一种信息评分方法及装置和存储介质制造方法及图纸

本发明专利技术公开了一种信息评分方法，包括：基于推荐模型针对候选信息的预测评分，在候选信息中确定发送给目标用户的推荐信息；基于目标用户针对推荐信息的行为，确定推荐信息的行为评分；基于历史目标用户针对推荐信息的历史行为，确定推荐信息的历史行为评分；基于衰减系数对推荐信息的历史行为评分进行衰减，并与推荐信息的行为评分融合，得到推荐信息的修正评分；基于推荐信息的修正评分更新推荐模型。本发明专利技术还公开了一种信息评分装置和存储介质。

【技术实现步骤摘要】
一种信息评分方法及装置和存储介质
本专利技术涉及通信技术，尤其是一种信息评分方法及装置和存储介质。
技术介绍
现有技术中，面对互联网中的海量信息，用户要在如此庞大的资源中快速找到自己感兴趣的资源是非常困难的。推荐系统能够及时跟踪用户的需求变化来自动调整信息服务的方式和内容，推荐给用户其可能感兴趣的资源，提供个性化服务。为了对推荐系统或者算法进行优化改进，通常需要评价推荐的内容是否为用户喜欢的内容，所以需要设置用户对内容喜好的评价指标。现有的推荐评估系统或方法中，通常由以下两类指标实现。一：统计指标常用的统计指标有：用户的转化率变化、销售量变化、销售额变化等。此类指标常是一段时间特定区域内的统计。这类指标虽然能在一定程度从整体上评价推荐系统的好坏，但是存在以下问题：1、统计的结果需要在一定时间范围内，导致反馈不及时；2、这类统计指标受非推荐算法或推荐系统本身的影响较为严重，比如受网络的影响，受外部市场竞争的影响；3、统计量的数据粒度不够精细，很难为具体的推荐算法提供参数优化调节上的指导。二：用户行为指标常用的用户行为指标有：用户对推荐的内容是否产生查看、购买等行为。此类指标有如下问题：1、因为某些原因，用户没有看到推荐的内容，比如展示的原因，用户自己没时间去查看等，在评价推荐效果时，无法与用户真正不感兴趣的内容进行区别，导致认为推荐效果不好，从而对推荐系统和算法的优化产生错误的引导；2、虽然推荐的内容是用户喜欢的，但用户暂时不需要，所以用户没有相应的表示感兴趣的行为数据反馈，所以在评价推荐效果时，无法与用户真正不感兴趣的内容进行区别，导致认为推荐效果不好，从而对推荐系统和算法的优化产生错误的引导；3、推荐的内容较多，有的推荐信息产生了查看购买行为，有的没有，无法评估用户喜好。综上所述，现有技术对推荐模型的修正仍然存在偏差，无法准确的反馈推荐模型的算法运行效果。专利技术章节有鉴于此，本专利技术实施例期望提供一种信息评分方法及装置、存储介质，能够基于推荐模型针对候选信息的预测评分，在所述候选信息中确定发送给目标用户的推荐信息；并基于所述目标用户针对所述推荐信息的行为，确定所述推荐信息的行为评分；进一步的基于历史目标用户针对所述推荐信息的历史行为，确定所述推荐信息的历史行为评分；之后基于衰减系数对所述推荐信息的历史行为评分进行衰减，并与所述推荐信息的行为评分融合，得到所述推荐信息的修正评分；最终基于所述推荐信息的修正评分更新所述推荐模型，以便推荐模型更加符合用户的真实需求。为达到上述目的，本专利技术实施例的技术方案是这样实现的：本专利技术实施例提供了一种信息评分方法，包括：基于推荐模型针对候选信息的预测评分，在所述候选信息中确定发送给目标用户的推荐信息；基于所述目标用户针对所述推荐信息的行为，确定所述推荐信息的行为评分；基于历史目标用户针对所述推荐信息的历史行为，确定所述推荐信息的历史行为评分；基于衰减系数对所述推荐信息的历史行为评分进行衰减，并与所述推荐信息的行为评分融合，得到所述推荐信息的修正评分；基于所述推荐信息的修正评分更新所述推荐模型。上述方案中，所述方法还包括：向所述推荐模型输入与所述目标用户对应的用户特征、以及与关联用户对应的用户特征，得到所述推荐模型根据所述用户特征与候选信息特征相似度确定的所述候选信息的评分；所述用户特征包括以下至少之一：目标用户的基础属性信息、目标用户的历史行为、关联用户的基础属性信息、关联用户的历史行为、目标用户、目标用户的关联用户针对所述候选信息的行为评分。