一种推荐方法及装置，电子设备制造方法及图纸

本申请提供了一种推荐方法，属于计算机技术领域，解决了现有技术中存在的推荐结果新颖性和多样性较差的问题。本申请公开的推荐方法，包括：基于第一预设优化指标，建立推荐算法池；根据推荐引擎的调用次数选择所述推荐算法池中的一个推荐算法；通过选择的所述推荐算法对用户推荐信息。通过本申请公开的推荐方法，根据推荐引擎被调用的次数，即用户访问应用页面的次数，动态选择推荐算法，既保证了业务指标优化的需求，同时有效地提高了推荐结果的新颖性和多样性，进一步提升了用户体验。

【技术实现步骤摘要】
一种推荐方法及装置，电子设备
本申请涉及计算机
，特别是涉及一种推荐方法及装置，电子设备。
技术介绍
现有技术的推荐系统会结合用户的画像、位置、场景等信息进行多维度的信息召回，然后进行统一的排序，之后再将搜索结果返回给用户。即便是推荐系统中设置有多种推荐算法，可以生成多个推荐列表，由于采用固定的推荐算法，对于同一个用户来说，呈现的头部推荐结果通常不会发生变动，新颖性较差。并且，总是对用户推荐同样的结果，推荐结果过于单调，不具备多样性，可能会导致用户的流失。可见，现有技术中的推荐方法，至少存在推荐结果新颖性和多样性较差的缺陷。
技术实现思路
本申请提供一种方法，解决现有技术中存在的推荐结果新颖性和多样性较差的问题。为了解决上述问题，第一方面，本申请实施例提供了一种推荐方法包括：基于第一预设优化指标，建立推荐算法池，其中，所述推荐算法池中包括M个推荐算法，M为大于等于2的整数；根据推荐引擎的调用次数选择所述推荐算法池中的一个推荐算法；通过选择的所述推荐算法对用户推荐信息。第二方面，本申请实施例提供了一种推荐装置，包括：算法池建立模块，用于基于第一预设优化指标，建立推荐算法池，其中，所述推荐算法池中包括M个推荐算法，M为大于等于2的整数；推荐算法选择模块，用于根据推荐引擎的调用次数选择所述推荐算法池中的一个推荐算法；推荐模块，用于通过选择的所述推荐算法对用户推荐信息。第三方面，本申请实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的推荐方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时本申请实施例公开的推荐方法的步骤。本申请实施例公开的推荐方法，通过基于第一预设优化指标，建立推荐算法池，并根据推荐引擎的调用次数选择所述推荐算法池中的一个推荐算法，然后，通过选择的所述推荐算法对用户推荐信息，解决了现有技术中存在的推荐结果新颖性和多样性较差的问题。通过根据推荐引擎被调用的次数，即用户访问应用页面的次数，动态选择推荐算法，既保证了业务指标优化的需求，同时有效地提高了推荐结果的新颖性和多样性，进一步提升了用户体验。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例一的推荐方法流程图；图2是本申请实施例二的推荐方法流程图；图3是本申请实施例三的推荐装置结构示意图之一；图4是本申请实施例三的推荐装置结构示意图之二。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清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本申请实施例所述的推荐方法应用于通过调用推荐引擎为用户推荐搜索结果或推送信息的场景，其中，推荐引擎将调用推荐算法，返回推荐结果。实施例一本实施例公开的一种推荐方法，如图1所示，该方法包括：步骤100至步骤120。步骤100，基于第一预设优化指标，建立推荐算法池，其中，所述推荐算法池中包括M个推荐算法，M为大于等于2的整数。