CN112328892B - 信息推荐方法、装置、设备及计算机存储介质 - Google Patents
信息推荐方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN112328892B CN112328892B CN202011331155.5A CN202011331155A CN112328892B CN 112328892 B CN112328892 B CN 112328892B CN 202011331155 A CN202011331155 A CN 202011331155A CN 112328892 B CN112328892 B CN 112328892B
- Authority
- CN
- China
- Prior art keywords
- information
- model
- user
- content
- user intention
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000015654 memory Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 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
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification 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
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
本申请公开了信息推荐方法、装置、设备及计算机存储介质,涉及人工智能和大数据技术领域。具体实现方案为:从对客户端显示的第一推荐信息进行浏览相关操作的数据中,提取特征信息;将所述特征信息输入更新模型,获得更新信息;根据所述更新信息对所述第一推荐信息进行更新,得到更新后的第二推荐信息。本申请实施例能够更好地为用户进行信息推荐。
Description
技术领域
本申请涉及网络技术领域,尤其涉及人工智能和大数据技术领域。
背景技术
随着移动终端的普及,信息推荐技术越来越多地应用于各种互联网与通信工具中。个性化信息推荐技术是一种综合内容、协同过滤、规则、效用和知识形成的一套推荐算法,从信息数据集中筛选出用户最感兴趣、最关心的内容给用户,实现信息找人的过程。不同技术实现方案将产生不同的推荐结果。例如,在搜索引擎中,会根据用户使用搜索引擎的历史行为记录,进行针对用户喜好的个性化信息推荐。
然而,信息推荐技术中也存在多种弊端需要改进。
发明内容
本申请提供了一种信息推荐方法、装置、设备以及计算机存储介质。
根据本申请的一方面,提供了一种信息推荐方法,包括:
从对客户端显示的第一推荐信息进行浏览相关操作的数据中,提取特征信息;
将特征信息输入更新模型,获得更新信息;
根据更新信息对第一推荐信息进行更新,得到更新后的第二推荐信息。
根据本申请的另一方面,提供了一种信息推荐装置,包括:
提取模块,用于从对客户端显示的第一推荐信息进行浏览相关操作的数据中,提取特征信息;
更新信息模块,用于将特征信息输入更新模型,获得更新信息;
更新模块,用于根据更新信息对第一推荐信息进行更新,得到更新后的第二推荐信息。
根据本申请的又一方面,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本申请任意一项实施例所提供的方法。
根据本申请的又一方面,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本申请任意一项实施例所提供的方法。
根据本申请实施例,能够在客户端显示第一推荐信息的时候,在客户端根据用户对第一推荐信息的浏览相关操作,获得特征信息,然后根据特征信息对客户端呈现的推荐信息进行更新,从而,能够快速响应客户对推荐信息的短期操作,针对用户的短期兴趣喜好的发展方向和变化较快地做出推荐信息的调整。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请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,不构成对本申请的限定。其中:
图1是根据本申请一实施例的信息推荐方法流程示意图;
图2是根据本申请另一实施例的信息推荐方法流程示意图;
图3是根据本申请一实施例的信息推荐装置主要组成部分示意图;
图4是根据本申请另一实施例的信息推荐装置主要组成部分示意图;
图5是根据本申请另一实施例的信息推荐装置主要组成部分示意图;
图6是根据本申请另一实施例的信息推荐装置主要组成部分示意图;
