品面世时间)超过一定阈值(max_time_diff，该值一般设置为1天，根据时效性要求自行设置)，则该物品不属于新物品，选用常规排序召回方法，跳转至步骤9；
2)若物品的时间差(time_diff)超过一个阈值(choice_time_diff＝7200，一般选用其他推荐模块的最长运行时间)，且推荐次数超过曝光量阈值(pv_max)，虽然该物品属于新物品，但是它得到了足够的曝光，可以与老物品采取统计方式进行排序召回，跳转至步骤9；
3)余下新物品符合新物品冷启动的条件，进行步骤3。
3.获取新物品的类目、标签等信息(至少一个维度上的信息，尽量选取准备率较高的维度)，本案例上采取了类目，原因为通过类目可以快速定位推荐的用户群，且在该案例中类目信息比较准确。
4.若物品的推荐数量达到试探曝光阈值(ucb_max_pv，其中试探性曝光占比一般在5％-10％之间，本案例选取了5％)，进行步骤7，否则进行步骤5。
5.将用户最近点击的物品的类目与新物品的类目进行匹配，推荐给用户，一共推荐给ucb_num个用户。该***根据用户类目偏好，推荐出相同类目的新物品，这样更容易快速试探出新物品的类目效果。
6.若新物品的推荐数量达到试探性曝光阈值(ucb_max_pv)，则跳转到步骤7，否则跳转至步骤5。
7.收集新物品的点击行为，计算新物品的点击率(ctr)，在同一类目下按照点击率(从大到小)进行排序召回。
8.若新物品的推荐数量达到曝光量阈值(pv_max)，进行步骤9，否则进行步骤7。
9.和老物品采用统一的计算方式进行排序召回.
因为新物品得到足够的曝光，演变成老物品，不再具备冷启动物品的相关特征，至此完成了一个冷启动物品到老物品的产品周期。
实施例三
图4为本发明实施例四提供的一种物品推荐装置的结构示意图，如图4所示，物品推荐装置包括：
目标物品筛选模块410，用于根据预设筛选规则对预设物品集合中的预设物品进行筛选，选出目标物品；
目标物品推荐模块420，用于若目标物品的推荐次数小于第一曝光阈值，向根据目标物品的预设属性搜索到的预设用户推荐目标物品；
第一排序召回模块430，用于若目标物品的推荐次数大于第一曝光阈值，根据目标物品在所属类目的点击率进行排序召回；
第二排序召回模块440，用于若目标物品的推荐次数大于第二曝光阈值，将目标物品与预设物品集合中的其他预设物品一并按照预设策略进行排序召回。
本实施例的技术方案，通过筛选目标物品进行推荐，并根据曝光量选择对应的排序召回策略，解决新物品的迭代周期相对较长，新物品在短时间无法得到曝光，而导致质量无法得知的问题，实现缩短新物品的迭代周期，快速试探出新物品的质量的效果。
可选的，目标物品筛选模块410，包括：
预选目标物品确定单元，用于将面世时间差小于第一阈值的预设物品确定为预选目标物品；
剔除单元，用于将面世时间差大于第二阈值，且推荐次数超过预设曝光量阈值的预选目标物品剔除；其中，第一阈值大于第二阈值；
目标物品确定单元，用于将剩余的预选目标物品确定为目标物品。
可选的，目标物品推荐模块420，具体用于：
若目标物品的推荐次数小于第一曝光阈值，获取预设时间内用户点击行为的对象物品；
将对象物品与目标物品在预设属性方面进行匹配；
将相匹配的对象物品对应的用户，确定为预设用户；
向预设数量的预设用户推荐目标物品。
可选的，物品推荐装置，还包括：
预设数量确定模块，用于在向预设数量的预设用户推荐目标物品之前，根据预设数量确定公式
Figure BDA0002451541630000101
计算预设数量，其中，ucb_max_pv表示第一曝光阈值，user_cnt表示预设用户数量。
可选的，物品推荐装置，还包括：
第一曝光阈值确定模块，用于在若目标物品的推荐次数小于第一曝光阈值，向根据目标物品的预设属性搜索到的预设用户推荐目标物品之前，根据第一曝光阈值确定公式
Figure BDA0002451541630000102
计算第一曝光阈值，其中，all_pv表示预设物品每天曝光量总和，ucb_ratio表示试探性曝光的占比，item_ucb表示每天新物品的数量，item_ucb_ratio表示曝光新物品的占比。
可选的，第一排序召回模块430，具体用于：
获取针对目标物品的点击行为，根据点击率确定公式
Figure BDA0002451541630000111
计算目标物品的点击率，其中，ctri表示预设物品i的点击率，pvi表示预设物品i的曝光量，cki表示预设物品i的点击量；
在预设分组中，按照目标物品的点击率从大到小进行排序召回。
本发明实施例所提供的物品推荐装置可执行本发明任意实施例所提供的物品推荐方法，具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的一种服务器的结构示意图，如图5所示，该服务器包括处理器510和存储器520；服务器中处理器510的数量可以是一个或多个，图5中以一个处理器510为例；服务器中的处理器510和存储器520、可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器520作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的物品推荐方法对应的程序指令/模块(例如，物品推荐装置中的目标物品筛选模块410、目标物品推荐模块420、第一排序召回模块430和第二排序召回模块440)。处理器510通过运行存储在存储器520中的软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述的物品推荐方法。
存储器520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***、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种物品推荐方法，包括：