上述方案中，所述基于推荐模型针对候选信息的预测评分，在所述候选信息中确定发送给目标用户的推荐信息，包括：基于所采集的所述目标用户历史行为中的用户账户信息、推荐信息、针对推荐信息的单日操作数量，确定第一时间阈值内所述候选信息的得分；基于预设的行为评价系数，对所确定的第一时间阈值内所述候选信息的得分进行归一化处理；在经过归一化处理的第一时间阈值内所述候选信息的得分对应的候选信息中，确定发送给目标用户的推荐信息。上述方案中，所述在所述候选信息中确定发送给目标用户的推荐信息，包括：将所述候选信息降序排列，选取预设的第一数量的推荐信息发送给所述目标用户。上述方案中，所述基于所述目标用户针对所述推荐信息的行为，确定所述推荐信息的行为评分，包括：获取所述目标用户对所述推荐信息的正向反馈；基于所获得的所述正向反馈中的反馈行为次数信息、反馈日志类型数量和预设的评分系数，确定所述目标用户针对所述推荐信息的行为的评分权重；基于所确定的所述目标用户针对所述推荐信息的行为的评分权重，计算与所述目标用户对应的推荐信息的行为评分。上述方案中，所述基于所述目标用户针对所述推荐信息的行为，确定所述推荐信息的行为评分，包括：当所述目标用户针对所述推荐信息没有操作时，执行至少以下之一：根据所述目标用户的一段时间内的行为以及与所述行为对应的权重，计算与所述目标用户对应的推荐信息的行为评分；将所述述目标用户对应的推荐信息的行为评分归零。上述方案中，所述基于历史目标用户针对所述推荐信息的历史行为，确定所述推荐信息的历史行为评分，包括：将获得所述推荐信息行为评分进行降序排列，获得降序排序中第一数量的排序在前的目标推荐信息；获得第一数量的目标推荐信息对应的第二数量的历史行为；根据所述第二数量的历史行为、确定所述第二数量的目标推荐信息的历史行为评分；所述第二数量小于所述第一数量。上述方案中，所述基于衰减系数对所述推荐信息的历史行为评分进行衰减，并与所述推荐信息的行为评分融合，得到所述推荐信息的修正评分，包括：基于时间衰减系数、所述历史行为的时间窗口、所述目标用户的正向反馈行为次数，计算定所述第二数量的目标推荐信息的推荐信息评分。上述方案中，所述衰减系数基于至少以下之一确定：基于时间衰减系数方程确定；基于内容衰减系数方程确定。上述方案中，所述基于所述推荐信息的修正评分更新所述推荐模型，包括至少以下之一：更新所述推荐模型中子模型的权重信息；更新所述推荐模型中子模型的类型。本专利技术还提供了一种信息评分装置，所述装置包括：推荐信息确定模块，用于在候选信息中确定发送给目标用户的推荐信息；推荐信息处理模块，用于获得所述目标用户针对所述推荐信息的行为；所述推荐信息处理模块，用于确定所述推荐信息的行为评分；所述推荐信息处理模块，用于确定所述推荐信息的历史行为评分；修正模块，用于基于衰减系数对所述推荐信息的历史行为评分进行衰减；所述修正模块，用于将所述推荐信息的行为评分融合，得到所述推荐信息的修正评分；更新模块，用于基于所述推荐信息的修正评分更新所述推荐模型。上述方案中，所述装置还包括：信息输入模块，用于向所述推荐模型输入与所述目标用户对应的用户特征、以及与关联用户对应的用户特征；所述用户特征包括以下至少之一：目标用户的基础属性信息、目标用户的历史行为、关联用户的基础属性信息、关联用户的历史行为、目标用户的关联用户针对所述候选信息的行为评分；所述推荐信息确定模块，用于得到所述推荐模型根据所述用户特征与候选信息特征相似度确定的所述候选信息的评分。上述方案中，所述推荐信息确定模块，用于基于所采集的所述目标用户历史行为中的用户账户信息、推荐信息、针对推荐信息的单日操作数量，确定第一时间阈值内所本文档来自技高网...