图7是根据本申请另一实施例的信息推荐装置应用框架示意图;
图8是可以实现本申请实施例的信息推荐装置应用场景图;
图9是用来实现本申请实施例的信息推荐方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请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,而不会背离本申请的范围和精神。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。
本申请实施例首先提供一种信息推荐方法,如图1所示,包括:
步骤S11:从对客户端显示的第一推荐信息进行浏览相关操作的数据中,提取特征信息;
步骤S12:将特征信息输入更新模型,获得更新信息;
步骤S13:根据更新信息对第一推荐信息进行更新,得到更新后的第二推荐信息。
本实施例中,客户端可以或称为用户端,可以是指与服务端相对应,为客户提供本地服务的程序。较常用的用户端可以包括如使用网页浏览器的客户端,收寄电子邮件时的台式电脑、笔记本电脑等电子邮件客户端,以及即时通讯的客户端软件等。
本实施例中,客户端显示的第一推荐信息,可以包括运行于客户端的浏览器显示的推荐信息,也可以包括运行于客户端的其它应用小程序中显示的推荐信息,比如,运行于客户端的购物应用小程序中显示的推荐信息、运行于客户端的新闻应用小程序中显示的推荐信息或者运行于客户端的社交应用中显示的推荐信息等。
第一推荐信息,可以是服务端发送到客户端的推荐信息的一部分,包括一条或多条可进行浏览相关操作的信息。
本实施例中,对第一推荐信息进行的浏览相关操作,可以是在对第一推荐信息中的多个内容进行浏览的时候执行的所有操作。比如,具体可以是对第一推荐信息的快速浏览操作,可以是对第一推荐信息的点击操作、对第一推荐信息的转发操作、对第一信息的点赞操作、对第一信息的收藏操作、对第一信息的详细阅读操作等。
特征信息可以是表示浏览相关操作的特征的信息,比如,浏览相关操作的时长、浏览相关操作的性质、浏览相关操作的次数等。特征信息可以反映用户对第一推荐信息的满意度或者喜好程度。
特征信息可以包括一种特征信息,也可以包括多种特征信息。
更新模型可以是部署在客户端的模型。
更新信息可以是用于对第一推荐信息进行更新的信息,比如新的顺序信息、新的内容信息、新的顺序信息和内容信息的结合、新的显示信息等。
根据更新信息对第一推荐信息进行更新,得到更新后的第二推荐信息,可以是根据更新信息,对第一推荐信息的顺序、内容、显示方式等至少之一进行更新,得到的推荐信息作为第二推荐信息。显示方式具体可以是,显示字体、显示颜色、快照等。
根据更新信息对第一推荐信息进行更新,得到更新后的第二推荐信息,可以是对当前客户端显示的第一推荐信息进行更新,使得当前显示的推荐信息发生变化,也可以是对即将显示的推荐信息进行更新,使得用户通过刷新或者滑动刷新等操作能够观看到第二推荐信息。
在本实施例中,第二推荐信息可以用于对当前显示的第一推荐信息进行更新,也可以用于对即将显示的推荐信息进行更新。
本实施例中,特征信息的提取、更新信息的获得操作中的至少一个在客户端进行。
本申请实施例中,能够在客户端显示第一推荐信息的时候,在客户端根据用户对第一推荐信息的浏览相关操作,获得特征信息,然后根据特征信息对客户端呈现的推荐信息进行更新,从而,能够快速响应客户对推荐信息的短期操作,针对用户的短期兴趣喜好的发展方向和变化较快地做出推荐信息的调整。
在一种实施方式中,更新模型包括意图模型;将特征信息输入更新模型,获得更新信息,包括:
将特征信息输入意图模型,得到用户意图;
根据用户意图,获得更新信息。
本实施例中,根据用户意图,获得更新信息,可以是根据意图模型输出的用户意图的信息,获得第一推荐信息的新的排序。
具体的,用户意图比如可以是,用户当前喜欢仔细阅读A类信息,对关键词为B的信息稍有留意,喜欢收藏C内容的信息等。
本实施例中,采用用户意图模型,根据特征信息得到用户意图,然后根据用户意图得到更新信息,从而,更新信息能够符合用户意图,在用户意图发生变化的情况下,本实施例的方法能够针对这一情况快速做出响应,使得推荐信息符合用户瞬时意图变化或发展的情况。
在一种实施方式中,更新模型还包括内容请求模型;根据用户意图,获得更新信息,还包括:
将场景信息和用户意图输入内容请求模型,得到与用户意图相关的内容;场景信息为根据对客户端显示的第一推荐信息进行浏览相关操作的数据获取的;
根据与用户意图相关的内容,获得更新信息。
本实施例中,场景信息可以是不需要通过意图模型就能够获得的、关于用户对当前推荐信息的感兴趣程度的信息,比如,可以是时长信息、快速浏览、仔细阅读等。
内容请求模型可以用于判断是否需要请求新的推荐信息,若需要,可以由客户端向服务端请求新的推荐信息,然后根据新的推荐信息,确定第二推荐信息。若不需要请求新的推荐信息,则将当前的第一推荐信息的内容作为第二推荐信息的内容,进行重新排序、重新设置显示方式等操作后,生成第二推荐信息。