第一预设优化指标为衡量推荐算法优化结果的业务指标。例如，对于搜索、信息推荐业务，推荐算法的第一预设优化指标包括但不限于：点击率(CTR:ClickThroughRate)、转化率(CVR:ClickValueRate)、流量(PV(PageView)等中的任意一项或多项。通过对线上运行的推荐算法在一段时间的历史数据进行计算，得到第一预设优化指标的数值，可以判断推荐算法的优化结果是否符合业务需求。具体实施时，首先从第一预设优化指标中选择一个首要衡量指标，如：点击率，并确定一段时间内，线上运行的推荐算法中首要衡量指标(即转化率)最高的推荐算法为参考推荐算法。然后，再基于参考推荐算法，从线上运行的推荐算法中选择M-1个推荐算法作为候选推荐算法。其中，候选推荐算法为某一个第一预设优化指标(如点击率)优于所述参考推荐算法的算法。最后，由参考推荐算法和M-1个候选推荐算法组成推荐算法池。步骤110，根据推荐引擎的调用次数选择所述推荐算法池中的一个推荐算法。当用户登录应用程序的首页或者访问应用的某个页面时，应用通常会根据用户的输入调用推荐引擎为用户推荐搜索结果或主动进行信息推送。此时，推荐引擎将进一步调用推荐算法池中的某个推荐算法来获取推荐结果。具体实施时，当推荐引擎被首次调用时，选择第二预设优化指标最优的推荐算法，即在推荐算法池中选择第二预设优化指标最优的一个推荐算法，以获取推荐结果；当推荐引擎被再次调用时，则结合用户的新奇性和推荐算法轮换策略，选择一个推荐算法，即为了给用户展示新颖的、丰富的推荐结果，将根据用户的新奇性和推荐算法的新颖性，在推荐算法池中选择一个推荐算法，以获取推荐结果。其中，用户的新奇性表示的是用户对新商品的偏好程度。根据用户的历史行为数据，结合一定的计算策略可以获得有过历史行为的每个用户的新奇性。其中，第二预设优化指标选自于第一预设优化指标，不同于首要衡量指标。步骤120，通过选择的所述推荐算法对用户推荐信息。在推荐算法池中选择合适的算法之后，通过选择的推荐算法获取推荐结果，并由推荐引擎反馈给应用。本申请实施例公开的推荐方法，通过基于第一预设优化指标，建立推荐算法池，并根据推荐引擎的调用次数选择所述推荐算法池中的一个推荐算法，然后，通过选择的所述推荐算法对用户推荐信息，解决了现有技术中存在的推荐结果新颖性和多样性较差的问题。通过根据推荐引擎被调用的次数，即用户访问应用页面的次数，动态选择推荐算法，既保证了业务指标优化的需求，同时有效地提高了推荐结果的新颖性和多样性，进一步提升了用户体验。实施例二本实施例公开的一种推荐方法，如图2所示，该方法包括：步骤200至步骤240。步骤200，基于第一预设优化指标，建立推荐算法池，其中，所述推荐算法池中包括M个推荐算法，M为大于等于2的整数。本实施例中以第一预设优化指标为：点击率(CTR:ClickThroughRate)、转化率(CVR:ClickValueRate)为例，说明选择推荐算法的具体方案。业界衡量一个推荐算法的好坏一般都是通过线上AB测试进行的，即线上同时运行多个推荐算法，如20个，经过线上运行一段时间之后，如一个季度之后，根据不同推荐算法的优化指标的值判断推荐算法的好坏，便于后续选择优化指标较优的推荐算法。具体实施时，基于第一预设优化指标，建立推荐算法池，包括：确定第二预设时间段内，首要衡量指标最优的推荐算法为参考推荐算法；确定第三预设时间段内，至少一个第一预设优化指标优于所述参考推荐算法的推荐算法为候选推荐算法；将所述参考推荐算法和M-1个最优候选推荐算法加入推荐算法池；其中，所述第一预设优化指标可以为：点击率、转化率、交易额等业务指标，所述首要衡量指标选自于所述第一预设优化指标。以第本文档来自技高网...