根据预设筛选规则对预设物品集合中的预设物品进行筛选，选出目标物品；
若所述目标物品的推荐次数小于第一曝光阈值，向根据所述目标物品的预设属性搜索到的预设用户推荐所述目标物品；
若所述目标物品的推荐次数大于所述第一曝光阈值，根据所述目标物品的点击率在预设分组中进行排序召回；
当所述目标物品的推荐次数大于第二曝光阈值，将所述目标物品与所述预设物品集合中的其他所述预设物品一并按照预设策略进行排序召回。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的物品推荐方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述物品推荐装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种物品推荐方法，其特征在于，包括：
根据预设筛选规则对预设物品集合中的预设物品进行筛选，选出目标物品；
若所述目标物品的推荐次数小于第一曝光阈值，向根据所述目标物品的预设属性搜索到的预设用户推荐所述目标物品；
若所述目标物品的推荐次数大于所述第一曝光阈值，根据所述目标物品的点击率在预设分组中进行排序召回；
若所述目标物品的推荐次数大于第二曝光阈值，将所述目标物品与所述预设物品集合中的其他所述预设物品一并按照预设策略进行排序召回。
2.根据权利要求1所述的方法，其特征在于，所述根据预设筛选规则对预设物品集合中的预设物品进行筛选，选出目标物品，包括：
将面世时间差小于第一阈值的所述预设物品确定为预选目标物品；
将所述面世时间差大于第二阈值，且推荐次数超过预设曝光量阈值的所述预选目标物品剔除；其中，所述第一阈值大于所述第二阈值；
将剩余的所述预选目标物品确定为所述目标物品。
3.根据权利要求1所述的方法，其特征在于，所述若所述目标物品的推荐次数小于第一曝光阈值，向根据所述目标物品的预设属性搜索到的预设用户推荐所述目标物品，包括：
若所述目标物品的推荐次数小于所述第一曝光阈值，获取预设时间内用户点击行为的对象物品；
将所述对象物品与所述目标物品在所述预设属性方面进行匹配；
将相匹配的所述对象物品对应的用户，确定为所述预设用户；
向预设数量的所述预设用户推荐所述目标物品。
4.根据权利要求3所述的方法，其特征在于，在所述向预设数量的所述预设用户推荐所述目标物品之前，还包括：
根据预设数量确定公式
Figure FDA0002451541620000021
计算所述预设数量，其中，ucb_max_pv表示所述第一曝光阈值，user_cnt表示所述预设用户数量。
5.根据权利要求4所述的方法，其特征在于，在所述若所述目标物品的推荐次数小于第一曝光阈值，向根据所述目标物品的预设属性搜索到的预设用户推荐所述目标物品之前，还包括：
根据第一曝光阈值确定公式
Figure FDA0002451541620000022
计算所述第一曝光阈值，其中，all_pv表示预设物品每天曝光量总和，ucb_ratio表示试探性曝光的占比，item_ucb表示每天新物品的数量，item_ucb_ratio表示曝光新物品的占比。
6.根据权利要求1所述的方法，其特征在于，所述若所述目标物品的推荐次数大于所述第一曝光阈值，根据所述目标物品的点击率在预设分组中进行排序召回，包括：
获取针对所述目标物品的点击行为，根据点击率确定公式
Figure FDA0002451541620000023
计算所述目标物品的点击率，其中，ctri表示预设物品i的点击率，pvi表示预设物品i的曝光量，cki表示预设物品i的点击量；
在所述预设分组中，按照所述目标物品的点击率从大到小进行排序召回。
7.一种物品推荐装置，其特征在于，包括：
目标物品筛选模块，用于根据预设筛选规则对预设物品集合中的预设物品进行筛选，选出目标物品；
目标物品推荐模块，用于若所述目标物品的推荐次数小于第一曝光阈值，向根据所述目标物品的预设属性搜索到的预设用户推荐所述目标物品；
第一排序召回模块，用于若所述目标物品的推荐次数大于所述第一曝光阈值，根据所述目标物品在所属类目的点击率进行排序召回；
第二排序召回模块，用于若所述目标物品的推荐次数大于第二曝光阈值，将所述目标物品与所述预设物品集合中的其他预设物品一并按照预设策略进行排序召回。
8.根据权利要求7所述的装置，其特征在于，所述目标物品筛选模块，包括：
预选目标物品确定单元，用于将面世时间差小于第一阈值的所述预设物品确定为预选目标物品；
剔除单元，用于将所述面世时间差大于第二阈值，且推荐次数超过预设曝光量阈值的所述预选目标物品剔除；其中，所述第一阈值大于所述第二阈值；
目标物品确定单元，用于将剩余的所述预选目标物品确定为所述目标物品。
9.一种服务器，其特征在于，所述服务器包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的物品推荐方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的物品推荐方法。
CN202010294127.4A 2020-04-15 2020-04-15 一种物品推荐方法、装置、服务器及储存介质 Active CN111538901B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010294127.4A CN111538901B (zh) 2020-04-15 2020-04-15 一种物品推荐方法、装置、服务器及储存介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010294127.4A CN111538901B (zh) 2020-04-15 2020-04-15 一种物品推荐方法、装置、服务器及储存介质