本实施例中,可以根据场景信息和用户意图获得与用户意图相关的内容,然后根据与用户意图相关的内容获得更新信息,从而更新信息能够与用户意图和场景信息符合。
在一种实施方式中,更新模型还包括排序模型;根据与用户意图相关的内容,获得更新信息,还包括:
将与用户意图相关的内容输入排序模型,得到排序后的信息;
将排序后的信息作为更新信息。
排序后的信息,可以是将第一推荐信息中与用户意图贴近的信息排至靠前的位置,将与用户意图贴近程度低的信息排至靠后的位置;也可以是将新请求的推荐信息进行重新排序后得到的信息。
本实施例中,对将呈现给用户的推荐信息进行排序,从而,方便用户快速查阅到自己感兴趣的推荐信息。
在一种实施方式中,将场景信息和用户意图输入内容请求模型,得到与用户意图相关的内容,包括:
将场景信息和用户意图输入内容请求模型,确定是否需要重新获取内容;
在需要重新获取内容的情况下,向服务端发送与用户意图相关的内容获取请求,并接收服务端返回的与用户意图相关的内容。
本实施例中,能够根据场景信息和用户意图,确定向服务端重新请求推荐信息,从而能够在当前展示的第一推荐信息的内容不符合用户喜好的时候,改变推荐信息的内容,能够对用户的行为作出实时快速的分析和响应。
在一种实施方式中,将场景信息和用户意图输入内容请求模型,得到与用户意图相关的内容,还包括:
在不需要重新获取内容的情况下,将第一推荐信息作为与用户意图相关的内容。
本实施例中,在终端呈现的第一推荐信息符合用户喜好的情况下,改变第一推荐信息的顺序或显示方式得到第二推荐信息,或者不改变第一推荐信息,将第一推荐信息作为第二推荐信息呈现给用户,从而在第一推荐信息符合用户喜好的情况下,使用户能够继续查看第一推荐信息。
在一种实施方式中,信息推荐方法还包括如图2所示的步骤:
步骤S21:根据对客户端显示的更新后的第二推荐信息进行浏览相关操作的数据,对更新模型进行调整,得到调整后的更新模型。
本实施例中,对更新模型进行调整,可以是对更新模型进行进一步优化。在更新模型包括多个模型的情况下,对更新模型进行调整,可以是对多个模型中的至少一个进行调整。
在一种具体实施方式中,根据对客户端显示的更新后的第二推荐信息进行浏览相关操作的数据,可以是真实用户的浏览相关操作的数据,也可以是模拟用户的浏览相关操作的数据。
本实施例中,能够根据用户对第二推荐信息进行的相关操作,对更新模型进行调整和优化,从而使得更新模型生成的更新信息更加符合对推荐类产品设定的要求。
在一种实施方式中,根据对客户端显示的更新后的第二推荐信息进行浏览相关操作的数据,对更新模型进行调整,包括:
根据对第二推荐信息进行浏览相关操作的数据,计算预设指标的实际值,预设指标用于指示第二推荐信息与用户意图的符合程度;
根据实际值和预设指标的参考值,对更新模型进行调整。
本实施例中,预设指标可以是预先设定的技术指标或者用户指标,比如,技术指标可以是用户点击的AUC(Area Under Curve,曲线下面积)指标;用户指标可以是用户对推荐信息的停留时长或者浏览阅读时长等信息。
预设指标可以指示第二推荐信息与用户意图的符合程度或者可以指示第二推荐信息与推荐产品预设要求的符合程度。
本实施例中,通过用户对第二推荐信息进行浏览相关操作的数据与预设指标,对更新模型进行优化和调整,从而使得模型能够对用户的实时操作做出更为准确的处理,提供更好的信息推荐功能。
本申请实施例提供一种信息推荐装置,如图3所示,还包括:
提取模块31,用于从对客户端显示的第一推荐信息进行浏览相关操作的数据中,提取特征信息;
更新信息模块32,用于将特征信息输入更新模型,获得更新信息;
更新模块33,用于根据更新信息对第一推荐信息进行更新,得到更新后的第二推荐信息。
在一种实施方式中,信息推荐装置如图4所示,其中,更新信息模块32包括:
用户意图单元41,用于将特征信息输入意图模型,得到用户意图;
用户意图处理单元42,用于根据用户意图,获得更新信息。
在一种实施方式中,更新模型还包括内容请求模型;用户意图处理单元还用于:
将场景信息和用户意图输入内容请求模型,得到与用户意图相关的内容;场景信息为根据对客户端显示的第一推荐信息进行浏览相关操作的数据获取的;
根据与用户意图相关的内容,获得更新信息。
在一种实施方式中,更新模型还包括排序模型;用户意图处理单元还用于:
将与用户意图相关的内容输入排序模型,得到排序后的信息;
将排序后的信息作为更新信息。
在一种实施方式中,用户意图处理单元还用于:
将场景信息和用户意图输入内容请求模型,确定是否需要重新获取内容;
在需要重新获取内容的情况下,向服务端发送与用户意图相关的内容获取请求,并接收服务端返回的与用户意图相关的内容。
在一种实施方式中,用户意图处理单元还用于:
在不需要重新获取内容的情况下,将第一推荐信息作为与用户意图相关的内容。
在一种实施方式中,如图5所示,装置还包括:
调整模块51,用于根据对客户端显示的更新后的第二推荐信息进行浏览相关操作的数据,对更新模型进行调整,得到调整后的更新模型。
在一种实施方式中,信息推荐装置如图6所示,其中,调整模块51包括:
指标计算单元61,用于根据对第二推荐信息进行浏览相关操作的数据,计算预设指标的实际值,预设指标用于指示第二推荐信息与用户意图的符合程度;
指标处理单元62,用于根据实际值和预设指标的参考值,对更新模型进行调整。
本申请一种示例中,信息推荐装置的实施的***架构如图7,分为三个部分:分别是特征收集71、实验平台72和策略部署73。
特征收集71部分,根据用户对推荐信息的浏览相关操作的数据,进行挖掘特征信息的操作。一般来说,特征信息一共可以分为四类:内容特征、行为特征、环境特征与用户特征。
内容特征可以为信息本身的特性,客观存在与用户无关,具体比如可以是浏览相关操作的内容的关键字、标题等。例如,内容特征可以是用户粗略阅读的内容的标题、详细阅读的文章的标签等。
用户特征可以为根据用户历史浏览记录获取的特征信息,具体操作是可以通过大量的数据进行用户肖像的刻画。比如,从浏览相关操作的数据中的部分非涉及隐私的数据中,获得用户阅读或浏览等操作的长期偏好、习惯性的信息。具体例如,根据用户的历史浏览记录,确定用户具有阅读长篇在线小说的习惯,或者确定用户具有长期的关注时政新闻的习惯等。
行为特征可以为用户对推荐信息的具体操作特征,可分为瞬时行为特征和长期行为特征。比如,用户的点赞行为、转发行为、收藏行为、评论行为可能在浏览相关操作的总操作次数中发生的次数比较少,可以为瞬时行为特征。用户的快速浏览和仔细阅读行为可能在浏览相关操作的总操作次数中发生的次数比较多,可以为长期行为特征。
环境特征可以包括用户对第一推荐信息进行浏览操作的外界环境和硬件环境。比如,终端型号、终端的软件性质、软件版本,用户是否佩戴耳机,用户是否使用无线局域网络,用户进行浏览相关操作的时间,用户是否处于开车、乘坐交通工具等的状态,用户所处地理位置的噪声情况、气候状况、天气情况、热点事件的发生状况等。
而瞬时行为特征和环境特征能反映当下用户想法、兴趣特点和当前客观环境对于用户的影响情况,本示例中,能够收集用户的行为特征,行为特征可以包括瞬时行为特征,瞬时行为特征中包含用户对第一推荐信息的内容的喜好情况进行表态的强信号;当前网络类型、网速等环境特征将可能影响到用户观看视频的意愿多少。本示例收集的特征信息,能够恰当有效地反映出用户真实的意愿。
在执行信息推荐方法之前,可以通过评估和测试,遴选出所有特征信息中,对于推荐结果改变最大的特征信息,按重要性排序后,在端上进行实时收集。
本示例中的实验平台72用于进行更新模型的优化。可以分为离线实验与在线实验部分。在离线实验中,采用模拟用户对第一推荐信息、第二推荐信息进行浏览相关的操作。更新模型的参数和策略,可以基于离线样本和数据集进行验证、分析和调优,也可以在离线实验中发掘有效的模拟客户端的特征和模拟客户端的信号,从而在离线环境中得出一个收益最优解。离线环境需要足够仿真,以尽可能减少离线实验和在线实验结果之间的差距。在线环境中主要利用真实用户对第一推荐信息、第二推荐信息进行浏览相关操作的数据,进行收益分析、策略微调、风险与质量控制。通过在真实的用户群体中进行实验和调优,来验证实验有效性,也为后续迭代奠定数据基础。
本示例中的策略部署73部分需要去针对不同的背景进行分类并训练使用用户意图模型,用于计算并检测用户兴趣发生偏移的情况。比如,用户是处于办公状态或者是居家休闲状态、户内或户外等。此外,还需要训练使用内容排序模型,用于在用户兴趣发生偏移时,通过端计算,对结果进行实时重新排序或补强,提供更为精准的推荐结果。
策略部署73部分还可以从在线实验数据和离线实验数据中,提取稀疏用户交互行为、高频用户交互行为的行为特征,提取环境特征、内容特征、用户特征等特征信息。其中,对于不涉及隐私的内容特征,可以上传至服务器端,供服务器端进行第一推荐信息的获取以及向客户端发送。稀疏用户交互行为可以是发生频率较低的用户行为,如点赞、转发、收藏、评论等。高频用户交互行为可以是发生频率较高的用户行为,如浏览、阅读等。