【技术保护点】
一种信息评分方法，其特征在于，所述方法包括：基于推荐模型针对候选信息的预测评分，在所述候选信息中确定发送给目标用户的推荐信息；基于所述目标用户针对所述推荐信息的行为，确定所述推荐信息的行为评分；基于历史目标用户针对所述推荐信息的历史行为，确定所述推荐信息的历史行为评分；基于衰减系数对所述推荐信息的历史行为评分进行衰减，并与所述推荐信息的行为评分融合，得到所述推荐信息的修正评分；基于所述推荐信息的修正评分更新所述推荐模型。

【技术特征摘要】
1.一种信息评分方法，其特征在于，所述方法包括：基于推荐模型针对候选信息的预测评分，在所述候选信息中确定发送给目标用户的推荐信息；基于所述目标用户针对所述推荐信息的行为，确定所述推荐信息的行为评分；基于历史目标用户针对所述推荐信息的历史行为，确定所述推荐信息的历史行为评分；基于衰减系数对所述推荐信息的历史行为评分进行衰减，并与所述推荐信息的行为评分融合，得到所述推荐信息的修正评分；基于所述推荐信息的修正评分更新所述推荐模型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：向所述推荐模型输入与所述目标用户对应的用户特征、以及与关联用户对应的用户特征，得到所述推荐模型根据所述用户特征与候选信息特征相似度确定的所述候选信息的评分；所述用户特征包括以下至少之一：目标用户的基础属性信息、目标用户的历史行为、关联用户的基础属性信息、关联用户的历史行为、目标用户、目标用户的关联用户针对所述候选信息的行为评分。3.根据权利要求1所述的方法，其特征在于，所述基于推荐模型针对候选信息的预测评分，在所述候选信息中确定发送给目标用户的推荐信息，包括：基于所采集的所述目标用户历史行为中的用户账户信息、推荐信息、针对推荐信息的单日操作数量，确定第一时间阈值内所述候选信息的得分；基于预设的行为评价系数，对所确定的第一时间阈值内所述候选信息的得分进行归一化处理；在经过归一化处理的第一时间阈值内所述候选信息的得分对应的候选信息中，确定发送给目标用户的推荐信息。4.根据权利要求1所述的方法，其特征在于，所述在所述候选信息中确定发送给目标用户的推荐信息，包括：将所述候选信息降序排列，选取预设的第一数量的推荐信息发送给所述目标用户。5.根据权利要求1所述的方法，其特征在于，所述基于所述目标用户针对所述推荐信息的行为，确定所述推荐信息的行为评分，包括：获取所述目标用户对所述推荐信息的正向反馈；基于所获得的所述正向反馈中的反馈行为次数信息、反馈日志类型数量和预设的评分系数，确定所述目标用户针对所述推荐信息的行为的评分权重；基于所确定的所述目标用户针对所述推荐信息的行为的评分权重，计算与所述目标用户对应的推荐信息的行为评分。6.根据权利要求1所述的方法，其特征在于，所述基于所述目标用户针对所述推荐信息的行为，确定所述推荐信息的行为评分，包括：当所述目标用户针对所述推荐信息没有操作时，执行至少以下之一：根据所述目标用户的一段时间内的行为以及与所述行为对应的权重，计算与所述目标用户对应的推荐信息的行为评分；将所述述目标用户对应的推荐信息的行为评分归零。7.根据权利要求1所述的方法，其特征在于，所述基于历史目标用户针对所述推荐信息的历史行为，确定所述推荐信息的历史行为评分，包括：将获得所述推荐信息行为评分进行降序排列，获得降序排序中第一数量的排序在前的目标推荐信息；获得第一数量的目标推荐信息对应的第二数量的历史行为；根据所述第二数量的历史行为、确定所述第二数量的目标推荐信息的历史行为评分；所述第二数量小于所述第一数量。8.根据权利要求7所述的方法，其特征在于，所述基于衰减系数对所述推荐信息的历史行为评分进行衰减，并与所述推荐信息的行为评分融合，得到所述推荐信息的修正评分，包括：基于时间衰减系数、所述历史行为的时间窗口、所述目标用户的正向反馈行为次数，计算定所述第二数量的目标推荐信息的推荐信息评分。9.根据权利要求1所述的方法，其特征在于，所述衰减系数基于至少以下之一确定：基于时间衰减系数方程确定；基于内容衰减系数方程确定。10.根据权利要求1所述的方法，其特征在于，所述基于所述推荐信息的修正评分更新所述推荐模型，包括至少以下之一：更新所述推荐模型中子模型的权重信息；更新所述推荐模型中子模型的类型。11.一种信息评分装置，其特征在于，所述装置包括：推荐信息确定模块，用于在候选信息中确定发送给目标用户的推荐信息；推荐信息处理模块，用于获得所述目标用户针对所述推荐信息的行为；所述推荐信息处理模块，用于确定所述推荐信息的行为评分；所述推荐信息处理模块，用于确定所述推荐信息的历史行为评分；修正模块，用于基于衰减系数对所述推荐信息的历史行为评分进行衰减；所述修正模块，用于将所述推荐信息的行为评分融合，得到所述推荐信息的修正评分；更新模块，用于基于所述推荐信息的修正评分更新所述推荐模型。12.根据权利要求11所述的装置，其...

【专利技术属性】
技术研发人员：张聪，钟咏，廖勤耘，何丹，
申请(专利权)人：咪咕音乐有限公司，中国移动通信集团公司，
类型：发明
国别省市：四川,51