Publications (2)

Publication Number Publication Date
CN111538901A CN111538901A (zh) 2020-08-14
CN111538901B true CN111538901B (zh) 2023-06-06

Family

ID=71974921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010294127.4A Active CN111538901B (zh) 2020-04-15 2020-04-15 一种物品推荐方法、装置、服务器及储存介质

Country Status (1)

Country Link
CN (1) CN111538901B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113781086A (zh) * 2021-01-21 2021-12-10 北京沃东天骏信息技术有限公司 物品推荐方法、装置、介质及电子设备
CN112818237A (zh) * 2021-02-05 2021-05-18 上海明略人工智能(集团)有限公司 一种内容推送方法、装置、设备及存储介质
CN113744021A (zh) * 2021-02-08 2021-12-03 北京沃东天骏信息技术有限公司 一种推荐方法、装置、计算机存储介质及***
CN113378068B (zh) * 2021-07-14 2023-07-18 聚好看科技股份有限公司 一种内容推荐方法及服务器
CN113836404A (zh) * 2021-09-09 2021-12-24 武汉卓尔数字传媒科技有限公司 对象推荐方法、装置、电子设备及计算机可读存储介质
CN113688295B (zh) * 2021-10-26 2022-03-25 北京达佳互联信息技术有限公司 数据确定方法、装置、电子设备及存储介质
CN114662008B (zh) * 2022-05-26 2022-10-21 上海二三四五网络科技有限公司 基于点击位置因素改进的ctr热门内容计算方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190043A (zh) * 2018-09-07 2019-01-11 北京三快在线科技有限公司 推荐方法及装置，存储介质，电子设备及推荐***
CN110532468A (zh) * 2019-08-26 2019-12-03 北京齐尔布莱特科技有限公司 一种网站资源的推荐方法、装置和计算设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5740814B2 (ja) * 2009-12-22 2015-07-01 ソニー株式会社 情報処理装置および方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109190043A (zh) * 2018-09-07 2019-01-11 北京三快在线科技有限公司 推荐方法及装置，存储介质，电子设备及推荐***
CN110532468A (zh) * 2019-08-26 2019-12-03 北京齐尔布莱特科技有限公司 一种网站资源的推荐方法、装置和计算设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郝胜男 ; 赵领杰 ; .一种基于ElasticSearch的推荐***架构.电脑知识与技术.2017,(36),全文. *

Also Published As

Publication number Publication date
CN111538901A (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
CN111538901B (zh) 一种物品推荐方法、装置、服务器及储存介质
CN109190043B (zh) 推荐方法及装置，存储介质，电子设备及推荐***
CN107526807B (zh) 信息推荐方法及装置
CN110543598B (zh) 信息推荐方法、装置及终端
CN107391509B (zh) 标签推荐方法及装置
CN110377804A (zh) 培训课程数据的推送方法、装置、***及存储介质
CN109189934A (zh) 舆情推荐方法、装置、计算机设备及存储介质
CN109241451B (zh) 一种内容组合推荐方法、装置及可读存储介质
CN105205188A (zh) 采购物料供应商的推荐方法及推荐装置
CN112307762A (zh) 搜索结果的排序方法及装置、存储介质、电子装置
CN110597987A (zh) 一种搜索推荐方法及装置
CN106547864A (zh) 一种基于查询扩展的个性化信息检索方法
CN110046889A (zh) 一种异常行为主体的检测方法、装置及服务器
CN108182200B (zh) 基于语义相似度的关键词拓展方法和装置
CN114297505A (zh) 推荐***及推荐方法、设备、计算机可读介质
CN105389714B (zh) 一种从行为数据识别用户特性的方法
CN110377821A (zh) 生成兴趣标签的方法、装置、计算机设备和存储介质
CN115098766B (zh) 一种电子招投标交易平台招投标信息推荐方法及***
CN111553762A (zh) 提高搜索质量的方法、***及终端设备
CN110705889A (zh) 一种企业筛选方法、装置、设备及存储介质
CN106844743B (zh) 维吾尔语文本的情感分类方法及装置
CN114048294A (zh) 相似人群扩展模型训练方法、相似人群扩展方法和装置
CN108429865B (zh) 一种产品推荐处理方法及装置
CN112052353A (zh) 广告视频检索方法、智能终端
CN109787784A (zh) 群组推荐方法、装置、存储介质和计算机设备

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
GR01 Patent grant
GR01 Patent grant