本申请另一示例如图8所示,本申请示例中的信息推荐装置可以应用于客户端81,用户对客户端81呈现的第一推荐信息进行曝光、滑动、点击等浏览相关操作,针对操作数据,获取内容特征、环境特征、行为特征、用户特征等特征信息,然后将特征信息输入用户意图模型得到用户意图。将用户意图及能够根据特征信息直接获取的场景信息输入内容请求模型,内容请求模型确定需要从服务器82请求新的推荐信息的情况下,客户端81根据用户意图和场景信息向服务器请求新的推荐信息。服务器82召回关于用户意图和场景信息的请求,获得新的推荐信息,按照服务器82设定的排序方式,对新的推荐信息进行排序,以及决策筛选,然后返回给客户端81。在内容请求模型确定不需要从服务器82请求新的推荐信息的情况下,确定将第一推荐信息输入排序模型进行重新排序。排序模型根据新的推荐信息和/或第一推荐信息进行排序,使得推荐信息各项内容的排列顺序符合用户意图或场景信息,获得第二推荐信息,将第二推荐信息展现在客户端81。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图9所示,是根据本申请实施例的信息推荐的方法的电子设备的框图。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/或者要求的本申请的实现。
如图9所示,该电子设备包括:一个或多个处理器901、存储器902,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图9中以一个处理器901为例。
存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的信息推荐的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的信息推荐的方法。
存储器902作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的信息推荐的方法对应的程序指令/模块(例如,附图3所示的提取模块31、更新信息模块32和更新模块33)。处理器901通过运行存储在存储器902中的非瞬时软件程序、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,即实现上述方法实施例中的信息推荐的方法。
存储器902可以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***、至少一个功能所需要的应用程序;存储数据区可存储根据信息推荐的电子设备的使用所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至信息推荐的电子设备。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。
信息推荐的方法的电子设备还可以包括:输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息,以及产生与信息推荐的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、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***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***、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***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***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***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(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***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***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***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***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)服务中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
本申请实施例能有效地提升推荐信息的时效性和精准度,及时检测用户兴趣发生偏移的情况,校正现有点展等噪音多的行为特征,迅速识别用户兴趣和服务器理解的差异,打击不感兴趣内容,发掘用户潜在兴趣,更精准地匹配用户兴趣和需求;本申请实施例能够降低隐私合规性风险,搜集的数据仅在本地使用,降低公众对产品侵犯用户隐私的担忧,提升产品形象;同时,本申请实施例能够充分利用端算力,降低带宽、存储、运维等成本。