【技术保护点】
一种推荐方法，其特征在于，包括：基于第一预设优化指标，建立推荐算法池，其中，所述推荐算法池中包括M个推荐算法，M为大于等于2的整数；根据推荐引擎的调用次数选择所述推荐算法池中的一个推荐算法；通过选择的所述推荐算法对用户推荐信息。

【技术特征摘要】
1.一种推荐方法，其特征在于，包括：基于第一预设优化指标，建立推荐算法池，其中，所述推荐算法池中包括M个推荐算法，M为大于等于2的整数；根据推荐引擎的调用次数选择所述推荐算法池中的一个推荐算法；通过选择的所述推荐算法对用户推荐信息。2.根据权利要求1所述的方法，其特征在于，所述根据推荐引擎的调用次数选择所述推荐算法池中的一个推荐算法的步骤，包括：在预设监控周期内，根据推荐引擎的调用次数选择所述推荐算法池中的一个推荐算法。3.根据权利要求1或2所述的方法，其特征在于，所述根据推荐引擎的调用次数选择所述推荐算法池中的一个推荐算法的步骤，包括：若首次调用推荐引擎，则在所述推荐算法池中选择第二预设优化指标最优的推荐算法；若非首次调用推荐引擎，则结合用户的新奇性和推荐算法轮换策略，在所述推荐算法池中选择一个推荐算法。4.根据权利要求3所述的方法，其特征在于，所述结合用户的新奇性和推荐算法轮换策略，在所述推荐算法池中选择一个推荐算法的步骤，包括：根据用户的历史行为数据，确定用户的新奇性位次；根据推荐算法轮换策略，确定每个推荐算法的轮换值位次；选择所述推荐算法池中轮换值位次与所述新奇性位次匹配的推荐算法。5.根据权利要求4所述的方法，其特征在于，所述根据用户的历史行为数据，确定用户的新奇性位次的步骤，包括：根据用户的历史行为数据，分别确定每个用户的新奇性得分；按照所述新奇性得分的高低顺序，将所有所述用户均匀划分为M组；将用户所在组的新奇性得分的高低顺序号，作为该用户的新奇性位次。6.根据权利要求5所述的方法，其特征在于，所述根据用户的历史行为数据，分别确定每个用户的新奇性得分的步骤，包括：根据在第一预设时间段内用户对某一商品执行点击、收藏、购买操作的次数，确定用户的新奇性得分的第一因子；根据用户已删除商品的用户历史行为信息，确定用户的新奇性得分的第二因子；将所述第一因子与第二因子的和，作为用户的新奇性得分；其中，所述第一因子的取值与用户的点击、收藏、购买操作针对的商品对应的商户数量成反比；所述第二因子的取值与已删除商品对应的具有用户历史行为的商户的数量成正比。7.根据权利要求5所述的方法，其特征在于，所述根据推荐算法轮换策略，确定每个推荐算法的轮换值位次的步骤，包括：根据点击率提升权重、转化率提升权重和推荐算法的新颖性权重，计算每个推荐算法的轮换值；将所述轮换值按照与新奇性得分相同的排序方式进行排序，确定所述轮换值的高低顺序号作为该轮换值位次。8.根据权利要求1所述的方法，其特征在于，所述基于第一预设优化指标，建立推荐算法池的步骤，包括：确定第二预设时间段内，首要衡量指标最优的推荐算法为参考推荐算法；确定第三预设时间段内，至少一个第一预设优化指标优于所述参考推荐算法的推荐算法为候选推荐算法；将所述参考推荐算法和M-1个最优候选推荐算法加入推荐算法池；其中，所述首要衡量指标选自于所述第一预设优化指标。9.一种推荐装置，其特征在于，包括：算法池建立模块，用于基于第一预设优化指标，建立推荐算法池，其中，所述推荐算法池中包括M个推荐算法，M为大于等于2的整数；推荐算法选择模块，用于根据推荐引擎的调用次数选择所述...

【专利技术属性】
技术研发人员：曹佐，陈文石，刘志权，潘强，李春阳，潘晖，朱今朝，吴尚，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京,11