根据本申请实施例的技术方案,信息推荐的参与规则或模型迭代调优的信号收集需要较短的时间周期,可以根据用户对第一推荐信息的实时操作进行实时收集、计算。在客户端,从搜集信号到策略或模型调优需要的时间少、效率高。同时,本申请实施例能够响应用户临时的兴趣变化情况。人是客观世界中的一部分,容易受到客观环境的影响,产生临时的兴趣偏移,如周边发生的事物、当下热点信息等。本实施例在用户对第一推荐信息进行浏览相关操作时,实时收集数据、进行特征信息的计算,从而能够实时更新算法推荐的结果以更精准地匹配用户的兴趣。本申请实施例具有较低的隐私合规风险。本申请实施例不需要不断地收集用户行为信息并上传到云端,用户浏览操作相关数据始终保留在客户端,不容易产生隐私合规性问题。此外,随着用户隐私意识的提高,搜集过多的用户信息也容易让公众产生对隐私数据安全性的信任,给品牌形象带来更多正面影响。
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,本申请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,只要能够实现本申请公开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,并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种信息推荐方法,包括:
从对客户端显示的第一推荐信息进行浏览相关操作的数据中,提取特征信息;
将所述特征信息输入更新模型,获得更新信息;
根据所述更新信息对所述第一推荐信息进行更新,得到更新后的第二推荐信息;
所述更新模型包括意图模型;将所述特征信息输入更新模型,获得更新信息,包括:
将所述特征信息输入所述意图模型,得到用户意图;
根据所述用户意图,获得所述更新信息;
所述更新模型还包括内容请求模型;所述根据所述用户意图,获得所述更新信息,还包括:
将场景信息和所述用户意图输入所述内容请求模型,得到与所述用户意图相关的内容;所述场景信息为根据对客户端显示的第一推荐信息进行浏览相关操作的数据获取的;
根据所述与所述用户意图相关的内容,获得所述更新信息;
所述将场景信息和所述用户意图输入所述内容请求模型,得到与所述用户意图相关的内容,包括:
将所述场景信息和所述用户意图输入内容请求模型,确定是否需要重新获取内容;
在需要重新获取内容的情况下,向服务端发送与所述用户意图相关的内容获取请求,并接收所述服务端返回的与所述用户意图相关的内容。
2.根据权利要求1所述的方法,其中,所述更新模型还包括排序模型;所述根据所述与所述用户意图相关的内容,获得所述更新信息,还包括:
将所述与所述用户意图相关的内容输入所述排序模型,得到排序后的信息;
将所述排序后的信息作为所述更新信息。
3.根据权利要求1所述的方法,其中,所述将场景信息和所述用户意图输入所述内容请求模型,得到与所述用户意图相关的内容,包括:
将所述场景信息和所述用户意图输入内容请求模型,确定是否需要重新获取内容;
在需要重新获取内容的情况下,向服务端发送与所述用户意图相关的内容获取请求,并接收所述服务端返回的与所述用户意图相关的内容。
4.根据权利要求3所述的方法,其中,所述将场景信息和所述用户意图输入所述内容请求模型,得到与所述用户意图相关的内容,还包括:
在不需要重新获取内容的情况下,将所述第一推荐信息作为与所述用户意图相关的内容。
5.根据权利要求1至4中任一项所述的方法,其中,还包括:
根据对所述客户端显示的更新后的第二推荐信息进行浏览相关操作的数据,对所述更新模型进行调整,得到调整后的更新模型。
6.根据权利要求5所述的方法,其中,所述根据对所述客户端显示的更新后的第二推荐信息进行浏览相关操作的数据,对所述更新模型进行调整,包括:
根据对所述第二推荐信息进行浏览相关操作的数据,计算预设指标的实际值,所述预设指标用于指示所述第二推荐信息与用户意图的符合程度;
根据所述实际值和所述预设指标的参考值,对所述更新模型进行调整。
7.一种信息推荐装置,包括:
提取模块,用于从对客户端显示的第一推荐信息进行浏览相关操作的数据中,提取特征信息;
更新信息模块,用于将所述特征信息输入更新模型,获得更新信息;
更新模块,用于根据所述更新信息对所述第一推荐信息进行更新,得到更新后的第二推荐信息;
所述更新模型包括意图模型;所述更新信息模块包括:
用户意图单元,用于将所述特征信息输入所述意图模型,得到用户意图;
用户意图处理单元,用于根据所述用户意图,获得所述更新信息;
所述更新模型还包括内容请求模型;所述用户意图处理单元还用于:
将场景信息和所述用户意图输入所述内容请求模型,得到与所述用户意图相关的内容;所述场景信息为根据对客户端显示的第一推荐信息进行浏览相关操作的数据获取的;
根据所述与所述用户意图相关的内容,获得所述更新信息;
所述用户意图处理单元还用于:
将所述场景信息和所述用户意图输入内容请求模型,确定是否需要重新获取内容;
在需要重新获取内容的情况下,向服务端发送与所述用户意图相关的内容获取请求,并接收所述服务端返回的与所述用户意图相关的内容。
8.根据权利要求7所述的装置,其中,所述更新模型还包括排序模型;所述用户意图处理单元还用于:
将所述与所述用户意图相关的内容输入所述排序模型,得到排序后的信息;
将所述排序后的信息作为所述更新信息。
9.根据权利要求7所述的装置,其中,所述用户意图处理单元还用于:
将所述场景信息和所述用户意图输入内容请求模型,确定是否需要重新获取内容;
在需要重新获取内容的情况下,向服务端发送与所述用户意图相关的内容获取请求,并接收所述服务端返回的与所述用户意图相关的内容。
10.根据权利要求9所述的装置,其中,所述用户意图处理单元还用于:
在不需要重新获取内容的情况下,将所述第一推荐信息作为与所述用户意图相关的内容。
11.根据权利要求7至10中任一项所述的装置,其中,所述装置还包括:
调整模块,用于根据对所述客户端显示的更新后的第二推荐信息进行浏览相关操作的数据,对所述更新模型进行调整,得到调整后的更新模型。
12.根据权利要求11所述的装置,其中,所述调整模块,包括:
指标计算单元,用于根据对所述第二推荐信息进行浏览相关操作的数据,计算预设指标的实际值,所述预设指标用于指示所述第二推荐信息与用户意图的符合程度;
指标处理单元,用于根据所述实际值和所述预设指标的参考值,对所述更新模型进行调整。
13.一种电子设备,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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011331155.5A CN112328892B (zh) | 2020-11-24 | 2020-11-24 | 信息推荐方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011331155.5A CN112328892B (zh) | 2020-11-24 | 2020-11-24 | 信息推荐方法、装置、设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112328892A CN112328892A (zh) | 2021-02-05 |
CN112328892B true CN112328892B (zh) | 2024-06-18 |
Family
ID=74308468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011331155.5A Active CN112328892B (zh) | 2020-11-24 | 2020-11-24 | 信息推荐方法、装置、设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112328892B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861861A (zh) * | 2023-07-06 | 2023-10-10 | 百度(中国)有限公司 | 文本处理方法及装置、电子设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103391320A (zh) * | 2013-07-18 | 2013-11-13 | 百度在线网络技术(北京)有限公司 | 基于兴趣点变化的内容推荐方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150120722A1 (en) * | 2013-10-31 | 2015-04-30 | Telefonica Digital Espana, S.L.U. | Method and system for providing multimedia content recommendations |
CN108230057A (zh) * | 2016-12-09 | 2018-06-29 | 阿里巴巴集团控股有限公司 | 一种智能推荐方法及*** |
US11436521B2 (en) * | 2017-08-01 | 2022-09-06 | Meta Platforms, Inc. | Systems and methods for providing contextual recommendations for pages based on user intent |
CN107832433B (zh) * | 2017-11-15 | 2020-08-11 | 北京百度网讯科技有限公司 | 基于对话交互的信息推荐方法、装置、服务器和存储介质 |
CN108763502B (zh) * | 2018-05-30 | 2022-03-25 | 腾讯科技(深圳)有限公司 | 信息推荐方法和*** |
CN109615428A (zh) * | 2018-12-10 | 2019-04-12 | 拉扎斯网络科技(上海)有限公司 | 商户推荐方法、装置、***及服务器 |
CN111191132B (zh) * | 2019-12-31 | 2023-10-27 | 支付宝(杭州)信息技术有限公司 | 一种信息推荐方法、装置及电子设备 |
CN111970335B (zh) * | 2020-07-30 | 2021-09-07 | 腾讯科技(深圳)有限公司 | 一种信息推荐的方法、装置及存储介质 |
CN111859149A (zh) * | 2020-08-03 | 2020-10-30 | 腾讯科技(北京)有限公司 | 资讯信息推荐方法、装置、电子设备及存储介质 |
-
2020
- 2020-11-24 CN CN202011331155.5A patent/CN112328892B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103391320A (zh) * | 2013-07-18 | 2013-11-13 | 百度在线网络技术(北京)有限公司 | 基于兴趣点变化的内容推荐方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于用户层级的STM出版推荐研究;向安玲;袁小群;;科技与出版;20160308(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112328892A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111984689B (zh) | 信息检索的方法、装置、设备以及存储介质 | |
CN111782965B (zh) | 意图推荐方法、装置、设备及存储介质 | |
US11012753B2 (en) | Computerized system and method for determining media based on selected motion video inputs | |
CN111522940B (zh) | 用于处理评论信息的方法和装置 | |
CN112650907A (zh) | 搜索词的推荐方法、目标模型的训练方法、装置及设备 | |
WO2018205845A1 (zh) | 一种数据处理方法及服务器、计算机存储介质 | |
CN112559901B (zh) | 资源推荐的方法、装置、电子设备、存储介质及计算机程序产品 | |
US10897444B2 (en) | Automatic electronic message filtering method and apparatus | |
CN114036398B (zh) | 内容推荐和排序模型训练方法、装置、设备以及存储介质 | |
CN111191133B (zh) | 业务搜索处理方法、装置及设备 | |
CN111563198B (zh) | 一种物料召回方法、装置、设备及存储介质 | |
CN111666280A (zh) | 评论的排序方法、装置、设备和计算机存储介质 | |
CN111246257B (zh) | 视频推荐方法、装置、设备及存储介质 | |
CN112328892B (zh) | 信息推荐方法、装置、设备及计算机存储介质 | |
CN113626624B (zh) | 一种资源识别方法和相关装置 | |
CN104123321B (zh) | 一种确定推荐图片的方法及装置 | |
CN111949820B (zh) | 视频关联兴趣点的处理方法、装置及电子设备 | |
CN112699314A (zh) | 热点事件确定方法、装置、电子设备及存储介质 | |
CN116823410A (zh) | 数据处理方法、对象处理方法、推荐方法及计算设备 | |
CN111241225A (zh) | 常驻区域变更的判断方法、装置、设备及存储介质 | |
CN113590914B (zh) | 信息处理方法、装置、电子设备和存储介质 | |
CN109271580B (zh) | 搜索方法、装置、客户端和搜索引擎 | |
CN112100522A (zh) | 用于检索兴趣点的方法、装置、设备及介质 | |
CN115033782B (zh) | 推荐对象的方法、机器学习模型的训练方法、装置和设备 | |
CN112637685B (zh) | 视频的处理方法和装置 |
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 |